沪浙苏皖制造业创新竞争力的比较——基于系统动力学的研究

杨蕾，郑倩，李菼

(常州工学院经济与管理学院，江苏 常州 213032)

在知识经济和全球化背景下，创新已经成为国家经济和社会发展的关键内容，经济与社会创新对一个国家经济和综合实力有着深刻影响。党的十八大提出的“创新驱动战略”，明确指出科技创新在提高社会生产力和综合国力中的重要作用，是提升国民经济综合实力的重要支撑点；党的十九大报告中明确提出创新是引领发展的第一动力，是建设现代化经济体系的战略支撑。这为我国加快转变创新驱动发展方式和增强我国创新竞争力提供了政策支持。但目前关于经济与社会创新的研究多属于静态层面，未能进一步揭示创新要素间的动态关系与互动机制。虽然已有学者运用系统动力学方法研究产业创新系统，但大多是定性的描述[1-4]。本文通过系统动力学模型侧重挖掘创新竞争力各要素间的动态关系，深入阐述其内在的发展规律。

制造业作为我国实体经济的重要组成部分，是国民经济发展的命脉，更是立国之本与强国之基。制造业创新不仅是产业创新的重要组成部分，也是区域创新系统的关键[5-7]。长江三角洲地区是中国制造业发展的摇篮，2018年习近平总书记在首届中国国际进口博览会上宣布，支持长江三角洲区域一体化发展并上升为国家战略。沪浙苏皖位于长三角地区，从地理位置和历史地位来说，是全国制造业发展的核心力量，是国家制造业未来发展的核心支柱。因此，本文选取长三角区域的沪浙苏皖4个省(市)为研究对象，比较沪浙苏皖4个省(市)制造业创新竞争力的发展趋势，采用系统动力学理论研究沪浙苏皖制造业创新竞争力的提升路径，深入剖析制造业创新竞争力所带来的机遇与挑战，为推动我国制造业逐渐从传统制造转向现代化智能制造提供科学依据。

1 研究方法

1.1 系统动力学理论

1.1.1 系统动力学的基本概念

制造业创新竞争力的快速发展使得工业环境越来越复杂，发展过程中逐渐显现的影响因素越来越多，解决一个突发问题所采取的决策有可能不如预期，或者产生其他新的问题。想要做出有效、正确的决策，需要站在系统的角度去思考问题，成为整个复杂动态系统的思考者。因此，能够帮助理解整个系统动态结构的系统动力学理论应运而生。系统动力学(简称 SD)是以系统论、控制论、信息论为基础，借助计算机仿真模拟技术，以解决具体实际问题为目的，将关键影响因素纳入系统模型中，研究系统内关键因素之间的反馈结构，并得出解决问题的方法。现实中许多实际问题所处的系统非常复杂，影响因素较多，而系统动力学刚好可以容纳非常多的变量，且能够观察和预测变量行为所带来的系统长期变化趋势，因此系统动力学模型可以作为现实系统的反映，适合用来研究经济、社会、生态等复杂系统。在企业、区域、国家甚至世界规模的发展战略与决策分析中，系统动力学均有应用。

1.1.2 系统动力学的建模

建立系统动力学模型需遵循明确—简化原则、分解—循环原则和相对原则，以确保系统动力学仿真模型的可行性和有效性，构建出最符合某一实际问题的系统动力学模型。科学的步骤能极大地降低建模时间，并对模型的修改完善具有指导作用，具体的建模步骤见图1。

图1 系统动力学模型建模步骤

1.2 灰色预测模型

1982年邓聚龙教授提出的灰色预测理论，已经成为社会、经济、科学技术等诸多领域进行预测、决策、评估、规划控制、系统分析与建模的重要方法之一。灰色预测模型通过建立系统的数学模型，进而对系统的整体功能、协调功能以及因素间关联关系、因果关系、动态关系进行量化研究，与系统动力学的仿真思路一致。因此，本文将灰色预测模型与系统动力学仿真方法有效结合，通过对系统行为特征指标建立一组相互关联的灰色预测模型，利用GM(1.1)灰微分方程进行灰色动态预测，从而预测出未来数据。

2 构建区域制造业创新竞争力系统模型

2.1 探究影响因素并确定系统边界

研究沪浙苏皖4个省(市)的制造业创新竞争力的发展态势和提升路径，必然会涉及确定系统边界和分析内部反馈耦合联系等问题。根据内部各关键要素之间的动态反馈机制，明确整个系统内部联系中的主要影响因素，确定制造业创新竞争力系统边界为创新投入、创新基础、创新质量和创新绩效4个关键因素，这4个子系统之间具有循环效应，形成一个闭环。一个相对完整的系统边界框架图，见图2。

图2 边界框架图

2.2 构建指标体系

探究影响制造业创新竞争力的因素是制造业创新竞争力研究的基础，本文对学者们的相关研究进行了深入分析，总结如表1所示。

表1 制造业创新竞争力影响因素

依据表1的归纳，发现学者们大多从创新基础竞争力、创新环境竞争力、创新投入竞争力、创新产出竞争力和创新可持续发展竞争力5个角度来分析区域制造业创新竞争力的影响因素，本文结合长三角地区独特的地理位置和发展现状，确定了4个一级指标，分别为创新投入、创新基础、创新质量、创新绩效。在一级指标基础上，进一步划分二级指标。区域制造业创新竞争力指标体系见表2。

表2 区域制造业创新竞争力指标体系

2.3 因果关系分析

本文以沪浙苏皖为研究对象，将其制造业创新竞争力系统分解为具有因果联系的4个子系统：创新质量、创新基础、创新投入、创新绩效，再根据已有的研究进行总结，归纳出影响制造业创新竞争力4个子系统的关键因素，将它们与沪浙苏皖制造业创新竞争力现实运行反馈系统相结合，最终分析得到沪浙苏皖制造业创新竞争力的因果关系图，见图3。

图3 因果关系图

2.4 构建系统流图

在系统因果分析图的基础上，通过区别影响变量的类型，从而构建出量化的系统动力学模型，即构建系统流图，以便进一步剖析变量间的函数联系，利用函数方程和具体实际数据来更加准确地表达出影响因素之间的逻辑关系。本文区分了模型4个边界子系统内各个影响因素的性质，涉及状态变量、速率变量、辅助变量和常量，据此构建出系统流图，见图4。

图4 系统流图

3 系统动力学模型动态仿真模拟及发展态势分析

本文以2011—2020年的相关数据为基础建立函数方程，先利用灰色预测模型将2021—2031年输入变量的值进行预测模拟，再对模型中的输出变量进行动态仿真模拟。历史数据主要来源于《中国统计年鉴》《江苏省统计年鉴》《浙江省统计年鉴》《安徽省统计年鉴》《上海市统计年鉴》及相关政策和公报等。以下是4个子系统中主要影响因素的模拟情况。

3.1 沪浙苏皖4省(市)制造业销售收入的模拟

2011年4个区域的制造业销售收入都不是很高，主要表现为制造业产出能力较弱、制造业创新能力不强、制造业创新产出的新产品增幅不高。2018年，随着国家对制造业发展的高度重视，强调制造业创新战略升级，注重技术型制造业发展后，4个区域的制造业销售收入稳步上升，江苏、安徽和浙江的增长速度较快，上海销售收入的发展趋势较为平缓。同时，随着销售收入的增加，制造业企业投入与创新研发的R&D经费总量也得到提升，见图5。

图5 制造业销售收入仿真模拟图

3.2 沪浙苏皖4省(市)制造业R&D经费的模拟

沪浙苏皖4个省(市)的制造业R&D经费均呈现上升趋势：江苏的R&D经费总额由2011年的964.39亿元逐步增加到2019年的2 024.52亿元，这段时间的增幅较为平缓，但在2021—2031年的预测期内，江苏的R&D经费总额上升趋势加快，表明江苏对制造业创新研发的投入金额迅速增多，制造业创新竞争力水平得到了快速提高。浙江和上海的R&D经费总额相差不大，两者均重视制造业创新发展，但上海的R&D经费增幅较慢，安徽省的R&D经费最低，见图6。

图6 制造业R&D经费仿真模拟图

3.3 沪浙苏皖4省(市)制造业R&D人数的模拟

R&D人员是制造业进行创新研发活动的基础，是执行者和掌控者。由于政府的重视，制造业R&D人员从2011年开始大幅度增加。2011年江苏和浙江的制造业R&D人员分别为313 019人和188 973人，到2022年均已突破500 000人，但上海和安徽对科研人才的重视程度略有不足，在2011—2020年增长较为缓慢，见图7。

图7 制造业R&D人数仿真模拟图

3.4 沪浙苏皖4省(市)制造业发明专利授权数的模拟

2011年制造业发明专利数：江苏为29 511件，浙江为11 806.8件，安徽为16 634件，上海为9 968件。随着国家向创新型制造业战略发展，强调制造业质量和创新技术提高，在2011—2031年的20年期间，江苏、浙江、安徽和上海的制造业发明专利数显著上升，其中安徽和江苏的发展速度较快，而浙江和上海的发展速度较为平缓，见图8。

图8 制造业发明专利数仿真模拟图

3.5 沪浙苏皖4省(市)制造业科技成果转化产品数量的模拟

2011年后制造业科技成果转化产品一直呈现逐步上升的趋势。江苏制造业科技成果转化产品的数量最高，从2011年的29 843件到2020年的441 486件；前期上海凭借优越的地理位置和技术优势，科技成果转化产品数高于浙江，后期在长江一体化发展和其余3个区域的带动下，浙江的科技成果转化产品数增加，在模拟期内有超越上海的趋势，但浙江和上海的总量相差不多，相比较于江苏和安徽还有很大差距，见图9。

图9 科技成果转化产品数量仿真模拟图

3.6 沪浙苏皖4省(市)制造业新产品销售收入的模拟

2011年后，随着国家经济的迅速发展，国内生产总值增高，居民可支配收入增多的同时居民消费水平也在增加，江苏、浙江和安徽的制造业新产品销售收入增长迅速，很快达到较高的新产品销售收入水平。相比较而言，上海的增长较为缓慢，见图10。

图10 新产品销售收入仿真模拟图

3.7 沪浙苏皖4省(市)制造业新产品增长率的模拟

在2011—2018年，我国的制造业技术创新处于初期摸索阶段。首先由于制造业创新具有周期长、风险大、投入资金多的特点，因此在制造业技术创新前期，研发成果不足，大部分的制造业技术型产品都是依靠引进国外技术，科技成果转化产品的增长率变化较慢。其次是产学研没有形成成熟的合作机制，科研院所和高校关于制造业研发的相关成果不能完全地应用到实际中去，无法将研发成果转化为产品。在模拟期内，浙江省的制造业新产品增长率最高，上海的制造业新产品增长率最低，见图11。

图11 新产品增长率仿真模拟图

3.8 沪浙苏皖4省(市)制造业主营业务收入的模拟

2011年后，随着制造业技术创新的逐步发展，制造业逐渐由传统制造转变为智能制造，强调高质量技术成果，相应的沪浙苏皖4个省(市)的制造业主营业务收入都呈现缓慢增长的趋势，同时带动了该区域的经济发展。在模拟期内，江苏省的制造业主营业务收入一直居于首位，浙江和安徽的制造业主营业务收入之间的竞争较为激烈，上海的制造业主营业务收入处于劣势，见图12。

图12 制造业主营业务收入仿真模拟图

3.9 沪浙苏皖4省(市)制造业R&D人才投入经费的模拟

2011年，沪浙苏皖4个省(市)的R&D人才投入经费都不是很多，江苏为214.93亿元，浙江为202.9亿元，上海为103.13亿元，安徽为29.3亿元，但2011年以后，4个区域逐步意识到完善的科研技术人员激励政策能够大幅缩短制造业技术创新研发的周期，提高创新研发的成功率，减少制造业创新研发成本。模拟期内，沪浙苏皖4个省(市)的R&D人才经费投入都呈现出上升的态势，其中以安徽和浙江最为明显，见图13。

图13 R&D人才投入仿真模拟图

3.10 沪浙苏皖4省(市)制造业R&D人才投入力度的模拟

R&D人才投入力度是R&D人才投入经费占R&D总经费的比例。它体现的是一个区域在进行制造业创新时对人才投入的重视程度。相比较于安徽和浙江，上海、江苏2个区域的R&D人才经费投入变化较为缓慢，见图14。因此，上海和江苏需要加大R&D人才投入力度，健全完善科研人才激励政策，从而实现制造业创新快速发展。

图14 R&D人才投入力度仿真模拟图

3.11 沪浙苏皖4省(市)固定资产投资的模拟

固定资产投资是用于建造和购置固定资产的经济活动，包括固定资产更新、改建、扩建、新建等活动。在进行制造业创新研究时，基础设施条件是创新研究的基础，高质量的制造业创新研发成果必然离不开好的研究设备。因此，制造业固定资产投资额和制造业创新竞争力两者之间是正相关的。数据表明，2011年制造业固定资产投资额江苏为26 314.66亿元，浙江为14 077.25亿元，安徽为12 147.77亿元，上海为5 067.09亿元。江苏的固定资产投资额居于首位，浙江和安徽次之，上海最低，见图15。

图15 制造业固定资产投资仿真模拟图

3.12 沪浙苏皖4省(市)国内生产总值的模拟

沪浙苏皖4个省(市)的GDP值在2011—2031年一直在缓慢增长，而财政收入作为GDP的一部分也呈现出上升的趋势，这为制造业进行创新研发提供了一个良好的大环境。对沪浙苏皖4个区域单独进行分析的话，可以看出江苏的GDP总值远超于另外3个区域，安徽和上海的GDP总值略有不足，见图16。一个区域GDP总值越高，居民可支配收入就会越多，该区域制造业创新产出的新产品销售收入相应增加，那么对新产品销售收入的财政税收，即GDP总值会越来越高，整体形成一个良好的循环反馈机制，螺旋式提升该区域的经济能力和制造业创新竞争力，因此，安徽和上海需要重点分析GDP总值略低的原因，并采取相应的政策措施来提高其制造业创新竞争力。

图16 地方GDP仿真模拟图

3.13 沪浙苏皖4省(市)财政支出的模拟

2011年财政支出，江苏为6 221.27亿元，浙江为3 842.59亿元，安徽为3 302.9亿元，上海为3 914.88亿元。2011—2016年，我国制造业在取得突出成绩的同时，市场竞争不断加剧，部分产业“去产能、去库存”的任务仍然较为急迫，这一切都要求制造业从“中国制造”转向“中国智造”。于是，制造业开始进行创新战略升级，国家加大制造业创新的财政补贴比例，政府推动制造业创新快速发展，提高制造业创新竞争力，从而实现创新技术型制造业发展。2011年以后，沪浙苏皖4个省(市)的财政支出一直在平缓增长。在模拟期，浙江的财政支出总额有超越江苏居于首位的趋势，安徽和上海的财政支出总额略低，见图17。

图17 财政支出仿真模拟图

4 区域制造业创新竞争力系统政策变化仿真分析

为了进一步考查相关政策变化对主要影响因素仿真模拟图的影响，在数据仿真运行过程中，通过政策参数设计，即增强或者减弱一些敏感性因素的政策变量来观察主要影响因素的变化趋势。本文对相关政策参数设计采取了增加5%的变化比例。

4.1 R&D经费投入影响制造业创新和产业收益的变化

影响制造业创新竞争力的首要因素即创新，加大创新投入是提高创新水平的前提条件，创新投入包括R&D经费投入、R&D人员投入、设备技术引进等等，本文选取R&D经费投入作为敏感度指标，设计其政策参数为R&D经费增加5%，此时的相关变量变化趋势如图18、19、20。

图18 R&D经费投入变化引起的发明专利数变化趋势图

图19 R&D经费投入变化引起的新产品销售收入变化趋势图

图20 R&D经费投入变化引起的制造业主营业务收入变化趋势图

从图18可以看出，2011—2020年间，发明专利数量由多到少依次为江苏、浙江、安徽、上海。通过预测的数据发现R&D经费投入增加对沪浙苏皖4个省(市)的影响变化趋势正相关，且通过图18可看出在R&D经费投入增加的政策参数下，安徽的发明专利增长速度较快，浙江的发明专利增长速度较慢。从图19、20中可以看出，R&D经费投入每提高5%就能推动新产品销售收入和制造业主营业务收入的增长，因为R&D经费投入增加，即科研经费增多，科技研发人员创新积极性得到了很大的提高，带动发明专利数量增加，进而提高了制造业企业的新产品销售收入和主营业务收入。同时，从图19和图20的发展趋势中看，在未来10年内，江苏省的制造业收入仍然位居首位，浙江省紧追其后，但是上海和安徽的竞争较为激烈，且安徽的制造业企业收益有超过上海的发展趋势。

4.2 产学研合作强度影响制造业收益的变化

提高制造业创新竞争力不能只依靠制造业企业的内部提升，也需要制造业企业与科研院所、高校合作、协调发展。制造业企业是制造业技术创新的主体，而制造业知识结构创新的主体却是科研院所和高校，因此，制造业创新竞争力的快速发展需要将两者结合起来。产学研合作实现了这一目标，为两者组建了桥梁。产学研合作不仅仅是一个合作机制，更为提高区域制造业创新竞争力提供了一个跳跃平台。从图21、22的发展趋势可以看出，产学研合作强度与制造业收益正相关，实践创新与知识创新紧密结合，因此制造业企业的新产品销售收入和制造业主营业务收入都呈现上升的发展态势[13]。同时，通过观察沪浙苏皖4个省(市)的未来发展态势，发现江苏和浙江的制造业收益增长稳定，安徽在未来10年的发展有超越上海市的趋势。

图21 产学合作强度变化引起的新产品销售收入变化趋势图

图22 产学合作强度变化引起的制造业主营业务收入变化趋势图

4.3 政策补贴比例影响产品收益的变化

近年来，国家大力推动制造业创新驱动发展战略，出台了很多对制造业创新有益的创新补贴政策。政策补贴在一定程度上可以推动制造业企业创新的积极性，降低制造业创新成本，但也存在弊端，比如滋长了制造业企业的懒惰性，如获得了政府的创新政策补贴却不进行相应的制造业技术创新等等，从而导致企业的创新精神逐渐消失。制造业主营业务收入变化趋势见图23。

图23 政策补贴比例变化引起的制造业主营业务收入变化趋势图

4.4 人才经费投入变化影响制造业企业新产品增长率的变化

制造业创新竞争力的主体在于制造业创新，而创新的关键因素是研发人员。因此，想要提升制造业创新竞争力，本文需要研究人才经费投入变化对制造业企业收益的影响。图24表明：①人才投入力度的变化与新产品增长率呈正相关关系，但是新产品增长率对人才投入力度的敏感度略低；②在提高人才经费投入的基础上，江苏和浙江的新产品增长速率较慢，但仍然位居前列，上海和安徽的新产品增长率比较快，且上海的新产品增长率未来10年的发展态势有超越浙江的趋势。

图24 人才投入力度变化引起的新产品增长率变化趋势图

4.5 固定资产投资影响制造业企业收益的变化

图25表明随着固定资产投资比例的增加，沪浙苏皖4个省(市)的GDP也呈现出上升的趋势。固定资产投资额增加，表示该区域未来形成经济发展的投入增加，未来10年GDP的产出会出现大幅度提升。从沪浙苏皖4个省(市)未来10年的发展态势来分析，江苏和浙江的GDP发展态势较好，一直呈现上升的趋势，但是上海的GDP增长幅度较为缓慢，在未来10年内安徽有超越上海GDP的趋势。通过图26和图27可知，江苏、上海和安徽财政支出和制造业主营业务收入的发展路径较为一致，随着固定资产投资比例的增加，江苏各项输出指标都有较大幅度的提升，但是上海和安徽的输出指标之间竞争较为激烈。浙江的各项输出指标中，财政支出的增长幅度较小，即在增加固定资产投资额的基础上，并没有太多的财政支出变化，却得到了制造业主营业务收入的大幅度提高。综合来看，对浙江来说增加固定资产投资额会是一项正确的政策决定。

图25 固定资产投资比例变化引起的GDP变化趋势图

图26 固定资产投资比例变化引起的财政支出变化趋势图

图27 固定资产投资比例变化引起的制造业主营业务收入变化趋势图

5 沪浙苏皖制造业创新竞争力提升路径

本文通过建立系统动力学模型对沪浙苏皖4个省(市)提升制造业创新竞争力的发展路径进行了详细的分析，同时利用参数政策设计帮助政策相关者更加深刻理解沪浙苏皖4个省(市)制造业创新竞争力系统的特性，以期更好地运用政策的宏观调控对制造业创新竞争力进行干预和影响。

5.1 上海提高制造业创新竞争力的对策和建议

上海的制造业发展规模较其他3个区域来说处于末尾。2017年，上海就出台了《关于推动本市制造业重点产业集群发展的建议》等政策。在贯彻落实这个政策的同时，依据上海的发展特色，需要通过形成制造业的集群发展来提升上海的制造业创新竞争力。制造业集群发展实际上就是一个制造业发展平台，这个平台上集聚了众多的制造业企业，在集群内包括人才、创新资金、创新质量等要素，降低了制造业的创新成本，在集群内实现制造业企业协同合作，达到共赢。

5.2 浙江提高制造业创新竞争力的对策和建议

模型仿真结果表明，政策支持对提升浙江制造业创新竞争力起着重要作用，政府部门在尊重市场经济规律的基础上，制定相关创新补贴政策来引导和支持制造业开展创新活动，能够有效地提高浙江制造业创新竞争力。同时，由于制造业创新研发具有周期长、成本高、风险大等特点，政府可适当进行税收优惠，加大政策补贴力度，减少制造业创新研发的风险，充分调动制造业的创新积极性，从而提高浙江制造业创新竞争力。

5.3 江苏提高制造业创新竞争力的对策和建议

提高江苏制造业创新竞争力的根本在于提高创新基础。对江苏的制造业创新竞争力系统模型分析发现，提高创新基础的关键因素是创新科研人员。近年来，江苏制造业依靠众多高校、科研院所，依靠省“双创计划”(2020年江苏省高层次创新创业人才引进计划)、国家“大众创业、万众创新”战略计划、国家“千人计划”等人才支持战略，积极集聚高层次创新科研人才，形成科研人才良性循环的人才引进机制。在人才引进机制的基础上，进一步健全和完善科研人才培养机制是重中之重。对制造业创新型科研人才除了给予相应的激励以外，还需要解决子女入学、家属安置等问题，以便科研人员能够全身心地投入提高制造业创新竞争力中。此外，提高江苏制造业创新竞争力不能够只依靠制造业企业本身，还需要与科研院所和省内高校开展产学研合作，组建制造业创新研发中心，共建创新实验室，联合共同培养制造业创新型科研人才，创新办学模式等，充分发挥“优势互补”原则，用科研院所和高校的研究成果解决制造业企业实际遇到的问题，满足市场需求，加速江苏经济发展，最终实现创新研究与经济的融合。

5.4 安徽提高制造业创新竞争力的对策和建议

安徽处于长三角区域，有着绝佳的地理位置和技术优势，其提高制造业创新竞争力的对策是把握市场需求，积极融入“长江三角洲”制造业创新驱动发展战略，积极探索提高市场需求的新方法和新的途径。只有在市场有相关创新需求的基础上开展制造业创新研发工作，才能提高制造业创新竞争力。而提高市场需求的基础是提高GDP。因此，安徽需要制定相关的支持政策，先提高制造业的产品吸引力，再提高制造业的新产品销售收入，实现GDP增长的目标，形成良性循环，推动安徽省制造业创新竞争力的发展。

综上所述，沪浙苏皖4个省(市)都处于长江三角洲经济发展区域，但是通过模型仿真实验结果发现，它们的制造业创新竞争力水平差异较大，江苏制造业创新竞争力居于首位，浙江紧追其后，安徽和上海略有不足。综合来看，安徽和上海需要积极结合本地区的特点，补短板、促优势，从而提高自身的制造业创新竞争力；江苏和浙江则应在现有基础上进一步促进区域间的协同发展，使沪浙苏皖4省(市)能取长补短，实现共同发展。