智慧物流政策的文本量化分析

李波　赵明宇　郭文雅　宋佳欢

关键词：智慧物流政策；文本挖掘；PMC指数模型；政策量化；政策评价

中图分类号：F426.67 文献标识码：A 文章编号：2096-7934（2023）12-0009-15

一、引言

随着工业4.0潮流的推进，众多行业加速数字化转型进程。在此背景下，智慧物流正逐渐崭露头角，成为物流行业转型升级的关键途径之一。为适应中国智慧物流业发展的需要，中央层面出台了一系列政策，如《关于促进商贸物流发展的实施意见》（商流通函〔2014〕790号）、《关于智慧物流配送体系建设实施方案的通知》（商办流通函〔2015〕548号）、《关于积极推进供应链创新与应用的指导意见》（苏政办发〔2017〕97号）等，从多方面引导和促进物流业的数字化改造，为我国各省域地区物流发展指明了方向。

事实上，在政策的具体落实过程中，由于我国各地区的职能和定位存在差异，各地智慧物流发展程度不同，根据区位差别和经济形势的要求，地方政策具有明显的针对性和差异性，但目前对于政策的侧重点和优劣势的评估仍未形成完整体系，也因此对政策的评估方式产生要求。具体而言，政策的评估在于我国不同地区出台的智慧物流政策的不同点、出台政策怎样促进和激励各地智慧物流行业的发展和各级政府智慧物流发展的导向如何等这些问题，值得科学探讨与评价分析。但目前智慧物流政策的相关研究大多集中在政策实施效果层面，对于政策文本评估领域少有文献涉及。本文从中央的宏观导向出发，分析了不同区位直辖市出台智慧物流政策的文本差异化并分析其原因，为智慧物流的地区落地实现提供更为科学的理论基础，同时通过比较分析上海市和天津市的政策和措施，可以为其他地区提供结合本地优势和特色的借鉴参考，推动智慧物流全面推广。

目前在政策的文本评估中应用的研究方法上，已有文献多采用语义分析、数据可视化与文献计量等方法，比较分析政策文本背后的潜在价值。例如，周付军［1］运用内容量化分析和社会网络分析方法，从政策工具、政策目标、主体要素和外部特征四个维度对我国信息安全管理政策展开分析。封铁英和南妍以非典疫情防控与新冠肺炎疫情防控政策文本为分析对象，针对公共危机与社会保障核心特征，定量评价中国在公共危机治理中的社会保障应急政策，提出优化社会保障应急政策的建议［2］。李倩等基于中国大陆30个省份的新能源产业政策等数据，利用策略建模一致性（PMC）关键词提取和政策力度的方法量化分析新能源产业政策，探究新能源产业政策的量化分析及其环保效应［3］。总体而言，政策效果的衡量方式在国内基本都有涉及，但利用PMC指数模型进行政策文本评价的研究较少。

考虑以上问题背景，本文以国家层面、天津市和上海市政府部门及相关管理机构出台的14项智慧物流相关政策为研究对象，从政策属性、政策措施和政策对象三个角度构建政策评价的指标体系，利用PMC指数模型对国家层面、天津市和上海市发布的智慧物流政策进行比较分析，以期进一步提供借鉴与参考意义。

二、文献综述

本文主要与两方面研究密切相关，一方面是智慧物流政策的评价视角，另一方面是政策文本的量化视角。

（一）有关智慧物流发展政策评价研究

作为物流领域新兴的发展趋势，智慧物流政策的早期研究更多聚焦于物流发展的评估。如张丹选取2006年至2017年26个物流相关的国家政策进行文本分析，判断此阶段出台政策效能的合理性与有效性，并从政策客体视角分析我国物流业发展方向［4］。侯振兴采用内容分析法从政策工具和农产品电商生态系统两个维度，对中央层面和甘肃省出台的农产品电商发展政策进行分析，提出政策存在的若干问题［5］。但以上研究仅针对我国物流相关政策的评价分析，关于数字化、智慧化物流发展政策的评价研究少有涉及。由此，本文依據Dai和Athey的研究方式［6-7］，采用文本分析的方法对智慧物流政策进行评价研究，以有效检验政策制定和实施的实际效果。

（二）基于文本量化分析的政策评价研究

关于政策内容量化的评价研究方法，部分学者已经取得一系列成果。如马雨萌等基于政策外部特征与内容要素的文本分析方法，从政策颁布特征、重点布局、政策工具、热点演进、政策衍生和机构合作等方面对目标领域科技政策文本进行分析［8］。于琦等利用词频分析法和内容分析法，对我国健康医疗大数据政策文献进行量化研究，从宏观上把握我国健康医疗大数据政策的基本特征和政策目标，为我国健康医疗大数据政策的制定和实施提供切实依据［9］。进一步，杨凯瑞等以近15年间中央层面的创新创业扶持政策为研究对象，采用政策文本分析法从四个维度进行统计分析，以发掘我国创新创业扶持政策的特征及存在的不足并给出合理建议［10］。郭鹏飞和周英男通过文本分析识别并提炼出构成城市绿色转型评价指标体系的三大核心因子，形成城市绿色转型政策的四级评价指标体系［11］。

与此同时，PMC在我国政策评价领域的应用日渐广泛。如宋大成等以2001年至2020年我国国家层面出台的114项科学数据开放共享政策为研究对象，采用文本挖掘、内容分析等方法提取政策文本中高频词，利用PMC指数模型对其中6项科学数据开放共享政策进行量化评价分析［12］。董纪昌和袁铨等针对2013年至2019年我国中央层面层面出台的220项房地产政策提取关键词频，构建了房地产政策的PMC指数模型［13］。沈俊鑫等基于西部地区34项数字经济政策文本，通过文本挖掘提取关键词并绘制语义网络图，进而构建PMC指数模型对政策样本进行量化评价［14］。

综上，可以看出现有文献主要集中在物流政策的评价研究，很少有文献针对智慧物流政策进行量化分析。为此，本文以我国中央层面的智慧物流政策为基准，选取两个物流发展定位相似的直辖市，即天津市和上海市，采集其2018年至2022年间涉及智慧物流的政策进行文本挖掘量化处理，选取其中14项有代表性的智慧物流专项政策指标，计算PMC指数并得出政策评价结果，从而对比中央层面、天津市与上海市的智慧物流政策量化评估结果，为我国各级政府制定和完善智慧物流政策与发展战略提供了借鉴意义。

三、评价模型构建过程

本节将对我国国家层面出台的智慧物流政策进行文本挖掘，构建量化评价分析模型。研究过程如图1所示。

图1 本文量化评价模型构建过程

从图1可以看出，本文构建的智慧物流政策量化评价模型分成三大部分。第一，收集相关政策文本后，应用统计分析和文本挖掘方法对政策文本进行分词并从中提取高频词，通过数据清洗和数据处理，获得相关指标。第二，参考相关政策量化指标，构建一级和二级指标组成的评价模型，通过PMC指数模型对智慧物流政策进行分析评价，基于PMC指数模型评价过程的逻辑思路如下：①变量选取与参数识别；②构建多投入产出矩阵；③PMC指数计算；④PMC曲面绘制；⑤分析政策指标。第三，依据PMC指数模型的计算结果，对一级指标和二级指标分别进行对比分析，从而评价政策优劣，为政策制定或改进提出相应建议。

通过PMC指数模型进行分析评价过程。与其他政策量化评价模型相比，PMC指数模型具有显著优势［15］：首先，PMC指数模型的参数通过文本挖掘得出，避免了人为评价的主观性；其次，相对于聚焦事后评价的政策研究模型，模型针对政策文本本身进行研究，更为有效地关注政策文本的内容；最后，PMC指数模型不仅可以实现对单一政策进行量化评价的目标，还能分析不同政策间的一致性，且非常直观地展示出政策的优势，从而为政策改进路径提供更为科学、有效的依据。

四、实证分析

（一）样本选取

在中国，智慧物流行业的发展相对较晚。2009年，我国的政策文件中首次引入智慧物流的概念。而关于智慧物流的具体政策框架，也是在近年来才开始逐步建立和完善。尤其是2018年以来，《国家物流枢纽布局和建设规划》《关于推动物流高质量发展促进形成强大国内市场的意见》《关于进一步降低物流成本实施意见的通知》和《关于加快建设全国统一大市场的意见》等国家政策文件相继发布，为我国智慧物流的蓬勃发展提供了强有力的保障，进一步激发了智慧物流系统的建设高潮。基于此，本文将数据样本遴选时间确定在2018年至2022年。

为保证政策文本数据收集的完整性和研究的一致性，本文采用以下检索策略进行数据收集：检索北大法宝数据库，设定“智慧物流”“智慧供应链”等为检索词，效力位阶设定为“中央法规”，检索公布日期为2022年10月1日前且现行有效的法律法规；检索CNKI的政策文件数据库，选定“智慧物流”“智慧供应链”等关键词，检索发文日期为2022年10月1日前的相关政策文件；检索天津政务网和上海政务网，选定“智慧物流”“智慧供应链”等关键词，检索发文日期为2022年10月1日前的相关政策文件。

另外，注意到关于支持智慧物流的政策多包含在“十三五”规划“十四五”规划、物流政策等综合性政策文本中，专项性的智慧物流政策文本较少，而PMC指数模型需要针对专项性政策文本，同时考虑到智慧物流通过智能硬件、物联网与大数据等智慧化技术与手段提高物流系统分析决策和智能执行能力［16］。本文以时间窗口期间14项较有代表性的专项政策作为量化评价样本，并将与智慧物流政策相关的智能制造专项政策也纳入选择范围［17］。同时，选择4组中央层面、天津市和上海市的相同政策进行分析比较，以期双向比较政策落地成效。具体政策文本样本如表1所示。

表1 政策选择

（二）分詞提取与词频统计

本文对选取的14项政策样本进行分词提取与词频统计。利用ROSTCM6软件导入14项全部智慧物流政策文本，挖掘文本数据，形成文档集并进行文本分词处理；然后，将分词后的文档集进行词频统计，在剔除单字及较常出现的程度副词后，输出高频词。如表2所示。

表2 智慧物流政策文本挖掘高频词

对14项政策内容进行文本挖掘发现，在智慧物流政策文本内容中，不同政策维度呈现出不同的规律和特点，如表2所示。故本文根据智慧物流政策文本中的政策维度，即政策形式、政策主体、应用技术、政策手段、政策对象以及政策机制等方面进行挖掘和分析。在政策形式方面，词频挖掘中出现“方案”“制度”“标准”“规范”“政策”“措施”等高频词，可以反映出智慧物流政策的形式较为全面，能够为全面建设智慧物流体系提供多种政策方向和政策选择。在政策主体方面，参与的主体覆盖“企业”“行业”“单位”“集团”等，说明政府在制定智慧物流政策的过程中，考虑的参与主体集中于企业、市场，主要依靠企业自身自行选择和建设智慧物流系统，政府干预效果有限。在应用技术方面，高频词主要集中于智慧城市的“环境设施”“信息化”“科技”“智能”，表明现有的智慧物流政策不断融合新一代信息技术，同时通过平台建设等手段促进互联网与物流业深度融合。在政策手段方面，高频词集中体现为“服务”“发展”“建设”“推动”“完善”等政府职能，可见在推进智慧物流建设的过程，政策初衷在于对企业的激励与推动，同时发挥政府政策的服务、激励的政策作用方式，强制性措施则鲜有出现。在政策对象方面，高频词主要为“供应”“快递”“配送”等，表明智慧物流政策的作用对象与传统物流的作用对象基本相同。在政策机制方面，高频词主要为“合作”“协同”“协调”“共享”，表明当前智慧物流政策在制定过程中已经考虑到运用多元治理理论，即通过合作和协调的方式解决智慧物流建设中的问题。

进一步，本文通过构建语义网络进一步分析挖掘政策文本的核心内容与各关键词间的辐射程度，这为设定政策评价指标及权重参数提供了可靠依据，总体而言，政策文本的关键词网络关系可分为以下三部分：①发展、服务、建设、提高以及物流、企业、体系的方形图块最大，度数中心性最强，与其他主题词的连接最多，为政策文本的核心主题词，表明本文采集的智慧物流政策文本内容均围绕推动物流企业自主转型升级展开；②较为核心的主题词为技术、信息化、平台、创新等图块，这些主题词体现出智慧物流发展过程中政府对技术和智能设备应用，以及互联网领域的技术创新与发展应用情况；③主题词诸如资源、模式、协同等图块反映政府政策在推动智慧物流发展的同时，也注重信息平台的共享以及资源、模式应用等问题的管理。基于文本挖掘得出的表2结果，通过这些关键词的词频与关联程度，可以构建有关天津市与上海市智慧物流政策分析的评价指标。

（三）政策量化的PMC指数模型建立

PMC指数模型在进行政策量化评价时，其核心思想是不忽视任何一个相关变量的作用，同时尽可能多地选取相关变量［18］。参考胡春艳［19］、张永安等［20-21］研究成果，同时结合以上政策文本挖掘得出的高频词汇表，构建政策评价指标体系。

基于上述文本挖掘及分析结果和已有文献中智慧物流的相关指标，本文构建了包括9个一级指标和45个二级指标在内的智慧物流政策评价指标体系，如表3所示。同时根据政策要素的性质分成三组：第一组属于政策属性，包括政策性质、政策级别与政策时效，主要反映政策的基本信息和属性；第二组是政策措施，包括作用方式、保障措施、政策内容和政策类型，主要反映政策的实施方式和政策执行过程中需要采取的保障措施；第三组是政策对象，包括政策客体和政策机制，主要反映政策的具体内容和面向对象。该评价指标体系全面覆盖了上文选取的智慧物流政策文件内容和信息。其中政策内容（X6）通过前文的文本挖掘，选取14个主题，归纳成6组作为二级指标。

表3 相关智慧物流政策的评价指标构建

从表3可见，一级指标变量包括政策性质（X1）、政策时效（X2）、作用方式（X4）、保障措施（X5）、政策时效（X5）、政策内容（X6）、政策客体（X8）、政策机制（X9），它们的二级变量均服从［0，1］二项分布，也就是说，若政策内容中满足二级指标评价标准，则二级变量赋值为1，否则赋值为0。传统PMC指数模型中所有二级指标变量取值都服从［0，1］二项分布，用于平衡所有指标，但这种方式不适用于二级指标评价标准互斥的指标，会造成所有政策在这一指标下评分相同，无法进行优劣评价。本文参考成全［12］等对政策力度量化标准的研究，对一级变量政策级别（X3）、政策类型（X7）的二级变量评价参数设置为在［0，1］范围内的逐项递减取值。

五、结果分析

（一）PMC指数指标计算

首先，建立多投入产出表（如表4所示），并依据文本挖掘法和二进制法赋予二级变量具体数值。这里的多投入产出表主指标与表3一级指标对应，而每个主指标由n个二级指标组成，对应表3具体二级指标，二级指标没有数量限制且重要性相同，因此无需做出重要性排名。其次，计算一级指标值，结合上一步二级变量的赋值进行计算，对二级变量进行相应的加权计算得到一级变量数值：①对于服从［0，1］二项分布的二级指标，根据公式（1）得出二级指标的数值；②针对有额外标注的二级指标，则根据政策标题中明确的类型确定二级指标变量值，同时将该二级变量值直接作为政策的一级变量数值。最后，根据上述方法计算得每项政策的一级指标变量，再将各政策一级变量加总计算得到最终的PMC指数。

其中：t表示一级指标；j表示二级指标，X_t表示一级变量指标的得分，X_j表示二级变量指标得分，T（X_i-j）表示二级指标的数量

表4 本文14项智慧物流政策的多投入产出

本研究参考Estrada［22］的政策等级划分标准，将PMC指数得分划分为4个等级：完美［8-9）、优秀［7.99-7］、可接受［6.99-5］、不良［4.99-0］。基于多投入产出表并依据相关政策内容进行参数设定，设置14项智慧物流政策的多投入产出表（如表4所示）。同时基于政策评价模型，分別计算出14项政策的PMC指数，并对照政策评级划分表对以上政策进行等级评价，具体结果如表5所示。

表5 本文14项智慧物流政策的PMC指数

依据表5可知，总体而言，所选全部政策无不良情况，5项天津市政策中有2项政策评价一般，3项政策评价为良好，5项上海市政策中1项一般，3项政策评价良好，评价中并未产生优秀水平的政策，可能原因在于：我国智慧物流政策的制定和实施仍处于起步阶段，各地方对政策的落实重点不完全相同。例如，政策性质方面，各项智慧物流政策更重视引导和监督，但鲜有判定的功能；政策作用方式方面，各地对企业的引导为主，基本不涉及强制措施等。

（二）政策对比分析

本文共设有9个一级变量，最终产生3阶方阵，根据式（2）进行PMC矩阵的计算，并进行PMC曲面的构建，通过比较的方式可以展现出政策量化的评价效果。

由于本文选取不同出台单位智慧物流政策比较，根据公式（2），建立中央层面政策与天津市、上海市的智慧物流政策平均PMC指数矩阵，如表6所示。

表6 智慧物流政策PMC矩阵

进一步，PMC曲面可在多维坐标系下以图像方式呈现出待评价政策的优劣势，以便更直观、形象地评价智慧物流政策，根据PMC矩阵，构建中央层面、天津市与上海市的政策平均PMC曲面图，如图2所示。

图2 中央层面、天津市与上海市智慧物流政策的平均PMC指数曲面

通过对不同政策出台部门智慧物流政策的PMC指数进行计算并绘制PMC曲面发现，全部政策水平均为良好，每个一级指标的平均情况可以通过图2直观地表现出来。总体而言，中央层面政策的评分最高（0.835），上海居中（0.709），天津最后（0.674）。

相对而言，上海的政策性质、政策保障、政策属性和政策对象得分更高，天津的政策时效性、政策内容和政策类型更加广泛，在政策内容方面，三类政策基本包含全部政策内容信息，体现了智慧物流政策对信息化、标准化发展的重视；政策类型方面，基本包含五类政策类型，相关涉及内容均有明确表述；在政策客体方面，上海市政策关注交通优化，相较于天津得分更高；关于政策机制，合作、共享和协调基本均在全部政策里有所体现。

此外，为更清晰地对比政策区别，根据前文政策的分组方式，本文将同类型政策视为一组，绘制了四组同类型政策PMC指数雷达图，如图3所示。

图3 分类别政策下的PMC指数评价分析比较

如图3（a）所示，在X4作用方式、X9政策机制、X1政策性质方面，天津市政策表现更好；上海市在X8政策客体、X6政策内容中，更占优势。结合两市具体情况考虑，天津市的电子商务业集聚度较高，拥有丰富的电商平台和物流企业，同时更注重提升物流服务水平和物流效率，而上海市则更注重推动物流智能化和绿色发展。天津市的物流政策注重提供优惠政策、资金扶持、技术支持等方面的支持，以吸引更多企业进驻和发展。而上海市的政策则更注重提升物流信息化和物流智能化水平。

如图3（b）所示，本组政策均为推进供应链创新与应用政策，从政策的PMC指数得分来看：在X1政策性质、X9政策机制上，上海市政策明显占优，这可能与上海市政府在政策制定过程中更加注重政策的科学性和可操作性有关。上海市政府在政策制定过程中充分考虑了市场需求和实际情况，同时采用科学的政策制定方法和机制，保证政策的执行效果。在X4政策作用、X8政策客体中，电子商务与快递物流政策表現一致，说明近年来，天津市不断加大供应链领域的投资力度，推进企业供应链的资金支持、技术支持等政策，为企业的发展提供了更好的环境。两市偏重点不同。

加快农村寄递物流体系建设政策的PMC指数情况如图3（c）所示，由于这项政策的导向性强、目标明确，针对农村基础数字化设施建设，因此这三项政策的PMC指数得分较低，天津市的政策类型为方案类，而中央层面的智慧物流政策和上海市的政策为通知类，导致政策之间的显著差异，方案类政策通常具有较高的灵活性和可操作性，通知类往往更宏观和更具调控作用。具体而言，在X1政策性质、X8政策客体、X2政策时效和X9政策机制上，上海市政策得分更高，在X5保障措施、X4作用方式、X6政策内容和X7政策类型，天津市政策更好。与前文相同，上海市政府在本项政策制定和执行中依然更加注重科学性、操作性以及时效性，政策的目标明确、针对性强，同时采取了科学的政策机制，确保政策的高效执行。天津市在政策制定过程中更注重具体的政策措施和政策类型，以确保农村寄递物流体系建设能够得到充分的支持和推动。

如图3（d）所示，相比上海市，天津市出台关于商贸物流高质量发展专项行动计划类政策，将商贸物流高质量发展作为重点发展领域，因此出台了专项行动计划类政策来推进这一领域的发展。而上海市可能在制定政策时更注重整体的发展规划和布局，选择了其他类型的政策来推进全局的发展。

总体而言，上海经济发展水平较高，物流行业发展成熟；作为我国的经济中心，经济发展水平、发展程度都较高，政策环境更加完善，对政策属性和政策对象进行了更加明确和细致的规定，这有利于提高政策的执行效果。同时关于新技术的探索和应用更有优势，促进了上海的物流企业及相关机构的积极性和主动性。天津在政策时效性、政策内容和政策类型得分更高，政策时效性更强，对于物流行业的关注度高，政策制定和修订的速度也相对较快。天津在政策内容上更为丰富和具体，更注重细节和实际操作，有具体的执行计划和措施，这有利于政策的落地和执行，天津制定了更多涵盖不同领域和层面的政策，对物流行业的支持更为全面，政策执行力度更强。

综合以上分析，依據天津市和上海市的智慧物流发展政策，有以下部分可以进行参考借鉴：首先，结合地区特点，政府在智慧物流领域给予支持和引导是非常关键的，提供资金、税收优惠、创新基金等方面的支持，鼓励企业投资发展智慧物流，地区的智慧物流才能发展的更为迅速。其次，智慧物流的核心在于明确的目的性，可以借鉴上海市的政策整体规划，推动物流信息化建设，促进物流信息的高效流通。再次，在细节的安排上，可以借鉴天津市的政策细化与政策措施的规定，出台专项政策与方案类政策增强地区灵活性落实。最后，上海与天津的高校众多，技术人才提供了大量支持。各地方应参照建设智慧物流人才培训体系，引进高端人才和技术团队，促进产学研合作，推动智慧物流的创新发展。

六、结论与启示

本文以2018年至2022年我国中央层面、上海市和天津市层面出台的较为典型的14项智慧物流政策为研究对象，采用文本分析和内容分析的方法，提取关键词频，构建基于PMC指数模型的智慧物流政策评价指标体系，对14项智慧物流政策进行单项政策量化评价。研究结果如下：

第一，从宏观来看，中央层面政策、上海市政策和天津市政策均属于良好政策，政策设计合理，说明国家和地方政府都十分重视智慧物流发展和相关政策的制定。第二，天津市更注重政策细节，上海市政策更加具有目的性，两者政策的出台和地区位置以及地区的规划相关，对于中央政策的落实各有不同。第三，政策的调控范围和作用对象具有很强的相关性，这也在一定程度上说明政策的调控范围越广泛，政策的作用对象越具体。第四，PMC指数模型为政策量化评价提供了一种全新的思路和视角，本文将这种方法应用于智慧物流调控政策领域，改进了局部计算方法，完善了智慧物流政策评价指标体系。

本文尚存在一些不足之处。第一，样本覆盖范围小，在今后的研究中，为了更全面地体现政策的覆盖范围，可根据涉及智慧物流内容的政策进行政策条目编码，进行关键词指标选取时，适度扩大样本。第二，政策的专项性可以进一步加强，有些政策属于特殊政策，可以在今后的研究中，以某一特殊政策为基础，构建PMC变量指标体系，从而对某一政策进行更精确的量化评估，以提供更精确的参考意见。

参考文献：

［1］周付军.政策工具视角下我国信息安全管理政策量化研究——以2003—2021年政策文本为例［J］.情报杂志，2023，42（1）：174-181.

［2］封铁英，南妍.公共危机治理中社会保障应急政策评价与优化——基于PMC指数模型［J］.北京理工大学学报（社会科学版），2021，23（5）：75-84.

［3］李倩，赵彦云，刘冰洁.新能源产业政策的量化分析及其环保效应［J］.北京理工大学学报（社会科学版），2021，23（4）：30-39.

［4］张丹，朱凤战.我国物流产业发展的政策效应分析［J］.商业经济研究，2019，782（19）：100-102.

［5］侯振兴，闾燕.区域农产品电子商务政策文本计量研究——以甘肃省为例［J］，中国流通经济，2017，31（11）：45-53.

［6］DAISL.Howeffectiveisthegreendevelopmentpolicyofchinasyangtzerivereconomicbelt？aquantitativeevaluationbasedonthepmcindexmodel［J］.Internationaljournalofenvironmentalresearchandpublichealth，2021，14（18）：76-79.

［7］SUSANA，GUIDOWI.Thestateofappliedeconometrics：causalityandpolicyevaluation［j］.Thejournalofeconomicperspectives，2017，31（2）：3-32.

［8］马雨萌，黄金霞，王昉，等.基于政策文本量化研究的科技政策分析服务平台建设［J］.情报科学，2022，40（7）：169-176，185.

［9］于琦，景胜洁，邰杨芳，等.我国健康医疗大数据政策文献的多维分析［J］.中国全科医学，2019，22（26）：3209-3216.

［10］杨凯瑞，何忍星，钟书华.政府支持创新创业发展政策文本量化研究（2003-2017年）——来自国务院及16部委的数据分析［J］.科技进步与对策，2019，36（15）：107-114.

［11］郭鹏飞，周英男.基于扎根理论的中国城市绿色转型政策评价指标提取及建构研究［J］.管理评论，2018，30（8）：257-267.

［12］宋大成，焦凤枝，范升.我国科学数据开放共享政策量化评价——基于PMC指数模型的分析［J］.情报杂志，2021，40（8）：119-126.

［13］董纪昌，袁铨，尹利君，等.基于PMC指数模型的单项房地产政策量化评价研究——以我国“十三五”以来住房租赁政策为例［J］.管理评论，2020，32（5）：3-13，75.

［14］沈俊鑫，沈冰亮，何承洪，等.基于PMC的西部地区数字经济政策文本量化评价研究［J］.昆明理工大学学报（社会科学版），2022，22（5）：93-102.

［15］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.

［16］LIUWH，WANGSY，LIANGYJ，etal.Effectofintelligentlogisticspolicybriefingsonshareholdervalue：evidencefromChineselogisticscompanies［J］.Internationaljournaloflogisticsresearchandapplications，2023，26（3）：233-256.

［17］李丽，陈佳波，李朝鲜，等.中国服务业发展政策的测量、协同与演变——基于1996—2018年政策数据的研究［J］.中国软科学，2020，355（7）：42-51.

［18］RUIZEMA.Policymodeling：definition，classificationandevaluation［J］.Journalofpolicymodeling，2011，33（4）：523-536.

［19］胡春艳，张莲明.“好”政策的执行效果也好吗？——基于容错纠错政策的实证检验［J］.公共行政评论，2021，14（3）：4-23，196.

［20］张永安，周怡园.新能源汽车补贴政策工具挖掘及量化评价［J］.中国人口·资源与环境，2017，27（10）：188-197.

［21］成全，董佳，陈雅兰.创新型国家战略背景下的原始性创新政策评价［J］.科学学研究，2021，39（12）：2281-2293.

［22］ESTRADAMAR.Policymodeling：definition，classificationandevaluation［J］.Journalofpolicymodeling，2011，33（4）：523-536.

AnalysisofTextQuantificationonSmartLogisticsPolicies：Compare

thePoliciesofTianjinandShanghaiBasedonthe

PoliciesoftheCentralGovernment

LIBo，ZHAOMing-yu，GUOWen-ya，SONGJia-huan

（TianjinUniversity，Tianjin300072）

Abstract：Thedevelopmentofsmartlogisticsneedsthesupportofpracticalpolicysystem.Quantitativeresearchofpolicytextcanprovidedecision-makingbasisandoptimizationsuggestionsfortheformulationandimprovementofsmartlogisticspolicies.Basedonthepoliciesissuedbythecentralgovernmentfrom2018to2022，thispapermakesahorizontalcomparisonof14smartlogisticspoliciesofTianjinandShanghaiastheresearchobject，adoptstextminingtoextractseveralkeywordsinthepolicies，andconstructsanindexsystemandPMCindexevaluationmodelforpolicyevaluationfromthreeperspectives：policyattributes，policymeasuresandpolicyobjects.Thepapermakesquantitativeevaluationandanalysisofthetypicalsmartlogisticspoliciesissuedbythetwomunicipalities.Fromthemacropointofview，thepoliciesofShanghaiandTianjinaregoodpolicies，andthepolicydesignisreasonable.Specifically，Tianjinspoliciespaymoreattentiontodetails，whileShanghaispoliciesaremorepurposeful.Thisstudycanprovidereferenceforotherregionstointroduceandguidesmartlogisticspolicies.

Keywords：smartlogisticspolicy;textmining;PMCindexmodel;policyquantification;policyevaluation

基金項目：中国工程院战略研究与咨询项目与天津市科技计划项目“高质量发展背景下天津市智慧物流产业布局与发展路径研究”（22ZLGCGX00060）