金融政策组合对企业技术创新影响的量化评价—

摘要：提出金融政策组合对企业技术创新的作用机理图，结合相关文献建立PMC指数模型，最后基于7项具体政策组合，通过计算PMC指数绘制出PMC曲面图，以更加直观地展现出政策评价结果。研究表明：在选取的7项政策组合中，6项为优秀级，1项为可接受级，而对于可接受级的政策，不论从PMC指数结果还是PMC曲面图都非常容易找到政策组合评分较低的原因。由此，对政策的改进提供一定的方法和思路。

关键词：技术创新；金融政策组合；PMC；政策评价；评价模型

0 引言

任何一个国家经济的正常运行都需以市场与宏观政策的协调作用为保障。其中，市场因素作用的发挥遵循供需原则，但仅靠市场作用是远远不够的，市场的自发性和时滞性特点容易造成资源的不合理分配，进而引发各种各样的问题。因此，在这种情况下国家宏观调控手段就变得尤为重要。金融政策中最常见的有货币政策、利率政策和汇率政策，而国家宏观调控所采用的金融政策往往不是单一执行的，而是通过政策组合的方式出现，以期取得最佳效果。纵观我国宏观金融调控历史，无不是通过金融政策组合对经济活动进行调整和引导，以实现国民经济快速稳定发展。

近年来，我国越来越重视企业创新对经济增长的推动作用[1]，由此出台了相应的金融政策组合，为创新经济健康快速的发展提供政策支持。因此，金融政策组合对企业技术创新影响的量化评价很可能成为下一个研究热点。

1 金融政策组合对企业技术创新的作用机理

金融政策组合主要包括货币政策、利率政策和汇率政策等，合理的金融政策组合需要各方相互协调，从而促进企业间相互作用、信息共享，形成创新平台和企业行为交互机制。政策的施行有力促进了企业技术创新，并进一步推动创新产品开发，形成新的创新产业，而创新产品和创新产业使创新产出得到提高，最终促进经济发展；同时，经济发展又会影响政策的调整与革新，以适应瞬息万变的环境，从而形成良性循环。金融政策组合与企业技术创新的交互形成了求内在作用机理，如图1所示。

了解金融政策组合对企业技术创新的作用机理有助于在PMC变量设置时全面把握相关因素，为接下来的研究奠定基础。

2 研究现状

2.1 金融政策组合对企业技术创新的影响

熊彼特[2]指出，运转良好的金融体系能够帮助识别生产过程中最有可能创新成功的企业，进而为企业技术创新提供融资服务。McKinnon[3]证实了金融市场发展与企业技术创新间关系密切，提出不合理的金融政策体系会阻碍企业技术创新。Aghion等将创新活动内化，视政策因素为外生变量，并建模证实金融政策的限制会导致企业技术创新活动的沉没成本和机会成本增加，而取消这些限制，能够促进企业技术创新活动。Saperstein等[4]认为，企业的技术创新活动能在一定程度上促进金融模式演进。

刘降斌等[5]提出，构建区域性金融体系对科技型企业自主创新活动有长期支持效应。林三强等[6]发现金融机构与技术创新之间存在长期均衡关系，金融机构优化是技术创新的动力。毛定祥[7]，彭文平[8]，高海红等[9]分别研究了货币政策、利率政策、汇率政策与经济增长的相关性，认为合理的金融政策能促进经济发展。James[10]通过研究金融政策组合中各种政策(如货币政策、利率政策、汇率政策、信贷政策等)深化对新技术产生的影响，提出发展中国家金融政策的逐步深化能在不同程度上促进技术创新。

综合国内外研究可知，科学合理的金融政策组合有利于提高企业的创新活力，有利于经济健康快速发展，避免资源错配产生的浪费。因此，对金融组合进行客观评价显得尤为重要。

关于政策评价研究，最早是由Edward A Suchman提出的五类评估法，然后是Oville F Poland的“三E”评估分类架构以及Wollmann提出的经典政策评价(Classical Evaluation)[11]。其中，Wollmann通过因果机制来揭示政策分析的成功与失败对社会的影响。由此可见，国外的研究以实证为主。

赵维双等[12]运用模糊综合评价法对政策进行评价分析。汪晓梦[13]基于相关性和灰色关联分析对区域性技术创新政策绩效评价予以实证研究。徐新鹏等[14]运用层次分析法对相关政策进行评价研究。时丹丹等[15]通过构建基于BP人工神经网络的创新科技政策评价模型来评价科技政策。

目前关于政策评价的定量研究存在一定缺陷，比如灰色关联法和模糊综合评价法的主观性比较强，层次分析法对多因素评价效果差，BP评价法精确度比较低。因此，本文基于文本挖掘法[16]和PMC指数模型建立金融政策组合评价标准，并对2015年出台的7份金融政策文件进行实证检验，最后将结果绘制成曲面图，以更加直观地对政策组合进行量化评价。

3 PMC指数模型建立

PMC指数(Policy Modeling Consistency Index)和Omnia Mobilis假设是由Ruiz Estrada等提出的。该理论基于万事万物都是运动联系的原则，认为政策研究模型要全面地考虑变量，这是与早期其它条件均相同假设(Ceteris Paribus Assumption)最大的区别。PMC作用有两个，一是可以用来分析某一具体政策模型的一致性水平，二是可以非常直观地展现一项具体项目的优势和缺陷，以及表征优势与缺陷的变量的具体含义和水平[17]。

进行PMC指数模型构建和分析主要有4个步骤，首先建立多投入产出表，然后确认一级和二级变量并进行相应的解释，随后计算政策PMC指数，最后生成待评价政策组合的PMC曲面图。PMC曲面图能较好展现政策全貌，有利于识别政策组合的优势和缺陷。

3.1 多投入产出表

本文以金融政策组合为研究对象，考察其对企业技术创新的影响并对此进行量化评价。基于已有文献和文本挖掘方法，参照Mario Arturo Ruiz Estrada[19]的研究，选取一级变量、二级变量和文本问题，最后结合中国情境进行适当调整。

由于PMC指数模型全面考虑各影响因素的作用，所以二级变量的数目不限，而且每个二级变量的权重是相同的[18]。另外，PMC指数模型采用的是二进制，这种方法可以有效平衡所有变量。

本文针对金融政策组合对企业技术创新影响建立PMC指标体系(如表1所示)，共有10个一级变量，用X1-X10表示：X1表示政策性质(包含6个二级变量)，X2代表政策时效(包含4个二级变量)，X3代表激励约束(包含4个二级变量)，X4代表包含级别(包含3个二级变量)，X5代表政策领域(包含6个二级变量)，X6代表政策评价(包含4个二级变量)，X7代表涉及企业类型(包含5个二级变量)，X8代表政策组合(包含2个二级变量)，X9代表政策视角(包含2个二级变量)，X10代表政策公开。

其中政策性质X1表示此项政策是否对企业技术创新存在推测、监管、建议、描述、识别和导向作用，并对每个二级变量进行设置，以便下一步评分。政策实效X2分为长期、中期、短期和本年内，用于考察待评价政策组合对企业创新方面的时效性特征。激励约束X3，考察待评价政策组合对企业技术创新的激励约束的有效性，包括人才激励、法律法规、补贴激励、税收激励4个方面。包含级别X4，考察的是待评价政策组合中的政策范围是国家级、地方级还是其它，不同级别的政策在同一政策组合中允许同时出现。政策领域X5，考察的是待评价政策组合对企业技术创新的作用体现在哪些方面，如经济、社会服务、技术水平、政治、环境或其它，这些领域允许在同一政策组合中同时出现。评价政策X6组合对企业技术创新方面的评价，包括依据是否充分、目标是否明确、方案是否科学和是否鼓励全面创新。涉及企业类型X7，考察的是待评价政策组合涉及企业类型，如国有企业、私有企业、民营企业、外资企业和其它。待评价政策X8考察组合中政策数量，含两项或多于两项。政策视角X9，评价政策组合在何种视角上支持企业技术创新，包含宏观和微观两方面。X10考察政策是否公开，公开取值为1，否则取值为0。

确定一级变量和二级变量后，运用文本挖掘方法对变量进行打分，计算出PMC指数，各变量评分标准如表2所示。

3.2.1 PMC指数计算方法

根据Mario Arturo Ruiz Estrada[18]的研究方法，将PMC指数计算分为4步：第一步，将两个级别的变量放到表1中；第二步，计算二级变量值。如公式(1)(2)所示，其中二级变量服从[0，1]分布。某一特定政策组合中的二级变量值可以取0或1，当政策文本中出现相关二级变量信息则数值为1，当政策文本中未出现相关二级变量信息则数值为0。该政策组合的一级指标得分为二级变量得分加总除以二级变量的数量，这个值严格介于[0，1]之间；第三步，将待评价政策的每个一级指标值计算出来，如公式(3)所示；第四步，根据公式(4)将待评价政策各个一级指标值加总计算出PMC指数。

式(3)中，t= 一级变量， j=二级变量。

依据PMC指数计算结果对政策进行评价，评价标准[18]如表3所示。

3.2.2 政策组合评价

本文选取2015年发布的7项金融政策组合如表4所示。根据PMC模型和文本挖掘方法得出7项政策组合投入产出表，如表5所示。然后计算各政策组合的PMC指数，并汇总至表6，并根据表3进行评价。

数据来源：http://www.gov.cn/guowuyuan/ 等相关网站

3.3 构建PMC曲面绘制

3.3.1 PMC曲面构建方法

为了让PMC指数的结果更加直观地展现出来，利用PMC指数构建PMC曲面。由于一级变量共有10个，无法对其进行矩阵转换，因而对10个一级变量进行二次加工，去掉变量X10，其原因在于该变量表示政策公开性，而本文的7项政策组合都是可获取的，并无差别。建立3*3矩阵，PMC曲面计算可以参见公式(5)[18]。

3.3.2 PMC曲面分析

根据上述过程计算出各项政策组合的PMC指数，为了便于比较，计算出各一级指标X1～X10的均值。构建政策组合PMC曲面，如图2-8所示。

政策组合P1的PMC指数为8.516，等级为优秀，是待评价政策中PMC指数最高的政策。该政策组合中，各个一级变量的得分都优于或等于均值，说明政策组合P1制定时考虑比较全面。

政策组合P2的PMC指数为7.900，PMC指数排名第二，属于优秀等级。其中除政策性质X1和涉及企业类型X7以外，评分均高于或等于均值，若要完善政策，可优先从这两项入手。

政策组合P3的PMC指数为7.800，PMC指数排名第三，属于优秀等级。其中除政策领域X5和政策视角X9以外，评分均高于或等于均值，若要完善政策，可以优先从X5入手。

政策组合P4的PMC指数为7.566，PMC指数排名第五，属于优秀等级。其中除政策实效X2、激励措施X3和涉及企业类型X7以外，评分均高于或等于均值，如果进行政策完善的话，则可以首先从这三方面入手。

政策组合P5的PMC指数为7.399，排名第六，属于优秀等级。其中除政策实效X2、激励措施X3和涉及企业类型X7以外，评分均高于或等于均值，若要进行政策完善，可以首先从这3个指标入手。

政策组合P6的PMC指数为5.933，排名第七，属于可接受等级。其中政策性质X1、政策实质X2、激励措施X3、包含级别X4和政策领域X5的评分均低于均值，若要进行政策完善，可以首先从这5个指标入手；在具体的某个一级变量完善上，可以参考表5其评分结果。比如由表6可知，评分最低的P6中，低于平均水平最多的一级变量是包含级别X4，再由表5发现政策组合P6是只针对地方(上海)的政策，涉及面窄，且并未提及其它地区或国家，因而这项评分比较低。也就是说PMC指数和PMC曲面方法可以很快速、准确地找到政策评分较低的政策原因，从而可以针对某一政策的具体方面进行完善。

政策组合P7的PMC指数为7.800，排名第三，属于优秀等级。除政策性质X1、包含级别X4外，各变量的评分均高于或等于均值，若要进行政策完善，可以首先从这两方面入手。

4 结语

根据表6的结果可知，除政策组合6以外，其它政策组合均为优秀级，其中政策组合P1得分最高，得分最低的政策组合P6也处于可接受范围内。政策组合P6中的X1政策性质得分较低，其中的推测、监管、描述、识别项的得分都是0，也就是说政策组合P6没有涉及相关方面的内容；而在政策实效和激励措施方面得分也较低，说明该政策在这些方面有所欠缺，结合多投入产出表还可以确定具体欠缺内容。这些指标的具体数值为政策改进提供了一定借鉴，在新政策制定期间，也可以运用本文中的指标框架对新政策进行设计和改进，这里不再赘述。

采用PMC指数模型对特定金融政策组合对企业技术创新的影响进行定量评价，并基于2015年7项金融政策组合对企业技术创新的影响进行研究，通过PMC指数及PMC曲面图直观展现政策组合对企业技术创新的影响情况。下一步的研究将关注政策组合的效果，但需要以一定的数据为基础，因而可能要辅以调研方法开展。

[1] 李冲.宏观金融政策组合对企业技术创新的影响效应[J].理论探索, 2015(9):14-18.

[2] [美]约瑟夫·阿洛伊斯·熊彼特.经济发展理论:对利润·资本·利息和经济周期的探究[M].叶华，译.北京:中国社会科学出版社，1942:12-53.

[3] MCKINNON R L.Money and capital in economic development[M]. Washington, D C: Brookings Institution Press,1973：77-119.

[4] SAPERSTEIN J, ROUACH D.Creating regional wealth in the innovation economy: models, perspectives, and best practices [M]. New Jersey:FT Press, 2002：55-231.

[5] 刘降斌，李艳梅.区域科技型中小企业自主创新金融支持体系研究—基于面板数据单位根和协整的分析[J]. 金融研究, 2008(12):193-206.

[6] 林三强，胡日东.我国金融结构体系促进技术创新的实证分析田[J].科技管理研究，2009,29(5):294-295.

[7] 毛定祥.我国货币政策财政政策与经济增长关系的协整性分析[J].中国软科学，2006(6):46-52.

[8] 彭文平.利率管制、储蓄动员与经济增长—对东亚国家经济发展过程中高储蓄率的一种解释[J].世界经济文汇, 2005(1):61-70.

[9] 高海红，陈晓莉.汇率与经济增长:对亚洲经济体的检验田[J].世界经济，2005(10):3-17.

[10] JAMES B ANG.Innovation and financial liberalization[J].Journal of Banking & Finance, 2014(47):214-229.

[11] H WOLLMANN.The development of a sustainable development model framework [J]. Energy Policy Research，2007(13):69-75.

[12] 姜琳琳.辽宁省科技创新政策实施效果评价研究[D].沈阳：沈阳理工大学, 2013:32.

[13] 汪晓梦.区域性技术创新政策绩效评价的实证研究——基于相关性和灰色关联分析的视角[J].科研管理，2014(5):10-18.

[14] 徐新鹏, 尹新哲, 马大来.基于层次分析法的统筹城乡户籍制度改革政策评价的应用研究[J].西北人口，2013(4):27-33.

[15] 时丹丹,嵇国平.基于BP人工神经网络的工艺创新科技政策评价[J].统计与决策，2011(16):42-48.

[16] 张永安,耿喆,王燕妮.区域科技创新政策分类与政策工具挖掘——基于中关村数据的研究[J].科技进步与对策，2015(17):116-122.

[17] RUIZ ESTRADA M,YAP S F,NAGARAJ S. Beyond the ceteris paribus assumption: modeling demand and supply assuming omnia mobilis[J]. International Journal of Economics Research, 2008(2):185-194.

[18] MARIO ARTURO RUIZ ESTRADA. Policy modeling: definition, classification and evaluation [J]. Journal of Policy Modeling, 2011(33):523-536.

[19] 肖念涛, 谢赤, 中小企业财政支持政策评价指标体系的理论框架分析[J].湖南大学学报：社会科学版,2013(5): 51-56.

[20] 国务院办公厅. 国务院办公厅关于促进金融租赁行业健康发展的指导意见[EB/OL]．http://www.gov.cn/zhengce/content/2015-09/08/content_10147.htm，2015-09-08.

[21] 国务院. 国务院关于印发推进普惠金融发展规划(2016-2020年)的通知[EB/OL]．http://www.gov.cn/gongbao/content/2016/content_5036266.htm，2015-12-31.

[22] 民政部, 国家开发银行. 民政部国家开发银行关于开发性金融支持社会养老服务体系建设的实施意见[EB/OL]．http://www.gov.cn/gongbao/content/2015/content_2909277.htm，2015-04-14.

[23] 国务院办公厅. 国务院办公厅关于加强金融消费者权益保护工作的指导意见[EB/OL]．http://www.gov.cn/gongbao/content/2015/content_2973146.htm，2015-11-04.

[24] 人民银行，等.国家互联网信息办公室关于促进互联网金融健康发展的指导意见[EB/OL]．http://www.gov.cn/gongbao/content/2015/content_2975901.htm，2015-07-14.

[25] 人民银行，等.上海市人民政府关于印发《进一步推进中国(上海) 自由贸易试验区金融开放创新试点加快上海国际金融中心建设方案》的通知[EB/OL].http://www.gov.cn/gongbao/2016-02/29/content_5046119.htm，2015-10-29.

[26] 国务院. 国务院关于促进融资担保行业加快发展的意见[EB/OL].http://www.gov.cn/zhengce/content/2015-08/13/content_10082.htm，2016-04-11.

Quantitative Evaluation of the Impact of Financial Policy Combinationto Enterprise Technology Innovation——Based on the PMC-Index Model

(School of Economics and Management, Beijing University of Technology, Beijing, 100124,China)

Abstract：First, this article put forward the figure of financial policy combination towards enterprise technology innovation mechanism. Second, this article established a PMC-Index model. Finally, this article realized the quantitative evaluation towards the seven policy combinations to technology innovation based on text mining method and their PMC-Index and eventually drew the PMC surface figure, which made the policy evaluation results could be displayed more intuitively. In the seven policy combinations, six of them were good level and one of them is acceptable. To this acceptable one, it's easy to find the reason both through the PMC-Index and the PMC surface figure, which can provide the train of thought and method for policy improvement.

Key Words：Technology Innovation; Financial Policy Combination; PMC; Policy Evaluation; Evaluation Model

收稿日期：2016-06-14 基金项目：国家自然科学基金项目(70972115)；北京市教委重点项目(SZ20071005002)；国家部委项目(3A011212200901)

作者简介：张永安(1957-)，男，陕西咸阳人，博士，北京工业大学经济与管理学院教授、博士生导师，研究方向为经济与管理系统复杂性、政策管理、仿真；郄海拓(1988-)，女，北京人，北京工业大学经济与管理学院博士研究生，研究方向为金融创新政策仿真、技术创新政策仿真、大数据、政策评价。

金融政策组合对企业技术创新影响的量化评价——基于PMC指数模型

0 引言

1 金融政策组合对企业技术创新的作用机理

2 研究现状

3 PMC指数模型建立

4 结语

金融政策组合对企业技术创新影响的量化评价
——基于PMC指数模型