协同视角下基于文本计算的新能源汽车政策逻辑演化

郝 营, 郭明顺

(沈阳工业大学 管理学院, 辽宁 沈阳 110870)

新能源汽车是我国汽车产业转型升级、格局调整的重点。自“863”计划实施以来,我国颁布了一系列政策,《节能与新能源汽车产业发展规划(2012—2020年)》《国务院办公厅关于加快新能源汽车推广应用的指导意见》《关于延续新能源汽车免征车辆购置税政策的公告》等政策极大地促进了新能源汽车产业的发展。据中国乘用车协会(CPCA)统计,2021年我国新能源汽车销量为330万辆,占汽车总销量的12.56%。截至2021年底,我国累计建成充电桩261.7万个,换电站1 298座,形成了全球最大的充换电网络;同时,动力电池单体能量密度同2012年相比提高了1.3倍,价格下降了80%。但我国新能源汽车产业链自主可控水平不高,存在缺乏核心技术的短板问题,且私人消费市场发展并未达到预期;尤其是2016年,恶意骗补事件更是使政策结构调整和优化成为顶层设计的第一要务。随着补贴政策的退坡,技术门槛的提高,双积分政策的颁布逐渐规范了新能源汽车产业发展环境。2022年底,补贴政策完全退出,我国新能源汽车产业正式进入市场驱动阶段。

作为新兴产业,其具有典型的政策导向特征。新能源汽车产业政策构成了一个高度复杂的政策空间[1]。随着产业进程的推进,新能源汽车政策结构体系不断调整优化,只有在各项政策功能耦合实现系统功能时,政策才能够真正发挥效力。政策协同可以克服政府行为的分散化[2],政策实施效率的有效提升可以通过良好的政策协同来实现[3]。政策文本能够揭示政府的行为逻辑,是一种可观测的政策信息物化载体。以文本计算的方式对政策进行解读,能够克服主观评价造成的外部属性受限等问题,提高政策研究的精确度,推测出政策制定的核心和趋势。

本文基于政策文本计算对新能源汽车政策文本进行解读,以协同视角挖掘政策系统的协同演化及内部逻辑规律,为进一步优化新能源汽车政策结构和提升政策效力提供依据。本文创新点体现在:融合了文本计算与协同理论的双重研究视角,丰富了现有研究成果;从协同视角挖掘了我国新能源汽车政策体系的演化规律,进一步揭示了政策发展的内在逻辑。

一、文献回顾

1. 新能源汽车政策协同研究

新能源汽车产业处于发展初期,基于幼稚产业保护理论,政策为新能源汽车产业发展提供根本保障,而政策协同是为了更好地发挥产业政策的效力。计方等对成渝地区的新能源汽车政策从时间、空间和工具匹配三个维度的协同性进行分析,指出存在需求型政策工具的缺失[4]。乐为等通过测度单一政策措施或多项政策措施与不同目标的协同度,分析了政策协同与市场渗透率之间关系,从协同角度在强化市场表现方面提出相关建议[5]。协同可以作为政策制定和调整的内在逻辑,故应注重对新能源汽车政策工具的协同使用[6]。

协同度是对政策协同程度的科学度量,是深入研究的基础。ZHANG等在测量中央和地方政府之间的协同时采用一种政策依赖关系映射方法[7];仲为国等提出的政策协同度测度模型是被广泛接受的经典模型[8];张蕾等从政策颁布主体、政策措施力度等方面采用该模型对新能源汽车政策的协同情况进行分析[1]。何源等分析了新能源汽车产业政策的央地协同问题,在政策和时间双重维度下将央地政策协同与产业链进行匹配[9]。政策协同是新能源汽车政策结构优化调整的方向,可以为产业转型升级和高质量发展创造发展环境。

2. 政策文本计算研究

政策文本计算,又称为计算机辅助文本分析(Computer Assisted Text Analysis,CATA),是将政策分析科学和计算科学进行融合的一种交叉性研究方法。机器方式能够有效提升信息抽取和特征识别的效率,具有更强的科学性和工具性,FELDMAN等采用大规模数据和文本挖掘方法对政策内容进行了研究[10];张永安等采用文本挖掘的方法对新能源汽车补贴政策进行量化评价[11]。文本量化方法能够深入揭示政策背后的利益关系、各主体间的博弈以及政策执行的内在逻辑[12]。

通过对相关文献的梳理可以发现,协同已经成为新能源汽车政策研究的趋势。政策文本的精准聚类能够为政策协同提供科学的方法,从协同角度对新能源汽车政策结构进行优化,可以促进政策双向互动机制的形成,提升政策协同效率,实现政策精准实施和效力最大化,为政府制定产业政策提供科学依据和决策参考。

二、研究方法与数据来源

1. 研究方法

(1) LDA主题模型

LDA(Latent Dirichlet Allocation)主题模型是一个三层贝叶斯概率模型,属于非监督机器学习,能够从海量文本中提取主题,因其参数不受文本数量的影响,故具有较好的泛化能力。LDA模型的联合概率可表示为

p(wn|zn,β)

(1)

LDA主题模型的实现是通过R Studio软件中的LDA程序包进行建模,以预处理后的新能源汽车政策文本作为数据库,进行参数训练和主题抽取。

(2) 协同度模型

利用政策协同测度经典模型来计算新能源车两两政策协同度[9],可表示为

(2)

政策力度即每年有效政策的每个主题在语料库中所占的相对比重,计算公式为

(3)

式中:m=1,2,…,2020。

(3) 灰色关联度模型

灰色关联度模型是一种多因素统计分析方法,能够用来描述两两政策措施协同度与总协同度间的关系,根据其计算数值大小来判断相关性,且不受样本数量的影响。具体步骤如下:

(4)

2. 数据来源

通过中国汽车工业信息网、北大法律信息网数据库、相关政府部门网站、《节能与新能源汽车年鉴》和《中国汽车市场年鉴》等,收集我国2012—2022年国家层面的新能源汽车产业相关的政策文件作为政策集。

通过万方数据库对政策文件进行逐一核实,对重复文件、程序性文件(如批复、回函、通知等)、关联性不大的文件(无实质内容的文件)进行剔除。考虑到地方性政策通常是国家政策的进一步具体化,是国家政策的延续,因此本文主要以国家层面的政策作为研究对象,初步确定了208项政策,通过人工初步筛选,剔除无关或关联度较低的政策文件,最终确定156项政策作为研究文本。

三、我国新能源汽车政策协同度测度与分析

首先对中央层面颁布的新能源汽车政策进行预处理,政策文本分词采用R软件中的Chinese.misc包与JiebaR包来实现。通过对新能源汽车政策文本进行分词、去停用词处理后计算政策文本词频信息,从而确定新能源汽车政策语料库。运用LDA模型对关键词进行聚类分析,确定新能源汽车政策的具体措施。采用经典协同度模型计算新能源汽车政策协同度,对其内在协同和演化机制进行分析。

1. 基于LDA模型的新能源汽车政策主题识别

采用LDA模型对政策文本主题进行挖掘,基于已有关于新能源汽车政策的分类,将主题数确定为3～6种,反复试验后发现,主题数过少无法充分展现政策信息,而主题数过多易导致缺少意义,故最终确定主题数为4,α值为50/k+1,其中k为主题数。β为模型内参数,取值为0.01,迭代次数为5 000。LDA主题模型算法如表1所示。

表1 政策文本部分LDA主题模型算法

新能源汽车政策LDA的主题聚类结果(特征词相关度排序Top10)如表2所示。

表2 新能源汽车政策LDA主题聚类结果

依据每个主题下关键词的内容,设新能源汽车政策文本主题矩阵X={X1,X2,X3,X4},每一个主题下包含10个关键词,Xi={xi1,xi2,…,xiki},i=1,2,3,4。根据关键词的内容,将主题1～4分别命名为:规划引导政策、基础建设政策、技术规范政策、财税政策。

2. 新能源汽车政策协同度测度与分析

(1) 两两政策协同度结果与分析

通过计算协同度,对新能源汽车政策的发展规律及本质特征进行深入分析。将处理后的新能源汽车政策数据代入式(2)中,得到2012—2022年新能源汽车两两政策协同度测度结果(见图1)。

图1 2012—2022年新能源汽车两两政策协同度测度结果

由图1可知,2012年开始各政策协同度基本呈现逐年提升态势,不同时期政策协同度的变化幅度不同,其中规划引导与技术规范协同度、技术规范与财税政策协同度变化幅度较小,始终保持稳定的水平,而其他政策协同度的变化幅度较大。这充分体现出新能源汽车较高的技术密集性以及对发展风险的顶层保护。2018年,我国对财税政策的调整和完善体现了扶持优企强企的政策导向,技术门槛大幅度提高的同时也提高了高水平产品的补贴额度。这一做法同一些发达国家的新能源汽车政策相似:美国和欧盟将技术与税收政策的协同作为激励技术创新的有效工具,根据替代燃料化程度给予企业不同程度的补贴;欧盟在2019年通过的新法案中提出,在提高碳排放要求的同时给予车企一定的政策支持。

(2)政策总协同度测度与分析

因文本计算的协同度值较小,为更加清晰地展示新能源汽车政策协同的演化规律,对协同度值进行归一化处理,计算结果如图2所示。由图2可知,新能源汽车政策平均总协同度逐年上升,政策结构趋于合理、协同度趋于稳定。

图2 新能源汽车政策总协同度

随着每一年新政策的颁布和旧政策的废止,新能源汽车政策结构体系产生了显著的变化,整个政策系统在不断调整变化中更加协调有序。2014年开始,我国发布了一系列基础建设政策,尤其是在2015年下半年,国家密集出台了《关于加快电动汽车充电基础设施建设的指导意见》等一系列基础设施建设的相关扶持政策,同时财税政策大力推进使得新能源汽车产业有了长足发展,政策总协同度有了显著提升。2016年新能源汽车“骗补”事件之后,我国开始规范财税政策的实行标准,补贴开始全面退坡;2018年,在补贴进一步退坡的前提下,提出了免征购置税、调整汽车贷款、电子车牌、双积分等政策,各项政策措施协同发力使得政策协同度有了进一步提升。我国新能源汽车进入战略调整阶段,开始由以补贴为主转向技术开发。2020年,融合创新、突破关键核心技术的总目标使我国新能源汽车政策着力点发生了变化,政策总协同度呈现较大波动。根据政策协同度变化的转折点,可以将我国新能源汽车政策发展划分为快速发展阶段(2012—2016年)、战略调整阶段(2017—2019年)以及均衡发展阶段(2020—2022年)。

(3) 政策内部逻辑演化分析

灰色关联度模型能够用来测度两个因素之间的相关性。为了进一步分析新能源汽车政策的内部逻辑演化机制,本文基于灰色关联度模型,对每一发展阶段中两两政策协同度与总协同度的灰色关联度进行测算,并对每一阶段政策协同度的演变规律进行分析[13],结果如图3所示。

从两两政策协同度与总协同度的灰色关联度演化趋势可以看出,各项政策协同度与总协同度的关联程度逐渐增加,说明我国在新能源汽车政策的使用中更加强调多种政策措施的协同使用;不同政策协同度与总协同度之间灰色关联度值的差异逐渐缩小,在政策体系当中逐渐趋于统一和稳定。

图3中规划引导与基础建设政策协同度变化幅度最小,这与我国自发展新能源汽车产业以来始终注重基础建设有关;与技术规范政策相关的政策协同度总体水平较低,以及2014年以来我国大力发展基础设施建设而技术规范政策落地不够有关,这也是造成我国在大力扶持新能源汽车产业时出现恶意“骗补”等问题的根本原因。随着产业发展进程的进一步推进,与技术规范政策相关的三种政策协同度在政策体系中的关联度提升最为显著,尤其是技术规范与财税政策协同度已经发展成为与总协同度关联最高的一项,可见我国对技术规范和财税政策的重视程度。然而,规划引导与技术规范政策的协同度与总协同度的关联程度始终处于最低水平,一方面源于前期技术规范政策使用不足,另一方面在于技术发展缺乏有效的政策规划。

在不同发展阶段,我国新能源汽车政策因发力点不同,协同模式存在差异。新能源汽车政策协同体系逐渐形成了以基础建设为核心,规划引导与基础建设协同—规划引导与技术规范协同—基础建设与财税政策协同的演化思路。两两政策协同度与总协同度灰色关联度的变化幅度数值呈现先增大后减小的趋势,各项政策协同度的差异越来越小。可见,我国新能源汽车政策在不断调整中结构逐渐优化、趋于统一,产业政策由协同向均衡协同演变。

四、结论及启示

本文对2012—2022年我国中央层面颁布的新能源汽车政策进行梳理,在文本计算的基础上,将政策分成四类;基于经典协同度模型测算了两两政策与政策总协同度,通过计算二者之间的灰色关联度系数,对政策内在逻辑演化规律进行分析,得出以下结论:新能源汽车政策由协同向均衡协同发展;在不同时期,新能源汽车政策协同的模式存在差异;我国新能源汽车政策由规划引导与基础建设政策协同逐渐向规划引导与技术规范政策协同演化,再向基础建设与财税政策协同方向演化,各政策措施趋于均衡统一。

不同时期我国应依据产业发展动态及时调整政策结构,而不是着眼于单一政策的施行。本文据此提出以下建议:一是国家要加强新能源汽车政策的协同体系构建,充分发挥各项政策的特征,有针对性地解决产业发展难题。如针对市场推广不足问题,可以通过调整引导和财税政策的协同机制来改善。二是国家要优化新能源汽车政策体系,积极调整产业政策结构。如调整财税政策的实施方式,避免直接补贴造成的创新驱动不足、补贴过溢造成的创新懈怠等问题。