基于质性数据分析的中美创新政策比较研究——以“中国双创”与“创业美国”为例

李 政，罗 晖，李正风，封凯栋

(1. 中国科协创新战略研究院，北京 100012; 2. 清华大学-中国科学院学部科学与社会协同发展研究中心，北京 100084; 3. 北京大学政府管理学院，北京 100871)

一、引言

近年来，在应对全球政治、经济等各类挑战的过程中，中美两国都把“创新”提到国家战略的高度：习近平主席多次指出：创新是引领发展的第一动力[1]，是推动人类社会进步的重要力量[2]，中国政府把创新摆在国家发展全局的核心位置。与此同时，美国政府连年推出《美国国家创新战略》[3]，白宫新设立了美国创新办公室[4]以维持美国全球创新领先地位。本文以中国双创和创业美国为例，尝试将质性数据分析(qualitative data analysis，QDA)[5]方法引入创新政策研究[6]，通过对中美创新政策研究和质性数据分析方法的文献回顾，找到二者的契合点，并在国家创新体系和全球创新生态系统理论[7-9]的指导下，重点研究政策关注点和政策措施分布两个方面。政策关注点即为一项政策措施针对的主要问题，一般在政策文本中会反复提及；政策分布或政策流转，是指一项政策的颁布实施往往涉及多个政策主体，需要在多个政策主体间传递。本文通过政策关注点和政策分布来剖析中美创新政策内部结构，为相关研究者提供学理参考。

二、文献综述

创新政策是对一系列关于经济、政治、科技与社会如何发展的公共话语的统称[10-11]，形式上包括政令、演讲、报告等，内容上一般可细化为科技规划、创业就业、税收优惠、投资采购、科技外交、技术转移、知识产权、科学普及等具体措施。中美创新政策的研究属于国家创新系统中核心知识流研究的一种[12-13]，研究对象一般包括创新政策的产生、结构、效果、政策参与方(利益主体)之间的相互作用等。

国内对中美创新政策的研究多由政府部门、高校和科研院所进行，定性研究一般关注中美创新政策的主体、政策内在结构、政策体系及效果评估等[14-15]，重视分析两国创新政策的某些政策细节或政策涉及的具体产业[16-17]；定量研究往往以大量文本为样本，侧重研究创新政策主体的府际关系、创新政策的外在环境[18-19]，以及创新政策的分类、聚类、横纵向比较等[20-21]，在统计中往往会忽略具体政策内容的差异[22]。从研究主体上看，研究中美创新政策的主体主要是各官方或非官方的研究机构、高校里的专家团队、一些创新智库以及少数企业。

与国内学者相比，国外研究更侧重分析的思路和数学模型的应用。例如，对创新政策的制定建立分类比较框架[23]，从经济学角度定量考察创新和创新政策[24-25]，通过建立假设前提来建立精确的数学建模，运用量化模型寻找评估创新政策效果的依据，从而细致地比较政策；另一些学者在研究创新创业过程中运用田野考察和专家访谈等方法探究创新者关切的问题[26-27]。从研究主体上看，美国白宫科技政策办公室(OSTP)重点研究科技政策、创新奖的设立、创新创业环境建设等与创新相关的政策制定[28]；美国国家基金委(NSF)、总统行政办公室等部门关注科技创新经费分配、历年资金变化及国际间科研创新投入的横纵向比较研究[29]；联邦资助的研究与开发中心(FFRDC)对国家实验室的建设制定相关政策[30]；美国新一代防卫研究中心、兰德公司、麦肯锡公司等在科技成果转化、前沿科技与创新规划，以及颠覆性战略高技术等方面提供决策咨询[31-32]。

综上所述，国内外中美创新政策研究的主要不同之处在于：国内研究偏重自上而下的创新政策网络梳理和体系构建，国外研究更强调自下而上的创新政策制定流程和效果实证分析；除了两国的政府相关部门及其下属研究机构是中美创新政策研究的主体外，国内研究人员往往集中在高校，国外则多在智库或企业。国内外创新政策研究方法也有相同点：都存在定性和定量二分现象，定性方法往往局限于创新政策的某些细节或具体产业；定量方法在统计中受制于样本量和统计误差，而且还不得不忽略政策组间的内容差异[22]。为此，本文引入质性数据分析，综合运用定性和定量两种思路，这也是本文的新颖之处。

三、研究方法和思路

(一)研究方法

质性数据分析是英文Qualitative Data Analysis的直译，缩写为QDA。所谓“质性数据分析”，其实就是阅读理解基础上的语义统计。从历史上看，广义的质性数据分析植根于人类认知和改造自然的实践活动，有的文献资料把西方20世纪初语言学、民族志学的兴起作为质性分析的开端，把50年代的个人计算机兴起作为数据分析的起点[33]。实际上该方法的思想精髓在我国古代就已出现，存在于政府官员的日常工作中，如选拔考核人才、统计户籍财货、行军备战等[34]。狭义的质性数据分析诞生于数理统计学逐渐成熟与推广应用。在二战时期，军情分析和战时宣传等实际需求极大地促进了质性数据分析的成熟和发展，因该方法成功揭示了敌方宣传背后的真意，所以受到美国国家总评估办公室青睐[35]。20世纪中后期，伴随个人计算机的普及，质性数据分析方法从作战室走入研究室，成为计算机辅助质性数据分析系统(computer assisted qualitative data analysis system，CAQDAS)，如NVivo、QDA Miner、MAXQDA、ATLAS.ti等。从文献上看，国外对于质性数据分析的评述始见于90年代中期，21世纪初出现学术探讨[36-37]；国内第一部系统评介“质的研究方法”(qualitative research)的专著可以追溯到陈向明的《质的研究方法与社会科学研究》[38]，该书对唤起国内学术界对质性分析方法的重视起了很大的作用。自2010年起，质性数据研究逐渐增多，主要集中在文献学、情报学、语言学和教育学等社会学研究领域[39]；截至今日，国内外专门针对质性数据分析方法的学术文献总数不超过100篇，虽呈增长趋势[40]。

质性数据分析的路径一般是先内容分析后文本分析，即先人工内容分析，得出编码体系，再用机器做文本分析，积累经验，修正编码，指导新一轮的内容分析，如此循环(图1)。顺序无分先后，依照具体问题和研究条件而定[41-44]。质性数据分析有两个局限：(1)结论带有或然性，这是系统误差。质性数据分析的逻辑基础是归纳法，由归纳法带来的或然性无法避免。(2)过程带有特殊性，这属于操作偏差。质性数据分析的内核是编码，一般不存在普适的编码体系，需要具体问题具体分析，研究者的主观经验、逻辑判断和试错耐心起决定作用，所以信度不能像机器一样稳定，效度因人而异。

图1 质性数据分析方法的路径[44]

(二)研究思路

1.研究对象：政策文件及背景

本文在探究了质性数据分析方法的源流、原理和局限的基础上，将该方法引入创新政策研究。选择NVivo11[45]作为质性数据分析的计算机软件工具。以中国创新驱动发展战略下的“大众创业、万众创新”(简称双创)政策[46]和美国国家创新战略下的“创业美国”倡议[47]为研究对象，截止于2017年4月，从国务院双创文件库中收集国家层面的双创文件59件(滤掉“国函”、“国办函”文件)，从白宫官方网站“创业美国”5大方面的29个子条目中收集整理文件22件、收录国家战略文件《国家创新驱动发展战略纲要》[48]和《美国国家创新战略》[49]各1件(图2)，样本量共83件，详细目录请参见附表1-2。

2012年底召开的“十八大”明确提出，“科技创新是提高社会生产力和综合国力的战略支撑，必须摆在国家发展全局的核心位置”；2016年中国推出《国家创新驱动发展战略纲要》[48]；作为实施创新驱动发展战略的一项重要举措，大众创业、万众创新政策措施自2013年以来全面推进。双创政策的核心是简政放权、放管结合、优化服务，旨在通过减免小微企业税费、建立创投引导基金、推动“互联网+”行动、实施“中国制造2025”等政策措施，调动社会各群体的创业热情，孕育更好的创新生态环境[50-51]。

图2 中美创新政策样本选取

美国政府对创新的重视可以追溯到美国竞争力委员会做出“创新是产生持续价值唯一因素”的判断[52]；白宫科技政策办公室先后在2009、2011和2015年三次推出《美国国家创新战略》；2011年，白宫启动实施创业美国倡议，从降低资本进入门槛、搭建创业培训平台、减少行政阻碍、加速创新转化，以及释放市场活力五大方面，支持民众创新创业[47,53-54]；2014年，美国政府设立国家创造日(national day of making)，举办首次创客嘉年华(maker faire)，并鼓励创客文化和创客运动[55]。

2.研究方案：政策问题及假设

本文希望通过对政策文件进行质性数据分析，回答涉及创新政策内部结构的两个问题：

中美创新政策的主要关注点分别是什么？

中美创新政策的主要措施是如何分布的？

为了回答以上两个问题，本文设定如下假设并制定研究方案：

(1)政策话语的元素是字词，政策文件中的字词数量是政策话语的重要特征。本文假设：政策词频可以用于表征政策内容，高频词语能够代表政策的主要关注点。因此，基于NVivo的词频查询功能，本文对中美创新政策文件做高频词分析。

(2)政策措施在各个政策主体之间分布和流转，措施和主体是政策内容的重要组成部分，二者散落在政策文本的不同句段中。要厘清二者关系，需要做交叉统计分析。本文假设：政策措施在政策主体间的分布或流转情况，可以用包含二者内容的句段共现数来表征，例如，一个自然段中包含与税收优惠有关的句子和与财政部有关的句子，就记作税收优惠这一政策措施与财政部这一政策主体共现1次，即税收优惠在财政部分布或流转了1次。因此，基于NVivo的矩阵编码功能，本文统计中美创新政策的主要措施在主要主体中的分布，来揭示中美创新政策的政策分布或流转情况。

四、研究过程和结果

(一)中美创新政策的主要关注点比较

将83份文件(附表1-2)导入NVivo内部材料并对材料进行分组(图3)。运行词频查询得到词语云和词频列表(图4，表1-2)。

图3 文件输入：向NVivo导入83份政策文件并分为若干群组

图4 中美创新政策比较：中国双创与创业美国的政策词语云(83件样本)

排名词语b计数c加权百分比(%)d词语计数加权百分比(%)1企业21451.07Federal2000.562科技e17720.88Administration1770.493国家9930.50President1730.484社会9930.50Technologyf1660.465机制9450.47Energy1520.426资源9350.47Business1190.337信息8880.44Data1110.318机构8770.44Entrepreneurs1100.319制度8630.43Jobs1050.2910市场8600.43Economic1000.28

注：

a数据清洗包括：删去同义词，如保留technology，删去technologies；删去虚词等stop words，如through；筛选近义词，如科技与技术二者择一，companies与startup二择一。

b查询条件设为完全匹配，以避免同义词语归类的歧义问题，语言设为中文，最小长度设为2，对大于2的词进行人工审核。如长度为3的高频词语有互联网、国务院，其含义分别与信息、国家相近，故二择一；英文语言最小长度设为3，将the, of, through等虚词删除，对意思相近的词二择一。

c计数就是该词语在所有查询文件中出现的次数。

d加权百分比是词语出现次数相对于查询文件中所有词语的频率。例：对“伟大的中国人民解放军从胜利走向胜利”进行分词：伟大1、中国人民解放军1、胜利2、走向1，则“胜利”的加权百分比为：2/(1+1+2+1)=40.0%。

e, f“科技”与Science and Technology并不一定相互对应，存在翻译问题[56]，本文姑且取“科技”而不用“技术”，取Technology而不用Science，即，用科技对应Technology。

本文通过词频统计发现，政策字词的选择从频率上看服从正态分布规律，整体上呈偏态分布。受语言统计学研究启发[57]，本文用表1、表2数据构建分布图，并将分布图描述如下：

表2 中美创新政策比较：政策行为用语前十位

图5显示，中美创新政策的政策对象用语存在显著差异。中国双创以“企业”和“科技”为主要关注点，用语集中程度高；而创业美国的对象用语离散程度高，主要关注点包括“Federal”、“Administration”、“President”、“Technology”、“Energy”等。可见，中国双创政策的主要关注企业，创业美国主要关注Federal(即联邦政府)。

图6显示，中美创新政策行为用语较为趋同。中国创新政策行为用语的主要关注点是“创新”、“发展”、“服务、“创业”等；美国创新政策行为用语的主要关注点是“Innovation”、“Research”、“Support”、“Education”、“Development”等。同时，从政策行为用语的主要关注点上看，两国除了都以“创新”和“发展”为主之外，中国双创突出了“服务”和“创业”，创业美国优先强调了“Research”和“Education”。关于政策高频词的正态分布，本文做几点补充：

图5 中美创新政策比较：政策对象高频词分布示意图(由表1得出)

图6 中美创新政策比较：政策行为高频词分布示意图(由表2得出)

创新政策话语是国家意志的反映，既具有确定性，也具有随机性。本文选其随机性进行展开分析，主要是发现高频词的分布的确近似正态分布。如果样本量足够多时，均值和标准差可能会有所不同，这是一个统计问题。至于分布是否是正态，可以用SPSS的模块进行检验，本文不做展开。

本文结果显示，中国双创的政策对象用语分布离散程度低，而创业美国的则比较均衡。这与样本选取有关。本文选择的样本仅包括2015-2016两年的双创文件，一些政策对象尚未纳入政策话语；相比之下，创业美国的文件样本跨度是2011-2015五年，包含的对象自然更广泛些。

(二)中美创新政策的政策措施分布比较

本文将英文缩写词归类于其全称编码下，不单独列表，但对缩写词做辨析，如Department of Education (ED)的缩写词与很多词缩写一致，需要打开每个检索编码进行人工筛选查验(图7)。提炼出样本中包含的政策主体的名称并编码，得到48个中国政策主体和29个美国政策主体(附表3)，这些主体名称都是已出现在样本文件中的；那些没有收录的，要么是没有出现在样本中，要么是出现次数太少。通过交叉分析，考察样本文件中两国参与创新政策文件颁布的部门占各自政府部门总数的百分比，中国涉及48个部门，占总量76个部门的63.16%[58]；美国则是29个相关部门占总量658的4.41%[59]。这两个比值可以从某种程度上反映出中美创新政策牵涉到各自国家行政部门的范围，即政策对部门的覆盖率。

本文在做中美创新政策编码时，选用的理论依据是国家创新体系和全球创新生态系统。这两个理论其实是一个理念的不断发展演化，发展阶段不同，名称不同，其核心是知识流动、社会利益群体差异和相互学习。这一理念在中国自古有之：商汤刻“苟日新，日日新，又日新”，提醒为政者要不断革新身心，可以说是创新治国之鼻祖；老庄把治国理政归结为“烹小鲜”、“解牛”，强调“不伤”、“游刃有余”，这与国家创新体系和全球创新生态系统中对创新的深刻认识如出一辙——并有全牛(创新)，唯“以无厚(知识流)入有间(社会群体)”——知识的流转是创新的关键，决定知识循环流转的原因正是与创新相关的各个利益主体之间的相互作用，这种作用实质是一种学习[60]。政策措施与政策主体的关系也是学习，每个主体都是一条渠道，每个政策措施都是一注知识流，对二者进行交叉统计，就相当于在某一刻给政策措施知识流“拍照”，能得到政策措施在主体间流动的分布图。

本文选取政策主体中的政府部门出现次数较为靠前且与科技创新活动相关较为紧密的12个政策主体作为样本案例进行分析；以创新系体理论中技术转移(专利授权、政府采购等)、加计扣除(研发费用税务减免)、企业孵化(创客培训、孵化投资等)和商事制度(降低创业准入门槛、简化行政手续等)4项重要政策措施为例开展矩阵编码，以technology transfer, tax reduction, startup platform以及commercial rule为美国的对应4项政策措施名称；NVivo查找范围设为大范围临近区(图8)，完全匹配检索，生成12╳4的交叉分析图(图9)。

图9中的竖轴为政策措施编码参考点计数，平面两个轴分别是12个政策主体和4个政策措施，图10是相同数据的二维比例图。从措施总量和政策主体的交叉关系看，发改委、财政部、商务部、人民银行和工信部是政策流转最密集的部门，其次是人社部、科技部和教育部，政策在这些部门的分布流转远大于其他几个部门；单看政策措施总量，企业孵化和商事制度政策较技术转移和加计扣除为多，也是所有部门中比例最大的政策措施。因为质性数据分析将政策分布的部际关系进行了量化，所以可以进一步开展更多比较研究。例如，如果定义政策主体与措施交叉共现的计数达到20属于强相关，低于20是弱相关，则可分析政策部门与政策工具之间的相关强弱。

图7 政策主体编码：新建并检查政策主体名目(左上：检索Department of Education；右上：查验，编码；左下：检验缩写词；右下：查验，不编码)

图8 政策措施编码：新建并检查政策措施名目(以技术转移为例，截图有增删)

图9 中美创新政策比较：中国双创政策主体与措施分布图(60件样本，三维计数图)

图11反映了创业美国政策措施在其主要政策主体间的分布流转情况。除美国专利商标局(USTPO)只涉及到1项政策(商事制度方面)外，其他政府部门都涉及到了4项政策。政策分布最多的部门是小型企业管理局(SBA)、科技政策办公室(OSTP)和国家科学基金会(NSF)；企业孵化和商事制度的比例最大，税收优惠和技术转移政策在部门间比例稍小。

中美创新政策的异同也可以通过图12进行考察。企业孵化与加计扣除两项政策措施在中美创新政策中所占比例基本相当，在这二者之间，中美双方都更重视企业孵化而不是研发费用税务减免；美方更为注重技术转移政策，中方则更为强调商事制度政策。如果说企业孵化和技术转移对于创新活动具有拉动作用(更注重投入-产出的产出)，商事制度和加计扣除具有推动作用(更注重投入-产出的投入)，那么创业美国更多是拉动创新，中国双创更多是推动创新。

关于政策内容的交叉分析，本文做几点补充：

交叉分析还可以基于实际问题来精准定位政策内容。例如，提问：在企业孵化政策措施方面，与中国科协有关的政策文件在2016年有哪几份？具体内容都有什么？只要点击汇总表里的矩阵交叉点，就能看到具体材料来源，看到已编码的政策句段(图13)。

图10 中美创新政策比较：中国双创政策主体与措施分布图(60件样本，二维比例图)

图11 中美创新政策比较：创业美国政策主体与措施分布矩阵图(23件样本，二维，左为比例图，右为计数图)注：缩写词全称：USPTO-United States Patent and Trademark Office; NTIA-National Telecommunications and Information;NIST-National Institute of Standards and Technology Administration; TD-Department of the Treasury;DoL-Department of Labor; HHS-Department of Health and Human Services; DoC-Department of Commerce; DE-Department of Education; DoE-Department of Energy; NSF-National Science Foundation; OSTP-Office of Personnel Management; SBA-Small Business Administration。

图12 中美创新政策比较：12个政策主体和4项政策措施比例分布(83件样本，二维比例分布图)

图13 中美创新政策比较：中国双创政策交叉矩阵汇表及出处查询

对分析结果的解读，需要大量背景知识和专业积累。例如，在分析美国的创新政策时，单单考察政府部门的政策分布其实并不充分，因为美国私营部门的创新活动(比如科研经费使用)往往比政府要大[61]，如果能够收集到美国创新政策在其企业的发布和落实情况，那将得到更为全面的美国创新政策分布图景。

五、结论与建议

中美两国的创新政策诞生在相同的时代背景下，具有很多共同点，但由于各自战略定位、经济阶段、社会人文环境等方面存在差异，政策内容也不尽相同。本研究尝试将质性数据分析方法引入中美创新政策比较研究，较为系统地对近年的中美创新政策进行了定性和定量的梳理和比较，通过词频分析和交叉分析，从政策关注点和政策措施分布情况对中美创新政策的内部结构进行了分析，得出以下结论和建议：

一是中美创新政策的主要关注点大同小异。创新政策的质性数据显示，中国双创与创业美国的用语整体相似度较高。但抛开相同点，中国双创强调服务企业，重视发展科技；创业美国则重视政府提供科研和教育支持。建议：在把握中美两国创新战略与政策体系异同的基础上，巩固两国创新政策交流互动的平台，多运用彼此熟悉的政策话语、相互理解的创新观点，表述共同的利益关切，消除误解，减少摩擦，开辟更多合作模式，制造更多合作机会，设计更多合作项目。

二是中美创新政策的政府部门间分布情况差别较大，政策措施的侧重面存在细微差别。创新政策的质性数据显示，中国双创政策的牵头部门是发改委，创业美国则是小型企业管理局；两国的政策措施都更倾向于企业孵化和加计扣除政策，但相对而言，企业孵化政策多于加计扣除政策；在运用创新政策激励创新活动方面，美国比中国更注重技术转移政策，中国比美国更强调商事制度改革。建议：在服务中国发展战略的整体目标和尊重中国发展实际国情的前提下，重视研究中美创新政策在激励创新活动方式上的细微差别，及时评估并完善中国的创新政策效果，形成良好的创业创新生态系统，逐渐推进技术转移、税收优惠等政策的更新升级，引导并巩固全社会创新活力不断高涨的良好势态。

三是质性数据分析方法可以用于政策研究，但该方法在实践和理论上还需要改进和完善，其结论是探索性的，实际价值还需要其他方法的交叉求证。下一步研究建议：对美国政策的样本数量进行扩充，对中美两国的不同创新语境、创新文化还需细加考量；需要引入政策文件之外的其他研究材料开展交叉检验；创新政策编码体系应进一步完善。总之，对于基于质性数据分析的中美创新政策比较，本文的研究还在尝试探索阶段，方法还要继续完善，恳请同行专家点拨指正。

参考文献：

[1]中共中央文献研究室.习近平关于科技创新论述摘编[M]. 北京: 中央文献出版社, 2016: 5-124.

[2]新华社. 习近平总书记讲话全文：为建设世界科技强国而奋斗 [OL]. http://news.xinhuanet.com/politics/2016-05/31/c_1118965169.htm, 2016-05-30/2017-07-10.

[3]The White House. Fact sheet: The White House releases new strategy for American innovation, announces areas of opportunity from self-driving cars to smart cities [OL].https://www.whitehouse.gov/the-press-office/2015/10/21/fact-sheet-white-house-releases-new-strategy-american-innovation, 2015-10-21/2017-07-10.

[4]The White House. Presidential memorandum on the White House Office of American innovation [OL].https://www.whitehouse.gov/the-press-office/2017/03/27/presidential-memorandum-white-house-office-american-innovation, 2017-03-27/2017-07-10.

[5]李 政, 王宏伟, 罗 晖, 等. 质性数据分析视域下的科技学会服务“一带一路”——中国科协所属学会服务“一带一路”建设的规划方案分析[C]. // 第十三届中国软科学学术年会. 北京: 中国软科学出版社, 2017: 362-367.

[6]王春法. 技术创新政策：理论基础与工具选择[M]. 北京:经济科学出版社, 1998.

[7]王春法. 关于国家创新体系理论的思考[J]. 中国软科学, 2003 ,19(5): 99-104.

[8]李正风, 曾国屏. 中国创新系统研究：技术、制度与知识[M]. 北京：经济科学出版社, 1999.

[9]封凯栋. 国家创新系统：制度与演化的视角[J]. 国家行政学院学报, 2011(3): 120-124.

[10]刘 立. 科技政策学研究[M]. 北京: 北京大学出版社, 2011.

[11]薛 澜, 柳卸林, 穆荣平. 中国创新政策研究报告[M]. 北京: 科学出版社, 2011.

[12]李正风, 曾国屏. 创新研究的“系统范式”[J]. 自然辩证法通讯, 1999, 21(5): 29-34.

[13]王春法. 国家创新体系理论的八个基本假定[J]. 科学学研究, 2003, 21(5): 533-538.

[14]李晓昂, 苏敬勤. 质性分析视角下的创新政策结构与特征——基于中美创新政策比较研究[D].大连: 大连理工大学硕士论文, 2013.

[15]蔺 洁, 陈凯华, 秦海波, 等. 中美地方政府创新政策比较研究——以中国江苏省和美国加州为例[J]. 科学学研究, 2015, 33(7): 999-1007.

[16]黄 灿. 欧盟和中国创新政策比较研究[J]. 科学学研究, 2004, 22(2): 212-217.

[17]郭 雯. 设计服务业创新政策的国内外比较及启示[J]. 科研管理, 2010, 31(5): 124-130.

[18]黄 萃. 政策文献量化研究[M]. 北京: 科学出版社, 2016.

[19]赵莉晓. 创新政策评估理论方法研究——基于公共政策评估逻辑框架的视角[J]. 科学发展战略与政策, 2014, 32(2): 195-202.

[20]李 江, 刘源浩, 黄 萃,等. 用文献计量研究重塑政策文本数据分析——政策文献计量的起源、迁移与方法创新[J].公共管理学报, 2015(2): 138-144.

[21]李伟红, 胡宝民. 国外创新政策评估与设计研究述评[J]. 技术经济与管理研究, 2011(12): 27-30.

[22]刘凤朝, 孙玉涛.我国科技政策向创新政策演变的过程、趋势与建议——基于我国289项创新政策的实证分析[J]. 中国软科学, 2007(5): 34-42.

[23]MEISSNER D, KOTSEMIR M. Conceptualizing the innovation process towards the ‘active Innovation paradigm’-rends and outlook [J]. Journal of Innovation and Entrepre￣neurship, 2016, 5: 14.

[24]CHRISTENSEN C M. The innovator’s dilemma [M]. 胡建桥译, 北京: 中信出版社, 2014: 151-190.

[25]CHRISTENSEN C M,BOWER J L. Disruptive technologies: catching the wave [J]. Harvard Business Review, 1995, Jan-Feb: 43-53.

[26]VAN HOLM E J. Makerspaces and contributions to entrepreneurship [J]. Procedia-Social and Behavioral Sciences, 2015, 195: 24-31.

[27]MCGRATH L, GUGLIELMO L. Communities of practice and makerspaces [J]. Computers and Composition 2015, 36: 44-53.

[28]National Economy Commisssion, theWhite House Office of Science and Technology Policy.A strategy for American innovation 2015 [R]. Washington: The White House, 2015.

[29]National Science Board of National Science Foundation. Science &engineering indicators 2016[R]. Arlington VA: National Science Foundation, 2016.

[30]Office of Management and Budget, the White House Office of Office of Science and Technology Policy. Multi-agency science and technology priorities for the FY 2017 budget[OL].https://www.whitehouse.gov/sites/default/ files/microsites/ostp/m-15-16.pdf, 2015-07-09/2016-03-19.

[31]MANYIKA J, CHUI M, BUGHIN J, et al. Disruptive technologies: Advances that will transform life, business, and the global economy [R]. Los Angeles: McKinsey Global Institute, 2013.

[32]BRIMLEY S, FITZGERALD B, SAYLER K. Game changers: Disruptive technology and U.S. defense strategy[R]. Washington, DC Center for a New American Security, 2013.

[33]DENZIN N, LINCOLN Y. Handbook of qualitative research Vol.1[M].风笑天等译, 重庆: 重庆大学出版社, 2003: 15-30.

[34]钱 穆. 中国历代政治得失[M]. 2016, 北京: 九州出版社.

[35]李 钢, 蓝 石. 公共政策内容分析方法：理论与应用[M]. 重庆: 重庆大学出版社, 2007: 4-6.

[36]MILES M, HUBERMAN A. Drawing valid meaning from qualitative data: toward a shared craft [J]. Educational Researcher, 1984, 13(5).

[37]BAMPTON R, COWTON CJ. The E-interview [J]. Forum: Qualitative Social Research, 2002, 3(2): 9[2017-08-13]. http://www.qualitative-research.net/index.php/fqs/￣article/download/848/1843.

[38]陈向明. 质的研究方法与社会科学研究[M]. 北京: 教育科学出版社, 2000.

[39]夏传玲. 计算机辅助的定性分析方法[J]. 社会学研究, 2007(5): 148-163.

[40]黄晓斌, 梁 辰. 质性分析工具在情报学中的应用[J]. 图书情报知识, 2014, 5(161): 4-16.

[41]CURRALL S C. HAMMER T H, BAGGETT L L, et al. Combining qualitative and quantitative methodologies to study group processes:an illustrative study of a corporate board of directors [J]. Organizational Research Methods, 1999, 2(1): 5-36.

[42]JACOBS T, DE MAEYER S, BECK M. Family formation and the divisions of labour in Belgian couple households [J]. Quality& Quantity,1999, 33(3): 291-304.

[43]GRAY J H, DENSTEN I L. Integrating quantitative and qualitative analysis using latent and manifest variables [J]. Quality & Quantity, 1998, 32(4): 419-431.

[44]王黎明, 钟 琦. 面向科学传播的媒体监测方法研究[J]. 科普研究, 2016, 11(4): 27-34.

[45]QSR International. NVivo [OL].http://www.qsrinter￣national.com/, 2015-07-09/2016-03-19.

[46]国家发展和改革委员会. 2015 年中国大众创业万众创新发展报告[M]. 人民出版社，2016: 10-55.

[47]The White House. Startup America Initiative [OL].https://obamawhitehouse.archives.gov/economy/business/startup-america, 2011-01-31/2017-07-10.

[48]新华社. 中共中央国务院印发《国家创新驱动发展战略纲要》[OL]. http://www.gov.cn/zhengce/2016-05/19/content_5074812.htm, 2016-05-30/2017-07-10.

[49]The White House. Fact sheet: The White House releases new strategy for American innovation, announces areas of opportunity from self-driving cars to smart cities [OL].https://www.whitehouse.gov/the-press-office/2015/10/21/fact-sheet-white-house-releases-new-strategy-american-innova￣tion, 2015-10-21/2017-07-10.

[50]新华社. 李克强在2015夏季达沃斯论坛开幕式上的致辞[OL]. http://news.xinhuanet.com/fortune/2015-09/10/c_128215773.htm, 2015-09-10/2017-07-10.

[51]罗晖, 李 慷, 邓大胜. 中国大众创业、万众创新监测指标研究[J]. 全球科技经济瞭望，2016，1(31)：17-30.

[52]WINCE-SMITH D. Council on Competitiveness. Innovate America: Thriving in a world of challenge and change [R]. Global Innovation Ecosystem 2007 Symposium, 2004: 5.

[53]丁 宏. 奥巴马政府创业美国计划的政策评析及其启示[J]. 世界经济与政治论坛, 2012(4): 70-79.

[54]PATANAKUL P, PINTO J K. Examining the roles of government policy on innovation [J]. Journal of High Technology Management Research, 2014, 25: 97-107.

[55]李 政, 罗 晖, 张 丽. 中美创客比较研究[J]. 全球科技经济瞭望, 2016, 31(6): 20-28.

[56]李 政, 罗 晖, 李正风, 等. 基于突变理论的科技评价方法初探[J]. 科研管理, 2017, 38: 193-200.

[57]雷功炎. 数学模型八讲——模型、模式与文化[M]. 北京: 2010, 01: 173-182.

[58]中华人民共和国国务院. 国务院组成部门[OL]. http://www.gov.cn/guowuyuan/zuzhi.htm, 2017-01-01/2017-07-10.

[59]The US Government. Government agencies and elected officials [OL].https://www.usa.gov/federal-agencies, 2017-01-01/2017-07-10.

[60]封凯栋. 源头性技术创新与国家创新系统[J], 中国科技论坛, 2013(3): 5-9.

[61]施云燕, 李 政. 简析美国国家实验室的布局和管理[J]. 全球科技经济瞭望, 2016, 31(4): 69-76.