基于演化博弈理论的装备制造企业低碳技术创新动力机制研究

，

(哈尔滨工程大学 经济管理学院,黑龙江 哈尔滨 150001)

1 引言

随着全球气候变暖等环境问题的加剧，保护生态环境已经成为各国不容推诿的责任。为了减少温室气体的排放，国际社会做出了多项努力。哥本哈根气候大会上多个国家提出了自己的减排目标，我国承诺至2020年实现单位GDP二氧化碳排放比2005年降低40%至50%[1]。2015年巴黎气候变化大会上，中国政府提出了 “2030年单位GDP碳排放比2005年下降60%～65%”等一系列目标[2]。作为支柱性产业，装备制造业的能源消耗占据了工业能源总消耗量的一半以上[3]。如何降低资源消耗和减少碳排放已成为装备制造企业亟待解决的关键问题。

学者研究表明实行低碳技术创新是提高能源利用率进而实现节能减排目标的根本途径[4,5]。目前国内外学者对低碳技术创新的研究主要集中在四方面：一是企业低碳技术创新能力及管理。主要包括低碳技术创新管理能力[6～8]、低碳工艺创新能力[9～11]、低碳技术创新过程控制能力[12]和支持低碳技术创新的组织创新能力[13]。二是低碳技术创新的采纳和扩散，主要包括低碳技术创新的商业化应用[14,15]及低碳技术创新采纳和扩散的实证研究[16,17]。三是政府环境规制措施对低碳技术创新的影响研究，主要包括碳排放权交易制度[18,19]、补贴政策[20～22]和碳税制度[23,24]等。四是低碳技术创新联盟[25,26]和低碳技术创新管理经验[27]等方面的研究。经对现有研究梳理发现，国内外学者在低碳技术创新领域已经取得了比较丰富的研究成果，然而现有研究无法明确解决我国企业实施低碳技术创新主动性差的问题，针对装备制造企业实施低碳技术创新的动力性研究更为少见。因此，本文将基于有限理性假设的演化博弈理论构建装备制造企业低碳技术创新的动力机制模型，并以我国现实情况为基础利用数值仿真进一步探究动力因素对装备制造企业低碳技术创新的作用机制。

2 装备制造企业低碳技术创新动力分析

为了实现我国碳减排目标，加快装备制造企业的低碳化改革速度，本文认为装备制造企业间作用、购买者的低碳偏好及政府相关环境规制是驱动其实施低碳技术创新的主要动力。第一，在装备制造企业间作用方面，行业内标杆企业的引领作用显得更为重要，同时，与本企业密切相关的竞争对手是否实施低碳技术创新也会对企业决策有重要影响。第二，在购买者偏好方面，市场中对低碳设备产品的需求量增加，选择实施低碳技术创新的装备制造企业能够占有更大的市场份额。第三，在政府环境规制方面，在我国碳排放权交易制度下装备制造企业可获得一定的碳排放配额，企业之间可以进行碳排放配额和国家核证自愿减排量的交易，实施低碳技术创新减排可通过碳交易增加收益；政府对低碳技术创新投入的补贴会减少企业研发投入继而激励企业创新；碳税制度下企业为了少缴纳碳税也会积极实施创新。

3 模型构建

3.1 基本假设

本文提出如下假设：

假设1在不考虑其他约束条件的“自然”环境中，将生产同一产品的装备制造企业当作一个系统，该系统中具有两类有差别的有限理性群体1与群体2。随机多次抽取群体1与群体2中的企业进行博弈，从群体1中抽取的企业称为企业1，群体2中抽取的企业称为企业2。

假设2博弈过程中，群体1与群体2中的企业均有实施低碳技术创新与不实施低碳技术创新两种策略。

假设3本文分别引入α、β、r作为低碳生产的碳税强度、碳排放交易力度、投入补贴强度。同时，设η作为装备制造产品购买商的低碳偏好程度。

3.2 演化模型

基于上述假设，构建政府监管下，装备制造企业1与装备制造企业2实施低碳技术创新和不实施低碳技术创新两种策略下的博弈支付矩阵，如表1所示。

表1 装备制造企业博弈双方的支付矩阵

3.3 模型稳定性分析

在演化博弈的初始阶段，假设群体1中装备制造企业选择实施低碳技术创新的比例为x；群体2中选择实施低碳技术创新的装备制造企业比例为y。x、y均为关于时间t的函数，有0≤x≤1，0≤y≤1。根据表1中的支付矩阵的具体描述，可以得到，装备制造企业1选择实施低碳技术创新策略的收益U1为

《国家中长期教育改革和发展规划纲要（2010—2020年）》明确指出：“信息技术对教育发展具有革命性影响，必须予以高度重视。”这充分说明教育信息化对现代教育的重要意义。很多一线教师给予信息技术高度关注，肯定了信息技术带给教学的诸多便利。但是通过访谈和实地调研发现，有些教师在观念上存在问题，习惯于使用传统的教学方式进行教学；部分教师认为能熟练操作一些基本软件、能从网上下载需要的教学资源，就是拥有信息技术教学能力。现在很多学校信息化教学设备资源得到快速发展，但由于教师的应用能力明显滞后于软硬件的发展，导致信息技术应用效果没有达到预期目的。是否还有其他因素在影响教师应用信息技术辅助教学，值得研究。

U1=y·[Rb1-β(Q1-q)-αQ1-ηRe1]+(1-y)·

(1)

装备制造企业1选择不实施低碳技术创新策略的收益U2为

[Rb1-β(Q1-q)-αQ1]

(2)

装备制造企业2选择实施低碳技术创新策略的收益V1为

(3)

装备制造企业2选择不实施低碳技术创新策略的收益V2为

V2=x·[Rb2-β(Q2-q)-αQ2-ηRe2]+(1-x)·

(4)

基于演化博弈的理论，系统中的装备制造企业根据每次博弈的最终受益调整自身的策略选择，若选择策略频率的相对调整速率和收益超出平均收益的幅度成正比[28]，装备制造企业实施低碳技术创新的演化可以用如下微分方程组成的复制动态方程来表示

(5)

根据以上博弈关系及复制动态方程，利用雅克比矩阵进行演化博弈的渐进稳定性分析，记雅克比矩阵的行列式为DetJ，迹为TrJ。该演化博弈的雅克比矩阵为

(6)

J的行列式为

xy(1-x)(1-y)Id1Id2

(7)

J的迹为

(8)

此时群体中的企业最终演化为一方实施低碳创新策略，一方不实施低碳创新策略的稳定状态。当系统的初始状态处于BDOC四边形范围内时，系统最终会稳定于(0,1)点；当系统的初始状态处于ABDO四边形范围内时，系统最终会稳定于(1,0)点。此时，群体1中的企业在实施低碳技术创新时，可以获得较高的净收益。同理，当最终策略稳定于(0,1)时，也会产生相同的结果。

结论3当P1>0、P2<0时,系统有4个均衡点，分别为(0,0)、(0,1)、(1,0)与(1,1)。其中(1,0)是系统的演化稳定点。企业1最终会选择实施创新策略，而企业2会选择传统策略，此时系统达到稳定点。博弈最初时，企业1选择实施创新策略，虽然收益相对较小，但值为正，此时，企业2相对收益比企业1小，因此随着时间推移，企业1最终会因为竞争利润选择实施低碳技术创新策略。

结论4当P1<0、P2>0时，系统有4个均衡点，分别为(0,0)、(0,1)、(1,0)与(1,1)。其中(0,1)是系统的演化稳定点。表示随着时间的推移，由群体1和群体2构成的整个装备制造企业系统中，企业1最终会选择不实施低碳技术创新策略，而企业2会选择实施低碳技术创新策略，此时系统达到稳定点。在此种情况下，市场中的企业群体2更具有竞争优势。博弈最初时，企业2选择实施低碳技术创新策略，虽然收益相对较小，但值为正。此时，企业1的相对收益比企业2较小，因此随着博弈的时间推移，企业群体2中因为较高的竞争利润，而选择实施低碳技术创新的群体比例逐渐增多。相反，此时企业群体1的相对竞争优势要小于企业群体2，经过多次竞争学习，群体1中已经选择实施低碳技术创新的企业，由于较低的利润影响其在市场中的竞争地位，为了保证自身的竞争优势，最终企业1会选择不实施低碳技术创新策略。系统最终达到企业群体1全部选择不实施低碳技术创新策略，企业群体2全部选择实施低碳技术创新策略的稳定状态。

结论5当P1<0、P2<0时，系统有4个均衡点，分别为(0,0)、(0,1)、(1,0)与(1,1)。其中(0,0)是系统的演化稳定点。表示随着时间的推移，由群体1和群体2构成的整个装备制造企业系统中，企业1与企业2最终均会选择不实施低碳技术创新策略，系统达到稳定点。这是由于在竞争过程中无论哪方企业群体选择实施低碳技术创新策略均会给企业带来负利润，因此，为了保证各自的竞争经营优势，在一定时间后，企业群体1与群体2中选择不实施低碳技术创新策略的个体逐渐增多，系统最终达到所有个体均选择不实施低碳技术创新策略的均衡状态。

4 数值仿真分析

4.1 政府碳税强度α对系统演化的影响

根据3.1节所述假设，在碳排放量参数设置时，企业1要小于企业2，而在收益、低碳技术成本投入方面的参数设置，企业1大于企业2。此外，在其他所示参数值不变的情况下，取α分别为0.2、0.5、0.8时，其对系统演化的影响效果如图1所示。可见随着碳税强度的增加，装备制造企业选择实施低碳技术创新的策略演化速度逐步增加。这是由于，政府对装备制造企业征收碳污染税，一方面遏制了装备制造企业低效率甚至无效率的高碳排放技术生产，另一方面，税收的增加也从一定层面上降低了企业的相对利润。碳税的征收力度越大，越激励选择低碳技术生产。但是，在足够长的时间范围内，碳税征收的高低，并不会影响企业的收敛效果，即企业最终均会选择低碳技术创新策略。因此，征收碳税会促使企业进行低碳技术创新，碳税越高，企业实施低碳技术创新的效率越高。

图1 碳税强度α对系统演化的影响

4.2 碳交易力度β对系统演化的影响

β分别为0.2、1、3时，其对系统演化的影响效果如图2所示。政府的碳交易力度越大，装备制造企业越倾向于实施低碳技术创新策略。且随着碳交易力度的加大，系统的演化速率越快。装备制造企业实施低碳技术创新，会由于消耗一定的物力、财力而降低企业的利润。政府作为低碳技术创新的推动方与支持方，从低碳排放的角度，对技术创新所需要的碳排放量进行控制，一方面激励企业的低碳技术创新效率，另一方面也弥补了企业在低碳生产过程中的资金消耗。当碳交易力度是原力度的5倍时，其实施低碳技术创新的速率高于3倍。随着群体中实施低碳技术创新企业数目的增加，碳交易力度的边际效率递减。因此，政府在实施碳交易激励政策时，要注意针对不同阶段的企业发展状况，进行有的放矢的政策倾斜，避免不必要的低效率情况发生。

图2 碳交易力度β对系统演化的影响

4.3 政府投入补贴强度r对系统演化的影响

取r分别为0.5、1、5时，其对系统演化的影响效果如图3所示。政府对于企业进行投入补贴，是直接填补其在低碳技术创新活动中的成本消耗。然而，较低的补贴力度(0.5)并未对企业实施低碳技术创新产生推动作用，只有当补贴额度足以弥补其利润损失时，系统中的企业才会选择实施低碳技术策略。通过图3可知，当政府补贴力度是原力度的2倍时，系统中的部分群体先选择了实施低碳技术创新后，又逐渐下降(如中间曲线所示)，说明投入补贴力度的增加，将促进企业实施低碳技术创新策略。

图3 投入补贴强度r对系统演化的影响

4.4 购买者偏好强度η对系统演化的影响

取η分别为0.2、0.5、1时，对系统演化的影响效果如图4所示。购买者的低碳偏好强度与政府投入补贴力度产生了较为相似的结果。即当购买者低碳偏好强度较弱时，群体中的企业最终会重复传统技术而摒弃低碳技术。当购买者的低碳偏好强度大于0.5时，群体中的企业才会向“理想状态”演化。近年来，随着政府对产业链条不同节点企业的环保推进，购买厂商尤其是对大型设备生产工具有需求的企业，越来越倾向于购买低碳技术工具，一方面为了降低自身的碳税负担；另一方面也为了不断提升自身的生产效率，以期获得更高的利润。购买商的购买偏好从一定程度上决定了销售企业的生产方式，因此，装备制造企业的低碳技术创新对具有低碳偏好的购买者有较高的敏感性。

图4 购买者偏好强度η对系统演化的影响

5 结论与启示

本文利用演化博弈理论，构建了装备制造企业之间的低碳技术创新博弈支付矩阵，分析了装备制造企业低碳技术创新的动力机制问题。重点探讨了政府环境规制及购买者偏好对装备制造企业实施低碳技术创新的动力路径。通过推导及数值仿真，分析了不同力度下的不同动力因子对系统演化的影响。研究得到以下结论和启示：

(1)碳税强度及碳交易力度对装备制造企业低碳技术创新的驱动效果最为明显。碳税税率的提升对装备制造企业低碳技术创新的影响变化不大，随着群体中实施低碳技术创新企业数目的增加，碳交易力度的边际效率递减。因此，在推进装备制造企业低碳技术创新进程中，应首先考虑实施碳税和碳排放交易两种政策，在初始阶段无需将碳税税率定得过高即可起到推动作用，碳排放交易力度需根据不同行业的发展阶段进行调整。

(2)政府高强度的投入补贴力度有助于装备制造企业实施低碳技术创新，但只有高于一定的程度才会有显著效果。因此，若装备制造企业由于实施低碳技术创新成本过高而放弃创新，政府应给予一定补贴，且该补贴只有当能够弥补企业利润损失时才能够有效推进装备制造企业实施低碳技术创新策略。

(3)装备制造企业实施低碳技术创新与否对购买者低碳偏好的敏感性较高，也就是说，低碳产品的市场需求对装备制造企业低碳技术创新有很强的推动力。因此，政府应该加大低碳生活的宣传力度，加强低碳产品认证的实施和监管，从购买者角度入手，增强消费者对低碳产品的购买偏好，提高市场低碳产品的需求，刺激装备制造企业实施低碳技术创新策略。

本文推演并揭示了装备制造企业低碳技术创新的动力机制，为装备制造企业低碳技术创新的决策及政府环境规制措施的制定提供了一定的参考依据。由于数据资料及实地调研的限制，本文仍然存在一定的不足。我国碳排放交易市场的建设仍处于初级摸索阶段，碳税政策也尚未正式实施，无法获取装备制造企业碳排放交易及缴纳碳税的相关数据，本文目前仅停留在理论推演研究层面，待今后碳排放交易市场信息进一步披露以及碳税正式实施，我们将进一步依据装备制造企业的现实情况展开实证研究。

[1] 石敏俊,周晟吕.低碳技术发展对中国实现减排目标的作用[J].管理评论,2010,22(6):48-53.

[2] 马丁,陈文颖.中国2030年碳排放峰值水平及达峰路径研究[J].中国人口·资源与环境,2016,26(5):1- 4.

[3] 徐建中,曲小瑜.低碳情境下装备制造企业技术创新行为的影响因素分析[J].科研管理,2015,36(3):29-37.

[4] 华锦阳.制造业低碳技术创新的动力源探究及其政策涵义[J].科研管理,2011,32(6):42- 47.

[5] Mansikkasalo A, Soderholm P. Energy efficient and low-carbon technology in process industries: innovation, diffusion and the role of public policy[J]. European Energy Market, 2012, 17(10): 1- 8.

[6] Hansen S O, Wakonen J. Innovation a winning solution[J]. International Journal of Technology Management, 1997, 13(4): 345-358.

[7] John P. Schumpeter, schumacher and the greening of technology[J]. Technology Analysis & Strategic Management, 2001, 13(1): 23-37.

[8] 梁益琳,张玉明.基于云创新的企业低碳技术创新模式实证研究[J].科技进步与对策,2014,31(20):69-76.

[9] Michelini R C, Razzoli R P. Product-service eco-design: knowledge-based infrastructures[J]. Journal of Cleaner Production, 2004, 12(4): 415- 428.

[10] 田红娜,张琳,高晶,等.我国制造业绿色工艺创新路径设计与选择研究——基于我国制造业的问卷调查[J].软科学,2015,29(5):6-11.

[11] 田红娜,毕克新.基于自组织的制造业绿色工艺创新系统演化[J].科研管理,2012,33(2):18-25.

[12] Glass J, Dainty A R J, Gibb A G F. New build: materials, techniques, skills and innovation [J]. Energy Policy, 2008, 36(12): 4534- 4538.

[13] Goldberger J R. Non-governmental organizations, strategic bridge building, and the “scientization” of organic agriculture in Kenya[J]. Agriculture and Human Values, 2008, 25(2): 271-289.

[14] Jacobsson S. The emergence and troubled growth of a ‘biopower’ innovation system in Sweden[J]. Energy Policy, 2008, 36(4): 1491-1508.

[15] Heather L. Discourse and innovation journeys: the case of low energy housing in the UK[J]. Technology Analysis & Strategic Management, 2008, 20(5): 613- 632.

[16] Mukherjee A, Muga H. An integrative framework for studying sustainable practices and its adoption in the AEC industry: a case study[J]. Journal of Engineering & Technology Management, 2010, 27(3- 4): 197-214.

[17] Cantono S, Silverberg G. A percolation model of eco-innovation diffusion: the relationship between diffusion, learning economies and subsidies[J]. Technological Forecasting & Social Change, 2009, 76(4): 487- 496.

[18] Death C. Carbon trading: a critical conversation on climate change, privatisation and power[J]. Review of African Political Economy, 2009, 36(36): 301-302.

[19] Perdan S, Azapagic A. Carbon trading: current schemes and future developments[J]. Energy Policy, 2011, 39(10): 6040- 6054.

[20] Schrage M. The innovation subsidy[J]. Mit Sloan Management Review, 2004, 45(3): 23-24.

[21] 张春辉,陈继祥.两种创新补贴对创新模式选择影响的比较分析[J].科研管理,2011,32(8):9-16.

[22] Park S. Evaluating the efficiency and productivity change within government subsidy recipients of a national technology innovation research and development program[J]. R&D Management, 2014, 45(5): 549-568.

[23] Meltzer J. A carbon tax as a driver of green technology innovation and the implications for international trade[J]. Energy Law Journal, 2014, 35(1): 14- 45.

[24] 马富萍,郭晓川,茶娜.环境规制对技术创新绩效影响的研究——基于资源型企业的实证检验[J].科学学与科学技术管理,2011,32(8):87-92.

[25] 陈伟,张永超,马一博,等.基于AHP-GEM-Shapley值法的低碳技术创新联盟利益分配研究[J].运筹与管理,2012,21(4):220-226.

[26] 崔和瑞,武瑞梅.基于三螺旋理论的低碳技术创新研究[J].中国管理科学,2012，(s2):790-796.

[27] 赖流滨,龙云凤,郭小华.低碳技术创新的国际经验及启示[J].科技管理研究,2011,31(10):1-5.

[28] 曹霞,张路蓬.基于利益分配的创新网络合作密度演化研究[J].系统工程学报,2016,31(1):1-12.