0 引言
2015年，“中国制造2025”规划作为我国政府实施制造强国战略第一个十年行动纲领，吹响了制造产业向智能化、数字化、集成化全面改革的序幕。我国制造业纷纷开始由“中国制造”向“中国智造”转型升级，着力拉近中国制造企业与世界制造强国企业之间的距离。然而，智造产业工业发展水平、科技创新能力和政府治理一直存在“两张皮”的问题。党的十九大提出建设网络强国、数字中国、智慧社会，推动互联网、大数据、人工智能与实体经济深度融合，促进政府现代化治理能力、公共服务水平全面提升[1]。在党中央和国家支持下，地方政府治理体系创新给区域智造产业带来了全新机遇与挑战。随着“中国制造2025”规划的深度推进，智能制造将成为我国制造产业实现创新驱动发展提供新动能，政府治理创新对更好地规划产业布局、推动制造产业向智造产业升级的作用重大。由于我国政府治理创新对产业升级的体制机制建设仍处于探索中，目前关于治理创新与智造产业协同发展的研究文献也非常缺失。因此，厘清政府治理体系创新对区域智造产业演化发展的影响因素，对于推动区域重点制造产业向智造产业转型升级、构建智造产业创新体系具有重要理论与实践价值。
1 文献综述
1.1 智造产业发展与定义
由于我国东南沿海地区自然资源分布和产业基础较好、交通区位优势明显，在全球化、地方化和市场化背景下，获得了率先发展机会，表现出明显的产业空间集聚趋势，进入区域工业化快速发展通道。工业既是推动产业集聚和流动的重要载体，也是推进区域经济中其它产业发展的中坚力量。在工业行业中，制造业所占比重最大，与区域经济尤其是工业区发展的关联度最强[2]。制造产业集聚推动了区域工业化进程，进一步促进了产业升级和社会发展，继而形成相互作用的循环反馈机制。智能制造产业是我国近年来为提升制造产业竞争实力，向国际制造强国积极靠拢，推动我国传统制造业转型升级最具战略意义的新兴产业。智造产业作为我国于2015年后提出的新概念，目前尚未在学术界形成统一定义。魏诚[3]从智能制造的内涵、技术路径与实现方式等方面指出，智能制造是指将智能制造技术中的信息感知技术、自主学习技术、智能决策技术和自动化工作技术等充分应用到生产制造全流程之中，以提高生产效率、降低生产风险，优化制造企业智能化决策，实现生产过程自动化。谭建荣等[4]从数字制造到智能制造的关键技术路途径入手，基于典型制造产业的生产特点，提出我国制造产业向智能制造转变的模式，以及从数字制造到智能制造的具体技术路径。由此可以看出，在推动我国区域制造产业向更高阶段演化的过程中，智造产业确实起到了龙头企业引领、产业集聚成效显著、优良载体发展迅速和竞争优势明显的“推拉”带动作用。
1.2 演化经济视角下政府治理创新对区域产业的影响
在创新驱动发展战略指引下，全国各地涌现出许多创新型政府治理模式，充分显示出政府治理立足区域实际、勇于创新探索的能动性和自主性特征，尤其是对加快区域产业发展转型，构建开放、竞争的行政治理环境具有重要现实意义。戴祥玉[5]对我国地方政府治理创新的主要差异与共性要素进行检视分析，发现地方政府全面、持续、有效的治理创新是在全面改革深化阶段，对实现国家治理体系和治理能力现代化战略的能动回应，包括政治创新、行政创新、公共服务创新和社会管理创新等内容[5]。
已有学者证明治理中的创新要素对产业发展的影响具有动态演化特征，但相关实证研究仍比较匮乏[5]。演化经济学的兴起在一定程度上为政府治理创新对区域产业发展的影响研究提供了新范式。演化经济理论(Evolutionary Economics Theory)思想萌芽可以追溯到马歇尔[6]，而熊彼得[7]则首次提出了经济演化的思想，将经济发展描述为持续重构和持续扩张的过程，由企业组织内生性变化即变革过程推动的创新，构成了熊彼得经济演化思想的理论基础。此后，根据熊彼得的经济演化思想，不少学者基于研究环境与企业行为的互动演化关系作了一系列研究。孟祥宁等[8]认为经济演化是多个异质主体与环境相互作用的过程，主张对多重异质性在经济演化中的作用机理进行重新梳理。此外，作者还对异质性经济演化前沿研究领域作出了展望。Silverberg [9]则认为技术改革和技术创新引致劳动分工，是产业集群发展的引擎，推动了区域经济演化发展，有助于加深对地方经济社会变革基础、动力和路径的理解，为实现区域经济提质增效提供了新的视角。Cohen等[10]提出，经济要素在空间上的非均衡分布造成区域产业集群演化速度不一致，导致不同区域经济体发展水平存在差异。由于累积效应的存在，不同区域经济差距会越来越大，反过来又会影响产业集群向更高阶段演化。由于政府治理创新中的政府依法行政、专业行政、效率提高、成本节约、绩效管理、监管改善、行政问责等与区域产业发展息息相关，因此基于演化经济学视角研究地方政府现代化治理创新对区域产业发展的影响具有十分重要的意义。然而，相关研究极少涉及政府治理创新类型与区域产业分布、主体层级及绩效指标的关联性及共同演化路径，有关政府治理适应区域产业发展的理论框架还有待进一步深化。
2 理论框架与研究假设
2.1 政府治理创新下的地方社会贡献率
地方社会贡献率是衡量机构运用全部资产为社会创造或支付价值的能力。随着地方政府治理不断完善，行政监管和服务创新通过节约企业运营成本、提高生产效率、扩大产业集聚规模，提升政府经济工作地位，形成政府治理创新与产业协调发展的新增长机制，产生了良好的经济和社会效应[11]。因此，地方社会贡献率水平成为综合评判地方政府整体行政效能的一个新标尺，重视和研究地方政府治理创新下的地方社会贡献率具有重要现实意义。2018年，最具公信力的第七届“中国地方政府创新奖”[5]共评选出158个获奖项目，其中行政改革类获奖项目占项目总数的33.76%，公共服务类创新占项目总数的25.48%，社会管理类创新占项目总数的24.84%，政治改革类创新只占项目总数的15.92%。从对产业的促进情况看，政府采用大数据等技术改进政府事前、事中、事后监管，对产业升级改造作用较为明显；政府积极制定促进产业创新的各项优惠政策，致力于创造公开透明的监管环境和良好的营商环境，为实体经济尤其是先进制造产业升级和企业技术创新活动提供了保障支持。据此，提出如下假设：
H1：地方政府治理创新可显著提升地方社会贡献率水平，且具有一定的区域特征。
2.2 政府治理创新下智造产业发展水平演化
产业发展水平是最常见的、用于衡量产业集聚和产业绩效的指标。产业发展水平一般需要从行业和区域角度进行判断，可利用“工业利润额”、“上缴税收额”、“企业R&D额”等指标进行直接测算。政府治理创新的直接社会贡献经过一定经济指标量化后，可用以检视其对产业发展的影响机理。显然，产业发展水平能反映出产业集聚程度、收入规模与R&D投入，较为清晰地解释政府治理效能对产业发展绩效的贡献。从隐性知识流动视角看，政府在不同时间阶段采取的治理措施对产业发展的影响不尽相同，因而可通过在不同时间阶段与产业进行交流互动，提高区域产业知识信息交换频率和学习效率，促进产业转型升级相关知识转移和创新活动产生。因此，政府治理创新的各资源要素通过地方社会贡献率指标得到体现，在产业发展的动态演化过程中扮演着重要角色。从演化经济理论视角看，制造产业向智造产业转型升级的实质是，在不同时间阶段内政府治理政策与产业技术进步良性互动的结果。据此，提出如下假设：
H2：政府治理创新中地方社会贡献率指标与智造产业发展水平正相关，且在不同时间阶段具有动态演化关系，对产业集群的经济绩效具有稳态影响。
2.3 政府治理创新下产业功效、资源与价值协同发展
学术界已证实产业集聚和发展存在外部性，能对产业增长和区域发展起到积极促进作用，包括交易成本、知识外溢、政治要素等。政府治理创新是区域经济发展中政治制度变革的结果，与产业发展有着密不可分的关系。陈道江等[12]指出制度与个体是协同演化关系，制度以一种积累性的方式演化，可持续的制度变革会导致区域经济出现结构性突变，从而影响产业发展方式、引致产业发生结构性转变。因此，制度的可持续变革通过影响产业方式结构性转变，使企业个体的认知和学习能力(如技术改革、技术创新能力等)呈出现出断续或平衡式演化轨迹；王俊[13]基于技术与制度互动视阈，对中国经济转型背景下的技术特殊性和制度互动结构，以及中国经济转型道路的特殊性进行了研究，指出经济体中的技术与制度互动结构变化随产业生产实践发展而不断演化；道格拉斯[14]在《制度、制度变迁与经济绩效》中提出，区域产业经济绩效与国家制度变迁可在一定条件下形成演化结构的稳态，衡量指标则是制度推行中所产生的功效(Efficacy)、资源(Resources)和价值(Value)。在历次产业革命中，技术进步和制度演化的根本动力都来自于生产实践，二者在演化路径上不可避免地发生相互作用，引起产业中的个体企业与制度互动演化，并形成演化结构相对稳态。然而，在特定的积累阶段，尤其是在具有时间异质效应的政府治理体系创新阶段，企业与制度在演化路径上是否仍具有相对稳定性还不明确。进一步思考，特定区域、特定阶段产业集聚现象的演化过程为何?本文认为，企业、产业与区域发展联系在一起，可以进一步地被认为是不同要素之间的共同演化(Co-Evolution )过程，其中包括功效、资源和价值等因素[15]。地方、产业和企业共同演化的内容多样且复杂，这也使得演化经济学理论能在该主旨框架中找到“落脚之处”。根据不同区域产业经济绩效和制度持续能力，可以将政府治理创新与经济绩效的演化关系具体分为高水平稳态和低水平稳态，其中高水平稳态的共同演化关系有利于制度变迁与经济绩效协同发展。因此，政府治理创新作为现代社会变迁中影响重大的制度改革实践，势必对智造产业稳定和协同发展产生重要影响。据此，提出如下假设：
H3：政府治理创新与智造产业功效、资源和价值的演化关系为高水平稳态，且对区域工业经济发展和地方社会贡献具有稳定的正向影响。
通过上述分析可以看出, 演化经济学理论尽管吸收了现代科学发展的许多最新成果, 但仍然处于发展初期, 对于演化经济思想与实证分析、政策研究相结合的议题仍有待深入。尤其是演化经济理论至今未能形成相对统一的基础理论观点,根本原因在于许多假设并未得到很好的验证。因此，本研究尝试构建起政府治理创新与智造产业发展动态关系系统性分析框架，旨在厘清二者相互作用、协同演进的内在逻辑。同时，利用珠海高栏港经济区和深圳盐田临港工业区产业数据，构建模型验证假设，探讨政府治理创新与智造产业的协同演化关系，进一步验证理论分析框架的合理性和适用性。
3 实证分析
3.1 样本抽取与数据来源
珠海高栏港经济区和深圳盐田临港工业区是国家级经济技术开发区，已形成了能源、化工、新材料和海洋装备等临港区域优质制造产业集群，虽然珠海、深圳两市经济总量和优质制造产业产值水平并不均衡，但两市作为粤港澳大湾区的两个国家级经济特区均在政府治理创新和持续深入推进“放管服”改革中取得了一定成效。在2018年公布的《中国电子政务服务能力(CESAI)指数报告》中，深圳、珠海两市分别排名第一位和第七位，成为我国沿海城市行政改革和公共服务创新的代表区域。本研究以地理邻近、政策相近为区域样本抽取依据，旨在揭示政府治理创新对区域智造产业演化的影响。因此，所选对象必须是经济效益、产业规模和创新能力较为突出的企业。珠海高栏港经济区和深圳盐田临港工业区的能源、化工、新材料等智能制造产业集中了全区规模以上制造企业(以下简称规上企业，按年产值3亿元以上对企业进行划分)，选取两个临港经济区前173家规上企业作为实证研究对象。本研究所有数据均来源于2014-2017年《深圳统计年鉴》、《珠海统计年鉴》，以及珠海高栏港经济区和深圳盐田临港工业区的主要工业经济指标，相关数据在以上时段内完整、无缺失。
3.2 研究方法
本研究采用Snijders & Bunt[16]于2010年开发的适用于基于时间序列随机事件的SIENA(锡耶纳)模型，该模型也常用于分析社会网络随机演化模式。本研究中使用R中的SIENA程序(通常称为SIENA时间序列模型)构建政府实施治理创新行为前后阶段产业发展参数与地方社会贡献效应随机演化模型。该模型是一个连续时间的马尔可夫链，通过系列迭代估计和验证各变量参数的演化稳定性，进一步分析影响政府治理创新与区域智造产业协同发展的重要因素。
3.2.1 SIENA时间序列模型中的两组模型解析
对于时间序列关系数据，传统回归统计方法与之并不匹配，而SIENA模型结合了随机效用模型，即参数模拟与马尔可夫过程，可以较好地解释社会网络中多种因素的演变稳态关系，能更好地对地方、产业和企业演化复杂性进行分析。近年来， SIENA模型在经济社会学、管理学、经济地理学等领域得到了广泛应用。本文使用的SIENA演化模型可以解释为随着时间推移，区域和产业社会网络结构的变化过程，即演进过程中内生影响(产业结构的影响)、外生影响(政府治理的创新)和随机效应(治理前后时间阶段)协同作用的结果，这种演化可以理解为时间从i到i+1，i+1到i+2…的相关性变化[16]。本研究中的SIENA演化模型有两个主要组成部分：第一组模型是参数模拟，以治理政策变革作为因变量，以时间异质性、工业发展指标和R&D投入额等产业发展要素作为预测变量，用于识别演化关系的形成规则(即产业影响力)；第二组模型则是在本文研究背景下，针对不同时间周期的独立SIENA模型，评估模型主要变量的演化效应。因此，这两组模型通常也被称为演化稳态模型和演化评估模型。由于该模型是连续时间模型，可通过改变SIENA中的时间参数，控制变量的周期性和区域性变动。本研究主要关注高栏港经济区重点制造企业的工业经济与政府治理的影响关系，由SIENA模型的线性结构功能得到最终共同演化的可视化预测结果，最接近治理创新与智造产业协同演化进程。
3.2.2 模型建构
本研究运用SIENA模型，对第一波观测结构的参数估计进行模拟，预测大数据信用监管政策实施前后各变量变化，如“规上工业利润额”、“区税收额”、“企业R&D额”、“区技改投资额”等自变量与因变量“地方社会贡献率”的演化趋势。该模型基于2015-2017年的马尔可夫链，通过一系列模拟和系列迭代估计参数，构建连续时间段企业发展参数与地方社会贡献率协同模型。通过共同演化评估和可视波形验证时间异质性、工业发展指标、R&D投入额等变量参数的演化稳定性，进一步分析影响政府治理模式创新与工业经济协同发展的重要因素。据此，定义高栏港经济区和盐田临港工业区实施大数据信用监管前后阶段全区重点制造产业发展与地方社会贡献评估的SIENA函数如下：
finet(x)=∑kβknetsiknet(x)
其中,βknet代表全区重点产业的工业经济预测变量参数，siknet代表信用监管带来的社会贡献效应，k代表变动的周期为3，i=1，2，3，包含2015年未开展大数据信用监管期、2016年试运行大数据信用监管期和2017年正式运行大数据信用监管期等3个时间阶段。
运用SIENA模型构建高栏港经济区、盐田临港工业区重点产业发展和地方社会贡献率共同演化模型，该模型有两个主要组成部分：一是产业发展预测变量与社会贡献率演化关系，通过最高1 025次迭代[17]识别3个时间阶段演化的稳定关系；二是分别在3个时间周期运行独立的SIENA模型，评估该模型主要变量的功效、资源和价值。由于这些模型是连续时间模型，可通过改变R SIENA中的时间参数，控制变量的周期性和区域性变动。
3.3 变量描述及相关性分析
根据前述研究，本文将2015-2017年珠海高栏港经济区和深圳盐田临港工业区前173家规上企业的“规上工业利润额”、“区税收额”、“企业R&D额”、“区技改投资额”作为测量传统制造产业向智造产业转型升级的经济发展水平预测变量，因变量选取政府治理创新下的“地方社会贡献率”，即前173家规上企业地方贡献值占全区地方贡献总值的比重，分析大数据信用监管前后3个阶段区域经济与智造产业的关系，验证治理创新政策推行与智造产业经济绩效的演化稳态关系。各变量描述性统计和相关性分析结果如表1所示。
表1 变量描述性统计与相关性分析结果
变量MIN.MAX.MEANSDX1X2X3X4X1工业利润额0.051 61.136 20.558 90.881X2上缴区税收额0.292 21.050 80.833 250.7550.172∗∗X3企业R&D额0.0670.358 80.202 050.620.290∗∗0. 438∗∗X4区技改投资额0.531 21.314 41.092 90.7640.156∗∗0.087∗∗ 0.260∗∗Y地方社会贡献率0.026 21.2690.46150.9270.191∗∗0.143∗∗0.050∗∗0.564∗∗
注：N=173；**p<0.05，*p<0.1
由表1可知，各变量数据分布合理，且变量间具有显著的正相关关系，在一定程度上支持了预测变量与因变量选择的合理性。全区规上企业的工业利润总额和上缴区税收总额增长迅猛，说明高栏港经济区和盐田临港工业区重点产业发展势头强劲，尤其在2017年，全区技改投资总额低于2016年，企业R&D总额仍呈增长态势，说明全区重点技术企业总体研发投入强度高，以科技创新为战略导向的产业发展倾向性强，且该区重点制造企业的创新行为普遍具有可持续发展效应，处于高速发展阶段，证明地方政府治理创新可显著提升地方社会贡献率。
广东省于2015年前后在珠海和深圳两个特区率先推行大数据监管，将其作为政府“放管服”治理创新政策的试点区域。2015年，珠海高栏港经济区和深圳盐田临港工业区在实施大数据监管等政府治理创新举措前，尽管“工业利润总额”、“全区税收总额”、“企业R&D总额”与“全区技改投资总额”均呈现增长态势，但区内规上企业的社会贡献总额占比均不到10%。2016年两区试运行大数据监管，规上企业社会贡献总额占比突破20%，2017年全区正式运行大数据信用监管，规上企业社会贡献总额占比出现井喷增长，突破了全区社会贡献总额的60%。2016-2017年，在高栏港“全区技改投资总额”基本持平的情况下，全区规上企业的“企业R&D总额”增速达21.4%，有力保障了全区规上制造企业的科技创新投入，推动传统制造产业向智造产业转型升级，表明地方政府治理创新在提升地方社会贡献率方面具有区域性和贡献同质性,H1得到部分验证。
3.4 3个时间阶段迭代演化模型
表2为包含2015年未开展大数据信用监管期、2016年试运行大数据信用监管期和2017年正式运行大数据信用监管期3个时间阶段的演化模型迭代结果，对于模型中的每个参数，用Jaccard指数衡量变量间演化的稳定性[18]。
根据 Ripley等学者对基于时间周期演化的SIENA迭代模型的解释，本研究中的VARIABLES为在3个周期内均作出响应的变量。通常来说，当Jaccard值大于或等于0.3时，与SIENA模型配合使用的效果更好。但在实际应用中，Jaccard值接近0.3，仍然可以视为演化关系稳定。由上表可知，在2015年未运行、2016年试运行、2017年正式运行大数据信用监管3个周期内，只有区技改投资额的Jaccard值略低于0.3(第1波周期到第2波周期的Jaccard值为0.17，第2波周期到第3波周期的Jaccard值为0.20)，其它3个预测变量的Jaccard值均高于0.3，说明研究设定的3项预测变量与地方社会贡献率的协同演化关系非常稳定。以上分析证实大数据监管治理创新举措，不仅对区域重点制造产业向智造产业升级发挥了很强的支持作用，而且对企业R&D投入、工业利润额和税收总额具有稳定的正向影响，政府创新治理的地方社会贡献率指标与区技改投资额、企业技术进步水平等的协同演化关系也趋于稳定，H1、H2得到验证。
表2 2015-2017年3个时间周期政府治理创新
与产业发展水平的迭代演化结果
VARIABLESITERA-TIONSEvolution-ary Process at Time 1(2015)Evolution-ary Process at Time 2(2016)Evolution-ary Process at Time 3(2017)主要变量Jaccard1Jaccard2Jaccard3X1工业利润额1 0170.250.260.34X2上缴区税收额1 0150.260.280.33X3企业R&D额1 0150.290.270.36X4区技改投资额1 0250.170.200.28Y地方社会贡献率1 0200.220.260.35控制变量企业占地面积1 0250.190.170.24产值1 0250.110.260.27单位面积产值1 0250.20.210.25
基于研究规范，本研究选取企业占地面积(m2)、产值(3亿元以上)、单位面积产值(元/m2)等作为控制变量。虽然这些控制变量的Jaccard值均低于0.3，但由于本研究对象的限制条件已包含部分控制变量，这些控制变量在演化关系中不存在，故无需考虑控制变量的演化稳定参数。
3.5 SIENA模型主要变量共同演化结果
表3为府创新政策推行、工业经济发展与地方社会贡献在3个模型中功效、资源和价值等SIENA主要变量的共同演化结果。其中，创新政策推行模型根据政府相关政策规定，以及高栏港经济区和盐田临港工业区前期调研情况，将功效、资源和价值3项评估指标设定为企业评信等级、大数据开放目录和社会共治；对于工业经济发展和地方社会贡献模型效果，资源和价值为显性指标，可根据前述量化指标进行评估。
表3 创新政策推行、工业经济发展与地方社会贡献模型共同演化的模型结果
变量效力资源价值创新政策推行(阶段一)-1.89(0.52)∗∗∗-0.56 (0.53)∗∗∗-0.52 (0.52)∗∗∗(阶段二)1.90 (0.55)∗∗∗1.91 (0.56)∗∗∗1.93 (0.56)∗∗∗(阶段三)3.56 (0.68)∗∗∗3.29 (0.67)∗∗∗3.93 (0.66)∗∗∗工业经济发展(阶段一)0.86 (0.38)∗∗∗0.85(0.38)∗∗∗0.86 (0.37)∗∗∗(阶段二)1.10 (0.10)∗∗∗1.13 (0.10)∗∗∗1.11 (0.10)∗∗∗(阶段三)1.23 (0.03)∗∗∗1.25 (0.03)∗∗∗1.23 (0.03)∗∗∗地方社会贡献(阶段一)0.02 (0.01)∗∗∗0.02 (0.01)∗∗∗0.03 (0.01)∗∗∗(阶段二)0.69 (0.08)∗∗∗0.67 (0.07)∗∗∗0.67 (0.08)∗∗∗(阶段三)1.57 (0.19)∗∗∗1.51 (0.18)∗∗∗1.53 (0.18)∗∗∗形状功能(Function Shape)二次形状-0.24 (0.09)∗∗∗-0.21 (0.13)∗∗-0.27 (0.15)∗∗
注：N=173；***p<0.01，**p<0.05，*p<0.1
对于3个模型中的每个变量参数，收敛t比率的绝对值均小于0.1，整体收敛比小于0.25，表明收敛性很好(Snijders 2010)。由表3可看出，3种模型中，第1阶段的企业评信等级、大数据开放目录和社会共治的影响负向显著，表明在政府创新政策推行之前，政府治理和市场监管未能满足区域内产业经济及重点企业发展需求；阶段2、3的影响效果均为正向，且对于功效、资源和价值显著，说明在2016年和2017年试运行、正式运行政府治理创新大数据监管阶段，无论对大数据信用监管的治理效果还是产业发展，均发挥了积极的影响效果，且阶段3的影响水平明显高于阶段2。通过高栏港经济区和盐田临港工业区同步开展的企业信用监管反馈调研可知，当大数据信用监管与同一阶段当地区域工业经济发展和地方社会贡献协同演化时，后两项参数的综合评估结构倾向于向高阶段(第3阶段)企业评信等级指标划分的科学化、大数据开放目录的透明性和第三方征信机构演进。该模型的线性结构功能表明，本研究建构的SIENA目标函数是二次曲面函数，说明在政府治理机制中存在负面反馈或工作中自我纠正机制，即随着时间阶段推移，重点企业并没有被吸引到极端需求上，两个核心变量向极端积极或消极演化的态势得到缓解，对待政府大数据治理政策的反馈趋于理性化，如图1所示。
图1 SIENA模型主要变量共同演化趋势
以上分析表明，政府治理创新政策推行与传统制造产业向智造产业发展的演化关系为高水平稳态，且对智造产业工业经济发展和地方社会贡献具有稳定的正向影响，H3得到验证。
4 结论及建议
本文通过对比大数据信用监管对高栏港经济区、盐田临港工业区传统制造产业向智造产业发展的工业经济效果和社会贡献率，构建了2015-2017年3个时间周期的高栏港经济区和盐田临港工业区重点产业工业经济指标与地方社会贡献率的SIENA迭代演化模型，通过测量“大数据信用监管绩效”、“规上工业利润额”、“区税收额”、“企业R&D额”、“区技改投资额”与“地方社会贡献率”的协同演化关系，得出以下结论与建议：
(1)政府治理创新政策的推行对智造产业要素联动效果的正向作用显著。政府治理创新对区域传统制造产业向智造产业发展具有较好的促进作用，且在时间周期上表现为协同演化发展的稳定性。这种稳定性反映出区域内产业发展影响要素在政府治理创新协同作用机制中的重要性，对智造产业发展工业经济活动中各资源要素与政府治理创新动态联动及实际增长过程的实证研究进行了补充与完善。
(2)在实施大数据监管技术等政府治理创新政策后，规上重点制造企业的“工业利润额”、“上缴区税收额”增长明显；“企业R&D额”在“区技改投资额”呈环比下降趋势时，仍保持强势增长，说明在制造产业向智造产业发展的技术型产业集聚区域，社会信用体系治理与覆盖已部分取代了政府补贴的扶持作用，也验证了学者们提出的“在政府治理水平较高的地区，政治关系对于国家标准制定的话语权作用受到抑制，而技术创新则表现出不随政府治理环境变化而变化的稳定性”[19]的观点。因此，提升政府治理创新水平，适当降低政府补贴，为企业营造更好的市场与营商环境，能更好地激发企业技术创新与投入积极性。
(3)政府治理创新政策的推行应注重精准惠企。大数据时代为政府治理创新提供了良好机遇、技术保障和工具支撑。政府的大数据信息资源主要包括政府部门业务类数据和政府部门基础类数据，分为可开放的信息资源和不可直接开放的信息资源。通过开放大数据全生命周期管理，可以更系统、更全面地梳理政府各部门的业务信息。对于可开放的信息资源，经过数据化后变为可开放的元数据，经信息提炼后形成数据开放目录信息。对于不可直接开放的信息资源，经数据加工、脱敏等手段变为可开放和不可开放的数据，然后对可开放的数据进行元数据信息提炼，形成数据开放目录信息；对于其它不可直接开放数据，可通过重复的脱敏处理，直至变为可开放的数据，提炼其元数据信息，形成大数据开放目录信息，从而使产业升级发展所需大数据目录更加透明公正。利用政府信息资源梳理数据开放目录的流程如图2所示。
图2 政府信息资源梳理数据开放目录流程
政府联管部门可遵循“客观、真实、公正、合法”的原则，在以往先进制造产业发展评估指标基础上，充分运用大数据开放共享平台进行数据抽取、汇集和分析，对智造产业升级和信用体系建设作出公正、客观、全面的评价。同时，结合互联网技术，从多维度对智造产业发展的内外部要素和影响机理进行动态评价，建立智造产业发展等级制度，实施联合奖惩、动态标识的骨干智造企业激励机制，提高政府行政效能，精准惠企。
[1] 习近平.决胜全面建成小康社会夺取新时代中国特色社会主义伟大胜利——在中国共产党第十九次全国代表大会上的报告[M].北京：人民出版社，2017.
[2] 罗胤晨.生命周期视角下的工业集聚及其演化研究[D].上海：华东师范大学,2016.
[3] 魏诚.智能制造的内涵、技术路径与实现[J].现代工业经济和信息化,2018(7):40-41，44.
[4] 谭建荣, 刘达新, 刘振宇,等.从数字制造到智能制造的关键技术途径研究[J].中国工程科学, 2017, 19(3):39-44.
[5] 戴祥玉.我国地方政府治理创新的主要差异与共性要素检视——基于七届“中国地方政府创新奖”获奖项目的分析[J].长白学刊,2018(6):67-72.
[6] MARSHALLA.1961, Principles of economics[M]. London :Macmillan, Capital，1961.
[7] 约瑟夫·熊彼特.经济发展理论:对于利润、资本、信贷、利息和经济周期的考察[M].北京：商务印书馆, 2009.
[8] 孟祥宁, 张林.多重异质性与经济演化关系的系统化研究[J].南方经济, 2018(3).
[9] SILVERBERG G, LEHNERT D.Long waves and 'evolutionary chaos' in a simple schumpeterian model of embodied technical change[J].Structural Change & Economic Dynamics, 1993, 4(1):9-37.
[10] COHEN W M, MALERBA F.Is the tendency to variation a chief cause of progress[J].Industrial & Corporate Change, 2001, 10(3):587-608.
[11] 李琳,张宇.地方社会贡献率与认知邻近下企业产业发展水平伙伴选择的影响机制——基于SIENA模型的实证研究[J].工业技术经济,2015,34(4):27-35.
[12] 陈道江, 周红.演化经济理论的渊源与发展[J].商业研究, 2003(24):21-24.
[13] 王俊,王树春.“技术-制度”互动视阈下中国经济转型的特殊性——一个演化经济学的分析框架[J].贵州社会科学,2018(4):117-125.
[14] 道格拉斯·C，诺思, 杭行.制度、制度变迁与经济绩效[J].2008(22):136-136.
[15] 吕可文,苗长虹,王静,等.协同演化与集群成长——河南禹州钧瓷产业集群的案例分析[J].地理研究,2018,37(7):1320-1333.
[16] SNIJDERS T A B.Actor-based models for network dynamics[J].Social Networks, 2010, 32(1):44-60.
[17] RIPLEY R, SNIJDERS T, PRECIADO P.Manual for RSIENA[J].2013, 15(2):95-119.
[18] LOSPINOSO J A, SCHWEINBERGER M, SNIJDERS T A, et al.Assessing and accounting for time heterogeneity in stochastic actor oriented models.[J].Advances in Data Analysis & Classification, 2011, 5(2):147-176.
[19] 林洲钰, 林汉川, 邓兴华.什么决定国家标准制定的话语权:技术创新还是政治关系[J].世界经济, 2014(12):140-161.
