山東省智能制造發展的影響因素分析

孟澤遠

2017年底，山東省生產總值突破7萬億大關，緊隨廣東省和江蘇省之后，位列全國第三。值得注意的是最近幾年，山東省經濟增速有所放緩，與其他兩省的差距逐漸拉開。2010年山東省與江蘇省GDP差距僅為2255.6億元，與廣東省相差6843.2億元。截止到2017年末，山東省與江蘇省GDP差距拉大到13222.7億元;與廣東省差距由6843.2億元增長至17201億元。

一、山東省經濟發展概況及相對優勢

在生產總值構成方面，三省第一產業、第二產業、第三產業總體占比大體一致，產業結構較為合理。第二產業和第三產業占比較高，第一產業占比較小，目前逐漸呈現出向第三產業傾斜的趨勢。在農林牧漁業總產值方面，山東省在農業方面發展良好，高出廣東和江蘇兩省。總體的增長速度高于其他兩省。在主要工業產品產量方面，在各種能源類產品當中如：原油、生鐵、粗鋼、水泥等，山東省產量和其他兩省不相上下。其中原油量、發電量以及農用化肥量均高于江蘇、廣東兩省。但是，廣東省移動通信手持機為80076.3萬臺，是山東省的15.9倍，江蘇省的12.4倍。在微型計算機設備方面，廣東省與江蘇省產量都突破了千萬臺大關達到了3778.9萬臺和5617.1萬臺，山東省僅為22.9萬臺。在程控交換機方面，山東省目前還處于空白狀態。山東省在現代設備制造方面如手機、計算機等與其他兩省差距較大，也是自2013年之后，與廣東、江蘇經濟差距越拉越大的原因所在。

長期以來，山東省一直注重農業和工業的發展，憑借工農兩大產業長期位居我國經濟發展前列，這為智能制造的發展打下了堅實的基礎。山東省具有較為豐富的資源和龐大的人口基礎。截止到2017年末，山東省人口總數為10006萬人僅次于廣東省的11169萬人，位居全國第二。高出第三名河南省447萬人，比江蘇省多出1977萬人。此外，山東省具有較為完整的制造業體系，這為智能制造發展提供了可能。2015年濰柴動力和如意科技集團率先進行了生產線的智能化改造，并且取得了顯著的成果。濰柴動力試車車間油耗成本降低約2000萬元，企業營運成本降低20%以上。如意科技集團的產品一次合格率從82%提高至98%以上。在科技創新方面，2017年山東省國家級省級科技成果共計2556項，廣東省為2549項。2017山東省在科技成果的項目上高于廣東省，說明山東省是具有一定創新能力的地區。但是在國家級科技成果當中，山東每年平均為28項，廣東省每年為37項。雖然，山東省整體創新能力良好，但是對于尖端以及高新產業特別是智能制造方面的創新能力亟待提高。

二、國外智能制造先進地區的產業政策和發展方向

德國工業4.0計劃中首先提出了工業標準的重要性。英國《經濟學家》2012年發表的文章中也提到了基礎性標準化對于智能制造快速增長具有很大影響。周曉曉（2017）也提到了我國目前也存在行業標準未能統一的問題，形成行業乃至整個產業標準的統一是實現智能制造發展亟待解決的問題之一。同時，德國工業4.0計劃強調智能制造的技術和規模。對于工業產業而言，技術和規模始終都是企業關心的問題之一。根據規模經濟理論，規模越大，企業成本往往隨之降低。企業從新產品研發、產生新的生產方式、實行產品差別化生產或是獲得新的供給來源四種方式來獲得相應的技術優勢，提高企業競爭能力。英國認為本次革命的核心應放在制造業數字化上，由原來的大規模量產向“為客戶訂制”方向轉變。周濟（2015）對于我國制造2025中也提到“以用戶為中心”是產業改革的主題。

日本在2011年《科技發展基本計劃》指出政府在智能制造發展當中要發揮更大的作用，對人工智能、智能制造等相關領域給予一定的政策優惠。我國政府從2方面出發保障智能制造的發展：①建立相關的政策體系。②利用多種手段保證扶持政策落地。

我國在新型人才培養方面與德國保持一致。德國工業4.0計劃提到了人員能力提升，周濟（2015）中認為建立和完善多層次的人才培養體系是中國制造2025的主攻方向之一。此外，潘健生（2015）和周曉曉（2017）也強調了特定人才培養對我國智能制造發展的重要性。

三、結構方程的理論基礎

結構方程模型（structural equation modeling，SEM），于20世紀70年代由Karl G.Joreskog初步提出，經40多年的發展，目前已經成為較為成熟的統計學方法。其分為測量模型和結構方程模型兩部分。

1.測量模型。衡量指標與潛變量的關系，測量方程如下：

x=∧xξ+δ? ? ?y=∧yη+ε

其中，x代表外源指標組成的向量;y代表內生指標組成的向量;ξ為外源潛變量組成的向量;η為內生潛變量組成的向量;∧x代表外源指標x與外源潛變量ξ之間的關系，是外源指標在外源潛變量上的因子負荷矩陣;∧y表示內生指標y與內生潛變量η之間的關系，是內生指標在內生潛變量上的因子負荷矩陣;δ和ε為外源指標x和內生指標y的誤差項。

2.結構模型。對于潛變量間的關系，通常寫成如下結構方程：

η=Βη+Γξ+ζ

其中，В代表內生潛變量間的關系;г代表外源潛變量對內生潛變量的影響;ζ為殘差項，表示在方程中未能被解釋的部分。

四、結構方程模型的建立

1.研究對象。本文以山東省智能制造的發展為研究對象。其影響因素涉及到山東省內的能源、創新能力、人口數量、行業標準、智能制造的技術、政府補貼和人才培養體系等7個方面。采用200份網上問卷調查對7個影響因素進行了篩選，選出了當中5個重要的因素分別為：創新能力、行業標準、智能制造的技術、政府補貼以及人才培養體系。

2.模型構建。本文利用AMOS軟件，選取了山東省統計年鑒2010-2016年的相關資料，對山東省智能制造發展的影響因素模型進行了構建。其中IMD代表智能制造發展狀況，用高技術制造業主營業務收入進行了替代。Innovation為山東省的創新能力，以高技術制造業R&D的相關情況代表。Technology為山東省的技術水平用智能制造的技術來近似替代。Time為山東省在1年的時間當中制定相關行業標準政策的次數。GS代表政府補貼，將政府投入技術類資金進行粗略表示。TC為人才培養，采用了高技術制造業從業人員來大致估計。

3.模型擬合與評價。模型樣本采用了2010-2017年山東省的統計數據，樣本容量小。一般情況下采用AMOS軟件進行模型構建樣本容量在200以上能夠得出較為準確的結論，因山東省智能制造發展時間的維度，導致了相關數據擬合方面存在一定的偏差。根據AMOS軟件所構建的模型，明顯的樣本變化為21;其中有11個參數可以被估計，自由度為10。

構建模型卡方值為57.088保持在較高水平，自由度為10。CMIN/DF為卡方值與自由度之間的比值為5.709，高于既定標準的2或是3。GFI為0.363，意味著構建的模型可以在0.363程度上解釋創新能力、行業標準、智能制造的技術、政府補貼以及人才培養體系因素的觀測數據，一般意義上來講GFI應高于0.9。RMR當中存在較大的偏差，需要有較大修正。

在基線比較當中，NFI、RFI、IFI、CFI值都保持在0.4左右，該部分可解釋構建模型與獨立模型的非中央性差異。一般數值達到0.9以上表明模型可與相關數據充分擬合。

4.模型結果。在模型與相關數據不完全擬合的情況之下，5個因素當中其中有2個因素對于山東省智能制造的發展呈現出負相關，有3個因素能夠促進智能制造的發展分別為創新能力、智能制造的技術以及政府補貼。人才培養在0.152的程度上會制約智能制造的發展，成為在未來智能制造發展中不應側重的方面之一。智能制造技術的創新與發展成為了山東省智能制造發展的重要因素，在0.7的程度上與之密切相關。創新能力和政府補貼不相上下分別為0.483和0.492的系數。

五、山東省智能制造發展的相關方案

山東省作為人口大省、禮儀之邦，同時也是儒家文化的發源地。對于教育的認知達到了一定的層次，在人才培養方面不論是小學、中學還是高中教育都高于全國平均水平，處于非常良好的狀態。在山東省新舊動能轉換的時代大背景下，人才培養是一項長期而久遠的事情，但并不是關鍵時期的決定性因素。智能制造技術的提高乃是山東省智能制造發展的決定性因素，也是山東經濟能否再次騰飛趕超廣東、江蘇兩經濟大省的關鍵因素。根據2017年底山東省統計年鑒顯示，新產品開發經費支出在總經費支出中占了一半以上的比例，對于基礎研究的投入較少。借鑒歐美等發達國家的經驗，山東省乃至全國對于基礎性的研究包括相關的經費投入都遠遠不如歐美等發達國家。加大基礎性研究投入，鼓勵企業高技術領域的科技創新，攻克技術難關是山東省智能制造發展需重點解決的問題。于此同時，山東省政策的引導、政府補貼的落地以及整體的創新能力也是智能制造發展不可忽視的環節。在政府補貼方面要傾向高技術產業、智能制造產業如手機制造、微型電腦制造等。據2017年統計資料顯示，山東省創新能力整體良好，但在創新的方面應有所傾斜，主要應加強基礎性研究、高技術制造業的創新以及高端領域的創新。[基金項目：本文是山東省軟科學研究計劃“新舊動能轉換下山東省智能制造研究 ”的階段性成果，項目編號：2018RKA06025。]

（作者單位：煙臺南山學院）