我国工业互联网产业政策量化评价——基于PMC指数模型

王黎萤 李胜楠 王举铎

1（浙江工业大学中国中小企业研究院，杭州 310012） 2（浙江工业大学管理学院，杭州 310012）

引 言

十八大以来，我国工业互联网产业发展蹄疾而步稳，由2021年赛迪顾问发布的 《2020～2021年中国工业互联网市场研究年度报告》显示，我国工业互联网市场规模在2017～2021年逐年递增，据统计，2020年市场规模总量达到6712.7亿元，同比增长10.4%，预计未来3年CAGR为14%，至2023年规模为9814亿元［1］。我国工业互联网从无到有，发展成绩斐然，截至2022年6月，工业互联网产业规模超万亿元，体系化建设位居全球前列，一系列显著成效均离不开政策扶植。2022年3月5日，国务院总理李克强在 《政府工作报告》中提出要加快发展工业互联网，提升关键软硬件技术创新与供给能力；2022年4月，工信部再次发布 《工业互联网专项工作组2022年工作计划》，旨在推动工业互联网提档升级，推动行业加速发展。现阶段我国工业互联网发展不断攀升新高度，相应的产业政策正在不断完善，并且开始聚焦于从整体兼顾向细节处转变，产业政策持续向好，可以预见，工业互联网将乘政策东风继续奋楫前行。因此，为了更好的发挥政策工具调节作用以及保证政策效果的实施，本文拟从国家层面遴选出9项工业互联网产业政策作为研究样本进行量化评价，通过建立PMC指数模型从多维度深入剖析工业互联网产业政策的具体详情，以期为我国工业互联网产业政策的完备提供切实有效的决策支撑。本文将着重探讨如下问题：（1）我国国家层面出台了哪些政策？（2）政策内容偏重哪些方面？（3）实现了怎样的政策目标？（4）政策出台如何更好的助力工业互联网产业高质量发展？本文通过构建工业互联网PMC指数模型，结合文本挖掘和内容分析的方法在指标体系中融入工业互联网政策的具体特征，在一定程度上增强了模型的指向性，计算PMC指数与凹陷指数，为政策优化提出了相应对策建议，对比蛛网图与PMC立体曲面图验证了工业互联网PMC指数模型用于研究工业互联网产业政策的专业性［2］。

1 文献综述

1.1 我国工业互联网产业研究

2019年以来我国逐渐提升对工业互联网的关注度，也由此带动了工业互联网产业研究的热度。目前对工业互联网产业的研究主要集中在工业互联网安全保障、平台建设、智能化建设、智能制造、二级节点、产业数字化、融合发展及评价指标体系等方面［3］。工业互联网作为产业数字化的基础设施和载体，不断赋能我国制造业数字化转型向纵深发展，为传统产业数字化发展提供新的实现途径［4］，但在发展进程中网络安全问题日益向工业领域蔓延的威胁却不容忽视，在2022年发布的 《工业互联网专项工作组2022年工作计划》提到的十五大类任务中，其中之一便是提升安全保障。当前工业互联网面临着数据安全防护、系统安全协同等多种安全挑战，及时有效地消除安全威胁及隐患，建立科学系统的安全保障体系已成为必然趋势［5］，因此我国亟需在工业互联网方面持续发力，如落实安全责任、强化数据安全保护能力、完善安全技术手段、加强安全公共服务能力以及推动安全科技创新和促进产业发展等［6］。不仅如此，深化融合应用也是实现工业互联网发展量质并进的重要方面，工业互联网与智能制造融合发展能够驱动传统产业重点领域的新兴裂变、升级演进以及基础软件等基础能力的拓展［7］，与人工智能技术的深度结合对产业数字化、企业智能化转型升级、改造变革具有一定价值［8］，与5G协调发展则产生叠加倍增效应，壮大经济发展新动能［9］。但与上述工业互联网产业研究成果及相关研究热度相对比，有关工业互联网产业政策的研究还稍显欠缺，虽受到有关学者的关注，但现阶段的研究成果很少，在为数不多的政策研究中，也主要从定性的角度对政策进行分析［3，10-12］。从定量角度系统研究政策的文章较少，学者魏津瑜和王肖肖［13］采用政策工具的方法对收集整理得到的工业互联网产业政策进行编码分析。而量化评价单项工业互联网产业政策的研究基本没有，鉴于此，本文考虑运用PMC指数模型量化评价遴选出的9项工业互联网产业政策。

1.2 政策评价研究

在公共政策评估研究中一般通过两个视角对政策评估进行阐述，即政策过程视角和评估标准方法论视角，有学者指出政策评估是在选择科学方法与标准基础上，综合考察、分析政策系统和过程，并对此给出评价、判断、总结的功能活动［14］。所谓政策评价就是指使用一系列的研究方法，系统衡量、判断政策干预与实施的有效性，并确定其在改善不同利益相关者关乎社会、经济等方面的价值所在［15］。政策评价作为重要的连接纽带在公共政策制定及管理过程中发挥着举足轻重的作用，在公共政策分析中扮演着关键角色，不仅应用于政策资源合理分配，而且可以有效地查验相关政策显现出的效果［16，17］。政策评价最早出现在第一次世界大战前的教育以及公共卫生计划中［18］，之后便逐渐从社会科学评价中开辟出相对独立的研究领域［19，20］，如五类评估法的创建、“三 E”评估框架的创立以及Wollmann经典政策评价的提出等［21］，并且以实证为主要手段持续发展演进。上述评价方法虽然在一定程度上具备科学性与合理性，但还是存在一些缺陷，而评价标准和评价程序很大程度上会影响政策评价的效果，因此为了确保政策评价的结果具有客观性与精确性亟需选择更为合理的政策评价方法［22］，由此突显出了PMC指数模型所具备的显著优势。

续 表

续 表

PMC指数模型是一种定量的政策文本评价分析方法，由 Ruiz等［23］基于 “Omnia Mobilis” 假说思想于2011年创立［24］。PMC模型目前已应用在多个领域的政策量化分析研究中，周海炜和陈青青［25］利用PMC指数模型构建大数据发展政策的评价体系；胡峰等［19］通过PMC指数模型，结合文本挖掘，对8项机器人产业政策计算PMC指数，提出改进政策的路径；蔡冬松等［26］结合PMC指数与PMC曲面对吉林省数字经济政策文本进行量化评价与分析；史童等［27］构建PMC指数模型，通过文本挖掘的方法对科技成果转化政策进行量化评价；朱震和卢春天［28］利用PMC指数模型对“十三五”以来国家层面发布的15项单项碳减排政策进行量化评价；臧维等［20］以30份人工智能政策文本为样本，基于政策工具和PMC政策评价模型等方法对当前人工智能政策文本进行量化分析。PMC指数模型的效用包括评价政策的一致性以及直观反映政策的优劣势，其构建与分析的步骤如图1所示。

图1 构建PMC指数模型的步骤

2 PMC指数模型构建

2.1 工业互联网政策样本选取与来源

2017年11月19日，经李克强总理签批的《国务院关于深化 “互联网＋先进制造业”发展工业互联网的指导意见》正式印发，成为我国工业互联网发展的纲领性文件，标志着发展工业互联网正式上升为国家战略，因此本文将样本遴选时间设定为2017～2022年。为保证工业互联网产业政策样本具有正式性、权威性和准确性，本文拟选取国家层面发布的与工业互联网产业发展密切相关的政策文件。遴选方式是通过以 “工业互联网”为关键词进行政策文本检索，并要求政策文本标题包含 “工业互联网”关键词，政策内容的制定也主要是针对工业互联网产业发展，政策文本类型为通知、计划、指南以及意见等。综上检索过程与原则，经过反复讨论与筛选后，本文共获取9份工业互联网产业政策文本，鉴于篇幅限制，详细政策文件样本内容省略，见表1。

表1 工业互联网产业政策样本

2.2 变量分类与参数识别

本文根据PMC指数模型的建模原则，参考Estrada［24］、张永安和郄海拓［2］、张永安和耿喆［29］、史童等［27］、胡峰等［19］、臧维等［20］、宋大成等［30］学者的研究设定一级变量，共10个指标。二级变量在参考上述学者的基础上，再通过文本挖掘获得。将9项工业互联网产业政策文本导入ROST CM6软件进行词频统计，通过数据清洗，过滤剔除对研究无明显意义的虚词、通用词等，表2为提取出频次较高且能够反映工业互联网产业政策关注重点的词汇，本文列出前60个词汇为二级变量的确定和参考提供依据，图2构建的工业互联网语义网络图谱为处于中心位置的高频词。表3为最终确定的50个二级变量，其重要程度与权重均相同，对各个二级变量采取二进制0或1进行赋值，若政策文本中含有相关二级变量的内容则赋值为1，若不含有则赋值为0。

表3 工业互联网产业政策量化指标体系与评价标准

图2 工业互联网主题词语义网络

表2 工业互联网政策词频分布

2.3 建立多投入-产出表

表4为本文建立的多投入-产出表，旨在框架内多维度衡量每个变量。

表4 多投入-产出表

2.4 计算PMC指数

通过上文设定的一级指标、二级指标与评价标准，再借助文本挖掘等方式对一级变量进行量化评价。在式 （1）和 （2）的基础上利用二进制的方法确定二级指标的数值，由式 （3）计算一级指标的数值，根据式 （4）加总计算政策的PMC值。表5为政策评价等级［23］与凹陷指数等级划分标准［29］。表6为9项工业互联网产业政策的PMC指数、凹陷指数与评价等级详情。

表5 政策等级划分标准

表6 9项工业互联网产业的PMC指数

其中i为一级变量，i＝1，2，3，…，n，j为二级变量，T（Xij）为某一级变量下二级变量的个数。

根据图3的统计结果可以得出，从2017～2022年我国工业互联网产业政策PMC指数得分整体趋于上升，其中政策P9的PMC指数得分居于首位为9.016；得分较低的为政策P7、P6和P3，呈现下降的趋势，而在2020～2022年之间政策得分逐渐升高，说明随着相关政策的不断落地与深化，我国工业互联网产业政策体系在持续完善。通过PMC指数得分和凹陷指数得分之比计算出9项政策的凹陷程度，由图4可以看出9项工业互联网产业政策凹陷程度的强弱［31］，PMC指数越大则凹陷指数越小，二者成反比关系。

图3 2017～2022年我国工业互联网产业政策PMC指数得分趋势

图4 9项工业互联网产业政策的PMC指数与凹陷程度指数

2.5 构建PMC立体曲面图

本文利用Matlab2020绘制PMC立体曲面图分析我国工业互联网产业发展政策的优劣势，将9项政策的一级变量得分转化为3×3矩阵，参考式（5）。鉴于X10的取值均为1，为了保证矩阵的对称性、平衡性，考虑不纳入X10，表7为其他9项一级变量构成的三阶方阵，图6为9项工业互联网产业政策的立体曲面图。另外，本文借鉴学者张永安和郄海拓［2］的研究引入蛛网图（见图5）对比体现说明采用PMC立体曲面图在工业互联网产业政策量化评价方面的直观性与专业性。

图5 9项工业互联网产业政策的蛛网图

图6 9项政策的PMC立体曲面图

表7 9项工业互联网产业政策PMC矩阵

图5显示出9项政策一级变量的维度与大致得分情况，同一个图中可纳入多项政策进行比较分析，图形简洁明了，劣势在于其不具备PMC立体曲面图能够刻画单项政策的凹陷程度。将9项政策的PMC曲面图与构建的 “完美”曲面图（一级变量得分均为1）做对比，由此显现出的差异特征则更为清晰的反映出9项工业互联网产业政策的不足之处，以及待评价政策的凹陷程度。

3 工业互联网政策文本量化评价

通过PMC指数量化结果可知，9项工业互联网产业政策得分由高到低排列为： P9＞P1＞P2＞P5＞P4＞P8＞P3＞P6＞P7，根据表 5 等级划分标准得出 9项工业互联网产业政策中，1项政策评价的结果为完美，得分在9～10之间，如P9；7项政策评价的结果为优秀，得分在7～8.99之间，如P1、P2、P5、P4、P8、P3、P6； 1项政策评价的结果为可接受，得分在5～6.99之间，如P7。没有不良的政策样本，说明我国国家层面出台的工业互联网产业政策整体质量水平较高且文本内容具备科学性、合理性与可行性。本文将从以下两种思路对9项工业互联网产业政策进行量化评价［31］。

3.1 比较分析待评价政策每个一级变量得分与平均值

在政策性质X1上，P2、P4、P7、P9得分均低于平均值，说明政策文本在建议方面的作用还不够突出；从政策时效X2来看，除P4、P5、P9之外，其余各政策得分均低于均值，政策文本多是短期目标，前瞻性需要加强；在政策领域X3上，除P1、P2、P5之外，其余各政策得分均低于均值，政策文本涉及到的发展领域多是经济、科技与政治等，缺少对环境领域的关注度，范围还有待拓展。在政策客体X4和政策重点X8上，P5、P6、P7和P8的得分都低于均值，应该扩大政策作用对象的范围，尤其是 “工业互联网＋园区”建设，另外，政策重点也有待完善，应加强开放合作，重视工业互联网产业协同发展等问题；9项政策在政策评价X5与政策公开X10上均为满分；在政策视角X6上，P3、P4、P6、P7、P8得分均低于平均值，政策文本多聚焦于工业互联网在企业层面的运用，而对于宏观的国家层面以及偏中观的园区层面稍欠考虑；在激励保障X7上，P3、P4、P5、P6得分均低于平均值，主要问题表现在缺少法律保障，财政金融、税收优惠等激励不到位以及没有营造良好的市场环境；在政策功能X9上，只有P7得分均低于平均值，原因在于政策更侧重规范引导、制度约束等方面。综上所述，从政策量化评价的整体水平来看，若要提高工业互联网产业政策的PMC指数需从政策时效、政策领域、政策视角以及激励保障4个方面入手，有5～6项政策在这4类一级变量的得分上低于平均值，建议优化。

3.2 计算凹陷指数分析待评价政策与“完美”政策之间的差异

计算凹陷指数对9项政策进行量化评价，根据表5凹陷等级划分标准得出P7为高凹陷水平，P6、P3、P8、P4、P5、P2、P1为可接受凹陷水平，P9为低凹陷水平，PMC立体曲面图清晰显示出9项政策各个一级变量的凹陷程度。各项政策凹陷指数由大到小依次排列为 P7＞P6＞P3＞P8＞P4＞P5＞P2＞P1＞P9。9项工业互联网产业政策中P7凹陷指数最大，为3.23，图7反映了P7凹陷指数构成的占比情况，图中数据点上的数值从大到小即为理论上工业互联网产业政策需要完善的要点顺序。本文以P7为例，政策完善顺序应为X2政策时效-X9政策功能-X8政策重点-X3政策领域-X7激励保障，综合两种政策量化评价思路可得，工业互联网产业政策需要完善的要点并不完全相同，应该结合实际情况进行改进。对比图5与图6，即PMC立体曲面图能更直观地反映出工业互联网产业政策的整体水平，也更能体现其评价政策的专业性、精准性［2］。

图7 P7一级变量凹陷指数占比图

4 结论与政策建议

本文采用文本挖掘和内容分析的方法提取关键词频，参照以往相关学者对政策文本指标的设定，基于PMC指数模型构建工业互联网产业政策关键词指标体系，由此量化评价2017～2022年我国国家层面出台的9项工业互联网产业政策，通过计算PMC指数、凹陷程度指数和建立PMC立体曲面得出相应结论，即9项政策在政策性质、政策客体、政策评价、政策重点、政策功能、政策公开的PMC指数得分上具有优势，但在政策时效、政策领域、政策视角、激励保障4方面需要强化。

2021全球工业互联网大会上，中国工业互联网研究院发布 《工业互联网创新发展成效报告（2018～2021年）》，报告主要内容为从2017年年底我国提出深入实施工业互联网创新发展战略以来所获成效。工业互联网在网络、平台、数据以及安全四大体系建设中均取得突破性进展，区域协同、网络化协同等逐渐强化，融合应用新动能快速壮大，工业互联网相关技术研究、标准研制与产业化基本与国际同步，工业互联网标识解析实现从0～1的突破且体系在不断完备，新型基础设施不断完善；工业互联网新型关键技术部署应用不断落地推进，应用创新日益活跃，由此形成个性化定制、服务化延伸等一系列新模式新业态；工业互联网产教融合发展持续深入，人才体系扎实构建［32］。报告中所述工业互联网发展取得的成效符合政策量化评价中政策重点、政策功能、政策性质、政策客体以及政策评价的内容，在激励保障方面提出了人才建设，但激励保障中的法律保障、政府投资、财政扶持、税收优惠等方面依旧需要加强。通过举例说明未来优化工业互联网产业政策应该重视增强政策时效、扩大政策领域、拓宽政策视角以及完善激励保障措施4方面，由此提出如下建议：

（1）在政策时效方面，未来政策的制定需要考虑设定中长期发展目标，可以将总体目标逐步拆分成各个小目标加以实现，一项利好政策应该是长期目标、中期目标、短期目标的相辅相成与融会贯通；（2）在政策领域方面，我国工业互联网产业政策领域涉及经济、社会、科技、政治和环境等方面，但主要还是集中在经济与科技领域，其他领域的系统规划稍显欠缺，需要加紧布局这些领域实现逐步追赶，以促进工业互联网协调发展；（3）在政策视角方面，宽泛的政策难以具体落地和量化指导，由此可能会导致政策不能真正与工业互联网实际发展相结合，因此政策的制定需要进一步精准，覆盖面也要更加全面，通过加强宏观、中观、微观密切有机组合实现工业互联网高质量发展；（4）在激励保障方面，通过法律保障、政府投资、财政扶持、税收优惠等方面重点支持工业互联网领域相关园区、平台、企业或项目。如对于税负过重的互联网企业，通过合理利用税收优惠政策能在很大程度上减轻企业的税务负担。

5 启 示

构建PMC指数模型进行政策量化评价在弱化人为评价主观性的同时提升了量化评价精准度，且PMC指数模型对于二级变量的选取并无数量限制，综合考虑了各个变量，因此对政策进行量化评价比较科学合理可行，相较于以往有关工业互联网产业政策的研究是一种全新的思路与视角。本文对工业互联网产业政策量化评价做了深入分析，但有些方面依旧需要完善：（1）需要根据工业互联网产业政策的调控领域适当扩大政策样本，比如将省（区、市）政策与国家政策做对比分析，还需要进一步研究变量的维度与延展度；（2）政策的执行效果后续还有待加以深入探讨；（3）有些政策的针对性较强，如针对工业互联网安全工作，工业互联网网络建设和平台建设等，未来的研究中可根据具有针对性的政策构建PMC变量指标体系，由此精准地对此类政策做出量化评价，为相关政策促进工业互联网加速提档升级提供科学参考。