苏州市高新技术产业发展影响因素分析——基于ISM模型与NK模型

叶爱山，夏海力

（苏州科技大学 商学院，江苏 苏州 215009）

高新技术产业是知识密集型产业，是区域经济发展的重要组成部分。我国“十三五”规划中将高新技术产业作为国家实施创新驱动发展的重要手段，2016年苏州高新技术产业产值14 382亿元，占规模以上工业总产值的比重达46.9%［1］。因此，挖掘出高新技术产业发展的深层影响因素，对提升苏州综合竞争力有着重要现实意义。

目前已有研究成果来看，Sternberg指出，高新技术产业发展的主要影响因素有政府政策、区域禀赋、需求因素等，并着重强调政府在高新技术产业发展中起到重要主导作用［2］。Blonigen等认为科研和技术创新是影响高新技术产业发展最为重要的因素［3］。张子林等基于灰色关联度模型分析出吉林省高新技术产业发展影响因素关联度最高的为授权发明专利数指标［4］。张同斌等通过构建高新技术产业的可计算CGE模型，结果显示政府财政激励政策和税收优惠政策对高新技术产业发展具有积极作用，并且政府财政激励政策效果更为显著［5］。何建莹等运用C-D函数对我国高新技术产业进行实证分析，研究表明FDI对我国高新技术产业发展影响显著，尤其电子计算机及办公设备制造业FDI溢出系数较高［6］。杨清可等运用AHP-熵权法、马尔科夫链和ESDA方法，对中国31个空间单元高新技术产业的3个时间断面数据分析，得出区位禀赋、人力资本等新兴因素对高新技术产业发展的影响不断增强［7］。翟琼等研究劳动力要素、R&D投入对区域高新技术产业发展的影响，得出R&D投入对我国东部地区高新技术产业发展贡献显著，劳动力投入要素对高新技术产业发展的贡献始终处于十分重要位置，其弹性系数始终保持在0.5～0.7之间［8］。金浩等基于省际面板数据PVAR模型实证研究得出科技金融投入将有助于高新技术产业发展，进而使产业结构得以优化［9］。

总体来说，目前关于高新技术产业发展影响因素研究，多数从某一影响因素视角出发，而缺乏对高新技术产业发展整体的影响因素分析。从影响苏州高新技术产业发展状况的多因素角度进行展开分析，旨在探寻苏州高新技术产业发展亟待优化的影响因素。

1 苏州市高新技术产业发展影响因素指标选取

1.1 苏州市高新技术产业发展状况

2016年，全市高新技术产业产值超过1.43万亿元，科技进步贡献率达61%，R&D经费投入占地区生产总值的比重达2.7%。通过认定的高新技术企业达到4 133家，城市整体科技实力连续多年名列江苏省前列，但仍与国内其他发达城市存在一定差距［1］。苏州市2012—2013年高新技术产业发展迅速，2015—2016年明显缓慢，高新技术产业产值与其占规模以上工业产值比重以每年1%增速上升（见图1所示），数据来源于2013—2016年的《苏州统计年鉴》［10］和苏州市2016年国民经济和社会发展统计公报［1］。提升苏州城市综合竞争力必须从高新技术产业出发，挖掘出制约苏州高新技术产业发展的影响因素，为高新技术产业更好发展提供借鉴。

图1 苏州高新技术产业发展状况图

1.2 苏州市高新技术产业发展影响因素指标选取

苏州市高新技术产业发展影响因素指标选取主要源于《中国统计年鉴》［11］科技部类活动指标与《中国高技术产业统计年鉴》［12］生产经营状况指标。为保证指标选取的科学性、合理性以及层次性，采取多角度进行要素筛选，具体包括以下6个一级指标：劳动力要素、资本要素、技术要素、政策要素、市场要素以及社会经济发展水平要素。依据大量文献研究的结果，初步汇总出6个一级指标与23个二级指标。在此基础上诚邀来自高等院校、科研机构、高新技术企业、行业协会以及政府部门共计25位专家学者进行问卷调查，并对调查结果多次迭代，实现专家意见统一，得出苏州高新技术产业发展的12个重要影响因素（编码：S1—S12），见表1所示。

表1 苏州高新技术产业发展影响因素

2 ISM模型与NK模型构建

2.1 ISM模型构建

ISM模 型（Interpretative Structural Modeling），美国Warfield教授于1973年首次开发出的一种采用结构化模型解决问题的方法。该模型利用相关领域专家的丰富经验与专业知识将系统分解为多个子系统要素，使系统构建成多层递阶的结构模型，并把各元素之间的相互关系与内部结构以简洁直观的多层阶级图展现出来。ISM模型构建主要步骤：1）提出需解决的问题，采用科学性、创造性、可行性方法收集相关影响因素；2）判断各影响因素是否存在直接或间接关系，并运用关联矩阵进行表示；3）通过关联矩阵计算可达矩阵；4）对可达矩阵进行层级关系分解，建立递阶结构模型；5）将模型与已有的意识模型进行比较。若存在不符，则对影响因素及关联关系进行调整，经多次反馈、比较、修正，最终达到满意结构分析。

高新技术产业发展影响因素之间关系错综复杂，因此构建ISM模型进行梳理与分析因素之间相互作用机理。在确定表2关联矩阵所示高新技术产业发展影响因素之间的相互关系时，笔者对高新技术企业主管、行业协会成员、高校教授、科研机构组员以及政府相关部门负责人进行发放问卷调查。共发放问卷310份，回收到有效问卷264份，有效问卷回收率85.2%。高新技术产业发展影响因素间（i和j）关系用A、B、Y和N四个符号来标记，具体意义如下：1）符号A：若影响因素i对影响因素j有直接或间接影响，但j对i无影响；2）符号B：若影响因素j对影响因素i有直接或间接影响，但i对j无影响；3）符号Y：若影响因素i与j之间互相影响；4）符号N：若影响因素i与j之间不存在相关性。

表2 关联矩阵

2.2 NK模型构建

适应度景观理论（Fitness Landscape Theory）是由Wright教授于1932年研究生物基因过程中首先提出。适应度景观是一种山谷（Vally）和高峰（Peak）相间的崎岖地貌。每种基因组织对应景观中一个点，而这个点正是基因型（Genotype）的适应度值。基因适应度值高，点对应景观高峰；相反适应度值小，点对应景观山谷。进化过程就是物种为达到最高的适应度值，在景观中适应性地行走的过程［13］。1993年Kauffman结合适应度景观理论来研究生物有机体的演化过程中提出了自然杀伤模型（Natural Kill Model，简称NK模型）。在NK模型中，适应度景观被描述成不同系统适应度，通过研究系统中不同元素之间的相互关系及对该系统适应度的影响，以寻找更高适应度的系统构成，且NK模型易生成适应度景观图［14］。

NK模型由三个主要参数组成，N代表系统组成元素，K代表元素之间的上位互动数，A代表系统内每个元素的等位基因，它们的变化可以使元素的性质发生变化。该模型是把复杂系统描述成由N个元素构成的系统，K是适应度景观的主要决定因素，适应度依赖于K，其基因组合的数量是AN。若元素之间存在相互作用时K=N-1，K越大表明系统中上位关系越多，系统的复杂性也就越强。

3 结果与分析

3.1 ISM模型关联矩阵分析

依据ISM模型原理，关联矩阵可形成布尔矩阵，为更好地理清影响因素之间的层级结构，运用布尔运算规则对布尔矩阵运算，可得可达矩阵。记布尔矩阵为C，可达矩阵为Z，I为单位矩阵，Z=（C+I）r=（C+I）r+1≠（C+I），运用MATLAB（版本2016b）软件计算可得r值为5 ，得到可达矩阵Z，具体如表3所示。

表3 可达矩阵

3.2 关联因素层次结构图

图2 苏州高新技术产业发展影响因素层次结构图

可达矩阵经可视化为影响因素层次结构图，如图2所示。结构图具体可划分为4个级别：第Ⅰ层为直接影响因素，包含S10、S12影响因素；第Ⅱ至Ⅲ层表示中层因素，包含 S11、S2、S3、S9、S4、S5、S8、S1影响因素；第Ⅳ层为最深层因素，包含S6、S7影响因素。在此研究基础上，引入NK模型对影响因素层级分析，找出苏州高新技术产业发展影响因素的最优路径。

3.3 NK模型数据处理

依据以上分析可得，苏州市高新技术企业集群动力影响因素层级分为4个等级。其中，第Ⅰ层为外层影响因素，第Ⅱ至第Ⅳ层为内层影响因素，内层影响因素得以优化处理，其外层影响因素很容易解决。因此，只针对第Ⅱ至第Ⅳ层3个层级做进一步探讨。

内层的3个层级之间存在着相关联作用，消除影响因素的适应度受到这3个层级的影响。因此，NK模型中影响因素层级N为3，各层级之间上位互动数K为2。对相关领域多位专家发放Linkert五级量表问卷，获取消除影响因素的效果。依据专家对五级量表问卷的调查结果进行统计，标准化处理所得数据，其公式为：

式中：a'i为i层级调查结果ai的标准化值，amax与amin分别为调查结果最大值与最小值。

若标准化后的a'i小于均值，则对应层级状态记为0，表示该层级对消除影响因素的水平低于系统平均水平；若标准化后的a'i大于均值，则对应层级状态记为1，表示该层级对消除影响因素的水平高于系统平均水平。因此消除影响因素仅存在两种状态，即系统等位基因数A为2，其存在组合有AN=8种。对问卷结果标准化处理后并取得均值后作为对应状态的适应度，组合状态及其适应度见表4所示。

表4 组合状态及适应度

依据表4的组合状态和适应度，运用Boolean hypercube来描绘适应度景观图，高新技术产业发展消除影响因素适应度景观见图3所示。图3流程方框中数字组合代表消除影响因素层级状态的不同组合，流程框括号中系数代表消除影响因素的适应度。图中实线指向代表从低适应度组合向相邻的高适应度组合的优化路径。图中虚线指向表示从某一组合状态向另一组合状态行进的最优路径，从而得到首先消除第Ⅱ层影响因素，然后依次消除第Ⅲ层、第Ⅳ层、第Ⅰ层。

图3 消除影响因素适应度景观图

4 讨论

苏州高新技术产业发展影响因素的分析对提升苏州区域综合竞争力具有重要意义。笔者运用ISM模型对12个高新技术产业发展影响因素进行研究并阶级分层。在ISM模型基础上，构建NK模型针对内层因素进行分析，测算出消除影响因素层级的最优路径。在当前苏州处于“腾笼换鸟”背景下，高新技术产业发展影响因素分析将会对提升高新技术企业竞争力提供借鉴。

通过ISM模型得出深层次影响因素为出口交货值与城镇居民人均收入，出口交货值在一定程度上直接反映了苏州高新技术产业产出状况，城镇居民人均收入反映出苏州城市发展阶段，这也就映射出苏州高新技术产业发展所处阶段。针对ISM模型进行优化，依据调查问卷数据标准化结果，带入NK模型测算，得出首先需消除第Ⅱ层影响因素。因此，科技活动人员、FDI水平、金融机构贷款、政府资金等影响因素尽管不是深层因素，但却是最亟待处理的。

5 结论与建议

通过ISM模型与NK模型对苏州市高新技术产业发展影响因素进行分析，消除影响因素的路径并非从最深层影响因素开始，而是按第Ⅱ、第Ⅲ、第Ⅳ、第Ⅰ层的顺序进行消除。苏州高新技术产业发展亟待优化的影响因素为科技活动人员、FDI水平、金融机构贷款、政府资金。

高新技术企业发展离不开科技活动人员支撑，高新技术企业的生产研发都离不开科技人员，人力资本对产业发展的各环节都起着重要作用，甚至决定着产业科技水平。高新技术企业应面向全球招纳专业人才，同时设定人才培养激励计划，促进高新技术人才与企业融合。目前许多高新技术企业仍处于发展初期，规模较小、实力较弱，面临着融资瓶颈，这无疑制约了高新技术企业进一步发展。外商投资已成为苏州高新技术产业发展的重要推动力，但外商投资主要集中在电子及通信设备制造业，导致整个高新技术产业FDI技术溢出效率较低。只有合理引导外商直接投资高新技术产业方向，提高高新技术产业整体利益外资水平，才能使FDI的技术溢出效应有一定程度的提高。金融机构需进一步完善贷款机制，适当放宽政策，利于更多高新技术企业得到贷款，确保企业资金运转正常。财政激励政策比利税政策更具对产业发展的正向刺激作用，政府资金政策起着对高新技术产业发展不容小觑的作用。政府部门应积极帮助高新技术产业引导外资流向，同时加大财政激励政策力度，使更多中小高新技术企业受惠。

参考文献：

［1］苏州市统计局.苏州市2016年国民经济和社会发展统计公报［R］.2017.

［2］STERNBERG R.Reasons for the genesis of high-tech regions：Theoretical explanation and empirical evidence［J］.Geoforum，1996，27（2）：205-223.

［3］BLONIGEN B A，TAYLOR C T.R&D Intensity and Acquisitions in High-Technology Industries：Evidence from the US Electronic and Electrical Equipment Industries［J］.Journal of Industrial Economics，2000，48（1）：47-70.

［4］张子林，胡洋.高新技术产业发展影响因素的灰色关联度分析：以吉林省为例［J］.社会科学战线，2011（12）：91-95.

［5］张同斌，高铁梅.财税政策激励、高新技术产业发展与产业结构调整［J］.经济研究，2012，47（5）：58-70.

［6］何建莹，李晓钟.FDI对我国高新技术产业发展的影响［J］.企业经济，2012，31（1）：22-27.

［7］杨清可，段学军，张伟，等.中国高新技术产业发展水平格局演变及影响因素分析［J］.长江流域资源与环境，2014，23（12）：1649-1658.

［8］翟琼，宋正一，李畅.R&D投入对区域高新技术产业发展的影响［J］.经济地理，2015，35（8）：129-134.

［9］金浩，李瑞晶，李媛媛.科技金融投入、高新技术产业发展与产业结构优化：基于省际面板数据PVAR模型的实证研究［J］.工业技术经济，2017，36（7）：42-48.

［10］苏州市统计局.苏州统计年鉴[M].北京：中国统计出版社，2013—2016.

［11］中华人民共和国国家统计局.中国统计年鉴[M].北京：中国统计出版社，2015.

［12］国家统计局、国家发展和改革委员会、科学技术部.中国高技术产业统计年鉴[M].北京：中国统计出版社.2015.

［13］WRIGHT S.The roles of mutation，inbreeding，crossbreeding，and selection in evolution［J］.Proceedings of the Sixth International Congress on Genetics，1932（1）：356-366.

［14］KAUFFMAN S A.The Origins of Order：Self-Organization and Selection in Evolution［J］.Journal of Evolutionary Biology，1993，13（1）：133-144.