摘 要：從企業(yè)環(huán)境感知角度來講，可以應(yīng)用“鳥群”邏輯解釋企業(yè)的社會(huì)行為。假設(shè)企業(yè)為獨(dú)立行為的單一個(gè)體，其對(duì)特定政策參與意愿受“自我認(rèn)知”和“社交”影響，使用PSO-SVM模型進(jìn)行檢驗(yàn)的結(jié)果顯示，積極的政策感知與創(chuàng)新能力對(duì)結(jié)果預(yù)測(cè)起到?jīng)Q定性作用，具有高創(chuàng)新能力和較強(qiáng)政策感知的企業(yè)對(duì)創(chuàng)新政策參與意愿較強(qiáng)。為引導(dǎo)企業(yè)主動(dòng)搜尋與愿意接受“食物”（稅收優(yōu)惠和政府補(bǔ)貼等），政府應(yīng)多關(guān)注企業(yè)創(chuàng)新實(shí)際需求，制定更具針對(duì)性和差異化的政策;政府如期望企業(yè)像鳥群一樣圍繞創(chuàng)新政策覓食，應(yīng)更好地引領(lǐng)數(shù)字化進(jìn)程，提升公共服務(wù)水平，淡化企業(yè)對(duì)政府的消極情緒;應(yīng)積極搭建數(shù)字創(chuàng)新平臺(tái)促進(jìn)更多“候鳥”遷入 。

關(guān)鍵詞：企業(yè);環(huán)境感知;遷移;“鳥群”邏輯

中圖分類號(hào)：F832.51 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-5450（2024）06-0053-07

引導(dǎo)民營(yíng)企業(yè)和民營(yíng)企業(yè)家消除顧慮、放下包袱、大膽發(fā)展，是新質(zhì)生產(chǎn)力時(shí)代的社會(huì)管理哲學(xué)[1]。同時(shí)，對(duì)現(xiàn)代企業(yè)環(huán)境感知與遷移決策的研究，有利于優(yōu)化企業(yè)資源配置，降低風(fēng)險(xiǎn)，增強(qiáng)企業(yè)的可持續(xù)競(jìng)爭(zhēng)優(yōu)勢(shì)。對(duì)于企業(yè)所在地區(qū)決策與戰(zhàn)略管理部門來說，深入研究企業(yè)的環(huán)境感知與遷移決策，可以助其更好地制定產(chǎn)業(yè)政策，促進(jìn)地方經(jīng)濟(jì)可持續(xù)發(fā)展和轉(zhuǎn)型升級(jí)。通過了解企業(yè)決策過程和行為特征，地方政府可以更精準(zhǔn)地支持本地企業(yè)，提升地區(qū)新質(zhì)生產(chǎn)力，賦能現(xiàn)代化產(chǎn)業(yè)體系建設(shè)[2]。

一、基于“鳥群”邏輯對(duì)企業(yè)環(huán)境感知與遷移決策的基本解釋

本文嘗試基于“鳥群”邏輯解釋企業(yè)環(huán)境感知與遷移決策的社會(huì)行動(dòng)。在生物界中，大規(guī)模遷徙的鳥群具有鮮明的社會(huì)集群特征。遷徙鳥群具有充分的靈活性和適應(yīng)性，能夠在飛行中根據(jù)環(huán)境變化作出快速反應(yīng)，調(diào)整方向和速度，確保整個(gè)群體的安全和效率。鳥群中的每只鳥類個(gè)體都能感知到其他鳥的運(yùn)動(dòng)，并根據(jù)需要調(diào)整飛行軌跡。此外，鳥群在飛行中有一定的領(lǐng)導(dǎo)和自組織能力。鳥群并沒有一個(gè)明確定義的領(lǐng)導(dǎo)者，但通過相互之間的協(xié)調(diào)和自組織，能夠?qū)崿F(xiàn)集體行動(dòng)[3]。

PSO（Particle Swarm Optimization，粒子群優(yōu)化，簡(jiǎn)稱PSO）是一種啟發(fā)式優(yōu)化算法，其靈感來源于上述鳥群或魚群等群體行為。它通過模擬粒子在搜索空間（search space）中的移動(dòng)和信息交流尋找最優(yōu)解。作為一種基于人工智能的優(yōu)化算法，PSO利用一個(gè)被稱為粒子的代理人群體相互學(xué)習(xí)并共享信息，以獲取最優(yōu)解。每個(gè)粒子在搜索空間中具有位置和速度兩個(gè)屬性。這些粒子通過搜索空間導(dǎo)航，根據(jù)兩個(gè)關(guān)鍵因素不斷更新其位置和速度：個(gè)體最佳位置（personal best）和全局最佳位置（global best）。個(gè)體最佳位置代表粒子迄今為止訪問的最優(yōu)位置，而全局最佳位置表示整個(gè)群體中任何粒子達(dá)到的最佳位置[4]。

為了調(diào)整速度，粒子使用了三個(gè)參數(shù)的組合：慣性、認(rèn)知和社會(huì)參數(shù)。慣性參數(shù)保持粒子當(dāng)前的方向，確保一定程度的穩(wěn)定性。認(rèn)知參數(shù)施加某種吸引力，將粒子拉向其局部最佳位置。而社會(huì)參數(shù)也產(chǎn)生某種吸引力，將粒子吸引向群體發(fā)現(xiàn)的全局最佳位置。粒子會(huì)保持導(dǎo)航狀態(tài)并更新其位置和速度，直到滿足指定的終止條件[5]。

現(xiàn)代企業(yè)的環(huán)境感知與遷移決策具有“鳥群”的相似邏輯。鳥群在飛行時(shí)展現(xiàn)出協(xié)同、靈活和適應(yīng)性的社會(huì)學(xué)特征，這些特征與企業(yè)感知環(huán)境要素及其變化，以及采取遷移決策等是完全一致的。類似地，對(duì)于企業(yè)而言，產(chǎn)業(yè)集群中的企業(yè)具有一定自主權(quán)和自由度，其時(shí)常通過個(gè)體性的學(xué)習(xí)和社交，像生物界的鳥覓食一樣尋找各種“優(yōu)惠”。對(duì)企業(yè)而言，靈活性和適應(yīng)性意味著要能夠快速適應(yīng)不斷變化的市場(chǎng)環(huán)境和政策要求。企業(yè)需要具備敏捷的決策能力和靈活的組織結(jié)構(gòu)，以便迅速響應(yīng)并參與到創(chuàng)新政策中。理論上，不同類型企業(yè)也應(yīng)具備類似開放的溝通和合作，相互學(xué)習(xí)借鑒，以實(shí)現(xiàn)創(chuàng)新目標(biāo)。鑒于此，基于PSO算法探索企業(yè)對(duì)環(huán)境的感知與遷移決策具有重要的現(xiàn)實(shí)意義。

二、研究設(shè)計(jì)與數(shù)據(jù)處理

（一）研究設(shè)計(jì)與數(shù)據(jù)來源

本研究數(shù)據(jù)來源于2017—2022年間在遼寧省沈陽市內(nèi)訪談的企業(yè)樣本。在以體制機(jī)制創(chuàng)新改革與營(yíng)商環(huán)境建設(shè)為主題的訪談框架下，企業(yè)在訪談現(xiàn)場(chǎng)反饋了其對(duì)環(huán)境的感知、研判和分析，并表達(dá)了需求與決策意愿。經(jīng)排除缺失及無效數(shù)據(jù)，共得到77份有效訪談文本。為直觀從受訪者視角展示區(qū)域政策的效果，筆者利用Jieba和Wrodcloud繪制詞云圖，如圖1所示。圖中的字體大小表達(dá)了詞頻的高低。此外，為了剔除部分與研究?jī)?nèi)容無關(guān)的關(guān)鍵詞，將其設(shè)置為“停用詞”用于過濾。

參照吳非等關(guān)于企業(yè)數(shù)字化轉(zhuǎn)型的文本量化方法[6]，以“可以”“不錯(cuò)”等詞匯在各個(gè)受訪者文本中出現(xiàn)的頻次，標(biāo)記受訪者對(duì)創(chuàng)新政策的情緒狀態(tài)為“積極的政策感知”;以“壓力”“負(fù)擔(dān)”等詞匯出現(xiàn)的頻次，衡量受訪者對(duì)創(chuàng)新政策的權(quán)衡，即“謹(jǐn)慎的權(quán)衡”;以“研發(fā)”“技術(shù)”等詞匯出現(xiàn)的頻次衡量“創(chuàng)新能力”;以“南方”“長(zhǎng)三角”等地區(qū)性詞匯出現(xiàn)的頻次衡量受訪者不同區(qū)域的“異質(zhì)性感受”。

此外，通過對(duì)77份有效樣本的研讀，本文采用人工標(biāo)注的方式，用0代表“受訪者認(rèn)為政府的重要決策未起到明顯作用，不愿參與”，用1代表“受訪者認(rèn)為政府的重要決策起到了明顯作用，愿意參與其中”，并將該組數(shù)據(jù)作為PSO-SVM預(yù)測(cè)模型的輸出變量。

（二）基于PSO-SVM的算法

SVM（Support Vector Machine，簡(jiǎn)稱SVM）是一種以統(tǒng)計(jì)學(xué)習(xí)理論為基礎(chǔ)的機(jī)器學(xué)習(xí)算法。其主要目標(biāo)是找到一個(gè)能夠在特征空間中將不同類別樣本有效分開的超平面。

SVM在優(yōu)化的同時(shí)考慮了經(jīng)驗(yàn)風(fēng)險(xiǎn)和結(jié)構(gòu)風(fēng)險(xiǎn)的最小化，具有很好的穩(wěn)定性。從幾何觀點(diǎn)看，SVM穩(wěn)定性體現(xiàn)在其構(gòu)建超平面決策邊界時(shí)要求邊距最大，因此間隔邊界之間有充裕的空間包容測(cè)試樣本[7]121-139。SVM使用鉸鏈損失函數(shù)作為代理損失，鉸鏈損失函數(shù)的取值特點(diǎn)使SVM具有稀疏性，即其決策邊界僅由支持向量決定，其余的樣本點(diǎn)不參與經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化。在使用核方法的非線性學(xué)習(xí)中，SVM的穩(wěn)健性和稀疏性在確保了可靠求解結(jié)果的同時(shí)降低了核矩陣的計(jì)算量和內(nèi)存開銷。

SVM是一個(gè)廣義線性分類器，通過在SVM的算法框架下修改損失函數(shù)和優(yōu)化問題可以得到其他類型的線性分類器，如將SVM的損失函數(shù)替換為logistic損失函數(shù)就得到了接近于logistic回歸的優(yōu)化問題。SVM和logistic回歸是功能相近的分類器，二者的區(qū)別在于log-

istic回歸的輸出具有概率意義，也容易擴(kuò)展至多分類問題，而SVM的稀疏性和穩(wěn)定性使其具有良好的泛化能力，并在使用核方法時(shí)計(jì)算量更小。

在分類任務(wù)中，SVM將輸入數(shù)據(jù)點(diǎn)映射到不同類別。在回歸任務(wù)中，SVM則試圖找到一個(gè)函數(shù)以預(yù)測(cè)連續(xù)值輸出。SVM的工作原理是：給定帶有標(biāo)簽的訓(xùn)練樣本集，SVM首先將樣本映射到高維特征空間中，然后在該特征空間中找到一個(gè)最優(yōu)的超平面，使得不同類別的樣本能夠被最大程度分開，同時(shí)最小化分類錯(cuò)誤。這個(gè)超平面由一組支持向量（支持樣本）確定，它們是離超平面最近的樣本點(diǎn)。SVM的優(yōu)化目標(biāo)是最大化支持向量到超平面的距離，即最大化間隔（margin），以增強(qiáng)模型的泛化能力和抗干擾性（robustness）。

在實(shí)踐中，SVM通常使用核函數(shù)來處理非線性分類問題，將輸入數(shù)據(jù)映射到高維特征空間中，從而使得原本線性不可分的數(shù)據(jù)變得線性可分。常用的核函數(shù)包括線性核、多項(xiàng)式核、高斯核等。通過調(diào)節(jié)核函數(shù)的參數(shù)及正則化參數(shù)，SVM可以適應(yīng)不同的數(shù)據(jù)特征和復(fù)雜度，并在許多領(lǐng)域取得了良好的性能表現(xiàn)，如文本分類、圖像識(shí)別、生物信息學(xué)等。

SVM進(jìn)行分類的關(guān)鍵是在空間中尋找一個(gè)超平面g（x）=wTx+b，使得SVM的幾何間隔‖ω‖最小，轉(zhuǎn)化為凸優(yōu)化問題時(shí)需要滿足的約束條件如下式（1）：

min（‖ω‖+ c ξi）

s. t. yi （ωT φ（x）+b）?1-ξi i=1，…，m，ξi?o（1）

式（1）中，φ（x）是將原始樣本特征x映射后的特征向量，yi為輸入樣本的正負(fù)標(biāo)簽，c為懲罰變量，ξi為松弛變量。

將式（1）轉(zhuǎn)變?yōu)閹в泻撕瘮?shù)的對(duì)偶問題，如式（2）所示：

max αi-1/2 αi αj yi yj 〈φ（xi），φ（xj）〉

s. t. αi yi = 0，0 ? αi ? c i=1，…，m（2）

式（2）中，αi為拉格朗日乘法系數(shù)，φ（xi）、φ（xj）為SVM訓(xùn)練時(shí)使用的核函數(shù)，本研究中使用徑向基函數(shù)（RBF）核函數(shù)：

K（xi，xj）=exp（-[‖xi，xj‖2

2σ2] ）（3）

SVM算法需要指定懲罰變量c及核函數(shù)參數(shù)σ，傳統(tǒng)方法需要采用多次人工試驗(yàn)。隨著機(jī)器學(xué)習(xí)的發(fā)展和運(yùn)用，PSO作為一種啟發(fā)式算法如今被廣泛應(yīng)用于SVM的參數(shù)優(yōu)化。如前所述，PSO算法假設(shè)空間中有一群粒子在尋求空間內(nèi)的最優(yōu)點(diǎn)，在飛行過程中各個(gè)粒子通過信息交換、調(diào)整飛行位置，進(jìn)而得到整個(gè)粒子群的最優(yōu)解，其迭代公式如下：

v =wv+c1r1（gbest idk-x）+c2r2（pbest idk-x）

x =x+v （4）

式（4）中，w為慣性權(quán)重，k為迭代次數(shù)，vid為粒子速度，c1和c2為非負(fù)常數(shù)，c1泛指粒子自我認(rèn)知部分的系數(shù)，c2泛指粒子社交的系數(shù)，r1和r2為分布在[0，1]區(qū)間上的隨機(jī)數(shù)。

基于PSO-SVM參數(shù)優(yōu)化算法對(duì)本次所用的訪談文本數(shù)據(jù)處理流程如圖2所示。

利用PSO優(yōu)化SVM算法過程中，PSO中每個(gè)粒子位置坐標(biāo)代表一組SVM參數(shù)，其目的是尋找到一個(gè)最佳位置使預(yù)測(cè)性能達(dá)到最優(yōu)。

（三）樣本分組比較

從受訪者的社會(huì)角色角度，有助于理解不同社會(huì)階級(jí)對(duì)創(chuàng)新體制改革的看法，事實(shí)上也有一部分企業(yè)員工參與了本次訪談。如圖3所示，總體來看，“積極的政策感知”與“創(chuàng)新能力”相關(guān)詞頻在訪談文本出現(xiàn)的概率較大。從社會(huì)角色差異的角度來看，企業(yè)員工更多體現(xiàn)的是“謹(jǐn)慎的權(quán)衡”，對(duì)體制機(jī)制改革與政策的積極感知遠(yuǎn)遠(yuǎn)不如企業(yè)管理者。

由圖4可知，從企業(yè)創(chuàng)新能力的實(shí)際身份特征角度來看，相比于高新技術(shù)企業(yè)與科技型中小企業(yè)而言，一般類型企業(yè)在積極的政策感知、謹(jǐn)慎的權(quán)衡與創(chuàng)新能力方面表現(xiàn)得更為主動(dòng)。

圖5表明，受訪者認(rèn)為“創(chuàng)新體制改革產(chǎn)生明顯作用”在積極的政策感知、謹(jǐn)慎的權(quán)衡和創(chuàng)新能力方面產(chǎn)生的詞頻遠(yuǎn)大于“未產(chǎn)生明顯作用”。

三、研究基本發(fā)現(xiàn)與討論

基于PSO粒子群優(yōu)化算法的靈感來源，本研究認(rèn)為，企業(yè)對(duì)創(chuàng)新政策的參與意愿，主要受到“自我認(rèn)知”和“社交”的影響，自我認(rèn)知主要體現(xiàn)為本研究中“創(chuàng)新能力”和“謹(jǐn)慎的權(quán)衡”，社交主要體現(xiàn)為“地區(qū)的差異性感受”，例如，企業(yè)參與社交活動(dòng)所觸發(fā)的感受對(duì)創(chuàng)新政策感知的影響。

因此，研究通過調(diào)整PSO算法的優(yōu)化參數(shù)共設(shè)計(jì)了五組實(shí)驗(yàn)。當(dāng)以企業(yè)對(duì)創(chuàng)新政策的參與意愿為主要分類預(yù)測(cè)變量時(shí)，實(shí)驗(yàn)1假設(shè)了自我認(rèn)知與社交同等重要，實(shí)驗(yàn)2假設(shè)了自我認(rèn)知的重要性遠(yuǎn)大于社交，實(shí)驗(yàn)3假設(shè)了自我認(rèn)知的重要性略大于社交，實(shí)驗(yàn)4假設(shè)了社交的重要性遠(yuǎn)大于自我認(rèn)知，實(shí)驗(yàn)5假設(shè)了社交的重要性略大于自我認(rèn)知，依據(jù)經(jīng)驗(yàn)設(shè)定的參數(shù)及各組實(shí)驗(yàn)測(cè)試結(jié)果如表1所示。實(shí)驗(yàn)2與實(shí)驗(yàn)5分類預(yù)測(cè)的準(zhǔn)確率為最優(yōu)，即當(dāng)自我認(rèn)知的重要性遠(yuǎn)大于社交或社交的重要性略大于自我認(rèn)知時(shí)，能更精準(zhǔn)地判斷企業(yè)對(duì)創(chuàng)新政策的參與意愿。

研究隨后提取了支持向量的權(quán)重，將其轉(zhuǎn)化為正值并進(jìn)行標(biāo)準(zhǔn)化，最后輸出了各個(gè)特征的重要性得分，用于評(píng)估輸入變量對(duì)于結(jié)果預(yù)測(cè)的重要性。

實(shí)驗(yàn)2與實(shí)驗(yàn)5在PSO-SVM模型中的預(yù)測(cè)性能如圖6所示。從最優(yōu)的實(shí)驗(yàn)假設(shè)結(jié)果來看，積極的政策感知與創(chuàng)新能力對(duì)結(jié)果預(yù)測(cè)起到?jīng)Q定性作用。事實(shí)上，“積極的政策感知”與企業(yè)參與社交活動(dòng)所獲得的感受息息相關(guān)。

企業(yè)在不斷變化的政策環(huán)境中必須具備敏銳的政策感知能力，以便及時(shí)調(diào)整戰(zhàn)略和行動(dòng)。將政策感知能力劃分為積極和消極兩種態(tài)度，對(duì)企業(yè)參與社交活動(dòng)所獲得的感受產(chǎn)生著深遠(yuǎn)的影響。在國(guó)家或地區(qū)經(jīng)濟(jì)發(fā)展過程中，歷史事實(shí)表明，企業(yè)對(duì)政策變化的態(tài)度往往決定了其在社交活動(dòng)中的表現(xiàn)和獲得的感受。

積極的政策感知能力意味著企業(yè)能夠主動(dòng)把握政策變化所帶來的機(jī)遇，積極應(yīng)對(duì)并調(diào)整自身戰(zhàn)略。有些企業(yè)在積極感知政策變化并靈活應(yīng)對(duì)的情況下取得了巨大成功。這種態(tài)度使企業(yè)更加開放和樂觀，愿意積極參與各種社交活動(dòng)，與政府、行業(yè)伙伴和消費(fèi)者建立更緊密的聯(lián)系。相反，消極的政策感知能力則會(huì)使企業(yè)對(duì)政策變化持謹(jǐn)慎和保守態(tài)度，可能導(dǎo)致企業(yè)在社交活動(dòng)中表現(xiàn)消極?，F(xiàn)實(shí)中總有一些企業(yè)由于對(duì)政策變化反應(yīng)遲鈍或不愿適應(yīng)，錯(cuò)失了發(fā)展機(jī)會(huì)。這種態(tài)度可能導(dǎo)致企業(yè)錯(cuò)失與外部利益相關(guān)者建立聯(lián)系的機(jī)會(huì)，影響企業(yè)的聲譽(yù)和競(jìng)爭(zhēng)力。因此，企業(yè)應(yīng)當(dāng)重視政策感知能力的培養(yǎng)和提升，以適應(yīng)政策環(huán)境的變化，實(shí)現(xiàn)可持續(xù)發(fā)展和成功經(jīng)營(yíng)。

綜上所述，企業(yè)對(duì)政策變化的感知能力對(duì)其參與社交活動(dòng)所獲得的感受產(chǎn)生著重要影響。積極的政策感知能力有助于企業(yè)抓住機(jī)遇，踴躍參與社交活動(dòng)，增強(qiáng)企業(yè)的社會(huì)影響力和競(jìng)爭(zhēng)優(yōu)勢(shì);而消極的政策感知能力則可能使企業(yè)在社交活動(dòng)中表現(xiàn)平淡或負(fù)面，影響企業(yè)的聲譽(yù)和市場(chǎng)地位。

圖7虛線表示通過SVM模型計(jì)算得出的決策邊界，將數(shù)據(jù)空間分為兩個(gè)類別?？梢?，具有高創(chuàng)新能力和積極性較強(qiáng)政策感知的企業(yè)對(duì)創(chuàng)新政策的參與意愿較強(qiáng)。

研究通過保留最優(yōu)模型的參數(shù)，將積極的政策感知與創(chuàng)新能力隨機(jī)生成兩組區(qū)間為[0，10]的數(shù)據(jù)進(jìn)行反事實(shí)實(shí)驗(yàn)，測(cè)試結(jié)果如圖8所示。PSO-SVM模型的預(yù)測(cè)結(jié)果與測(cè)試集的表現(xiàn)大相徑庭。同時(shí)，也說明企業(yè)對(duì)創(chuàng)新政策的參與意愿與“鳥群”行為存在哲學(xué)關(guān)系。

四、“鳥群”邏輯對(duì)提高企業(yè)參與體制機(jī)制改革意愿的啟示

（一）“食物”（稅收優(yōu)惠和政府補(bǔ)貼等）與覓食行為

企業(yè)如“鳥群”，其所需的政策“食物”主要體現(xiàn)為稅收優(yōu)惠和政府補(bǔ)貼等。稅收優(yōu)惠是政府直接通過降低企業(yè)稅負(fù)、減少企業(yè)成本支出來支持企業(yè)發(fā)展的重要方式。對(duì)于企業(yè)來說，稅負(fù)的減輕意味著其有更多的資金可以用于研發(fā)投入、市場(chǎng)拓展、人才培養(yǎng)等，從而提高企業(yè)的盈利能力和市場(chǎng)競(jìng)爭(zhēng)力。特別是在當(dāng)下，原材料成本上升、人工成本增加、盈利能力降低等多重壓力下，稅收優(yōu)惠政策的實(shí)施，能夠有效緩解企業(yè)的經(jīng)濟(jì)負(fù)擔(dān)，為企業(yè)創(chuàng)造更好的發(fā)展環(huán)境。而政府補(bǔ)貼往往針對(duì)特定行業(yè)或項(xiàng)目，通過提供資金支持來引導(dǎo)企業(yè)加大投資力度，推動(dòng)產(chǎn)業(yè)升級(jí)和技術(shù)創(chuàng)新。例如，對(duì)于新能源、節(jié)能環(huán)保、高新技術(shù)產(chǎn)業(yè)等領(lǐng)域的企業(yè)，政府會(huì)提供一系列的補(bǔ)貼政策，以鼓勵(lì)企業(yè)加大研發(fā)力度，推動(dòng)產(chǎn)業(yè)向高端化、智能化、綠色化方向發(fā)展。這些補(bǔ)貼政策不僅能夠降低企業(yè)的投資風(fēng)險(xiǎn)，還能夠加速企業(yè)的技術(shù)升級(jí)和產(chǎn)品的更新?lián)Q代，提高企業(yè)的核心競(jìng)爭(zhēng)力。

“食物”具有明確的定向與引導(dǎo)作用，但要注意政策工具的精準(zhǔn)落實(shí)與效果的精準(zhǔn)釋放。以環(huán)保領(lǐng)域?yàn)槔?，?shù)字化轉(zhuǎn)型有助于提高政府對(duì)綠色補(bǔ)貼的支持水平和促進(jìn)技術(shù)進(jìn)步，進(jìn)而實(shí)現(xiàn)減少“碳排放”的目標(biāo)。然而，過高的獎(jiǎng)勵(lì)也可能導(dǎo)致新的問題，如群體效應(yīng)擴(kuò)散會(huì)加劇企業(yè)間的競(jìng)爭(zhēng)，反而抑制企業(yè)的創(chuàng)新活動(dòng)。

相比之下，像綠色信貸這樣的外部融資方式更容易受到中小型企業(yè)的青睞。例如，加速折舊優(yōu)惠政策的實(shí)施對(duì)涵蓋在政策范圍內(nèi)企業(yè)的創(chuàng)新效率有顯著增強(qiáng)作用，其中私營(yíng)企業(yè)和大型企業(yè)的增強(qiáng)效應(yīng)尤為顯著。

因此，“食物”固然重要，但同時(shí)，政府應(yīng)更多關(guān)注企業(yè)創(chuàng)新活動(dòng)的實(shí)際需求，制定更具針對(duì)性和差異化的政策措施，以促進(jìn)各類企業(yè)健康發(fā)展，并推動(dòng)產(chǎn)業(yè)創(chuàng)新。

（二）“政策聲音”傳遞與導(dǎo)引

在紛繁復(fù)雜、變化多端的經(jīng)濟(jì)全球化背景下，企業(yè)生存環(huán)境對(duì)企業(yè)發(fā)展的重要性愈發(fā)凸顯。一個(gè)企業(yè)的成功，不僅取決于其內(nèi)部管理能力、技術(shù)創(chuàng)新能力和市場(chǎng)競(jìng)爭(zhēng)力，更在很大程度上受到其所在生存環(huán)境的影響。對(duì)于企業(yè)來說，各種稅收優(yōu)惠與政策補(bǔ)貼等“食物”元素固然重要，但如何得到、該不該得到“食物”是“鳥群”邏輯的重要關(guān)注點(diǎn)。政府如期望企業(yè)像“鳥群”一樣圍繞創(chuàng)新政策覓食，淡化企業(yè)對(duì)政府的消極情緒是關(guān)鍵。

企業(yè)生存所處的環(huán)境在我國(guó)地方政府評(píng)估中已經(jīng)成為一個(gè)重要標(biāo)準(zhǔn)。企業(yè)生存環(huán)境是指影響企業(yè)生存與發(fā)展的各種外部因素的總和，包括政治環(huán)境、經(jīng)濟(jì)環(huán)境、社會(huì)文化環(huán)境、科技環(huán)境、自然環(huán)境等。這些環(huán)境因素相互交織、相互影響，共同構(gòu)成了企業(yè)的生存環(huán)境。

企業(yè)生存環(huán)境的變化直接影響企業(yè)的市場(chǎng)定位和發(fā)展方向。在決定環(huán)境的關(guān)鍵要素中，政府的政策與施政行為穩(wěn)定性居于首位。諸如政治環(huán)境穩(wěn)定、經(jīng)濟(jì)政策調(diào)整、企業(yè)融資成本、投資回報(bào)、新增與消失的市場(chǎng)機(jī)會(huì)等諸多因素中，企業(yè)行為變動(dòng)主要受制于政府決策與介入。這些都對(duì)企業(yè)的市場(chǎng)定位和發(fā)展方向產(chǎn)生深遠(yuǎn)影響。企業(yè)需要密切關(guān)注環(huán)境變化，不斷調(diào)整自身的發(fā)展戰(zhàn)略，以適應(yīng)市場(chǎng)需求和外部環(huán)境的變化。

盡管近年來我國(guó)的營(yíng)商環(huán)境有所改善，但不同地區(qū)、城市群間仍存在明顯差異，促進(jìn)中小城市的商業(yè)環(huán)境將對(duì)整個(gè)城市群的商業(yè)環(huán)境改善產(chǎn)生更顯著的影響。在這一背景下，企業(yè)需要重新審視自身的“價(jià)值創(chuàng)造”和運(yùn)營(yíng)能力，重新評(píng)估企業(yè)與政府之間的關(guān)系。

需要特別指出的是，更好地引領(lǐng)數(shù)字化進(jìn)程、提升公共服務(wù)水平是已被證明的、積極有效的舉措。尤其是近年來數(shù)字政務(wù)的出臺(tái)與發(fā)展，通過影響政府、技術(shù)供應(yīng)商和市場(chǎng)主體間的互動(dòng)，改變了公共服務(wù)提供方式與效率。但與此同時(shí)，數(shù)字政務(wù)也暴露出了一系列問題，如信息安全與公民隱私、數(shù)據(jù)共享技術(shù)壁壘與互通共享、數(shù)字人才缺乏和公眾數(shù)字化素養(yǎng)不足、數(shù)字鴻溝問題等。

因此，政府有必要繼續(xù)積極落實(shí)優(yōu)化營(yíng)商環(huán)境，鞏固數(shù)字基礎(chǔ)設(shè)施，提高財(cái)務(wù)能力、創(chuàng)新能力，優(yōu)化信息安全和公眾需求之間配置關(guān)系等。這有助于政府更好地引領(lǐng)數(shù)字化進(jìn)程，提升公共服務(wù)水平，推動(dòng)經(jīng)濟(jì)社會(huì)可持續(xù)發(fā)展。

（三）對(duì)提高企業(yè)創(chuàng)新能力的啟示

近年來，企業(yè)越來越意識(shí)到構(gòu)建數(shù)字平臺(tái)對(duì)于提高環(huán)境創(chuàng)新質(zhì)量和競(jìng)爭(zhēng)優(yōu)勢(shì)的重要性。參與創(chuàng)新平臺(tái)可以增強(qiáng)企業(yè)的資產(chǎn)基礎(chǔ)，這對(duì)于實(shí)現(xiàn)可持續(xù)發(fā)展目標(biāo)至關(guān)重要。

從數(shù)據(jù)共享的角度來看，數(shù)字平臺(tái)生態(tài)系統(tǒng)的商業(yè)模式可以分為四類：數(shù)據(jù)爬蟲、數(shù)據(jù)市場(chǎng)、數(shù)據(jù)聚合和數(shù)據(jù)分發(fā)。它們根據(jù)數(shù)據(jù)隱私、核心數(shù)據(jù)特征、創(chuàng)建和捕獲價(jià)值的方式及對(duì)公眾影響的差異而有所不同。因此，城市創(chuàng)新平臺(tái)可以通過整合數(shù)據(jù)并激勵(lì)協(xié)作工作的方式來創(chuàng)建和捕獲價(jià)值，或者通過啟用數(shù)據(jù)共享合作伙伴關(guān)系以探索對(duì)社會(huì)或環(huán)境影響的結(jié)果。

此外，應(yīng)用數(shù)字創(chuàng)新平臺(tái)，企業(yè)可以支持非營(yíng)利組織或特定需求群體，解決應(yīng)急需求或問題，可產(chǎn)生切實(shí)有效的社會(huì)和環(huán)境影響，直接促進(jìn)了一個(gè)更加多邊與多元的生態(tài)系統(tǒng)，形成共贏的局面。

參考文獻(xiàn)：

[1] 杜尚澤.放下包袱，大膽發(fā)展[N].人民日?qǐng)?bào)，2023-03-07（1）.

[2] 劉勝，郭蓉，吳亮.新質(zhì)生產(chǎn)力賦能現(xiàn)代化產(chǎn)業(yè)體系建設(shè)：內(nèi)在邏輯、關(guān)鍵問題與實(shí)踐路徑[J].新疆社會(huì)科學(xué)，2024（3）：20-33.

[3] Xiao J， Liu Q， He S， et al. Prediction and optimization of combustion performance and emissions for lean methane-hy-

drogen non-premixed flame using RSM-PSO methodology[J].International Journal of Hydrogen Energy， 2024（85）：

242-251.

[4] Yunan S， Wenkai Z， Xuewei A， et al. Catalyzing Financial Risk Control Excellence： A Novel Fusion Model- PSO-

Boost-Trans[J].Journal of Organizational and End User Computing（JOEUC）， 2024（1）： 1-29.

[5] Lim P， Clark A， Deviren V， et al. Impact of lumbar Pedicle Subtraction Osteotomies（PSO）level on Global Alignment

and Proportion（GAP）score in revision adult thoracolumbar spinal deformities[J].The Spine Journal， 2024（9）： 134-135.

[6] 吳非，胡慧芷，林慧妍，等.企業(yè)數(shù)字化轉(zhuǎn)型與資本市場(chǎng)表現(xiàn)：來自股票流動(dòng)性的經(jīng)驗(yàn)證據(jù)[J].管理世界，2021（7）：130-144.

[7] 周志華.機(jī)器學(xué)習(xí)[M].北京：清華大學(xué)出版社，2016.

Research on “Flocking” Logic of Corporate Environmental Perception

and Migration Behaviour

——A Quasi-natural Experimental Method based on PSO-SVM Model

Tao Shuangbin1， Li Tianyu2， Chen Yuxin1

（1.College of Sociology， Shenyang Normal University， Shenyang Liaoning 110034;

2.College of Management Science and Engineering， Baoding Institute of Technology， Baoding Hebei 071000）

Abstract：From the perspective of enterprise environment perception， the“bird flock”logic can be applied to explain the social behavior of enterprises. Assuming that an enterprise is a single entity with independent behavior， its willingness to participate in a specific policy is affected by“self-cognition”and“sociability”. The test results using the PSO-SVM model show that positive policy perception and innovation ability play a decisive role in predicting the outcome， and enterprises with high innovation ability and strong policy perception have a stronger willingness to participate in innovation policies. In order to guide enterprises to actively search for and accept “food”（tax incentives and government subsidies， etc.）， the government should pay more attention to the actual needs of enterprises to innovate and formulate more targeted and differentiated policies. If the government expects enterprises to act like flocks of birds around innovation policies， it should better lead the digital process， improve the level of public services， and dilute the negative sentiment of enterprises towards the government. Digital innovation platforms should be actively built to promote more“migratory birds”to move in.

Key words：enterprises; environmental perception; migration; “flocking” logic

收稿日期： 2024-06-25

基金項(xiàng)目： 遼寧省社會(huì)科學(xué)基金項(xiàng)目（L22AJY019）

作者簡(jiǎn)介： 陶雙賓，男，遼寧建平人，沈陽師范大學(xué)副教授，碩士研究生導(dǎo)師，主要從事社會(huì)學(xué)方法、項(xiàng)目評(píng)估、農(nóng)村研究;通信作者：李天宇，男，遼寧凌源人，保定理工學(xué)院講師，主要從事管理學(xué)研究;陳宇欣，女，山東德州人，沈陽師范大學(xué)社會(huì)學(xué)碩士研究生，主要從事城市社會(huì)學(xué)研究。