生态位视角下中国东部地区高技术产业竞争力综合评价

2022-06-20宋皓皓

地域研究与开发 2022年3期

宋皓皓，王英

(南京航空航天大学经济与管理学院，南京 211106)

0 引言

高技术产业是指以高新技术为基础的从事相关产品的研究、开发、生产和技术服务企业的集合，具有技术含量高、研发投入比例高、产业渗透能力强的特点，是现阶段我国重点发展和培育的战略型产业。高技术产业涵盖航空航天器及设备制造业、电子及通信设备制造业、计算机及办公设备制造业、医药制造业等多个产业，已成为推进我国国民经济增长、实现产业结构转型升级的重要引擎，其发展水平也是衡量我国尖端技术国际竞争力的重要标准[1]。近年来，我国高技术产业快速发展，北斗卫星系统、C919中型客机、5G网络信号基站等具有尖端技术项目的自主研发，标志着产业水平不断提升并逐步向世界一流水平靠近。然而，现阶段我国高技术产业数字化机制不健全、研发投入强度不足、自主创新能力不强等问题依旧明显。此外，随着新冠疫情在世界范围的蔓延，国际形势更加复杂，产业外部的不确定性更强，去国际化和产业链内向化已成为现今高技术产业发展的主要趋势，这必然对我国高技术产业的发展提出了更高的要求。因此，深度挖掘我国高技术产业发展的优势和劣势，分析生产要素、需求条件、市场结构和政府政策等多个因素对高技术产业发展的影响机制，进而探寻适宜我国高技术产业的转型升级之路具有重要的现实意义。尽管现有对高技术产业竞争力的评价研究较多[2-3]，但往往集中于对某一时段的产业发展状态及其影响因素进行分析，缺少对产业发展水平和发展潜力的综合考虑。因此，本研究拟用生态位态势理论，从产业的发展现状和发展趋势出发，系统性地分析其动态演化趋势，进而更好地把握产业的发展方向。

生态位理论综合考虑了生态系统中生态单元的发展状态和发展趋势，由J.Grinnell[4]首次提出，用于分析生态单元在整体系统中相对位置、资源禀赋与功能地位的综合状态[5-6]。近年来，生态位理论研究不断深入，逐渐被更多地运用到城市、旅游、产业、企业等领域的研究之中[7-8]。李淑娟等基于生态位理论，研究发现山东省呈现核心城市-次级城市-边缘城市的旅游竞争力空间格局[9]。石博等通过对家电制造业绿色工艺创新生态位态势评价，发现自主创新为主、合作创新为辅是家电制造业不断提高产业竞争力的适宜发展方式[10]。然而，由于生态位理论模型默认所有指标的影响程度相同，往往在对研究对象的测度分析中忽视了指标体系的权重问题，导致测度结果不够合理准确。此外，现阶段学者关于生态位理论在管理学领域的应用研究往往只选取某个年份的截面数据，研究结果集中于静态层面，缺乏时间序列下的动态分析。

因此，本研究借鉴生态位理论的相关研究成果，将中国东部地区高技术产业整体竞争发展环境视作一个生态系统，不同省市作为其中的一个生态单元，构建指标体系，从发展水平和发展趋势两方面综合分析不同地区高技术产业的竞争力。在计算生态位态势值时，考虑到传统态势理论存在指标权重默认相同的局限性，本研究通过运用序关系分析法对不同指标之间重要程度进行比较分析，从而确定各指标权重。在此基础上，进一步结合双激励控制线对时间序列下的评价结果进行“奖惩”分析，从动态视角得到东部地区各省市高技术产业竞争力的综合生态位结果。最后根据实证分析结果，挖掘我国东部不同地区高技术产业的发展特征，为不同地区高技术产业的发展提供政策建议。

1 研究区域、指标体系与研究方法

1.1 研究区域

我国东部地区面积176.16万km2，常住人口6.56亿人，包括河北、山东、浙江、江苏、福建、广东、海南7个省和北京、天津、上海3个直辖市，相较于东北、中部和西部地区，东部地区整体经济发展水平较高，2020年东部地区生产总值52.57万亿元，占全国GDP的51.9%，高技术企业数2.6万个，占全国的66.2%，高技术产业从业人数922.5万人，占全国的66.5%。东部地区凭借完善的基础设施、充足的设施配备以及优越的科研环境，为高技术产业发展提供了良好的基础。与此同时，各地政府也纷纷出台政策，响应中央号召，吸收高端人才，不断扩充产业的人才储备，促进高技术产业不断向高端延伸。本研究以东部地区10个省份作为研究对象，对各地区高技术产业竞争力进行动态评价，能够深入挖掘我国高技术产业发展的关键制约因素，并有助于探索适宜我国高技术产业的发展路径。

1.2 指标体系

借鉴在高技术产业指标体系构建方面的现有研究成果[11-12]，同时遵循相关性、代表性、客观性、可获得性等原则，构建包括科研能力、人才储备、经济基础和市场环境4个一级指标和18个二级指标的高技术产业指标体系(表1)。

由于缺失2018年《中国高技术产业统计年鉴》，本研究用插值法计算获得部分缺失数据，其他数据均来源于2008—2021年《中国统计年鉴》《中国科技统计年鉴》和《中国高技术产业统计年鉴》。

表1 高技术产业竞争力生态位指标体系

1.3 研究方法

生态位的态势理论在我国最早由朱春全[13]提出，描述了生态单元过去累计的状态以及未来的增长趋势这两方面的综合情况，即生态单元发展现状的“态”和发展潜力的“势”。 “态”往往随着时间呈现“S”型Logistic曲线，而“势”则反映了“态”的变化速率，因而呈现出“∩”型曲线的变化特征。根据时间的发展和曲线的变化，可进一步将态势变化划分为增长、稳定和滞缓3个不同的阶段[14]。由于经济体的发展同样呈现“先缓后快再缓”的“S”型发展趋势规律以及“先增后减”的发展增速规律，生态位态势理论同样适用于经济领域的相关研究。因此，本研究将我国东部地区高技术产业环境整体近似看成是一个生态系统，运用生态位态势模型分析不同省市的产业竞争力，结合序关系分析法改进不同指标的权重，并用双激励控制线法对时间序列下不同地区产业竞争力结果进行动态分析，从而挖掘不同地区产业发展时间序列下的动态特征。

1.3.1生态位态势模型。基于生态位态势模型，假定一个生态系统中有m个不同的生态单元，n种不同的生态资源指标，r个不同的时段，用xij(tr)表示时段tr下第i个生态单元利用生态资源j的个数，从而构成数据集{xij(tr)}。通过生态位态势模型求得各指标的生态位态势值[15]，计算公式为：

(1)

式中：Eij(tr)表示tr时段生态单元i中生态资源j的生态位态势值；Sij和Pij分别表示生态单元i中生态资源j的“态”和“势”；A为量纲转换系数。

根据式(1)求出不同资源的生态位态势值结果后，运用序关系法对不同指标进行权重赋值，突出不同指标对态势值评价结果影响的差异性，使评价结果更合理。进一步求出各生态单元的生态位态势值，计算公式为：

(2)

式中：Fi(tr)表示tr时段生态单元i的生态位态势值；Wj为生态资源j的指标权重。Fi(tr)的取值范围在0～1，且各生态单元相同时段的总和为1。其中Fi(tr)取值越大，表明生态单元i生态位越合理，表明其拥有较好的发展状态水平以及良好的发展趋势潜力，从而该生态单元具有较高的相对竞争优势。

1.3.2序关系分析法。由于传统生态位态势模型默认各个生态资源指标对态势值的影响程度相同，忽视了指标体系权重确定的问题，这可能导致评价结果不够合理准确。本研究结合序关系分析法对指标权重进行赋值，改进传统的生态位态势模型。序关系分析法是一种基于“功能驱动”原理的偏好型赋权方法，本质上体现了不同指标对综合评价结果的贡献程度[16]。借鉴以往研究成果，本研究以比值的形式对不同指标的重要性进行比较，分析不同指标对综合评价结果的贡献率。对整个评价指标序列按贡献率进行排序，进一步运用比值法对不同指标的贡献率进行比较分析。公式为：

式中：cn表示指标n的权重；ρj表示指标j-1与指标j的贡献率之比。ρj根据指标间重要性程度不同分为5个类别，指标j-1与指标j相比同样重要、稍微重要、明显重要、强烈重要、极端重要分别取值1.0,1.2,1.4,1.6,1.8。若选取了多层指标体系，假定第一层指标对应的贡献率为c*，第二层指标对应贡献率为c**，以此类推。

(4)

(5)

2 案例研究

2.1 权重确定

通过序关系法确定各个指标的权重。遵循指标之间重要程度的弱一致性，并选取与行业相关的专家进行打分处理，从而分别确定一级指标和二级指标对产业竞争力生态位结果的贡献率，借鉴已有研究[23]，确定不同指标之间重要性程度的比值打分结果(表2)。

表2 指标体系序关系分析

2.2 态势值计算

由于缺失2018年《高技术统计年鉴》，本研究取2017年和2019年《高技术统计年鉴》的平均值来代替缺失的2018年A6，B3，D1，D2，D3，D4和D5统计数据，以保证后续研究的完整性。本研究将我国东部地区10个省份2007—2019年高技术产业各项指标数据值作为“态”的测量指标，将各年相较于前一年数据增量值作为“势”的测量指标，并以1年为时间刻度值(即每年的增长量)作为量纲转换系数，代入式(1)求得单个指标的生态位态势值。在此基础上，结合序关系法求得的不同指标的权重W，并代入式(2)求出各省份2008—2020年产业竞争力的生态位态势值。由于生态位态势值计算结果较小，为便于后续处理将所有态势值计算结果乘以100，计算各地区产业竞争力生态位(表3)。

2.3 动态评价

表3 各地区高技术产业的产业竞争力态势值

图1 高技术产业竞争力态势值动态演变情况

参照图1，根据各地区的生态位态势值计算结果和正负激励线的交叉点，得出各阶段不同地区高技术产业竞争力生态位的正负激励面积(无量纲)(表4)，并根据激励规则计算得到正激励系数μ+=0.48，负激励系数μ-=0.52。由于生态位态势值计算时量纲系数为1年，此处假定时间因子hk=1，根据式(5)以及求得的正负激励系数计算加总各地区在整个时间段的动态结果，并将各地区产业竞争力的动态评价结果进行排名(表5)。

表4 各地区正负激励面积

表5 各地区高技术产业竞争力动态评价结果Tab.5 Dynamic results of high technology industry competitiveness in each region

2.4 结果分析

根据图1和表4，部分地区产业竞争力保持长期稳定状态，如河北省和海南省，产业长期处于低水平的稳定状态，然而其他省份多呈现时高时低的振荡式发展。其中，由图1明显可知广东省综合评价值振荡最明显，广东省的整体生态位态势值呈现折线式的上升，这表明广东省高技术产业具有较强的竞争力，是决定东部地区产业发展水平的关键。而上海市、天津市和山东省的生态位态势值则整体呈现逐步下降趋势，且天津和山东2018—2020年的下降趋势明显。其中，上海市高技术产业水平的下降的原因可能与城市的发展战略相关，上海市作为全国的金融中心，在非金融领域的投入逐年减少。而天津市作为传统的重工业基地，近年来其经济发展停滞、人才流失严重、企业转型困难，这可能是其高技术产业竞争力下降的主要原因。从整体时间段来看，2011年和2017年前后各地区都呈现一定的振荡，部分地区态势值在2011年处于整体的高点而另一部分则处于整体的低点，这可能是因为国家在2010年出台推进高技术产业发展的政策以后，不同地区推行相关政策和具体实施情况差异性较大，从而导致在2011年动态评价值波动明显。

根据图1和表4，产业竞争力居于前两位的广东省和江苏省远高于平均值水平，这与两个省份大力扶持产业发展、引进高端人才、鼓励科研创新有着密切的关系。广东省拥有广州和深圳两大经济发达的港口城市，依托于其中大量优秀的技术性科研企业，其高技术产业在全国处于领先水平。且广东省近年来工业机器人装备技术发展迅猛，成为广东省大力发展的重要领域。江苏省产业竞争力紧随其后，作为全国GDP第二大省份，其在招商引资和人才引进方面政策优越，此外苏州市作为江苏省科创企业发展领先的城市，拥有大量的产业孵化园和工业制造型企业，也是推动江苏高技术产业发展的重要因素。天津市处于中下游水平，可能的原因是天津市大多为重工业企业，同时也与其近年来高技术产业资金投入较少、高端人才流失严重有关。河北省则长期处于低水平的状态，这可能与该地区经济基础薄弱、技术设备落后、科研创新环境缺乏高度相关。海南省是唯一一个动态结果小于0的省份，这可能是源于其特殊的地理位置和发展战略，主要资金流入旅游和房地产行业，从而导致高技术产业长期处于低水平发展的状态。

从动态分析结果来看(表5)，我国东部地区高技术产业竞争力动态评价结果的排名由高到低依次为广东、江苏、山东、浙江、北京、上海、福建、天津、河北、海南。其中，广东省和江苏省动态评价结果分别为417.91和288.23，是东部地区产业发展的“领头羊”，这两个省份都有较大正激励面积，表明这两个省份在资源利用与成果产出方面存在良好的互动效应，从而不断促进产业朝着高端延伸发展。排在前3位的省份都不存在负向激励面积，其中广东省智能机器设备的产业水平较为领先，而江苏省电子设备制造及电器机械设备制造水平优势明显，山东省在信息设备制造和生物制造方面突出。而排序第4到第10的省份其评价结果正激励面积都为0且有一定的负激励面积，表明这些省份在资源获取和转换利用方面效率较低，产业未形成良好的集聚效应。其中北京市和上海市评价值较为接近且处于中游水平，这主要是由于近年来北京市逐渐转移非政治中心的产业，而上海市将更多的资本投入到金融、贸易产业，进而导致两个直辖市的高技术产业整体竞争力偏低。河北省、天津市产业竞争力动态评价结果较低的原因可能是这两个地区经济水平相对薄弱、高技术产业投入较少、相关配套设施落后以及高端人才的流失。海南省总面积较小，综合评价值为负，其产业长期处于低水平发展状态，与其他省份发展水平差距较大，这与海南省重点发展旅游业、房地产的长期战略有关。