中國制造業(yè)智能化發(fā)展水平測度及其時空演化分析

鄭 玉，孫瑾瑾

（鄭州輕工業(yè)大學(xué) 經(jīng)濟與管理學(xué)院，鄭州 450002）

0 引言

從“十四五”規(guī)劃提出的“到2035 年基本實現(xiàn)制造業(yè)智能化的遠(yuǎn)景目標(biāo)”到《“十四五”智能制造發(fā)展規(guī)劃》對制造業(yè)智能化發(fā)展的重點布局，無不彰顯國家對制造業(yè)智能化發(fā)展的重視[1]。實際上，制造業(yè)智能化與經(jīng)濟高質(zhì)量發(fā)展是密不可分的，制造業(yè)智能化既是實現(xiàn)制造業(yè)向全球價值鏈高端攀升的必然路徑，也是提高制造業(yè)競爭力的必要手段[2]。然而，縱觀各省份制造業(yè)智能化的發(fā)展歷程，無論是制造業(yè)智能化的規(guī)模結(jié)構(gòu)，還是制造業(yè)智能化的時空演進(jìn)趨勢，都極為不同。中國制造業(yè)智能化發(fā)展的空間不均衡及由此引發(fā)的資源錯配將嚴(yán)重制約中國經(jīng)濟的高質(zhì)量發(fā)展[3]。由此可見，在強化制造業(yè)智能化助力經(jīng)濟發(fā)展的同時，測算中國制造業(yè)智能化綜合發(fā)展水平及其動態(tài)演化趨勢，有助于構(gòu)建更加公平、更有效率、更可持續(xù)的智能化路徑。

隨著制造業(yè)智能化變革的深入推進(jìn)，相關(guān)研究成果也日漸豐碩，且主要集中在制造業(yè)智能化的涵義[4,5]、制造業(yè)智能化的測度[1,6]、制造業(yè)智能化的影響因素[2,7]以及制造業(yè)智能化的經(jīng)濟后果[8]等方面。上述研究不足在于：第一，傳統(tǒng)的基于互聯(lián)網(wǎng)普及與發(fā)展相關(guān)指標(biāo)的測度方法無法全面反映中國制造業(yè)智能化的發(fā)展現(xiàn)狀；第二，單一賦權(quán)法存在諸多難以避免的缺陷，例如，雖然主成分分析法、熵值法等客觀賦權(quán)法有效克服了主觀賦權(quán)法隨意性過高的短板并得以廣泛應(yīng)用，但是主成分負(fù)系數(shù)難以解釋以及熵值法權(quán)重均衡化的缺陷均是困擾學(xué)術(shù)界的重要問題；第三，現(xiàn)有研究僅限于描述中國制造業(yè)智能化的整體現(xiàn)狀，鮮有學(xué)者從時空分異視角探討中國省域制造業(yè)智能化的分布特征及時空演化態(tài)勢。

鑒于此，本文構(gòu)建綜合的智能化評價體系，并采用變異系數(shù)法和熵值法相結(jié)合的方法進(jìn)行賦權(quán)，以克服單一賦權(quán)法存在的不足，進(jìn)而測算出中國各省份2009—2021 年制造業(yè)智能化綜合水平。以此為基礎(chǔ)，進(jìn)一步采用核密度分布圖、擴展Markov 鏈及空間Markov 鏈等方法刻畫中國省域制造業(yè)智能化的時空分布動態(tài)，從而為中國制造業(yè)智能化遠(yuǎn)景目標(biāo)的實現(xiàn)提供參考。

1 研究設(shè)計

1.1 研究方法

1.1.1 制造業(yè)智能化綜合水平測度

制造業(yè)智能化指數(shù)是由多個維度構(gòu)成的綜合指標(biāo)體系，需要借助適當(dāng)?shù)姆椒ㄟM(jìn)行測度。為了克服主觀賦權(quán)法隨意性過高的缺陷以及熵值法權(quán)重均衡化的不足，借鑒陳銀娥等（2015）[9]、王澍雨（2018）[10]、徐雪和王永瑜（2022）[11]等學(xué)者的研究，基于熵值法和變異系數(shù)法相結(jié)合的賦權(quán)方法，對中國制造業(yè)智能化發(fā)展水平進(jìn)行測度，具體計算思路如下：

（1）熵值法賦權(quán)。第一步，借鑒王澍雨（2018）[10]、徐雪和王永瑜（2022）[11]等學(xué)者的研究方法構(gòu)建390×7 的評價矩陣①390指評價對象個數(shù)（由于部分省份數(shù)據(jù)缺失，因此共有30個省份（不含西藏和港澳臺）13年的數(shù)據(jù)），7指本文測算制造業(yè)智能化指數(shù)所涉及的指標(biāo)項數(shù)。，標(biāo)準(zhǔn)化得到，其中xij、yij分別表示第i 個評價對象第j項指標(biāo)值及其標(biāo)準(zhǔn)化值。為了保證標(biāo)準(zhǔn)化后的數(shù)值為正，進(jìn)一步得到；第二步，計算第i 個評價對象第j 項指標(biāo)所占比重，即；第三步，得到第j項指標(biāo)的熵值，其中m為測算制造業(yè)智能化指數(shù)所涉及的指標(biāo)項數(shù)；第三步，得到第j項指標(biāo)的權(quán)重為。

（3）組合賦權(quán)法得到的權(quán)重為wwj=λwj+(1-λ)hj，其中，λ表示均衡系數(shù)，且0 ＜λ＜1。借鑒倪超等（2015）[12]、王澍雨（2018）[10]、徐雪和王永瑜（2022）[11]等學(xué)者的做法，本文采用算術(shù)平均法進(jìn)行組合賦權(quán)。

（4）第i個評價對象的制造業(yè)智能化綜合指數(shù)測度值為，其中wwj為組合賦權(quán)法測算的第j項指標(biāo)權(quán)重，yij為第i個評價對象第j項指標(biāo)的標(biāo)準(zhǔn)化值，m為測算制造業(yè)智能化綜合水平所涉及的指標(biāo)項數(shù)。

1.1.2 Markov鏈方法

Markov 鏈方法是一種分析經(jīng)濟問題演進(jìn)趨勢常用的分布動態(tài)學(xué)方法，能夠研究隨時長累積變化，某一經(jīng)濟問題若干狀態(tài)之間相互轉(zhuǎn)化的概率及轉(zhuǎn)化的方向。借鑒周迪和鐘紹軍（2018）[13]的研究思路，在樣本期間的每一年，根據(jù)各省份制造業(yè)智能化綜合水平的高低將其劃分為四種狀態(tài)類型：低（L）、中低（ML）、中高（MH）、高（H）②值得注意的是，這里的四種狀態(tài)類型指的是相對類型，所以某個省份在制造業(yè)智能化絕對水平值提高的情況下，依然可能轉(zhuǎn)化為相對更低的狀態(tài)類型。。通過Markov鏈轉(zhuǎn)移矩陣，研究中國制造業(yè)智能化綜合水平的分布動態(tài)及空間演化態(tài)勢。例如，代表經(jīng)m年后制造業(yè)智能化綜合水平由i狀態(tài)類型轉(zhuǎn)化為j狀態(tài)類型的概率，其中，代表第t年屬于i狀態(tài)類型的省份個數(shù)，代表第t年屬于i狀態(tài)類型的省份經(jīng)m年后變?yōu)閖狀態(tài)類型的省份個數(shù)。

空間Markov鏈?zhǔn)强紤]“空間滯后”概念的Markov鏈模型，考察不同狀態(tài)類型的“鄰居”為條件，對本省份狀態(tài)“轉(zhuǎn)移”及演化態(tài)勢的影響。為了將“空間滯后”引入Markov鏈模型，本文借鑒鄭玉（2017）[14]的研究方法，采用contiguity規(guī)則構(gòu)建空間權(quán)重矩陣③wij 定義如下：若省份i與j相鄰，則取值為1；否則取值為0。。對于ρ×ρ的轉(zhuǎn)移矩陣來說，當(dāng)將ρ個“鄰居”類型作為“空間滯后”條件時，將產(chǎn)生ρ個ρ×ρ的條件轉(zhuǎn)移矩陣，記為，表示某個省份在“鄰居”為τ類型的“空間滯后”條件下，經(jīng)m年后的條件轉(zhuǎn)移概率。由Markov 鏈和空間Markov 鏈元素之間的差異，可判斷空間因素的作用效果。通常借助Q統(tǒng)計量來檢驗兩類Markov 鏈轉(zhuǎn)移矩陣元素間的差異性。其中，ρ為狀態(tài)類型，l為兩類Markov鏈轉(zhuǎn)移矩陣，表示將兩類Markov鏈元素合并后經(jīng)m年得到的轉(zhuǎn)移概率，和nij(l)分別表示經(jīng)m年后兩類轉(zhuǎn)移矩陣的轉(zhuǎn)移概率和轉(zhuǎn)移的省份個數(shù)。

1.2 指標(biāo)說明

目前學(xué)術(shù)界尚未對制造業(yè)智能化形成統(tǒng)一的測度標(biāo)準(zhǔn)，但通過對相關(guān)文獻(xiàn)的梳理[1,2,8]，得到如下認(rèn)識：首先，制造業(yè)智能化的發(fā)展得益于智能投資的推動；其次，制造業(yè)智能化的發(fā)展落實于智能技術(shù)的支撐；最后，制造業(yè)智能化的發(fā)展最終必然通過智能效益來詮釋其發(fā)展的潛力和質(zhì)量。結(jié)合有關(guān)制造業(yè)智能化研究的相關(guān)文獻(xiàn)及數(shù)據(jù)可得性并遵循指標(biāo)構(gòu)建原則，本文從智能投資、智能技術(shù)、智能效益三個維度共7 項指標(biāo)構(gòu)建中國制造業(yè)智能化發(fā)展評價體系。其中，智能投資主要選取電子及通信設(shè)備制造業(yè)投資額、智能設(shè)施固定資產(chǎn)投資額、工業(yè)機器人進(jìn)口額3項指標(biāo)；智能技術(shù)主要選取電子及通信設(shè)備制造業(yè)專利申請量、人工智能技術(shù)專利申請量2 項指標(biāo)；智能效益主要選取的指標(biāo)為電子及通信設(shè)備制造業(yè)主營業(yè)務(wù)收入及其營業(yè)利潤2項指標(biāo)。

本文測算中國制造業(yè)智能化綜合水平所涉及的7 項指標(biāo)數(shù)據(jù)主要來源于CNRDS 數(shù)據(jù)庫、EPS 數(shù)據(jù)平臺、天眼查企業(yè)數(shù)據(jù)庫。本文主要采用熵值法和變異系數(shù)法相結(jié)合的賦權(quán)方法測算中國30 個省份（不含西藏和港澳臺）2009—2021年制造業(yè)智能化發(fā)展水平及其演進(jìn)態(tài)勢。

2 實證結(jié)果與分析

2.1 各省份制造業(yè)智能化水平的測度結(jié)果

本文基于熵值法和變異系數(shù)法相結(jié)合的賦權(quán)方法對制造業(yè)智能化指標(biāo)體系進(jìn)行賦權(quán)，結(jié)果顯示，智能投資平均權(quán)重為0.412，智能技術(shù)平均權(quán)重為0.323，智能效益平均權(quán)重為0.265。在樣本期間，智能投資權(quán)重從2009年的0.398 上升到2021 年的0.417，智能技術(shù)權(quán)重從2009 年的0.321 上升到2021 年的0.328，智能效益權(quán)重從2009 年的0.281 下降到2021 年的0.255④樣本期間權(quán)重值并不是單調(diào)變化的。比如對于智能投資權(quán)重而言，雖然在樣本期間的整體趨勢是上升的，但并非單調(diào)地從2009年的0.398上升到2021年的0.417，樣本期間個別年份的權(quán)重低于0.398或高于0.417。。從總體趨勢上來看，智能投資和智能技術(shù)的權(quán)重呈現(xiàn)小幅上升的態(tài)勢，智能效益的權(quán)重則呈略微下降的態(tài)勢。通過分析各項具體指標(biāo)發(fā)現(xiàn)，智能投資權(quán)重的上升源于電子及通信設(shè)備制造業(yè)投資額、智能設(shè)施固定資產(chǎn)投資額、工業(yè)機器人進(jìn)口額呈持續(xù)上升的態(tài)勢；智能技術(shù)權(quán)重的上升源于電子及通信設(shè)備制造業(yè)專利申請量、人口智能技術(shù)專利申請量的持續(xù)擴張；智能效益權(quán)重的下滑源于電子及通信設(shè)備制造業(yè)主營業(yè)務(wù)收入及其營業(yè)利潤目前仍處于低迷狀態(tài)。

表1為30個省份2009—2021年制造業(yè)智能化綜合水平的測算結(jié)果。由表1可知，無論是基于東部、中部、東北和西部四大地區(qū)之間的觀察，還是基于區(qū)域內(nèi)部不同省份之間的比較，都存在極高的異質(zhì)性。如，全國制造業(yè)智能化綜合水平為0.229，東部、中部、東北以及西部地區(qū)的制造業(yè)智能化綜合水平則分別為0.393、0.169、0.180和0.119。從上述數(shù)據(jù)可以看出，東部地區(qū)制造業(yè)智能化綜合水平最高，高出全國平均水平71.6%，東北和中部的制造業(yè)具有相近的智能化發(fā)展水平，分別占全國平均水平的78.6%和73.8%，西部地區(qū)制造業(yè)智能化綜合水平最低，僅僅達(dá)到全國平均水平的52%。進(jìn)一步觀察各省份制造業(yè)智能化的測算結(jié)果，可以看出，中國制造業(yè)智能化水平呈現(xiàn)從東部沿海向西部內(nèi)陸逐級遞減的空間分布格局。另外，區(qū)域內(nèi)部不同省份之間也呈現(xiàn)顯著的空間非均衡特征，具體來說，雖然東部地區(qū)制造業(yè)智能化綜合水平整體較高，但難以避免省份之間的多極分化現(xiàn)象，比如2021年北京、江蘇和廣東的智能化水平分別為0.746、0.815 和0.887，而同期的海南制造業(yè)智能化水平僅為0.114，明顯低于東部地區(qū)的其他省份。另外，東部地區(qū)制造業(yè)智能化水平的標(biāo)準(zhǔn)差為0.241，也明顯高出其他地區(qū)。雖然不同地區(qū)及其內(nèi)部不同省份之間的制造業(yè)智能化水平具有明顯的異質(zhì)性，但整體來看，中國制造業(yè)智能化水平呈不斷上升趨勢，從2009年的0.131上升到2021年的0.329，由此可知，中國制造業(yè)無論智能投資、智能技術(shù)還是智能效益都逐步進(jìn)入良性循環(huán)通道。

表1 2009—2021年中國各省份制造業(yè)智能化綜合水平

2.2 演進(jìn)特征分析

2.2.1 全國制造業(yè)智能化水平的核密度估計

本文分別選取全國2009 年、2015 年和2021 年三個代表性年份的數(shù)據(jù)進(jìn)行制造業(yè)智能化發(fā)展水平的核密度分析。通過觀察圖1 中全國制造業(yè)智能化發(fā)展水平的核密度分布圖，可以看出近年來核密度函數(shù)中心逐漸向右移動，說明中國制造業(yè)智能化水平在逐步提高。同時，進(jìn)一步觀察圖1 可知，核密度分布圖的峰值逐年下降，峰寬逐年增大，這一變化態(tài)勢說明地區(qū)間制造業(yè)智能化發(fā)展差距不斷拉大且變化明顯。同時還發(fā)現(xiàn)，近年來核密度分布圖向右拖尾的現(xiàn)象愈發(fā)明顯，這一發(fā)現(xiàn)進(jìn)一步說明中國制造業(yè)智能化發(fā)展水平具有顯著的極化現(xiàn)象和空間非均衡性。中國制造業(yè)智能化發(fā)展水平的演進(jìn)態(tài)勢說明，受到區(qū)位條件、資源稟賦、數(shù)字基礎(chǔ)設(shè)施以及地區(qū)制造業(yè)智能化發(fā)展政策等因素的影響和制約，逐漸形成了不同地區(qū)之間的多極分化格局，部分地區(qū)制造業(yè)智能化發(fā)展水平極高，然而另外一些地區(qū)制造業(yè)依然面臨著嚴(yán)重的智能化短板，無論是制造業(yè)智能化的網(wǎng)絡(luò)支撐平臺還是關(guān)鍵技術(shù)裝備都具有巨大的開發(fā)空間。

圖1 全國制造業(yè)智能化水平的演進(jìn)趨勢

2.2.2 基于Markov鏈方法的制造業(yè)智能化分布動態(tài)分析

核密度分布圖在總體上描述了中國制造業(yè)智能化水平的演進(jìn)態(tài)勢，擴展Markov 鏈能夠刻畫不同狀態(tài)類型的俱樂部之間轉(zhuǎn)移的概率及方向，而空間Markov 鏈則進(jìn)一步考察空間因素在制造業(yè)智能化動態(tài)演進(jìn)中的作用?；诖?，在核密度函數(shù)分析的基礎(chǔ)上，本文進(jìn)一步借助擴展Markov 鏈和空間Markov鏈對中國制造業(yè)智能化綜合水平的演進(jìn)動態(tài)進(jìn)行對比分析。

（1）擴展Markov 鏈分析。為了研究隨時長累積變化中國制造業(yè)智能化綜合水平的分布動態(tài)，本文在傳統(tǒng)Markov 鏈基礎(chǔ)上進(jìn)行擴展，得到可變時長的Markov 鏈，下頁表2列示了時長為1～4年的轉(zhuǎn)移概率矩陣。每一時長均對應(yīng)一個4×4 的矩陣，其中主對角線上的元素表示制造業(yè)智能化的狀態(tài)類型在該時長內(nèi)未發(fā)生“轉(zhuǎn)移”的概率，而其他元素則表示制造業(yè)智能化的狀態(tài)類型在該時長內(nèi)發(fā)生“向上”或“向下”轉(zhuǎn)移的概率。

表2 中國制造業(yè)智能化水平的Markov轉(zhuǎn)移概率

總而言之，中國制造業(yè)智能化綜合發(fā)展水平具有以下演進(jìn)特征：首先，不同時長的轉(zhuǎn)移陣，主對角線上的元素值呈遙遙領(lǐng)先之勢，且主對角線兩端較中間的元素值略高。說明中國制造業(yè)智能化水平的四類俱樂部（分別是低、中低、中高、高）相對位置具有一定的穩(wěn)定性，“俱樂部趨同”特征明顯，特別是處于高水平狀態(tài)類型和低水平狀態(tài)類型的地區(qū)，其發(fā)生狀態(tài)“轉(zhuǎn)移”的概率極低，呈現(xiàn)明顯的狀態(tài)固化現(xiàn)象，在地域分布格局上表現(xiàn)為“高水平壟斷”與“低水平陷阱”并存的雙重特征。例如，當(dāng)年制造業(yè)智能化綜合水平分別為低（L）、中低（ML）、中高（MH）和高（H）的省份，經(jīng)過1 年的時長仍保持原狀態(tài)類型的概率分別達(dá)到85.4%、83.2%、81.9%和84.6%，雖然經(jīng)過4 年的時長使得這一概率有所下降，但依然居高不下（分別達(dá)到73.3%、69.6%、67.7%、77.8%）。由此可見，中國制造業(yè)智能化具有明顯的俱樂部趨同特征，尤其以高、低水平兩類俱樂部最為穩(wěn)定。其次，隨著時長的增加，主對角線上的元素值有變小的趨勢，說明隨著時間的積累，俱樂部之間的流動增強，狀態(tài)類型的固化現(xiàn)象得到部分緩解。例如，當(dāng)時長為1 年時，中低水平（ML）省份中有4.1%的省份向下轉(zhuǎn)移到低水平（L）狀態(tài)，12.7%的省份向上轉(zhuǎn)移到中高水平（MH）狀態(tài)，仍然保持中低水平（ML）狀態(tài)的省份達(dá)到83.2%。然而一旦將時長延長到4年，向下、向上轉(zhuǎn)移的概率均有所增加，分別達(dá)到10.8%、19.6%，只有69.6%的樣本保持原狀態(tài)類型。

（2）空間Markov 鏈分析。中國省域制造業(yè)智能化綜合水平的Moran’s I取值范圍為0.241～0.315，且均在1%的水平上顯著，由此說明各省份間制造業(yè)智能化綜合水平具有顯著為正的空間相關(guān)性，也證明了中國制造業(yè)智能化發(fā)展在空間上呈現(xiàn)“高-高”聚攏、“低-低”鄰近的分布格局。因此，為了進(jìn)一步考察不同省份制造業(yè)智能化發(fā)展進(jìn)程中空間因素的作用，本文采用時長為3的空間Markov鏈進(jìn)行分析，結(jié)果見表3。

表3 中國制造業(yè)智能化水平的空間Markov轉(zhuǎn)移概率

如表3所示，當(dāng)?shù)退筋愋偷摹班従印弊鳛椤翱臻g滯后”條件時，本省份不管屬于哪種類型（L、ML、MH或H），都將不同程度地受到“拖累”，從而使得向下轉(zhuǎn)移的概率大幅增加，且通過1%水平上的Q統(tǒng)計檢驗。例如，中高水平類型（MH）的省份由于受到周邊低水平（L）“鄰居”的負(fù)向影響，經(jīng)過3 年的時長后向下轉(zhuǎn)移的概率明顯增加，而向上轉(zhuǎn)移的概率卻陡然下降（向下、向上轉(zhuǎn)移的概率分別從原來的17.7%、10.5%變?yōu)?6.1%、7.4%），同時這些中高水平省份的自保能力也逐漸下降，保持原狀態(tài)類型的概率也由71.8%降為66.5%。

另一方面，當(dāng)中高水平及以上類型的“鄰居”作為“空間滯后”條件時，其將對制造業(yè)智能化水平相對較低的地區(qū)產(chǎn)生顯著的正向拉動效應(yīng)，從而有利于其向上轉(zhuǎn)移。例如，低水平（L）和中低水平（ML）省份由于受到高水平（H）“鄰居”的輻射帶動，經(jīng)過3 年的時長后，其向上轉(zhuǎn)移的概率分別由23.1%、18.9%提升至36.6%、27.3%，且兩類Markov鏈元素值的差異性均通過1%水平上的Q統(tǒng)計檢驗。

3 結(jié)論

本文從智能投資、智能技術(shù)及智能效益三個維度構(gòu)建了中國制造業(yè)智能化指標(biāo)體系，并采用熵值法和變異系數(shù)法相結(jié)合的賦權(quán)方法對中國各省份2009—2021年制造業(yè)智能化綜合水平進(jìn)行測度。以此為基礎(chǔ)，采用Kernel核密度分布圖、可變時長的擴展Markov 鏈模型以及空間Markov 鏈模型等分布動態(tài)學(xué)方法，進(jìn)一步研究了各省份制造業(yè)智能化的時空演進(jìn)趨勢。主要得到以下結(jié)論：

（1）基于熵值法和變異系數(shù)法相結(jié)合的賦權(quán)方法對省域制造業(yè)智能化發(fā)展水平進(jìn)行測度，發(fā)現(xiàn)智能投資的權(quán)重較高，智能技術(shù)的權(quán)重居中，智能效益的權(quán)重最低。

（2）通過對中國制造業(yè)智能化水平的核密度分布圖進(jìn)行研究，發(fā)現(xiàn)中國制造業(yè)智能化水平整體呈增強態(tài)勢，且省際差距逐漸擴大，極化現(xiàn)象明顯。

（3）基于時長為1～4 的擴展Markov 鏈進(jìn)行研究，發(fā)現(xiàn)中國制造業(yè)智能化水平的四類俱樂部（分別是低、中低、中高、高）相對位置具有一定的穩(wěn)定性，“俱樂部趨同”特征明顯。雖然隨著時長的累積變化，俱樂部之間的流動性增強，但“高水平壟斷”和“低水平陷阱”并存的空間分布格局短期內(nèi)難以瓦解。

（4）基于時長為3 的空間Markov 鏈進(jìn)行研究，發(fā)現(xiàn)中國省域制造業(yè)智能化發(fā)展的演進(jìn)態(tài)勢難以避免周圍“鄰居”的影響，高、低水平“鄰居”分別會對本省份制造業(yè)智能化發(fā)展產(chǎn)生積極的“提攜”效應(yīng)和消極的“拖累”效應(yīng)。