打开文本图片集

摘要：21世纪以来，我国政府出台了一系列政策扶持各个行业的发展，但是所出台的政策如何进行定量评价，成为当前制定新政策时亟需考虑的问题。因此，本研究通过介绍政策建模一致性（PMC）指数模型的基本组成，并对政策进行定量评价，旨在为出台新政策提供一定的参考。

关键词：PMC指数模型；模型构建；政策评价

随着上个世纪改革开放的深入开展，我国政府出台一系列政策扶持各类产业的发展，政府制定的政策与产业发展之间存在着密切的关系。政策可以促进或限制产业的发展，引导产业结构调整和优化，推动产业升级和转型，并规范产业发展环境。而产业的发展也会推动政策的调整和创新，为政策制定提供参考。因此，在政策与产业发展的相互作用中，需要保持一种动态平衡，以实现经济的可持续发展。但对政府来说，政策的制定及实施并不是一项简单的工作，政策制定之后的落实及评价在政策的生命周期中也存在重要的意义。因此，找到合适的方法对政策进行评价显得尤为重要。

政策建模一致性（PMC）指数模型就是一种定量的政策评价分析方法，近年来广泛用于评价生物医药、新能源等产业，旨在多维度地分析某类政策的内部异质性和政策的优劣水平，为政府部门制定新的政策提供参考依据，也为已经实施的政策提供评价方法。

一、基本介绍

PMC指数模型是Policy Modeling Consistency的英文简称，是目前世界范围用于政策评价的较为先进及客观的方法之一。该方法是由马里奥·阿图罗·鲁伊斯·埃斯特拉达（Mario Arturo Ruiz Estrada）在2010年首次提出来的^[1]。在其发表的文章《政策建模研究一致性指数（PMC-Index）》中提出一种政策文本的定量评估方法。通过对挖掘到的政策文本进行量化评价，评价文本的内部一致性，进一步来揭示所制定的政策的优劣，也为后续政策的优化提出改进的思路。

PMC指数模型的理论源泉则是“Omnia Mobilis”假说。该假说在科学思考的同时融入了哲学的思想，其认为世界万物都是处在不断运动的过程中，在永恒不变的运动时且相互联系。因此，该假说强调所有因素都会影响到物质的运动，任何一个事物都不可能脱离其他一切孤立存在。这种物质状态带来的变化和运动既包括物理上的，也包括思想、文化及社会生活上的。因此，在分析问题的时候必须要尽可能全面考虑所有可能的变量，而且不能从单一的维度进行分析，要尽可能从多个维度进行解释与研究。这才能确保分析的全面性和准确性。

在政策的评价领域，“Omnia Mobilis”假说为PMC指数模型提供了重要的理论基础。该模型基于“Omnia Mobilis”假说的思考原则，在政策评价的过程中充分考虑所有影响因素及变量，并从多个角度进行系统分析。对各变量进行量化后，得出综合评价结果，从而反映各变量之间的动态关系和相互作用对政策的影响。

二、PMC指数模型构建的基本思路

PMC指数模型基于任何事物都是在不断运动发展且彼此间相互联系的假设，政策的整体评价考虑了各个可能变量的影响，即不可忽略任何影响因素的作用。量化评价时，对变量的数量不做限制，且不再设定变量的权重。PMC指数模型的应用范围有以下两个方面：一是可以用来分析某一具体政策模型的一致性水平，二是可以曲面图可以直观展现某一具体政策的优劣势，比较分析优势变量与劣势变量的具体含义和水平。

1. 变量和参数的识别

该模型在建立前，首先需要进行政策的文本挖掘，将与所研究主题相关的政策设置检索条件进行汇总。检索出的政策必须符合一定的要求，需具有权威性和代表性，能够反映所研究领域的政策特征。从而选取出来作为研究样本。

变量选取和参数识别是对政策文件在进行初步处理后的更深层次的处理，最终目的是建立包含若干个一级变量与二级变量的评价体系。

2. 建立投入和产出量表

基于前面步骤选定的变量和指标构建投入和产出量表，依此量表用来反映政策在制定和实施过程中的多种投入和产出之间的关系。该模型包括一级变量和二级变量，二级变量在一级变量的基础上产生，一般比一级变量会更加丰富和细致，数量也更多。

一般情况下设置主变量（一级变量）和次变量（二级变量）。主变量的数目设置为10，次变量数量不限。然后对二级变量进行二进制的赋值。在政策文本中出现了的次变量可赋值为1，否则即为0。

3. 测算PMC指数值

依据以下公式进行各项政策指数的计算^[2]。

（注：X_i指某一政策的主变量；X_j指某一政策的具体的次变量）

4. 构建PMC曲面图

为了进一步直观反映政策在不同维度的优缺点，因此构建PMC曲面图。在构建PMC曲面图之前，需要先完成PMC曲面矩阵的构建。随后通过矩阵完成三维曲面图的绘制。通过该曲面图可以显著表明各政策的排名以及政策之间的差距，从而更好地帮助政策的制定者找出问题所在并及时进行修改完善。

三、PMC指数模型的应用举例

政策的使用范围，根据其制定与实施的层级和目的的不同，有的是面向全国范围内的，具有普遍适用性和统一性；而有的则是针对特定地区或地方性的，主要考虑到当地的经济、社会、文化等因素，具有较强的针对性和地域特色。

1. 在医药卫生领域的应用

顾一纯等^[3]以健康医疗大数据行业的政策为研究对象，借助文本挖掘的方式遴选符合要求的政策，结合专家会议法的结果，构建该行业的PMC指数模型并进行系统分析。其结果表明通过PMC指数模型的方法，可以融合大数据、云计算等新兴行业不断丰富政策内容，并结合我国的发展实际制定符合实际的健康政策。兰娅菲等^[4]则是将PMC指数模型方法与文本挖掘方法相结合，研究2016-2021年我国出台的具有代表性的中医药产业政策，其结果表明作为全国性的产业政策，在落地到不同省份时实施效果却不一样，说明要进一步加强对中医药产业的宏观引导，结合发展实际设置不同阶段的具体发展目标。

王宇佳^[5]借助PMC指数模型将国家层面出台的政策和地方出台的政策进行对比分析，研究我国从1983-2021年颁布的中央及地方的33条代表性政策。其分析表明，国家层面的政策较地方出台的政策而言，在政策目标和政策内容上不够具体及详细。

2. 在跨境电商领域中的应用

电子商务作为近些年来蓬勃发展的新兴领域，已经深入融入人们的生活。但是由于该领域涉及的产品范围较广、政策发布主体较多，因此对跨境电商领域的政策的评估也不能从单一的角度进行，否则较难衡量政策的具体效果。因此，张孟豪等^[6]学者根据张永安等^[7]学者的研究结果，设置9个一级变量和49个二级变量，其结果表明河南省的跨境电商业务模式相关的政策较为优秀，但涉及消费者利益的服务价值感知则是今后需要完善的方向。

赵杨等^[8]学者为增强研究结果的针对性与可操作性，以面向跨境电子商务的某项具体政策进行详细分析，其选取的43项国家层面的政策进行实证研究。

3. 在养老服务领域的应用

二十一世纪以后，随着我国经济的快速发展，人口老龄化的问题也在进一步加剧。为了提高养老服务质量，我国政府也在积极出台一系列政策进行应对。方永恒和刘佳敏^[9]以2008-2019年国务院颁布的十项养老服务政策为研究文本，借助ROSTCM 软件对所搜集到的政策进行深度挖掘，随后通过PMC指数模型构建PMC曲面图，对最终结果进行分级分析。其研究表明，在2008年至2019年的时间内，80%以上的政策都是较为优秀的政策，都是和我国人口发展相适宜的政策。表明我国政府在养老问题上的关注程度较高，政策效果也较好。

邹钰莹和娄峥嵘^[10]采用同样的方式研究我国21世纪以后的养老问题，从文本研究和量化评价两方面进行。其结果表明，政府出台的一系列政策为养老服务的发展营造了较好的发展环境，但是具体监管的内容不够全面，导致一些政策在执行的过程中缺乏具体的政策支持。

陶雪琴^[11]则是以安徽省的养老服务政策为研究对象，系统研究了2006至2022年安徽省出台的具体养老政策，并与上海、浙江、江苏三地所出台的养老服务政策文本进行对比分析相比，其结果表明安徽省的养老服务政策在政策保障激励措施以及政策所覆盖的内容等方面与长三角地区均存在一定的差距，也是未来地方政府亟需解决的问题。

四、展望

PMC指数模型可以用来分析某一具体政策模型的一致性水平，也可以凭借曲面图非常直观地展现某一具体政策的优势与劣势，比较分析优势变量与劣势变量的具体含义和水平。采用量化评价方法，避免了主观判断带来的偏差，提高了评价的客观性。因此，广泛用于医药卫生、房地产、养老服务、电子商务、科技研发等领域政策的评价。该评价模型在具体使用的过程中，研究重点在于其中主变量和次级变量的选择。次变量因可选范围大、细节性强，因此选择起来较为容易。但是关于其模型中的主变量的筛选存在一定的困难，目前仍然集中在政策依据、政策目标、政策内容、政策级别、政策主体、政策时效以及政策公开等方面。关于主变量其他方式的划分目前还很少见，这也为研究该方法提供了一定的参考空间。但是随着大数据和人工智能技术的不断发展，PMC指数模型在未来有望得到更加广泛的应用和深入的发展。

参考文献：

[1] Ruiz E， Mario A. The Policy Modeling Research Consistency Index （PMC-Index） [EB/OL]， https：//ssrn.com/abstract=1689475， 2010-10-15.

[2]陶秋骋， 董作军， 董大顺， 张倩， 孙国君. 基于PMC指数的杭州市生物医药产业政策评价研究[J]. 上海医药， 2022， 43 （13）： 74-77.

[3]顾一纯，何达，黄佳妤，孙辉，王昊德.基于PMC指数模型的我国健康医疗大数据发展的政策环境研究[J].中国卫生政策研究，2022，15（04）：45-51.

[4]兰娅菲，韩朦，陈颖，褚淑贞.国家中医药产业政策评价研究——基于PMC指数模型[J].中国卫生事业管理，2022，39（04）：280-286.

[5]王宇佳，张婉，吴锐，韩良福，李悦鸣，冯毅翀，胡奇志.基于PMC指数模型的中医药事业高质量发展政策分析[J].中国药房，2022，33（07）：777-782.

[6] 张孟豪， 李世闯， 刘昊海. 河南跨境电商政策量化评价研究——基于PMC指数模型的分析[J]. 中国商论， 2022， （01）： 60-63.

[7] 张永安，郄海拓.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[J].科技进步与对策，2017，34（2）：113-121.

[8]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（6）：114-126.

[9] 方永恒， 刘佳敏. 国务院养老服务政策挖掘与量化评价——基于PMC指数模型分析[J]. 云南行政学院学报， 2020， 22 （05）： 167-176.

[10]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 （03）： 68-76.

[11] 陶雪琴. 安徽省养老服务政策文本的量化研究[D]. 安徽大学， 2023.

基金项目：安徽省级/国家级大学生创新创业训练项目（S202212216017/2023122116053）；安徽省产学研横向项目（2022cxy098；2023cxy148；2024cxy079）；安徽新华学院校级质量工程项目（2022jxtdx03；2022kcszx11）。

作者简介：侯梦利（1991—），女，安徽蚌埠人，硕士，助教，研究方向为医药产业政策。