因子分析法下全国智能制造竞争力评价体系的构建与分析

毛友芳

摘 要：自“中國制造2025”概念提出，智能制造不断推动中国制造业的转型升级。制造业的竞争力水平代表制造业发展的实力，影响我国经济发展方向。文中选取全国31个省份的16个相关指标，运用因子分析法对各省市规模以上工业企业的规模竞争力、R&D投入、新产品开发及技术改造等4个方面的能力进行实证分析，构建全国智能制造产业竞争力评价指标体系。研究发现：我国智能制造产业整体水平不高;各省市制造业产业区域发展不均;大部分省市创新力度不够。针对研究结果，从企业、政府、高校3个角度提出相关建议，以期为中国智能制造相关研究提供理论借鉴。

关键词：制造业;智能制造;竞争力水平;因子分析;R&D;中国制造2025

中图分类号：F 124.3;F 224

文献标识码：A 文章编号：1672-7312（2020）01-0083-08

Construction and Analysis of National Intelligent Manufacturing

Competitiveness Evaluation System Based on Factor Analysis

MAO You-fang

（School of Management，Shanghai University of Engineering

Science，Shanghai 201600，China）

Abstract：Since the concept of “Made in China 2025” was put

forward，intelligent manufacturing has played a big role in

promoting the transformation and upgrading of Chinese

manufacturing industry.The competitiveness level of

manufacturing industry represents the strength of

manufacturing industry development in various provinces and

municipalities，and affects the direction of economic

development in China.The research on manufacturing creativity

has become the focus of development.This paper selected 16

relevant indicators from 31 provinces in China，and used

factor analysis method to analyze the competitiveness of

industrial enterprises，R&D investment，new product

development and technological transformation，and constructed

the evaluation index system of the competitiveness of the

national intelligent manufacturing industry.It is found that

the overall level of Chinas intelligent manufacturing

industry is not high;the regional development of

manufacturing industry in various provinces and cities is

uneven;and most provinces and cities are not innovative

enough.According to the research results，this paper put

forward relevant suggestions from the perspectives of

enterprise，government and universities in order to provide

theoretical reference for the research of Intelligent

Manufacturing in China.

Key words：manufacturing industry;intelligent manufacturing;

competitiveness level;factor analysis;R&D;made in China

2025

0 引言2015年李克强总理在《政府工作报告》中提出“中国制造2025”战略，努力在2025年使我国迈进制造强国，到2035年使制造业水平达到世界制造强国中端，到新中国成立100年使我国整体实力进入世界制造强国行列。制造业是中国经济发展的基础，是提升中国综合实力和世界影响力的重要因素。据国家统计局数据显示，2018年国内生产总值达900 309亿元，第一产业增加值约为

64 734亿元，占生产总值的7.2%;第二产业增加值为366 001亿元，占比40.7%;第三产业增加值为

469 575亿元，占比52.1%.其中工业增加值为305 160亿元，占总第三产业增加值比重83.4%.工业在第二产业中的地位尤为重要，但第二产业的生产总值落后于第三产业，发展潜力极大。

今年国务院指出要进一步推动传统产业改造升级，建立工业互联网平台，拓展“智能+”，同时深化大数据和人工智能技术的研发应用，从政策角度提出我国制造业升级的紧迫性。针对制造业转型，学者对此不同理解。毛日昇认为大多数的制造行业发展都受到贸易的专业化程度、劳动生产率、外商投资3个因素影响，但不同技术密集程度的制造行业由于资本深化的程度、自身创新、进出口等因素使得竞争实力存在不同[1]。刘明达从供给侧结构性改革角度出发，依据世界先进制造业发展经验，结合国情提出制造业优化升级的关键在于推动制造业的智能化制造，依靠政府与企业的合力抢占价值链制高点[2]。基于“中国制造2025”战略背景，章立东提出企业转型升级的关键在于保持严谨的工匠精神，提升企业创新力，顺应世界制造业发展的趋势[3]。刘奕基于产业空间协同视角认为制造业转型升级应该依靠生产性服务业的集聚，从而提出鼓励生产性服务业的必要性[4]。学者针对目前中国制造业现状提出提升制造业创新力的必要性及措施，从不同视角为研究中国智能制造产业竞争力提供借鉴。周济认为智能制造是由产品、生产、模式和基础构成的产业模式，可通过互联网与物联网的结合实现制造业数字化[5]。吕铁，韩娜则进一步提出，智能制造以最新的信息技术为前提，借助智能制造技术的成熟推动中国智能制造市场扩大化[6]。自2014年“中国制造2025”概念出现，2015年“中国制造2025”计划提出，智能制造相关研究逐渐达到研究顶峰。而智能制造代表着中国制造业未来发展方向，关系着产业结构升级的效果，与文中研究制造业转型升级的方向密切相关。

1 文献综述

1.1 关于制造业发展的理论研究在中国工业化发展的每个阶段，产业结构都在不断调整。何德旭认为中国产业结构发展的关键在于以现代服务业、高新技术产业和制造业共同带动产业结构的转变[7]。但伴随全球产业链逐渐转为价值链（Global Value Chains，GVC），中国劳动力的优势日益被取代。刘志彪认为我国应该摆脱“GVC底端”地位，以一种更具竞争力的产业优势融入全球产业链中[8]。张杰，孔伟杰分别基于江苏、浙江省内制造业企业的调查对影响制造业转型升级的因素进行分析[9-10]。于波采取SWOT分析研究制造业的发展战略[11];王翠华通过行业相对优势的变化对我国制造业产业结构变化的影响因素及机理进行分析[12];陈关聚通过分层聚类分析研究制造业的能源效率及发展的影响因素[13];王岚从全国价值链角度研究中国制造业增值能力及中国融入全球产业链的路径[14]。在“大众创业 万众创新”的背景下，曾繁华提出一种“双创四众”的创新驱动式制造业发展模式[15];“中国制造2025”的提出促进了中国智能制造水平的提升，针对其主攻方向，李永红提出动力链条模型基础下的互联网驱动式智能制造的发展路径，为研究智能制造提供新思路[16]。产业结构升级相关的研究在2015年达到最热，政府政策和国内国际环境的变化不断影响研究进程。新兴产业的发展是产业结构升级的关键，将智能制造与制造业转型相结合将成为研究新热点。

1.2 因子分析法因子分析法（Factor Analysis）通过研究多数变量之间的潜在联系，以降维的方式用几个综合因子来表示基本的关系结构。相比层次分析等方法，因子分析法可以通过客观数据来得出结果，所得出的结论更具信度和效度。黄鲁成通过因子分析法建立技术创新能力的评价指标体系，针对北京市的制造业创新能力研究得出影响北京制造业竞争力的显著因素是投入能力[17];林先扬将Morre回归分析法与因子分析法结合，对长三角珠三角的城市群职能进行归类，展开成因分析，由此研究其职能的发展态势[18]。段婕以投入产出角度为切入点，运用因子分析法构建装备业创新绩效的评价指标，由此对山西省装备制造业的提升提出有效建议[19]。因子分析法与主成分分析法的综合使用是目前确定影响因子较为有效的方法，因此文中也是基于此种方法對数据进行处理分析。文中以智能制造创新视角为切入点，采用因子分析法对中国大陆31个省市规模以上工业企业的16个指标进行降维处理，构建中国智能制造竞争力评价体系，为制造业转型发展提出建议。

2 智能制造竞争能力评价体系构建

2.1 竞争力评价体系指标确定构造智能制造竞争能力评价体系，即对我国大陆31个省市地区的规模以上工业企业的竞争力水平进行综合评价，指标因子构建极为重要。文中在颜毓洁的完备性、客观性、可行性原则[20]基础上增加了真实性原则，在现有研究成果的基础上，从规模竞争力水平、R&D投入能力、新产品开发能力、技术改造能力4个一级指标来设计评价体系，包括企业单位数、资产总计、企业从业人员年平均数、存货、主营业务收入、主营业务成本、销售费用、利润总额、有R&D活动的企业数、R&D人员折合全时当量、产品开发经费支出、新产品销售收入、引进技术经费支出、购买境内技术经费支出、技术改造经费支出、有效发明专利数16个二级评价指标。文中确定的竞争力评价体系指标见表1.

2.2 模型分析——因子分析法原理因子分析法通过研究变量间的潜在联系，研究观测数据中的关系结构，用几个抽象的变量来展现数据间的基本联系。这些抽象变量就是因子，能够综合反映原来大量数据之间的潜在联系，并保留主要信息。文中根据原始数据降维得出的因子潜在表现信息，即可充分把握全国各省市智能制造竞争力能力信息。文中选取了我国大陆31个省市的16个指标，这些指标具有较强的相关性。为便于研究，且减少数据指标差异造成的影响，文中将原始数据进行无量纲化处理，使得处理后数据平均值是零，方差是一。其处理的公式为

Xij=（Xij-）Si

其中：Xij和Si分别为第i个变量的平均值与标准差。下文中所出现的变量均由X表示，而标准化后的公共因子采用F表示。

2.3 智能制造竞争力评价体系实证研究

2.3.1 数据来源文中研究样本为2017年我国大陆31个省市规模以上工业企业的相关数据。考虑到智能制造主要产生于中大型的工业制造业企业，因此数据选取的研究对象为工业企业中年主营业务收入为2 000万元及以上的法人工业企业，该口径比较能客观反映中国智能制造现状。数据由《中国统计年鉴2018》、《中国科技统计年鉴2018》及各省市统计局官网的相关数据统计整理而来。由于部分地区的部分数据有所缺失，文中选择采用最大期望算法（Expectation-Maximization Algorithm）对数据进行填补。

2.3.2 因子分析适度检验文中采用SPSS 22.0统计分析软件对原始指标数据进行分析，对数据进行因子分析之前运用KMO检验和Bartlett检验方法，以确保原始数据适合采用因子分析法进行数据处理。结果见表2.KMO检验值为0.759，结果表明变量之间的相关性强。而Bartlett的球形度检验显著度为0.000<0.05，变量之间不独立，存在显著相关。因此，原始数据适合进行因子分析，文中选择建立R型因子分析模型，对变量作因子分析。

2.3.3 公因子的提取保证原始数据适合进行因子分析之后，采取主成分分析法对数据进行处理，建立相关模型，得到表3的公因子方差和表4的主成分分析结果。主成分分析法根据特征值大于1这一标准，提取2个公因子F1，F2.第1个因子的特征值为11.987，解释原始变量总方差的74.920%，第2个因子特征值为1531，解释原始变量总方差的9.571%，2个公因子的累计贡献率为84.490%> 80%，说明这2个公共因子已经能够代表原始数据的16个指标。从表3的16个指标的公因子方差可以看出，各指标的共同度取值都超过0.5，在可接受范围内，表明每个指标的公因子都能很大程度上解释变量，损失信息也较少，进一步说明文中选取的数据非常适合采用因子分析法。

2.3.4 主因子的变量组合由于表5中公共因子在部分原始变量上的因子载荷绝对值并未完全趋向于0或者1，所以有必要对其旋转。旋转后得到表6，图2为旋转后的因子载荷散点图。第一个公共因子在主营业务成本、主营业务收入、技术改造经费支出、存货、企业单位数、资产总计、有R&D活动的企业数、R&D人员折合全时当量、利润总额、企业从业人员年平均数上有比较大的载荷，说明这10个变量具有很强的相关性，均能反映企业整体规模，可以命名规模指数。第二个公共因子在购买境内技术经费支出、引进技术经费支出、有效专利数、新产品开发经费支出、新产品销售收入、销售费用上有较大载荷，可以看出这6个变量与技术创新有关，故命名为技术创新指数。

2.4.5 主成分表达式根据表3-7的因子成分得分系数矩阵，可以得到主成分的表达式

2.4.6 计算因子得分为了进一步对智能制造竞争力综合评价，还需选定以上2个公共因子旋转后得到的方差贡献率作为权重，计算出各省市的因子得分

F=

0.461 550.844 90F1+

0.383 350.844 90F2

其中：F1，F2分别为31个省市在公因子上的得分。通过赋予每个地区一定的权重计算各省市的综合得分是一种相对概念，能够直接对各地区相关指标进行横向比较，但最终的计算数据并不能代表各地区智能制造的绝对水平。31个省市的综合得分见表8.

3 結论在表8中，如果综合得分F的值大于0，则说明该地区的智能制造水平高于全国智能制造平均水平;如果该数值低于0，则说明该地区的智能制造水平相对较低。在文中中，综合得分F是能够代表全国2017年智能制造水平的相对指标，得分高则水平相对更高。通过最后一项排名可以直接观测到智能制造水平的地区排名。根据表8的综合得分及排名可以得出以下结论。一是综合来说我国智能制造产业的整体水平不高。满足综合得分F>1的地区只有江苏、广东、山东3个省。综合得分F>0的省市也只有10个，包括江苏、广东、山东、浙江、北京、上海、福建、安徽、湖南、湖北。但F<0的省市有21个，总量约占总量的1/3.排名最靠后的5个省市为新疆、甘肃、宁夏、青海、西藏。说明我国大部城市的智能制造水平还处于较低层次，有极大潜在发展空间。二是因子分析综合得分及排名情况显示，各省市智能制造水平区域发展不均。对照数据可以发现，分析结果与实际各省市的发展现状较为相符，综合得分也相对客观地表明各省市实际智能制造水平。排名靠前的省市主要集中在东部沿海发达城市，排名靠后的省市主要集中于相对不发达的内陆地区，反映出各地区之间经济发展情况、企业获利情况、企业活动情况、创新能力发展情况及资金投入情况等因素的差异。三是从2个公共因子数据来看，大部分指标得分都很低，说明我国大部分省市工业企业的创新力不高，创新实践与自主研发能力需要进一步提升。公共因子F1和F2的数值均为正的省市仅有山东、浙江、福建3个省，其余各省市公共因子得分均有负值。这反映出我国各省市智能制造发展不均衡，大部分有发展短板。

4 建议及展望文中以中国大陆31个省市规模以上工业企业为例，选取2017年31个省市规模以上工业企业的16个相关指标构建了以企业规模竞争力能力、R&D投入能力、新产品开发能力和技术改造能力4个一级指标为基础的全国各省市智能制造综合竞争力评价体系。数据既选取了规模企业相关的盈利能力指标，也选取了产品研发能力指标，科学的指标体系构建使得分析结果更具可信性。制造业对我国国民经济发展的重要推动力，在全国GDP中所占比重极大。面对我国智能制造总体发展不平均、发展水平低下的现状，不仅应关注制造业技术创新的现状，更应将互联网、物联网等现代技术相结合，完善制造业制造、流通、服务多环节，形成完善的企业制造服务链，加快制造与创新的速度与效率。通过对相关文献的研究及各省市指标数据的分析，提出以下建议。

4.1 企业方面要实现我国制造业智能制造，需要充分促进我国制造业产业结构的优化升级，不断提升我国各省市制造业科研创新与管理结构创新。针对提升全国制造业水平，企业需要面向不同方向创新：①创造适宜企业模式创新的环境，分析各省市企业优势与劣势，有针对性地进行企业生产组织方式的管理创新，充分实现资源的有效配置;②加大资金的投入力度，引入高技术高层次的专业人才，转变传统的制造业生产模式，创新产业发展模式;③同时深化制造业与互联网、物联网之间的融合，提升知识创造的占比，形成制造、销售、服务一体的多样化供应链体系;④企业之间进行合作交流，促进产业集群化发展。充分促进各省市内部企业间协同创新，进而提升各省市智能制造竞争水平。

4.2 政府方面中共中央、国务院在《关于建立更加有效的区域协调发展新机制的意见》中提出要坚持市场主导与政府引导相结合的原则，建立区域战略统筹机制，促进发达与欠发达地区的统筹协调。因此政府必须要承担好自身责任，从以下方面提升全国制造业智能制造创新体系：①形成以政府为主导的省市智能制造创新研发体系。由政府引导市场与企业进行智能制造，重点发展各省市的优势产业，以优势制造业的创新智能制造发展带动劣势产业，促进产业集群发展;②促进各省市产学研一体化发展，形成政府、企业和高校三者合作发展的创新模式，由政府提供政策支持，企业提供资金和技术支持，高校提供高技术知识与人才的支持，三者协同发展，共同促进智能制造创新体系的形成;③促进政府相关政策完善，形成更有利于创新与研发的市场环境;④加强制造业优势省市与劣势省市之间技術创新与企业发展交流，异地之一，发挥各省市自身资源禀赋优势。

4.3 高校方面高校是智能制造人才培育的关键基地，制造业的发展离不开专业人才的支持。面对现代创新浪潮，各高校长期以来都在为培养实用型人才不断努力，但由于环境与技术的不断发展，各高校仍需做到：①建立明确的人才培养机制与体系，不断将理论运用于实践之中，保证人才支撑;②促进产学研研发体系的完善，充分为智能制造的整体发展提供理论、技术与人才的支持;③加大科研经费投入，加大科研人才引进，形成更利于创新的科研环境;④创新人才培养模式，有组织有计划地培养技术创新与经营管理类的人才，促进人力资源优化配置。企业、政府与高校三者共同发力，企业关注自身技术研发与企业管理，政府提供政策与资金支持，同时高校不断促进产学研合作体系的完善，输出更多专业型高质量人才，共同推动全国各省市智能制造产业的均衡可持续发展。文中研究也存在着局限。由于数据的有限性，只选取31个省市的16个指标展开分析，数据搜集与选取具有一定主观性。目前我国对于智能制造的评价并没有明确标准，因而对智能制造评价体系进行的各项研究可能存在一定程度的差异性。由于数据指标的有限性和行业指标的无限性，并不能对此做客观的确认。文中通过对相关学者的文献研究和可以选取的公开数据，结合中国制造业发展的实际情况建立一个智能制造综合能力竞争评价体系，并对此进行分析与建议。希望该体系对未来的学者智能制造课题研究有帮助，期待未来的学者就该问题进行更深入的研究。

参考文献：

[1] 毛日昇.中国制造业贸易竞争力及其决定因素分析[J].管理世界，2006（08）：65-75.

[2]刘明达，顾 强.从供给侧改革看先进制造业的创新发展——世界各主要经济体的比较及其对我国的启示[J].经济社会体制比较，2016（01）：19-29.

[3]章立东.“中国制造2025”背景下制造业转型升级的路径研究[J].江西社会科学，2016，36（04）：43-47.

[4]刘 奕，夏杰长，李 垚.生产性服务业集聚与制造业升级[J].中国工业经济，2017（07）：24-42.

[5]周 济.智能制造——“中国制造2025”的主攻方向[J].中国机械工程，2015，26（17）：2273-2284.

[6]吕 铁，韩 娜.智能制造：全球趋势与中国战略[J].人民论坛·学术前沿，2015（11）：6-17.

[7]何德旭，姚战琪.中国产业结构调整的效应、优化升级目标和政策措施[J].中国工业经济，2008（05）：46-56.

[8]刘志彪，张 杰.从融入全球价值链到构建国家价值链——中国产业升级的战略思考[J].学术月刊，2009，41（09）：59-68.

[9]张 杰，刘志彪，郑江淮.中国制造业企业创新活动的关键影响因素研究——基于江苏省制造业企业问卷的分析[J].管理世界，2007（06）：64-74.

[10]孔伟杰.制造业企业转型升级影响因素研究——基于浙江省制造业企业大样本问卷调查的实证研究[J].管理世界，2012（09）：120-131.

[11]于 波，范从来.我国先进制造业发展战略的PEST嵌入式SWOT分析[J].南京社会科学，2011（07）：34-40.

[12]王翠华.中国制造业产业结构升级的影响因素与对策研究[J].改革与战略，2011，27（03）：157-159.

[13]陈关聚.中国制造业全要素能源效率及影响因素研究——基于面板数据的随机前沿分析[J].中国软科学，2014（01）：180-192.

[14]王 岚，李宏艳.中国制造业融入全球价值链路径研究——嵌入位置和增值能力的视角[J].中国工业经济，2015（02）：76-88.

[15]曾繁华，侯晓东，吴阳芬.“双创四众”驱动制造业转型升级机理及创新模式研究[J].科技进步与对策，2016，33（23）：44-50.

[16]李永红，王 晟.互联网驱动智能制造的机理与路径研究——对中国制造2025的思考[J].科技进步与对策，2017，34（16）：56-61.

[17]黄鲁成，张红彩，李晓英.北京制造业行业的技术创新能力分析[J].中国科技论坛，2005（04）：41-44.

[18]林先扬，陈忠暖.长江三角洲和珠江三角洲城市群职能特征及其分析[J].人文地理，2003（04）：79-83.

[19]段 婕，梁绮琪.基于因子分析法的产业技术创新绩效评价研究——以陕西省装备制造业为例[J].科技管理研究，2014，34（14）：53-57.

[20]钟耕深.战略转型与制造业升级——第九届中国战略管理学者论坛综述[J].经济管理，2016，38（12）：183-194.

[21]张 曙.工业4.0和智能制造[J].机械设计与制造工程，2014，43（08）：1-5.

[22]谢子远，吴丽娟.产业集聚水平与中国工业企业创新效率——基于20个工业行业2000—2012年面板数据的实证研究[J].科研管理，2017，38（01）：91-99.

[23]赵福全，刘宗巍.工业4.0浪潮下中国制造业转型策略研究[J].中国科技论坛，2016（01）：58-62.

[24]徐广林，林贡钦.工业4.0背景下传统制造业转型升级的新思维研究[J].上海经济研究，2015（10）：107-113.

[25]余東华，胡亚男，吕逸楠.新工业革命背景下“中国制造2025”的技术创新路径和产业选择研究[J].天津社会科学，2015（04）：98-107.

[26]颜毓洁，吴 念.基于因子分析的西部地区装备制造业竞争力研究[J].科技管理研究，2013，33（01）：78-81.

[27]阮陆宁，张 鑫.工业4.0背景下中国制造业发展路径研究——基于社会网络分析[J].工业技术经济，2018，37（04）：92-98.

[28]杨 莲.基于因子分析的四川省工业主导产业选择及发展研究[J].软科学，2014，28（12）：140-144.

[29]张梦露，张忠家.基于因子分析法的湖北省制造业技术创新能力评价研究[J].科技进步与对策，2011，28（18）：123-125.

[30]张 峥，聂 思.中国制造业创新能力实证研究[J].技术与创新管理，2015，36（01）：5-10+31.

[31]郭显显，罗鄂湘.基于RAGA-PPC模型的企业创新能力评价研究——以上海市制造业上市公司为例[J].技术与创新管理，2015，36（05）：421-426.

[32]李凯悦，杨洁丽，田少卿.3D打印制造业商业模式创新的影响因素研究[J].技术与创新管理，2017，38（03）：327-334.

[33]刘洪民，刘炜炜.改革开放40周年中国制造业创新发展的历史回顾与思考[J].技术与创新管理，2019，40（01）：1-8.

（责任编辑：许建礼）