基于PMC指数模型的数字乡村政策量化评价研究

[摘要]数字乡村建设是乡村振兴的战略方向，近年来各级政府密集出台了一系列的战略纲要、发展规划、行动方案，旨在通过宏观和微观政策引导，加快数字技术赋能农业农村经济、推进乡村治理方式转变。开展现有数字乡村政策量化评价研究，既是对现有政策体系的协同性的理论探索，又是对新政策的制订、政策工具改进提供参考依据。利用ROSTCM文本挖掘工具和文本内容分析法，对数字乡村政策进行高频词分析，设计评价指标，对12项数字乡村政策样本构建PMC模型，测算PMC指数，绘制PMC曲面，分析各项政策存在的优势和劣势。结果表明，我国数字乡村政策整体态势良好，设计较为合理，但是在以下方面仍然存在不足：政策激励举措不足、政策前瞻性引导偏弱、内生发展动力关注度低，对此本文提出相关建议。

[关键词]数字乡村；政策评价；PMC指数；量化评价

一、 引言

数字乡村建设是数字中国建设的重要内容，数字乡村驱动农村经济高质量发展是实现全面小康的重要路径。党的十八大以来，党中央高度重视数字乡村的建设，做出了一系列战略决策，正在逐步建立起我国数字乡村建设政策支持体系1[1]。2019年中央一号文件提出数字乡村建设意义重大，并要求全面实施数字乡村战略；同年5月国务院下发《数字乡村发展战略纲要》，明确提出将数字乡村作为乡村振兴的战略方向2。2020年国家数字乡村建设路线图更加清晰，制定并实施《数字农业农村发展规划（2019—2025年）》，开展国家数字乡村试点，不断激发乡村发展的内生动力和巨大潜力3。为提高县域数字乡村建设、运营和管理，2021年国家七部委出台了《数字乡村建设指南1.0》4。江苏、浙江、湖北、重庆等地发布了“十四五数字农业农村发展规划”，河南、江西、云南提出加快数字乡村建设实施意见、陕西、湖南、广西制定加快数字乡村发展的行动计划、试点方案[1-2]。2019—2021年期间数字乡村政策的集中发布，为开展数字乡村政策研究提供了基础条件。

本文梳理了2019—2021年国内发布的数字乡村政策，通过文本挖掘工具和文本内容分析法，依据筛选出的各政策的关键词词频，构建 PMC模型评价指标，并选择12项数字乡村政策开展实证研究，分析样本政策存在的问题，提出完善对策，以提高数字乡村政策制定引导性、前瞻性水平。

二、 文献综述

“数字乡村”是借助于现代信息与通信技术（ICT），在数字无线通讯、公共服务数据平台建设、农业生产自动化、数据分析辅助社区综合治理等方面支撑乡村经济发展的一种模式，从狭义的角度讲，“数字乡村”建设被视作新一代信息技术在乡村场景运用的探索性实践[3-4]。

1. 数字乡村发展与支撑政策

Sonia Bhatt[5]探讨了数字乡村方案和数字乡村2.0运动，及其在特定村庄应用后对村民的影响。AnnaBielska等[6]以波兰某省为例，研究数字乡村空间分布的解决方案。Sebastian等[7]介绍了农业数字化的研究现状，并指出了农业数字化过程的脆弱性，特别是缺乏互操作性和对互联网连接的依赖。Kelly Rijswijk等[8]指出农业知识和创新体系应该更好地支持农业知识提供者，通过预测可能的未来和反思这些对农业知识提供者的价值主张、商业模式和组织身份带来的后果，掌握数字化和发展数字化战略。John M. Antle等[9]提出了NextGen农业信息管理系统，该系统从传统的“供应驱动”方法模型研究转向用“需求驱动”或“用户驱动”的方法研究，基于用户信息、用户决策的需求来构建基础数据和分析模型。

国外数字技术的应用及农业示范，收益于财政计划的支持，但各国政策支持取向有所不同。美国提出的“精准农业”构想，将遥感预测、GIS数据系统、GPS导航应用于农场管理，提高农业生产效率；欧盟国家推行的“智慧乡村行动”，不仅关注技术策略，更关心地区技术变革引发社会变革，包括社会、环境和地区发展，研究应对农村孤立、人口老龄化和商业生产力低下等问题，实现区域均衡发展。为应对乡村人口外迁和老龄化问题，日本启动了“基于智能机械+智能IT的下一代农林水产业创造技术”项目，鼓励建设以农业机器人为核心的无人农场 [10-11]。

国内学者对数字乡村研究多体现在对国外发展模式的比较、地方实践经验总结等方面。夏显力等[12]研究了发达国家农业数字技术应用及发展的经验，构建了市场需求与数字技术共同促进农业高质量发展的分析框架。王耀宗等[13]分析了“数字乡村”的内涵和特征，对统筹推进农业农村信息化的顶层设计提出建议。方堃等[14]依托数字决策、信息服务平台、跨地域多元主体等整体性策略构建乡村数字公共服务体系，实现“三农”发展与数字治理技术要素相匹配。刘俊祥等[15]选取了浙江、湖北和贵州三省作为分析案例，分别对其乡村数字治理已有的探索实践总结梳理，着重从政务体系构建角度探讨了乡村数字治理。刘美平等[16]从农村数字经济发展的制度供给、促进农户融入电商市场、城乡协同发展、农业产品数字化等角度，探索农村数字经济发展路径。

2. 数字乡村政策与量化评价

（1）政策量化评价方法

政策评价是政策分析者对政策的制定及由政策产生的效果开展研究。政策评价的目标是为了确定一项政策的实施是否能达成预期的目标和效果，并在此基础上，分析政策的施行效果与其影响因素，并对政策进行评估优化，以提高政策效力和作用。

国外学者在对政策效果和效益分析比较的同时，注重对政策的量化评价工具的使用[17]，以及注重对政策本身的合理性、可行性进行评价，如Oville F. Poland的3E评估分类框架、Edward A. Suchman五类评估法，利用价值判断方法论对政策进行量化评估。评价政策方法的演进，深化了研究人员对政策的作用机制的认识，为政府部门开展评估提供了有效的手段。美国、欧盟、日本等在20世纪90年代对农业补贴政策开展评价，采用一些定量分析方法对政策进行评价，OECD自1998年起对成员国进行持续的农业政策评估，基于生产者和消费者支持估计（PSE和CSE）以及相关指标，以分类衡量各国农业支持政策[18]。国外学者注重定量与定性相结合的方法进行农产品、农村政策评估，与发展中国家相比，西方发达国家的统计数据完整和信息化程度较高，在农业政策评估研究方面取得了丰富成果。

（2）政策评价工具在数字乡村的应用

张鸿等[19]研究了应用就绪度评价模型，构建了数字乡村发展就绪度评价指标体系，通过层次分析与熵权法确定指标组合权重，研究了不同区域数字乡村发展水平与特征。吴园[20]研究了数字乡村的相关政策，构建了数字乡村环境、数字经济、科技创新供给、乡村数字治理等指标组成的数字乡村发展评价体系。陈薇[21]定量分析了河北省财政支农支出与农业GDP、农民收入、粮食生产和农产品竞争力之间影响关系，阐明了财政支持农业政策与农业和农村经济发展的经济学逻辑关系。宗义湘等[22]通过OECD农业政策评估框架，从生产者支持估计值（PSE）、一般性服务支持估计值（GSSE）、总支持水平估计值（TSE）来评估我国加入WTO前后，农业政策对农业的支持水平的影响。马晓春[23]采取历史考察和逻辑分析相结合的方法，分析了不同国家实施农业政策的目的、阶段特征及主要措施，结合定量方法和定性方法，分析影响中国与主要发达国家农业支持水平的主要因素。

目前，国内外学者和管理人员对数字乡村研究多集中于农业信息化技术应用和农村数字公共服务等信息技术建设视角，对于政策本身的信息挖掘等较少关注。农业政策评价客体指向信息化程度、财政支持、典型示范经验等，评价方法多数是基于定性的视角比较分析法、影响因素法。对数字乡村的发展评价，多采用指标体系评价，主要考核信息基础建设、信息技术采纳、公共服务供给，而对于不同层级数字乡村政策制订一致性、协同性、适用性定量研究鲜有涉及。

PMC模型作为政策评价模型，在创新政策、新兴产业政策评价中已经被学者广泛采用。张永安等[27]研究了创新政策作用机理，运用PMC模型对国务院创新政策评价，臧维等构建了人工智能政策PMC评价指标，对前沿发展趋势和技术演进方向做出预测。胡峰等[28]通过PMC指数，逐项分析了8项机器人产业的优劣，并提出改进路径。杜宝贵等[29]采用PMC模型开展了辽宁省科技服务业政策量化评价，与其他省份对比分析。在对创新政策、产业政策、科技政策的量化评价中，PMC指数模型具有如下优势：评价维度丰富，通过增加评价维度替代指标权重计算，有效避免指标权重误差、主观评价偏见，使得评价结果更加客观精确；聚焦政策前评价，分析政策文本关键内容和关键词，弥补了对政策内容研究分析的不足；无论单一产业政策，还是区域政策体系，PMC指数评价方法均可适用。

三、 数字乡村政策PMC指数模型构建

本文采用Ruiz Estrada等[24]提出的“Omnia Mobilis”假设和 PMC 指数（Policy Modeling Consistency Index）进行量化评价。PMC指数模型是基于任何事物是运动发展的、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，且不再设定变量地权重。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。

PMC指数模型构建步骤有以下三个方面：一是多投入-产出表设计，二是变量分类及参数选取，三是PMC指数计算；四是PMC曲面图绘制。

1. 多投入-产出表设计

PMC 指数模型的多投入-产出表是对变量进行多维度测量而形成的一种数据分析框架，由主变量（一级变量）和子变量（二级变量）组成，主变量、子变量的数量各有若干个，如表1所示。考虑到变量个数可以无限多，本文设定各主变量的权重相等，同一主变量下的所有子变量的权重相等。子变量的参数值采用二进制，若某项政策文本中含有相应子变量含义的内容时，该子变量的参数取值为1，否则取值为0。

2. 变量确定及参数选取

ROSTCM是一种文本量化分析软件，可以实现自动分词、文本词频、社会网络和语义网络、聚类等分析与计算，结果能够以可视化图形呈现。本文通过查阅国务院、网信办、农业部、省市地方政府等网站，收集并整理2019—2021年出台的39份数字乡村规划、纲要、计划、项目、方案、法规等文本。运用ROSTCM工具，首先对文本数据库的政策文本进行分词，剔除与本研究无关联的虚词和通用词，如“加快”“重点”“数字”等。然后提取高频词汇，挖掘政策文本核心内容和关键词，分析关键词语义网络，为评价变量设定提供参考依据。政策文本中排名前40的高频词如表2所示。

根据政策文本统计的高频词，结合现有学者张永安、郭强、蔡东松等研究成果，共设定了一级变量10个和二级变量43个。其中一级变量为政策性质X1、政策领域X2、政策目标X3、政策视角X4、政策计划性X5，政策受体X6、激励举措X7、政策效果X8、政策评价X9、、政策公开X10。明确一级变量的内涵之后，二级变量的选取综合考量多方面影响因素，二级变量同等重要且权重相同。二级变量的取值服从[0，1]分布，取值为0或1。当政策内容包含或涉及相关变量时，取值为1；若与变量无关，则取值为0。变量X10仅为政策公开与否指标，因而不设置二级变量。评价指标体系及评价标准如表3所示。

3. PMC指数计算

PMC指数模型的计算步骤如下：

（1）依照数字乡村政策文本构建变量，包括一级变量和二级变量，如公式（1）所示。

[X～N（0，1）] （1）

（2）建立多投入产出表，并依据文本挖掘法和二进制法赋予二级变量具体数值0或1，如公式（2）所示。

[X={XR：（0，1）}] （2）

（3）计算一级变量值，根据二级变量参数取值累计，具体如公式（3）所示。

[Xt=j=1nXtjT（Xtj）     ][t=]1，2，3，4，5，6，7，8，9，10 （3）