朱海婷，吳正平

（新疆農(nóng)業(yè)大學公共管理學院（法學院），烏魯木齊 830052）

區(qū)域科技創(chuàng)新能力是推進國家科技創(chuàng)新事業(yè)發(fā)展的主要動力，在中國區(qū)域科技創(chuàng)新事業(yè)發(fā)展進程中，縮小東西部區(qū)域科技創(chuàng)新能力差距，引領(lǐng)帶動欠發(fā)達區(qū)域協(xié)調(diào)發(fā)展成為建設(shè)創(chuàng)新型國家的重要一步。為了加快中國西部欠發(fā)達地區(qū)區(qū)域科技創(chuàng)新事業(yè)發(fā)展，國家和地區(qū)頒布的一系列科技創(chuàng)新政策為西部地區(qū)科技創(chuàng)新事業(yè)發(fā)展提供了基本保障。新疆作為中亞區(qū)域創(chuàng)新中心，在創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略引領(lǐng)下，新疆區(qū)域創(chuàng)新系統(tǒng)的培育和發(fā)展顯得尤為重要，對新疆現(xiàn)有科技創(chuàng)新政策有效性影響因素進行研究，可以為新一輪政策的制定及完善提供重要依據(jù)。

隨著大數(shù)據(jù)時代的發(fā)展，越來越多的學者關(guān)注到海量的網(wǎng)絡(luò)數(shù)據(jù)所反映出的行為信息。海量的網(wǎng)絡(luò)數(shù)據(jù)所具有的市場價值在于網(wǎng)絡(luò)數(shù)據(jù)能實時地將信息傳達給需求者，這些數(shù)據(jù)不僅反映出人們對某一問題的關(guān)注度，也反映出人們在現(xiàn)實中的行為規(guī)律和趨勢。目前，基于網(wǎng)絡(luò)搜索的研究已延伸到就業(yè)、汽車旅游、電影票房預測等眾多領(lǐng)域。特別在政策評估方面，網(wǎng)絡(luò)數(shù)據(jù)能增強政策目標對象的有效性，為政策評估提供導向，依據(jù)數(shù)據(jù)分析技術(shù)，增強信息收集的系統(tǒng)性和針對性，建立健全政策評估和反饋機制，進而有助于公共資源的合理優(yōu)化。

1 研究綜述

1.1 科技創(chuàng)新政策評估相關(guān)研究

有關(guān)科技創(chuàng)新政策評估研究方法具有代表性的有以下幾種。一是回歸分析。蒲則文［1］采用經(jīng)濟計量模型，從研發(fā)資本收益的角度對山西省2010—2017年的科技創(chuàng)新政策效果進行評估。曾婧婧等［2］以中國“十一五”至“十二五”期間的省級面板數(shù)據(jù)為基礎(chǔ)，采用回歸模型考察科技創(chuàng)新政策對各地區(qū)的創(chuàng)新驅(qū)動效應。二是DEA數(shù)據(jù)包絡(luò)法。梁瑞敏等［3］基于區(qū)域科技創(chuàng)新子過程構(gòu)建區(qū)域科技創(chuàng)新效率模型及指標體系，采用二階段網(wǎng)絡(luò)DEA方法對山西省區(qū)域科技創(chuàng)新績效進行研究。王任遠［4］運用網(wǎng)絡(luò)DEA法和主成分分析法，從科技投入和科技產(chǎn)出兩個維度出發(fā)，對江蘇省科技創(chuàng)新政策效果進行評估。三是文獻計量法。張永安等［5］對區(qū)域科技創(chuàng)新政策進行梳理分類，并結(jié)合政策工具作出分析。蘇敬勤等［6］通過對中央和地方的代表性科技創(chuàng)新政策進行關(guān)鍵詞提取，建立共詞網(wǎng)絡(luò)和中心性及小團體，分析得到中國技術(shù)創(chuàng)新政策的整體構(gòu)成，并采用內(nèi)容分析法進行對比分析。四是熵值法。郭強［7］利用相關(guān)數(shù)據(jù)，結(jié)合模糊數(shù)學理論及熵值法，分別計算出31個省級區(qū)域的科技創(chuàng)新隸屬度和權(quán)重，并對科技創(chuàng)新政策效果進行評估。胡先杰等［8］結(jié)合新的科技創(chuàng)新政策范式，參考政府監(jiān)管的政策績效評估框架，利用個案研究法，從“內(nèi)容—執(zhí)行—效果”進行政策的全過程評估。白晶晶［9］設(shè)計了以企業(yè)滿意度為指標的科技創(chuàng)新政策評估問卷，利用李克特五級量表（5-point likert scale）將指標量化，采用方差分析和相關(guān)分析法對浙江省科技創(chuàng)新政策進行績效評估。張永安等［10］以12項國務(wù)院創(chuàng)新政策為樣本，構(gòu)建了PMC指數(shù)模型，并繪制了可以直觀了解政策優(yōu)劣勢的PMC曲面圖，進行政策量化評估。

1.2 網(wǎng)絡(luò)搜索相關(guān)研究

網(wǎng)絡(luò)搜索行為每時每刻在發(fā)生，它可以滿足人們對于信息的需求，并為做出決策提供依據(jù)。Ginsberg等［11］通過分析Google搜索引擎數(shù)據(jù)研究流行性感冒癥狀的發(fā)展軌跡。宋雙杰等［12］利用谷歌趨勢搜索指數(shù)對中國股票市場的IPO抑價現(xiàn)象做出研究。崔東佳［13］將百度搜索指數(shù)與各個汽車品牌的銷量建立預測模型，研究表明，該種預測模型相較于傳統(tǒng)預測模型具有更高的精準度，且在時效上具有前瞻性。張應劍等［14］以陜西互聯(lián)網(wǎng)為研究對象，基于網(wǎng)絡(luò)求職搜索指數(shù)構(gòu)建時間序列模型，對陜西互聯(lián)網(wǎng)行業(yè)的就業(yè)需求情況進行預測。張娟［15］基于與房價相關(guān)度較高的關(guān)鍵詞，合成綜合網(wǎng)絡(luò)搜索指標，對房屋價格指數(shù)進行預測，結(jié)果證明，基于網(wǎng)絡(luò)搜索指數(shù)的預測模型對房價波動可以得出較為及時準確的結(jié)論。劉超凡［16］以網(wǎng)絡(luò)搜索關(guān)鍵詞為基礎(chǔ)，構(gòu)建了商品住宅價格指數(shù)的神經(jīng)網(wǎng)絡(luò)預測模型。在政策評估領(lǐng)域，利用網(wǎng)絡(luò)搜索數(shù)據(jù)進行研究也取得了較多的研究成果。王博永等［17］在研究房地產(chǎn)政策宏觀調(diào)控效果問題時，利用網(wǎng)絡(luò)搜索關(guān)鍵詞數(shù)據(jù)探究網(wǎng)絡(luò)搜索關(guān)鍵詞與房地產(chǎn)政策效果的相關(guān)關(guān)系，建立網(wǎng)絡(luò)搜索關(guān)鍵詞與房地產(chǎn)政策效果的關(guān)系模型，以中國42個城市為樣本，對房地產(chǎn)市場不同調(diào)控政策產(chǎn)生的不同影響進行分析研究。張永安等［18］將網(wǎng)絡(luò)搜索相關(guān)數(shù)據(jù)引入中國科技創(chuàng)新政策調(diào)控有效性分析中，利用網(wǎng)絡(luò)搜索方法彌補傳統(tǒng)評估方法的不足，提高中國科技創(chuàng)新政策評估的效率和準確性。

目前在科技政策評估中對于政策整體效果的研究較多，對不同政策工具所產(chǎn)生的效果研究較少。傳統(tǒng)評估方法需要回收大量的問卷調(diào)查，專家打分等量化方法主觀性影響的弊端無法避免。還有學者利用年鑒等面板數(shù)據(jù)更是無法避免數(shù)據(jù)的時效性問題。對于有效獲得即時性數(shù)據(jù)進而及時對政策評估、糾偏及優(yōu)化的相關(guān)研究顯得相對缺乏卻又尤為重要。在研究對象上多為針對中國創(chuàng)新事業(yè)發(fā)展較好的?。ㄊ校瑢ξ鞑康貐^(qū)尤其是新疆科技創(chuàng)新政策實施現(xiàn)狀及評估的研究幾乎為空白。本研究以新疆區(qū)域科技創(chuàng)新政策為研究對象，采用網(wǎng)絡(luò)搜索的方法，對所獲得的信息數(shù)據(jù)進行分類提煉，得到關(guān)鍵詞庫，構(gòu)建網(wǎng)絡(luò)搜索數(shù)據(jù)與政策有效性的相關(guān)模型，通過線性回歸方法進行實證研究，在對比不同政策工具所產(chǎn)出的創(chuàng)新成果后，對新疆區(qū)域科技創(chuàng)新政策的調(diào)控效果進行評估，并對其進行合理優(yōu)化。

2 理論基礎(chǔ)

在理性預期理論和信息搜尋理論基礎(chǔ)上，構(gòu)建基于網(wǎng)絡(luò)搜索的新疆區(qū)域科技創(chuàng)新政策有效性影響因素研究框架，主要基于兩方面內(nèi)容構(gòu)建該框架。

首先，政府在制定政策時會考慮對創(chuàng)新主體行為的影響?；诶硇灶A期理論，可以預測政策頒布后產(chǎn)生的效果，促使響應政策的創(chuàng)新主體創(chuàng)新產(chǎn)出增加，依據(jù)創(chuàng)新產(chǎn)出的變化信息，更多創(chuàng)新主體進行模仿并意圖獲取相應的科技創(chuàng)新政策信息，創(chuàng)新主體在進行科技創(chuàng)新活動時就對政策效果做出預判，故而他們的決策是有所依據(jù)的。創(chuàng)新主體的行為使許多信息變得具有研究意義，他們不僅是科技創(chuàng)新政策作用的對象，同時根據(jù)自身的理性預期行為影響著科技創(chuàng)新政策的制定。創(chuàng)新主體對科技創(chuàng)新政策的反應顯示出這些政策的有效性?？萍紕?chuàng)新政策的有效性不僅是由政策制定者決定，身為科技創(chuàng)新活動的創(chuàng)新主體所做出的決定也有著舉足輕重的作用。故而創(chuàng)新主體的行為是科技創(chuàng)新政策制定者在制定政策時需要充分考慮的一方面。

其次，在大數(shù)據(jù)時代，網(wǎng)絡(luò)已經(jīng)成為人們搜索信息和獲得信息的主要手段，網(wǎng)絡(luò)搜索行為可以反映創(chuàng)新主體的關(guān)注與預判。無論是科技創(chuàng)新政策的制定者還是需求者，他們所做出的行為是一個決策的過程，而決策均需要輸入信息、搜索信息，網(wǎng)絡(luò)搜索作為重要的信息搜索渠道，網(wǎng)絡(luò)搜索數(shù)據(jù)可以綜合反映創(chuàng)新主體的共性，站在一個獨特的視角體現(xiàn)科技創(chuàng)新政策對科技創(chuàng)新事業(yè)的影響。

基于以上兩方面構(gòu)建網(wǎng)絡(luò)搜索數(shù)據(jù)與科技創(chuàng)新政策有效性影響因素的關(guān)系框架（圖1），網(wǎng)絡(luò)搜索數(shù)據(jù)中的政策工具搜索指數(shù)為自變量，科技創(chuàng)新產(chǎn)出數(shù)據(jù)作為因變量，將科技創(chuàng)新政策有效性定義為科技創(chuàng)新產(chǎn)出，通過政策工具搜索指數(shù)與科技創(chuàng)新產(chǎn)出數(shù)據(jù)的影響程度，對目前的網(wǎng)絡(luò)搜索數(shù)據(jù)與科技創(chuàng)新政策有效性影響因素進行分析，進一步結(jié)合對科技創(chuàng)新政策的分類進行研究，明確各類科技創(chuàng)新政策產(chǎn)生的不同效果程度，為國家和地區(qū)出臺相關(guān)政策提供依據(jù)。

圖1 網(wǎng)絡(luò)搜索數(shù)據(jù)與科技創(chuàng)新政策有效性影響因素的關(guān)系框架

3 數(shù)據(jù)來源與關(guān)鍵詞網(wǎng)格搜索

3.1 數(shù)據(jù)來源

3.1.1 網(wǎng)絡(luò)搜索數(shù)據(jù)來源通過網(wǎng)絡(luò)搜索指數(shù)研究新疆區(qū)域科技創(chuàng)新政策有效性影響因素，關(guān)鍵詞數(shù)據(jù)選取來源尤為重要。百度指數(shù)是百度網(wǎng)站研發(fā)的一類可提供較長時間跨度、數(shù)量種類范圍廣、科學性較強的數(shù)據(jù)分析工具，以網(wǎng)絡(luò)用戶在百度搜索引擎上的搜索量為基礎(chǔ)，以關(guān)鍵詞為統(tǒng)計樣本，科學計算分析關(guān)鍵詞在搜索網(wǎng)頁中的頻次加權(quán)和，以此反映出各關(guān)鍵詞所對應的事物被關(guān)注程度和熱門程度。其具有易獲取、透明公開的特點，滿足本研究對數(shù)據(jù)的需求，故采用百度指數(shù)作為新疆區(qū)域科技創(chuàng)新政策有效性影響因素分析的搜索數(shù)據(jù)來源。在Python語言環(huán)境下利用網(wǎng)絡(luò)爬蟲技術(shù)采集百度指數(shù)上各關(guān)鍵詞在新疆區(qū)域上的日數(shù)據(jù)，時間跨度為2012年1月1日至2020年3月31日，并利用數(shù)據(jù)分析軟件將其加工整理為月度數(shù)據(jù)。

3.1.2 科技創(chuàng)新產(chǎn)出數(shù)據(jù)來源本研究將科技創(chuàng)新產(chǎn)出視為新疆區(qū)域科技創(chuàng)新政策有效性的變量。基于前人的研究結(jié)果可知，目前學術(shù)界常將新產(chǎn)品銷售額或?qū)＠l(fā)明量視為科技創(chuàng)新產(chǎn)出的指標［19，20］。但中國高科技產(chǎn)業(yè)和國家統(tǒng)計局統(tǒng)計年鑒所公布的均為新產(chǎn)品銷售額的年度數(shù)據(jù)，與所獲得的百度指數(shù)月度數(shù)據(jù)不一致，會影響實證分析的準確性。專利發(fā)明量中專利授權(quán)量指標由于存在從申請到獲批的3年滯后期［19］，因此也不符合本研究所需數(shù)據(jù)的要求?；谝陨峡紤]，將國家知識產(chǎn)權(quán)局和國家統(tǒng)計局所公布的新疆專利申請量作為科技創(chuàng)新產(chǎn)出數(shù)據(jù)，時間跨度為2012年1月1日至2020年3月31日，并將其整理為月度數(shù)據(jù)進行研究。

3.2 網(wǎng)絡(luò)搜索關(guān)鍵詞庫的構(gòu)建

科技創(chuàng)新政策有效性影響因素研究屬于對宏觀事件的研究，在研究時應對將宏觀事件進行降維處理，即將網(wǎng)絡(luò)搜索數(shù)據(jù)和觀測到的數(shù)據(jù)按照不同政策工具類型進行分析?；谝酝鶎W者對科技創(chuàng)新政策分類的研究成果，將新疆區(qū)域科技創(chuàng)新政策分為人力資源政策、公共服務(wù)政策、基礎(chǔ)建設(shè)政策、資金支持政策、目標規(guī)劃政策、法規(guī)管制政策、金融稅收政策、知識產(chǎn)權(quán)政策、服務(wù)外包政策和海外機構(gòu)政策10類政策10個網(wǎng)絡(luò)搜索對象。

從現(xiàn)有研究成果看，學術(shù)界對關(guān)鍵詞選取方法主要有直接取詞法、范圍取詞法、技術(shù)取詞法和經(jīng)驗取詞法。不同的創(chuàng)新主體在使用搜索引擎獲取信息時，受到各種客觀和主觀因素影響，導致搜索關(guān)鍵詞具有多樣性、復雜性的特點。建立網(wǎng)絡(luò)搜索關(guān)鍵詞庫，一方面，要搜集到盡可能全面的搜索關(guān)鍵詞，另一方面，也要避免數(shù)據(jù)缺失和冗余的問題，確保數(shù)據(jù)的研究價值。在選擇搜索關(guān)鍵詞時遵守3個原則。①含義充分性。一個關(guān)鍵詞應代表要素指標的一方面，所有關(guān)鍵詞能概括要素指標的大概含義。②統(tǒng)計充分性。所選關(guān)鍵詞數(shù)據(jù)序列具有連續(xù)性，保證關(guān)鍵詞與基準指標的穩(wěn)定性。③與基準指標對應性。所選關(guān)鍵詞數(shù)據(jù)序列的峰谷趨勢與基準指標數(shù)據(jù)的峰谷有一定對應性。

基于此，本研究采用文獻研究法、范圍取詞法、文本挖掘法收集搜索關(guān)鍵詞，結(jié)合專家經(jīng)驗和相關(guān)分析進行關(guān)鍵詞篩選，從而建立關(guān)鍵詞庫。

3.2.1 初始搜索關(guān)鍵詞建立初始關(guān)鍵詞庫，先運用文獻研究法，綜合前人經(jīng)驗和新疆區(qū)域特征提出初始關(guān)鍵詞，再將初始關(guān)鍵詞輸入百度搜索引擎，利用關(guān)鍵詞推薦及相關(guān)關(guān)鍵詞推薦工具，共得到53個非重復的關(guān)鍵詞，組成初始關(guān)鍵詞庫，如表1所示。

表1 初始關(guān)鍵詞庫

3.2.2 擴充搜索關(guān)鍵詞結(jié)合文本計量方法，針對10類科技創(chuàng)新政策工具進行信息文本收集，信息文本來源渠道包括網(wǎng)絡(luò)新聞、政府官方網(wǎng)站、網(wǎng)絡(luò)論壇，如表2所示。將3～5個初始關(guān)鍵詞輸入搜索工具，分時段將搜索結(jié)果以文本形式保存。應用Python語言環(huán)境下的jieba分詞工具對信息文本進行文本挖掘，提取頻次較高且與政策工具主題相關(guān)性較高的關(guān)鍵詞作為擴充的關(guān)鍵詞集合，去重后得到165個關(guān)鍵詞。

表2 關(guān)鍵詞來源

3.2.3 篩選搜索關(guān)鍵詞本研究搜集的165個網(wǎng)絡(luò)搜索關(guān)鍵詞，若全部引入模型進行回歸和預測，由于關(guān)鍵詞之間存在弱相關(guān)性，將出現(xiàn)變量之間產(chǎn)生多重共線性并導致模型效果欠佳，因此需要篩選出具有代表性的網(wǎng)絡(luò)搜索關(guān)鍵詞，引入模型進行擬合。通過手動篩選和相關(guān)系數(shù)法兩部分確定最終的搜索關(guān)鍵詞庫。

1）手動篩選。將獲取到的所有關(guān)鍵詞數(shù)據(jù)趨勢圖與專利申請量的數(shù)據(jù)趨勢圖作對比，將趨勢變化不同或峰谷變化不同的關(guān)鍵詞剔除。共剔除27個關(guān)鍵詞，剩余138個關(guān)鍵詞進行下一步處理。

2）相關(guān)系數(shù)法。目前學術(shù)界探究關(guān)鍵詞與研究對象間的關(guān)系時，常用Person相關(guān)系數(shù)法，該方法具有操作簡便、判斷結(jié)果準確的特點。Person相關(guān)系數(shù)分為3個層次：系數(shù)的絕對值大于0.8時，可以理解為2個變量存在強關(guān)聯(lián)；系數(shù)的絕對值小于0.8大于0.5時為中度相關(guān)；系數(shù)的絕對值小于0.5大于0.3為弱相關(guān)，當系數(shù)絕對值小于0.3為極弱相關(guān)或不相關(guān)。本研究使用SPSS軟件中的Person相關(guān)系數(shù)法，將一定時間序列上的搜索關(guān)鍵詞數(shù)據(jù)與專利申請量數(shù)據(jù)進行量化分析，篩選出相關(guān)系數(shù)絕對值大于0.4的關(guān)鍵詞19個，且篩選后的關(guān)鍵詞與專利申請量之間均為正相關(guān)，如表3所示。

表3 搜索關(guān)鍵詞數(shù)據(jù)與專利申請量相關(guān)性

3.3 合成網(wǎng)絡(luò)搜索指數(shù)

搜索關(guān)鍵詞庫中的關(guān)鍵詞與科技創(chuàng)新產(chǎn)出數(shù)據(jù)（專利申請量）的變化都具有一定的相關(guān)性，若將其全部引入回歸模型中，搜索關(guān)鍵詞間的多重共線性會影響模型的擬合效果。為使網(wǎng)絡(luò)搜索數(shù)據(jù)能更好地進行擬合，避免搜索關(guān)鍵詞之間的信息重疊現(xiàn)象，保證其獨立性，需將眾多搜索關(guān)鍵詞進行降維處理，成為更具綜合性的網(wǎng)絡(luò)搜索指標。

在指數(shù)合成的研究中，確定各個關(guān)鍵詞的權(quán)重是核心問題，目前學術(shù)界常用方法有兩種。一是評價系統(tǒng)法，該方法預先明確評價原則，再對各個關(guān)鍵詞進行評分，并以該評分決定權(quán)重分配，最終合成綜合指數(shù)。該方法雖然在數(shù)據(jù)納入時較全面，但主觀性較強。二是利用相關(guān)系數(shù)分配權(quán)重，該方法具有易于操作、客觀性較強的優(yōu)點。

本研究采用相關(guān)系數(shù)作為賦權(quán)方法，將各個搜索關(guān)鍵詞按照相關(guān)系數(shù)合成對應政策工具分類下的網(wǎng)絡(luò)搜索指數(shù)，具體計算公式如下。

人力資源搜索指數(shù)=0.645×人才隊伍+0.444×人才培養(yǎng)+0.682×創(chuàng)新人才+0.487×技術(shù)人才+0.554×科技人員+0.553×科技人才+0.631×科技創(chuàng)新人才

資金支持搜索指數(shù)=0.402×專項資金+0.457×研發(fā)費用

公共服務(wù)搜索指數(shù)=0.481×科技交流會+0.494×科技服務(wù)平臺

基礎(chǔ)建設(shè)搜索指數(shù)=0.632×孵化器+0.551×實驗室+0.404×科技企業(yè)孵化器

知識產(chǎn)權(quán)搜索指數(shù)=0.412×專利權(quán)+0.442×科技成果轉(zhuǎn)化

服務(wù)外包搜索指數(shù)=0.421×產(chǎn)學研

海外機構(gòu)搜索指數(shù)=0.488×國際科技+0.496×技術(shù)引進

4 回歸模型的構(gòu)建

4.1 定義變量

選擇專利申請量Yt為因變量，自變量包含7個政策工具網(wǎng)絡(luò)搜索指數(shù)：人力資源搜索指數(shù)Xrl、資金支持搜索指數(shù)Xzj、公共服務(wù)搜索指數(shù)Xgg、基礎(chǔ)建設(shè)搜索指數(shù)Xjc、知識產(chǎn)權(quán)搜索指數(shù)Xzs、服務(wù)外包服搜索指數(shù)Xfw、海外機構(gòu)搜索指數(shù)Xhw。7個政策工具搜索指數(shù)與新疆專利申請量的相關(guān)系數(shù)如表4所示。由表4可知，7個政策工具搜索指數(shù)與新疆專利申請量相關(guān)性較強，且均為正相關(guān)。

表4 科技創(chuàng)新政策搜索指數(shù)與專利申請量間的相關(guān)系數(shù)

4.2 平穩(wěn)性檢驗

由于各自變量與因變量均為時間序列數(shù)據(jù)，要求變量具有一定的平穩(wěn)性，因此，在建立回歸模型之前應先對其做平穩(wěn)性檢驗。對單位根進行檢驗可以體現(xiàn)其平穩(wěn)性，通過檢驗時間序列數(shù)據(jù)中是否存在單位根來判定時間序列數(shù)據(jù)是否平穩(wěn)。若序列中至少存在1個單位根即判定為不平穩(wěn)，會使后續(xù)回歸分析產(chǎn)生偽回歸現(xiàn)象。本部分采用應用較為廣泛的ADF檢驗進行單位根檢驗。

ADF檢驗的原假設(shè)認為時間序列中至少存在1個單位根即為不平穩(wěn)；若時間序列中不存在單位根，即為平穩(wěn)序列。當P小于1個臨界值（一般為P＜0.05）拒絕原假設(shè)，即該序列不存在單位根，為平穩(wěn)序列。ADF檢驗結(jié)果如表5所示。由表5可看出，Yt、Xrl、Xzj、Xgg、Xjc、Xzs、Xfw、Xhw在水平值時均未能拒絕原假設(shè)。經(jīng)過一階差分后，能夠拒絕原假設(shè)，且為同階單整，為平穩(wěn)序列。

表5 科技創(chuàng)新政策搜索指數(shù)平穩(wěn)性檢驗

4.3 建立多元線性回歸模型

回歸分析是一類用于預測建模的計量統(tǒng)計方法，是指確定2個或2個以上變量之間相互影響的定量關(guān)系。根據(jù)變量的數(shù)量分為一元回歸分析和多元回歸分析。由于影響科技創(chuàng)新產(chǎn)出數(shù)據(jù)的因素較多，故本研究采取多元線性回歸方法進行研究。

n組數(shù)據(jù)的多元線性回歸模型的一般形式為：

式中，yn為因變量；x1，x2，…，xi為自變量；β0為回歸常數(shù)項；β1，β2，…，βi為回歸系數(shù)；ε為隨機誤差項。

多元線性回歸模型需滿足5條假設(shè)條件，分別為自變量為彼此獨立的非隨機變量；自變量的所有觀測數(shù)據(jù)需有相同方差的隨機誤差項；自變量與隨機誤差項存在不相關(guān)關(guān)系；隨機誤差項為彼此不相關(guān)，且期望值或平均值為0的隨機變量；隨機誤差項符合正態(tài)分布。

模型采用最小二乘估計法，在SPSS軟件中選擇步進式變量輸入方式進行回歸分析。當變量進入方式為步進時，能夠自動計算出模型的最優(yōu)擬合。

當模型進行第四次計算時，R2為0.603，此時自變量（基礎(chǔ)建設(shè)搜索指數(shù)、人力資源搜索指數(shù)、公共服務(wù)搜索指數(shù)、知識產(chǎn)權(quán)搜索指數(shù)）與因變量（專利申請量）的相關(guān)關(guān)系較強，剔除資金支持搜索指數(shù)、服務(wù)外包搜索指數(shù)和海外機構(gòu)搜索指數(shù)三類相關(guān)性不強的因變量，線性回歸模型解釋度為60.3%，擬合程度較好，具備解釋能力。

回歸系數(shù)估計結(jié)果如表6所示，基礎(chǔ)建設(shè)搜索指數(shù)的系數(shù)為0.029，人力資源搜索指數(shù)的系數(shù)為0.019，公共服務(wù)搜索指數(shù)的系數(shù)為0.067，知識產(chǎn)權(quán)搜索指數(shù)的系數(shù)為0.053，自變量系數(shù)均大于0，表明自變量與因變量存在正相關(guān)關(guān)系。經(jīng)過t檢驗，常量和因變量的顯著性P均小于0.05，故而均有顯著性意義。在共線性診斷中，各個自變量的膨脹因子（VIF）均小于10，表示模型中的自變量之間未出現(xiàn)明顯的共線性。

表6 回歸結(jié)果

殘差項的正態(tài)檢驗如圖2所示，從殘差項的直方圖可以看出，殘差項的分布近似于正態(tài)分布。

圖2 標準化殘差

由以上檢驗結(jié)果可知，采用線性函數(shù)形式的新疆區(qū)域科技創(chuàng)新政策有效性模型滿足獨立性和正態(tài)性假設(shè)，具有良好的擬合度和解釋力，該回歸模型具有統(tǒng)計學意義。

最終建立線性回歸方程：

基于該模型，對因變量（專利申請量）進行預測，如圖3所示，其中虛線表示專利申請量的預測值，實線表示由國家知識產(chǎn)權(quán)局公布的專利申請量實際數(shù)據(jù)，由圖3可看出二者變化趨勢比較一致。

圖3 新疆專利申請量實際數(shù)據(jù)與預測數(shù)據(jù)趨勢對比

4.4 模型結(jié)果分析

根據(jù)回歸模型結(jié)果，對新疆區(qū)域科技創(chuàng)新政策有效性影響因素進行討論。人力資源、基礎(chǔ)建設(shè)、公共服務(wù)和知識產(chǎn)權(quán)4類政策工具的網(wǎng)絡(luò)搜索指數(shù)與專利申請量擬合度較好，表明網(wǎng)絡(luò)搜索數(shù)據(jù)與科技創(chuàng)新政策有效性有較為顯著的動態(tài)關(guān)聯(lián)性，故而網(wǎng)絡(luò)搜索行為既可以作為政策發(fā)布、執(zhí)行并產(chǎn)生效果后的輸出結(jié)果，也可以作為新政策制定的需求導向。從政策工具網(wǎng)絡(luò)搜索指數(shù)的系數(shù)可以看出，4類政策工具均對科技創(chuàng)新產(chǎn)出呈正向影響。其中公共服務(wù)和知識產(chǎn)權(quán)為較重要的政策調(diào)控工具，對科技創(chuàng)新產(chǎn)出影響最為顯著，對科技創(chuàng)新政策有效性影響最大，基礎(chǔ)建設(shè)和人力資源對科技創(chuàng)新產(chǎn)出影響相對較弱，對科技創(chuàng)新政策有效性影響相對較小。通過線性回歸模型也可運算出專利申請量的預測值，將運算得出的預測值與國家知識產(chǎn)權(quán)局所公布的實際數(shù)據(jù)進行比較，可以看出兩者變化趨勢大體一致。因此，該模型不僅可以用來評估科技創(chuàng)新政策有效性，還可以用來對科技創(chuàng)新產(chǎn)出作出預測，對下一階段的科技創(chuàng)新政策有效性進行預判和調(diào)整。

5 結(jié)論與建議

本研究采用網(wǎng)絡(luò)搜索方法，以新疆區(qū)域科技創(chuàng)新政策為研究對象，構(gòu)建了網(wǎng)絡(luò)搜索數(shù)據(jù)與政策有效性影響因素的相關(guān)模型，通過線性回歸方法進行實證研究，主要得出以下結(jié)論并以此提出建議。

1）為新疆科技創(chuàng)新政策有效性研究提供新的研究視角?，F(xiàn)有研究所采用的傳統(tǒng)研究方法往往以科技創(chuàng)新企業(yè)為研究對象，研究結(jié)果的準確性受到企業(yè)類型、企業(yè)數(shù)據(jù)、企業(yè)報表等因素影響。采用網(wǎng)絡(luò)搜索數(shù)據(jù)進行科技創(chuàng)新政策有效性研究，在研究數(shù)據(jù)獲取路徑、范圍和數(shù)量上都具有優(yōu)勢。

2）基于網(wǎng)絡(luò)搜索數(shù)據(jù)與政策有效性的相關(guān)模型，4類政策工具均對科技創(chuàng)新產(chǎn)出呈正向影響。在各類影響因素中公共服務(wù)和知識產(chǎn)權(quán)對科技創(chuàng)新產(chǎn)出影響最為顯著，對科技創(chuàng)新政策有效性影響最大，基礎(chǔ)建設(shè)和人力資源對科技創(chuàng)新產(chǎn)出影響相對較弱，對科技創(chuàng)新政策有效性影響相對較小。地區(qū)政府可以此為參考，合理優(yōu)化科技創(chuàng)新政策。優(yōu)化供給類政策工具配比，強化公共服務(wù)類和基礎(chǔ)建設(shè)類政策工具的使用，不斷加強信息化基礎(chǔ)設(shè)施的廣度和深度建設(shè)；平衡環(huán)境類政策工具結(jié)構(gòu)，發(fā)揮其滲透作用。在注重知識產(chǎn)權(quán)類保護政策的同時，平衡稅收金融、目標規(guī)劃、法規(guī)管制類政策的使用；加強需求類政策工具運用，發(fā)揮其拉力作用。在目前供給推動力大于需求拉動力的情況下，應大力引進和培育具有帶頭示范作用的服務(wù)外包企業(yè)，發(fā)展民間自營科研機構(gòu)，承接國際服務(wù)外包業(yè)務(wù)，借助一帶一路的東風，立足新疆地緣優(yōu)勢，利用外資科技創(chuàng)新活動的質(zhì)量和水平，擴大知識密集型科技創(chuàng)新服務(wù)出口，提升科技創(chuàng)新能力。

3）通過回歸模型計算出專利申請量的預估值，該預估值與官方網(wǎng)站所公布的真實值變化趨勢較為一致。在未來的研究中，可以在大數(shù)據(jù)背景下充分利用海量、多變的網(wǎng)絡(luò)搜索數(shù)據(jù)，基于回歸模型對科技創(chuàng)新產(chǎn)出進行合理預測，對下一輪新政策產(chǎn)生的效果進行及時調(diào)整。

4）本研究還有很多不足之處。關(guān)鍵詞的提取方法在信息分析時非常重要，但目前學術(shù)界還未對其進行系統(tǒng)研究，未來還需進一步研究。本研究收集數(shù)據(jù)的來源渠道較符合中國網(wǎng)民使用情況，針對國內(nèi)經(jīng)濟社會研究較為有效，但利用該方法探究全球范圍的經(jīng)濟社會研究時具有一定的局限性。