科研 Skill

政策文本量化分析

policy-text-analysis

按政策工具三分法构建编码框架,结合分词与主题模型做量化分析并检验信度。适用于政策工具、政策演进与府际比较研究。

发布者 Codar安全审核通过v0.1.0更新于 2026-11-18

SKILL.md

政策文本量化分析(Policy Text Analysis)

适用场景

  • 以某一领域(如新能源汽车、养老服务、数字政府、科技成果转化)的中央与地方政策为样本,统计政策工具结构与偏好。
  • 构建“政策工具 × 政策目标/价值链环节/政策力度”的二维或三维分析框架,识别工具配置失衡。
  • 对一段时期(如“十一五”至“十四五”)的政策文本做主题演化分析,划分政策阶段。
  • 比较不同省份、不同层级政府在同一议题上的政策文本差异,为扩散或府际关系研究准备变量。
  • 构造政策力度、政策协同等量化指标,作为后续计量模型的解释变量。

边界与不适用

  • 本 Skill 处理“文本即数据”的编码与量化;访谈、田野资料的主题编码属于通用质性方法,参考其他 Plugin 的主题编码类 Skill。
  • 不做法律效力判断或合规意见;法规现行有效性以官方发布与权威数据库标注为准。
  • 政策文本数量多不等于政策执行强,量化结果只反映“文本层面”的政策供给,不能直接推断实施效果(效果评估见 policy-evaluation-design)。
  • 商业数据库(如北大法宝)的全文受版权与使用协议约束,不得整库爬取或二次分发。

工作流

  1. 界定研究问题与样本边界
    • 输入:研究议题、时间窗、发文层级。
    • 操作:明确纳入标准(发文主体、文种:法律/行政法规/部门规章/规范性文件;是否纳入通知转发类、批复类、领导讲话)。
    • 产出:书面纳入/排除标准。决策点:是否只取“有实质政策内容”的文件,转发类一般剔除以免重复计数。
  2. 检索与收集文本
    • 来源:中国政府网“国务院政策文件库”、部委官网“政策法规”栏目、北大法宝、各省政府公报、地方政府信息公开平台。
    • 操作:多关键词组合检索并记录检索式与检索日期;人工复核相关性。
    • 产出:政策清单(文号、标题、发文机关、发文日期、效力级别、来源 URL)。
  3. 文本清洗与分析单元切分
    • 操作:去页眉页脚、附件说明,统一全角半角;以“政策条款”为最小编码单元,编号为“文件序号-章-条-款”(如 12-3-2)。
    • 决策点:以条款还是以整份文件为单位——工具频次分析通常以条款为单位。
  4. 建立编码框架
    • X 维(政策工具):Rothwell & Zegveld 三分法——供给型(人才培养、资金投入、技术支持、基础设施、公共服务)、环境型(目标规划、金融支持、税收优惠、法规管制、策略性措施)、需求型(政府采购、服务外包、贸易管制、示范工程、海外合作)。子类按议题微调,但须写入编码手册并给出定义与示例。
    • Y 维:按议题选择,例如产业链/价值链环节、政策目标、政策对象;Z 维可选政策力度或时间阶段。
    • 产出:编码手册(类目、定义、判定规则、正反例)。
  5. 双人编码与信度检验
    • 操作:两名编码员独立对随机抽取的 10%–20% 条款试编码,计算 Cohen's Kappa(多人用 Fleiss' Kappa 或 Krippendorff's α);讨论分歧修订手册后再正式编码。
    • 决策点:Kappa 低于约 0.6 时须修订手册并重新试编码,常见以 0.7 或 0.8 以上作为可接受水平,具体阈值在论文中说明依据。
  6. 量化统计与可视化
    • 计算各工具类型频次、占比,绘制二维交叉表/热力图;按年份统计发文量与工具结构变化。
  7. 计算文本挖掘(可选)
    • jieba 分词 + 自定义领域词典 + 停用词表;TF-IDF 关键词;LDA(gensim)或 BERTopic 主题模型,按一致性(coherence)和可解释性选主题数;可做政策文本相似度(余弦)衡量地方对中央文件的“再生产”程度。
  8. 解释与稳健性
    • 对比不同编码方案或主题数下结论是否一致;结合政策背景解读工具偏好。

工具与数据源

最小可运行代码(Python)

# pip install jieba scikit-learn pandas
import jieba
import pandas as pd
from sklearn.metrics import cohen_kappa_score
from sklearn.feature_extraction.text import TfidfVectorizer

# 1) 编码信度:两名编码员对同一批条款的工具类别
coder_a = ["供给", "环境", "环境", "需求", "供给", "环境"]
coder_b = ["供给", "环境", "供给", "需求", "供给", "环境"]
print("Cohen's Kappa =", round(cohen_kappa_score(coder_a, coder_b), 3))

# 2) 分词 + TF-IDF 关键词
docs = ["加大财政资金投入,支持关键核心技术攻关",
        "完善税收优惠政策,优化营商环境",
        "扩大政府采购规模,开展示范应用"]
jieba.add_word("关键核心技术")
tokenized = [" ".join(jieba.lcut(d)) for d in docs]
vec = TfidfVectorizer(token_pattern=r"(?u)\b\w+\b")
X = vec.fit_transform(tokenized)
terms = vec.get_feature_names_out()
for i, row in enumerate(X.toarray()):
    top = pd.Series(row, index=terms).nlargest(3)
    print(i, list(top.index))

质量检查

  • 检索式、数据库、检索日期完整记录,可复现样本。
  • 已剔除重复、转发、失效文件,并说明处理规则。
  • 编码手册含定义与正反例,子类适配议题且互斥。
  • 报告 Kappa/α 值、试编码样本量及分歧处理过程。
  • 主题模型报告主题数选择依据、预处理步骤、停用词表来源。
  • 不把“文本频次”误解释为“政策效果”。
  • 遵守数据库使用协议,不公开分发受版权保护的全文。

输出格式

  • 政策样本表:序号|文号|标题|发文机关|层级|日期|效力级别|来源。
  • 编码表:条款编号|条款原文|X 工具大类|工具子类|Y 维类目|Z 维(可选)|编码员。
  • 结果:工具分布表与占比、二维交叉热力图、年度趋势图、主题词表与主题演化图。
  • 报告章节:研究设计—样本与编码—信度—工具结构分析—主题演化—结论与政策启示。

参考规范与文献

  • Rothwell, R., & Zegveld, W. (1985). Reindustrialization and Technology.
  • Howlett, M. (2011). Designing Public Policies: Principles and Instruments.
  • Krippendorff, K. Content Analysis: An Introduction to Its Methodology(多版)。
  • Blei, D. M., Ng, A. Y., & Jordan, M. I. (2003). Latent Dirichlet Allocation. Journal of Machine Learning Research.
  • Landis, J. R., & Koch, G. G. (1977). The measurement of observer agreement for categorical data. Biometrics.

示例提示词

请帮我用 Rothwell 和 Zegveld 政策工具框架,对 2015—2024 年国家层面新能源汽车产业政策做二维编码分析,并计算编码信度 Kappa。

所属插件

公共管理与政策分析面向公共管理与政策研究:政策文本量化与政策工具编码、政策扩散事件史分析、政策评估设计、政府与公共数据源、公共预算财政、指标体系赋权、案例研究、政府绩效效率与政策建议写作。

安装该插件会一并获得同领域的 10 个 Skill / MCP。

同插件的其他科研 Skill

常见问题

政策文本量化分析能做什么?

按政策工具三分法构建编码框架,结合分词与主题模型做量化分析并检验信度。适用于政策工具、政策演进与府际比较研究。

如何安装政策文本量化分析?

在科搭 Codar 左侧点击「插件」,在「组件」页签搜索「政策文本量化分析」并安装;在 Claude Code 或 Codex 中可以发送本页的安装提示词,或下载 Skill 包后解压到 ~/.claude/skills 或 ~/.codex/skills。

政策文本量化分析需要哪些权限?

该科研 Skill没有声明额外权限;执行具体操作时仍由 Agent 按自身规则请求确认。

政策文本量化分析经过官方审核吗?

是。SpeedSkills 收录的每个版本都会记录内容摘要与权限声明,当前版本已通过安全审核。