葉愛山，夏海力

（蘇州科技大學 商學院，江蘇 蘇州 215009）

高新技術產(chǎn)業(yè)是知識密集型產(chǎn)業(yè)，是區(qū)域經(jīng)濟發(fā)展的重要組成部分。我國“十三五”規(guī)劃中將高新技術產(chǎn)業(yè)作為國家實施創(chuàng)新驅動發(fā)展的重要手段，2016年蘇州高新技術產(chǎn)業(yè)產(chǎn)值14 382億元，占規(guī)模以上工業(yè)總產(chǎn)值的比重達46.9%［1］。因此，挖掘出高新技術產(chǎn)業(yè)發(fā)展的深層影響因素，對提升蘇州綜合競爭力有著重要現(xiàn)實意義。

目前已有研究成果來看，Sternberg指出，高新技術產(chǎn)業(yè)發(fā)展的主要影響因素有政府政策、區(qū)域稟賦、需求因素等，并著重強調(diào)政府在高新技術產(chǎn)業(yè)發(fā)展中起到重要主導作用［2］。Blonigen等認為科研和技術創(chuàng)新是影響高新技術產(chǎn)業(yè)發(fā)展最為重要的因素［3］。張子林等基于灰色關聯(lián)度模型分析出吉林省高新技術產(chǎn)業(yè)發(fā)展影響因素關聯(lián)度最高的為授權發(fā)明專利數(shù)指標［4］。張同斌等通過構建高新技術產(chǎn)業(yè)的可計算CGE模型，結果顯示政府財政激勵政策和稅收優(yōu)惠政策對高新技術產(chǎn)業(yè)發(fā)展具有積極作用，并且政府財政激勵政策效果更為顯著［5］。何建瑩等運用C-D函數(shù)對我國高新技術產(chǎn)業(yè)進行實證分析，研究表明FDI對我國高新技術產(chǎn)業(yè)發(fā)展影響顯著，尤其電子計算機及辦公設備制造業(yè)FDI溢出系數(shù)較高［6］。楊清可等運用AHP-熵權法、馬爾科夫鏈和ESDA方法，對中國31個空間單元高新技術產(chǎn)業(yè)的3個時間斷面數(shù)據(jù)分析，得出區(qū)位稟賦、人力資本等新興因素對高新技術產(chǎn)業(yè)發(fā)展的影響不斷增強［7］。翟瓊等研究勞動力要素、R&D投入對區(qū)域高新技術產(chǎn)業(yè)發(fā)展的影響，得出R&D投入對我國東部地區(qū)高新技術產(chǎn)業(yè)發(fā)展貢獻顯著，勞動力投入要素對高新技術產(chǎn)業(yè)發(fā)展的貢獻始終處于十分重要位置，其彈性系數(shù)始終保持在0.5～0.7之間［8］。金浩等基于省際面板數(shù)據(jù)PVAR模型實證研究得出科技金融投入將有助于高新技術產(chǎn)業(yè)發(fā)展，進而使產(chǎn)業(yè)結構得以優(yōu)化［9］。

總體來說，目前關于高新技術產(chǎn)業(yè)發(fā)展影響因素研究，多數(shù)從某一影響因素視角出發(fā)，而缺乏對高新技術產(chǎn)業(yè)發(fā)展整體的影響因素分析。從影響蘇州高新技術產(chǎn)業(yè)發(fā)展狀況的多因素角度進行展開分析，旨在探尋蘇州高新技術產(chǎn)業(yè)發(fā)展亟待優(yōu)化的影響因素。

1 蘇州市高新技術產(chǎn)業(yè)發(fā)展影響因素指標選取

1.1 蘇州市高新技術產(chǎn)業(yè)發(fā)展狀況

2016年，全市高新技術產(chǎn)業(yè)產(chǎn)值超過1.43萬億元，科技進步貢獻率達61%，R&D經(jīng)費投入占地區(qū)生產(chǎn)總值的比重達2.7%。通過認定的高新技術企業(yè)達到4 133家，城市整體科技實力連續(xù)多年名列江蘇省前列，但仍與國內(nèi)其他發(fā)達城市存在一定差距［1］。蘇州市2012—2013年高新技術產(chǎn)業(yè)發(fā)展迅速，2015—2016年明顯緩慢，高新技術產(chǎn)業(yè)產(chǎn)值與其占規(guī)模以上工業(yè)產(chǎn)值比重以每年1%增速上升（見圖1所示），數(shù)據(jù)來源于2013—2016年的《蘇州統(tǒng)計年鑒》［10］和蘇州市2016年國民經(jīng)濟和社會發(fā)展統(tǒng)計公報［1］。提升蘇州城市綜合競爭力必須從高新技術產(chǎn)業(yè)出發(fā)，挖掘出制約蘇州高新技術產(chǎn)業(yè)發(fā)展的影響因素，為高新技術產(chǎn)業(yè)更好發(fā)展提供借鑒。

圖1 蘇州高新技術產(chǎn)業(yè)發(fā)展狀況圖

1.2 蘇州市高新技術產(chǎn)業(yè)發(fā)展影響因素指標選取

蘇州市高新技術產(chǎn)業(yè)發(fā)展影響因素指標選取主要源于《中國統(tǒng)計年鑒》［11］科技部類活動指標與《中國高技術產(chǎn)業(yè)統(tǒng)計年鑒》［12］生產(chǎn)經(jīng)營狀況指標。為保證指標選取的科學性、合理性以及層次性，采取多角度進行要素篩選，具體包括以下6個一級指標：勞動力要素、資本要素、技術要素、政策要素、市場要素以及社會經(jīng)濟發(fā)展水平要素。依據(jù)大量文獻研究的結果，初步匯總出6個一級指標與23個二級指標。在此基礎上誠邀來自高等院校、科研機構、高新技術企業(yè)、行業(yè)協(xié)會以及政府部門共計25位專家學者進行問卷調(diào)查，并對調(diào)查結果多次迭代，實現(xiàn)專家意見統(tǒng)一，得出蘇州高新技術產(chǎn)業(yè)發(fā)展的12個重要影響因素（編碼：S1—S12），見表1所示。

表1 蘇州高新技術產(chǎn)業(yè)發(fā)展影響因素

2 ISM模型與NK模型構建

2.1 ISM模型構建

ISM模 型（Interpretative Structural Modeling），美國Warfield教授于1973年首次開發(fā)出的一種采用結構化模型解決問題的方法。該模型利用相關領域專家的豐富經(jīng)驗與專業(yè)知識將系統(tǒng)分解為多個子系統(tǒng)要素，使系統(tǒng)構建成多層遞階的結構模型，并把各元素之間的相互關系與內(nèi)部結構以簡潔直觀的多層階級圖展現(xiàn)出來。ISM模型構建主要步驟：1）提出需解決的問題，采用科學性、創(chuàng)造性、可行性方法收集相關影響因素；2）判斷各影響因素是否存在直接或間接關系，并運用關聯(lián)矩陣進行表示；3）通過關聯(lián)矩陣計算可達矩陣；4）對可達矩陣進行層級關系分解，建立遞階結構模型；5）將模型與已有的意識模型進行比較。若存在不符，則對影響因素及關聯(lián)關系進行調(diào)整，經(jīng)多次反饋、比較、修正，最終達到滿意結構分析。

高新技術產(chǎn)業(yè)發(fā)展影響因素之間關系錯綜復雜，因此構建ISM模型進行梳理與分析因素之間相互作用機理。在確定表2關聯(lián)矩陣所示高新技術產(chǎn)業(yè)發(fā)展影響因素之間的相互關系時，筆者對高新技術企業(yè)主管、行業(yè)協(xié)會成員、高校教授、科研機構組員以及政府相關部門負責人進行發(fā)放問卷調(diào)查。共發(fā)放問卷310份，回收到有效問卷264份，有效問卷回收率85.2%。高新技術產(chǎn)業(yè)發(fā)展影響因素間（i和j）關系用A、B、Y和N四個符號來標記，具體意義如下：1）符號A：若影響因素i對影響因素j有直接或間接影響，但j對i無影響；2）符號B：若影響因素j對影響因素i有直接或間接影響，但i對j無影響；3）符號Y：若影響因素i與j之間互相影響；4）符號N：若影響因素i與j之間不存在相關性。

表2 關聯(lián)矩陣

2.2 NK模型構建

適應度景觀理論（Fitness Landscape Theory）是由Wright教授于1932年研究生物基因過程中首先提出。適應度景觀是一種山谷（Vally）和高峰（Peak）相間的崎嶇地貌。每種基因組織對應景觀中一個點，而這個點正是基因型（Genotype）的適應度值?；蜻m應度值高，點對應景觀高峰；相反適應度值小，點對應景觀山谷。進化過程就是物種為達到最高的適應度值，在景觀中適應性地行走的過程［13］。1993年Kauffman結合適應度景觀理論來研究生物有機體的演化過程中提出了自然殺傷模型（Natural Kill Model，簡稱NK模型）。在NK模型中，適應度景觀被描述成不同系統(tǒng)適應度，通過研究系統(tǒng)中不同元素之間的相互關系及對該系統(tǒng)適應度的影響，以尋找更高適應度的系統(tǒng)構成，且NK模型易生成適應度景觀圖［14］。

NK模型由三個主要參數(shù)組成，N代表系統(tǒng)組成元素，K代表元素之間的上位互動數(shù)，A代表系統(tǒng)內(nèi)每個元素的等位基因，它們的變化可以使元素的性質(zhì)發(fā)生變化。該模型是把復雜系統(tǒng)描述成由N個元素構成的系統(tǒng)，K是適應度景觀的主要決定因素，適應度依賴于K，其基因組合的數(shù)量是AN。若元素之間存在相互作用時K=N-1，K越大表明系統(tǒng)中上位關系越多，系統(tǒng)的復雜性也就越強。

3 結果與分析

3.1 ISM模型關聯(lián)矩陣分析

依據(jù)ISM模型原理，關聯(lián)矩陣可形成布爾矩陣，為更好地理清影響因素之間的層級結構，運用布爾運算規(guī)則對布爾矩陣運算，可得可達矩陣。記布爾矩陣為C，可達矩陣為Z，I為單位矩陣，Z=（C+I）r=（C+I）r+1≠（C+I），運用MATLAB（版本2016b）軟件計算可得r值為5 ，得到可達矩陣Z，具體如表3所示。

表3 可達矩陣

3.2 關聯(lián)因素層次結構圖

圖2 蘇州高新技術產(chǎn)業(yè)發(fā)展影響因素層次結構圖

可達矩陣經(jīng)可視化為影響因素層次結構圖，如圖2所示。結構圖具體可劃分為4個級別：第Ⅰ層為直接影響因素，包含S10、S12影響因素；第Ⅱ至Ⅲ層表示中層因素，包含 S11、S2、S3、S9、S4、S5、S8、S1影響因素；第Ⅳ層為最深層因素，包含S6、S7影響因素。在此研究基礎上，引入NK模型對影響因素層級分析，找出蘇州高新技術產(chǎn)業(yè)發(fā)展影響因素的最優(yōu)路徑。

3.3 NK模型數(shù)據(jù)處理

依據(jù)以上分析可得，蘇州市高新技術企業(yè)集群動力影響因素層級分為4個等級。其中，第Ⅰ層為外層影響因素，第Ⅱ至第Ⅳ層為內(nèi)層影響因素，內(nèi)層影響因素得以優(yōu)化處理，其外層影響因素很容易解決。因此，只針對第Ⅱ至第Ⅳ層3個層級做進一步探討。

內(nèi)層的3個層級之間存在著相關聯(lián)作用，消除影響因素的適應度受到這3個層級的影響。因此，NK模型中影響因素層級N為3，各層級之間上位互動數(shù)K為2。對相關領域多位專家發(fā)放Linkert五級量表問卷，獲取消除影響因素的效果。依據(jù)專家對五級量表問卷的調(diào)查結果進行統(tǒng)計，標準化處理所得數(shù)據(jù)，其公式為：

式中：a'i為i層級調(diào)查結果ai的標準化值，amax與amin分別為調(diào)查結果最大值與最小值。

若標準化后的a'i小于均值，則對應層級狀態(tài)記為0，表示該層級對消除影響因素的水平低于系統(tǒng)平均水平；若標準化后的a'i大于均值，則對應層級狀態(tài)記為1，表示該層級對消除影響因素的水平高于系統(tǒng)平均水平。因此消除影響因素僅存在兩種狀態(tài)，即系統(tǒng)等位基因數(shù)A為2，其存在組合有AN=8種。對問卷結果標準化處理后并取得均值后作為對應狀態(tài)的適應度，組合狀態(tài)及其適應度見表4所示。

表4 組合狀態(tài)及適應度

依據(jù)表4的組合狀態(tài)和適應度，運用Boolean hypercube來描繪適應度景觀圖，高新技術產(chǎn)業(yè)發(fā)展消除影響因素適應度景觀見圖3所示。圖3流程方框中數(shù)字組合代表消除影響因素層級狀態(tài)的不同組合，流程框括號中系數(shù)代表消除影響因素的適應度。圖中實線指向代表從低適應度組合向相鄰的高適應度組合的優(yōu)化路徑。圖中虛線指向表示從某一組合狀態(tài)向另一組合狀態(tài)行進的最優(yōu)路徑，從而得到首先消除第Ⅱ層影響因素，然后依次消除第Ⅲ層、第Ⅳ層、第Ⅰ層。

圖3 消除影響因素適應度景觀圖

4 討論

蘇州高新技術產(chǎn)業(yè)發(fā)展影響因素的分析對提升蘇州區(qū)域綜合競爭力具有重要意義。筆者運用ISM模型對12個高新技術產(chǎn)業(yè)發(fā)展影響因素進行研究并階級分層。在ISM模型基礎上，構建NK模型針對內(nèi)層因素進行分析，測算出消除影響因素層級的最優(yōu)路徑。在當前蘇州處于“騰籠換鳥”背景下，高新技術產(chǎn)業(yè)發(fā)展影響因素分析將會對提升高新技術企業(yè)競爭力提供借鑒。

通過ISM模型得出深層次影響因素為出口交貨值與城鎮(zhèn)居民人均收入，出口交貨值在一定程度上直接反映了蘇州高新技術產(chǎn)業(yè)產(chǎn)出狀況，城鎮(zhèn)居民人均收入反映出蘇州城市發(fā)展階段，這也就映射出蘇州高新技術產(chǎn)業(yè)發(fā)展所處階段。針對ISM模型進行優(yōu)化，依據(jù)調(diào)查問卷數(shù)據(jù)標準化結果，帶入NK模型測算，得出首先需消除第Ⅱ層影響因素。因此，科技活動人員、FDI水平、金融機構貸款、政府資金等影響因素盡管不是深層因素，但卻是最亟待處理的。

5 結論與建議

通過ISM模型與NK模型對蘇州市高新技術產(chǎn)業(yè)發(fā)展影響因素進行分析，消除影響因素的路徑并非從最深層影響因素開始，而是按第Ⅱ、第Ⅲ、第Ⅳ、第Ⅰ層的順序進行消除。蘇州高新技術產(chǎn)業(yè)發(fā)展亟待優(yōu)化的影響因素為科技活動人員、FDI水平、金融機構貸款、政府資金。

高新技術企業(yè)發(fā)展離不開科技活動人員支撐，高新技術企業(yè)的生產(chǎn)研發(fā)都離不開科技人員，人力資本對產(chǎn)業(yè)發(fā)展的各環(huán)節(jié)都起著重要作用，甚至決定著產(chǎn)業(yè)科技水平。高新技術企業(yè)應面向全球招納專業(yè)人才，同時設定人才培養(yǎng)激勵計劃，促進高新技術人才與企業(yè)融合。目前許多高新技術企業(yè)仍處于發(fā)展初期，規(guī)模較小、實力較弱，面臨著融資瓶頸，這無疑制約了高新技術企業(yè)進一步發(fā)展。外商投資已成為蘇州高新技術產(chǎn)業(yè)發(fā)展的重要推動力，但外商投資主要集中在電子及通信設備制造業(yè)，導致整個高新技術產(chǎn)業(yè)FDI技術溢出效率較低。只有合理引導外商直接投資高新技術產(chǎn)業(yè)方向，提高高新技術產(chǎn)業(yè)整體利益外資水平，才能使FDI的技術溢出效應有一定程度的提高。金融機構需進一步完善貸款機制，適當放寬政策，利于更多高新技術企業(yè)得到貸款，確保企業(yè)資金運轉正常。財政激勵政策比利稅政策更具對產(chǎn)業(yè)發(fā)展的正向刺激作用，政府資金政策起著對高新技術產(chǎn)業(yè)發(fā)展不容小覷的作用。政府部門應積極幫助高新技術產(chǎn)業(yè)引導外資流向，同時加大財政激勵政策力度，使更多中小高新技術企業(yè)受惠。

參考文獻：

［1］蘇州市統(tǒng)計局.蘇州市2016年國民經(jīng)濟和社會發(fā)展統(tǒng)計公報［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］張子林，胡洋.高新技術產(chǎn)業(yè)發(fā)展影響因素的灰色關聯(lián)度分析：以吉林省為例［J］.社會科學戰(zhàn)線，2011（12）：91-95.

［5］張同斌，高鐵梅.財稅政策激勵、高新技術產(chǎn)業(yè)發(fā)展與產(chǎn)業(yè)結構調(diào)整［J］.經(jīng)濟研究，2012，47（5）：58-70.

［6］何建瑩，李曉鐘.FDI對我國高新技術產(chǎn)業(yè)發(fā)展的影響［J］.企業(yè)經(jīng)濟，2012，31（1）：22-27.

［7］楊清可，段學軍，張偉，等.中國高新技術產(chǎn)業(yè)發(fā)展水平格局演變及影響因素分析［J］.長江流域資源與環(huán)境，2014，23（12）：1649-1658.

［8］翟瓊，宋正一，李暢.R&D投入對區(qū)域高新技術產(chǎn)業(yè)發(fā)展的影響［J］.經(jīng)濟地理，2015，35（8）：129-134.

［9］金浩，李瑞晶，李媛媛.科技金融投入、高新技術產(chǎn)業(yè)發(fā)展與產(chǎn)業(yè)結構優(yōu)化：基于省際面板數(shù)據(jù)PVAR模型的實證研究［J］.工業(yè)技術經(jīng)濟，2017，36（7）：42-48.

［10］蘇州市統(tǒng)計局.蘇州統(tǒng)計年鑒[M].北京：中國統(tǒng)計出版社，2013—2016.

［11］中華人民共和國國家統(tǒng)計局.中國統(tǒng)計年鑒[M].北京：中國統(tǒng)計出版社，2015.

［12］國家統(tǒng)計局、國家發(fā)展和改革委員會、科學技術部.中國高技術產(chǎn)業(yè)統(tǒng)計年鑒[M].北京：中國統(tǒng)計出版社.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.