全产业链视角下的江西省新能源汽车产业竞争力研究

王 卉

一、引言

在全球范围内已对大规模发展电动汽车形成共识的基础上，中国的新能源汽车产业取得了快速的发展，并将目光瞄准海外市场，成为了中国企业“走出去”的新名片。中国新能源汽车主要出口东南亚、东亚、欧美国家，其中2018年出口量为14.7万台，同比增长20%，出口金额同比增长63%，增速显著。不仅是整车，中国的新能源电池也向全球市场提供新能源汽车产业中的各种产品，如电池原料、电芯、电机等等。目前的研究在构建新能源汽车产业竞争力评价模型上，依据的都是较为传统的竞争力理论，如钻石模型和SWOT模型，缺乏依据新能源汽车作为新时代推动经济发展的新动力来构建评价模型。在评价的过程中，绝大部分的文献较为偏向于以新能源汽车产业中的整车制造为评价对象，缺乏对新能源汽车产业的全产业链进行全面评价。本文基于全产业链的视角，依据改进的一般化双重钻石模型构建新能源汽车产业竞争力评价模型，利用多层次灰色关联法对江西省和其他省份的新能源汽车产业竞争力进行综合评价。

二、基于全产业链的新能源汽车产业评价指标体系的构建

（一）新能源汽车的全产业链

新能源汽车产业是一个上下游环节较多的、庞大的、复杂的产业，各环节之间需要良好的协同，因此衡量新能源汽车产业的竞争力，不能仅仅局限于其中的某一个环节，应该综合评价其全产业链的综合竞争力。全产业链是指由中粮集团提出的一种发展模式，即从产业链的源头开始，覆盖产品的生产和采购、贸易与物流、加工与深加工、品牌建设与销售等多个环节的完整产业链。新能源汽车产业的全产业链包括上游的原材料、中游的零配件和下游的整车和售后等三个主要环节所组成（图2.1）。

图2.1 新能源汽车全产业链

（二）基于改进的一般化双重钻石模型的评价指标体系

本文基于上述新能源汽车的全产业链，依据改进的一般化钻石模型构建新能源汽车产业竞争力评价指标体系。在波特的钻石模型理论中，一般化双重钻石模型中只考虑了其中的四个主要要素，在全产业链的视角下，两个次要要素对新能源汽车产业国际竞争力同样具有影响，应该综合考虑（图2.2），构建新能源汽车产业竞争力评价指标体系（图2.3）。

图2.2 改进的一般化双重钻石模型

三、基于多层次灰色关联法的新能源汽车产业竞争力评价的应用

（一）指标数据的标准化处理

由于新能源汽车产业竞争力评价指标体系中量化评价指标数据来自于不同的统计口径和计算方法，导致各量化指标之间存在类型和量纲的不同。通过对广东省、浙江省、江西省、湖南省、福建省、上海市、安徽省、湖北省等8个省市的原始数据进行标准化处理，作为本文新能源汽车产业竞争力评价指标体系中量化指标的标准数据（C）。

1.量化指标的一致化处理

根据前文对新能源汽车产业竞争力评价指标体系的选择依据，不同量化指标的最优值期望不同，需要对这些不同类型的量化指标进行一致化处理，否则将无法判定最终评价结果的取值是越大越好还是越小越好。本文将按公式3.1这些不同类型的量化指标全部转化为极大型指标。

对于区间型指标，令：

2.量化指标的无量纲化处理

为了排除由于各量化指标量纲上的差别和数值间的悬殊，本文采用所具备性质更为全面的极值处理法（张发明，2018），对进行了极大值归一化处理的量化指标数据进行无量纲化的处理（公式3.2）。

（二）评价指标的赋权

主观赋权法是由专家根据经验对评价指标的重要性进行主观判断，以此得到评价指标的权重，更能体现出评价指标自身的重要性程度，但是往往容易出现与真实状况不相符的状况；客观赋权法是根据评价指标的实际数值计算，以此得到各评价指标的权重，更能体现出评价指标的原始信息。因此，本文采取熵值法对评价指标进行客观赋权，主要步骤如下：

图2.3 新能源汽车产业竞争力评价指标体系

（1）确定各评价指标的信息熵

各指标的熵值Hij如公式（3.3）所示：

（2）计算各指标的差异系数

信息无序度越高，即差异越大，对方案的作用越大，熵值越小，熵权就越大，反之亦然。差异系数的计算如公式（3.4）所示：

（3）确定指标权重

按照上述步骤，根据前文已经经过一致化和无量纲化处理的标准化数据，得到相应的客观权重U，得表3.1。

表3.1 新能源汽车产业竞争力评价指标的权重

（三）评价的函数集结

根据前文所构建的新能源汽车产业竞争力评价指标体系可以看出，该指标体系是一种递阶层次的复杂结构，将新能源汽车产业竞争力的评价按照不同的竞争力分成了若干组，形成了不同的层次。而同一层次的元素作为准则对下一层此的某些元素起到了一定的支配作用，同时它自己又受到上一层次元素的值配。

因此，本文采用灰色多层次评价模型，对指标体系的各层次指标进行逐一评价，以下一层次的关联度系数作为上一层次评价的基础，对复杂的新能源汽车产业竞争力进行评价。具体步骤如下：

（1）确定最优指标集（F*）

（2）计算量化层次的关联系数矩阵（E）

根据灰色关联法，对每一个评价指标，将标准化处理后的基础数据与最优值进行对比，求出第i个省份的第k个指标与第k个最优指标的关联系数，即：

（3）对量化指标进行单层次综合评价

分别对不同竞争力指标的量化指标进行单层次评价。以生产要素竞争力指标的量化指标为例，对关键核心技术专利数、高层次人才数量、投资规模等三个量化指标进行综合评价，评价结果视为生产要素竞争力的原始数值，这个原始数值就视为影响新能源汽车产业竞争力的一个竞争力分量R1。计算过程如下：

根据R1=E1×U1。其中E1为生产要素竞争力中三个量化指标的关联系数矩阵，U1为生产要素竞争力的三个量化指标的权重。

可得：

R1=[0.475,0.575,0.378,0.352,0.649,0.717,0.344,0.387]

同理，分别计算出其他四个竞争力，即需求条件竞争力、机遇政策竞争力、相关产业竞争力和企业战略竞争力的单层次综合评价结果R2、R3、R4和R5。

R2=[0.779,0.736,0.348,0.422,0.376,0.388,0.333,0.358]

R3=[0.416,0.862,0.426,0.428,0.597,0.378,0.338,0.501]

R4=[0.601,0.649,0.501,0.418,0.425,0.701,0.431,0.339]

R5=[0.772,0.846,0.717,0.423,0.498,0.549,0.526,0.339]

（4）确定各个省份的关联度数值

把R1、R2、R3、R4和R5作为新能源汽车产业竞争力评价指标体系竞争力层次的原始数据，对最后一层即新能源汽车产业竞争力计算关联度数值，该数据的确定就是各个省市新能源汽车产业的竞争力。根据R1=E×U1得出，广东省、浙江省、江西省、湖南省、福建省、上海市、安徽省、湖北省等8个省市的新能源汽车产业竞争力关联度数值如下：

R=[0.687,0.882,0.425,0.430,0.599,0.601,0.417,0.423]

结论

根据前文的分析可以看出，就新能源汽车产业的总体竞争力而言，浙江省的总体竞争力最大，广东省、上海市、福建省次之，江西省、湖南省、湖北省、安徽省的新能源汽车产业总体竞争力处于一个水平。

可见，沿海省市新能源汽车产业的总体竞争力明显高于中部地区的省份，江西省的新能源汽车产业竞争力还有待进一步提高。

从竞争力的构成上来看，每个省份都有其最特出的竞争力优势。

广东省的需求条件竞争力和企业战略竞争力都较为突出；浙江省的机遇政策竞争力和企业战略竞争力较为突出；上海省的生产要素竞争力和相关产业竞争力较为突出；江西省在企业战略竞争力和相关产业竞争力方面也具有一定的优势，但是在需求条件竞争力和生产要素竞争力方面较为薄弱，是今后有待进一步提升的关键。

注释：

①数据来源：根据海关统计数据整理得出。