协同演化机制（精选7篇）
协同演化机制 篇1
摘要：技术创新是代工企业实现产业升级的重要影响因素, 而组织学习是代工企业提高创新能力的根本途径。在转型升级过程中, 由于不同阶段所嵌入的网络不同, 网络成员之间的信任、知识共享和联结程度也有所不同。根据不同网络嵌入下的特点, 代工企业通过利用式学习和探索式学习交替进行的间断型平衡模式以及两者共同发展的双元型平衡模式来充分吸收整合网络中的资源以促进自身的创新能力, 保持可持续竞争能力。
关键词：GVC网络,NVC网络,代工企业,网络嵌入,间断型平衡模式,双元型平衡模式
在日益变化的动态环境中, 世界经济格局、经济发展状况和国家法律政策等外部不确定因素都会对企业的发展造成重要的影响。全球制造网络发展范式的兴起, 使全球竞争格局经历着巨大转变, 企业间由单纯的竞争关系正走向竞合共赢, 创新与学习成了企业赢得全球竞争优势的关键[1]。借助代工模式, 我国众多企业以低成本方式参与全球价值链分工体系, 加入了全球制造的行列。在此模式下, 与跨国公司的合作为我国代工企业提供了大量异质性资源和学习机会, 在一定程度上提升了企业的技术能力, 促成了世界制造大国的崛起。然而, 在研发设计、营销资金和技术知识等要素禀赋方面的弱势地位决定了代工企业只能参与全球价值链上的低端制造, 在其试图升级过程中往往会遭到跨国公司的阻挡和限制, 陷入低端锁定发展困境。此外, 外资企业回流、贸易摩擦加剧以及本土原材料和劳动力成本的上升等诸多因素使本土代工企业正处于“内忧外患”的境地。在动荡的商业环境中, 持续的成功来源于组织能将自身活动与当前需求进行有效匹配以及适应变化和满足未来商业需求的能力[2]。因此, 在转型发展的关键时期, 代工企业既要不断深化学习现有技术和知识, 还应探索新兴技术, 提供技术创新以适应未来的发展。提高研发创新能力, 从低成本战略转型到技术创新战略来保持持续竞争优势是我国代工企业成功转型的必然选择。
1 代工企业的网络基础资源与组织能力的耦合
根据资源基础观, 资源的异质性能够决定一个企业的竞争力, 产生其他企业无法匹敌的竞争优势。由于规模小、资源有限, 代工企业若想在同行业中脱颖而出希望比较渺茫。然而依靠自身网络优势, 代工企业能够通过整合资源等方式不断积累有形或无形的资源储备提高自身的竞争优势。代工企业所处的网络环境可视为由跨国公司生产网络 (GVC) 和本土组织网络 (NVC) 组成的一个大网络, 其中跨国公司生产网络是以代工业务关系为连接的, 而本土组织网络则由供应商、竞争对手、政府、科研机构等构成[3]。在这样相互作用、相互影响的多元网络环境中, 代工企业能够通过与跨国公司、供应商和战略联盟等之间的协作中获取信息和技术等资源, 以组织学习、规模经济和范围经济等方式获得优势。
技术创新是代工企业实现产业升级的重要影响因素。组织学习理论认为, 组织学习是企业提高创新能力的根本途径, 也是企业提高创新绩效的重要方法。组织内部存在着两种相辅相成的基本学习能力:利用能力和探索能力。利用能力主要是指通过实地调查、提炼、复制等方式对已有知识与技能的扩展, 能够形成突破性创新;而探索能力则是通过搜索、变异、柔性和试验等形成新的知识, 促进渐进性创新[4]。然而, 并不是每个企业都具备或同时发展这两种能力。环境的动态性会使某些企业更注重探索新的机会与事业以防止组织僵化无法迎合新市场的需求。领导的战略抉择也会影响企业利用和探索活动之间的均衡发展。利用和探索能力的培育都需要大量资源的投入, 由于本土代工企业自身资源十分有限, 在转型升级过程中更应注意合理分配资源, 权衡好两种活动之间的投入。过多地投入现有知识的利用活动, 代工企业无法快速适应环境变化, 可能会陷入“核心刚性”和“能力陷阱”, 从而阻碍和抑制组织创新[5]。同样地, 假如代工企业过分投入探索活动, 虽然组织可以不断更新知识库, 却又会陷入“创新陷阱”, 导致企业陷入“探索—投资—失败”的恶性循环[6]。总之, 双元能力的平衡构建应当与代工企业在升级中的资源优势相匹配。
从网络层面来看, 网络位置以及网络成员之间的紧密程度都会影响其双元组织能力。网络位置中心度越高的企业比外围成员能更多地获得知识溢出效应和信息交流带来的益处, 能更充分地识别环境中潜在的基于和威胁, 同时也有利于企业利用外部资源进行探索和利用活动;而当与企业联系的外部实体数量越多时, 网络知识资源的模型及其异质性越强, 企业获得外部知识的渠道也就越多, 从而增加组织学习的广度[7]。对代工企业来说, 在转型升级过程中, 所嵌入的网络类型以及嵌入程度都在不断发生变化, 因此网络中所获取的资源也有所不同, 企业的注意力也应随之改变。在嵌入GVC初期, 由于代工企业规模小, 创新能力弱, 此时并不具备大力推进探索活动的能力, 相反应当将强组织学习吸收网络中的溢出知识, 对其进行开发利用;而在具备一定实力之后, 应当适时增加对探索活动的资源投入, 进行新产品和新市场的探索开发, 而不应该过分依赖跨国公司的知识输出, 否则会因被跨国公司“低端锁定”而停滞不前, 或者由于外资撤离而措手不及。代工企业在培养双元能力的过程中, 要结合实际情况分析企业自身的资源条件, 合理配置资源, 同时兼顾好对新市场机会的探索能力与对现有业务的开发应用能力, 双管齐下, 努力平衡好两者的关系, 在国际市场业务运营和国内市场开拓中根据过程和环境的需要进行适时的转换, 以求实现综合能力1+1>2的效果, 从而获取企业更好的发展[8]。
2 转型升级下代工企业网络嵌入与组织学习模式的协同演化
全球价值链体系下, 代工企业通过组织学习掌握经验技术和管理知识, 提高了创新能力, 并试图依靠“OEM-ODM-OBM”的路径实现转型升级。然而由于代工企业发展自身研发能力和创建自有品牌会侵占跨国公司的垄断势力和核心利益, 因此往往会遭到利益集团的阻拦, 依靠国际代工模式的路径无法实现成功升级。若要扭转当前的被动局面, 代工企业应当构建国家价值链, 以突围被俘获的GVC, 增强产业发展的技术根植性和市场根植性[9]。基于国内本土市场需求, 代工企业掌握产品价值链的核心环节, 在本土市场获得品牌和销售终端渠道以及自主研发创新能力的产品链高端竞争力, 然后进入区域或全球的价值链分工生产体系[10]。因此, 将全球价值链上的优势用于本土价值链的构建, 提升代工企业的整体实力进而再次进入全球价值链高端的攀附, 这种迂回式攀升的方式能够充分运用企业在各阶段的资源优势实现企业升级的目的。从网络嵌入角度来看, 代工企业在升级过程中双重网络嵌入程度并不相同, 不过两者最终会趋于叠加融合, 经历双重网络“外强内弱”到“外弱内强”, 最终实现“内外皆强”的目的。
组织间的网络嵌入可以分为信任、知识共享和联结程度三个维度[11]。就代工企业而言, 各个网络的嵌入程度以及代工企业与网络成员之间的关系是企业之间产生信任并进行知识转移和共享的重要影响因素, 进而影响代工企业的组织学习方式。组织学习方式的平衡是代工企业提高创新能力, 实现成功升级的关键。组织学习平衡模式主要有利用和探索交替进行的间断型平衡模式和探索与利用同时实现的双元型平衡模式[12]。在资源有限的情况下, 因为两种活动会对资源产生竞争和争夺, 因此应当将重心集中在某一种学习活动上。当企业成长到一定程度, 资源较为富裕时, 可以同时进行两种活动。代工企业升级过程中不同阶段的活动内容不同, 各个网络嵌入程度不同, 体现在网络资源的不同, 导致各阶段企业的组织学习模式也有所变化。
GVC代工阶段。代工阶段初期, 我国代工企业发展初期主要从事为跨国公司或国际购买者提供加工组装业务, 对全球价值网络的依附性较强, 因而降低了本土的根植能力, 与本土企业之间的连接关系较弱, 网络呈现“外强内弱”的特点。虽然参与全球生产网络, 但是由于规模小, 能力弱, 对跨国公司依赖性较强, 代工企业处于被动地位, 与网络成员之间的关系不甚紧密。而且, 为了保护自身知识产权和垄断优势, 跨国公司会尽量控制知识和技术的溢出, 只在产品设计、包装和原材料利用等方面对代工企业进行指导。因此, 总的来说, 代工企业所处的国际公司主导的生产网络对代工企业的信任度较低, 知识共享的意愿较弱, 网络关系联结并不是非常强。这种特点决定了代工企业只能从中获取一些非异质性资源, 用以维持企业的发展。然而, “巧妇难为无米之炊”, 这些非异质性、可流动的资源为不具备“先天优势”的代工企业带来了创新资源, 为其进一步发展提供了良好的平台。在不具备充足资源的情况下, 企业不应同时对利用式学习和探索式学习活动进行过多投入。由于规模小, 利润低, 代工企业不具备探索学习的能力。但是由于全球价值网的知识溢出, 此时是代工企业培养和充分运用利用能力的绝佳机会, 应当将人力物力资源等放在利用性学习相关活动上。通过吸收和转化现有知识, 不断地在工艺流程、产品设计和功能结构等方面进行模仿与复制, 在改善和优化现有营销渠道等方式, 代工企业能够在提高竞争力的同时扩大自身规模, 取得规模效应和声誉效应, 为进一步升级提供铺垫。此外, 跨国公司在产品和服务上的严格标准规范了产品和服务流程, 提高了产品和服务的质量, 使代工企业的服务创新成为可能。跨国公司的管理经验也能够为代工企业提高生产效率, 增加员工对组织的忠诚度等方面提供借鉴。利用性学习是对现有知识和技术的持续积累和改善, 能够为代工企业带来积累性的改革效果, 实现渐进性创新。在已有较弱能力的基础上, 代工企业基于现有的知识和资源, 发挥自己的运作能力围绕现有活动而逐渐加强应用能力, 提高企业短期绩效, 保证企业稳定的生存和发展, 为发展探索能力产生突变创新提供更多的资金或资源保障[13]。为了提高代工企业的网络能力, 在与跨国公司的合作中, 代工企业应当建立信任机制, 增加跨国客户对代工企业的信任, 因此能够带来更多核心知识与技术的输出;创建激励机制, 加强组织的主动学习能力, 鼓励员工主动与客户加强交流互动, 吸收更多隐形知识;完善企业知识管理系统, 在获取溢出知识后, 将知识进行消化和吸收并对已有知识的再次开发与实践运用。利用性学习能力的提高能够达到量的积累的效果, 为实现技术创新质的飞跃提供基础。
NVC构建阶段。代工企业在GVC中的升级是一种受治理的升级, 不仅没有登上能力增长的自动扶梯, 反而时刻演绎着升级与反升级的较量[14]。在从全球价值链获得管理和技术等知识达到一定积累之后, 将之用于国家价值链 (NVC) 的构建则是可行之举。巨大且快速成长的国内市场规模可以容纳更多不同的价值链, 为专业化市场提供有力条件, 同时也能为企业创建自主品牌提供基础, 使本土企业可以在更广阔的产品空间内避免与跨国公司的强势品牌进行直接竞争, 从而有利于本土领导企业的形成与发展[15]。在不断积累市场信息的基础上, 代工企业应当重新整合资源, 通过对国内市场的探索找出适合自身发展的蓝海市场, 从而为自身谋取发展空间。本土组织网络下, 各网络成员之间的联结程度之间较高, 由于文化和政策等的作用彼此之间信任程度更高, 合作意愿较强, 有利于合作企业之间的知识共享。为了弥补代工企业自身能力弱后的缺陷, 知识联盟或者研发联盟是代工企业规避技术创新风险和获取规模经济效益的最佳选择。通过战略联盟, 代工企业能够通过与不同企业的合作提高自身的探索能力, 发掘潜在市场和客户需求, 快速发现新机会和适应新环境, 满足企业未来发展的需要。由于探索性学习是对新知识和新市场的重新审视与探索, 是一种不连续、突变的创新, 因此具有突变性创新的效果, 能够使企业实现跨越式的升级。除此之外, 企业持续投入新产品的开发, 通过冒险和试验行为获得新的市场和新营销渠道, 能够促进企业的长期绩效。因为资源有限和升级的需要, 代工企业在NVC构建阶段和GVC代工阶段都采用了间断式平衡模式, 这种资源合理性分配能够满足企业发展战略的需求。为了更好地提高代工企业的探索能力, 应当充分发挥国内组织网络的支持作用, 深入挖掘国内市场。加强与本土企业的合作关系, 战略联盟不仅能够减少创新成本, 还能提高企业的探索能力, 有利于代工企业维持可持续竞争优势。本土企业的支持能够使代工企业获取更多网络资源, 在原材料供应、产品创新、营销渠道等方面迅速打通整条产业链。创意企业能够为代工企业提供在研发设计和工艺流程过程中的工艺创意, 还能在营销推广和咨询策划等方面提供创意促使企业获得更多产业链上的核心附加值。
GVC/NVC双重嵌入阶段。在GVC和NVC双重网络的影响下, 代工企业如何分配各个网络的资源实现开发能力和探索能力的均衡构建将会影响代工企业的发展方向。过多地进行开发活动会使代工企业过度依赖国际巨头, 导致组织的核心刚性, 无法适应如外资回流等变化的环境, 导致企业对市场反应迟钝和创新能力下降。而过度投入探索活动将会耗费代工企业的大量资金, 使企业无力集中于当前业务的运营, 一旦创新失败, 企业将无法维持生产, 更不可能进行进一步升级。因此, 此时代工企业应当采用双元型平衡模式来应对企业当前和未来的发展需求, 同时进行开发和探索性学习, 一方面利于现有知识不断对工艺流程、营销渠道和管理方式进行完善以符合当前市场和消费者的需求, 另一方面通过与本土企业的合作共同进行探索活动, 采用差异化战略促进品牌的提升, 为企业进入全球价值链的高端环节打下基础, 最终实现企业的成功升级。在由跨国公司主导的生产网络转向自身主导的国内价值链的过程中, 企业应改变竞争理念, 由传统的成本竞争向技术竞争、品牌竞争转变, 重视价值创新、营销创新和网络创新, 选择符合自身发展特点的转型路径, 并加强在转型过程中的风险控制, 确保在转型过程中企业能保持可持续发展[16]。代工企业可以对现有资源进行合理分配至两个结构组织, 分别进行开发和探索活动, 两个结构之间互相交流合作, 能够提高企业在服务、技术和管理等方面的创新能力。在高度嵌入双重网络的情况下, 代工企业能够从网络中汲取更多有价值的稀缺性资源, 在发展当前业务的同时探索新的利基市场, 向客户提供全新价值体验, 通过新的营销渠道逐渐占据主流市场, 达到破坏性创新的目的。双元型平衡模式能够发挥探索和应用之间的互补优势, 促进代工企业的短期和长期绩效。
3 结论
代工企业的转型升级需要技术创新的强有力支持。然而代工企业自身能力有限, 因此网络的嵌入能够弥补其在信息技术和营销管理方面的不足。不同的网络嵌入能够为代工企业提供不同的资源, 针对这些独特资源, 代工企业应当采取不同的学习方式吸收和开发这些资源。利用式学习和探索性学习的不同组合模式能够促进代工企业在升级的不同阶段合理分配资源, 提高创新能力, 使企业不仅能够发展当前的事业, 而且还能适应未来发展的需要, 保持持续竞争优势。
风电企业协同创新的演化博弈分析 篇2
1 文献综述
风电企业协同创新体现了企业间竞争与合作的协调机制。Dietmar Harhoff, Joachim Henkel和Ericvon Hippel[1] ( 2003) 研究了企业间协同创新研发信息的披露对企业利润影响问题, 认为企业的研究创新对其发展重要产品和工艺创新有着重要作用, 企业间的联合创新及信息的公开化, 能够促使企业进步, 带来最终利润的增加。Michael Fritsch和GritFranke[2] ( 2004) 调查研究就了德国三大地区的知识溢出和研发创新活动, 首先利用生产函数估算了测试区域的差异对创新活动效率的影响, 其次从私人企业和公共研究机构的角度解释了溢出效应贡献差异化的原因。最终认为从企业媒介知识溢出角度来看, 研发协同的重要性相对较小。Xulia Gonzfilez, Jordi Jaumandreu和Consuelo Pzao[3] ( 2005) 通过对2000 家西班牙进行实证调研, 研究了政府补贴对于企业创新成果的影响及企业主私人投入的影响度, 认为政府补贴有助于企业的研发, 推动了企业间的协同创新。Cozzi Guido和Spinesi Luca[4] ( 2006) 通过对研发驱动增值理论的影响研究, 认为企业横向创新活动受到了创新本身属性的限制, 对此需要对企业间横向创新活动作出界定, 得出横向创新率低于人口增长率有利于增大改进质量的研发活动的结论。Rabah Amir, Jim J Jin和Michael Troege[5] ( 2008) 通过对成本过程研究的重要作用, 非最优模式的创新产出, 技术溢出的控制范畴与研发投入的成本函数间的协同关系, 研究认为生产成本的降低得益于研发投资, 企业应注重内部的协同合作。Gregory F. Nemet和Erin Baker[6] ( 2009) 应用专家抽样法及底层生产成本模型对企业研发费用及需求补贴做了研究, 认为研发的成功是企业技术开发达到合理成本范围的保障, 企业单方面的投入或者补贴进行的创新都很难达到控制成本的目标。案例表明, 企业运营成本的高低与相关合作中碳排放价格及模型中的主要参数有关, 企业应当进行协同创新以降低成本。Pedro de Faria, Francisco Lima和RuiSantos[7] ( 2010) 通过依据创新协作伙伴间的评估对公司进行了分类, 研究了协作企业间进行创新的重要性。应用禁止选择模型, 通过对案例的分析, 认为具有较高技术水平, 创新投资能力, 重视技术知识水平溢出的企业, 更加注重企业间的协作关系。
国内学者袁锋, 陈晓剑和吴开亚[8] ( 2004) 认为企业技术水平的创新离不开研发的投入, 在产品差异化的背景下, 通过D’Aspremont和Jacquemin模型研究, 认为企业间的协同研发比企业间的竞争及寡头垄断更能促进成本的降低和利润水平的提升。许箫迪和王子龙[9] ( 2005) 认为经济的发展, 促使企业间的合作更加倾向于战略联盟。通过建立企业间协同创新模型的战略联盟协同关系, 认为战略联盟内企业间进行的协同创新动力及需求随着时间的变化而变化; 战略联盟的形成过程及对模型求解表明, 随着时间的变化及任务或目标的完成, 战略联盟将逐步解体。易余胤、肖条军和盛昭瀚[10] ( 2005) 在演化博弈理论的基础上, 研究了互惠主义者及机会主义者两类企业在协作研发创新中机会主义的演化创新问题, 认为机会主义的存亡, 取决于企业对其识别度。信息对称条件下, 互惠有利于企业间的协作, 同时提出了监督预防机制的政策建议。郝生宾、于渤和吴伟伟[11] ( 2007) 认为企业的创新行为受到研发投入的影响, 产生渐进性及突破性两种创新类型, 企业进行创新时受到自身规模, 资金, 技术等的研制, 多采用合作模式。通过建立博弈模型, 研究了合作研发行为, 阐述了企业合作研发的调节, 并为该模式的实施发展提供了理论依据。袁立科, 张宗益[12] ( 2008) 研究了Stackelberg寡头垄断竞争模式下, 企业间协同对研发投入, 利润水平等的影响, 认为研发投入水平的不同及信息的不对称性, 并不影响合作所带来的产业以润。知识的溢出度及研发效率参数的大小影响企业间研发合作的投入水平。高溢出度, 低研发效率参数有利于企业协同的开展。孙彩虹, 齐建国和于辉[13] ( 2009) 应用双寡头博弈模型, 研究了横向间企业在溢出水平, 创新率等的不对称模式下, 企业的利润, 研发投入及产出等所受到的影响, 运用数值模型对其进行分析比较后发现, 成本优势与创新效率优势的优劣, 并不影响企业的研发投入及产出水平, 但利润方面前者较高; 同时认为技术水平溢出越少, 企业利润越高。马如飞, 王嘉[14] ( 2011) 利用双寡头的微分博弈模型, 研究了两家横向企业的研发活动。在技术溢出及技术更新背景下研究了二者对企业研发战略的影响, 认为企业研发时期合作与竞争并存, 但在产出阶段竞争成为主要态势。
纵观国内外学术界的研究成果可以发现, 在企业协同创新研究方面, 目前在技术研发, 市场及供应链企业间的协同创新, 企业协同创新合作的成本效益, 阶段性的研发协作投入、决策模型等领域开展了较为深入的研究。但是关于协同创新演化路径的研究忽视了产业链间的关系, 在追求局部最优化的同时带来了决策上的矛盾。对于风电企业协同创新的相关研究关注度较低, 有价值的研究结果较少。研究对象上, 现有研究多注重企业间的协同创新活动, 忽视了竞争者及中介机构等影响协同创新的外部影响因素, 研究分析大多选取代表性企业, 忽视了产业链条的联系; 研究内容上, 现有成果多集中在成本、利润等方面。由于我国风电整机及单件技术水平落后于国外, 风电企业协同创新的焦点多集中在技术领域, 技术的提升势必要增加资金投入及生产成本。因此, 需要以长远的眼光看待风电企业协同创新的积极意义; 研究方法上, 现有研究多集中在理论方面的分析, 以制造业, 供应商等概念论述开展协同创新, 多学科交叉研究尚不深入; 研究领域上, 已有企业协同创新的研究, 集中在特征、内涵、影响因素及路径选择等问题上, 关于原始性创新如何协同问题及自主创新技术能力的协同问题研究较少。
2 风电企业协同创新演化博弈分析
2. 1 模型的假设与构建
演化博弈是一种博弈动态演化过程与博弈理论动态结合的理论, 研究对象不是单个参与者, 而是一个 “种群”。其关注的问题核心是由MaynardSmith和Price ( 1973) 提出的 “演化稳定策略 ( Ev-olutionarily Stable Strategies, ESS) ” 及其均衡, 定义为: 一个 ( 混合) 策略 σ∈△n -1 是一个演化稳定策略, 如果, 则:
设 σ 是一个成对随机匹配进行二元博弈G情况下的一个ESS。则
那么 ( σ, σ) 是G的一个完美均衡。稳定演化策略中, 假设种群中每个个体都采取一种纯策略S ( =1, 2, 3……) , t时间时, 种群中采取纯策略S的个体数为Ps ( t) , 总数为∑im= 1Pi ( t) 。t时间时使用纯策略S的比例为Xs ( t) = Ps ( t) /∑im= 1Pi ( t) , X ( t) = ( X1 ( t) , X2 ( t) , X3……) 可以视为一个混合策略, 将Xs ( t) 对t微分, 则:
假设纯策略S的增长率P's ( t) /Ps ( t) = E ( S, X ( t) ) , 则称E ( S, X) 为使用纯策略S的收益, 将其代入上式得, Xs ( t) = X5[E ( S, X) -E ( X, X) ]。
上式为演化博弈复制动态方程, E ( X, X) 表示策略X的期望收益。据可再生能源学会风能专业委员会发布的中国风电装机容量统计资料显示, 从机组制造企业装机容量这一统计数据分析, 华锐, 金风, 东汽三大企业已经瓜分我国风电市场50% 以上的份额。为简化及规范模型分析, 可将我国风电企业划分为A ( 核心企业) , B ( 中小企业) 两大类企业。
假设两类企业各有两种策略可以选择: S1: 参与协同创新, S2: 不参与协同创新, 组成策略集{ S1, S2} 。假设A类企业处于核心地位, 则其规模, 资本, 协同创新能力, 创新转化能力等高于B类企业, 则采取协同创新后A, B两类企业收益为PA, PB, 且PA> PB。协同创新过程中必然产生成本问题, 其成本分别为CA, CB, 假设协同创新对于两类企业具有相同的复杂性, 成本受创新资源获取代价, 成员协作能力等因素影响, A类企业各方面优于B类企业, 因此CA> CB。
假设企业协同创新成果转化收益因子为M, 理想状态下, M为1, 由于受市场, 模仿行为等因素影响, M难以达到最大化。因此, M越大, 企业协同创新的效果越好, 创新收益越高。企业性质的类似, 使得不协同的企业总能从协同企业那里获得模仿收益, 则令 α 为A类企业采取策略S2, B类企业采取策略时A类企业获得的模仿收益比率, β 为B类企业采取策略S2, A类企业采取策略S2, 时B类企业获得的模仿收益比率。当二者都不采取协同创新时, 则各自收益均为0。
基于上述假设, 建立风电企业协同创新支付矩阵如表1 所示。
2. 2 复制动态模型及其演化稳定策略
假设t时刻, A类企业中采取策略S1的比率为x, 则采取策略S2的比率为 ( 1 - x) ; B类企业中采取策略S1的比率为y, 则采取策略S2的比率为 ( 1 - y) 。设A类企业选择S1的期望支付为UAS1, 选择S2的期望支付为UAS2, 其平均期望支付为A。同理, 设B类企业选择S1的期望支付为UBS1, 选择S2的期望支付为UBS2, 其平均期望支付为B。
A类企业的支付矩阵行列式为:
则: UAS1= y ( MPA- CA) + ( 1 - y) [ ( 1 - β) PA-CA]
B两类企业的支付矩阵行列式为:
分别构造A, B两类企业的复制动态方程F ( A) , F ( B) :
当复制动态方程均为0时, 即F ( A) = 0, F ( B) =0, 达到了一种相对稳定的均衡状态, 得到演化博弈模型方程式的5 个均衡点E1 ( 0, 0) , E2 ( 0, 1) , E3 ( 1, 0) , E4 ( 1, 1) 和E5[CB- ( 1 - α) PB]/[M - 1 + α) PB-βPA], [CA- ( 1 - β) PA]/[M - 1 + β) PA- αPB]。
则Jacobi矩阵:
因为5 个点为均衡点, 则E5∈ ( 0, 1) , 首先将其余4 个平衡点带入Jacobi矩阵, 则:
E5内因子分别为表1 中支付矩阵- O ( BS1, AS2) 值表达式和- O ( AS1, BS2) 值表达式, 由于支付矩阵各因子表达式数值大于等于0, E5∈ ( 0, 1) , 所以E5点的分母必定小于0。若使得M - 1 + α < 0 及 ( M - 1+ β) < 0, 则[ ( 1 - α) PB- CB] > ( MPB- CB) , [ ( 1- β) PA- CA] > ( MPB- CB) 成立, 即对于A类企业, 表达式值0 ( AS1, BS2) < O ( AS1, BS2) ; 对于B类企业, 表达式值0 ( BS1, AS2) < O ( BS1, AS2) 。此说明A, B两类企业选择协同创新战略时, A型企业的收益小于B型企业不参与协同时的收益 ( 不协同的企业总能从协同企业那里获得模仿收益) 。E5∈ ( 0, 1) , 则MPA- CA< αPB, 同样对于A类企业, 表达式值O ( AS1, BS2) < O ( AS2, BS1) , 同理, 对于B类企业, 表达式值O ( BS1, AS2) < O ( BS2, BS1) 。该博弈大小值的比较, 说明了博弈方在得知对方采取协同创新战略时, 其会倾向于采取非协同战略以获得更高收益。
通过上述分析可知, 对于:
(1) J (0, 0) 矩阵, DetJ (0, 0) >0, TrJ0, 0>0
(2) J (0, 1) 矩阵, DetJ (0, 1) >0, TrJ0, 1<0
(3) J (1, 0) 矩阵, DetJ (1, 0) >0, TrJ1, 0<0
(4) J (1, 1) 矩阵, DetJ (1, 1) >0, TrJ1, 1>0
( 5) JE5矩阵, DetJE5) > 0, TrJE5< 0
因此, 点E2 ( 0, 1) , E3 ( 1, 0) 及点E5为演化稳定均衡点, E1 ( 0, 0) , E4 ( 1, 1) 为非稳定均衡点。其演化系统相位图如图1 所示。
如图1 所示, 系统演化均衡过程中, 演化进程由非稳定策略点向稳定策略点移动, 图中E5可与除E1 ( 0, 0) 及E4 ( 1, 1) 点重合的任意点。其所在位置受PA, PB, CA, CB及M大小制约, 该图不仅能够按照曲线箭头的指向进行演化, 同时其各演化区域大小随坐标变化而变化。即博弈前各假设制约因素的变化决定了博弈方选择博弈策略所得利益大小, 该结论为博弈方通过改变博弈策略以实现博弈利益最大化提供了理论支撑。
2. 3 模型结果分析
两大博弈主体在图1 中A, B, C, D四个区域进行动态演化, 各区域大小直观反应了博弈主体收益大小。A区域与C区域演化稳定策略点为E5, 分别扩大A、C两区域则演化点趋近非稳定策略点E4 ( 1, 1) 和E2 ( 0, 0) 。对于A区域, 收益 πA= MPA- CA; C区域收益 πC= 0; B区域的稳定策略点为E3 ( 1, 0) 点, 收益πB= PA- CA; D区域的稳定策略点为E2 ( 0, 1) , 收益 πD= ( 1 - α) PB- CB。由假设条件CA< CB, PA> PB, 0 < β < 1 可知 πB> πD, 分析A区域收益大小:
( I) πA> πB时, 由收益公式带入化简得, M > ( PA+ CB) / ( PA+ PB) , 最优策略为增加图1 中A区域面积。A区域面积的增大必然使得表1 中行列式值O ( AS1, BS2) > O ( AS2, BS1) , O ( BS1, BA) >O ( BS2, AS2) 。若使得上述不等式成立, 则:
( 1) 减少 α 及 β 值, α 为A类企业不参与协同创新, B类企业协同创新时, A类企业获得的模仿收益比率, β 为B类企业不参与协同创新, A类企业协同创新时获得的模仿收益比率。, 值的减少关键在于提升协同创新成果被模仿的难度, 加大模仿障碍壁垒, 减少模仿收益比率。企业协同创新的模仿受到模仿成本, 协同创新的成果类型 ( 制度或者技术创新等) , 企业间信息网络的保密度, 知识产权专利等影响。对于风电企业而言, 由于产品的相似性, 大大降低了同类企业的模仿难度; 现代市场知识溢出多、信息传播速度快等特点, 更不利于协同创新成果的保密。因此, 风电企业协同创新动态博弈中, 应当建立严格的保密制度, 增加模仿障碍, 提高模仿成本, 防止协同创新成果外流, 成果多向技术性成果转化, 并注重专利权的维护。同时, 加大政府的参与度, 积极向政府申请相关扶持与协同保障政策, 取得资金, 政策支持, 降低协同成本, 加大非协同企业进入壁垒。
( 2) 减少CA, CB值, 增大M值, 即减少协同创新成本, 增大协同创新成果转化收益比例。成本的降低可以依靠协同企业间 “内化”效应, 将协同企业视为一个小型市场主体, 通过技术, 信息, 资源等共享, 既降低了创新技术成本、转化成本, 又增大了成果转化收益率。企业间协同, 类似于大型企业各个职能相似的子部门间合作, 通过促进合作, 实现横向一体化, 最大效用发挥整体效应, 促进企业协同创新过程中的合作与资源共享, 提升企业“内化”效应。
( II) πA< πB时, M < ( PA+ CB) / ( PA+ PB) , 因为 πB> πD, 因此其最优策略为增加B区域面积, 可以看出, 随着B区域面积的扩张, E5点的x值减小, y值增大, 由E5坐标值可以推出, βPA> MPB- CB, 同时O ( AS1, BS1) > O ( AS2, BS1) 。若使得上述不等式成立, 则:
( 1) 同时增加 β 与CB值, 即增加B类企业不参加协同创新时的模仿收益比率, 并提升其参与协同创新的成本。两值增加, 提升了B类企业参与协同创新的壁垒, 迫使B类企业放弃协同, 追求创新模仿收益。创新成果的转化, 必定会造成一定量的知识外溢效应, 成果的扩散诱使其它企业进行模仿, 加之B类企业参与协同创新的壁垒及模仿收益比率提升, 使其更加倾向于选择无协同创新成本的非参与策略。
( 2) 减少 α与CA值, 即减少A类企业不参加协同创新时的模仿收益比率, 并减少其参与协同创新的成本。两值减少, 降低了A类企业参与协同创新的壁垒, 促进其积极参与协同创新, 追求协同创新成果的最大化。模仿行为收益减少, 弱化其不参与协同创新战略选择意向, 两方面的共同作用有效刺激提升A类企业协同创新参与度, 变消极被动为积极主动。
上述两点策略的相关性表明, 二者策略应当同时采取。由于B类企业在模型演化中更加倾向于追求创新模仿收益, 不愿参与到协同创新中来, 这必定促使该类企业采用 “搭便车”行为, 挫伤了协同创新及创新行为的积极性, 降低了创新力。
3 协同创新企业间积极与消极策略的演化博弈分析
上述部分只是就风电企业间采取协同创新策略与否的问题进行了分析, 风电企业采取协同创新行为时, 受 “机会主义”, 企业实力, 成本大小等因素影响, 必定出现积极与消极参与协同创新的倾向, 对此应当加以重视。
3. 1 复制动态模型及其演化稳定策略
假设A, B两类风电企业皆采用协同创新策略, 但是存在积极与消极两种态度。有策略集{ S1, S2} , S1: 积极参与协同创新, S2: 消极参与协同创新; 两类企业协同创新正常收益为P1, P2; 采用消极策略从而获得额外收益为V1, V2; 协同创新过程中成本为C1, C2。基于上述假设, 建立风电企业协同创新态度选择支付矩阵如表2 所示。
同样假设A类企业积极协同创新参与比率为x, 消极协同创新比率为 ( 1 - x) ; B类企业积极协同创新参与比率为y, 消极协同创新比率为 ( 1 - y) 。A类企业S1的期望支付为UAS1, S2的期望支付为UAS2, 平均期望支付为A; B类企业S1的期望支付为UBS1, S2的期望支付为UBS2, 平均期望支付为U珚B。支付矩阵行列式分别为:
则A类企业: UAS1= yP1+ ( 1 - y) P1, UAS2=y ( P1+ V1) + ( 1 - y) ( P1- C1) , A= xUAS1+ ( 1 -x) UAS2。复制动态方程: F ( A) = x ( 1 - x) [C1- ( C1+V1) y]。
B类企业: UBS1= xP2+ ( 1 - x) P2, UBS2= x ( P2+ V2) + ( 1 - x) ( P2- C2) , B= yUBS1+ ( 1 -y) UBS2。复制动态方程: F ( B) = y ( 1 - y) [C2- ( C+V) x]。
均衡点为E1 ( 0, 0) , E2 ( 0, 1) , E3 ( 1, 0) , E4 ( 1, 1) 和E5[C1/ ( C2+ V2) , C1/ ( C1+ V1) ]。则Jacobi矩阵:
带入平衡点, DetJ ( 0，0) = 0, TrJ0，0= 0;
因此, E2 ( 0, 1) , E3 ( 1, 0) 及点E5为演化稳定策略点, E1 ( 0, 0) , E4 ( 1, 1) 为非稳定均衡点, 复制动态演化相位图如图2 所示。
演化稳定与非稳定点可以在图2 中直观看出, 根据动态演化过程, 系统由最初状态向E2 ( 0, 1) , E3 ( 1, 0) 及E5点收敛。若初始状态落在图中D区域内, 其演化收敛点为E2 ( 0, 1) , 即A类企业采取消极态度进行协同创新, B类企业则采取积极态度; 若初始状态落在图中B区域内, 其演化收敛点为E3 ( 1, 0) , 即A类企业采取积极态度进行协同创新, B类企业则采取消极态度; 若初始状态落在图中A, C区域内, 则演化出现多样性, 演化方向为B, D两区域, 动态演化呈现复杂态势, 若初始状态发生在E5点附近, 整个演化的最终结果受其点微小变化影响。因此, 演化结果依赖初始状态。由于系统存在不稳定点E1 ( 0, 0) , E4 ( 1, 1) , 可以判定, 只要有一方选择消极协同创新, 则稳定均衡状态就不会存在, 系统演化是一个反复博弈的过程, 长期演化进程中, 积极与消极两种策略选择必将共存。
3. 2 模型结果分析
演化稳定策略点的解析, 表明该系统的演化进程及最终结果与额外收益V1, V2、协同创新成本C1, C2密切相关, 其大小与变化, 直接决定了图2 中各区域的面积及各初始状态稳定策略点趋近的指向。
( 1) 初始状态落在A区域时, 若扩大区域面积, 促使稳定策略点向E2 ( 0, 1) , E3 ( 1, 0) 及E4 ( 1, 1) 点渐进 ( E5∈ ( 0, 1) , 因此极端情况下可将E5点视为与该三点重合) , 根据模型可知, A区域面积的变化与协同创新成本C1, C2的大小相关, C1, C2值的提升引发A区域面积的扩张, 即高昂的初始协同创新成本提升了协同创新的门槛。由假设条件可知, 博弈双方均已参与协同创新, 若是A区域面积呈均衡化扩张 ( 趋近于E4 ( 1, 1) 点) , 由于成本高, 使得博弈双方在协同创新开始之初即倾向积极参与的态度, 为了弥补成本的损失, 其合作的动机更加强烈。但是博弈之初的成本门槛并不能有效遏制“搭便车”行为, 不能对机会主义有效监控, 其演化进程并不稳定, 并最终向E2 ( 0, 1) , E3 ( 1, 0) 趋近, 总有一方选择消极参与策略。
( 2) 初始状态落在C区域时, 动态演化进程向E1 ( 0, 0) , E2 ( 0, 1) 和E3 ( 1, 0) 点渐进, C区域面积的变化与额外收益V1, V2的大小相关, 即较高的消极参与协同创新的额外收益促使博弈双方倾向消极参与策略。双方在博弈进程中互相采取观望态度, 以期最小的投入获得尽可能多的回报, 博弈成员更多的选择机会主义, 不利于博弈双方长期协同创新的稳定可持续发展。同时C区域的扩张也可能渐进到E2 ( 0, 1) 和E3 ( 1, 0) 点处, 说明博弈过程中采取的监管, 防范, 均衡分配等策略有利于维护博弈双方协同的积极性。因此, 博弈稳定演化进程中要注重防范与及早发现向E2 ( 0, 0) 点渐进的趋势。
( 3) 将E5点进行简化, E5[1/[1 + ( V2/ C2) ], 1 /[1 + ( V1/ C1) ]], 可以看出图2 中各区域面积的大小受消极参与的额外收益与协同创新成本比值大小的影响。当V2/ C2> V1/ C1时, E5的x坐标值小于y坐标值, 则A区域向B区域延伸, 系统向E3 ( 1, 0) 点演化, 即B企业发现额外收益V2大于协同创新成本C2时, 容易采取消极协同创新策略; 当V2/ C2< V1/ C1时, A区域向D区域延伸, 系统E2 ( 0, 1) 向点演化, 即A企业发现额外收益V1大于协同创新成本C1时, 容易采取消极协同创新策略; 当V2/ C2= V1/ C1时, 则演化策略在E1 ( 0, 0) 与E4 ( 1, 1) 点之间连线的对角线上移动, 博弈双方采用的倾向策略不定, 因此需要积极引导。
4 对策建议
风电企业协同创新动态博弈, 必须以相关企业是否参与, 参与企业积极与消极策略倾向选择为依据, 通过改变收益, 成本等要素, 促进演化博弈稳定均衡发展, 提升风电企业协同创新能力, 加快风电企业发展步伐。从演化过程中看出, 风电企业基于自身利益考虑, 在博弈进程中选择不同的演化策略, 虽然存在最优结果, 但是考虑到现实性的资金, 成本, 机会主义行为影响, 风电企业协同创新市场仍是二元结构。因此, 应当协调各方利益, 促使二者之间产生良性互动, 达到协同创新资源最优配置。
风电企业协同创新水平的提升主要受协同创新成本、收益、成果转化比率及模仿者的模仿收益等因素影响。其路径选择可以从三方面入手: 第一, 正确识别协同创新机会, 企业间协同合作存在 “合作陷阱”, 选择正确的协同机会及控制协同企业数目很有必要。风电企业产品的类型性决定其技术、制度创新等易于模仿, 加之机会主义存在, 参与协同创新的企业并不是越多越好, 庞大的数量反而会限制各方发展, 但是数量太少也会流失协同创新资源。协同创新的机会随着企业面临的市场环境, 自身发展制约因素的变化而变化, 企业应当正确识别。第二, 控制协同创新成本。协同创新成本主要存在形式是博弈各方的科研投入, 具有初始资本和创新优势的风电企业, 协同创新的积极性更高, 演化进程中, 这种优势可能会拉大各方的差距, 加重不具备初始资本和创新优势企业的成本负担, 创新成果尚未转化为收益之前, 其协同创新积极性下降。协同之初应当考虑各方情况, 均衡成本。第三, 提升协同创新成果可模仿性门槛。成果转化直观化为收益, 市场的模仿行为越盛行, 成果收益率越低, 模仿者收益越大, 协同创新行为越难以开展。加强成果不可模仿性的同时, 还要注重成果的专利保密, 建立健全协同企业间的监督机制, 防止知识外溢。我国风电企业发展瓶颈是技术问题, 这决定了协同创新行为的高科研投入, 成本影响最终收益, 因此对于科研投入, 风电企业应当积极向政府申请相关补助, 减少知识溢出率。
机会主义的存在影响并决定了风电企业参与协同创新的态度倾向。其根源在于: 第一, 我国风电企业发展瓶颈使得协同创新具有不确定性, 主要包括技术、市场、收益分配和制度等, 不确定性存在于协同创新每一个环节, 影响演化策略每一个步骤, 降低这种不确定性才能更好防范机会主义。隐形资产属于企业无形资产, 以技术、制度等形式存在于企业, 共享隐形资产有利于实现企业协同创新效应, 带来的优势更加长久。第二, 风电企业协同创新之前, 必然存在信息不对称, 参与协同创新的企业只能根据有限信息量判断博弈双方, 往往出现误判合作者的情况, 机会主义合作者很难在合作之初被判别, 即使被判别出来, 机会主义者利用信息交换的滞后性与保留性, 仍可选择与博弈群中其它企业进行合作, 分享成果。参与协同的风电企业间应当构建完善的沟通机制, 互享各博弈方信息, 及时有效防范机会主义的产生。第三, 风电企业协同之初必然签订契约, 规范各方行为, 明确权利与义务。受情况的复杂性、环境多变性等因素影响, 契约不可能考虑到所有情况, 也不可能罗列清楚所有机会主义行为的表现特征, 同时契约行为并不具备法律效应, 只是对博弈双方的一种约束。机会主义的产生在司法途径上较难证实, 只能通过建立有效的监督机制, 减少协同方额外收益V1 和V2。由于同处一个协同机制, 协同创新成果更易于被模仿, 加大了机会主义倾向, 应当提升技术保密措施及其它风险防范措施。第四, 协同过程的成本投入属于沉没成本, 假设机会主义必将受到惩罚, 成本投入量越大, 则企业机会主义倾向顾虑越多, 迫使博弈双方投入到协同合作中, 实现帕累托最优化改进。利益与风险并存, 建立健全收益与风险均摊机制, 保证, 的对称性, 均摊风险, 兼顾各方实际投入, 以维护协同创新的稳定性。
摘要：通过建立博弈方各制约因素的动态博弈模型, 对复制动态方程及路径演化相图进行分析, 系统研究风电企业参与协同创新的博弈过程, 提出风电企业协同创新的策略集随制约因素变化而趋近不同稳定均衡点。风电企业基于自身利益考虑, 在博弈进程中选择不同的演化策略, 虽然存在最优结果, 但是考虑到现实性的资金、成本、机会主义行为影响, 风电企业协同创新市场仍是二元结构。因此, 应当协调各方利益, 促使二者之间产生良性互动, 达到协同创新资源最优配置。
协同演化机制 篇3
改革开放以来,我国政府一直重视增加财政资金与金融信贷总量对农业的支持力度,但由于财政资金和金融资金的管理分散、协作不强,导致财政支农与金融支农均陷入效率不高的局面 ( 彭克强,2008) 。实现财税政策与金融资源的有效衔接,构造财政金融支农的协同发展框架,促进财政支农和金融支农的良性互动发展机制,具有重要的现实意义。
目前的文献主要集中于对财政支农或金融支农的单方面研究,存在一定的局限。例如,Allanson ( 2006 ) 、 Ahmad和Rana ( 2009 ) 、 李燕凌 ( 2008) 、崔元锋和严立冬 ( 2006) 等围绕财政支农对农业经济发展、农民增收等方面进行了研究; Jim ( 2005) 、Apostu ( 2012) 、刘明康 ( 2010) 、洪正 ( 2011) 等围绕农村金融体系、金融信贷总量等对金融支农的作用进行了研究。近几年开始出现对财政金融支农的相互关系进行研究。石丹和魏华 ( 2010) 将协同学思想运用于财政金融支农的研究中,提出了财政金融协同支农的框架。彭克强 ( 2008) 建议将财政与金融有机整合起来,以发挥各自在支农上的比较优势,优化支农资金的政策功能和使用效率。温涛和董文杰 ( 2011) 运用我国30个省份的面板数据,对财政金融政策的总体效应 和时空差 异进行了 实证分析。姜松 ( 2013) 运用GARCH模型发现,财政金融支农协同效率在短期中波动明显,长期中逐渐稳定增长。 韩占兵 ( 2014) 利用离差最小化模型,对中国30个省区2009 - 2012年财政与金融支农的协同效率进行了测算。
综上,学者关于财政支农、金融支农的单方面研究成果较为丰富,而刚刚起步的财政金融协同支农的研究多集中于理论研究,对于财政支农与金融支农协同演化的实证分析相对不足。鉴于此, 本文运用协同学理论构建子系统有序度模型和复合系统协同度模型,选取1991 - 2013年的相关数据,从动态角度研究财政金支农与金融支农的协同演化趋势。
二、财政支农与金融支农的协同演化分析
协同学最早是由哈肯提出的,用于研究大量子系统间如何相互作用形成有序的空间结构,后来被经济学者借鉴运用于经济社会的研究。所谓协同演化是多个子系统持续的互动与演化,通过非线性路径相互作用,使复合系统由无序走向有序的过程。本文将财政支农与金融支农系统视为复合系统,它由不同属性的财政支农子系统和金融支农子系统复合而成,二者之间存在着复杂的非线性关系。
研究财政支农与金融支农的协同机理,实际上是研究财政与金融支农这个复杂系统中各要素之间的相互作用、相互依赖、相互影响路径,以及驱使该系统形成和发展的内在机制。两子系统具有各自的特性,通过序参量作用于农村经济,其中,财政支农的序参量为财政部门对农村的投入, 金融支农的序参量为金融机构对农户和农村组织的金融信贷。一方面,两者的支农渠道、方式不同。财政支农具有政策导向、公共职能及稳定资源配置的特点,是农业发展最基本的保障。政府通过直接的财政投入,促进农民增收和农村经济的发展。金融支农是农村市场中的政策性银行、合作性银行、商业性银行和邮政储蓄银行以及村镇银行等金融机构,通过信贷方式服务农村,支持农村经济的发展。另一方面,两子系统又是通过序参量之间的交流来相互支持、协同发展的。 ( 1) 财政支农通过财政投入和政策支持引导金融支农的发展。 首先,财政资金对农村的直接投入可有效改善农村公共基础服务设施,完善农村金融投资环境、信用环境等,进而促进金融机构进入农村地区提供金融服务。其次,财政通过补贴、税收减免等财税政策对涉农金融机构进行政策支持,引导金融信贷的定向投放,对放大金融资金的支农效应有着促进作用。 ( 2) 财政支农必须要借助金融支农渠道才能发挥杠杆效应。首先,财政可通过政策性金融、合作性金融和商业性金融等多类金融渠道,将财政的政策补贴输导给农村经济组织,间接支持社会主义新农村建设。其次,金融机构可为财政支农资金提供支付和清算服务,并通过提供过渡性融资服务,弥补财政资金在运转上的不足。当财政支农与金融支农处于协同发展过程中时,不断增加的财政投入和财税政策会吸引更多的金融信贷资金投向农村地区,支持农村地区的发展,同时, 金融信贷的准确投放也能放大财政投入的效应, 吸引更多的财政支持。如此,财政支农子系统和金融支农子系统可通过正反馈作用实现螺旋上升状态,彼此之间相互影响、相互依赖,有序演进,逐步形成一个健康的促进农村经济发展的网络体系。
三、财政支农与金融支农复合系统模型构建
财政支农与金融支农复合系统用S = { S1,S2} 表示,其中S1、S2分别为财政支农子系统和金融支农子系统。我们先测量财政支农、金融支农子系统的有序度,然后用复合系统协同度表达财政支农与金融支农在发展过程中的协同演化程度。
( 一) 子系统有序度模型
考虑子系统Si,i ∈ [1,2],设其在发展过程中的序参量变量为fi= ( fi1,fi2,…,fin) ,其中,n ≥ 1,βij≤ fij≤ αij,j ∈[1,n],αij、βij分别为第i子系统第j序参量的最大值和最小值。系统Si序参量分量fij的系统有序度表达式为:
式 ( 1) 中,ui( fij) ∈ [0,1],其值越大表明序参量fij对系统有序的影响越大。
利用式 ( 2) 求得序参量fi对系统Si的总影响ui( fi) 。式 ( 2) 中,ui( fi) ∈ [0,1],ui( fi) 的数值越大,说明子系统有序度就越高。反之,系统的有序度则越低。
( 二) 复合系统协同度模型
本文在财政支农子系统S1、金融支农子系统S2有序度模型的基础上,构建财政支农与金融支农复合系统协同度模型。财政支农与金融支农复合系统协同度的测算是在时间序列的基础上,从二者有序度的变化中分析复合系统的协同状态。 其系统协同度表达式为:
式中,u01( f1) 、u02( f2) 分别表示t0时刻财政、 金融支农子系统的有序度,u11( f1) 、u12( f2) 分别表示t1时刻财政、金融支农子系统的有序度。财政支农与金融支农的总协同度c∈ [- l,1],其值越大意味着两子系统协同程度越强,反之则表明协同能力越弱。当u11( fi) > u01( fi) 与u12( fi) > u02( fi) 同时成立时,c为正值,说明财政支农与金融支农的复合系统处于协同演化状态; 当c为正值,但是值很小的时候,说明尽管两子系统方向上是协同的,但协同演化程度较低; 当u11( fi) > u01( fi) 与u12( fi) > u02( fi) 不能同时成立时,c为负值,说明财政支农与金融支农的复合系统不是协同演化的。
四、实证分析
( 一) 指标体系与数据选取
本文在借鉴前人支农指标体系的基础上,根据模型的设定要求,选取我国1991年至2013年的财政金融支农相关数据,构建如下的财政支农与金融支农复合系统协同度指标体系 ( 见表1) 。
财政支农 ( fis) 指标方面,按照中国财政支农统计口径的要求,财政对农业的四项基本支出主要包括支援农村生产和农林水利气象等部门的事业费 ( f11) 、农业基本建设支出 ( f12) 、农业科技三项费用 ( f13) 和农村救济 ( f14) 等4项指标。
金融支农 ( fin) 指标方面,本文主要考虑金融对农村的直接投入,从金融支农的规模角度选择了4个主要的指标,包括农村金融机构网点数 ( f21) 、农村金融机构从业人员数 ( f22) 、农业贷款 ( f23) 与农业保险 ( f24) 。由于村镇银行等新型农村金融机构成立时间较短,数据不完整,因此本文农村金融机构从业人员数和农村金融机构网点指标的数据均以中国农业发展银行、农村信用合作社、中国农业银行为对象统计。农业保险指标以农业保险额赔款及给付来统计。
( 二) 实证过程
首先,对原始数据采用 ( 4) 式进行标准化处理,以消除不同量纲、不同单位对分析的影响。
式中,fij为标准化的数据,fi为变量fij的均值, Si为变量fij的标准差。
其次,采用相关矩阵赋权法确定财政支农子系统和金融支农子系统的各指标权重。先用EXCEL计算各指标的相关矩阵F:
然后将Fi归一化得到相应各指标的权数为:
分别将财政支农与金融支农各指标标准化数据代入式 ( 5) 和式 ( 6) ,计算出财政支农子系统与金融支农子系统各指标的权重 ( 见表2) 。
再次,将经标准化处理后的数据和权重数值, 代入式 ( 1) 和式 ( 2) ,得到我国1991年至2013年的财政支农子系统与金融支农子系统的有序度, 见图1。
最后,将财政支农子系统与金融支农子系统有序度结果代入式 ( 3) ,以1991年为基期,得到1992年至2013年的财政支农与金融支农复合系统的协同演化程度,如图2所示。
( 三) 结果与分析
通过对我国1991年至2013年财政支农子系统与金融支农子系统有序度和复合系统协同度的测量,本文得出以下结果:
1. 财政支农子系统有序度逐年提高,尤其是在2007年以后,有序度大幅度提高,表明财政支农子系统发展过程逐渐有序。这主要与国家财政对农业的大力支持有关。从数据上看,1991 - 2013年,财政支农总额年均增长14. 27% ,2008年和2009年增幅甚至高达33. 5% 和47. 9% 。从支出结构来看,与2007年相比,2008年支援农村生产和农林水利气象等部门的事业费、农业基本建设支出、农业科技三项费用和农村救济费增幅分别为25. 4% 、75. 6% 、16. 8% 、247. 4% , 说明农业 基本建设支出与农村救济费这两项支出对财政支农子系统的贡献相对较大、杆杠率较高,应加大这两方面的投入。
2. 金融支农子系统有序度波动较大,2003年之前有序度逐年提高,之后则呈下降的趋势。这与农村金融体制的变迁有关。1993年,国务院颁布 《关于金融体制改革的决定》,开始推动农村金融体系改革。1996年底,农村信用社从中国农业银行独立出来,职能和业务范围逐渐适应农村地区的改革。1997年,中国农业银行完成由国家专业银行转向国有商业银行的改制。1998年,为适应粮食流通体制改革,中国农业发展银行强化了政策性扶农助农的职能。至此,以中国农业发展银行 ( 政策性金融) 、农村信用社 ( 合作性金融) 、中国农业银行 ( 商业性金融) 为代表的农村金融组织体系初步形成。2004年以来连续12年的中央一号文件强化了金融支农的政策,进一步加大了农信社、农业银行的改革步伐,邮政储蓄银行、新兴的村镇银行、小额贷款公司等新型金融机构相继落户农村,进一步完善了农村金融体系。但是,进入20世纪以来,由于农业的高风险性与商业银行的盈利性矛盾难以调和,大型商业银行调整战略规划布局,逐渐 “逃离” 县域地区,县域金融机构网点数和从业人数大幅减少,而农村信用社改革不彻底,功能性质出现 “异化”现象。与此同时, 中国农业发展银行的功能定位不明确与服务范围过窄现象并存,而农村新兴金融机构数量较少。整体而言,中国农村金融体制的变迁反映在了图1金融支农子系统的波动上。
3. 财政支农与金融支农复合系统协同度整体上是呈上升的趋势,但上升幅度太小,协同度始终在0. 2以下,处于低协同状态,表明金融支农和财政支农二者相互配合、相互协调的程度有所提高, 但协同发展机制尚未形成。究其原因,主要在于财政支农子系统和金融支农子系统具有不同性质的运动空间,有其特定的资本运作形式和不同的目标,支农的渠道不同,支农的方式各异,部门协作意识也不强。财政部门在安排支农支出时很少考虑金融资金的配合,抑制了财政资金的杠杆作用; 金融机构进行信贷投放时也极少考虑财政政策的引导,不能使农村金融资金发挥最大效用。近年来,随着学者对财政金融协同支农的研究逐渐深入,政府部门也开始关注财税政策与金融信贷的联动协同,2006年政府开始集中进行专项票据兑付,2007年试点推行农业保险保费补贴,2010年以来连续5年的中央一号文件均提出要加强财税政策与农村金融政策的有效衔接,但由于农村金融体系不完善,协调机制尚未建立,财政与金融部门缺少协同渠道,财政资金与金融资金很少结合起来统筹安排,不能发挥各自在支农方式上的比较优势,财政与金融的协同支农框架尚未形成。
五、结论与政策建议
本文运用协同理论将财政支农和金融支农组成一个复合演化系统,分析财政支农与金融支农的相互作用关系,构建财政支农子系统、金融支农子系统有序度模型和复合系统协同度模型,研究我国1991 - 2013年财政支农与金融支农的协同演化趋势。研究结果表明: 财政支农子系统有序度整体呈上升趋势,金融支农子系统有序度波动较大, 2003年之后呈下降趋势; 财政支农与金融支农复合系统协同度大体呈上升趋势,但上升幅度太小, 协同度始终在0. 2以下波动,表明财政支农与金融支农尚未形成良性互动机制。
针对以上财政支农与金融支农的发展状态, 本文认为可以从以下几方面着手促进财政支农与金融支农的协同发展。
1. 继续强化财政投入机制,科学整合财政支农支出各项资金。政府应当成立专门的部门用来整合和分配各项财政支农支出,对财政支农支出资金的整合和分配提供向导; 创新涉农资金运行机制,充分发挥财政资金的引导和杠杆作用; 优化财政支农支出结构,重点支持农业基础设施建设、 农业结构调整、农业可持续发展、农村民生条件改善,改善农村的基本环境,提高农业生产的积极性,同时缩减支援农林水利事业费,压缩农村机构和人口等非必要事业消耗。
2. 继续深化农村金融改革,完善农村金融组织体系,促进农村金融市场多元化发展。增加金融机构在农村的网点以及从业人数,鼓励各种性质的银行创新 “三农”服务,大力推进农村普惠金融的发展; 探索建立政策性农业保险机构和再保险机构,由财政出资设立农业巨灾风险基金; 对涉农金融机构进行营业税免征或减免,降低农村保险机构的经营风险; 组建多层次的农村担保和风险分担机制,发挥财政资金的杠杆效用,降低农村金融机构的信用风险和农民的融资成本,优化农村信用环境。
协同演化机制 篇4
1 创新资源协同主体行为研究述评
1.1 创新资源协同主体
国家创新资源协同,创新技术优势转化的重要方法是加强国家实验室的作用和提升对国家实验室的有效管理[1],国家各个产业对协同的需求与国家实验室的供应之间的关系,为制定协同政策提供依据[2]。Dianne等指出企业必须加大对高校及科研院所资源投入,才能更好地促进高校及科研院所的科研成果转化,从而给自身带来更多收益[3]。如果能够实现创新资源的协调同步,企业在技术领域就会逐步走向成熟,商业化能力也会变得越来越强,将科研成果进行市场化就会越容易取得进展和成功[4],影响企业从高校获取知识资源的协同能力主要取决于企业的规模等7方面因素[5]。无独有偶,Harrison等研究也发现高校和科研院所为其当地的企业提供各方面科研人才、创新科技技术和科研成果等创新资源,使得企业在创新发展中形成协同创新的显著优势,对技术和知识的扩散,高新技术产业区的形成具有重要意义[6]。对于企业、高校及科研院所之所以能够协同的原因,Brostrom发现企业对改进产品、工艺的需求是寻求协同的主要动机[7]。Ankrah等则认为,二者之间寻求稳定的协同是为了组织个体利益,而不是寻求社会的利益[8]。2004年,Renaud Bellais指出,政府为达到广泛形成科技投入机制的目的,需制定相应政策,这样企业就可以投入较少的基础研究[9]。Minna Halme根据北欧中小企业的经验数据,探讨中小企业的环境和社会负责的创新资源问题,研究结果表明,中小企业可以创造负责任的创新具有非常不同的资源组合[10]。对于中介机构在创新资源协同中的作用,Ankrah认为中介在促进企业、高校及科研院所协同方面是成功的[8]。可见政府下设的中介机构作为资源整合的一种存在模式,所发挥的重要作用同样不可小觑。
国外学者强调突破创新路径依赖最重要的因素是创新主体的作用,在创新资源协同整合中,要突破路径限制,充分调动各个创新主体的作用,实现创新资源的高效利用[11],在政府建立创新资源协同的服务平台,制定相关协同的政策法规之后,放宽对企业、高校及科研院所的监管,培育科技中介机构,使得其与创新资源研用者之间可以通过高效协同,创造更多收益[12]。国内学者郑长江同样支持这种观点,认为创新资源协同的实质是采用适当的方式共享创新资源使用权,是将协同风险分配至不同主体之间,进而实现协同收益共享的全新合作方式[13]。
1.2 创新资源协同主体的行为策略
近年来,博弈论方兴未艾,同时也为国内学者对于创新资源协同主体行为的研究提供了一种全新的视角:谢科范等运用博弈模型,分析了企业向高校及科研院所投入的研发费用对其总体研发费用的影响过程[14];李强等创建一个博弈论模型,并且讨论了在协同模式下,企业、高校及科研院所之间的利益合理分配情况[15];李江通过构造博弈模型,首先着重分析了在完全信息的条件下,企业、高校及科研院所对于协同合作模式会做出如何选择,接下来分别考虑当信息不对称时,对于技术交易模式、技术购买模式以及商业化协作模式会造成什么样的影响,最后应用信号博弈对协同合作模式的选择问题进行了扩展[16];薛克雷,潘郁等应用演化博弈模型对企业、高校及科研院所在协同创新过程中,信任、不信任两种行为的动态演变进行了深入的研究[17];陈劲等舍弃了以往两两博弈的方式,依据3种博弈策略,成功构建出了三维演化博弈模型,并依托Netlogo仿真平台进行模拟仿真[18];曹武军等利用演化博弈模型建立政府与企业、企业与高校及科研机构、政府与高校及科研机构3对博弈主体,找出了影响各方长期稳定协同的因素[19]。
上述研究对于探索创新资源协同创新这一课题具有深远的意义和影响。但是,从总体的角度来说,当前对于创新资源协同主体的绝大部分研究仍然集中在政府、企业、高校及科研院所,对科技中介机构的研究甚少,对科技中介机构在整个创新资源的协同过程中所起的关键作用更是鲜有深入研究。因此,本文在借鉴已有研究成果的基础上,对包括科技中介机构在内的所有创新资源协同主体的行为进行了深入研究。
2 创新资源协同的主体与行为
创新资源协同是一个复杂的系统,不能单对某个或某几个主体进行研究,而应将其看作一个整体进行研究。
2.1 创新资源协同的主体
创新资源协同主体分为3类:(1)以政府为主的监管主体;(2)以企业、高校及科研院所为主的研用主体;(3)以科技中介机构为主的辅助主体。政府、企业、高校及科研院所、科技中介机构之间形成的创新资源协同网络体系,如图1所示。
政府,作为创新资源协同最有力的部门,负责对创新资源的参与主体进行监督与管理,可以采用政策引导、信息提供等手段有效推动促进创新资源协同活动的深入开展和有效实施。在区域创新资源协同过程中,政府要做好总体规划和宏观调控政策等方面的工作,营造各个参与者共同寻求协同的良好氛围,搭建创新资源协同的先进优势平台,对成功进行协同的主体进行奖励,对中途毁约等不利协同的主体进行相应惩罚。
技术创新的根本主体是企业,在整个创新资源的协同过程中,各类创新资源最终要被企业应用从而创造出市场价值。企业需要通过整合内部创新资源促进发展,但仅仅依靠自身内部的那些资源,企业是很难有所作为的,这就要求企业向外部寻求更为前沿的科研与技术成果,然后才能实现把获得的技术、成果等创新资源转化为能够提高整体水平的现实生产力。
创新资源中重要的一项是知识创新,而它的源头在于高校及各类科研院所,这些机构在取得先进科研成果的同时,其更需要做的是寻找能够将这些科研成果转化为生产力的外部组织,在政府的引导下,力争为企业发展提供丰富的创新人才、创新成果等,进一步提高企业的创新能力。
科技中介机构是一种连接的桥梁,它可以为企业提供咨询服务,提供技术支持,投资金融等;可以为高校及科研院所寻求协同对象,前沿科技成果的推介等服务,使政府、企业、高校及科研院所等真正成为一个系统,彼此联系。
2.2 创新资源协同主体的行为策略
作为一个开放的系统,以企业、高校及科研院所为核心的创新资源协同,政府、科技中介机构等为创新资源协同提供政策扶持和各类辅助性服务,为各行为主体施加良性的行为策略,本文称为协同的行为策略。反之称为不协同的行为策略。
3 创新资源研用主体的演化博弈模型
本文采用复制动态演化博弈方法[20],从有限理性出发,以参与人为研究对象,在演化博弈的动态过程中,演化的初始条件及演化路径决定了演化稳定策略的最终状态。具体到本项研究,作为创新资源的研用者,企业不断调整自己的行为方式,直到没有其他方式可以比其带来更多收益,这种行为方式被不断模仿复制,直到采取此行为方式的比例趋向稳定[21]。
3.1 假设条件与支付矩阵
(1)假定在只有创新资源研用者的情况下进行博弈。(2)假定企业在与科研院所的协同过程中,会表现出两种行为方式:①协同;②不坚持协同。(3)假定高校及科研院所在与企业的实际协同过程中也会有以上这两种行为方式。(4)假设企业方在集群中有占比为m的企业选择协同策略,则在集群中有占比例为1-m的企业选择不协同策略;高校及科研院所在集群中有比例为n的群体成员选择协同策略,则占比例为1-n的高校及科研院所选择不协同策略。
另外有如下假设:
A方代表企业方,B方代表高校及科研院所;iA为A方采取不协同策略时的预期收益;WA为A方采取协同策略时的额外收益;CA为A方采取协同策略时的额外成本;同理,iB为B方采取不协同策略时的预期收益;WB为B方采取协同策略时的额外收益;CB为B方采取协同策略时的额外成本。根据以上假设A方与B方博弈的支付矩阵如表1所示。
3.2 演化博弈模型构建
A方择协同策略的收益为:
A方选择不协同的策略收益为:
则A方的平均收益为:
同理可得,B方的平均收益为:
分别构造A、B方的复制动态方程组为:
在式(5)中,分别令dm/dt=0,dn/dt=0。由此可得,当m=0、1或时,A方集群中具有稳定比例的一部分群体采取协同策略,当n=0、1或时,B方集群中具有稳定比例的一部分群体采取协同策略,基于上述分析可得,A、B方演化博弈模型的均衡点为(0,0)、(1,0)、(0,1)、(m',n')。其中。
方程组(5)的雅克比矩阵为:
矩阵J的迹为:
3.3 演化博弈模型分析
A、B双方演化博弈演化的稳定性情况可分以下两种情况来讨论:
(1)当WA<CA,WB<CB或WA<CA,WB>CB或WA>CA,WB<CB时,即A、B方至少有一方的协同预期收益小于其协同额外成本时,在式(7)中,矩阵的稳定性如表2所示。
然后,分别通过相位图如图2、图3和图4将A、B方群体比例变化复制的动态关系表示出来,从各个相位图可知,无论任何初始状态如何,系统都将收敛于O(0,0)点。也即在A、B集群中内至少一方采取创新资源协同策略的成本大于其收益的情况下,演化的稳定策略是集群成员均采取不协同的策略。
(2)当WA>CA,WB>CB时,即当集群内A、B方采取协同策略时的预期收益大于其成本时,在式(7)中,矩阵的稳定性分析如表3所示。
进一步将两个群体类型比例变化复制的动态关系用相位图如图5表示出来。
从相位图不难看出,初始状态处在由A(1,0)和C(0,1)与鞍点D(m',n')分别与O(0,0)、B(1,1)连成的两个区域OADC、CDAB时,系统将收敛于不同状态,初始状态在CDAB区域时,系统将收敛于B(1,1)点;初始状态在OADC时,系统将收敛于O(0,0)点。即当只有创新资源研用者参与的演化博弈时,演化的最终状态是(协同,协同)、(不协同,不协同)共存的状态。为进一步打破彼此不协调的局面,需要加入创新资源协同的其他主体的作用。
4 各主体参与下创新资源使用主体的演化博弈模型
各主体参与下的博弈主体依然是企业、高校及科研院所,双方都是有限理性的经济人。双方的策略选择均是协同策略与不协同策略。
4.1 假设条件与支付矩阵
对博弈影响要素进行如下假设:
A方代表企业方,B方代表高校及科研院所;iA为A方采取不协同策略时的预期收益;WA为A方采取协同策略时,除交与中介机构的费用(为研究中介机构对演化博弈的影响,单独研究)外的纯收益(收益与成本的差值);同理,iB为B方采取不协同策略时的预期收益;WB为B方采取协同策略时的纯收益;ΔC为A、B方进行协同时,需要交付中介机构的费用,用r代表A方的成本分摊比例,则B方的分担比例为(1-r),r∈[0,1]。F为政府作用下对A、B方不进行协同的一方规定的罚金,也即一方不再进行协同时交给另一方的罚金;G为政府作为创新资源的监管主体,通过扶持机制引导激励A、B方协同时给予的政府补贴。
假设企业方在集群中有占比为m的企业选择协同策略,则在集群中有占比例为1-m的企业选择不协同策略;高校及科研院所在集群中有比例为n的群体成员选择协同策略,则剩下占比例为1-n的高校及科研院所选择不协同策略。
根据以上假设,A、B方进行博弈的矩阵如表4所示。
4.2 演化博弈模型构建
A方选择协同策略的收益为:
A方选择不协同策略时的收益为:
则A方的平均收益为:
同理可得,B方的平均收益为:
分别构造A、B方的复制动态方程组:
在式(13)中,分别令dm/dt=0,dn/dt=0。由此可得,当m=0、1或时,A方集群中采取协同策略的比例是稳定的,当n=0、1或时,B方集群中采取协同策略的比例是稳定的,基于上述分析可得,A、B方演化博弈模型的均衡点为(0,0)、(1,0)、(0,1)、(m*,n*)。其中
方程组(13)的雅克比矩阵为:
则
矩阵J的迹为:
4.3 演化博弈模型分析
A、B双方演化博弈的稳定性情况同样可分以下两种情况来讨论:
(1)当rΔC<0且(1-r)ΔC-F<0,即违约方罚金大于A、B方需支付的中介费用时,在式(15)中,矩阵的稳定性如表5所示。
由表5可以看出,当双方投入中介费用小于违约罚金时,O点为不稳定点,A点、C点为鞍点,B点为(协同,协同)策略稳定点,也就意味着当违约罚金远远高于双方投入中介费用时,双方演化博弈策略必然是“协同”,这充分说明了在A、B方协同构建中建立惩罚机制的重要性。系统相位图如图6所示。
当rΔC-F>0且(1-r)ΔC-F>0,即当罚金小于A、B方需支付的中介费用时,在式(15)中,矩阵的稳定性如表6所示。
从表6可以看出,当A、B双方投入中介费用大于违约罚金时,O点和B点两个是稳定点,它们分别对应于(不协同,不协同)、(协同,协同)两种帕累托最优结果。A点与C点为博弈不稳定源点,D点为鞍点,当初始状态处在由A(1,0)和C(0,1)与鞍点D(m*,n*)分别与O(0,0)、B(1,1)连成的两个区域OADC、CDAB时,系统将收敛于不同状态,当初始状态处在CDAB区域时,系统将向B点(1,1)收敛,双方关系将向“协同”状态演进;当处在OADC区域时,系统将向O点(0,0)收敛,双方关系将向“不协同”状态演进。系统相位图如图7所示。
由演化相位图可知,稳定状态为(协同,协同),(不协同,不协同)两种。演化将向哪一个方向发展,取决于CDAB区域面积与OADC区域面积的大小比较,OADC区域面积越小,(协同,协同)策略的概率越高,CDAB区域面积越小,双方实施(不协同,不协同)策略的概率越高。其中CDAB区域面积为:
4.4 对影响CDAB区域面积变化的主要因素
4.4.1 违约罚金
由面积公式S对F求导可得,,可知,S为F的减函数,当政府对双方的违约行为实施强制严厉处罚制度时,即违约罚金F提高时,CDAB区域面积将减小,双方“协同”的概率提高,向(协同,协同)稳定状态演进可能性增大。因此,在双方协同中适当地提高违约罚金F,有利于向(协同,协同)稳定状态演进。
4.4.2 政府补贴
由面积公式S对G求导可得,,可知,S为G的减函数,当政府补贴G提高时,CDAB区域面积将减小,双方“协同”的概率提高,向(协同,协同)稳定状态演进可能性增大,此时政府应加大对协同双方的补贴,才能起到更好的促进作用。因此,为推动创新资源协同的深入发展,政府应实施诸如财政补贴、税收减免等策略。
4.4.3 中介费用
当中介费用增加时,CDAB区域面积将不断增大,双方“不协同”的概率将增大,向(不协同,不协同)的稳定状态演进的可能性提高;当双方中介费用降低时,CDAB区域面积将不断减少,双方“协同”的概率将增大,向(协同,协同)的稳定状态演进的可能性提高。因此,要向(协同,协同)稳定状态演进,中介机构必须有效控制对双方收取的中介费用,以降低双方协同风险。
4.4.4 中介费用分摊系数
由面积公式S对r求导可得,,分两种情况讨论:
一方面,,即,B方的中介费用分摊系数r越大,S面积越小,则向(协同,协同)状态演进的可能性越大。这就意味着高校及科研院所获取的收益越大,其中介成本分摊比例越高时,向(协同,协同)稳定状态演进概率越大。
另一方面,,即B方所获取收益越小,成本分摊越小,S面积越小,则向(协同,协同)状态演进的可能性越大。由S面积公式对r求导分析,不难看出双方协同的良性发展,离不开公平合理的费用分配机制。
5 结论及对策建议
本文在对政府、企业、高校及科研院所、科技中介机构之间的关系和各个主体协同方式进行分析的基础上,运用演化博弈理论,分析了企业、高校及科研院所作为博弈主体在有无其他协同主体作用情况下的动态演化过程,并找出在各个主体参与下影响两方长期协同稳定的因素。对此作者提出以下几点对策建议。
5.1 政府部门
一方面作为创新资源协同的引路人,为更好的鼓励促进企业、高校及科研院所的创新资源协同,政府在协同项目的审批过程中优化流程、精简手续,使项目立项更便捷;同时,应投入更多的协同项目基金,对进行协同的主体给予更多资金上的支持,对成功完成协同企业获得的收益免征收或少征收相应税费;引导社会资金、金融机构对协同项目的投入,资助企业、高校及科研院所协同创办的各类项目,通过建立此类激励制度,充分调动双方积极性,提高创新资源协同的成功率。另一方面作为创新资源协同的监管者,在协同过程中政府应制定与创新资源协同配套的法律规范和管理办法,如为企业、高校及科研院所建立信用记录。对违反协议的任一方给予不良信用记录,向社会外界披露违约方在协同过程中的不良行为,同时给予其适当的经济处罚,对于博弈双方中途不协同的行为具有很好的预警作用。
5.2 创新资源的研用者
企业、高校及科研院所在一项创新资源协同活动开始之前,双方均应对是否开展此类协同进行充分调研论证工作,应积极寻求科技中介机构、政府等方面的支持。因为协同工作一旦展开,双方在对预期抱有希望的同时,也会承担相应风险。在双方达成协同后,并不是一劳永逸,随着创新资源协同进一步深入,由于协同动机、产权归属等方面双方会产生分歧,从而阻碍了创新资源协同的顺利实施,此时,双方应建立相互依赖和相互理解的有效沟通,加强双方的信任关系,使协同实现各自预期的收益。
5.3 科技中介机构
政产学研协同创新的演化博弈分析 篇5
关键词：政产学研,协同创新,政府监管,演化博弈
习近平在十二届全国人大三次会议上海代表团审议时强调,“创新是一个民族进步的灵魂,也是一个国家兴旺发达的不竭动力。要适应和引领我国经济发展 ‘新常态’,关键也要依靠科技创新来转换发展动力”[1]。科技创新对于经济社会发展的引导作用日益显著,国家科技部副部长王志刚提出实施创新驱动发展战略,需要加快推动以科技创新为核心的全面创新,最大限度地解放和激发科技作为第一生产力所蕴藏的巨大潜能,着力形成我国发展的新动力,引进消化吸收再创新与协同创新[2]。协同创新的主要表现形式是产学研合作,基于协同创新的产学研合作方式是国家创新体系的重要创新模式[3]。协同创新是一个动态变化的过程,是创新要素与资源的有效集聚,通过突破协同创新主体间的合作鸿沟,充分释放创新主体间资金、人才、知识、技术专利等创新要素活力,从而实现深度合作。构建产学研协同创新体系,将有利于促进公共科技成果的快速转化,并推动科学研究面向产业创新需求,形成科技发展与产业发展共同进步的局面[4]。因而,产学研协同创新是否成功,对于提升科技成果转化为生产力的速度,推动我国自主创新能力的提高具有重要的现实意义。
近年来,学者们围绕产学研协同创新稳定性的研究取得了一定成效。Pek - Hooi等[5]研究指出技术重组可以加强企业与学研方的关系,维持产学研合作稳定的重点是企业依据协同主旨转换研发焦点。Liew等[6]认为产学研合作的稳定性需要有一个项目的专门负责人来管理产学研合作并保持双方持续的关系联系,同时在合作过程中不断监控与调整发展指标与研究计划。Holmstrom[7]提出可以采用 “打破预算平衡”的集体惩罚方法来进行约束,进而提高联盟合作的稳定性。Anderhub[8]研究在声誉模型下不完全信息的重复信任博弈,通过引入学习机制来分析博弈均衡时机会主义行为与利他主义行为的影响。这些研究成果为研究产学研协同创新奠定了坚实的理论基础,而近期兴起的演化博弈为研究产学研协同创新又提供了一种新的理论视角。李高扬等[9]构建了合理的额外收益分配与成本分摊比例、建立有效的激励与惩罚机制、提升协同创新价值与抑制投机行为以及定位政府的角色等方面提出政策建议。韦文雯[10]通过分析不同策略下产学研双方的行为及收益,得出在演化博弈过程中,双方应充分考虑额外收益、合作成本等因素,按照利益最大化原则,权衡合作过程中机会主义行为的利弊,避免短视。
综上所述,现有研究对完善产学研合作理论有不同程度的促进作用。遗憾的是,现有研究主要囿于将企业与学研方进行博弈。在中国的现实中,产学研合作往往是在政府的引导下进行的,同时政府也是协同创新的直接受益者,例如获取税收以及地方教育与经济的发展,现有研究很少将政府作为第三方博弈群体纳入博弈模型中,显然对现实的理解是不全面的。政府监管行为对创新资源共享的生成、演化等内在机理如何? 影响产学研合作稳定性的关键因素有哪些? 现有研究难以找寻到现成的答案。为此,本文引入政府监管成本、政府财政收益等变量,构建企业、学研方、政府的三方演化博弈模型,在综合考虑双方积极合作长期收益、机会主义行为发生时对另一方投入成本与收益的侵占、政府监管下的惩罚以及政府收益等变量的基础上,分析政府的引导与监管对于产学研合作稳定性的关键影响因素,以期为地方政府促进产学研联盟稳定性提供理论依据与实践参考。
1 基本假设与模型构建
政产学研协同创新中政府、企业、学研方之间的关系是灵活的,彼此联合进行研发合作与商业化进程需要三方合作并付出一定成本,具有一定的不确定性,所以,政产学研合作过程并非一成不变的,而是政府、企业与学研方之间反复博弈、不断演化的过程。因而,运用演化博弈理论分析企业、学研方以及政府之间在协同创新过程中的策略选择是科学合理的。演化博弈理论是考虑博弈方有限理性的前提下,博弈方反复进行博弈,最终趋于某个稳定策略( Evolutionary Stable Strategy,ESS)[11]。
假设1: 在政产学研协同创新过程中,合作主体只考虑政府、企业以及学研方。{ 积极合作,消极合作} 是企业的策略集合; 其中积极合作的含义是企业给学研方给予充分的物质支持,例如R&D资金、人才等研发投入要素。消极合作则是指企业没有给予学研方充分的创新资源支持,企业与学研方合作仅仅只是为获得政府的财政扶持与政策优惠。
学研方的策略集合是{ 积极合作,消极合作} ;其中积极合作是学研方在产学研联盟中提供资本、技术知识等研发要素; 消极合作则是指学研方在联盟中仅维持最低的创新水平。
在中国,政府是协同创新的积极缔造者,同时也是一个监管部门,它的策略集合是{ 实施监管,不监管} 。
假设2: π1、π2分别表示企业与学研方合作形成后的初始收益。π3,π4分别表示企业与学研方积极合作所获得的长期收益。k1表示学研方选择积极合作时而企业存在 “搭便车”行为时,企业对学研方投入成本与收益的侵占; 同理,k2表示企业积极合作而学研方有 “搭便车”行为时,学研方对企业投入成本与收益的侵占。综上,可以得出 π3> k1,π4> k2这样的大小关系。c1与c2分别表示企业与学研方为产学研联盟提供积极合作时的合作成本。
假设3: f1与f2分别表示政府在监管的情况下对企业与学研方采取消极合作时的惩罚。在政府监管的情形下,η1与 η2分别表示企业与学研方在政产学研合作中采取积极合作时政府给予资金支持或其他优惠政策。π 表示当产学研联盟中企业与学研方都采取积极合作时政府所获得的收益,例如增加的税收等; Δπ 表示政府在只有企业选择积极合作时的收益,Δπ'表示政府在只有学研方选择积极合作时的收益; 企业与学研方都采取消极合作时,政府的收益为0。c0表示政府选择监管时所付出的监管成本。
基于上述假设和参数可得到政产学研的八种策略组合得益矩阵,如表1 所示。
2 创新主体演化博弈均衡性分析
在产学研协同创新过程中,假定企业选择积极合作策略的比例是x,选择消极合作策略的比例为1- x; 学研方群体采用积极合作策略的比例为y,采用消极合作策略的比例是1 - y,政府实施严格监管策略的比例为z,实施不监管策略的比例为1 - z。
在政府、企业与学研方的三方博弈中,各方获得的信息是不对称的,显然,上述支付矩阵不存在纯策略纳什均衡解。但通过对概率x、y、z的调整,即有可得到混合意义下的均衡解。信息的不对称性,决定了博弈方只能通过历史经验推测各方的策略,即动态的调整x、y、z,其表现形态就是演化博弈理论所阐述的动态复制[12],这是对演化博弈的一种直接表述。
为求出企业、学研方与政府三方博弈中的复制动态过程,令表示企业、学研方以及政府的平均期望收益。根据表1 可以求得企业的平均期望收益:
其中:
u11表示企业在政产学研协同创新中采取积极合作策略下的期望收益。
u12表示企业在政产学研协同创新中采取消极合作策略下的期望收益。
同理有:
表示学研方在政产学研协同创新中的平均期望收益。
表示政府在政产学研协同创新中的平均期望收益
其中:
u21表示学研方在政产学研协同创新中选择积极合作策略时的期望收益。
u22表示学研方在政产学研协同创新中采取消极合作时的期望收益。
u31表示政府在政产学研协同创新中采取监管时的期望收益。
u32表示政府在政产学研协同创新中采取消极监管时的期望收益。
2. 1 企业采取积极合作比例的复制动态方程
演化博弈理论采用的是微分方程的稳定性定理,进而求得演化稳定点的策略,引理如下:
定理:设有微分方程,若存在某个区域,使得微分方程的解x(t)满足,则认为该点x0是稳定的平衡点。
通过判断的正负,确定出最佳稳定点:当时,则x0为复制动态方程的演化稳定点。若,则x0不是演化稳定点。
企业采取积极合作策略的复制动态方程为:
(一)若,则,可知此时企业任何比例的“积极合作”群体均是稳定策略,即该策略比例不会随时间的推移而改变。如相位图1中的(a)所示。
(二)若,令U1(x)=0,得到x=0,x=1两个准演化稳定点。对U1(x)求导得到:
显然,此时η1+f1>0,π3-k1>0,但z(η1+f1)+y(π3-k1)-c1的大小无法确定,故此时分为如下两种情况进行讨论:
(1)当y(π3-k1)>c1或者z(η1+f1)>c1或者z(η1+f1)+y(π3-k1)>c1时,有,时,x=1是稳定策略。说明当(企业采取积极合作时获得的长期收益π3-机会主义获得的收益k1)>积极合作时所投入的成本c1,或者(政府罚金f1+奖励η1)>投入成本c1时,或者(政府奖惩η1、f1+企业获得的长期收益π3-机会主义的收益k1)>企业投入成本c1时,企业群体将倾向于在产学研合作中选择积极合作策略。如相位图1中的(b)所示。
(2)当z(η1+f1)+y(π3-k1)<c1时,可判断,x=0是稳定策略。由此得到(政府奖惩η1、f1+企业获得的长期收益π3-机会主义的收益k1)<企业投入成本时c1,企业群体将选择在产学研联盟中采取消极合作的方式。如相位图1中的(c)所示。
基于前面的分析与讨论,可以得出:
结论1:企业在政产学研协同创新过程中采取积极合作策略受两组参数的影响:一是积极合作的长期收益与消极合作的机会主义收益之差与资源共享所付出的成本之间的大小,二是政府部门的奖惩力度与资源共享成本的大小。企业采取消极合作的影响因素是合作所获得的收益之和与投入成本之间的比较。
由结论1知,在协同创新共享资源的过程中,要保障企业在共享资源中所获得的利益,此外,鼓励政府成为企业与学研方合作的枢纽,降低企业在协同创新中的投入成本与风险。
2.2学研方采取积极合作比例的复制动态方程
学研方采取积极合作的复制动态方程为:
(一)若时,则,可知此时学研方群体中任何比例的“积极合作策略”均是稳定策略,即策略比例不会随时间推移而变动。相位图如图2中的(a)所示。
(二)若时,令U2(Y)=0,得到y=0,y=1两个准演化稳定点。对U2(Y)求导得到:
显然,此时η2+f2>0,π4-k2>0,但z(η2+f2)+x(π4-k2)-c2无法确定其大小,故此时分为如下两种情况进行讨论:
(1)当x(π4-k2)>c2或者z(η2+f2)>c2或者z(η2+f2)+x(π4-k2)>c2时,有时,y=1是稳定策略。于是得到当(学研方采取积极合作时获得的长期收益π4-机会主义获得的收益k2)>积极合作时所投入的成本c2,或者(政府罚金f2+奖励η2)>投入成本c2时,或者(政府奖惩、学研方获得的长期收益机会主义的收益)学研方投入成本时,学研方群体将倾向于选择在产学研联盟中采取积极合作。相位图如图2中的(b)所示。
(2)当z(η2+f2)+x(π4-k2)<c2时,可判断,y=0是稳定策略。说明当(政府奖惩f2、η2+学研方获得的长期收益π4-机会主义的收益k2)<学研方投入成本c2时,学研方群体将选择在产学研联盟中采取消极合作的方式。如相位图2中的(c)所示。
基于前面的分析与讨论,可以得出:
结论2:学研方在协同创新中采取积极合作策略受两组参数值因素的影响:一是积极合作的长期收益与消极合作的机会主义收益之差与资源共享所付出的成本之间的大小,二是政府部门的奖惩力度与资源共享投入成本的大小。学研方采取消极合作的影响因素是其所获得的收益之和与投入成本之间的比较,涉及的参数较多。
由结论2可知,政府为促进产学研协同创新,一方面通过加大对消极合作的学研方的惩罚力度,另一方面可以降低学研方共享资源时投入的成本,进而提高学研方选择积极合作策略的概率。
2.3政府采取监管比例的复制动态方程
政府群体监管决策的复制动态方程为:
(一)若时,则,可知此时政府群体选择任何比例的“监管策略”均是稳定策略,即策略比例不会随着时间推移而变化(如相位图3中的(a)所示)。
(二)若时,令U3(z)=0,得到z=0,z=1两个准稳定点。对U3(z)求导得到:
一般而言,政府的罚金应大于所付出的监管成本,即f1>c0、f2>c0。而(η1-f1)+(-η2-f2)y+(f1+f2-c0)的大小不确定,需分两种情况讨论:
(1)若(-η1-f1)x+(-η2-f2)y+(f1+f2-c0)<0时,x=1,y=1,得f1+f2-c0<0即,z=0是唯一稳定策略。可以得出:政府所收取的罚金小于监管监督成本时,政府群体将倾向于选择不监管策略。相位图如图3中的b所示。
(2)若(-η1-f1)x+(-η2-f2)y+(f1+f2-c0)>0时,x=0,y=0,得f1+f2-c0>0则有,是唯一稳定策略。由此可得:在政府收取的罚金足够大的情形下,大于所支付的监管成本时,政府将倾向于选择监管。如相位图3中的(b)所示。
政府群体选择监管策略的复制动态方程的分析中可以得出:
结论3:政府是否选择监管取决于(监管成本、罚金)这一组参数值的比较。因此,在政产学研协同创新过程中,政府应作为公共服务机构在政产学研协同创新中发挥引导与监管作用,而不应只考虑自身经济收益与监管成本的大小。
分析该非对称三方博弈主体演化博弈可以得到不同的稳定状态(设相位图1中(b)以曲面s1为分界面,将正方体分成上下两部分分别记为v1和v2;相位图2中的(b)以曲面s2为分界面,将正方体分成上下两部分别记为v3和v4;图3中的(a)以曲面s3为分界面,将正方体分成上下两部分立方体分别记为v5和v6):
①当初始状态在v1与v3交集内的空间时,即当x=1,y=1时,(-η1-f1)x+(-η2-f2)y+(f1+f2-c0)=-η1-η2-c0)<0,该博弈收敛于平衡点x=1,y=1,z=0,即(积极合作、积极合作、不监管)是政产学研三方博弈群体中所有参与者的必然选择。
②当初始状态落在v2与v4交集内的空间时,即当x=0,y=0时,(-η1-f1)x+(-η2-f2)y+(f1+f2-c0)=f1+f2-c0>0,该博弈收敛于x=0,y=0,z=1,即(消极合作、消极合作、监管)是政产学研三方博弈群体中所有参与者的必然选择。
③当初始状态落在v1与v4交集内的空间时,即当x=1,y=0时,(-η1-f1)x+(-η2-f2)y+(f1+f2-c0)=f2+η2-c0,f2、η2、c0这三个参数的大小无法确定,因而该博弈既可能收敛于x=1,y=0,z=1,也有可能收敛于x=1,y=0,z=0。(1,0,1)与点(1,0,0)为鞍点,同理,可以证明点(0,1,1)、(0,1,0)、(0,0,1)与(0,0,0)这四个点也为鞍点。
①、②两种均衡状态均不具有对微小扰动的稳健性(③中可以看出:如①中对学研方采取消极合作策略的微小扰动不具有稳健性,②中对企业采取消极合作策略的微小扰动不具有稳健性),该三方博弈没有演化稳定策略。因而,可以得到:
结论4:政府作为经济主体纳入到政产学研博弈模型中,政府考虑收益从而降低了协同创新合作的稳健性。
3结论与对策建议
本文构建了政府、企业与学研方在协同创新过程中三者选择何种策略的演化博弈模型,比较不同的稳定状态,得出如下结论:
(1)企业与学研方是否选择积极合作取决于(积极合作的长期收益、消极合作的机会主义行为收益侵占、积极合作的投入成本)与(政府罚金、政府奖励、投入成本)这两组参数值大小的比较。当(积极合作的长期收益-消极合作的机会主义获得的收益)>积极合作的投入成本或(政府罚金+奖励)>积极合作的投入成本时,企业与学研方群体将倾向于选择在产学研协同创新中采取积极合作。
(2)企业与学研方在(政府奖惩+积极合作的长期收益-消极合作的机会主义收益)<积极合作的投入成本时,选择消极合作,企业与学研方选择消极合作受多个参数的影响。
(3)当政府对消极合作的一方的罚金大于付出的监管成本时,政府将有足够的动力选择监管;当政府对消极合作的一方的罚金小于付出的监管成本时,政府选择不监管。
(4)政府作为经济主体纳入到政产学研博弈模型中,政府考虑收益从而降低了协同创新合作的稳健性。
基于以上结论,为了推动政产学研协同创新的稳定性,提出如下建议:
(1)制定合理的利益分配机制与完善过程反馈机制。产学研协同双方进行合作的直接推动力是利益,利益分配机制直接影响着创新主体的努力程度,企业与学研方协同创新的过程中,利益最大化是选择策略的主要依据,而其中投入成本、机会主义的侵占收益与合作长期收益是协同双方考虑的主要因素。协同双方加大协同创新的合作力度,建立健全合作反馈机制,并及时进行过程反馈,减少机会主义行为对另一方的利益侵占,从而增加产学研合作的长期收益;有效的促进协同创新双方采取积极合作。同时,协同双方可以协商建立互利互惠的利益分配机制,并且能从制度上规避利益纠纷。
(2)政府应作为公共服务机构在政产学研协同创新中发挥引导与监管作用,而不应只考虑自身经济收益与监管成本。政府是推进科技创新、合作配置科技资源的主要载体,在政产学研协同创新过程中,政府不应将监管成本放在首位考虑,作为公共服务机构的政府更应考虑产学研双方的监管力度与惩罚力度上,严惩消极合作的一方,防止投机行为的发生,切实维护积极合作一方的利益,增强产学研联盟合作的动力,促使博弈系统趋向良性稳定。
(3)政府提供专项补贴机制,提供减税与科研基金政策优惠。政府应充分发挥调控与监管作用,制定出相关的政策法规为协同双方提供良性的合作环境;创建专项科研资金与政策优惠,对产学研双方进行成本补贴,减小企业与学研方的创新投入成本。
参考文献
[1]习近平.上海要继续当好改革开放排头兵、创新发展先行者[N].新华社,2015-03-05
[2]王志刚.勇立新科技革命和产业变革潮头[J].求是,2015(1):26-28
[3]陈劲,阳银娟.协同创新的理论基础与内涵[J].科学学研究,2012,30(2):161-164
[4]何郁冰.产学研协同创新的理论模式[J].科学学研究,2012,30(2):165-174
[5]PEK H,SUBRAMANIAN A M.When do firms benefit from university-industry R&D collaborations?The implication of firm R&D focus on scientific research and Technological recombination[J].Journal of Business Venturing,2014,29(6):807-821
[6]LIEW M S,TENGKU SHAHADAN T N,LIM E S.Strategic and Tactical Approaches on University-Industry Collaboration[J].Procedia-Social and Behavioral Sciences,2012,58(8):405-409
[7]HOLMSTROM B.Moral hazard in team[J].Bell Journal of Economics,1982(13):324-340
[8]ANDERHUB V,ENGEL D,GUTH W.An experimental study of the repeated trust game with incomplete information[J].Journal of Econom Behavior&Organization,2002(48):197-216
[9]李高杨,刘明广.产学研创新的演化博弈模型及策略分析[J].科技管理研究,2014(3):197-203
[10]韦文雯.基于演化博弈模型的产学研联盟合作稳定性分析[J].科技管理究,2014(13):66-69
[11]谢识予.经济博弈论[M].上海:复旦大学出版社,2011
协同演化机制 篇6
1 区域物流系统研究现状与问题的提出
西方学界在20世纪50年代以后开始重视物流系统的区域经济效益研究, 并将物流系统建设与区域开发联系起来, 关注区域物流系统的效率、资源的整合配置与利用、物流政策协调, 以及区域可持续性发展等问题, 物流创新是其中一个关键环节和重要研究课题, 并作为一个综合、开放的社会化过程, 研究环境、产业结构、生产模式以及技术等因素对物流企业、企业物流活动和供应链物流创新与变革的影响。但这类研究的出发点多为企业创新策略和发展战略服务, 而从中/宏观角度整体把握物流系统创新和发展的研究并不多见。
以中国为代表的发展中国家在走向区域物流现代化的过程中, 并非在简单的重演西方所经历的物流产业的演进阶段, 存在着其独特的创新内容和演化机制。众多国内学者已经针对我国区域物流的构成、创新与发展问题分别从微观、宏观及特定区域展开了一系列相关研究, 如董千里等人 (1998) 提出采用企业集团和多企业聚合等方式是实现区域物流系统化的有效手段;马立宏 (2002) 的研究认为我国应构建以城市为核心的点轴型区域物流发展体系;赵黎明、徐青青 (2003) 指出区域现代物流体系构建的三大支持平台, 以及区域物流系统空间演化的六大规律;刘秉镰 (2004) 对区域物流内涵以及物流需求构成进行了探讨, 提出能够应用于区域研究的基于产业关联的物流需求测算方法, 并构建了物流业与城市产业关联的投入产出模型;桂寿平等人 (2005) 利用灰关联理论定量分析区域物流的影响因素;宋健坤 (2004) 的研究指出促进增长型系统是中国区域物流发展的主要改革战略, 并提出了“系统性双向耦合模式”的中西部地区物流产业增长模式。随着经济发展区域化趋势的日益明显, 物流业的创新、发展与区域经济增长之间的关系不断增强。众多学者认为, 在现有研究基础上, 关于区域物流理论的研究焦点在于区域物流增长机理和区域物流框架体系上取得突破。这需要链接微观与中/宏观领域, 并相应增加对区域物流政策的研究, 关键之一需要对区域物流系统创新机制与演化机理的洞悉, 而目前这一领域尚缺乏系统深入的研究。
2 理论基础与研究视角
2.1 复杂适应系统 (CAS) 理论与区域物流
1994年, 霍兰 (Holland) 教授在多年复杂系统研究的基础上, 以“适应性造就复杂性”为基本观点, 提出了关于复杂适应系统 (Complexity Adaptive System, CAS) 比较完整的理论, 之后经过多位学者的充实, 成为人们研究复杂系统的主要手段。复杂适应系统理论和基于Agent的模型已在众多学科中的复杂系统研究中得到应用, 如经济、生态、认知、管理等科学研究等, 取得了一定的研究成果。2004年, 王飞跃、戴汝为等八位著名学者联合提出利用复杂系统理论研究城市交通、物流和生态综合发展问题的总体思路, 建立三者综合发展的理论和方法体系[1]。
区域物流本身是一个复杂的体系, 具有复杂适应系统的诸多特征, 如层次性、开放性、聚集性、自组织、自适应、协同演化等, 是一个多主体的复杂适应系统。CAS理论认为系统演化的动力本质来源于系统内部, 由微观主体的相互作用生成宏观的复杂性现象, 其研究深度不仅限于对客观事物的描述, 更着重于揭示客观事物构成的原因及其演化的历程[2,3]。借助CAS理论和方法, 能够深刻揭示区域物流系统创新及其演化的历程。
2.2 复杂感知反应系统 (SARs) 理论与区域物流创新与演化
复杂感知反应系统 (Sensitive and Reactive System, SARS) SARs是一类具有感知反应现象和行为的特殊复杂系统, 其边界具有多变、易变的特点。当环境条件和系统结构条件达到某种组合时, 系统的边界有可能发生扩张或收缩, 从而形成一个具有不同规模、不同特性的新系统。SAR系统理论以系统演化作为研究的中心任务之一, 认为开放系统的复杂性是由系统与环境之间的相互作用关系产生的, 而这种相互作用关系最集中的体现在系统边界上, 因此必须把系统、环境以及边界三者一起放到一个更广泛的全系统中进行处理;在全系统中由于本体系统与环境系统之间复杂的相互作用, 因而本体系统的边界就成了一个具有丰富层次的“色谱边界”, “色谱边界”的层次性由有关要素的感知反应强度决定, 感知反应临界带不同宽度的分布及其组合确定了系统的演化方向和演化道路[4]。
区域物流创新与演化的过程同时具有其自身的特点, 借用Stacey等人 (2000) 的观点[5], 区域物流系统和区域内其他产业系统及环境构成共同演化的大系统, 并在创新和学习中为区域经济发展做出贡献;同时, 由于与区域内其它产业、经济实体的高度结构关联使得区域物流与区域环境的关系不能仅简单描述为系统与环境的二元关系。因此在研究中需要一方面引入认知科学的认知发生论观点, 将区域物流系统看作是由很多具有不同创新信念和期望的主体组成, 用一种基于认知的观点来描述区域物流创新系统, 如各种信念、期望, 以及基于这些信念和期望的决策、创新战略规划和行动等;另一方面通过融入复杂系统感知反应系统理论的内核, 将传统二元的系统与环境研究, 转化为三元的区域物流本体系统、感知反应边界 (创新边界带) 、区域环境的研究, 探索区域物流创新机制以及系统演化的时间旋进、空间旋进、环带边界特征与规律。
2.3 “规划经济增长极”概念和方法与区域物流设计规划
规划经济增长极的概念和方法是将一个国家或地区的交通运输政策作为一种经济活动空间分布政策的工具[6]。从空间分布角度看, 现代经济的发展总是首先在运输资源相对丰富的地区或区域形成经济增长极, 经济增长极之间通常都存在较强的相互作用, 并在它们之间形成“经济场”, 从而对它们之间的地区和其他地区产生经济极化作用, 带动整个经济更有效有序的发展。就区域层面来说, 区域物流系统是区域经济发展和空间扩展的载体和主要力量之一, 通过区域物流系统的设计与规划, 使之促进经济增长极生成与发展并使区域的产业结构合理化, 为技术创新作用发挥和经济增长铺平道路。
3 基于复杂系统观的区域物流系统创新与演化
3.1 两类协同进化路径
协同进化作为现代生态学的一个重要的发展观, 因其特别适合于复杂进化系统的动态描述, 已在不同层次上被应用。已有的研究表明, 协同进化对于解决系统内部各单元之间既冲突又相互依赖的问题具有很好的指导意义。在区域物流系统创新与演化过程中, 呈现出两类协同进化路径:
首先, 区域物流作为一个复杂适应系统, 作为其主体要素的物流企业的自组织能力和学习能力形成了对环境适应、发展的能力以及竞争力。系统内部是一种协同进化关系, 维持系统稳定性的主要因素是各成员在利益上的相互妥协而形成的利益相对一致性。在知识经济社会中, 物流企业的协同进化表现为“竞合关系”, 一方面通过合作扩大资源和市场的规模, 共享信息资源和基础设施, 并提高其学习能力, 解决产业集中度低、过渡竞争、市场自我组织能力差等问题;另一方面, 协同进化并不排斥竞争, 促进协同进化的竞争并非是两败俱伤的恶性竞争, 而是表现为物流企业核心竞争力和学习能力的竞争, 如技术领先地位、新市场开发等方面。
其次, 将物流作为区域经济发展的一个要素, 由于物流产业与其他产业存在着高度的结构关联, 区域物流的发展呈现出与其他产业和环境协同进化的关系。区域经济发展过程中物流产业在产业结构中处于关键环节, 它的发展对于理顺产业结构、利用结构效应推动现代经济增长具有重大意义。产业结构关联的基础是产业之间的生产技术联系, 而这种联系是通过产品的运动来实现的, 即通过中间产品的使用 (消耗) 及其使用程度使产业之间发生相应的生产技术联系。在技术进步这一要素推动区域经济增长时, 物流业自身的技术水平对产业结构关联水平有很重要的影响。物流业的发展一方面可以提高自身技术水平, 另一方面其发展使得经济结构合理化, 有助于技术的扩散, 提高整体技术水平, 进而推动区域经济的发展。
3.2 感知反应边界 (创新边界带)
根据复杂感知反应系统理论的观点, 区域物流系统与环境存在着物流、信息流和感知反应流的输入输出关系, 分别对应着物质结构、信息结构与感知反应结构。区域物流系统与感知反应边界及区域环境构成一个全系统, 感知反应边界孕育系统创新, 降低系统创新过程中的“摩擦成本”。
区域物流系统在区域环境作用下通过感知反应边界不断进行系统结构的调整和演化。一方面体现在区域物流系统对区域成本、资源、市场、产业、聚集效应、基础设施、制度要素等方面的感知与反应, 实现区域物流与区域经济、社会要素的协同;通过物流联盟、物流园区、供应链协同等方式进行系统创新及扩散。实现区域物流的组成形式与区域经济、社会状况的适应, 最终能够实现降低交易费用, 提高物流主体经济效益的目标。另一方面体现在物流产业正在不断与服务业、制造业和其他产业进行产业融合, 产业价值链不断被解构和重组, 新型业态不断涌现, 新型企业组织结构不断演进, 如第三方、第四方物流集成商的产生。而区域物流系统在空间上表现为空间配置方式的变化, 与相关经济及制度要素结合产生了物流空间层次的演化, 如物流中心城市、交通经济带、物流网络、物流圈, 产生了物流经济的聚集性经济优势。
3.3 系统创新与演化的动力
(1) 社会经济动力。
借助协同学理论, 区域物流形态的变化是受区域间分工贸易、区际产业转移、区域经济的结构规模和效率等序参量决定的[7]。这些因素最终以市场需求、资源需求与竞争、技术进步方式推动区域物流系统创新与演化。在推动区域物流创新与演进的动力体系之中, 资源与需求拉动是根本性的, 同时物流业作为一个对科学技术依赖程度较高的行业, 以电子商务为代表的信息技术应用正在创新物流产业的业态, 引起传统物流向现代物流的转变, 顺应物流需求多元化、个性化、“一站式”服务的发展趋势。
(2) 产业间协同动力。
物流业已经在各个层面与其他产业进行对接和联动, 在产业边缘地带激发出各种新的产品和服务方式, 以行业实践丰富产业融合的内容。产业间协同和融合不仅激发了创业精神, 促进区域物流新型业态和新型组织的出现, 而且促进物流企业在特定空间的聚集, 以竞争合作的方式推动科技创新和组织创新。
(3) 产业内动力。
创新收益和提高核心竞争力是推动物流企业进行创新的最根本动力。而创新过程实际上是一个系统的过程, 不仅依赖于特定机构的表现, 而且要依赖于它们作为知识生产和使用系统中要素相互之间的作用, 以及它们与社会制度 (如价值、观念、法律制度等) 的关系, 促使创新系统化并向协同进化方向发展。其中区域物流创新联盟的形成和有效管理, 是促进区域物流系统发展和演进的重要策略之一。区域物流创新联盟的形成及有效管理方式, 包括政府主导型、产业牵引型、产学研拉动型, 会根据各区域特点和区域物流系统发展阶段情况不同而有所不同。
此外, 根据复杂适应系统理论观点, 区域物流系统的制度体系是信息、标识和积木的重要载体之一[8]。区域物流系统的制度体系及其创新, 包括基础制度、核心制度和保障制度及其创新, 将促使区域物流系统向进化方向发展。
4 总结及研究展望
本文基于复杂系统理论观点, 指出了区域物流系统两类协同进化路径以及感知反应边界 (创新边界带) , 并分析了系统创新与演化的三种动力, 试图弥补现有区域物流领域研究的不足, 扩大复杂系统科学的应用研究范畴并起到示范作用。而未来的研究将围绕以下几方面展开:
(1) 建立适合我国国情和“区情”的区域物流创新理论体系。在我国区域物流现代化的过程中, 存在其特殊的创新内容与演化机制, 需要充分考虑我国转型期区域经济增长方式、物流系统特征、政府管制等特点, 建立适合我国国情和“区情”的区域物流创新理论体系。
(2) 针对区域物流系统创新与演化所呈现出“微观主体的相互作用生成宏观的复杂性现象”的特点, 基于复杂系统理论来深入揭示区域物流系统创新要素构成的原因及其演化的历程。
(3) 将物流政策与制度体系建设及其创新作为系统协同创新与演化的重要变量纳入到整体研究体系, 寻找其作用的系统杠杆解, 为政府规划、治理与管制提供理论基础和方法指导。
摘要：基于复杂适应系统理论、复杂感知反应系统理论以及区域物流设计规划方法, 对区域物流系统协同创新与演化进行研究。指出区域物流系统两类协同进化路径以及感知反应边界 (创新边界带) , 分析系统创新与演化的三种动力:社会经济动力;产业间协同动力;产业内动力, 并指出未来的研究方向。
关键词：区域物流系统,协同创新,复杂适应系统,复杂感知反应系统
参考文献
[1]王飞跃, 戴汝为, 张嗣瀛, 等.关于城市交通、物流、生态综合发展的复杂系统研究方法[J].复杂系统与复杂性科学, 2004, 1 (2) :60-69.
[2]HOLLAND J H.Hidden Order[M].Reading M A.:Addison-Wesley, 1995.
[3]成思危.复杂性科学探索[M].北京:民主与建设出版社, 1999.
[4]严乐广, 王浣尘.边界沉思[J].管理科学学报, 2000, 3 (1) :79-86.
[5]STACEY R D, DOUGLAS G, PATRICIA S.Complexity and Man-agement-Fad or Radical Challenge to systems Thinking?[M].Lon-don:Routledge, 2000.
[6]刘秉镰.现代经济增长与交通运输产业发展研究[M].北京:中国经济出版社, 1998.
[7]国世旭.区域物流与区域经济协同发展研究[D].南京:河海大学商学院, 2007.
协同演化机制 篇7
关键词：农产品,绿色供应链,协同演化,Logistic模型
据有关调查显示,消费能力较高、健康意识强烈的受访者对农产品的安全性呈现出高度关注,希望获得更安全健康的产品,而这一群体对价格不太敏感,只要产品处于一个合理的价格,有意愿也有能力为健康多投入,可见,绿色、有机、无公害农产品很有市场。但现实却是农民辛苦一年种出来的绿色农产品依然遭遇 “卖难”,导致绿色农产品滞销或 “优质低价”,“菜贱伤农”现象层出不穷,不少农户丰产却不丰收,农户和企业自然也不会去干这吃力不讨好的事情,甚至于 “以次充好”来节省成本。绿色农产品的 “有市场,无销路”,究其原因是出在生产者和消费者之间信息不对称,缺乏必要联系,难以建立信任。
为有效地解决绿色供应链运营动力不足,需要重视两个问题: ( 1) 绿色供应链系统成员间协调策略与激励机制的制定;( 2) 外部环境( 包括政府、消费者、竞争企业和民间环保组织等) 与绿色供应链运营之间的相互关系[1]。供应链上节点企业的协同创新以及与消费者合作有利于企业更清晰地发现消费者的价值需求[2]; 供应链协同改进了协作优势,协作优势作为中间变量能够促使供应链合作伙伴实现协同,创造卓越绩效[3]。供应链协同从系统的角度出发,推动供应链企业内部与外部的协调发展,实现供应链成员企业效益最大化,提高供应链整体竞争力[4]。因此,农产品绿色供应链协同是我国农业经济可持续发展的现实需要,而确定供应链各主体间的协同程度及其稳定性,研究供应链协同机理是研究农产品绿色供应链协同应当正视的关键问题。
关于供应链协同运作机理的研究主要有: Holweg等[5]认为,要实现供应链协同运作,必须要有支配整个供应链协同运作的序参量,促进供应链实现从一种低级有序状态走向另一种高级有序状态的运作; Walker等[6]研究了7 个私营及有政府资助的组织进行绿色供应链协同过程中的驱动力及影响因素,发现政府激励、企业专业化壁垒等外部驱动力更能促进企业绿色供应链的实施; 蒋国银等[7]扩展传统对称静态博弈为含惩罚参数和协同效率参数的离散进化博弈情形,实现了多加盟企业进化博弈Agent模拟系统并进行分析,表明不同协同率、沟通方式和惩罚参数对期望收益有影响; 吴义生[8]构建了一个低碳供应链协同运作演化模型,运用自组织理论分析了序参量影响低碳供应链协同运作的演化过程,运用协同效应原理分析了低碳供应链协同运作规律及其运作机理; 李煜华等[9]运用Logistic方程构建创新生态系统内企业和科研院所协同创新模型,分析其协同创新稳定性及条件,基于此提出优化共生单元、选取共生模式、培育共生环境及建立协同创新共生界面是实现创新生态系统稳定协同创新的重要途径。
综上所述,既有文献为本文研究提供了重要的参考。本文在政府等外部环境对绿色农产品支持的前提下,构建生产子系统和消费子系统协同推进农产品绿色供应链发展的logistic模型,探索农产品绿色供应链主体的协同程度及协同动态演化,希望以此保障绿色、有机、无公害农产品 “既有市场,又有销路”,实现经济收益、消费者健康收益以及生态环境收益三者协调发展。
1 农产品绿色供应链协同模型
1. 1 农产品绿色供应链系统
农产品绿色供应链是一个由若干子系统构成的复杂系统,从不同维度划分,其子系统构成亦不同。从运营企业维度来看,农产品绿色供应链是由农资供应商、农户或合作社、农产品加工企业、农产品经销商、消费者等多个节点企业构成的复杂系统。从经济活动维度来看,农产品绿色供应链系统通过人、财、物和资金等资源开展一系列基本市场经济活动,诸如绿色设计、绿色采购、绿色生产、绿色加工、绿色营销和绿色物流等活动,这些经济活动可归结为商流、物流、信息流、知识流、资金流的活动。从基于供需的维度来看,农产品绿色供应链分为生产子系统和消费子系统。3 个不同维度划分的子系统之间是相互覆盖、紧密联系,能完整地表达整个农产品绿色供应链系统。
1. 2 农产品绿色供应链协同的基本要素
1.2.1协同目标。
包括共同目标与个体目标,农产品绿色供应链协同的共同目标是实现高效、高质量与可持续发展,以最大程度发挥协同效应,具体表现在:增加企业收益,降低运作成本,提高农产品绿色度,提高资源利用率,减少环境污染等。个体目标是每个子系统、每个节点企业的目标,生产子系统的个体目标是实现利益最大化,消费子系统的个体目标是获得绿色农产品,且各个节点企业都有自身的运营目标。协同的个体目标是为了获取单独运作时所不能实现的效益,具体来说包括对经济效益、社会效益、环境效益等多方面的考量。
1.2.2协同主体。
农产品绿色供应链的协同主体包括生产和消费两个子系统。生产系统包括农资供应商、农户或合作社、农产品加工企业等,在 “双赢”因素驱动下,构成一个以核心企业为主导形成的 “企业集成”。消费系统包括农产品经销商和消费者。
1.2.3协同界面。
农产品绿色供应链子系统之间以及子系统内部构成了两种协同界面: 前向协同、后向协同。生产系统和消费系统,消费系统内部农产品经销商和消费者的协同是前向协同,这是一种供需协同。生产系统内部农产品加工企业( 核心企业) 与农户或合作社、农资供应商的协同是后向协同,这实质是一种管理协同。
1.2.4协同环境。
协同环境也是一种更高级、更复杂的系统。农产品绿色供应链的协同主体亦受到政府支持与监管、市场竞争、绿色需求变化等外界环境的影响,并不断地与外界环境发生资金、资源( 废弃物) 、技术和信息交换。因此,要善于充分利用环境的积极效应,促进供应链系统的有效协同,尽可能地避免环境对于系统协同发展的不利影响。农产品绿色供应链系统与外界环境相互选择适应的结果是涨落。
1. 3 农产品绿色供应链协同模型建立
对于农产品绿色供应链系统来说,在生产子系统与消费子系统之间以及子系统内部协调与合作的非线性相互作用下,通过涨落及其关联放大促使系统形成序参量( 本文系统的序参量是绿色农产品业务量规模,以绿色农产品业务量的变化规律来描述系统的协同) ,反过来再由序参量支配子系统之间商流、物流、信息流、资金流、知识流运作,使得“五流” 运作达到有序,实现整个农产品绿色供应链系统从无序到有序,从低级有序向高级有序进化。供应链系统又是通过不断的多循环自组织过程实现系统整体协同程度的跃升,从而不断提高供应链的整体效益。
本文认为农产品绿色供应链协同就是以绿色理念为主导,通过核心企业引导各节点企业采用协议或联合等方式形成一种联合体,确保供应链本身及其与政府、市场等外部环境的协同,以实现商流、物流、信息流、资金流、知识流的顺畅流通,最终提高农产品绿色供应链效率的协调过程。为此,从农产品绿色供应链系统的3 个维度出发,结合协同基本要素,构建农产品绿色供应链协同模型( 见图1) 。
2 农产品绿色供应链协同演化模型构建
2. 1 模型假设
由于农产品绿色供应链系统内生产子系统与消费子系统之间是一种互惠共生、协同发展的关系,因此可构建logistic模型,分析两子系统协同关系及其演化进程。模型假设如下:
假设1: 生产子系统与消费子系统内部节点企业之间已达到协同,仅研究生产子系统和消费子系统之间的协同过程。
假设2: 生产子系统与消费子系统均能独立存在,它们并不仅仅以对方作为物质和资金的来源,但对方的存在对其自身业务量的增长有利。
假设3: 在特定的时间范畴内,农产品绿色供应链系统演化的程度受到技术能力、市场发展和政府政策的约束,即特定时间内绿色农产品业务量规模不会无限增长。
假设4: 农产品绿色供应链协同演化规模与生产子系统、消费子系统各自的绿色农产品业务量状态直接关联,为方便研究,模型将各子系统的绿色农产品业务量状态规模用统一量纲表示。
2. 2 logistic模型构建
构建生产子系统和消费子系统协同推进农产品绿色供应链演化的logistic模型:
公式( 1) 中,
x1,x2———生产子系统、消费子系统在t时刻所具备的绿色农产品业务量的状态规模;
α,β———生产子系统、消费子系统绿色农产品业务量的自然增长率( 与当时的技术水平、市场、政府补贴等外部因素有关 α > 0,β > 0) ;
a12———协同效应影响系数,消费子系统的协同行为对生产子系统造成的影响;
a21———协同效应影响系数,生产子系统的协同行为对消费子系统造成的影响,a12> 0,a21> 0;
M1,M2———在一段时间内生产子系统、消费子系统的绿色农产品业务量规模最大值;
N1,N2———农产品绿色供应链系统演化的随机涨落系数。
3 农产品绿色供应链协同演化稳定性
研究农产品绿色供应链协同演化的结果,对方程的平衡点进行稳定性分析,令且忽略难以量化的随机涨落项的影响,得到平衡点方程组:
求解式( 2) 在第一象限得到4 个平衡点,即:
在平衡点P( x1*,x2*) 对微分方程f( x1,x2) ,g( x1,x2) 进行Taylor展开,保留一次项,则得到式( 2) 的近似线性方程组:
方程组( 3) 的系数矩阵A为:
则矩阵A的特征方程一次项系数p和常数项q如表1 所示,依据胡尔维茨稳定性判据,得出平衡点稳定性分析结果。
利用相轨线分析农产品绿色供应链生产子系统与消费子系统协同演化平衡点的稳定性及其演化趋势,令:
直线 Φ( x1,x2) = 0 和 Ψ( x1,x2) = 0 将相平面第一象限分为4 个区域,随着协同系数a12,a21的取值不同,方程 φ ( x1,x2) ,ψ ( x1,x2) 在相平面上的相对位置亦有所差异。
图2 描述了稳定点P3 时相轨线图的3 种情况,φ( x1,x2) 为实线,ψ( x1,x2) 为虚线。其中:
针对Logistic模型的平衡点稳定性分析,结合协同系数a12,a21的不同取值对农产品绿色供应链协同演化的影响有三点结论:
( 1) 当生产子系统与消费子系统之间的协同系数相差较大时,即a12> 1,a21< 1 或a12< 1,a21> 1,说明生产子系统( 或消费子系统) 对消费子系统( 或生产子系统) 绿色农产品业务规模的协同支持高于自身受到的协同作用,此种系统稳定的条件是a12a21< 1,也就是说一旦一方对另一方加以成倍的协同效应,会使得整个农产品绿色供应链系统偏离稳定状态,出现绿色农产品业务量无限增长,这是现实中不可能出现的情况。
( 2) 当协同系数都小于1 时,即a12< 1,a21<1,说明生产子系统与消费子系统既保持着积极的协同关系,又将协同能力控制在合理范围内,此时,农产品绿色供应链系统进入稳定的高度有序的状态,具有一定的抗干扰能力,不会被外界一般的小干扰破坏。在推进农产品绿色供应链发展过程中,生产子系统与消费子系统实现信息共享,消费子系统决定着绿色农产品业务量规模的方向,生产子系统为消费子系统提供物质保障。从整个系统出发,二者随时间的推移带来的经济效益、环境效益和社会效益还是可观的。
( 3) 当协同系数都大于1 时,即a12> 1,a21>1,说明生产子系统与消费子系统具有很强的相互协同能力,在两者相互推动作用下,绿色农产品业务量规模会趋向于无穷,这种情况现实中几乎不存在。
4 结论
农产品绿色供应链协同既是绿色食品产业发展过程中出现的一种新趋势,又是绿色供应链研究的一个新方向。本文在分析农产品绿色供应链系统和农产品绿色供应链协同基本要素的基础上,构建农产品绿色供应链协同模型。为了研究该协同模型中生产子系统和消费子系统的协同关系,构建两者协同推进农产品绿色供应链发展的logistic模型,探索农产品绿色供应链协同动态演化及其稳定性。通过对logistic模型稳定性分析可以发现,当生产子系统与消费子系统既保持着积极的协同关系,又将协同能力控制在合理范围内时,农产品绿色供应链系统进入稳定、高度有序的状态,生产子系统与消费子系统实现信息共享,可以有效解决生产者和消费者之间信息不对称、难以建立信任的矛盾问题,从而保障绿色农产品 “既有市场,又有销路”,推动生态农业的可持续发展。
参考文献
[1]曹柬,吴晓波,周根贵.基于产品效用异质性的绿色供应链协调策略[J].计算机集成制造系统,2011,17(6):1279-1286
[2]杨立新,蔡萌.供应链管理模式下产业主体协同创新机制研究——以物美集团果蔬“农超对接”产业主体信息管理协同创新为例[J].科技进步与对策,2013,30(22):70-75
[3]CAO MEI,ZHANG QINGYU.Supply chain collaboration:Impact on collaborative advantage and firm performance[J].Journal of Operations Management,2010,29(3):163-180
[4]ROSEZWEIG E D.A contingent view of e-collaboration and performance in manufacturing[J].Journal of Operations Management,2009,27(6):462-478
[5]HOLWEG M,DISNEY S,HOLMSTROM J,et al.Supply chain collaboration:Making sense of the strategy continuum[J].European Management Journal,2005,23(2):170-181
[6]WALKER H,SISTOB L D,MCBAIN D.Drivers and barriers to environmental supply chain management practices:Lessons from the public and private sectors[J].Journal of Purchasing&Supply Management,2008(14):69-85
[7]蒋国银,胡斌,王缓缓.基于Agent和进化博弈的服务商动态联盟协同管理策略研究[J].中国管理科学,2009,17(2):86-92
[8]吴义生.低碳供应链协同运作的演化模型[J].运筹与管理,2014,23(2):124-132