装备制造业技术协同创新绩效评价及政府作用力仿真研究—

(1.燕山大学公共管理学院；2.燕山大学京津冀协同发展管理创新研究中心，河北秦皇岛 066004)

摘要：运用MaxDEA软件，采用CCR模型、BCC模型和影子价格分析构成组合DEA模型，对装备制造业技术协同创新绩效进行评价。根据评价结果对重要影响因素——政府作用力进行MATLAB仿真，按照政府作用力仿真结果，将装备制造业及各子行业分为综合作用力-复杂成长型、政策激励力-平稳成长型、政府支持力-波动成长型3种类型。最后根据绩效评价和仿真结果分别提出针对装备制造业及各子行业发展，以及进一步加强政府作用力的对策建议。

关键词：装备制造业；技术协同创新；绩效评价；政府作用力；MATLAB仿真

0 引言

当前，我国装备制造业的主要短板是其研发强度低和行业集中度低，技术创新水平亟待提升。装备制造业技术创新不能仅靠单一主体或单一要素，需要多主体、多要素共同发挥作用，通过技术协同创新强化技术创新的辐射能力，提高技术创新整体效能。国内外学者关于技术协同创新绩效的研究可以大致概括为3个方面，即绩效影响因素、绩效评价方法和绩效实现途径。在技术协同创新绩效影响要素方面，Kuen-Hung[1]发现，新技术协作、产品性能改进、供应商协同、客户协作、竞争对手合作、研究机构合作等因素，以及组织吸收能力，会因为制造业企业规模和行业类型不同，对产品生产和创新绩效产生不同效果。通过综合分析发现，学习与资源的战略取向、环境高包容性[2]、多领域跨职能协同[3]、合作伙伴激励[4]等因素与制造业技术协同创新绩效存在正相关关系。李华晶[5]在新能源汽车企业研发投入与绩效关系研究中，发现R&D人员投入与企业绩效之间存在显著的负向调节效应。王欣[6]发现，服务流程创新在组织吸收能力与企业服务创新绩效间发挥部分中介作用。可见，影响因素与创新绩效之间的关系复杂，需要具体问题具体分析。

常用的协同创新绩效评价方法有数据包络分析法、模糊综合评价法、层次分析法、因子分析法、多指标模糊关联法等，为了适应协同创新绩效评价的复杂性，学者们尝试运用更多的评价方法。例如，PHIBIN S[7]对转换过程的协同创新绩效进行评价，Piroska H[8]构建关联投入(Connected as an Input)综合模型评价创新绩效，刘佳[9]运用模糊层次分析法(FAHP)，刘志华[10]运用正态云模型，李林[11]运用二元语义模型，李擘[12]运用权重系数累加法，霍妍(2006)利用DEA和Malmquist指数法。尽管现有方法多样，但以数据包络分析为基础的协同创新绩效评价方法运用最为广泛，包括投入导向的CCR和BCC模型、产出导向的CCR和C2GS2模型、SBM-DEA和CEM-DEA模型、基于松弛变量的DEA模型、网络DEA模型以及链式关联DEA模型等。基于本文研究对象和数据的特点，采用组合DEA模型对装备制造业技术协同创新绩效进行评价。

学者们通过对创新绩效进行分析，提出一系列有效提高装备制造业技术协同创新绩效的实现途径。李坤[13]认为，政府应将技术协同创新作为重要的政策调控手段，从物质投入和制度环境优化两方面均衡高端装备制造业三维螺旋式技术协同创新的合作博弈，进而促进行业成长。贾军[14]认为，提升工艺创新资源协同水平是技术创新发展的重要任务。程欣怡[15]指出，研发能力强的企业是创新网络形成的关键，因而应重点培养科研潜力大的企业。Martin[16]和Yiannis[17]指出，企业在技术合作、创新合作以及政府资助合作研发项目中，因所在国家不同而表现出显著性差异，在欠发达国家更容易开展合作，但合作往往因资本流散而失败。张永安[18]指出，技术创新政策对创新绩效发挥重要的杠杆作用，在政策实施过程中，应注意政策时效性和政府监管作用。

综上可知，学者们对创新绩效的研究多从行业整体或某一分行业入手，没有系统分析装备制造业各分行业及整体行业在技术协同创新绩效上的差别。而通过对比分析，有助于提炼出装备制造业整体技术协同创新绩效提升的共同途径，以及影响各分行业创新绩效的差异，进而更加准确、针对性地提出分行业创新绩效提升建议。由此，本文定义装备制造业技术协同创新绩效为，在技术协同创新状态下呈现出的综合技术效率，即装备制造业技术协同创新成果(新产品销售收入)与资源投入的综合比率，而综合比率反映了装备制造业技术协同创新的资源利用及创新绩效情况。本文通过对装备制造业技术协同创新绩效进行实证分析，对其核心影响因素——政府作用力进行仿真，根据绩效评价和仿真结果，提出提高装备制造业技术协同创新绩效的具体对策与建议。

1 组合DEA模型构建

数据包络分析法作为一种最常用的评价方法，由Banker[19]提出，该方法是基于DEA有效性的绩效评价方法。针对装备制造业，在技术创新产出不足的背景下，选择投入导向模型使得投影分析结果更容易得到解释。这是因为在投入导向模型中，根据投影分析结果，无效率单位要想达到有效率状态，评价目标需在减少投入的同时维持产出。投入资源的影子价格是针对装备制造业技术协同创新系统而存在的特殊价格，反映了由单位资源投入变化而引起的创新绩效改变。分析创新投入资源影子价格的意义在于，能计算出由单位资源投入增加而引起的创新产出增量，即DEA有效性增量，以此比较技术协同创新系统中各类资源投入对决策单元的稀缺程度。对于稀缺性高的投入资源，其影子价格较高，对创新绩效影响较强。

运用MaxDEA软件和CCR模型、BCC模型，通过比较技术效率值、纯技术效率值、规模效率值及投入资源影子价格，建立组合DEA模型，即通过综合CCR模型技术效率排名、BCC模型技术效率排名以及资源投入的影子价格排名，获取创新绩效综合排名，以分析装备制造业技术协同创新绩效水平。

假设要测量一组n个DMU的技术效率，记为DMUj (j=1,2，…，n)，每个DMU有m种投入，记为xi(i=1,2，…，m)，投入权重表示为vi(i=1,2，…，m)；q种产出，记为yr(r=1,2，…，q)，产出权重表示为ur(r=1,2，…，q)。当前要测量的DMU记为DMUk，其产出投入比表示为:

限定所有DMU采用上述权重得出的效率值为θj，且θj值在[0,1]区间内，则投入导向CCR模型的规划式为：

投入导向BCC模型的规划式为：

在计算投入资源的影子价格时，首先对影子价格的数值进行无量纲化处理，采用百分制评分。令μt表示第t(t=1,2，…,n)个DMU某个指标的统计值，φt表示第t个DMU指标分数，计算公式为：

2 绩效评价指标体系构建

装备制造业技术协同创新系统是一个非平衡状态的开放系统，在与外界进行物质和能量交换过程中，主要通过协同作用，自演化成为在时间、空间和功能上有序的结构[20]。如图1所示，装备制造业技术协同创新系统由参与者网络、外部环境和运行过程3部分组成。参与者网络是由创新主体协同创新而构成的互动网络，创新主体主要包括企业、高校(包括科研机构)、政府、中介和用户。其中，企业是参与者网络的核心主体，参与者网络协同程度对整个装备制造业技术协同创新网络起到决定性作用。企业、高校、政府和中介之间互惠合作关系是评价参与者网络的重要指标。由于装备制造业的产品研发、生产、检测、应用等活动分属于不同行业，而目前行业间缺乏交流，信息和技术标准严重不统一，研发生产中的各环节衔接不到位。因此，应特别重视协同过程中企业之间及企业与用户之间信息和知识的传递、接收、转化，以及技术创新主体间创新意愿协同和利益划分等问题。

装备制造业技术协同创新网络的外部环境因素众多，其中政府政策、市场经济环境以及各种协同平台是影响创新系统的主要因素。外部环境对整个装备制造业技术协同创新系统的支持和保障主要体现在资源供给、资本供给、技术服务、合作政策、政策激励等方面。装备制造业技术协同创新系统依托于创新主体和创新客体间的协同作用，其运行效率与效果既受到技术和市场发展程度的制约，也受到技术发展推动力、市场需求推动力和政府推动力促进。装备制造业技术创新对技术层次和创新路径依赖性较强，需要密切关注相近产业和关联产业新型材料研发、技术衔接和标准规范。通过技术协同创新系统运行实现创新功能，不仅表现为产品创新，还包括工艺创新、应用创新、市场创新等各种创新形式，表明创新绩效不仅与专利申请数和专利授权数相关，还受到创新营销方式、创新环境等综合因素影响。

在对装备制造业技术协同创新系统分析的基础上，结合装备制造业技术协同创新运行机制[20]和装备制造业技术协同创新影响因素[21]相关研究，选取装备制造业技术协同创新关键影响因素建立创新评价指标体系。由于篇幅有限，故不将具体过程列出，仅给出技术协同创新绩效评价指标体系筛选结果，如图2所示。在装备制造业企业和科研机构研发项目统计指标中，技术推动能促使企业加大技术获取和技术改造力度，采用引进技术经费支出、消化吸收经费支出、购买国内技术经费支出及技术改造经费4项经费之和作为技术推动评价指标；国家战略需求或政策鼓励产生的政府推动，多用于支持政府重点规划的装备制造产业发展，主要体现为政府加大研发项目经费支出，故采用用于R&D项目经费内部支出的政府资金作为评价指标；人才供给采用R&D人员全时当量进行评价，采用保证R&D人员工作用时投入衡量人才供给；企业作为研发主体，企业R&D经费内部支出和企业R&D经费外部支出构成了资本供给主体；在服务资源中，所有R&D经费外部支出中对研究机构和高校的支出代表技术服务提供量，来自政府部门的科技活动资金代表政府支持力度；政策支持主要来自政府政策实施效果，采用政府减免税(政府对研发开发费用加计扣除减免税和高新技术企业减免)评价政策激励；信任合作机制中的互惠合作关系能促进企业技术创新，表现在新产品开发、生产和销售方面，故用新产品销售收入作为互惠合作关系达成的评价指标。

根据DEA模型对投入、产出指标选择的要求，从生产可能集角度考虑，DEA模型的投入指标(x)和产出指标(y)应大致满足以下关系：y仅能由x产生。不难发现，在这8个关键影响因素中，无论是驱动力因素还是资源供给因素，均对技术协同创新效果具有正向作用，而技术协同创新效果最直接的表现就是新产品销售收入增加，即表示创新主体间互惠合作关系达成，故将互惠合作关系的量化指标“新产品销售收入(J1)”作为产出指标，其余关键影响要素作为投入指标，新产品销售收入代表由技术协同创新产生的各种创新形式的成果的统计值。

3 创新绩效评价

根据统计年鉴统计类别情况，选用装备制造业整体及其7个子行业共8类数据作为模型应用实例数据。为了统计方便，规定子行业1代表金属制品业，子行业2代表通用设备制造业，子行业3代表专用设备制造业，子行业4代表交通运输设备制造业，子行业5代表电气机械及器材制造业，子行业6代表计算机及通信和其它电子设备制造业，子行业7代表仪器仪表及文化和办公用机械制造业，7个子行业数据之和为装备制造业行业整体数据，数据主要来自2011-2015年《中国科技统计年鉴》和《工业企业科技活动统计年鉴》。

根据MaxDEA软件运行结果，将CCR模型效率值、BCC模型效率值和影子价格整理如表1、表2和表3。在CCR模型中，效率值越低，表示投入缩减幅度越大、效率越低。分析结果显示，子行业2、3、7资源投入技术效率有效性较低，可通过优化资源配置、改进资源管理方式提高技术效率和创新绩效。在BCC模型中，在不减少产出的条件下，子行业2、3、7资源投入利用率较低，存在资源浪费，可通过加强资源运营管理、改善资源投入比例，提高创新资源技术效率。表3中的数值表示每单位投入值可产生富裕的产出值，当产出富裕值为负时，表明每个单位资源投入未能实现每个单位产出，即资源投入利用效率不高。在所有子行业中，子行业6除2014年以外，其它年份产出富裕值均为正，且在装备制造业中最高，在影子价格分析中综合排名第一。

2010-2014年的数据显示，资源投入呈渐进趋势，当年投入均是以上一年资源投入为基础，各项资源投入递增。根据式(4)得到各投入资源的影子价格，经整理如表4所示。从表4中可以看出，Z4的影子价格合计最大，说明近年来，政策支持提供的服务资源对装备制造业技术协同创新产出作用力最大；其次是Q4技术推动的影子价格，表明技术获取与技术改造经费支出对技术协同创新绩效作用显著；Q5和Z2的影子价格数值相对较低，说明政府推动效果不显著，资本供给的研发经费投入不足或研发经费未得到有效利用。在7个投入指标中，有3个投入指标用于反映政府投入，表现为政府作用力，并且在投入指标影子价格排序的前3名中，Z4和J3均体现了政府作用力的影响力，表明在装备制造业技术协同创新绩效影响因素中，政府作用力发挥了重要作用。

创新绩效评价结果如表5所示，子行业6排名第一，装备制造业整体行业排名第二，子行业5排名第三，子行业1、4并列第四，上述行业技术协同创新绩效相对较好；子行业2、3、7的技术协同创新绩效排名相对靠后，有待进一步提高。

通过整理各子行业及行业整体规模收益统计情况，以验证其与绩效评价结果一致性，结果如表6所示。

表6显示，子行业6规模收益不变，说明投入资源数量以相同的单位增加，创新产出也以相同单位增加，表明子行业6在利润最大化导向下，企业处于规模收益不变阶段，仍保持在行业发展峰值处，与其创新绩效综合排名第一的结果相吻合。子行业5及装备制造业行业整体近5年的规模收益呈递减趋势，说明规模效率已经不能成为创新绩效增长的决定条件，必须通过提高纯技术效率带动综合技术效率。其它子行业整体处于规模收益递增阶段，表明除了提高纯技术效率外，还可以通过提高规模效率提高综合技术效率，进而实现创新绩效提升。

创新绩效评价结果显示，装备制造业行业整体及各子行业发展水平不一，各行业技术协同创新绩效提高途径各异。综合比较装备制造业技术协同创新绩效投入指标发现，政府作用力对装备制造业及其子行业技术协同创新绩效具有重要的影响作用。在装备制造业技术协同创新绩效评价的7个投入指标中，有3个投入指标反映了政府投入，表现为政府作用力；在影子价格排序前3的投入指标中，政府支持力和政策激励力均体现了政府作用力的影响力，表明在装备制造业技术协同创新绩效的影响因素中，政府作用力对创新绩效具有重要作用。技术协同创新是创新主体为实现创新目标而采取的特殊合作创新模式，通过发挥政府引导作用，包括政策、机制、资源供给等引导措施，有效调动创新主体间跨行业、多领域开展协同创新的积极性，促进不同行业与机构间的知识交流和知识增值，提高技术产品创新成功率及市场价值。因此，应在装备制造业技术协同创新绩效投入指标上加强政府作用力的影响，以引导和刺激创新绩效科学增长。本文将对政府作用力进行MATLAB仿真分析，以揭示其对创新绩效的作用机理。

4 政府作用力仿真

装备制造业是工业发展的“母机”，基于其重要地位，政府对装备制造业发展应始终坚持“市场主导，政府引导”的原则，密切关注与把控其发展方向及水平。根据政府作用经济外部性理论，从社会资源配置角度看，政府对装备制造业的战略规划就是要充分发挥政府推动力的作用。这是因为装备制造业具有技术关联性高、渗透力强等特点，可以通过产业目标设定、相关基础设施投资和技术创新规划，将装备制造业的技术协同创新推及工业技术整体，甚至整个国家经济发展。政府与市场失灵理论指出，在市场经济条件下，只有适度地发挥政府作用才能促进产业经济发展。该理论还指出，装备制造业本身具有公共物品性和外部性，尤其是基础性装备制造业和大型成套装备制造业，其技术研发成本较高，但后期使用边际成本很低，导致边际投资的社会收益远高于私人收益。因此，政府需要充分发挥政策激励力，提供税收优惠、产权保护等保障性措施，以满足社会效益需要。由于装备制造业资源占用高、资金投入大，且技术创新具有高风险，为消除或缓解市场失灵对产业发展带来的不利影响，政府通过各类资金投入以发挥政府支持力作用。综上，政府对装备制造业技术协同创新的引导作用，可以划分为政府推动力、政府支持力和政策激励力三种作用力形式。

政府推动力主要表现在政策文件基本原则制定、目标实施规划以及重点工程布局等方面。基本原则大纲式地提出规划方向，目标实施成为政策规划的检验标准，重点工程的提出明确了政府推动力的方向，这些政策的制定突出了政府在推动装备制造业技术协同创新发展中的方向和检验标准，提出了政府期望发展的方向和水平。资金供给是政府支持力的最直接体现。装备制造业的发展需要大量资金供给作为支撑，装备制造业的技术协同创新过程中，根据资源稀缺性原理，假设政府在各个产业中投入一定量的资金，这时从资金供给程度反映政府支持力度，从资金供给环节反映政府支持方向。知识产权保障、标准体系制定、人才培养保障以及组织实施都属于政府激励力的具体体现。政府对产业发展的激励作用主要表现在保障体系和组织实施措施上，保障体系涉及到利益分享、风险防控、国际交流、咨询服务、人才培养、文化环境等多个方面，组织实施需要各种法律法规的完善、机制的构建、规划实施的组织和协调。在政府推动力、政府支持力和政策激励力的合力作用下，形成了政府在装备制造业技术协同创新方面的作用力。

装备制造业技术协同创新系统是一个复合系统，具有不确定性和自组织性。根据协同学原理，通过改变技术协同创新系统中政府作用力，可以发现不同形式的政府作用力对技术协同创新系统的影响不同。协同学原理指出，系统中存在竞争与合作关系是系统协同的前提。在资源有限性条件下，政府作用力的投入量有限，但其表现形式多样，不同的政府作用力之间既存在合作关系，也存在着竞争关系，符合协同学系统运作原理。从演化过程视角看，装备制造业技术协同创新系统从最初逐渐变化达到某一个临界状态，此时在外界综合投入变化刺激下发生突变，由此跃迁至更高级状态。

依据装备制造业技术协同创新机制及其影响因素分析结果，以2003-2014年统计年鉴数据为基础，通过建立模型，运用MATLAB软件进行系统仿真分析，探究装备制造业技术协同创新绩效在政府引导作用下的绩效变化，即对作用于装备制造业技术协同创新绩效的政府作用力进行仿真实验。由此，提出以下假设：

H1：装备制造业技术协同创新系统是一个具有一般自组织系统特征的复合系统，此复合系统具有开放性，在系统内外作用力的影响下可以成为耗散结构；

H2：装备制造业技术协同创新系统达到协同演化的阈值可有多个。随着控制变量和状态变量的变化，装备制造业技术协同创新系统达到协同的阈值条件和系统失稳的临界条件会出现相应变化；

H3：装备制造业技术协同创新系统参数指标是可量化的，政府作用力及其3个组成部分政府推动力、政府支持力、政策激励力指标均可量化，并通过对指标体系的改变，衡量装备制造业技术协同创新绩效影响效果。

在绩效评价的投入指标中，主要依靠政府力量发挥政府作用力的有3个影响因素，即驱动力因素中的政府推动(Q5)、资源供给因素中的政策支持(Z4)、合作激励因素中的政策激励(J3)。装备制造业技术协同创新绩效影响因素评价结果显示，政府推动每增长0.86单位可提升1单位的绩效，政策支持每增长0.685单位可提升1单位的绩效，政策激励每增长0.311单位可提升1单位的绩效，根据其路径系数和作用原理，设政府作用力演化方程为：

其中，ki(i=1,2,3)为常数，k1=0.86，k2=0.685，k3=0.311。

定义W为演化仿真系数矩阵，有：

通过W矩阵调整政府作用力权重系数，进而对模型进行仿真。

运用MATLAB软件对装备制造业技术协同创新系统的政府作用力进行仿真，分别对政府推动力、政府支持力和政策激励力进行加权，以探寻何种政府作用力对装备制造业整体及其7个子行业技术协同创新绩效更为有利。仿真结果显示，无论增加何种政府作用力权重，均能强化对装备制造业技术协同创新绩效的促进作用。根据政府作用力的表现形式，以及装备制造业技术协同创新绩效发展趋势，将仿真结果分为综合作用力-复杂成长型、政策激励力-平稳成长型、政府支持力-波动成长型3种类型。

(1)综合作用力-复杂成长型。如图3所示，无论加大政府推动力、政府支持力和政策激励力中任何一种政府作用力的权数，3个子行业的技术协同创新绩效均产生不同幅度的向上移动，说明政府作用力能强化技术协同创新绩效提升效果；3种政府作用力的仿真曲线出现重合或缠绕现象，除局部仿真曲线有些许差别外，整体仿真效果表现一致，表明政府推动力、政府支持力和政策激励力对金属制品业、专用设备制造业、仪器仪表及文化和办公用机械制造业3个子行业技术协同创新绩效的作用效果相同，且这3个子行业发展具有趋同性。

在2003-2013年，金属制品业、专用设备制造业、仪器仪表及文化和办公用机械制造业3个子行业的技术协同创新绩效始终呈上升趋势，但在2014年呈下降趋势，其中，金属制品业技术协同创新绩效下降幅度最大。以金属制品业为例，尽管该行业利润总额持续上涨，但利润增长率由2011年的30.2%下滑至2015年的4.7%，表明金属制品业利润空间逐渐收缩。要突破这一困境必须坚持转型升级，降低成本和优化结构是提升附加值的主要手段，而技术创新能二者兼顾。专用设备制造业和仪器仪表及文化和办公用机械制造业作为典型的需求拉动型下游行业，其发展水平与国家宏观调控息息相关，因为下游行业产品需求直接影响其技术协同创新水平。因此，加大政府推动力、政府支持力和政府激励力均能促进金属制品业、专用设备制造业、仪器仪表及文化和办公用机械制造业技术协同创新绩效提高，并且这3种政府作用力表现形式的促进效果一致，从侧面说明金属制品业、专用设备制造业、仪器仪表及文化和办公用机械制造业存在很大的技术协同创新绩效提升空间。

(2)政策激励力-平稳成长型。图4显示，加大政府推动力、政府支持力和政策激励力的权数，通用设备制造业和电气机械及器材制造业的技术协同创新绩效仿真曲线均向上移动，技术协同创新绩效提高。但从政府推动力、政府支持力和政策激励力三者作用效果看，政策激励力的作用效力显著强于其它两个。可见，在通用设备制造业和电气机械及器材制造业技术协同创新过程中，政策激励力是政府作用力的最优表现形式。对于通用设备行业，需要提高政府标准体系保障等激励力，以完善产品和先进技术标准体系，促进技术协同创新发展。

技术协同创新绩效仿真曲线显示，2003-2014年，通用设备制造业和电气机械及器材制造业技术协同创新绩效逐年增长。通用设备制造业和电气机械及器材制造业在行业结构上存在一定共性，即以中小型企业为主、行业集中度较低、产业链发展不平衡、行业内产品差异不大、技术协同创新要素要求具有一致性；2011年起，通用设备制造业和电气机械及器材制造业技术协同创新绩效增速放缓，这与其主营业务收入上涨的同时主营业务收入增长率下滑关系密切，说明继续依靠规模扩大的粗放增长模式很难刺激收入增长率提高，要求通用设备制造业和电气机械及器材制造业在基础零部件领域实施突破性技术创新，以此拉动两个行业的发展。

(3)政府支持力-波动成长型。图4显示，虽然交通运输业、计算机及通信和其它电子设备以及装备制造整体行业技术协同创新绩效在政府推动力、政府支持力和政策激励力的刺激下均得到提升，但以2013年为分界点，政府支持力权重加大极大地促进了技术协同创新绩效水平提升。政府支持力主要体现在政府资金保障体系上，涉及资金投入额度、资金投入方向和资金投入方式等多个方面。与发达国家装备制造业投入资金额度相比，我国政府支持力还远远不够。因此，我国在持续加大资金支持力度的同时，还需深化科技计划(专项、基金等)资金投入结构改革，统筹支持元器件、先进基础工艺、关键基础材料和产业技术基础研发，并创新资金投放方式。

交通运输设备制造业、计算机及通信和其它电子设备制造业属于装备制造业下游产业。中国工业统计年鉴数据显示，交通运输设备制造业、计算机及通信和其它电子设备制造业的资产额比其它子行业高。以2014年为例，装备制造业资产为263 413.82亿元，其中交通运输设备制造业资产占26%，计算机及通信和其它电子设备制造业占20%，表明交通运输设备制造业、计算机及通信和其它电子设备制造业技术协同创新绩效仿真曲线与装备制造业行业整体技术协同创新绩效仿真曲线发展趋势一致。图5显示，2013年，政府作用力影响下的行业技术协同创新绩效仿真曲线上升趋势明显。以计算机及通信和其它电子设备制造业为例，2012年4个季度的数据显示，出口总额创全年新高，2013年行业利润总额为3 308.25亿元，同比增幅达20.48%，主要是因为行业规模不断扩大、行业竞争促使企业效率提高、技术协同创新逐渐发挥效果。

5 结论与建议

装备制造业技术协同创新绩效评价排名依次为：计算机及通信和其它电子设备制造业、装备制造业整体行业、电气机械及器材制造业、金属制品业和交通运输设备制造业，通用设备制造业、专用设备制造业、仪器仪表及文化和办公用机械制造业。投入资源影子价格评价结果显示，政策支持力提供的服务资源对装备制造业技术协同创新产出作用力最强，说明加强政府作用力对提高创新绩效具有重要作用。根据政府作用力仿真结果，可将装备制造业及各子行业分为综合作用力-复杂成长型、政策激励力-平稳成长型、政府支持力-波动成长型3种类型。

就装备制造业而言，至少可以分为7个子行业，子行业间既具有共性也具有个性，因而技术协同创新绩效提升路径应因地制宜。在装备制造业子行业中，虽然计算机及通信和其它电子设备制造业技术协同创新绩效排序第一，但已无法通过生产规模扩大进一步获得绩效提升。因此，通过提高技术协同创新绩效提高其竞争力迫在眉睫。其它子行业总体处于规模收益递增阶段，除了开展技术协同创新外，还可以通过提高规模效率提高行业综合实力。

另外，应着重提高排名靠后的3个子行业绩效水平，即通用设备制造业、专用设备制造业和仪器仪表文化制造业等基础制造行业。装备制造业各子行业间存在上下游供需链关系，基础类制造品直接关系到整个装备制造业技术协同创新发展。因此，应注重技术协同战略规划，尤其在核心零件、新材料和核心装备组装领域，需加强供应一体化、深化协同创新。

在交通运输业、计算机通信和其它电子设备以及装备制造行业整体技术协同创新过程中，需加强政府支持力度，扩大政府资金支持范围，提高政府资金支持力度，创新政府资金投放结构和方式；在通用设备制造业和电气机械及器材制造业技术协同创新过程中，需加强政府激励力度，根据行业特点，重点完善产品与先进技术标准体系，强化政府税收激励作用，完善知识产权保障体系与发明专利成果转化服务。

政府在技术协同创新过程中具有关键作用，不仅可以在人、财、物和激励机制等方面为装备制造业发展提供支撑，还可以根据国家发展重点需要和行业需求，有目的、有针对性地实施政策引导，有效集聚创新资源，促进装备制造业技术协同创新水平提高。在技术协同创新系统中，政府作用力并未得到充分发挥，协同平台及技术创新支持政策落实不力是目前亟待解决的问题。因此，提高政府作用力的影响作用应从以下4个方面实现：

(1)科学规划引导力度和引导方向。针对产业发展特点和行业技术协同创新过程中的问题，细化政府作用力，科学引导行业技术协同创新；最大化政策工具作用，积极尝试贸易、税收、劳动力、能源、教育、科学、技术和工业等政策工具之间的优化组合；根据资源稀缺性原则，合理规划政府作用力、优化政府资源配置，使各子行业在技术协同创新绩效提高过程中实现共赢。

(2)完善技术协同创新服务功能。主要从政府的服务功能、咨询功能和管理功能3个方面实现：在服务功能方面，为技术协同创新系统中的创新主体提供科技信息咨询、平台搭建等相关服务；在政策咨询服务方面，为创新主体解答政策疑惑、提供政策指导，发挥政府的强效引导作用，进而加强政府政策执行力；管理职能方面，主要通过政府改革创新管理机构，以及对协同创新程序、协同创新过程和协同创新成果的有效管理实现。

(3)加强装备制造业人才培养。契合中国装备制造业实际发展需求，加强国家教育发展和改革战略规划，优化学科和专业设置，既注重研发型人才培养，又注重应用型人才培养。同时，既注重通用性人才培养，又注重专业性人才培养，通过优化人才培养方案，培养出大批高素质管理人才、高水平研发人员和应用型人才，为装备制造业从中国制造走向中国创造提供“源头活水”。

(4)完善政府作用力监督和评价体系。一方面，应科学制定考核目标，遵循科学性、可量化、具有战略意义等原则，引导装备制造业技术协同创新的顺利发展；另一方面，通过提高政府风险识别能力，降低成果转化、市场投入和知识产权等风险，保障各协同创新主体的利益，进而提高技术协同创新项目持续性。

[1] KUEN-HUNG TSAI.Collaborative networks and product innovation performance:toward a contingency perspective[J].Research Policy,2009,38(5):765-778.

[2] JIE ZHAO,YUAN LI,YI LIU,et al.Contingencies in collaborative innovation:matching organisational learning with strategic orientation and environmental munificence[J].International Journal of Technology Management,2013,62(2-4)：193-222.

[3] JONATHAN AYLEN.Stretch:how innovation continues once investment is made[J].R&D Management,2013,43(3)：271-287.

[4] CARMEN DE PABLOS HEREDERO,JOSE MANUEL BERMEJO RUIZ.Fostering innovation in the national systems:an application to Spain[J].Business Systems Research,2014,5(2)：110-124.

[5] 李华晶,郑娟,和雅娴.新能源汽车企业研发投入与绩效关系[J].中国科技论坛,2017(1):76-81,93.

[6] 王欣,徐明.组织吸收能力、服务流程创新与服务创新绩效——顾客导向视角的混合模型分析[J/OL].科技进步与对策,http://www.cnki.net/kcms/detail/42.1224.G3.20170116.0942.026.html ,2017-01-16.

[7] PHIBIN S．Process model for university-industry research collaboration [J]European Journal of Innovation Management,2008,11(4):488-521

[8] PIROSKA H,K

N K.Innovation-based performance evaluation foundations[J].Informacios Tarsadalom,2013(2):38-57.

[9] 刘佳,刘志华,李林.基于合同环境服务的环保产业项目协同创新绩效评价研究[J].经济地理,2013(11):111-114.

[10] 刘志华,李林,姜郁文.我国区域科技协同创新绩效评价模型及实证研究[J].管理学报,2014(6):861-868.

[11] 李林,刘志华,王雨婧.区域科技协同创新绩效评价[J].系统管理学报,2015(4):563-568.

[12] 李擘.基于战略联盟的协同创新绩效与绩效评价研究[J].科学管理研究,2016(2):5-8.

[13] 李坤,于渤,李清均.高端装备制造业成长的理论分析:基于三维螺旋式技术协同创新的视角[J].学习与探索,2013(11):108-111.

[14] 贾军,张卓,张伟.中国高技术产业技术创新系统协同发展实证分析—以航空航天器制造业为例[J].科研管理，2013(4):9-15,59.

[15] 程欣怡,王子龙,冯宇,等.航空技术协同创新水平测度的实证研究[J].科技创新导报,2014(12):18-19.

[16] MARTIN SRHOLEC.Understanding the diversity of cooperation on innovation across countries:multilevel evidence from Europe[J].Economics of Innovation and New Technology,2015,24(1-2):159-182.

[17] YIANNIS E,SPANOS,NICHOLAS S,et al.Antecedents of innovation impacts in publicly funded collaborative R&D projects[J].Technovation,2015(36-37):53-64.

[18] 张永安,闫瑾.技术创新政策对企业创新绩效影响研究——基于政策文本分析[J].科技进步与对策,2016(1):108-113.

[19] BANKER R D,CHARNES A,COOPER W W.Some models for estimating technical and scale inefficiencies in data envelopment analysis[J].Management Science,1984,30(9):1078-1092.

[20] 司林波.装备制造业技术协同创新运行机制构建[J].科技进步与对策,2017(2):72-79.

[21] SI L B,MENG W D.Influencing factors of technological synergy innovation effect of the equipment manufacturing industry based on structural equation model [J].Journal of Mechanical Engineering Research and Developments,2016,39(4):1005-1011.

Research on the Performance Evaluation and Government’s Force Simulation of the Equipment Manufacturing Industry Technology Synergy Innovation——Based on the Combined DEA Model and MATLAB Simulation Model

(1.School of Public Administration, Yanshan University；2. Beijing-Tianjin-Hebei Synergy Development and Management Innovation Research Center,Yanshan University, Qinhuangdao 066004, China)

Abstract：By using MaxDEA software, CCR model, BCC model and shadow price analysis are used to construct the combined DEA model to evaluate the technical innovation performance of equipment manufacturing industry. According to the results of the evaluation, the author analyzes the result of the simulation, and divides the equipment manufacturing industry and its sub-industries into the comprehensive force-the complex growth type, the policy incentive force -the steady growth type, the government support Force-fluctuation growth type. Finally, according to the performance evaluation and simulation results, the author puts forward some countermeasures and suggestions for the development of the equipment manufacturing industry and its sub-industries, as well as the further strengthening of the government’s force.

Key Words：Equipment Manufacturing Industry; Technology Synergy Innovation; Performance Evaluation; Government's Force; MATLAB Simulation

基金项目：河北省教育厅人文社科研究重大课题攻关项目(ZD201441)；河北省科技计划软科学项目 (16457668D)；河北省高校人文社会科学研究青年基金项目 (SQ171009)

作者简介：司林波(1982-)，男，安徽合肥人，博士，燕山大学公共管理学院副教授、硕士生导师，燕山大学京津冀协同发展管理创新研究中心研究员，研究方向为技术创新管理、公共管理；孟卫东(1958-)，男，河北徐水人，博士，燕山大学京津冀协同发展管理创新研究中心主任、教授、博士生导师，研究方向为战略管理与创新管理。