中国海洋战略性新兴产业技术创新驱动效应测算及驱动要素分解

李 晨 王 文 王佳欢 刘大海

1.中国海洋大学 经济学院 青岛266100

2.自然资源部第一海洋研究所 青岛266061

3.自然资源部海岸带科学与综合管理重点实验室 青岛266061

战略性新兴产业具有提高供给体系综合效益、优化产业结构、降低资源消耗等作用，是基于推动经济持续健康增长、促进社会全局全面发展、提升综合竞争力而提出的国家层面的产业发展概念。海洋战略性新兴产业是以海洋高新技术为依托，对国家海洋资源加以开采利用的生产和服务活动，具有全局性、长远性、高新科技性、发展潜力性等特征[1]，技术创新是该产业持续发展的驱动力。然而，当前中国海洋战略性新兴产业创新水平整体不高且不能适应经济发展新旧动能转换及产业结构升级的要求，表现出高端产业低端化、内核空心化、产业同质化等诸多产业低端化发展趋势[2]。随着海洋产业的培育和发展，仅依靠投资和政策驱动很难为中国海洋战略性新兴产业持续发展提供源源不断的动力，而创新驱动在提高该产业竞争力和实现高端化发展中发挥着越来越重要的作用，是中国海洋战略性新兴产业实现高端化发展的关键突破点。

技术创新能促进产业生产率的上升和产业结构优化[3-4]，对新兴产业发展起主导作用[5]。海洋战略性新兴产业是以自主创新为源动力的新兴产业，掌握关键核心技术是促进海洋战略性新兴产业发展的主要因素[6-7]。目前关于海洋战略性新兴产业的研究主要集中在产业的选择培育、结构布局和政策指导等方面[8]。刘康认为大多数海洋战略性新兴产业发展不成熟，其发展规模和质量的提升受到产业基础、发展政策和创新不足等多种因素制约，只有把握其形成路径及机理，并重视技术创新，才能有效培育其成长[9]。但对海洋战略性新兴产业发展过程中的创新驱动因素的研究文献非常少，仲雯雯等认为中国战略性海洋新兴产业尚存在科技自主创新能力薄弱及科技成果转化率低的问题[10]，由于战略性新兴产业的生产技术、市场机制和配套设施不成熟，需要政府参与助力，但容易导致市场失灵[11]；并从创新视角研究海洋战略性新兴产业并提出创新路径[12-13]。目前国内外对海洋战略性新兴产业创新驱动的研究主要侧重于理论方面，且多以定性描述与政策探索为主，定量研究相对缺乏。本文基于海洋战略性新兴产业创新的驱动机制分析，运用协整与误差修正模型，从时间维度估计技术创新、劳动力、资本等要素对中国海洋战略性新兴产业的长期和短期驱动效应及差异，科学评判当前驱动海洋战略性新兴产业的主要动力。然后运用RBF-DEMATEL 方法对中国海洋战略性新兴产业创新驱动要素进行分解、筛选及评价，对关键要素进行识别，并论证各因素间的相互关系。这对促进中国海洋战略性新兴产业创新发展，尽快成为海洋先导和支柱产业具有重要意义。

1 技术创新驱动海洋战略性新兴产业发展的机理

创新被视为经济发展的重要驱动力。创新驱动的研究最早始于美国学者迈克尔·波特，认为经济发展要经历要素驱动、投资驱动、创新驱动和财富驱动4 个阶段[14]。创新驱动主要集中在知识创新驱动、技术创新驱动和制度创新驱动3 个方面，通过利用新知识和新技术以提高投入要素的生产效率，用有限的资源和要素创造出更大的产能[15]。技术创新驱动中国海洋战略性新兴产业发展的机理主要表现在以下3个方面。

第一，技术创新可以通过乘数效应提升海洋战略性新兴产业的基础水平，使海洋战略性新兴产业实现指数增长。技术革命下的大众创新才是经济实现大幅增长的首要原因[16]。技术创新通过提高劳动生产率、优化经济结构、变革管理方式等扩散产生乘数效应，提升了海洋战略性新兴产业的总体基础水平，进而促进海洋战略性新兴产业的发展[17]。同时，通过技术创新对海洋战略性新兴产业结构的调整，能够实现生产要素的合理分配，提升生产要素的使用效率，优化劳动力的供给，最终使海洋战略性新兴产业产值实现指数增长。

第二，技术创新能够通过溢出效应加快新技术扩散，提高关联性产业部门的技术进步和生产率。行业间的技术创新理论最早由阿罗提出，随后对美国五大高技术产业的分析表明，高技术产业存在明显的产业间技术创新溢出[18]。进一步研究表明，高技术产业技术创新的溢出效应在产业内和产业间都较为显著[19]。海洋战略性新兴产业是以高新技术为主要依托，能够通过产业内溢出效应减少产业自身的创新成本，提高技术水平，并推动自身技术进步和生产率的提高；同时，通过产业间溢出效应加快技术创新的扩散，促进关联性产业部门的技术进步和生产率提高。

第三，技术创新通过渗透效应和变革效应促进海洋战略性新兴产业结构优化升级。技术创新可以在关联产业间相互渗透并相互促进，实现技术创新与产业结构升级的良性互动，促进海洋战略性新兴产业的发展壮大。通常表现为海洋产业结构不合理引发了技术创新的需求，创新又反过来促进产业结构的调整，产业结构优化吸引厂商加入该行业，会提高创新的经济效应并激发技术持续创新。当创新累积到一定程度或发生重大技术突破时，则会引致海洋战略性新兴产业的结构升级和生产方式演变。

2 中国海洋战略性新兴产业创新驱动效应测算

2.1 变量选取及数据处理

科学筛选海洋战略性新兴产业是研究海洋战略性新兴产业创新驱动的重要前提，但目前国内外学者对中国海洋战略性新兴产业的界定尚未形成一致观点。徐杰等主要从海洋战略性新兴产业的内涵和外延对中国海洋战略性新兴产业进行了定性筛选[20-21]；宁凌等运用主成分分析法和灰色关联法，通过构建海洋战略性新兴产业选择体系，对中国海洋战略性新兴产业进行了定量筛选[22-23]。基于此，本文选取的海洋战略性新兴产业包括海洋油气业、海洋电力业、海水利用业、海洋生物医药业、滨海旅游业、海洋交通运输业、海洋船舶工业和海洋工程建筑业8 类[23]。同时选取2006—2016 年海洋战略性新兴产业的创新、劳动力、资本和资源4 个变量作为解释变量。其中，创新（INNO）表示海洋战略性新兴产业技术创新活动和创新成果的数量，以海洋战略性新兴产业专利授权量之和为代理变量。劳动力（L）表示海洋战略性新兴产业的人力资源，以海洋战略性新兴产业涉海就业人员数量为代理变量。资本（K）表示海洋战略性新兴产业的物质资本存量，以海洋固定资产投资为代理变量。资源（R）表示海洋资源的利用潜力，以确权海域面积为代理变量。选取海洋战略性新兴产业增加值（Y）作为被解释变量，用来衡量海洋战略性新兴产业增长，以8个海洋战略性新兴产业增加值之和为代理变量。

为了降低异方差性使数据更平稳，本文对所有变量数据进行对数处理。上述所需数据均来源于《中国海洋统计年鉴》《中国海洋统计公报》和《中国统计年鉴》。其中，由于海洋战略性新兴产业固定资产投资目前尚无公开的直接统计数据，因此由全社会固定资产投资进行折算，折算方法为：海洋战略性新兴产业固定资产投资=全社会固定资产投资×（海洋战略性新兴产业增加值/国内生产总值）[24]。

2.2 模型设定与测算

运用协整与误差修正模型实证分析创新与劳动力、资本、资源等要素对海洋战略性新兴产业发展的长期和短期驱动效应及差异。这里采用双变量模型对比创新、劳动力、资本和资源4 个要素对海洋战略性新兴产业发展的驱动效应。建立线性回归模型如下：

2.2.1 单位根检验

采用ADF 单位根对序列各解释变量和被解释变量进行检验（表1），以确定各序列的平稳性和单整阶数。当解释变量和被解释变量均为同阶单整时，才可进行协整关系检验。由表1 可知，在5%的显著性水平下，创新（INNO）、资本（K）、资源（R）与海洋战略性新兴产业增加值（Y）均未通过显著性检验，数据水平向上平稳，一阶差分检验结果同样如此。二阶差分的ADF 检验结果显示所有变量的二阶差分平稳，即均为二阶单整序列，记作I(2)。由此，可通过协整与回归分析来探索创新、资本、资源与海洋战略性新兴产业增加值之间的长期关系。

表1 ADF单位根检验结果

2.2.2 协整关系检验

由单位根检验结果可知，创新、资本、资源3 个解释变量与中国海洋战略性新兴产业增加值同为二阶单整序列，且从时序图来看，这几个变量极可能存在协整关系，即长期均衡关系。下面采用双变量模型常用的EG 两步法进行协整分析，以确定几个变量之间的长期均衡关系。先用OLS 法对各变量数据进行回归分析，得到有效的回归方程，结果如下：

其次，对上述各回归方程得出的残差项进行ADF平稳性检验，若残差项为平稳序列，则表明各解释变量和海洋战略性新兴产业发展之间是协整关系，反之，则不是协整关系。平稳性检验结果如表2所示。

表2 残差序列平稳性检验表

从表2 可以看出，在5%的显著性水平下，创新（INNO）和资本（K）的ADF 检验值均小于其临界值，表明这两个变量的残差序列不存在单位根，是平稳序列，即I(0)，说明海洋战略性新兴产业增加值与创新、资本之间具有协整关系，即他们之间存在长期均衡关系。而资源要素（R）由于ADF统计量大于5%显著水平下的临界值，说明资源与海洋战略性新兴产业增加值之间不存在长期均衡关系。

对比创新（INNO）与资本（K）两个要素与海洋战略性新兴产业增加值之间的协整方程可知，创新与资本对海洋战略性新兴产业增加值的拉动弹性分别为0.402 3和0.707 6，即在其他因素不变的情况下，海洋战略性新兴产业专利申请受理量和固定资产投资每提高1 个百分点，将促进海洋战略性新兴产业增加值上升0.402 3 和0.707 6 个百分点。由此可见，资本和创新是当前海洋战略性新兴产业发展的主要驱动力，但资本的驱动作用略大于创新，创新对海洋战略性新兴产业发展的驱动优势尚未充分发挥，也从某种程度反映了当前中国海洋战略性新兴产业发展中创新驱动不足的事实。

2.2.3 误差修正模型ECM

尽管创新（INNO）与资本（K）两个要素与海洋战略性新兴产业增加值之间存在着长期稳定的均衡关系，但可能会出现短期失衡。本文将协整回归式中的误差项看成非均衡误差，带入误差修正模型，把海洋战略性新兴产业增加值的短期情况与长期变化联系起来分析。根据Ganger表述定理，误差修正模型设定为：

运用Eviews 估计创新与资本两个因素对海洋战略性新兴产业增加值的误差修正模型，得到如下方程：

误差修正项ECMt-1系数为负，符合反向修正机制。通过对比上述两个误差修正模型，发现创新与资本对海洋战略性新兴产业增加值的短期偏离长期均衡的调整力度分别为78.83%和63.62%，说明创新与资本对中国海洋战略性新兴产业的短期偏差约有78.83%和63.62%的可能被修正。

2.2.4 Granger因果关系检验

创新（INNO）与资本（K）两个要素与海洋战略性新兴产业增加值之间存在着长期稳定的均衡关系，即这3 个变量具有共同的变动趋势，但这3 个变量间是否存在因果关系需要进一步分析。采用Granger因果关系检验对变量的分析结果如表3 所示。可以看出，给定5%显著性水平，检验结果拒绝“创新不是海洋战略性新兴产业增加值增长的格兰杰原因”的原假设，表明创新因素的变化是引起海洋战略性新兴产业增加值变化的原因，反之海洋战略性新兴产业产值增长并不是由创新因素变化导致的。而资本与海洋战略性新兴产业增加值增长变化并无关系。

表3 格兰杰检验结果一览表

2.3 测算结果分析

通过以上检验可以得出，在创新、资本、资源、劳动力4 个驱动海洋战略性新兴产业发展的要素中，资本和创新与海洋战略性新兴产业增加值之间存在着共同的变动趋势，有着长期稳定的增长联系，是当前驱动海洋战略性新兴产业发展的主要动力，但资本的驱动效果略大于创新，创新对海洋战略性新兴产业的创新驱动优势尚未充分发挥。创新与海洋战略性新兴产业增加值之间存在因果关系，说明创新是驱动海洋战略性新兴产业长期持续发展的根本动力。资本与海洋战略性新兴产业增加值之间不存在因果关系，说明资本不是引起海洋战略性新兴产业增加值增加的直接原因，而可能是通过引进技术人才、助力技术研发等方式间接促进了产值的增加，进一步说明技术创新是促进海洋战略性新兴产业发展的根本驱动力，产业发展最终还是要落实到技术创新上。为充分发挥创新的驱动优势，促进中国海洋战略性新兴产业由资本驱动向主要依靠创新驱动转变，下面对创新的驱动要素进行筛选、识别和测度。

3 中国海洋战略性新兴产业创新驱动要素分解

创新是中国海洋战略性新兴产业高端化发展的必由之路，技术创新驱动要素的识别和测度，对提升中国海洋战略性新兴产业的创新能力具有重要意义。本文在DEMATEL 方法的基础上，引入RBF 神经网络模型求解各指标之间的直接关联矩阵，以增强研究的客观性。即首先构建中国海洋战略性新兴产业创新驱动要素指标体系，然后运用RBF 神经网络得出各指标间的直接关联矩阵，最后运用DEMATEL 方法算出影响海洋战略性新兴产业创新驱动能力的原因型因素和结果型因素。

3.1 创新驱动要素指标筛选

基于海洋战略性新兴产业影响辐射远、技术密集度高、发展潜力大等特点，从创新基础、集群环境、支撑条件和技术溢出这4 个方面来研究海洋战略性新兴产业的创新能力，构建海洋战略性新兴产业创新驱动要素指标体系，如表4所示。

表4 海洋战略性新兴产业创新驱动要素指标体系

3.2 基于DEMATEL-RBF模型的创新驱动要素测算

本文以2006 年为基期，以8 种海洋战略性新兴产业之一的海洋交通运输业为例，利用MATLAB 软件，将第t年专利量授权量作为RBF 神经网络的目标输出向量，将各评价指标值作为RBF 神经网络的输入向量，重复训练RBF 神经网络，直到得到各权值向量Wtj（表示第t年第j个影响因素对目标向量的权值），之后测算第j个影响因素对目标指标专利授权量影响程度的平均值，从而得出各影响指标的直接关联矩阵如公式（12），其中bii=1，bij=为第i个影响指标相对于第j个影响指标的重要性。

规范化直接关联矩阵为：

计算全关联矩阵，得出：

然后利用DEMATEL 方法建立因果关系图，定量揭示各指标间的影响及被影响程度，进而计算对中国海洋战略性新兴产业技术创新能力的中心度与原因度。定义D为T的各行之和，表示各指标的影响度；定义R为T的各列之和，表示各指标的被影响度。

将Di+Ri定义为指标i的中心度，表示在整个系统中所起作用的大小及其地位，反映各指标因素对海洋战略性新兴产业创新的重要程度，其数值越大，说明该指标对创新的影响也就越大。将Di-Ri定义为指标i的原因度，反映影响海洋战略性新兴产业创新的各指标因素在指标体系中的关联程度，可以用来区分原因组和结果组。如果原因度指标Di-Ri＞0，表明该指标对其他指标有较大影响，则该指标属于原因组；如果原因度指标Di-Ri＜0，表明该指标易受到其他因素影响，因此该指标属于结果组。在众多因素指标中，结果组中的因素指标是原因组中因素指标的影响结果。

通过RBF-DEMATEL 模型，利用Matlab 软件计算的各指标D+R值和D-R值如表5所示。

表5 各指标的D+R 值和D-R值

3.3 创新驱动要素识别

由表5 中D+R 值的测算结果可以看出，在10 个对中国海洋战略性新兴产业技术创新有影响的要素指标中，影响最大的指标是知识型服务业支持度，其次依次是非海洋产业的技术溢出、研发经费投入强度、政府重视程度以及其他海洋产业的技术溢出，剩余指标相对影响较小，这说明要提高中国非海洋产业技术创新能力，适当增加海洋战略性新兴产业技术研发资金，促使科技人员加大海洋产业技术研发力度仍然非常重要。根据D-R 值，筛选出政府重视程度、知识型服务业支持度以及其他海洋产业的技术溢出为影响创新的原因型指标，其余因素均为影响创新的结果型指标。这说明上述7 个结果型因素指标是3 个原因型因素指标的影响结果，所以从原因型指标入手是提高海洋战略性新兴产业的关键。综合D+R 值和D-R 值的测算结果，得出政府重视程度、知识型服务业支持度以及其他海洋产业的技术溢出既是影响创新能力的原因型指标，又是对海洋战略性新兴产业影响较大的指标，说明三者是提高创新能力的根本。

4 结论及建议

本文运用协整与误差修正模型，从时间维度估计技术创新、劳动力、资本等要素对中国海洋战略性新兴产业的长期和短期驱动效应及差异；然后运用RBF-DEMATEL 方法对中国海洋战略性新兴产业创新驱动要素进行分解、筛选及评价，并对关键要素进行识别，相关结论及建议如下。

第一，创新与资本两个要素与海洋战略性新兴产业增加值之间存在着长期稳定的均衡关系，说明资本驱动和技术创新驱动是当前中国海洋战略性新兴产业发展的主要驱动力。但创新的驱动效果略小于资本，说明创新对海洋战略性新兴产业的驱动优势尚未充分发挥。劳动、资本、资源和创新4 个要素中，只有创新要素与海洋战略性新兴产业增加值之间存在着因果关系，说明创新是促进海洋战略性新兴产业发展的根本驱动力。因此，为了促使中国海洋战略性新兴产业由资本驱动向创新驱动转变，应延长创新链条，使资金链有效对接创新链，进一步激发创新活力，促使资本和创新的双向互动，实现技术创新在整个产业链的延伸。

第二，政府重视程度、知识型服务业支持度以及其他海洋产业的技术溢出既是对中国海洋战略性新兴产业影响较大的指标，又是影响创新能力的原因型指标，说明三者是提高创新能力的关键要素。基于此，为提高海洋战略性新兴产业的创新能力，一方面应加大创新投入，深化科研管理体制，催化创新成果产业化，提升科技成果转化率；另一方面应该建立相关的规章制度为科技创新的源头提供保障，并注重整个创新链的协调发展，实现创新成果完整落地和转化。