基于系统动力学的资源型地区创新生态系统运行机制及仿真——以山西省为例

吕 瑶， 张爱琴

（中北大学经济与管理学院军民融合与科技创新中心，太原 030051）

创新生态系统是从生态仿生学视角布局创新要素、构建创新体系、重塑创新范式，是国内外众多发达地区获得持续竞争优势的根基和法宝.中西部资源型地区作为能源的供应地和基础工业的主要集聚区，一直在我国的国家战略中占据举足轻重的地位.但资源型地区要实现“可持续发展”“高质量发展”，需要深入推进创新驱动发展战略，构建有利于可持续发展的创新生态系统长效运行机制，补齐发展短板，激发区域创新活力.目前，我国创新生态系统领先地区主要集中在京津冀、长三角、粤港澳大湾区等地，中西部资源型地区相对落后，处于追赶态势.学界研究也多以创新生态系统领先地区为样本，而针对资源型地区创新生态系统的培育、形成、修补、完善等问题，缺乏有效的应对措施，相应理论也仍处于探索阶段.因此，有必要对资源型地区创新生态系统的动态演化和运行机制、政府扶持力度和资源依赖度影响创新生态系统运行效率等问题展开进一步探索与研究.

基于此，应用系统动力学原理的方法，构建资源型地区创新生态系统SD模型，并以中部资源型省份山西作为案例，对其创新生态系统运行机制进行仿真模拟，以分析预测资源型地区创新生态系统的发展趋势，分析发展动力与发展瓶颈，进而总结资源型地区创新生态系统形成以及持续运行的启示.

1 文献综述

从研究主题、研究视角、研究对象、研究方法4个方面梳理创新生态系统研究文献.

第一，研究主题.创新生态系统研究可分为3个阶段：第一阶段重点关注“可持续发展”问题，如熊国经等［1］提出以高新技术带动产业升级等措施推动产业升级和产业结构优化，实现可持续发展；第二阶段重点关注“创新生态系统的动态适应力”，如刘振和陈劲［2］提出与外部剧烈变化的环境相匹配的组织动态能力是开放式创新持续有效运行的根本保证；第三阶段强调“价值创造”的目标导向，如江积海和张烁亮［3］以平台型企业商业模式创新为例，研究了价值动因作用于价值创造的作用机理.

第二，研究视角.多位研究者从创新生态系统评价角度出发进行了研究，李昂［4］从创新环境、创新机构、创新资源、创新人才和创新市场5个方面构建了评价创新生态系统成熟程度的指标体系；姚艳虹等［5］从生产率、适应力、多样性3个维度对企业视角的创新生态系统健康度进行了评价；张贵和吕长青［6］基于生态位适宜度评价模型对我国30个省市2011—2015年的创新生态系统适宜度水平进行了测度；Mercan和Göktas［7］将创新生态系统分为集群发展、产学研合作、创新文化3部分.

第三，研究对象与层次.研究层次包括国家、区域、产业等层面，研究对象有文化产业、制造业等，王霞等［8］构建了文化产业创新生态系统模型，以上海文化产业为例，研究了各因素对文化产业发展的影响；高健［9］则针对制造业企业，研究了生态创新驱动机制与创新绩效之间的关系；潘苏楠等［10］以新能源汽车产业为例，开展了新能源汽车产业可持续发展水平的测度评价.Buschmann等［11］对巴西和德国的创新生态各影响因素的状态进行了比较.

第四，研究方法.现有对创新生态系统评价采用的研究方法有空间计量、模糊集定性比较等方法，徐国祥和陈燃萍［12］选择带有时间固定效应的空间杜宾模型实证检验了省域创新驱动转型发展水平的影响关系；解学梅和王宏伟［13］采用模糊集定性比较分析（fsQCA）方法探讨了开放式创新生态系统价值共创的作用机理.

综上所述，现有关于创新生态系统的研究奠定了坚实的理论基础.然而，创新生态研究仍存在薄弱方面.目前，关于创新生态系统的研究大多着眼于高科技产业相对发达的地区，却很少关注遭遇发展瓶颈、经济发展受限、创新生态发展程度低下的资源型地区，而且缺乏从系统动力学角度对创新生态系统运行机制的模拟与仿真分析.创新生态系统建设是资源型地区经济实现转型发展、全面均衡协调发展的迫切需要.基于此，采用系统动力学的方法仿真模拟创新生态系统的运行机制，选取中部资源型省份山西作为实证案例，探索其发展趋势并进行政策分析和研究.

2 理论模型和SD建模

2.1 研究方法

系统动力学作为结构方法、功能方法和历史方法的统一［14］，适宜处理复杂的系统问题.系统内部的动态结构与反馈机制决定了系统的行为模式与特性.创新生态系统是各创新主体在内部动力和外部环境的共同作用下协同演化的过程.按照系统动力学的理论与方法建立的模型，借助计算机模拟可以定性与定量地研究系统的运行机制问题.因此，综合以上分析，将系统动力学方法应用于创新生态系统研究是可行和有效的.

2.2 工作程序

第一步，根据理论模型确定子系统和内部循环链.第二步确定变量.变量从专家访谈、文献查阅、数据可得性三方面入手确定.第三步，构建因果关系回路和系统动力学模型.具体工作程序见图1.

2.3 理论模型

2.3.1 划分子系统 王德起等［15］认为，创新过程主要遵循“创新资源利用—创新成果产出—成果市场化推广—创新收益回馈”的链环回路.基于以上研究，本文划分了创新生态系统的子系统，并构建了创新生态系统运行机制的基本循环链（图2）.5个子系统分别是创新资源子系统、创新成果子系统、创新应用子系统、创新产出子系统和创新环境子系统.这5个子系统相互作用、相辅相成，共同促进创新系统演化.除创新环境子系统外的4 个子系统组成循环链，为创新生态系统内部运行流程.创新环境子系统为外界影响因素，通过外界环境的变化间接作用于系统内部运行的各个环节，使系统运行状况发生变化.

图2 创新生态系统内部基本循环链Fig.2 Basic cycle chain inside innovation ecosystem

2.3.2 确定子系统变量 创新系统的5个子系统涉及企业的相关变量主要采用规模以上工业企业（以下简称企业）相关变量.子系统的变量具体如下：

创新资源子系统以企业为主平台，高校和科研机构通过在创新链不同阶段进行资源融合，从而在协同创新过程中获得相应的成果产出［16］.其驱动变量主要有企业R&D（研究与试验）发展经费.

创新成果子系统主要由创新成果产生、转化等因素驱动.由于专利的3种类型（发明专利、实用新型专利和外观设计专利）中发明专利的技术含量最高，因此发明专利指标更能体现国家创新体系产出的本质特征，技术市场成交额作为衡量科技成果转化政策效果是最可行的［17］.创新成果子系统的驱动变量主要有企业有效发明专利数、技术市场成交额等.

创新应用子系统主要由创新产品驱动，其驱动变量主要有企业新产品项目数等.

创新产出子系统主要包含创新收入等驱动因素，其驱动变量主要有企业新产品销售收入、利润等.

创新环境子系统主要受政策环境、市场环境和资源依赖等因素驱动.市场需求和创新政策环境是直接影响创新主体行为的两大外生变量.市场环境在资源依赖和科研人员创新绩效负相关作用存在中介效应［18］.改善基础设施建设，提高城市服务功能和对外交通可达性有利于加快资源型城市转型效率［19］.因此，创新环境子系统的驱动变量主要有税收优惠、法律保障、市场环境、基础设施等.

2.4 创新生态系统SD模型构建

本文的创新生态系统运行主要以企业为主体，采用产学研用深度合作的模式.SD模型（图3）基于以下假设建立：①创新生态系统的发展是一个循序渐进的过程；②排除外界突变和异常事件而导致的系统崩溃；③排除一些对创新生态系统影响微乎其微的因素.同时，为了系统的运行，构造了部分中间变量，并将其定义为常量或外生变量，依据历史数据或采用表函数进行赋值.具体为：专利产出率是指单位经费下有效发明专利产出数，用企业有效发明专利数和R&D经费的比值表示；技术市场成交额应用率是指技术市场成交额应用到单位新产品项目的金额，用技术市场成交额和企业新产品项目数的比值表示；创新产出率是指单位新产品项目获得的销售收入，用企业新产品销售收入和新产品项目数的比值表示.

图3 创新生态系统流程图Fig.3 Flow diagram of innovation ecosystem

3 基于SD模型的山西省创新生态系统运行机制分析

为了解决地区发展不平衡、不充分的问题，国务院把山西省设为国家资源型经济转型综合配套改革试验区.因此，研究以山西省为实证案例，开展创新生态系统运行机制分析具有典型性和代表性.

3.1 数据收集

本文数据来源于2009—2018 年的《中国统计年鉴》、2009—2018 年《山西省统计年鉴》和2009—2018 年山西省统计公报（国家统计局：http：//www.stats.gov.cn/；山西省统计局：http：//tjj.shanxi.gov.cn/）.

3.2 模型检验

本文模型选取2009年为基准年，模拟步长为1年，结合历史实际数据进行模型检验.以2009—2018年山西省的企业新产品销售收入（图4）和企业有效发明专利数（图5）两个关键变量进行模型检验，将仿真趋势与实际趋势作对比.从图4 和图5 中可以看出，两个变量仿真趋势与实际趋势拟合优度良好，误差绝对值在20%以内，说明本文建立的SD模型是可用的.

图4 新产品销售收入仿真趋势与实际趋势对比Fig.4 Comparison between simulation trend and actual trend of new product sales revenues

图5 有效发明专利仿真趋势与实际趋势对比Fig.5 Comparison between simulation trend and actual trend of effective invention patents

3.3 趋势预测和政策模拟

3.3.1 趋势预测 预测变量按照除创新环境之外的4个创新子系统选择.预测时间段为2019—2035年.

1）创新资源子系统.由历史数据可知，2018年之前由于企业人员流失严重，R&D人员全时当量一直在下降，R&D人员社会雇用人数多负值.但随着2018年山西在人才引入上发力和企业R&D项目越来越多，期望企业R&D人员全时当量一直呈上升趋势，这意味着需要更多R&D人员加入.本文对企业的人员加入讨论了3种渠道，即人才引进、高校招聘和社会招聘，按此次序优先引入，并假定没有人员冗余.企业R&D人员调整率指的是每年社会招聘人数.当人才引进和高校招聘人数满足所需招聘人数时，企业R&D人员社会招聘人数如为负值，表示不需要从社会上招聘，也就无法为社会创造更多就业岗位，同时也表示企业内部人员冗余，需要减少人才引进和高校招聘人数；如为正值，表示企业需要进行社会招聘以保障新产品项目有关工作的顺利进行.另外，因为人员调整需要时间，本文引入了延迟函数，将企业R&D 人员调整率处理为企业R&D人员社会雇用率，并由此得出企业R&D人员社会雇用人数.由图6可得企业R&D人员社会雇用人数整体呈上升趋势，相邻年度在一定范围内波动.由此得知，如资源型地区创新生态照此发展，企业可以为社会就业起到良好辅助作用，在自身发展的基础上为社会创造更多的就业岗位，盘活资源型地区的人才市场.

图6 企业R&D人员社会雇用人数趋势仿真Fig.6 Simulation of social employment trend of R&D personnel in industrial enterprises above designated size

2）创新成果子系统.2020 年，山西省政府提出“要做优做强实验室，切实增强应用基础研究和自主创新能力”.由此，企业有效发明专利数呈平滑上升趋势（图7），这与R&D 经费投入和专利产出率息息相关.在政府扶持力度不变的情况下，R&D经费投入主要来源于新产品项目利润、企业追加的经费投入和外部融资3 个方面.随着时间的推移，创新文化逐步形成，市场环境渐渐改善，本地需求增加，新产品项目利润增大，资本入驻，融资难度降低，企业抗风险能力随之提高，对研发环节必将追加投资.由此，R&D经费投入的资金结构产生变化，外部资金源将不断扩大，不再是企业吸纳资金，而是资本主动寻求合作，由此建立一个良性循环，一步步带动市场发展，激发创新活力.专利产出率随着R&D经费的投入逐年提高，企业内部创新活动越来越多.与此同时，企业内部的创新奖励机制也是提高科研人员创新主动性和能动性的一大驱动力.由此，企业的专利研发工作会愈来愈好，与2009—2018年比，专利的增长速率呈加快趋势.这里面不仅是企业研发实力的增长，更是高校和科研机构协同作用的彰显.

图7 企业有效发明专利数趋势仿真Fig.7 Trend simulation of the number of effective invention patents of industrial enterprises above designated size

3）创新应用子系统.2020年，山西省政府提出要加强中试基地建设，有力推动科研成果向现实生产力转化.由图8可知：企业新产品项目2019—2023年发展较为平缓，属于积累阶段；2024—2028年发展速度明显加快，属于蓬勃发展阶段，且在2028年左右达到高点；之后两年创新生态发展乏力，企业新产品项目数有所下降；之后，企业新产品项目数在2030年继续攀升，2035年达到新高峰.

图8 企业新产品项目数趋势仿真Fig.8 Trend simulation of new product project number of industrial enterprises above designated size

4）创新产出子系统.2020年，山西省政府提出“到2025年，适应高质量转型发展和现代化建设的一流创新生态将基本成型”.在这种利好环境下，山西省创新生态厚积薄发，企业新产品销售收入呈急速上升趋势（图9），与企业新产品项目数发展趋势大致相同，展现了创新生态蓬勃发展的态势.这说明在政策的推动下，山西省创新生态系统在脚踏实地追赶发达地区.与此同时，山西省的创新文化和氛围也将越来越好，本地需求也会越来越多，企业新产品利润占比也会逐年提升，企业利润将逐渐增多.

图9 企业新产品销售收入Fig.9 Sales revenues of new products of industrial enterprises above designated size

3.3.2 政策模拟 政策模拟变量的选择主要是从政府、中介机构、企业、区域环境4个方面综合考虑，选取政府扶持力度、中介机构作用、中间变量、资源依赖度4个变量调整其参数值，观察关键变量2019—2035年的变化趋势.

由于各个变量对企业新产品销售收入和R&D人员社会雇用人数影响效果基本相同，为避免篇幅过长，本文只在调整政府扶持力度时分析企业新产品销售收入和R&D人员社会雇用人数随政府扶持力度的变化情况，后面均以企业新产品销售收入随调整变量的变化情况为代表进行分析.

1）调整政府扶持力度.将影响政府扶持力度的4个变量分别提高和降低0.1个单位量.由图10和图11看出，政府扶持力度和企业新产品销售收入和R&D人员社会雇用人数基本呈正相关.企业新产品销售收入随政府扶持力度的变化呈现规律性上涨趋势，上涨量由小至大，最后趋于稳定，这可能与政府政策落地速度慢、政策效应滞后有关.

图10 企业新产品销售收入随政府扶持力度变化情况Fig.10 Changes of new product sales revenues of industrial enterprises above designated size with the strength of government support

图11 R&D人员社会雇用人数随政府扶持力度变化情况Fig.11 Changes of social employment of R&D personnel with the strength of government support

2）调整中介机构作用.将中介机构作用分别提高和降低0.1个单位量，观察企业新产品销售收入的变化趋势（图12）.从图中可以看出，中介机构作用增加对企业新产品销售收入起正向促进作用；反之，起消极作用.

图12 企业新产品销售收入随中介机构作用变化情况Fig.12 Changes of new product sales revenues of industrial enterprises above designated size with the role of intermediaries

由图12可以看出，随着时间的推移，中介机构的影响越来越显著，跟初始状态比较，企业新产品销售收入变化值呈阶梯性上涨趋势.中介机构作用彰显了企业和高校、科研机构之间的协同度，影响着成果转化和孵化速率，它的影响体现在上下游主体间的联结紧密度.随着中介机构在主体间发挥的作用越来越大，使得高校和科研机构的贡献率也越来越大，成果转化速率随之提高，市场交易量加大，企业买进和售出技术的频率加快，企业内部的创新活力被激发，创新项目增多，新产品销售收入逐渐增多.

3）调整中间变量.将中间变量包含的3 个变量上下调整0.1 或10 个单位量.企业新产品销售收入和R&D人员社会雇用率出现了显著的增长和下降（图13）.

图13 企业新产品销售收入随中间变量变化情况Fig.13 Changes of new product sales revenues of industrial enterprises above designated size with intermediate variables

纵向比较：企业新产品销售收入和R&D人员社会雇用人数随中间变量的增减而增减，说明中间变量的正向变化会对其起积极作用；反之，会有消极作用.

横向比较：上调中间变量时，企业新产品销售收入比原来的上涨趋势陡峭很多，说明中间变量提高可以加快其上涨速率，两者呈正相关；下调中间变量时，企业新产品销售收入上涨趋势临近水平，甚至有所下降，说明下调中间变量带来的不利影响会持续扩大.

综合比较：在增加和减少同等单位量的情况下，企业新产品销售收入增长速率快于下降速率；中间变量继续增加，企业新产品销售收入创新高，意味着可以创造更高的经济效益；中间变量低到一定程度，甚至无限趋于0时，企业新产品销售收入不会无底线下降，但经济效益低下，可能会出现亏损状态.

4）调整资源依赖度.将资源依赖度分别提高和降低0.1个单位量，观察企业新产品销售收入的变化趋势（图14）.资源依赖度的增减是一个长期的过程，除了依靠外界力量推动，更多的是在创新环境和创新文化的逐步形成中潜移默化的改善.图14显示，资源依赖度和企业新产品销售收入是反向变化的.也就是说，资源依赖度对企业新产品销售收入是负面作用，且资源依赖度增加和减少初期，企业新产品销售收入与初始值几乎是重合的.这说明资源依赖度发生变化后，其对企业新产品销售收入的影响至少要经过5年左右的时间才会逐步显现，并且影响力渐渐扩大，使企业新产品销售收入的变化越来越大.另外，企业新产品销售收入变化对资源依赖度的增加比减少更敏感，可能的原因是资源依赖度增加到一定理论值时，已经趋于其实际最高依赖水平，即便理论值继续增大，其实际依赖水平也不会再升高，故对企业新产品销售收入的影响不会更显著.

图14 企业新产品销售收入随资源依赖度变化情况Fig.14 Changes of new product sales revenues of industrial enterprises above designated size with resource dependence

5）综合模拟.选取政府扶持力度、中间变量、中介机构作用、资源依赖度4个变量，模拟3种虚拟政策情境下系统的变化趋势.3种情境分别是：中间变量正向变化0.1个单位量，中介机构作用负向变化0.1个单位量；中间变量正向变化0.1个单位量，政府扶持力度负向变化0.1个单位量；中间变量正向变化0.1个单位量，资源依赖度正向变化0.1个单位量.由图15可以看出，3种情境下企业新产品销售收入开始时变化不稳定，变化幅度不大，还出现了反向变化的情况.大约两年后，变化趋势趋于稳定，并且初始值状态曲线在4条趋势线中处于最低水平，说明在其他3种情境下，企业新产品销售收入都高于初始值状态.综上得出，以上4个变量中，中间变量是最为敏感的因素，在3种情境中都占据主导地位.根据3种情境的趋势线相同时间的纵向位置判断，4个变量按敏感度从高到低排序依次为中间变量、中介机构作用、政府扶持力度、资源依赖度.政府扶持力度和资源依赖度前期影响趋势几乎是相同的，且都存在滞后性，但政府扶持力度的影响后期扩大后比资源依赖度的影响效果更显著.

图15 企业新产品销售收入随综合因素变化情况Fig.15 Changes of new product sales revenues of industrial enterprises above designated size with comprehensive factors

4 结论与启示

4.1 结论

本研究运用系统动力学方法对资源型省份创新生态系统运行机制进行了研究，得到以下结论：

1）政府扶持力度、中介机构作用正向影响创新生态系统运行效率.

2）专利产出率、技术市场成交额应用率、创新产出率这些中间变量正向影响创新生态系统运行效率.

3）资源依赖度对创新生态系统具有抑制作用.

4）变量影响创新生态系统的敏感度不同.变量按敏感度从高到低排序依次为中间变量、中介机构作用、政府扶持力度、资源依赖度.

4.2 启示

资源型地区的创新生态不同于发达地区，后者因为城市发展水平高，对人才的吸引力较大，故人才流入量大，政府政策有足够的实施基础和条件.政府可以优先出台相应政策，市场快速响应，政策生效速度也较快.而资源型地区正好相反，政策的出台和落地滞后，需要政府和其他创新主体合力.政府自上而下推动，其他创新主体自下而上反馈.

资源型地区的创新生态大多处于较低水平，上升空间非常大.资源依赖是资源型地区的显著特点，降低其资源依赖度要从供需角度优化产业结构，把劣势化为机遇，建立政府牵头、企业发力、高校和科研机构配合、市场参与的发展模式，各司其职，合作共赢.中介机构作为联结企业、高校和科研机构的纽带，要扮演好沟通和整合的角色，保障创新技术和人才的双向流动.企业、高校、科研机构等其他创新主体要根据资源型地区的特点，优化内部机制，同时发挥“倒逼”效应，利用市场发展刺激政策产出，政策实施吸引创新主体加入，提高专利产出率、技术市场成交额应用率和创新产出率.