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，是推动人类社会进步的重要力量，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》，白宫新设立了美国创新办公室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) 方法引入创新政策研究，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。

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，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，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，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; 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，以及创新政策的分类、聚类、横纵向比较等，在统计中往往会忽略具体政策内容的差异。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。从研究主体上看，美国白宫科技政策办公室重点研究科技政策、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; 美国国家基金委、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; 联邦资助的研究与开发中心对国家实验室的建设制定相关政策; 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。

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。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。

研究方法和思路

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。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。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。

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) 政策和美国国家创新战略下的“创业美国”倡议为研究对象，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》和《美国国家创新战略》各 1 件，样本量共 83 件。

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。

研究过程和结果

将 83 份文件导入 NVivo 内部材料并对材料进行分组。运行词频查询得到词语云和词频列表。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。

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。

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。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 ，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%; 美国则是29个相关部门占总量658的4. 41%。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。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。

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。

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，商事制度和加计扣除具有推动作用，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。

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，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。

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。

本文原载于《中国软科学》2018年第4期。北大政治学（微信号：PKURCCP）为方便阅读，略去全部注释，并有删节和调整。