本文是一篇职称论文,本研究发现,首先,不同阶段主题存在差异性,但在疫情防控、企业扶持主题上存在延续性;其次,中央政策具有指导性、宏观把控性,湖北省整体注重疫情防控、医疗救治和复工复产,北京市侧重企业扶持、疫情防控、政务服务;最后,同层级政府的政策扩散特征表现不同。
1 相关研究
1.1 新冠肺炎疫情政策研究
按照政策研究对象,新冠肺炎疫情政策研究可分为国家层面和地方层面。在国家政策层面,马续补等[6]、江亚洲等[7]、Wu等[8]运用内容分析法、文献计量法从中央角度探究我国针对新冠肺炎的政策应对模式。周晓英等[9]通过文本聚类等方法对突发事件应急信息管理政策进行量化分析。赵亚琪等[10]利用内容分析法分析中、美、欧三个国家(地区)应对疫情财政政策的差异。在地方政策层面,刘娟等[11]分析了疫情防控政策对31个省(自治区、直辖市)快递业的影响。吴非等[12]为广东新冠肺炎疫情下金融业发展提供政策建议。
通过对文献的梳理可知,当前新冠肺炎疫情政策研究主要集中在国家层面,对省市层级研究很少。本文从不同层级政府主体出发,以更多视角探究新冠肺炎疫情的治理,系统化分析政策的制定和落实。
1.2 政策文本主题挖掘研究
随着文本挖掘技术的提升,更多学者借用文本挖掘技术来研究政策主题,一定程度上可以弥补政策计量分析深度不足和内容分析需要大量人力的缺点。在国外研究中,Cheng等[13]利用LDA提取国务院政策主题,分析主题演化路径。Gurciullo等[14]利用Word2Vec模型分析政治演讲与特定政策主题的语义接近度。Shirota等[15]通过LDA模型提取了日本货币政策会议纪要主题。在国内研究中,李月[16]将后离散时间法与LDA主题模型结合识别公共政策的主题和关键词。吴宾等[17]通过词频统计、共词和聚类分析发现我国住房保障政策焦点主题词和潜在关系。陈玲[18]、张涛等[19]使用LDA提取政策主题,构建了二维分析框架对相关政策进行综合分析。
从目前政策文本主题挖掘研究成果来看,LDA较适用于政策文本的主题挖掘,因此本文将LDA主题模型运用到政策研究中,并利用主题相似度分析政策主题间的关联。
1.3 政策扩散研究
目前政策扩散研究主要集中于政策扩散特征和政策扩散影响因素研究。政策扩散特征研究多分析政策在时间、空间、政府主体等方面的多维特征。李燕等[20]分析大数据政策扩散动力机制。马续补等[21]分析了公共信息资源开放政策的扩散强度、扩散速度和扩散广度特征。在政策扩散影响因素研究方面,多使用事件史分析法[22]、回归分析[23]等方法,揭示影响政策扩散内外部因素及作用机理。目前政策扩散影响因素研究已在居住证制度[24]、碳交易政策[25]、人才政策[26]等领域得到应用。
综上所述,学者多使用定性方法描述政策扩散特征,而对政策扩散的定量研究较少。在政策扩散指数研究方面,Walker [27] 研究了美国州政策的扩散现象,定义了政府创新扩散指数计算方法,以衡量各州采纳政策的速度。武学振[28]提出了综合创新扩散指数,对我国省级政府的信息政策创新扩散现象进行评价。王芳等[29]通过对政策主题挖掘,从政策发布时间、布局数量、政策主题强度、执行部门数量等多个维度出发,构建了多特征融合的政策扩散倾向性指标模型。王伟等[30]利用综合政策创新扩散指数,对各省国土空间规划实施配套政策创新进行比较。魏萍等[31]构建湖北省“一带一路”政策扩散量化指标体系。李晓月[32]基于综合创新扩散指数量化了地方政府政策创新扩散。在量化政府政策扩散的研究中,对省级政府的扩散研究居多,较少涉及市级政府或区级政府。本文结合Walker提出的创新扩散指数[27],以更多层级政府的政策扩散为研究目标,分析发文时间、发文部门、发文数量的政策扩散特征。
2 研究方法
本文提出的政策研究框架如图1所示。首先采集政策时空数据,然后提取新词构建政策词典,对政策文件进行分词、去停用词等预处理。将政策分别按照阶段和层级划分,利用LDA主题模型探究不同阶段、不同层级政策内容演变,利用政策扩散特征指标分析政府政策扩散行为,构建一个政策综合研究框架。
2.1 主题分析
1)文本预处理。在文本预处理中,政策中存在较多新冠肺炎疫情相关专属名词,如“群防群控”“健康码”等,为提高分词效果,构建自定义词典。词典的构建过程如下:分别以“新冠病毒”“新型冠状病毒”“新冠疫情”“肺炎疫情”为主题词在中国知网上检索,选取时间为2020年1月—2021年2月,利用关键词构建分词词典。然后使用Jieba结合哈工大停用词表进行分词、去停用词。
2) LDA模型。LDA主题模型是一种无监督学习的算法,它是由文档、主题、词组成,一篇文档可由多个主题构成,词语由其中之一的主题构成。与传统的主题挖掘方法相比,LDA模型在分析文本语义等方面具有良好的效果,可以忽略文档、词语的顺序,有效地分析大规模非结构化文档集。
3) 主题相似度。本文采用点积余弦相似度算法计算新冠肺炎疫情政策主题相似度,余弦值越大,表明相似度越高。公式(2)表示主题余弦相似算法计算公式,A和B为不同主题对应的向量。
2.2 层级扩散特征分析
将新冠肺炎疫情政策划分为根政策、干政策、枝政策[34],根政策是国家中央颁布的政策,干政策指各省级单位政策,这里将直辖市的市级单位视为同一层级,枝政策为干政策的下一级单位颁布的政策,即各省的市级单位和直辖市的区级单位。不同层级面临的环境不同,导致层级间的扩散和演进规律不同,因此在分析扩散特征时,需要分层级研究。
1)政策发布时间指标。政府发布政策越早,说明政府对相应主题政策的反馈速度快,其扩散速度也就越大。在特定主题下,政府会发布多条政策,因此,衡量政府的发文时间,应该综合其在该主题下所有政策的发布时间。
2)发文部门指标。某一主题政策的制定与实施,需要多个政府部门相互合作和参与,在具体任务中多部门进行权力分工与协同。部门参与的越多,说明政府对该主题政策执行的范围越广,部门间的配合度越高。
3)发文数量指标。一般而言,政府在某政策主题发布的政策频度,反映了对该政策主题的重视程度,政策数量发布越多,说明政策扩散倾向越强。
4)同层级政府扩散相对指数。因为不同层级政府的权利和职责不同,所以在分析政策扩散特征时,需要按照层级进行分析。
3 结果分析
3.1 实验数据
为了研究政府层级特征,本文选择中央、湖北省、北京市的政策作为数据源。湖北省政策是我国面临此次疫情最初应对表现,极具研究价值。北京市作为我国首都,其政治地位重要,又具有大城市人流量大、密度高等特点,其“内防扩散,外防输出”工作要求更为严格,可作为特大城市的缩影。政策时间选择为2020年1月20日—2021年1月20日,这一年度政策数据涵盖了我国在疫情不同阶段采取的应急措施,且从中央到省市政策发布趋势较为一致,有利于研究政策扩散。
政策文件来源于“北大法宝”的疫情防控专题和政府门户网站,爬取了2020年1月20日—2021年1月20日期间所发布的中央政策文件、湖北省政策文件和北京市政策文件。提取信息包括政策发文时间、发文部门、政策类型、政策内容。在去重、去除与疫情防控内容无关的文件后,得到中央文件1030个,湖北省文件627,北京市文件614个,共计2271个。
3.2 主题挖掘
3.2.1 阶段划分
为了更好地分析不同时期新冠肺炎疫情政策文献主题特征,根据疫情关键时间节点将疫情划分为三个阶段,见表1。图2 展示了在2020年1月20日—2021年1月20日期间,中央、湖北省和北京市的政策发文量和国家新增确诊人数的变化。可以看出,首先,二者的变化趋势基本一致,从侧面可以反映出我国在疫情发生后积极抗击疫情的态度;其次,从疫情最高点很快进入疫情平稳状态,反映出政策实施效果显著。
3.2.2 时间维度主题演变
本文使用gensim中的LDA模型提取政策主题,将数据预处理后,把数据输入LDA中,主题个数选取范围是[2,30]的整数,α设置为50/K,K为主题数,β设置为0.1,通过困惑度这一评估指标获得最优主题数。基于“主题—词”分布采用余弦值计算主题相似度,构建三个阶段的主题扩散桑基图(见图3),其中宽度表示主题间的相似度。
第一阶段的主题侧重于政府应急响应相关主题。第二阶段呈现多方向主题,其中疫情防控类主题包括人员防护、医疗器械等;经济发展类主题包括复工复产、企业扶持等。第三阶段主要任务是企业扶持、疫后重振、场所防控等。其中人员防护1和人员防护2相似度高达0.86,人员防护2和人员防护3相似度达到0.86,可以看出人员防护贯穿整个防控过程,在疫情防控中至关重要。企业扶持1和企业扶持2的相似度高达0.90,企业扶持2和企业扶持3的相似度高达0.84,其中,企业扶持1主要为企业生产和职工申请补贴,减少疫情对企业的冲击,企业扶持2主要从财政资金上为企业提供支持,促进复工复产,企业扶持3主要为企业项目建设、企业业务等提供服务和保障,可以看出各阶段对企业扶持高度重视,以减少疫情对企业发展的影响。
3.2.3 层级维度主题演变
不同层级所处环境不同,导致层级间政策侧重点不同,通过主题相似度可反映出层级间的扩散规律。图4是中央到湖北省级到湖北市级政策层级主题演变,图5是中央到北京市级到北京区级政策层级主题演变。
由图4可以看出,中央从医疗救治、交通运输、复工复产等多方面进行整体规划和宏观掌控,湖北省级更注重应急管理、财政金融、人员培训,湖北市级偏向企业扶持、复工复产、防控人员招聘等更细致性措施。企业扶持1和财政金融2相似度达到0.72,财政金融2和企业扶持3相似度达到0.74,湖北省级政府主要通过财政金融政策为企业扶持、企业复工复产提供