國家高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū)生物醫(yī)藥產(chǎn)業(yè)政策主題挖掘及量化評價研究

喬晗 徐俐穎 李旭 李樹祥 褚淑貞

摘 要 目的：為我國生物醫(yī)藥產(chǎn)業(yè)發(fā)展提供參考。方法：收集2010年1月-2019年12月我國全部169家國家高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū)（以下簡稱“國家高新區(qū)”）官方網(wǎng)站上發(fā)布的政策文件，從中篩選出專門針對生物醫(yī)藥產(chǎn)業(yè)方面的政策以及全部產(chǎn)業(yè)政策中提及生物醫(yī)藥產(chǎn)業(yè)發(fā)展的政策，采用Excel 2019軟件進(jìn)行政策信息的匯總分析;使用Gensim包完成政策文本的預(yù)處理并構(gòu)建隱合狄利克雷分布（LDA）主題模型，實現(xiàn)對政策文本中潛在語義信息的提取與分析。結(jié)果：共收集到相關(guān)政策文本518件，其中有效詞匯共58 617個，高頻詞匯包括項目、人才、支持、補(bǔ)貼、創(chuàng)新等;提取出8個主題，按主題強(qiáng)度排序依次為技術(shù)創(chuàng)新、人才建設(shè)、融資支持、項目金融支持、稅收優(yōu)惠、資源引領(lǐng)、出口貿(mào)易、中小企業(yè)建設(shè)，強(qiáng)度分別為0.299、0.168、0.134、0.116、0.113、0.063、0.058、0.049。結(jié)論：國家高新區(qū)生物醫(yī)藥產(chǎn)業(yè)政策以技術(shù)創(chuàng)新、人才建設(shè)和融資支持為主，缺乏對中小企業(yè)建設(shè)、資源引領(lǐng)、出口貿(mào)易的關(guān)注。今后國家高新區(qū)對生物醫(yī)藥產(chǎn)業(yè)的政策支持及體系建設(shè)應(yīng)重點完善政策激勵措施，平衡各領(lǐng)域政策運(yùn)用比例;鼓勵企業(yè)擴(kuò)大海外市場，學(xué)習(xí)海外先進(jìn)技術(shù)，加強(qiáng)科研等領(lǐng)域的多邊合作;配套相應(yīng)的政策以增進(jìn)企業(yè)間的交流合作，發(fā)揮龍頭企業(yè)和名牌產(chǎn)品的帶動作用，促進(jìn)中小企業(yè)發(fā)展。

關(guān)鍵詞 隱合狄利克雷分布主題模型;國家高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū);生物醫(yī)藥產(chǎn)業(yè);政策;主題挖掘;量化評價

中圖分類號 R95;F426 文獻(xiàn)標(biāo)志碼 A 文章編號 1001-0408（2020）22-2689-06

DOI 10.6039/j.issn.1001-0408.2020.22.01

ABSTRACT? ?OBJECTIVE： To provide reference for the development of biomedical industry in China. METHODS： The policies and documents issued by 169 national high-tech industrial development zone （hereinafter reffered to as “National high-tech zone”） official websites from Jan. 2010 to Dec. 2019 were collected to screen policies specifically for the biomedical industry and the development policy of biomedical industry mentioned in all industrial policies. Excel 2019 software was used to summarize and analyze policy information. Gensim package was used to preprocess the policy texts and construct LDA topic model to extract the potential semantic information from the policy texts. RESULTS： A total of 518 policy texts were collected， including 58 617 effective words; high-frequency words included project， talent， support， subsidy， innovation， etc.; 8 themes were extracted， ranked by theme intensity as technological innovation， talent construction， financing support， project financial support， tax incentives， resource guidance， export trade， and construction of small and medium-sized enterprises， with the intensities of 0.299， 0.168， 0.134， 0.116， 0.113， 0.063， 0.058 and 0.049， respectively. CONCLUSIONS： The biomedical industry policy of the national high-tech zone is mainly based on technological innovation， talent construction and financing support， and lacks attention to the construction of small and medium-sized enterprises， resource guidance， and export trade. In the future， the national high-tech zones policy support and system construction for the biomedical industry should focus on improving policy incentives and balancing the proportion of policy applications in various fields; encourage enterprises to expand overseas markets， learn overseas advanced technologies， and strengthen multilateral cooperation in scientific research and other fields;support the corresponding policies to enhance exchanges and cooperation between enterprises， give play to the leading role of leading enterprises and famous brand products， and promote the development of small and medium-sized enterprises.

KEYWORDS? ?LDA topic model; National high-tech industrial development zone; Biomedical industry; Policy; Theme mining;Quantitative evaluation

國家高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū)（以下簡稱“國家高新區(qū)”）作為改革開放以來我國經(jīng)濟(jì)體制改革的重要成果之一，是我國高新技術(shù)產(chǎn)業(yè)孵化的重要基地。1988年經(jīng)國務(wù)院批準(zhǔn)，我國建立了首個高新區(qū)——中關(guān)村高新區(qū);經(jīng)過30多年的發(fā)展，國家高新區(qū)的隊伍和規(guī)模不斷發(fā)展壯大，截至2019年12月，我國國家高新區(qū)總數(shù)已達(dá)169家，完成了“示范、引領(lǐng)、輻射、帶動”創(chuàng)新發(fā)展的政策目標(biāo)，已成為推動國家創(chuàng)新發(fā)展的主力軍[1]。近年來，生物醫(yī)藥產(chǎn)業(yè)作為國家擬定的戰(zhàn)略新興產(chǎn)業(yè)步入了高速發(fā)展階段，逐漸成為了多個國家高新區(qū)發(fā)展的重點產(chǎn)業(yè)[2]。其中，以泰州醫(yī)藥高新區(qū)、上海張江藥谷為代表的主導(dǎo)生物醫(yī)藥產(chǎn)業(yè)的園區(qū)共110家，占高新區(qū)總數(shù)的65.1%[2];國家醫(yī)藥產(chǎn)業(yè)工業(yè)總產(chǎn)值從2007年的2 231.99億元（占比6.66%）增長至2018年的8 495.38億元（占比15.14%）[3-4]，在國家高新區(qū)的發(fā)展過程中占有舉足輕重的地位。

科技園區(qū)是推動高新技術(shù)產(chǎn)業(yè)高速發(fā)展的重要載體，世界各國紛紛建立了不同發(fā)展模式的科技園區(qū)（如著名的美國硅谷科技園）以提升自身的國際競爭力[5]。其中，美國等西方國家的科技園區(qū)建設(shè)以市場為導(dǎo)向[6]，而我國高新區(qū)的建設(shè)與此不同，政府主導(dǎo)的科技園區(qū)建設(shè)決定了國家高新區(qū)的高速發(fā)展離不開政府強(qiáng)有力的產(chǎn)業(yè)規(guī)劃能力，政策環(huán)境是高技術(shù)產(chǎn)業(yè)進(jìn)行技術(shù)創(chuàng)新、人才引進(jìn)和科學(xué)發(fā)展的前提條件[7]。政策作為推動我國國家高新區(qū)發(fā)展的重要工具，引起了眾多學(xué)者的高度關(guān)注，目前學(xué)術(shù)界對于高新區(qū)政策文本的研究多以量化評價為主。由于政策文本是一種較為特殊的文本，包含較多的政策用詞，政策用詞的高維性在政策文本挖掘分析過程中會降低文本聚類的效果，因此有必要對政策文本進(jìn)行語義分析[8]。隱含狄利克雷分布（Latent Dirichlet allocation，LDA）主題模型是一種非監(jiān)督學(xué)習(xí)模型，能夠提取文本中潛在的主題[8]。與傳統(tǒng)的定性分析方法不同，LDA模型可以在政策文本聚類及主題提取的過程中避免人工編碼的主觀因素[9]。已有多位學(xué)者將LDA主題模型運(yùn)用于政策文本的分析并取得了理想的實踐結(jié)果，如郎玫[10]利用網(wǎng)絡(luò)爬蟲軟件收集了2006-2016年甘肅省14市（州）政府網(wǎng)站中體現(xiàn)政府職能的政策文本，并基于主題模型LDA算法分析中央和地方職能的匹配性和對應(yīng)性，初步證實了該省經(jīng)濟(jì)發(fā)展動力不足、區(qū)域創(chuàng)新能力不足都與政府職能的匹配性有著很大的關(guān)聯(lián)。本研究以與生物醫(yī)藥產(chǎn)業(yè)相關(guān)的國家高新區(qū)園區(qū)層級政策文本為研究對象，通過探索政策文本高頻關(guān)鍵詞和主題分布特點，從整體上把握國家高新區(qū)生物醫(yī)藥產(chǎn)業(yè)的政策主題及發(fā)展重點，以期為我國生物醫(yī)藥產(chǎn)業(yè)發(fā)展提供參考。

1 LDA主題模型的構(gòu)建

LDA主題模型是一個基于三層貝葉斯拓?fù)浣Y(jié)構(gòu)的概率生成模型，其三層拓?fù)浣Y(jié)構(gòu)圖見圖1。該模型基于如下假設(shè)：（1）文檔集合中存在K個主題且主題之間相互獨(dú)立;（2）每個文檔由K個主題隨機(jī)混合組成，且主題參數(shù)服從Dirichlet分布;（3）每個主題是特征詞上的多項分布，該多項分布的參數(shù)服從Dirichlet分布。LDA主題模型廣泛用于提取文本中潛在的語義信息，并將文本數(shù)據(jù)分為文檔層、主題層和特征詞層，旨在從概率的角度構(gòu)建文檔的生成過程[11]，其概率模型圖見圖2。

圖2中，α、β為先驗參數(shù)，可根據(jù)經(jīng)驗給定;K為主題總數(shù);θ、ψ分別表示每個文檔的主題分布及每個主題的詞分布（即每個主題中所包含的主題詞及其相關(guān)度），是未知的隱含變量;Z=（z1，z2，…，zk）表示文檔的主題，W（w1，w2，…，wV）表示文檔中的特征詞，是可觀測到的已知變量，N為特征詞的個數(shù)。LDA模型生成文檔的過程分為兩步：（1）從Dirichlet（α）分布中生成每一篇文檔的主題分布θ并生成主題Z所包含的特征詞W。（2）從Dirichlet（β）分布中生成K個主題的詞分布并據(jù)此生成特征詞W。以上過程重復(fù)M次即可生成整個語料庫。所有變量的聯(lián)合分布計算公式如下：

式中，P（W|Z）是主題Z上的特征詞分布值，P（Z|D）為文檔D上的主題分布值，兩者的聯(lián)合概率分布P（W|D）構(gòu)成了文檔-主題-特征詞關(guān)系。在LDA主題模型中，θ和ψ的參數(shù)估計可以使用變異期望最大化（EM）算法[12]和Gibbs采樣[13]等統(tǒng)計技術(shù)來完成。

近年來，隨著計算機(jī)技術(shù)的發(fā)展，已有多個軟件可用于本文數(shù)據(jù)分析中的主題建模和挖掘，如SAS Text Miner和SPSS Clementine等商業(yè)軟件包及R語言、Python和Java等程序包含的文本挖掘開源工具包[14]。Gensim包作為Python的第三方開源包，包含多種常見的自然語言處理模型，如詞向量模型、TF-IDF（Term frequency-inverse document frequency）算法、LDA主題模型等。鑒于Gensim包提供的自然語言處理工具在文本挖掘中應(yīng)用的方便性及全面性，本研究采用Gensim包對國家高新區(qū)發(fā)布的生物醫(yī)藥產(chǎn)業(yè)相關(guān)政策文本展開研究。

2 資料來源

收集2010年1月-2019年12月我國現(xiàn)有169家國家高新區(qū)官方網(wǎng)站上發(fā)布的政策文件，從中篩選出專門針對生物醫(yī)藥產(chǎn)業(yè)方面的政策以及全部產(chǎn)業(yè)政策中提及生物醫(yī)藥產(chǎn)業(yè)發(fā)展的政策。排除僅體現(xiàn)政府對國家高新區(qū)發(fā)展態(tài)度的政策文本、與國家高新區(qū)相關(guān)性較低的政策文本（如一些人事變更通知等）等。文件類型包括法律、條例、意見、通知、辦法、措施、細(xì)則、決定、方案等。采用Excel 2019軟件進(jìn)行政策信息的匯總分析。

3 文件檢索結(jié)果及數(shù)據(jù)處理

3.1 文件檢索結(jié)果及分布情況

按照上述政策檢索和篩選方法，本研究共獲得國家高新區(qū)生物醫(yī)藥產(chǎn)業(yè)相關(guān)政策文本518件，涉及高新區(qū)132家，其余37家國家高新區(qū)因其官網(wǎng)未發(fā)布涉及生物醫(yī)藥產(chǎn)業(yè)的政策文件或未建立官方網(wǎng)站而未獲得有效信息。518件政策文本的地區(qū)分布見圖3。由圖3可知，與生物醫(yī)藥產(chǎn)業(yè)相關(guān)的政策文本主要集中在東部地區(qū)。

3.2 政策文本預(yù)處理

以518件國家高新區(qū)生物醫(yī)藥產(chǎn)業(yè)園區(qū)層級政策文本為語料庫，采用Genisim中的Jieba分詞工具包并結(jié)合正則表達(dá)式（去除字母、數(shù)字等非中文字符）進(jìn)行中文分詞。融合《中文停用詞庫》《哈工大停用詞》作為本研究的停用詞表，去掉長度小于2的詞匯以及“企業(yè)”“組織”等政策文本的常規(guī)名詞詞匯，同時加載基于國家高新區(qū)和政策文本的自定義詞典以提升分詞效果，最終獲得有效詞匯58 617個。

為了構(gòu)建合適的數(shù)據(jù)結(jié)構(gòu)，使其具有Gensim主題建?？梢蕴幚淼妮斎敫袷剑狙芯坎捎迷~袋模型（Bag of words）的形式來表示文檔。該模型可以忽略每個詞匯出現(xiàn)的順序，將每篇文檔表示成一個長向量。同時，引入TF-IDF算法進(jìn)行詞向量加權(quán)，建立詞項文檔矩陣（DTM）。TF-IDF算法可減少在多篇文檔中頻繁出現(xiàn)的詞匯的權(quán)重，并可提升稀有詞匯的權(quán)重[15]，其計算公式如下：

3.3 模型參數(shù)設(shè)置

LDA主題模型取決于3個參數(shù)：Dirichlet超參數(shù)α和β以及主題數(shù)量K。本研究參考Griffiths TL等[13]提出的方案，將經(jīng)驗值α設(shè)為50/K、β設(shè)為0.1，作為初始模型參數(shù);在初始參數(shù)值附近不斷調(diào)試，同時觀察模型結(jié)果確定最優(yōu)參數(shù)，最終調(diào)參結(jié)果為α=0.2、β=0.1。本研究采用“主題一致性（Topic coherence）”[16]評價主題模型，一致性分?jǐn)?shù)（Coherence value）越高，表示主題可解釋性越強(qiáng)。因本研究政策文本樣本量為518，當(dāng)主題數(shù)量過高時，模型不穩(wěn)定，須結(jié)合主題一致性折線圖（如圖4所示）取10以下的最優(yōu)主題數(shù)[17]。由圖4可知，最優(yōu)主題數(shù)K=8。

4 結(jié)果

4.1 高頻詞匯分析

采用上述方法對本研究納入的政策文本進(jìn)行預(yù)處理，并對分詞得出的58 617個詞匯進(jìn)行詞頻統(tǒng)計，結(jié)果見表1（因篇幅所限，本文僅列出前10個高頻詞匯）;選取排名前200位的關(guān)鍵詞繪制詞云圖，結(jié)果見圖5（圖中關(guān)鍵詞字號越大，詞頻越高）。

上述政策文本關(guān)鍵詞詞云圖基本可以體現(xiàn)我國國家高新區(qū)生物醫(yī)藥產(chǎn)業(yè)政策的集中情況。例如，高頻詞“支持”“扶持”等詞匯體現(xiàn)出我國國家高新區(qū)生物醫(yī)藥產(chǎn)業(yè)政策主要是以支持和激勵為導(dǎo)向，引導(dǎo)企業(yè)發(fā)展。生物醫(yī)藥產(chǎn)業(yè)的特點是長周期、高投入、高風(fēng)險、高利潤，因此企業(yè)前期的資金風(fēng)險較高，特別是中小型生物醫(yī)藥企業(yè)面臨的處境更為困難，企業(yè)發(fā)展離不開資金，圖中“補(bǔ)貼”“資金”等詞匯體現(xiàn)出我國政策的側(cè)重點在對企業(yè)的財政支持上，例如，北京中關(guān)村管委會發(fā)布的《中關(guān)村國家自主創(chuàng)新示范區(qū)天使投資和創(chuàng)業(yè)投資支持資金管理辦法》[18]對企業(yè)成果轉(zhuǎn)化類項目及產(chǎn)業(yè)轉(zhuǎn)化類項目給予資金支持，帶動了園區(qū)內(nèi)企業(yè)協(xié)同創(chuàng)新平臺的建設(shè)。如今，人才已成為各行各業(yè)發(fā)展不可或缺的資源，從圖中也可看出，“人才”“團(tuán)隊”“補(bǔ)助”等詞匯體現(xiàn)出園區(qū)政策對國家高新區(qū)人才建設(shè)的大力支持，如泰州醫(yī)藥高新區(qū)管委會發(fā)布的《關(guān)于加強(qiáng)中國醫(yī)藥城專業(yè)化高層次人才隊伍建設(shè)的實施意見》[19]對醫(yī)藥城高層次創(chuàng)業(yè)人才給予資金獎勵及生活津貼，同時解決其配偶就業(yè)問題，并提供子女入學(xué)保障、醫(yī)療保險、住房補(bǔ)貼、社會保障等完善措施，以解決創(chuàng)新創(chuàng)業(yè)人才的家庭顧慮。創(chuàng)新是生物醫(yī)藥產(chǎn)業(yè)發(fā)展的核心競爭力，激勵生物醫(yī)藥產(chǎn)業(yè)創(chuàng)新發(fā)展已成為產(chǎn)業(yè)轉(zhuǎn)型升級的重要方式，圖中“創(chuàng)新”“科技”“知識產(chǎn)權(quán)”即體現(xiàn)出政策的關(guān)注點集中于企業(yè)創(chuàng)新，如泰州醫(yī)藥高新區(qū)管委會印發(fā)《關(guān)于推進(jìn)科技創(chuàng)新引領(lǐng)高質(zhì)量發(fā)展的若干政策》[20]，通過鼓勵企業(yè)自主創(chuàng)新、推動科技成果轉(zhuǎn)移轉(zhuǎn)化、加強(qiáng)研發(fā)機(jī)構(gòu)和載體建設(shè)多個渠道推動生物醫(yī)藥產(chǎn)業(yè)科技創(chuàng)新的高質(zhì)量發(fā)展。

4.2 政策文本主題分析

4.2.1 主題強(qiáng)度分布LDA 主題模型可以計算整個語料庫中每個主題的比例，即主題強(qiáng)度，以反映每個主題在語料庫中的相對分量。由LDA主題模型訓(xùn)練得出每篇文檔對應(yīng)主題的后驗概率以及每個主題對應(yīng)主題詞的后驗概率，進(jìn)而得出主題強(qiáng)度，計算公式如下：

其中，Pk表示第k個主題的主題強(qiáng)度，θki表示第i篇文檔的主題是主題k的概率，N為政策文本的總數(shù)。本研究所得8個主題的主題強(qiáng)度分布見圖6。

參考文獻(xiàn)的分類方法[17]，根據(jù)上述主題強(qiáng)度值對主題挖掘結(jié)果進(jìn)行熱門主題和冷門主題的對比研究。強(qiáng)度較高的主題有7、5、4，即為熱門主題;主題0、6強(qiáng)度適中等，主題1、2、3強(qiáng)度明顯低于其他主題，即為冷門主題。

4.2.2 主題內(nèi)容分析 由“2.2”項下模型和本課題組對政策文本的先驗知識，結(jié)合主題的代表特征詞進(jìn)行歸納總結(jié)，可得主題-特征詞分布，詳見表2（因篇幅所限，本文僅列出每個主題所對應(yīng)的前10個特征詞）。

根據(jù)各個主題-特征詞的分布情況，對8個主題的側(cè)重點和政策關(guān)注的主要層面歸納如下：主題0為項目金融支持，其特征詞“項目”“投資”“外商投資”表明政策對項目推進(jìn)的支持側(cè)重于資金的投入;主題1為中小企業(yè)建設(shè)，“新興產(chǎn)業(yè)”“科技攻關(guān)”“優(yōu)惠政策”體現(xiàn)了政策對于中小企業(yè)科技創(chuàng)新的支持;主題2為資源引領(lǐng)，“上市公司”“跨國公司”等詞匯體現(xiàn)出政策對龍頭企業(yè)的引領(lǐng)作用;主題3為出口貿(mào)易，“出口”“重大項目”“專利技術(shù)”所體現(xiàn)的是政策對于通過擴(kuò)大海外市場提升競爭力的支持;主題4圍繞的是融資支持，“融資”“資金”“扶持”等詞表明政策的導(dǎo)向是通過促進(jìn)融資來支持企業(yè)的研發(fā)創(chuàng)新;主題5與人才建設(shè)有關(guān)，“資助”“經(jīng)費(fèi)”等表明政策支持高層次人才、專家學(xué)者來共同參與建設(shè)國家高新區(qū)的生物醫(yī)藥產(chǎn)業(yè);主題6是稅收優(yōu)惠，“所得稅”“抵扣”等說明政策在稅收方面實行優(yōu)惠以促進(jìn)生物醫(yī)藥企業(yè)的發(fā)展;主題7為技術(shù)創(chuàng)新，“科技”“創(chuàng)新”“研發(fā)”等表明創(chuàng)新是生物醫(yī)藥產(chǎn)業(yè)發(fā)展的動力源泉，是政策支持的重點對象。結(jié)合圖6可知，國家高新區(qū)518項生物醫(yī)藥產(chǎn)業(yè)政策中的強(qiáng)度較高的熱門主題依次為技術(shù)創(chuàng)新（0.299）、人才建設(shè)（0.168）、融資支持（0.134），強(qiáng)度較低的冷門主題為資源引領(lǐng)（0.063）、出口貿(mào)易（0.058）、中小企業(yè)建設(shè)（0.049），強(qiáng)度中等的主題為項目金融支持（0.116）、稅收優(yōu)惠（0.113）。

5 分析與討論

本研究在構(gòu)建LDA主題模型的基礎(chǔ)上，對2010年1月-2019年12月涉及生物醫(yī)藥產(chǎn)業(yè)的518件國家高新區(qū)政策文本進(jìn)行了量化分析，輔助以詞頻分析等方法，較為清晰地分析了政策的總體分布和主題的強(qiáng)弱，避免了人工解讀政策文本的主觀性，證實了LDA主題模型用于政策文本量化分析的可行性，為松散、大量的政策文本的解讀提供了有效途徑，為科學(xué)、詳盡地了解各園區(qū)生物醫(yī)藥產(chǎn)業(yè)政策導(dǎo)向提供了有價值的信息。由政策主題強(qiáng)度分布及主題內(nèi)容分析可知，國家高新區(qū)生物醫(yī)藥產(chǎn)業(yè)政策體系的建設(shè)存在以下不足。

5.1 生物醫(yī)藥創(chuàng)新激勵措施運(yùn)用失衡

由上述分析可見，我國國家高新區(qū)促進(jìn)生物醫(yī)藥產(chǎn)業(yè)發(fā)展的激勵措施存在較明顯的偏向性，技術(shù)創(chuàng)新、人才建設(shè)、融資支持這3個熱門主題的強(qiáng)度達(dá)0.601，由熱門主題中的特征詞“融資”“補(bǔ)助”“資助”結(jié)合政策文本高頻詞中的“補(bǔ)貼”（頻次1 542，占比2.63%）、“資金”（頻次1 443，占比2.46%）、“補(bǔ)助”（頻次1 295，占比2.21%）可見，政策多以資金補(bǔ)貼為主要激勵措施。生物醫(yī)藥產(chǎn)業(yè)創(chuàng)新發(fā)展需要政府強(qiáng)有力的政策激勵措施來支持，但激勵措施運(yùn)用失衡同樣會對產(chǎn)業(yè)發(fā)展產(chǎn)生不利影響[21]。如果政府研發(fā)補(bǔ)貼等直接資金支持投入過重，容易導(dǎo)致企業(yè)忽視自身產(chǎn)業(yè)發(fā)展規(guī)律，盲目擴(kuò)張、產(chǎn)能過剩;而適當(dāng)?shù)亩愂諆?yōu)惠政策可以通過降低企業(yè)的創(chuàng)新成本，引導(dǎo)企業(yè)加大研發(fā)投入，進(jìn)而享受更多稅收優(yōu)惠額，有利于企業(yè)根據(jù)自主創(chuàng)新需求有針對性地擴(kuò)大投入，形成長期的激勵效果[22]。目前，我國高新區(qū)生物醫(yī)藥產(chǎn)業(yè)的稅收優(yōu)惠政策和體系仍然有待完善，主要存在優(yōu)惠范圍窄、力度小、人力資本和組織運(yùn)營投入相關(guān)稅收政策缺失等問題[23]，故需要進(jìn)一步健全創(chuàng)新激勵導(dǎo)向的稅收制度體系，并還應(yīng)在運(yùn)行過程中不斷優(yōu)化系統(tǒng)規(guī)范和實施細(xì)則?？傊?，鼓勵生物醫(yī)藥企業(yè)創(chuàng)新，需要綜合運(yùn)用各項相輔相成的配套激勵措施，不斷提高政策運(yùn)用的科學(xué)性、可操作性，方能達(dá)到最優(yōu)的效果。

5.2 對企業(yè)擴(kuò)大海外市場缺乏足夠的支持力度

資源引領(lǐng)、出口貿(mào)易為冷門主題，主題強(qiáng)度分別為0.063、0.058，是整個國家高新區(qū)生物醫(yī)藥產(chǎn)業(yè)政策體系中建設(shè)較為薄弱的部分。生物醫(yī)藥產(chǎn)業(yè)作為我國重點發(fā)展的戰(zhàn)略性新興產(chǎn)業(yè)，已成為多個國家高新區(qū)的支柱產(chǎn)業(yè)，正處于蓬勃發(fā)展階段。但在全球醫(yī)藥市場中，仍是起步較早的歐美國家在技術(shù)和產(chǎn)品上占據(jù)領(lǐng)先地位[24]。技術(shù)和產(chǎn)品的領(lǐng)先重在技術(shù)創(chuàng)新和產(chǎn)品質(zhì)量，通過以上主題分析結(jié)果可以得知，我國現(xiàn)有政策主要通過研發(fā)補(bǔ)貼、人才引進(jìn)等舉措來促進(jìn)企業(yè)的技術(shù)創(chuàng)新，缺少對企業(yè)引進(jìn)海外先進(jìn)技術(shù)和設(shè)備的支持，也缺少支持企業(yè)間、企業(yè)與國內(nèi)外高校和研究機(jī)構(gòu)間交流合作的配套政策，較難發(fā)揮行業(yè)龍頭的帶動作用。產(chǎn)品、技術(shù)和貿(mào)易是我國生物醫(yī)藥產(chǎn)業(yè)占據(jù)國際領(lǐng)先地位的必要條件，而目前我國生物醫(yī)藥產(chǎn)業(yè)國際競爭力還需進(jìn)一步提升[25]，針對企業(yè)知名品牌打造、業(yè)務(wù)國際化發(fā)展的政策也處于相對匱乏的狀態(tài)，亟待相關(guān)部門出臺相關(guān)政策給予指導(dǎo)。

5.3 對中小企業(yè)扶持力度不足，缺少具體的針對性政策

中小企業(yè)建設(shè)的主題強(qiáng)度為0.049，是8個主題中強(qiáng)度最低的冷門主題，可見各國家高新區(qū)對于中小生物醫(yī)藥企業(yè)的扶持還欠缺針對性的政策和措施。從主題內(nèi)容來看，生物醫(yī)藥產(chǎn)業(yè)政策涉及中小企業(yè)建設(shè)的主要為企業(yè)的創(chuàng)新能力，其中“名牌產(chǎn)品”“科技攻關(guān)”以及“優(yōu)惠政策”等正是我國中小生物醫(yī)藥企業(yè)所面臨的且亟待解決的問題。例如，中小生物醫(yī)藥企業(yè)作為新藥創(chuàng)新的主體主要會面臨技術(shù)、創(chuàng)新人才以及資金不足等困難;組織化程度低的中小生物醫(yī)藥企業(yè)還缺少合適的融資平臺和渠道，很難獲得融資;此外，中小生物醫(yī)藥企業(yè)稅費(fèi)負(fù)擔(dān)重也一定程度上阻礙了其長遠(yuǎn)發(fā)展[26]。2014年，國務(wù)院就出臺了《關(guān)于扶持小型微型企業(yè)健康發(fā)展的意見》[27]來引導(dǎo)各級政府、各地高新區(qū)構(gòu)建中小企業(yè)良好的發(fā)展和創(chuàng)新環(huán)境，加強(qiáng)對中小企業(yè)的扶持力度，但從目前國家高新區(qū)政策分析結(jié)果來看，對于中小生物醫(yī)藥企業(yè)創(chuàng)新、稅收以及融資等方面仍缺乏詳細(xì)的指導(dǎo)政策和配套措施，有待進(jìn)一步完善。

6 結(jié)語

綜上所述，目前我國國家高新區(qū)生物醫(yī)藥產(chǎn)業(yè)政策以技術(shù)創(chuàng)新、人才建設(shè)、融資支持為主，缺乏對中小企業(yè)建設(shè)、資源引領(lǐng)、出口貿(mào)易等的關(guān)注。今后國家高新區(qū)對生物醫(yī)藥產(chǎn)業(yè)的政策支持及體系建設(shè)應(yīng)重點完善政策激勵措施，平衡各領(lǐng)域政策運(yùn)用比例;鼓勵企業(yè)擴(kuò)大海外市場，學(xué)習(xí)海外先進(jìn)技術(shù)，加強(qiáng)科研等領(lǐng)域的多邊合作;配套相應(yīng)的政策以增進(jìn)企業(yè)間的交流合作，發(fā)揮龍頭企業(yè)和名牌產(chǎn)品的帶動作用，促進(jìn)中小企業(yè)的發(fā)展。

參考文獻(xiàn)

[ 1 ] 王勝光，朱常海.中國國家高新區(qū)的30年建設(shè)與新時代發(fā)展：紀(jì)念國家高新區(qū)建設(shè)30周年[J].中國科學(xué)院院刊，2018，33（7）：693-706.

[ 2 ] 陳露，褚淑貞.我國生物醫(yī)藥產(chǎn)業(yè)工業(yè)園區(qū)現(xiàn)狀及發(fā)展模式[J].現(xiàn)代商貿(mào)工業(yè)，2016，37（9）：3-5.

[ 3 ] 程凌華，李享.中國火炬統(tǒng)計年鑒：第1部分：國家高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū)[M].北京：中國統(tǒng)計出版社，2018：30.

[ 4 ] 王樹海，閆耀民.中國火炬統(tǒng)計年鑒：第1部分：國家高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū)[M].北京：中國統(tǒng)計出版社，2008：17.

[ 5 ] 衛(wèi)平，張躍東，姚瀟潁.國內(nèi)外科技園區(qū)發(fā)展模式異質(zhì)性研究[J].中國科技論壇，2018（7）：180-188.

[ 6 ] 胡德巧.政府主導(dǎo)還是市場主導(dǎo)：硅谷與筑波成敗啟示錄[J].中國統(tǒng)計，2001（6）：16-18.

[ 7 ] 鄭代良，鐘書華.中國高新技術(shù)政策30年：政策文本分析的視角[J].科技進(jìn)步與對策，2010，27（4）：90-93.

[ 8 ] 楊慧，楊建林.融合LDA模型的政策文本量化分析：基于國際氣候領(lǐng)域的實證[J].現(xiàn)代情報，2016，36（5）：71-81.

[ 9 ] 趙樂，張興旺.面向LDA主題模型的文本分類研究進(jìn)展與趨勢[J].計算機(jī)系統(tǒng)應(yīng)用，2018，27（8）：10-18.

[10] 郎玫.大數(shù)據(jù)視野下中央與地方政府職能演變中的匹配度研究：基于甘肅省14市（州）政策文本主題模型（LDA）[J].情報雜志，2018，37（9）：78-85.

[11] 劉江華. 1種基于Kmeans聚類算法和LDA主題模型的文本檢索方法及有效性驗證[J].情報科學(xué)，2017，35（2）：16-21、26.

[12] BLEI DM，NG AY，JORDAN MI. Latent Dirichlet allocation[J]. J Mach Learn Res，2003，3（4/5）：993-1022.

[13] GRIFFITHS TL，STEYVERS M. Finding scientific topics[J]. Proc Natl Acad Sci：USA，2004，101（1）：5228- 5235.

[14] HANCHEN J，MAOSHAN Q，PENG L. Finding academic concerns of the Three Gorges Project based on a topic modeling approach[J]. Ecol Indic，2016. DOI：10.1016/j.ecolind.2015.08.007.

[15] ROBERTSON S. Understanding inverse document frequency：on theoretical arguments for IDF[J]. J Doc，2004，60（5）：503-520.

[16] BOTH A，HINNEBURG A. Exploring the space of topic coherence measures[C]//Eighth ACM international conference on web search and datamining. New York，Association for Computing Machinery，2015：399-408.

[17] 李湘東，張嬌，袁滿.基于LDA模型的科技期刊主題演化研究[J].情報雜志，2014，33（7）：115-121.

[18] 中關(guān)村管委會.中關(guān)村國家自主創(chuàng)新示范區(qū)天使投資和創(chuàng)業(yè)投資支持資金管理辦法[EB/OL].（2014-11-01） [2020-10-27]. http：//zgcgw.beijing.gov.cn/zgc/zwgk/zcfg18/sfq/139714/index.html.

[19] 泰州醫(yī)藥高新區(qū)管委會.關(guān)于加強(qiáng)中國醫(yī)藥城專業(yè)化高層次人才隊伍建設(shè)的實施意見[EB/OL].（2019-01-02）[2020-10-27]. http：//gxqxxgk.taizhou.gov.cn/art/2019/1/2/art_32431_3204.html.

[20] 泰州醫(yī)藥高新區(qū)管委會.關(guān)于推進(jìn)科技創(chuàng)新引領(lǐng)高質(zhì)量發(fā)展的若干政策[EB/OL].（2019-02-21）[2020-10-27].http：//gxqxxgk.taizhou.gov.cn/art/2019/2/21/art_32435_3264.html.

[21] 畢曉方，張俊民，李海英.產(chǎn)業(yè)政策、管理者過度自信與企業(yè)流動性風(fēng)險[J].會計研究，2015（3）：57-63、95.

[22] 曾萍，鄔綺虹.政府支持與企業(yè)創(chuàng)新：研究述評與未來展望[J].研究與發(fā)展管理，2014，26（2）：98-109.

[23] 寇恩惠，李向陽，趙楊.完善創(chuàng)新型小微企業(yè)稅收優(yōu)惠政策的思考[J].財政監(jiān)督，2017（14）：5-10.

[24] 劉泉紅，劉方.中國醫(yī)藥產(chǎn)業(yè)發(fā)展及產(chǎn)業(yè)政策現(xiàn)狀、問題與政策建議[J].經(jīng)濟(jì)研究參考，2014（32）：39-67.

[25] 潘琪，王雋，徐曉媛，等.“一帶一路”背景下我國醫(yī)藥產(chǎn)品進(jìn)出口現(xiàn)狀與發(fā)展[J].中國醫(yī)藥導(dǎo)報，2019，16（5）：168-171.

[26] 孫振淋，沈念伍，褚淑貞.醫(yī)藥產(chǎn)業(yè)集聚中的中小醫(yī)藥企業(yè)[J].中國藥事，2013，27（3）：288-291、297.

[27] 國務(wù)院.關(guān)于扶持小型微型企業(yè)健康發(fā)展的意見[EB/OL].（2014-11-20）[2020-10-27]. http：//www.gov.cn/zhengce/content/2014-11/20/content_9228.htm.

（收稿日期：2020-02-09 修回日期：2020-10-28）

（編輯：孫 冰）