新能源汽车补贴政策工具挖掘及量化评价

张永安+周怡园

摘要 现阶段中国大力开展新能源汽车示范推广工作，中央及各地方政府已相继出台一系列补贴政策。在严厉打击新能源汽车“骗补”及补贴政策重新调整等背景下，分析梳理现有政策从而对其进行整体把握与正确判断显得尤为重要，从而为政策改进与优化做准备。本文选取了截至2016年底国家和北京市颁布的涉及新能源汽车补贴的相关政策。首先，从采用文本挖掘的方法整理出的政策文本的高频有效关键词从中提炼出的政策工具，可分为供给型、需求型、环境型三类，分别从技术推动、市场拉动和环境支撑三个方面促进和规范新能源汽车市场。发现现有政策工具仍存在一些问题，如缺乏支持新能源汽车技术提升和产品开发的供给型政策工具；环境型政策工具的作用重点欠科学，对充电基础设施建设的重视程度不够；补贴过于聚焦新能源汽车购买环节等。其次，结合政策特点运用PMC指数模型构建了新能源汽车补贴政策的量化评价框架，通过变量分类、参数识别建立了多投入产出表，并通过PMC指数的测量、PMC曲面的生成综合反映政策各维度的情况。再次，采用实证分析的方法，选取3项新能源汽车补贴政策（P1、P2、P3）为研究对象，对政策进行量化评价。结果得出3项政策的PMC指数分别为7.52、6.95、6.21，均在良好的等级之内，P1政策的量化结果为优秀，P2、P3政策结果为良好，且具有较大的提升空间，可考虑在激励措施等方面予以加强。最后，根据新能源汽车补贴政策无法取得预期效果的原因，提出三点政策优化意见：①重视供给型政策工具的使用，加大新能源汽车科研资金投入；②环境型政策工具的作用重点应放在充电等基础设施的建设上；③需求型可考虑采取以公共交通带动私人交通的策略。

关键词 新能源汽车补贴政策；文本挖掘；政策量化评价；PMC指数模型

中图分类号 F019.6

文献标识码 A文章编号 1002-2104（2017）10-0188-10DOI：10.12062/cpre.20170514

经济飞速发展人民物质水平不断提升，带动了汽车需求量的日渐增加，在能源匮乏与生态环境恶化的双重压力下，发展新能源汽车已经成为中国汽车产业前进的新方向[1]。作为扶持新能源汽车产业的重要助力，补贴政策引领并推动着新能源汽车市场的发展[2]。2009年以来，中国逐步开展节能与新能源汽车示范推广工作，国务院、财政部、科技部、工信部、发改委、各地方财政局等相继出台与之对应的财税补贴政策，大力发展节能与新能源汽车示范推广试点、私人购买新能源汽车补贴试点、新能源汽车推广应用示范等工作的实施[3]。消费者购置补贴、税收减免、鼓励充电设施建设等一系列新能源汽车补贴政策相继出台。中国政府对于新能源汽车的扶持补贴力度较大，但实际成果与预期激励效果仍有较大差距，新能源汽车“久推不广”的难题依然十分严峻[4]。2016年是“十三五规划”的开局之年，在严厉核查并打击新能源汽车“骗补”及补贴政策重新调整等背景下，除了需要优化监管程序和打击违法行为外，还需要对现有新能源汽车补贴政策进行较为科学的分析和评价，以政策文本角度建立起对新能源汽车补贴政策的整体把握与正确判断，从而为下一步的政策优化做准备。

1 文献综述

1.1 政策工具挖掘

政策工具是政策动态分析在工具科学层面的细化与深化，随着政策科学的兴起和发展，已成为政策研究领域的重要分支。作为政策科学的结构性理论，政策工具的研究方法论认为政策工具代表着政府的政策价值及政治理念，在一系列基本政策工具设计、搭配、整合、作用下便形成了政策[5]。

最为经典的分类方法是Rothwell和Zegveld[6]将政策工具划分为供给型、需求型和环境型三大类。Woolthuis[7]研究了政府对资源的应用将政策工具分为信息型、组织型及财政型。Hoppmann[8]将政策工具分为战略层、综合层及基本层。Huang等[9]提出，引导产业创新的政策工具通过作用于供给端的研发活动和需求端的国内外市场从而促进产业创新。这些政策工具主要有研发投入、财政政策、税收政策、公共服务、法律法规、政府采购、国际代理等。魏淑艳等[10]认为在新能源汽车产业政策工具研究中，存在管制工具过多和内部政策工具不足的问题。完善政策工具选择应选择市场化和社会化政策工具。葛建平[11]运用Howlett和Ramesh研究政策工具的框架，分析了新能源汽车充电基础设施供给的政策工具运用情況，发现现有政策工具有利于充电设施建设与供给，但对解决一些问题仍存在缺陷。谢青等[12]对中国新能源汽车产业相关的37项中央政策文本进行了内容分析，结果表明：三类政策工具中，环境面政策工具的使用最为频繁，并呈现出从供给面到环境面再到需求面的不断完善。郭随磊[13]在对6个典型的政策进行文本分析时发现中国政府在新能源汽车产业政策工具使用中，目标选择及工具属性具有合理性，但在政策工具执行中存在政府职能定位不合理及知识传播机制不通畅等问题。

综上所述，关于政策工具的研究较多但并不完善，针对新能源汽车补贴政策工具的研究仍不成熟。因此，本文运用文本挖掘及内容分析法探究新能源汽车补贴政策工具特点，阐述各类型政策工具与新能源汽车需求市场之间的作用关系。对比国外与新能源汽车相关的补贴政策结合中国实际发现政策存在的不足之处。

1.2 政策评价

政策评价是通过选择科学的标准和方法，对政策系统及过程实行综合考察，判断并衡量政策方案的复杂系统工程[14]。科学的政策评价结果能够调整、优化政策措施，提高政策执行质量，为预测政策走势等提供依据。

政策评价始于第一次世界大战前的教育和公共卫生计划[15]。20世纪70年代初的政策评价以社会计划为研究对象，已经发展成为社会科学评价中一个独立的专业领域。Oville F. Poland建立了“三E”评估分类架构，Edward A. Suchman建立了五类评估。Wollmann通过揭示因果关系来分析政策的作用成果以及政策对社会的影响，提出了经典的政策评价方法[16]。Carreira[17]根据各项政策目标的不同，将公共政策评价从四个方面进行解析，分别是：法律监管、决议和刺激性方案、技术经济效应和信息量。Nag[18]从政策目标和政策特征的角度研究，将政策分为急迫性政策（应急性）、强制性政策、一般性政策三类并作出了相应的评价指标。目前国外的政策量化评价大多实行分值方法，其他量化评价方法尚不成熟。陈衍泰等[19]以新兴产业企业需求方和供给方基本政策工具两个维度为框架，构建了新兴产业政策分析模型，并对中国中央、地方政府出台的新能源汽车产业政策进行计量分析和评价。刘兰剑等[20]运用柳卸林的创新政策供给端、需求端、环境端分析评价中国新能源汽车技术创新政策，对比国内外相关政策，发现了新能源汽车创新政策的三同三不同，提出了中国的新能源汽车技术创新政策战略性调整思路。

综上所述，现有研究多是对政策制定及实施的全过程进行跟踪，从而对政策实施效果进行评价，这种评价方式科学合理但仍存在不足之处。首先，需要对政策作用下的政策作用效果进行量化分析，耗费成本较高；其次，虽已设想出政策评价的基本研究框架，但对研究问题的聚焦程度不够，缺乏立足于政策本身的研究，仅适用于事后评价；最后，现有研究成果中政策评价方法较为单一，不能进行复杂的相关结构分析，需要进一步归纳和扩充。本研究则以新的视角主张针对政策本身的合理性及可行性进行分析，对政策方案文本进行梳理，目的是指导政策制定者对政策作出分析调整或为新政策的发布提供借鉴。本文选用PMC指数模型对新能源汽车补贴政策本身的科学性及合理性进行量化评价，从而为后续可能存在的政策实施效果评价做铺垫。

2 新能源汽车补贴政策工具分析

文本挖掘（Text Mining， TM），或称文本数据挖掘（Text Data Mining， TDM）是为了发掘和分析信息，从大规模文本库中提取隐藏的、未知的、潜在的有价值信息的方法[21]。文本挖掘是数据挖掘技术中日益流行的重要研究工具[22]，是基于知识发现，找出大量文本数据中隐藏的模式[23]。政策文本储存着大量信息，其质量关系着政策的作用效果。相较于人工阅读整理总结的方法文本挖掘能够克服政策文本字数繁多、主观性较强等问题，在分析政策特征时文本挖掘法比任何数据挖掘方法都更有优势。本研究以政策工具为切入点，采用文本挖掘的方法对新能源汽车补贴政策进行分析，建立政策语义文本挖掘模型。首先，把新能源汽车补贴政策文本导入ROSTCM6软件的数据库，对政策文本集进行分词及特征词提取预处理。其次，统计特征词词频，剔除干扰词频得到有效词频。最后，采用Rothwell和Zegveld有关政策工具研究的方法，挖掘出各类主要政策工具及其作用方式。

2.1 样本选取

新能源汽车补贴政策是各级政府为了发展新能源汽车产业所采取的一系列激励措施[24]。本文主要选取了截至2016年底国家、北京市颁布的新能源汽车补贴政策，通过浏览政策文件、查找与新能源汽车政府补贴相关的关键词，从国务院、财政部、科技部、工信部、发改委、北京市财政局、北京市科技委员会、北京市发改委等部门官方网站上发布的政策文件中收集整理得到新能源汽车补贴政策共计33项，这些政策由国务院、财政部、科技部等多个机构独立或参与颁布。

2.2 分词提取及词频统计

将33项新能源汽车补贴政策文本导入ROSTCM6软件的文本挖掘数据库，形成文档集进行文本分词处理，并将分词后的文档集做词频统计，输出的分词结果按照词频频率由高到低依次显示。由于样本选取为新能源汽车补贴政策，因此“新能源”、“汽车”等词汇的出现频率较高，在分析政策特性时这类词属于多余词汇对结果无明显作用，且较常出现的“重大”、“特别”、“非常”等程度副词及“提高”、“减少”等动词也无明显作用，因此也需要剔除。将以上词汇剔除后，整理得到本文将要着重分析的有效高频词汇，在表1中列出了前60个。

本文借鉴国际能源署（IEA）对政策类别的划分方法和Rothwell、Zegveld有关政策工具的典型分类模式，结合补贴政策体系和特点，统计并列出常用的新能源汽车补贴政策工具（见表2）。发现所研究的33项新能源汽车补贴政策兼顾了三种政策工具，分别是供给型政策工具（11.28%）、需求型政策工具（27.07%）和环境型政策工具（61.65%）。其中，供给型政策工具（研发补贴、运营补贴、金融支持）的主要作用是鼓励新能源汽车技术研发和新产品生产，从而提高产品性能、降低生产成本推动新能源汽车市场的发展；需求型政策工具（购置补贴、电价补贴、政府采购、税收减免）作为拉动力促进新能源汽车市场的发展及新能源汽车产品的消费，以对消费者的购置补贴为主；环境型政策工具（充电设施建设、示范组织、制度规范、目标规划）采取间接的方式作用于新能源汽车消费市场，通过营造相关环境条件和充换电配套设施来支持保障新能源汽车消费市场的正常运转。这样，三种类型的政策工具分别从技术推动、市场拉动和环境支撑三个方面促进和规范新能源汽车市场，保障新能源汽车市场推广过程的实现，如图1所示。

2.3 存在问题分析

对比国外促进新能源汽车市场推广的补贴政策措施，发现中国新能源汽车补贴政策工具体系存在以下问题：

（1）缺乏支持技术提升和产品开发的供给型政策工具。研发补贴政策工具的比重仅占4.51%。据资料显示，2006—2012年间中国有关新能源汽车专利申请共计2 011件，与此同时日本9 000件、美国4 000件[25]，可见中国的新能源汽车科学技术水平与发达国家之间还有较大差距。现有补贴政策易导致整车企业仅通过扩大产量获得政府更多的补贴，甚至采取“骗补”等违法手段，而不去注重新能源汽车整体技术水平和产品性能的提升。

（2）环境型政策工具的作用重点有待科学调整。作为新能源汽车的关键互补性资产，充电基础设施在各地区明显供给不足且建设十分缓慢，对充电基础设施建设的奖励力度多在建设费用的20%以下，这也成为了新能源汽车“久推不广”的重要原因之一。

（3）补贴过于聚焦新能源汽车购买环节。以购置补贴为主的需求型政策工具市场拉动作用并不理想，尽管政策工具比重最大（占比27.07%），但并没有触及消费者的真正需求，且滋生了企业采取“骗补”方式快速获得收益的念头，严重违背了补贴政策的初衷。

3 政策量化评价的PMC指數模型

PMC指数（Policy Modeling Consistency Index）模型是基于Ruiz Estrada等[26]提出的Omnia Mobilis假说，与早期基于其他条件均相同假设（Ceteris Paribus Assumption）研究每个独立变量对总体变化的累积效应影响不同的是，Omnia Mobilis假设 （everything is moving）旨在强调世间万物都是在不断运动、发展、联系的，因此在设立变量时应尽可能考虑全面，不忽略任何一个有可能的相关变量。PMC指数模型能够从各个维度分析一项政策的内部一致性及优势不足，测量PMC指数形成PMC曲面能够实现政策效力的多维度评价及单项指标的具体分析，且PMC曲面能够通过图像方式直观反映政策各维度的情况，是目前国际上较为先进的政策评价方法。本文拟通过PMC指数模型对中国新能源汽车补贴政策进行分析评价。PMC指数模型的构建具体包含：变量分类参数识别、构建多投入产出表、测量并计算PMC指数、生成PMC曲面。

3.1 变量的分类及参数识别

本文以新能源汽车补贴政策为研究对象，以Omnia Mobilis假说为指导思想，在Ruiz Estrada[27]对政策评价研究的基础上，参考耿喆[28]、李晨光[29]等对变量参数的设定，结合新能源汽车补贴政策的具体特点，调整并确立了10个一级变量，分别是：政策类型（X1）；政策时效（X2）；政策级别（X3）；发布机构（X4）；政策功能（X5）；作用层面（X6）；涉及领域（X7）；激励措施（X8）；政策受体（X9）；文件引用（X10）。每个一级变量下设若干二级变量，共计45个二级变量（见表3）。

（1）政策类型（X1）判断该政策对新能源汽车市场发展是否存在预测（X1：1）、监督（X1：2）、建议（X1：3）、描述（X1：4）、判定（X1：5）、试验（X1：6）等作用。

（2）政策时效（X2）考察政策对政策受体的作用时效，分为长期（X2：1）、中期（X2：2）、短期（X2：3）三种。

（3）政策级别（X3）反映政策的作用范围大小，分为国家级（X3：1）、省市级（X3：2）、区级（X3：3）三个等级。

（4）發布机构（X4）包含国务院（X4：1）、国家部委（X4：2）、省市地委（X4：3）、省市厅局（X4：4）、区管委会（X4：5）。

（5）政策功能（X5）涉及6个方面，分别是节能减排（X5：1）、产品推广（X5：2）、技术创新（X5：3）、规范引导（X5：4）、政府采购（X5：5）、制度约束（X5：6）。

（6）作用层面（X6）考察政策的重点作用内容。主要有国家（X6：1）、区域（X6：2）、产业（X6：3）、企业（X6：4）、新技术（产品）（X6：5）。

（7）涉及领域（X7）体现政策内容所涉及到的领域，如经济（X7：1）、社会（X7：2）、技术（X7：3）、政治（X7：4）、环境（X7：5）、多学科（X7：6）。

（8）激励措施（X8）考察政策对新能源汽车市场推广的激励手段，包括购置补贴（X8：1）、研发补贴（X8：2）、运营补贴（X8：3）、电价补贴（X8：4）、税收减免（X8：5）、金融支持（X8：6）、充电设施建设（X8：7）等。

（9）政策受体（X9）主要考察受到政策影响，并需采取相应措施的政策作用对象。下设汽车企业（X9：1）、地方政府（X9：2）、消费者（X9：3）、公共交通（X9：4）4个二级变量。

（10）文件引用（X10），即政策文本中是否存在文件引用情况，无二级变量。

在完成变量选择后，需要对PMC指数模型进行参数设定。本文假定每一个二级变量的重要程度相同，且在多投入产出表中所占权重相同，将所有参数值设定为二进制0和1，当政策符合相应二级变量时，该二级变量的值为1；若不符合，则值为0（即如果政策文本中出现相应含义的关键词则二级变量设置为1，否则为0）。

3.2 建立多投入产出表

多投入产出表是一种从多维度量化单个变量的数据分析框架。在多投入产出表中对10个一级变量下的45个二级变量进行赋值，且各变量所占权重相同。本文结合新能源汽车补贴政策各变量的具体情况，建立多投入产出表（见表4）。

3.3 PMC指数的测量

PMC指数的测量需要四个步骤。首先，将各一级变量及二级变量放入多投入产出表中；然后，根据公式（1）（2）对投入产出表中的二级变量进行赋值；其次，采用公式（3）对各一级变量值进行计算；最后，由计算出的一级变量值用公式（4）计算得出PMC指数。

将待评价政策的PMC指数计算出来后，根据得分对政策进行等级划分，标准如下：10—9（完美）；8.99—7（优秀）；6.99—5（良好）；4.99—0（可接受）。

3.4 PMC曲面的构建

PMC曲面可以将PMC指数以图像的方式表现出来，从而详细直观地展现政策量化评价的结果。计算PMC矩阵是构建PMC曲面的基础，本研究共有10个一级变量，但一级变量X10无二级变量，且各项政策在该指标的评分均为1，因此考虑到矩阵的对称性及PMC曲面的平衡性，在PMC曲面中去掉一级变量X10，形成3阶方阵。PMC曲面所对应的PMC矩阵值可由公式（5）计算得出。

4 新能源汽车补贴政策量化评价的实证研究

基于以上量化评价框架，本文从国务院、财政部、科技部、北京市财政局等官方网站选取了3项新能源汽车补贴政策，分别简记为P1、P2、P3。详细内容见表5。

然后，采用内容分析和文本挖掘的方法对投入产出表内的各指标进行赋值。结果如表6所示。

由三项政策的投入产出表分别计算各项政策的PMC指数值（结果四舍五入至小数点后两位），结果如表7，再用计算结果构建PMC曲面（见表8），最后将PMC曲面结果呈现在图2—4中。

根据上述过程，已分别得出3项新能源汽车补贴政策的PMC指数及对应的PMC曲面，并将各维度情况清晰展现在图2—4中，从而得出如下结论：

三项政策均较为合理，PMC曲面反映了政策的各维度情况。其中P1政策的PMC指数值为7.52，等级为优秀，说明P1在制定时对政策各维度进行了较为全面的考虑；P2、P3政策评价结果均为良好，其中导致P2政策PMC指数偏低是由于X8（激励措施）的评价结果稍低于各指标均值，仅涉及购置补贴和基础设施建设两项激励措施，因此政策制定者可在激励措施上加大投入，提高政策的激励效果；P3政策的评价结果也为良好，由于该项政策属于地方性政策，着眼于实现单个功能的具体执行方案，因此在X5（政策功能）、X9（政策受体）得分低于平均水平，这与政策本身的性质也有一定的关系，且仅涉及购置补贴一项激励措施，X8（激励措施）得分较低，可考虑采取多种激励措施促进地方新能源汽车市场的发展。这说明在制定补贴政策时，政策的激励奖罚措施仍应是政策制定者考虑的重点，只有这样才能最大限度地激发新能源汽车市场的发展，且为政策制定的科学性、完整性提供保障。

5 结论与建议

本文从政策工具挖掘和构建政策量化评价体系两个方面研究了新能源汽车补贴政策，发现该补贴政策兼顾了供给型、需求型和环境型三种政策工具，分別从技术推动、市场拉动和环境支撑三个方面保障新能源汽车市场推广过程的实现。其中，供给型作为推动力，促进新能源汽车相关技术研发和产品生产；需求型作为拉动力，主要作用于新能源汽车市场规模的扩大及新能源汽车产品的消费；环境型通过营造相关环境条件和配套设施来支撑、保障新能源汽车市场的健康发展。发现现有政策工具仍存在一些问题，如缺乏支持新能源汽车技术提升和产品开发的供给型政策工具；环境型政策工具中对充电基础设施建设的重视程度不够；需求型过于聚焦在新能源汽车购买环节的补贴等。其次，建立了基于PMC指数模型的新能源汽车补贴政策量化评价体系，选取三项新能源汽车补贴政策进行量化评价，评价结果显示三项政策均在良好范围之内，应结合各项政策的具体情况分析各维度量化结果，思考各项政策改进与提升的空间。该研究的目的是提供一种科学有效的政策量化评价方法，一方面，有利于政府更好地识别及评价目前所实施的不同类型的政策；另一方面，为政策制定、调整、修正及延续提供决策依据。

针对前文提出的新能源汽车补贴政策存在的问题提出如下改进意见：

（1）重视供给型政策工具的使用，加大科研资金投入。鼓励研发人员探索并掌握高性能电池、电控等核心技术，可尝试改变现有补贴方式以成果论奖励，制定相应奖励标准，如产品性能优化程度、企业竞争优势及市场竞争力等。也可借鉴发达国家组建新能源汽车开发联盟，鼓励科研机构、高校、新能源汽车生产厂家等联合起来，用集体力量突破关键技术，并对拥有核心技术和自主创新能力的企业或机构进行扶持和奖励。

（2）环境型政策工具的作用重点应放在基础设施建设。如今，充电难仍然是阻碍新能源汽车市场推广的绊脚石。与电池技术不同，新能源汽车充电基础设施建设完全可以通过政策手段强力推广。四部委已明确指出“对示范城市充电设施给予财政奖励”，但由于缺乏具体的实施办法与奖励标准，致使新能源汽车市场推广的重要助力成了一纸空文，因此完善新能源汽车充电服务网络、维修维护网络仍然是今后工作的重点。其次，应当努力完善和优化新能源汽车市场环境，如开展新能源汽车普及的宣传推广活动，增加人们对新能源汽车的认知，对积极进行推广模式创新和推广成果显著的企业和单位给予资金奖励。此外，落实新能源汽车不限行不限购的指导意见，降低消费者购买和使用新能源汽车的门槛，构建新能源汽车销售网络，方便消费者购买。最后，努力完善财政补贴的监督管理机制。注重国家新能源汽车主管部门和地方政府之间的监管协调，加大处罚力度，对骗补和寻租等违法行为进行严肃处理。

（3）需求型采取以公共交通带动私人交通的策略。地方政府应鼓励在公交、出租、公务、环卫和邮政等公共服务领域率先推广使用节能与新能源汽车。同时，真正识别不同城市地区市场的差异和消费者需求特性，依靠市场细分和商业模式创新等刺激消费。在购置补贴方面，不应仅根据续航里程来补贴，还应增加新能源汽车的技术水平、车辆安全性、可靠性等指标，从而杜绝那些没有能力制造高水平产品而打着新能源旗号企业的骗补行为。

参考文献（References）

[1]高倩，范明，杜建国.政府补贴对新能源汽车企业影响的演化研究[J].科技管理研究，2014，34（11）：75-79.[GAO Qian， FAN Ming， DU Jianguo. Study on evolution of government subsidies influence on new energy vehicle enterprise[J]. Science and technology management research，2014，34（11）：75-79.]

[2]张长令.应加快完善新能源汽车补贴政策[N]. 中国经济时报，2016-02-26（014）.[ZHANG Changling. Should speed up the improvement of new energy vehicles subsidy policy[N]. China Economic Times， 2016-02-26（014）.]

[3]吕仁志，齐亮，贾莉洁.新能源汽车补贴政策研究[J].汽车工业研究，2016（12）：36-40.[LV Renzhi， QI Liang， JIA Lijie. Research on new energy vehicle subsidy policy[J]. Auto industry research， 2016（12）：36-40.]

[4]张海斌，盛昭瀚，孟庆峰.新能源汽车市场开拓的政府补贴机制研究[J].管理科学，2015（6）：122-132.[ZHANG Haibin， SHENG Zhaohan， MENG Qingfeng. The government subsidies mechanism for market development of new energy vehicle[J]. Journal of management science，2015（6）：122-132.]

[5]张永安，耿喆，王燕妮. 区域科技创新政策分类与政策工具挖掘——基于中关村数据的研究[J]. 科技进步与对策，2015（17）：116-122.[ZHANG Yongan， GENG Zhe， WANG Yanni. Classification of regional science and technology innovation policy and policy instrument mining based on the research data of Zhongguancun[J]. Science & technology progress and policy， 2015 （17）：116-122.]

[6]ROTHWELL-R， ZEGVELD W. Reindustrialization and technology[M]. London： Longman Group Limited， 1985：83-104.

[7]WOOLTHUIS R K， LANKHUIZEN M， GILSING V. A system failure framework for innovation policy design[J]. Technovation，2005，25（6）：609-619.

[8]HOPPMANN J， PETERS M， SCHNEIDER M， et al. The two faces of market support：how deployment policies affect technological exploration and exploitation in the solar photovoltaic industry[J]. Research policy，2013，42（4）：989-1003.

[9]HUANG-C Y， SHYU J Z， TZENG G H. Reconfiguring the innovation policy portfolios for Taiwan SIP Mall industry[J]. Technovation，2007，27（12）：744-765.

[10]魏淑艷，郭随磊.中国新能源汽车产业发展政策工具选择[J].科技进步与对策， 2014 （21）：99-103.[WEI Shuyan， GUO Suilei. Chinas new energy automotive industry development and policy instrument selection[J]. Science & technology progress and policy，2014 （21）：99-103.]

[11]葛建平.北京市新能源汽车充电设施供给的政策工具选择[J]. 生态经济， 2013（10）：118-121，154.[GE Jianping. Policy instrument choice of new energy vehicles charging facilities supply in Beijing[J].Ecological economy，2013（10）：118-121，154.]

[12]谢青，田志龙.创新政策如何推动我国新能源汽车产业的发展——基于政策工具与创新价值链的政策文本分析[J]. 科学学与科学技术管理，2015（6）：3-14.[XIE Qing， TIAN Zhilong. How innovation policy promotes Chinas new energy vehicle industry： a text research from policy tools and innovation value chain[J]. Science of science and management of S.& T.， 2015（6）：3-14.]

[13]郭随磊.中国新能源汽车产业政策工具评价——基于政策文本的研究[J].工业技术经济，2015（12）：114-119.[GUO Suilei. The evaluation of policy tools of Chinese new energy vehicle industry： a research based of policy text[J]. Journal of industrial technological economics，2015（12）：114-119.]

[14]赵莉晓.创新政策评估理论方法研究——基于公共政策评估逻辑框架的视角[J].科学学研究，2014（2）：50-57.[ZHAO Lixiao. Research on theoretical method of innovation policy evaluation based on the evaluation framework of public policy evaluation[J]. Studies in science of science， 2014（2）：50-57.]

[15]杨雅南，钟书华.政策评价逻辑模型范式变迁[J].科学学研究，2013（5）：657-665.[YANG Yanan， ZHONG Shuhua. Paradigm change of the logic model of policy evaluation[J]. Studies in science of science，2013（5）：657-665.]

[16]WOLLMANN-H. The development of a sustainable development model framework[J]. Energy policy research， 2007，13：69-75.

[17]CARREIRA-C， TEIXEIRA P. Entry and exit as a source of aggregate productivity growth in two alternative technological regimes[J]. Structural change & economic dynamics， 2008，22（2）：135-150.

[18]NAG R，-CORLEY K G， GIOIA D A. The Intersection of organizational identity， knowledge， and practice： attempting strategic change via knowledge grafting[J]. Academy of management journal，2007，50（4）：821-847.

[19]陈衍泰，张露嘉，汪沁，等.基于二阶段的新能源汽车产业支持政策评价[J].科研管理，2013（S1）：167-174.[CHEN Yantai， ZHANG Lujia， WANG Qin， et al. Policy evaluation on the development of Chinas new energy vehicle industry based on Twostage Model[J]. Science research management， 2013 （S1）：167-174.]

[20]刘兰剑，宋发苗.国内外新能源汽車技术创新政策梳理与评价[J].科学管理研究，2013 （1）：66-70.[LIU Lanjian， SONG Famiao. The comparison of technology innovation policy about new energy automobile in China & abroad[J]. Scientific management research，2013 （1）：66-70.]

[21]阮光册.基于文本挖掘的网络新闻报道差异分析[J].情报科学，2012（1）：105-109.[RUAN Guangce. Analysis on web media report differences based on text mining[J]. Information science，2012（1）：105-109.]

[22]李尚昊，朝乐门.文本挖掘在中文信息分析中的应用研究述评[J].情报科学，2016（8）：153-159.[LI Shanghao， CHAO Lemen. The review on the application of text mining in Chinese information analysis[J]. Information science，2016 （8）：153-159.]

[23]杨张博，高山行.基于文本挖掘和语义网络方法的战略导向交互现象研究——以生物技术企业为例[J].科学学与科学技术管理，2015（1）：139-150.[YANG Zhangbo， GAO Shanxing. Study on interactive pattern of strategic orientations based on text mining and semantic networks： case study of biotechnology firms[J]. Science of science and management of S.& T.， 2015（1）：139-150.]

[24]范如国，冯晓丹.“后补贴”时代地方政府新能源汽车补贴策略研究[J].中国人口·资源与环境，2017，27（3）：30-38.[FAN Ruguo， FENG Xiaodan. Local government subsidy strategy analysis for new energy vehicles under subsidies recession era[J]. China population， resources and environment，2017，27（3）：30-38.]

[25]卢超，尤建新，戎珂，等.新能源汽车产业政策的国际比较研究[J].科研管理，2014（12）：26-35.[LU Chao， YOU Jianxin， RONG Ke， et al. International comparison of industrial policies for new energy vehicles[J]. Science research management， 2014 （12）：26-35.]

[26]ESTRADA M A R， Yap S F， NAGARAJ S. Beyond the ceteris paribus assumption： Modeling demand and supply assuming Omnia Mobilis[J]. International journal of economics research， 2008（2），185-194.

[27]ESTRADA M A R. Policy modeling： Definition， classification and evaluation[J]. Journal of policy modeling， 2011，33（4）， 523-536.

[28]张永安，耿喆.我国区域科技创新政策的量化评价——基于PMC指数模型[J].科技管理研究，2015，35（14）：26-37.[ZHANG Yongan， GENG Zhe. The quantitative evaluation of regional science and technology innovation policy： Based on the index of PMC model[J]. Science and technology management research， 2015，35（14）：26-37.]

[29]李晨光，张永安.区域创新政策对企业创新效率影响的实证研究[J].科研管理，2014，35（9）：25-35.[LI Chenguang， ZHANG Yongan. An empirical research on the impact of regional innovation policy on enterprise innovation efficiency[J]. Science research management， 2014，35（9）：25-35.]