Quantitative Evaluation of Science and Technology Service Industry Policies Based on PMC Index Model:A Comparison of Liaoning and Related Provinces and Cities

Du Baogui,Chen Lei

(School of Humanities and Law of Northeastern University,Shenyang 110169,China)

Abstract：The policy of science and technology service industry is one of the important factors affecting the development of science and technology service industry.The development effect of science and technology service industry is closely related to the formulation of its policies and measures.Therefore, it is beneficial to understand the rationality of existing policies and measures of science and technology service industry by evaluating the policies of science and technology service industry, which provides reference significance for optimizing and improving future policies of science and technology service industry.From the existing research literature, it can be seen that the research literature of science and technology service industry policy at home and abroad mostly focuses on policy formulation, policy implementation, policy environment and other aspects, and there is a lack of the related research of policy evaluation, which is the weak link of policy analysis of science and technology service industry at present.

PMC index model is an "exotic product" of foreign policy evaluation methods.Domestic scholars have evaluated some policies in China by using the revised and adjusted policy model, and achieved good results, expanding the applicable scope of the index model in China's policies, and providing method reference and empirical experience for the study on the policy evaluation of science and technology service industry.This study takes PMC index model as the core research method to quantitatively evaluate and analyze the relevant policy texts of science and technology service industry.Firstly, based on the existing index system of PMC index model, text mining method was employed to describe and summarize the contents of 68 policy texts of science and technology service industry in China from 2012 to 2020, the evaluation index system of PMC index model was adjusted and supplemented, so as to build an evaluation index system applicable to science and technology service industry policy and improve the effectiveness of policy evaluation of science and technology service industry.Secondly, in the process of using PMC index model to evaluate the policies of science and technology service industry, it was necessary to assign digital values to the corresponding policy contents and realize the quantitative processing of policy contents, so as to facilitate the calculation and comparison of PMC index of various policy texts.

In order to make full use of the advantages of PMC index model, this study evaluates two policies of science and technology service industry in Liaoning Province, and also adopts comparative analysis method.In addition, 10 representative policies of science and technology service industry from different regions and levels are selected as the control samples of science and technology service industry policies in Liaoning Province.By comparing PMC index scores of different policies, it is easier to find the defects and deficiencies of policies, and at the same time it can provide reference for further optimization of policies.

Generally speaking, first of all, among the 12 policy samples of science and technology service industry in this study, 5 policies were rated as good, and the remaining 7 policies acceptable, which shows that the overall quality of China's science and technology service industry policies needs to be improved.Secondly, from the PMC index ranking of policy samples, P12 >P3 > P9 > P7 > P11 > P6 >P4 >P8> P2 > P5 > P10 > P1, it can be seen that the quality of China's science and technology service industry policy shows a trend of "lower is better than upper", that is, the lower the government level, the higher the quality of science and technology service industry policy issued by the corresponding level of government.Furthermore, according to the average scores of the first-level variables of various policies, the six first-level variables cover areas, policy tools, policy audiences, policy implementation basis, industrial process and document citation have higher average scores and relatively excellent variable performance, while the four first-level variables policy nature, policy timeliness, policy operability and publishing institutions have lower average scores and relatively poor variable performance.

According to the PMC surface diagram of each policy and PMC model multi-input-output table, combined with the specific content of each policy, we can carry out horizontal or vertical comparative analysis between policy samples from different variable levels, discuss and find out the advantages and disadvantages of each policy, and then put forward countermeasures and suggestions for policy optimization, which is also the core part of this study.The results show that there are some problems in Liaoning's science and technology service industry policy, such as unclear cognition of policy objects, incomplete use of policy tools, imperfect construction of policy mechanism, etc.Therefore, it is necessary to enhance decision makers' understanding of the current situation and laws of industrial development, complete the shortcomings of policy tools and improve the policy mechanism.

Key Words:PMC Index Mode; Science and Technology Service Industry Policy; Policy Evaluation

收稿日期：2020-08-27

修回日期：2021-02-20

基金项目：中央高校基本科研业务费项目(N2014003)；辽宁省“十四五”科技创新规划及中长期科学技术发展规划项目(202005)

作者简介：杜宝贵(1975—)，男，辽宁辽中人，博士，东北大学文法学院教授、博士生导师，研究方向为科技政策与科技管理、比较公共管理理论；陈磊(1993—)，男，河南信阳人，东北大学文法学院博士研究生，研究方向为科技政策。

DOI：10.6049/kjjbydc.2020080744

开放科学(资源服务)标识码(OSID)：

中图分类号：F726.9

文献标识码：A

文章编号：1001-7348(2022)01-0132-09

0 引言

科技服务业既是服务业的重要组成部分，又是支撑科技创新的服务性产业。因此，可从以上两个视角解释我国科技服务业支持政策的战略考虑和刚性需求：一方面，推动服务业发展是调整和优化经济结构、转变经济发展方式、促进经济高质量发展的重要路径，而服务业整体发展受到科技服务业及其分支的直接影响，因此发展科技服务业是实现服务业发展目标的必由之路；另一方面，鉴于科技对经济与社会发展的强大撬动作用，重视和发展科技事业是我国政府始终奉行的基本国策，在国家发展战略布局中占据关键地位。科技服务业作为为科技提供服务的产业，其发展目标必然服从和服务于国家科技战略的刚性需求。

科技服务业是科技与服务业深度融合孵化的产业，是现代科技发展的重要支撑。科技服务业作为新型服务业态，在其发展过程中，政府扮演着不可替代的重要角色。政府制定和实施的科技服务业政策在引导产业发展、整合科技资源、满足市场需求等方面对科技服务业发展发挥着重要作用。科技服务业政策是政府为促进科技服务业发展而制定的战略、规划、法令等一系列措施，是政府意图的集中体现，是了解和分析政府科技服务业发展策略的重要依据。科技服务业政策是影响科技服务业发展的重要因素之一，科技服务业发展成效与政策制定息息相关。因此，对科技服务业政策进行评价有助于了解现有科技服务业政策措施的合理性，对优化和改进科技服务业政策具有一定借鉴意义。本研究以辽宁省科技服务业政策为研究对象，运用国内新兴的PMC指数模型研究方法构建科技服务业政策评价指标模型，对辽宁省科技服务业政策文本进行评价并提出相应优化路径。

1 研究综述

从现有研究文献看，国内外学者对科技服务业政策的研究视角比较多样。由于国情不同，国内外科技服务业存在名称和概念差异，主要体现在科技服务业基本认识、科技服务业政策研究范畴和发展思路等方面。科技服务业在国外一般被称为知识密集型产业(Knowledge-intensive Business Service，KIBS)，包括工程服务、管理咨询和IT外包等服务[1]。国外学者比较重视KIBS知识的支撑与服务作用[2-4]，关注客户与企业在科技服务业中的密切联系[5-6]。与此同时，国外学者对KIBS发展所需要的法律制度、政策体系、政策环境等研究较多，如制定合理的知识产权制度以提高KIBS行业劳动生产率[7]；通过考察KIBS对经济的影响加快产业政策制定与实施[8]，促进KIBS企业与其它企业建立合作伙伴关系等[9]。在我国，科技服务业既是科技创新的支撑产业，又是服务业的分支。国内学者比较关注科技服务业的功能与作用，尤其是对国家或区域经济社会发展与进步所带来的影响，因此科技服务业政策研究的目的性和导向性较强，就是要服务经济社会发展大局[10-12]。张胜、郭英远[13]运用政策地图法提出科技服务业发展政策设计相关建议；朱相宇、彭培慧[14]剖析了产业政策实施对科技服务业生产效率的影响及作用机制；何涛(2015)认为，财税政策为科技服务业提供了良好的发展环境。可以看出，国内外科技服务业政策多关注政策制定、政策实施、政策环境等，缺少政策评价，这是目前科技服务业政策分析的薄弱环节。政策评价是政策过程的重要组成部分，政策评价结果有利于纠正现有政策缺陷，对公共政策进行全程控制与调整，是保证政策目标实现的关键。

PMC指数模型(Policy Modeling Consistency，PMC-Index)由马来西亚大学研究员Mario Arturo Ruiz Estrada(马里奥·阿图罗·鲁伊斯·埃斯特拉达，以下简称“鲁伊斯”)于2011年提出，用于评价政策建模。鲁伊斯[15-17]详细阐述了PMC-Index的理论假设、比较优势和操作步骤，并运用PMC-Index对自己曾经发表的3篇学术论文优劣势进行实证分析，验证PMC-Index的适用性和科学性。之后，鲁伊斯[18]将PMC-Index适用的政策模型划分为12类，以满足不同政策模型的评价需求。PMC指数模型传入我国后，国内一些学者对这一政策模型评价工具进行修改和调整，以适应我国公共政策的特点与属性，使得这一政策模型评价方法的应用范围逐步扩展、方法体系日渐成熟。张永安等[19-23]应用PMC指数模型对区域科技创新政策、金融政策、房地产政策、国务院创新政策、“大众创业、万众创新”政策、网约车政策进行量化评价，验证了该模型的有效性和适用性，为面向我国国情的单一政策评价研究奠定了理论基础；刘亭立、傅秋园[24]运用PMC指数模型分析当前我国绿色能源产业政策；赵杨等[25]将PMC评价方法应用到国家跨境电子商务政策评估与分析中；王进富等[26]通过借鉴和结合PMC指数模型与AE技术的优势，构建了军民融合政策评价模型；丁潇君等[27]针对集成电路产业扶持政策内容，提出PMC指数模型量化评价方法；胡峰等[28]运用PMC指数模型评价8项机器人产业政策；邹钰莹等[29]利用PMC指数模型对2013至今国家层面出台的养老服务政策进行评价。

2 研究方法与指标设计

2.1 研究方法

PMC指数模型源于2008年鲁伊斯提出的“Omnia Mobilis”假说，即世界万物都是运动和相互关联的，任何一个变量都同等重要。PMC指数模型是国外政策评价方法的“舶来品”，国内学者通过使用修正与调整后的政策模型对我国一些政策进行评价，取得了较好的效果，扩大了该指数模型在我国的适用范围，为科技服务业政策评价提供了方法借鉴和实证经验。本研究以PMC指数模型为核心，对科技服务业相关政策文本进行量化评价与分析。首先，在PMC指数模型既有指标体系的基础上，通过使用文本挖掘法对2012-2020年我国68份科技服务业政策文本内容进行描述与概括，对PMC指数模型评价指标体系进行调整和补充，构建科技服务业政策评价指标体系，提高科技服务业政策评价的有效性；其次，利用PMC指数模型对科技服务业政策进行评价，对相应政策内容进行赋值和量化处理，以便对各项政策文本PMC指数进行计算和比较。

2.2 研究设计

2.2.1 变量分类确认与参数识别

评价指标变量设置是本研究的关键环节之一，直接影响政策评价结果的合理性和有效性。变量设置需要遵循“Omnia Mobilis”假说，尽可能保证评价指标变量的全面性，同时需要根据待评价政策的具体内容特点，在之前评价指标体系的基础上进行调整与增减，确保变量设置的针对性和代表性，本文构建的我国科技服务业政策评价PMC指数模型共包括10个一级变量和52个二级变量。

(1)一级变量。包括：①政策性质(X1)，指待评价政策所具有的特点；②政策时效(X2)，指政策实施时间长度；③涵盖领域(X3)，指科技服务业细分领域，反映科技服务业分类情况；④政策工具(X4)，指政策主体为实现政策目标所采取的手段、措施和方式；⑤政策受众(X5)，指政策涉及的主要组织或群体；⑥政策操作性(X6)，指待评价政策分解实施的便利性；⑦政策执行基础(X7)，指政策贯彻执行的基础条件；⑧产业过程(X8)，指科技服务产业发展；⑨发布机构(X9)，指政策发布主体；⑩文件引用(X10)，指是否引用上级或其它文件。

(2)二级变量。包括：①政策性质(X1)。由二级变量X1:1～ X1:6组成：预测(对科技服务业方向与前景的预判)、监管(对科技服务业发展过程的监管)、建议(发展科技服务业的对策)、描述(对科技服务业发展现状的描述)、引导(说明科技服务业发展的导向目标)、诊断(对科技服务业存在问题的总结)；②政策时效(X2)。由二级变量X2:1～ X2:4组成：长期(大于10年的政策)、中期(5～10年政策)、短期(1～5年政策)、临时(小于1年的政策)；③涵盖领域(X3)。由二级变量X3:1～ X3:9组成：研究开发服务(基础研究与技术开发类服务)、技术转移服务(技术推广应用或转化服务)、检验检测认证服务(检验、测试、标准、认证等服务)、创业孵化服务(创新、创业、孵化器服务)、知识产权服务(知识产权代理、咨询、培训等服务)、科技咨询服务(科技战略、科技评估、管理咨询等服务)、科技金融服务(促进科技与金融融合服务)、科学技术普及服务(科学技术知识传播服务)、综合科技服务(科技服务业集群、军民融合等服务)；④政策工具(X4)。由X4:1～ X4:10组成：技术供给(政府直接提供技术支持)、资金支持(政府拨付产业发展专项资金)、金融税收(政府提供金融服务和税收优惠)、国际合作(政府支持科技服务企业开展国际合作)、政治策略(政府采用鼓励性、引导性措施)、信息资讯(政府及时发布科技服务信息)、人才建设(政府支持科技服务业专业人才培养与管理)、法律保障(政府建立健全产业法律法规)、公共事业(政府为科技服务业提供便利化公共服务)、政府采购(政府向社会购买科技服务)；⑤政策受众(X5)。由二级变量X5:1～ X5:7组成：国家(对全国产生影响)、区域(对区域产生影响)、事业单位(对事业单位产业影响)、科研院所(对科研院所产生影响)、企业(对企业产生影响)、社会组织(对社会组织产生影响)、科研人员(对科研人员产生影响)；⑥政策操作性(X6)。由二级变量X6:1～ X6:4组成：具体实施方案(制定政策实施的具体步骤和策略)、细化政策措施(详细的措施安排)、配套政策(人、财、物、政策等要素的配备)、分工任务(明确各部门权责分工)；⑦政策执行基础(X7)。由二级变量X7:1～ X7:3组成：组织领导(建立政策执行的领导组织机构)、工作机制(建立政策执行的制度规则)、部门协同联动(部门之间、上下级之间的协商与沟通)；⑧产业过程(X8)。由二级变量X8:1～ X8:4组成：产业集聚(促进科技服务业集群化发展)、试点示范(推进科技服务新技术、新产品的先行先试)、产业应用(推动服务或产品应用)、产业推广(扩大科技服务业应用领域)；⑨发布机构(X9)。由二级变量X9:1～ X9:4组成：人大(发文主体为当地人民代表大会及常务委员会)、党委(发文主体为当地党委及其办公厅)、政府及办公厅(发文主体为当地政府及其办公厅)、政府部门(发文主体为当地政府职能部门)；⑩文件引用，没有二级变量(X10)。

需要说明的是，参数识别需要遵循“Omnia Mobilis”理论假说的要求，尽可能兼顾与平衡每一个变量的影响。对二级变量相关参数进行二进制处理能够保证所有二级变量对投入产出的影响相同，因此若待评价政策的若干表述符合相应二级变量赋分标准，则设定为1；不符合，则设定为0。

2.2.2 多投入产出表构建

选择和确定科技服务业政策评价PMC指数模型一级变量和二级变量后，需要构建多投入产出表。多投入产出表本质上是一种数据分析框架，可通过存储大量数据测量任何单个变量且可从一般角度显示任何策略演变，能够保证二级变量权重相同，因此不需要对二级变量进行重要性排序，如表1所示。

2.2.3 PMC指数计算方法

本文借鉴鲁伊斯的研究结论，将PMC指数计算划分为4个步骤：①将确定的10个一级变量和52个二级变量输入多投入产出表；②参考二级变量的描述解释和赋分标准，对照、归纳待评价政策的相关表述和条款，利用公式(1)～(2)对二级变量赋值，采用二进位形式确定二级变量的值，其中二级变量数值服从[0，1]分布；③利用公式(3)，在二级变量取值的基础上计算相对应的一级变量数值，得出二级变量得分总和与二级变量数量的比值；④通过公式(4)计算待评价政策的PMC指数。具体计算公式如下：

X～N[0,1]

(1)

X={XR：[0～1]}

(2)

(3)

(此处，t为一级变量，j为二级变量)

(4)

2.2.4 PMC指数评级方法

分别计算政策样本的PMC指数数值，根据数值大小判定该政策的质量级别。鲁伊斯将政策质量级别划分为4个等级：完美、良好、可接受、较差。如果一项政策的PMC指数数值在9～10之间，则是完美政策；在7～8.99之间，则是良好政策；在5～6.99之间，则是可接受政策；在0～4.99之间，则是较差政策。据此，本研究将科技服务业政策质量级别划分为4个档次：优秀、良好、可接受、较差。每个档次对应的PMC指数数值范围如表2所示。

3 研究过程

3.1 样本来源与说明

本研究以辽宁省科技服务业政策评价为核心目标，运用PMC指数模型全面、具体、准确地挖掘辽宁省科技服务业政策存在的优势和缺陷，进而提出优化辽宁省科技服务业政策的建议。2014年3月，辽宁省科技厅印发了《辽宁省科技服务业发展四年行动计划(2014年～2017年)》，这是全国范围内率先问世的科技服务业规划性政策之一，对辽宁省科技服务业发展起到较好的促进作用。2015年11月，辽宁省政府出台《落实<国务院加快技服务业发展若干意见>任务分工实施方案》，以此作为新常态下推进辽宁省科技服务业发展的纲领性文件。两份科技服务业政策意义重大，前后相互衔接，是辽宁省支持科技服务业发展的综合性政策文件。因此，本研究对以上两份辽宁省科技服务业政策进行分析和评价。为充分发挥PMC指数模型的优势，本研究还采用对比分析法，另外选取10份来自不同地域和层级的具有代表性的科技服务业政策作为对照样本，通过不同政策PMC指数得分发现政策存在的不足，为进一步优化政策提供借鉴。

需要指出的是，对照政策样本选取主要基于以下3点考虑：①与相同区域省份作比较可以找出存在的共性问题，黑龙江、吉林与辽宁同为东北地区省份，地理区位相同，因此选取黑龙江和吉林两省政府出台的科技服务业政策；②与相同或相似发展背景省份作比较可以发现存在的个性问题，辽宁是东北老工业基地重要省份之一，具有发展重工业的历史背景和产业基础，同东北地区相似，京津冀地区、长三角地区、珠三角地区、四川盆地等区域曾是或仍是我国重要的工业基地，因此从上述3个区域分别选取北京、广东、四川3个省市级政府出台的科技服务业政策；③与地级城市作比较可以找到政策优化的突破口，我国省级政府与地市级政府分别处于上下两个不同层面，出台的政策也具有不同特征。本研究选取吉林长春、浙江杭州、山东青岛3个地市级政府出台的科技服务业政策作为市级对照政策样本。此外，还选取1份国家级(国务院)和1份县级政府(四川威远)出台的政策文本作为二级辅助对照样本，由此搭建“主体对照样本”(省级、市级)+“辅助对照样本”(国家级、县级)政策样本对比框架。综上所述，共有两份辽宁省科技服务业政策和10份对照政策样本，政策分析样本具体信息如表3所示。

3.2 数据输入与计算

基于上述操作步骤，分别将12份科技服务业政策样本输入多投入产出表，并计算出各项政策样本的PMC指数，结果如表4所示。

3.3 PMC曲面绘制

3.3.1 PMC曲面绘制方法

在得出所有政策样本的PMC指数后，本文绘制每项政策的PMC曲面，对政策评价结果进行图像化、可视化分析。鲁伊斯认为，PMC曲面可以图形方式呈现PMC矩阵中的所有结果，即能够显示多维坐标空间上任何政策建模的优劣势。PMC曲面一般为凹凸不平的三维图形，不同色块代表指标得分的不同数值，曲面凸出部分表示该项政策对应评价指标得分较高，凹陷部分则表示对应评价指标得分较低。

PMC矩阵是一个3*3矩阵，由9个一级变量数值组成。绘制PMC曲面需要借助PMC矩阵结果，构造正方形矩阵可以保持PMC曲面完美的对称性。本文设置10个一级变量，由于X10没有二级变量，所以不采用X10构建PMC矩阵，只将X1～X9作为计算PMC曲面的主要变量。PMC曲面计算方式见公式(5)，表5是科技服务业政策样本的PMC矩阵结果。

PMC曲面

(5)

3.3.2 待评价政策样本的PMC曲面

在政策样本PMC矩阵的基础上，通过绘制PMC曲面图能够更加清晰地展示和比较P1～P12每项政策的PMC矩阵结果。图1～图6分别是P1、P2、P3、P7、P9、P12的PMC曲面图(由于篇幅有限，其它政策样本的曲面图省略)。

总体来看：首先，在本文12份科技服务业政策样本中，有5份政策评价等级良好，其它7项为可接受，没有完美等级的政策，说明我国科技服务业政策整体质量有待提升；其次，从政策样本PMC指数排名看， P12>P3>P9>P7>P11>P6>P4>P8>P2>P5>P10>P1，可见我国科技服务业政策质量呈现出“下优于上”的趋势，即政府层级越低，相应层级政府出台的科技服务业政策质量越高；再次，从各项政策一级变量得分均值看，6个一级变量涵盖领域、政策工具、政策受众、政策执行基础、产业过程、文件引用得分均值较高，变量性能相对优异，而4个一级变量政策性质、政策时效、政策操作性、发布机构均值较低，变量性能相对较差。

4 问题与优化路径

根据各项政策的PMC曲面图和PMC模型多投入产出表，结合各项政策的具体内容，可从不同变量层次进行政策样本之间的横向或纵向对比分析，找出每项政策的优势和不足，进而提出政策优化建议。

4.1 辽宁省科技服务业政策存在的问题

4.1.1 政策对象认知不清晰

政策主体对政策对象的认知是政策成功执行的根本保证[30]。政策主体对政策对象的认知程度是影响政策科学性、合理性的重要因素之一，这就要求决策者在制定政策前对政策对象有一个客观、全面、深刻的认识，否则将导致政策目标大打折扣或者无法实现。在本研究中，科技服务业的政策对象是科技服务产业本身，因此一项高质量的科技服务业政策需要体现和掌握科技服务业发展现状及规律。通过观测多投入产出表发现，辽宁省科技服务业政策P1、P2在变量政策性质上得分较低，P1在产业过程中得分很低。政策性质、政策时效两个主要变量是反映政策对象的重要指标，产业过程反映科技服务业发展过程中的不同环节或阶段，如产业聚集、试点示范、产业应用、产业推广等。在政策性质中，辽宁省两项科技服务业政策均不具备预测、描述、诊断3个特征。显然，辽宁省科技服务业政策并未充分体现对本省科技服务业发展方向、发展现状、现存问题的正确认识，反映出政策缺乏针对性，不利于对症下药，容易造成政策资源浪费和政策无效。此外，科技服务业政策应遵循科技服务业产业发展规律，根据产业过程各个环节或阶段的个性化需求采取相应政策措施。

4.1.2 政策工具使用不全面

政策就是一系列政策工具的集合，这些政策工具按照特定规则合理组合，政策工具是决策者公共政策价值和理念的体现[31]。在本研究中，辽宁省科技服务业政策虽然较好地兼顾了大多数政策工具，但也忽略了一个比较关键的政策工具，即法律法规。目前，我国还没有正式出台科技服务业法律法规。而在国外，一些科技服务业比较发达的国家已经形成相对完备、成熟的产业法律体系，如韩国出台了《科技评估法》《科技框架法》《科技家教育法》等，日本出台了《促进大学等的技术成果向民间事业转移法》《重振产业生命力特别措施法》《科学技术振兴实业团法》等，美国出台了《联邦技术转让法》《国家技术转让与促进法》《技术转让商业化法》《史蒂森—威德勒技术创新方法》等，这些法案或法律为科技服务业发展提供了良好环境。科技服务业作为新兴业态，在我国发展时间尚短，立法过程也比较漫长，但是随着科技服务产业对经济社会发展的影响不断增强，制定和出台科技服务业法律法规将成为大势所趋。

4.1.3 政策机制建构不完善

政策机制是指政策各要素构成、功能的相互作用关系，其本质是政府作为主体推行政策的具体方式，既包括使用与挑选政策工具的逻辑，也包括作出决策与执行政策的策略方式[32]。本文所说的政策机制主要包括政策时效、政策受众、政策操作性、政策执行基础和发布机构5个一级变量。由多投入产出表和曲面图可知，辽宁省科技服务业政策在政策机制构建方面表现不佳。首先，P1将科技服务业规划时效设定为2014-2017年，而P2未设定政策时效，这就造成政策时效变量得分较低；其次，P1、P2都不具备二级变量科研人员，说明辽宁省科技服务业政策缺乏对科研人员的支持；再次，由于P1不具备具体实施方案、细化政策措施、配套措施3个二级变量，说明该政策在实施层面容易出现“大水漫灌”的问题；再次，与P1相比，P2中的政策执行基础指标得分较低，主要原因在于组织领导、部门协同联动两个二级变量得分为0，说明P2政策执行支持体系不够完善；最后，P1、P2均由一个部门颁布，因此发布机构变量得分较低，需要通过加强部门协同提高该变量性能。

4.2 辽宁省科技服务业政策优化路径

4.2.1 提高决策者对产业发展现状和规律的认识

(1)对科技服务业发展情况进行摸底。第一，做好科技服务业调查统计。辽宁省应重视科技服务业调查统计工作，设立专门负责全省科技服务业发展数据调查统计的组织机构，或者将调查统计任务委托给专业科技信息统计服务机构。同时，结合国家相关政策标准及辽宁省实际情况，制定和形成辽宁省科技服务业统计调查标准体系和操作细则，使统计调查工作程序规范、标准统一。此外，采用科学、高效的调查方法或统计技术，保证统计调查结果的信效度。第二，完善科技服务业基础数据聚集长效机制。建立科技服务业发展数据统计部门，统筹辽宁省科技服务业各种数据收集工作，或者建立全省统一的科技服务业数据库，打通科技服务业数据上报与集聚通道，解决因部门条块分割所导致的数据碎片化问题。第三，建立科技服务业信息关联机制。在全面获取辽宁省科技服务业发展状况的信息数据后，建立基于关联数据技术的辽宁省科技服务业信息聚合机制，探求科技服务业发展数据变化规律和分布态势，实现对数据信息的有效利用，从而为政府决策和科技服务业政策制定提供有力的数据支撑。

(2)加强科技服务业发展基础研究。辽宁省应加强科技服务产业发展规律、产业理论及共性技术研究，结合辽宁省科学技术发展战略，组织高等学校、科研院所、企业联合进行科技服务业基础研究科研攻关，制定辽宁省科技服务业发展战略重点及中远期规划，促进产学研一体化，坚持开放合作的基本原则，加强与国外科技服务业发达国家及国内科技服务业领先省份的交流与沟通，借鉴和学习已有的成功经验。

(3)构建辽宁省特色科技服务业发展模式。首先，确定科技服务业分类“辽宁省标准”。即根据辽宁省科技服务业发展基础、优势和潜力，结合国内外科技服务业发展趋势，科学界定和划分科技服务业的概念及范围；其次，确定辽宁省科技服务业发展战略。辽宁省科技服务业发展应该主要服务于辽宁省五大战略需求，即推进创新型省份发展战略、加快建设制造强省战略、加快发展新兴产业战略、科技创新全链条发展战略、国家重点实验室建设战略；最后，确定辽宁省科技服务业发展的主要策略。辽宁省应主要依靠市场运作与政府激励两种基本方式推进科技服务业发展。

4.2.2 补全政策工具短板

首先，运用政府采购支持科技服务业发展。辽宁省应探索建立和完善政府采购科技服务业的规则及机制，积极吸纳科技服务业机构参与政府项目建设过程，运用政府购买社会服务的方式支持科技服务业发展，拓宽科技服务业支撑渠道；其次，建立健全科技服务业法律法规。辽宁省应加快科技服务业立法调查与论证，率先在全国建立比较完备的科技服务业法规体系，抢占科技服务业发展先机，促进辽宁省科技服务业健康发展；最后，重视国际合作在科技服务业发展过程中所发挥的作用。辽宁省是我国边境省份之一，临边靠海，具有得天独厚的地理条件，应加强与日本、韩国、俄罗斯在科技服务业领域的合作交流，加快将“辽宁制造”推向国际市场。同时，在开展国际合作过程中，应主动建立科技服务标准，增强我国科技服务业的竞争力和话语权。

4.2.3 构建更加完善的政策机制

(1)注重多元化政策时效，分阶段制订科技服务业发展政策目标和政策措施，细化科技服务业发展步骤，增强政策措施的具体性。

(2)畅通科技服务业政策执行。第一，提高科技服务业政策等级。辽宁省应尽快制订和通过由辽宁省人民代表大会或中共辽宁省党委出台的地方法规或指导性意见，提高政策制定主体级别，提高政策权威性。第二，增加配套政策资源供给。加强土地、金融、税收、人才、技术、资本等多种要素对科技服务业的支撑作用，形成完善的政策资源供给“一篮子”体制，以更好地扶持新兴产业发展。第三，成立政策执行组织。辽宁省应筹建全省科技服务业发展领导小组，指导和协商全省科技服务业发展，并赋予其一定职权，为全省科技服务业发展提供坚实的组织保障。第四，加强科技服务业政策协同。建立科技服务业政策制订和实施的多元政策主体参与机构，将与科技服务业发展相关联的政府机构或组织纳入政策议程，更好地发挥部门联动效应。

参考文献:

[1] LESSARD L ,OKAKWU C.Enablers and mechanisms of value cocreation in knowledge-intensive business service engagements: a research synthesis[R].2016 49th Hawaii International Conference on System Sciences (HICSS), 2016.

[2] DANIEL B.The coming of the post-industrial society[M].New York: American Educational Book Ltd, 1974:205-254.

[3] HERTOG Den P.Knowledge intensive business services as co-producers of innovation[J].International Journal of Innovation Management, 2000, 4(4): 491-528.

[4] MILES I, KASTRINOS N, BILDERBEEK R, et al．Knowledge-intensive business services: their role as users, carriers and sources of innovation[R].Report to the EC DG XIII, Luxembourg: Sprint EIMS Programme, 1995:5.

[5] WINDRUM P, TOMLINSON M.Knowledge-intensive services and international competitiveness: a four country comparison [J].Technology Analysis and Strategic Management, 1999, 11 (3): 391-408.

[6] EMMANUEL M, DAVID D.What we should know about knowledge-intensive business services [J].Technology in Society, 2009(31):64-72.

[7] DOMICIA N MA TE,ANDRA S ISTVA N KUN,FENYVES V.The impacts of trademarks and patents on labour productivity in the knowledge-intensive business service sectors[J].The AMFITEATRU ECONOMIC journal, 2016, 18(41):104-119.

[8] JAE S Y, KIM Y J.The effect of knowledge intensive business services on the Korean economy [J].Journal of Entrepreneurship and Venture Studies,2018,21(2):37-54.

[9] LIU Y P, LATTEMANN C，XING Y J, et al .The emergence of collaborative partnerships between knowledge-intensive business service (KIBS) and product companies: the case of Bremen, Germany[J]Regional Studies,2019, 53(3), 376-387.

[10] 吴丹,胡羚,陈丽英,等.推动广东科技服务业发展政策研究[J].科技管理研究,2010,30(13):50.

[11] 苏朝晖.加快福建科技服务业发展的政策研究[J].福建论坛(人文社会科学版),2013，33(5):152-155.

[12] 黄丽萍.推动福建省科技服务业发展的政策建议[J].福建论坛(人文社会科学版),2013，33(5):156-160.

[13] 张胜,郭英远.基于政策地图的科技服务业发展政策设计研究[J].科技进步与对策,2014,31(23):110-115.

[14] 朱相宇,彭培慧.产业政策对科技服务业全要素生产率的影响[J].华东经济管理,2019,33(10):66-73.

[15] RUIZ ESTRADA M A ,PARK D .The past, present and future of policy modeling[J].Journal of Policy Modeling, 2018, 40(1):1-15.

[16] MARIO ARTURO RUIZ ESTRADA A , SU FEI YAP.The origins and evolution of policy modeling[J].Journal of Policy Modeling, 2013,35(1):170-182.

[17] RUIZ E M, YAP S F, NAGARAJ S． Beyond the ceteris paribus assumption: modeling demand and supply assuming omnia mobilis[J].International Journal of Economics Research，2008,5(2):185-194.

[18] MARIO ARTURO RUIZ ESTRADA.Policy modeling: definition, classification and evaluation[J].Journal of Policy Modeling,2011,33(4):523-536.

[19] 张永安,耿喆.我国区域科技创新政策的量化评价——基于PMC指数模型[J].科技管理研究,2015,35(14):26-31.

[20] 张永安,宋晨晨,王燕妮.对于我国房地产政策中单一项政策的量化评价研究——基于PMC指数模型[J].生产力研究,2017(6):1-7, 22.

[21] 张永安,郄海拓.国务院创新政策量化评价——基于PMC指数模型[J].科技进步与对策,2017,34(17):127-136.

[22] 张永安,郄海拓.“大众创业、万众创新”政策量化评价研究——以2017的10项双创政策情报为例[J].情报杂志,2018,37(3):158-164, 186.

[23] 张永安,伊茜卓玛.各地网约车政策评价与比较分析[J].北京工业大学学报(社会科学版),2018,18(3):45-53.

[24] 刘亭立,傅秋园.绿色能源产业创新政策的量化评价与优化路径探究[J].中国科技论坛,2018，34(10):82-92.

[25] 赵杨,陈雨涵,陈亚文.基于PMC指数模型的跨境电子商务政策评价研究[J].国际商务(对外经济贸易大学学报),2018,32(6):114-126.

[26] 王进富,杨青云,张颖颖.基于PMC-AE指数模型的军民融合政策量化评价[J].情报杂志,2019,38(4):66-73.

[27] 丁潇君,房雅婷.“中国芯”扶持政策挖掘与量化评价研究[J].软科学,2019,33(4):34-39.

[28] 胡峰,戚晓妮,汪晓燕.基于PMC指数模型的机器人产业政策量化评价——以8项机器人产业政策情报为例[J].情报杂志,2020,39(1):121-129, 161.

[29] 邹钰莹,娄峥嵘.中央层面养老服务政策内容量化评价——基于PMC指数模型的分析[J].电子科技大学学报(社科版),2020,22(3):68-76.

[30] 丁煌.浅析妨碍政策有效执行的主体认知缺陷及其完善途径[J].中共长春市委党校学报,2004,30(3):47-51.

[31] 黄萃,苏竣,施丽萍,等.政策工具视角的中国风能政策文本量化研究[J].科学学研究,2011,29(6):877-878.

[32] 赵静,薛澜,王宇哲.旧瓶新酒：对“2015年股灾”成因的公共政策过程解释[J].公共管理学报,2020,17(2):1-13.

(责任编辑：王敬敏)