信息网络技术如何创新驱动制造业转型

信息网络技术如何创新驱动制造业转型 本文关键词：转型，制造业，网络技术，驱动，创新

信息网络技术如何创新驱动制造业转型 本文简介：[摘要]制造业一直是工业革命的主要载体，制造业技术范式变革也因此受到关注。在以信息化发展推进我国工业改革的形势下，学界试图将信息网络技术与制造业以数学模型的形式描绘出来，但建立、修正信息网络技术与制造业发展的关系模型并不多见。目前对于信息化拉动国内制造业发展的结论更多是建立在对历史时间序列数据的观察

信息网络技术如何创新驱动制造业转型 本文内容：

[摘要]制造业一直是工业革命的主要载体，制造业技术范式变革也因此受到关注。在以信息化发展推进我国工业改革的形势下，学界试图将信息网络技术与制造业以数学模型的形式描绘出来，但建立、修正信息网络技术与制造业发展的关系模型并不多见。目前对于信息化拉动国内制造业发展的结论更多是建立在对历史时间序列数据的观察得到，却忽略了两者之间的这种关系是否存在必然。该文旨在通过对近二十年来我国信息网络技术专利数量与制造业增加值的相关性分析，进一步探索信息网络技术与我国制造业转型升级的关系。结果表明，信息网络技术专利数量与制造业增加值存在长期均衡关系。这一结论提示我国应当更加注重信息网络技术的发展，利用信息化技术驱动制造业转型和升级。

[关键词]信息网络技术；创新驱动；制造业转型

１概述

“中国制造2025”明确指出，制造业是国民经济的主体，是立国之本、兴国之器、强国之基。党的十六大报告提出，我国坚持以信息化带动工业化,以工业化促进信息化，走出一条科技含量高、经济效益好、资源消耗低、环境污染少、人力资源优势得到充分发挥的新型工业化路子。当前，我国正以推进信息化带动工业化战略的实施为契机,进一步促进我国工业经济增长方式的转变。化解我国制造业产能过剩的根本出路在于创新。中国制造业未来要适应市场的变化，应该走技术创新之路。在以信息网络技术（InformationNetworkTechnology，INT）为代表的新一轮技术创新浪潮面前，中国制造业应从INT与制造业的融合和创新驱动两个方面思考升级路径。信息技术特别是互联网技术发展给传统制造业带来了颠覆性、革命性的影响，可以说，制造企业和产业变革的核心是INT的应用[1]。新工业革命是以制造业数字化、网络化、智能化为核心，建立在物联网、服务联网和工业联网基础上引发的新一轮变革，将推动信息技术与制造业的深度融合，给世界范围内的制造业带来深远的影响[3]。在以信息化发展推进我国工业改革的趋势下，人们也试图将信息技术与制造业之间的相关关系以数学模型的形式描绘出来。在以往的研究中，人们倾向于使用刻画工业经济的柯布—道格拉斯生产函数来对工业经济的发展进行实证分析，虽然在该函数的应用中也曾考虑到增加更多的解释变量，但对INT与制造业发展的关系模型建立以及修正却不多见。目前对于信息化拉动国内制造业发展的结论更多是建立在对历史时间序列数据的观察得到的，却忽略了二者之间的这种关系是否是必然性的。有时候时间序列的高度相关仅仅是因为二者同时随时间有向上或者向下的波动趋势，并没有真正的内在相关关系，这种情况称为“伪回归”，将一个随机游走变量对另一个随机游走变量进行回归可能会导致荒谬的结果。因此，本文将通过探讨信息网络技术专利数量与制造业增加值是否存在伪回归现象，来重新刻画INT与制造业的关系模型。

2伪回归产生的原因及处理方法

2.1专利数量与产业技术发展的关系

在研究过程中发现，如果根据专利数量进行产业技术成熟度评估，这会导致我国各产业技术的成熟度判别结果几乎都是处于成长期，这与部分产业技术的发展趋势不符。这是由我国特殊国情导致的。我国专利法于1980年开始实施，实施至今仅有三十多年，年限相对较短。改革开放以来，我国经济开始快速发展，因此专利数量有可能是受到经济发展的大力推动，而非技术进步的推动，受到经济因素的影响，直接通过专利数量拟合曲线进行产业技术成熟度判断结果不一定正确。如图1所示，从曲线趋势上看，INT与制造业两者的发展呈相关性，但是否存在因果关系，INT是否对制造业的发展存在推动力，还有待验证。

2.2伪回归的产生

通常在考量两个变量是否存在相关关系时，人们往往从两者统计系数的显著性来判断，然而以往很多案例表明，即使两个变量的显著性很高，也只能是“伪回归”。例如，在分析我国1949—2004年的图书总印数与制造业总产值两个变量间的相关性时，即使统计系数通过了显著性检验，但实际上却是我国的图书总印数与制造业总产值相互独立，不存在相关性[7]。又如，考虑1994—2005年美国每月牛奶产量与中国每月社会消费品零售总额两个指标，从实际意义看，两者之间不存在相关关系，但从建模的结果来看，其回归显著，相关学者从相关系数的角度证明这是伪相关现象[8]。伪回归产生的主要原因是所研究变量生成过程的不确定性。经典的线性回归模型有相关的假设，假设随机扰动项是一个均值为零、齐次方差以及无序列相关性的随机向量，违背了任意一项假设而建立的经典回归模型，都可能产生伪回归。对于非稳定时间序列，可通过差分方法将其化为稳定序列以消除伪回归。此时应当检验变量间是否存在着长期的均衡关系，若存在，则进一步建立误差修正模型。

2.3协整检验

协整关系检验要求时间序列是平稳的，平稳性检验采用的是ADF单位根平稳性检验，通过比较设定显著水平下的t统计量和临界值的大小，若t统计量大于临界值，则可判断存在单位根（非平稳），反之不存在单位根(平稳)。如果变量间有着长期的稳定关系，即它们之间是协整的，就可以通过经典回归模型量化它们的相关关系。当所研究的变量本身是不平稳的，当经过若干阶差分后数据却平稳了，即数据是同阶单整的，这就意味着单个变量的数据虽然不平稳，但自变量与因变量之间却可以存在稳定的均衡关系，这也就说明进行协整检验前需进行单位根检验。为了检验两个变量是否为协整，Engle和Granger于1987年提出两步检验法，文章利用此方法，对制造业增加值（Gindustry）和INT专利数量（PINT）进行协整检验，在协整检验中，所考量的最重要参数是模型的残差项，通过对残差进行单位根检验，确定其平稳性，进而检验变量间是否存在协整关系。 …… 此处隐藏：1025字，全部文档内容请下载后查看。喜欢就下载吧 ……