預測技術商業化成功指數的一種改進方法

李自玲

（武漢華夏理工學院，湖北 武漢 430223）

預測技術商業化成功指數的一種改進方法

李自玲

（武漢華夏理工學院，湖北 武漢 430223）

本文采用結構方程模型來預測技術商業化成功指數，通過改進TCSI的計算方法對技術開發者和技術使用者進行理想化的技術匹配。所作的結構方程模型用改進的偏最小二乘估計法擬合，從而保證了迭代的收斂性，提高了收斂速度。

技術商業化成功指數；結構方程模型；偏最小二乘

一、引言

在信息技術（IT）領域R&D獲得了不少投資，但其商業化率比我們預想的低，這就意味著資金的巨大浪費。為了提高IT業R&D投資的有效性，我們需要了解商業化的進程。

在商業化進程和基礎設施方面，R.G.庫珀完成了對商業化的定義以及將商業化進程概念化，S.N.Bar-Zakay分析了技術傳播每個階段的成功因素，它們都沒有研究商業化因素間的結構關系。So Young Sohn、Tae Hee Moon提出了一種表達這種結構關系的結構方程模型（SEM），但模型僅是簡單的結構形式，沒有考慮各因素的層次關系，且研究目的不是預測，而是診斷。

本文應用顧客滿意度原理預測技術商業化成功指數，對常用的PLS方法和CSI最后計算公式提出了改進，提高了預測結果的精確度。

二、預測技術商業化成功指數的結構方程模型

該模型含有9個結構變量ξ1～ξ3、η1～η6，10個關系，如圖1。基本結構方程為：（δi是隨機誤差項）

本模型共有30個觀測變量，每個結構變量對應的觀測變量數目依次為 3，6，3，3，3，3，3，3，3。結構變量排列次序為管理δ1，規章δ2，技術傳播δ3，R&Dη1，應用η2，市場η3，商業化成功η4，擴散效果η5，企業技術能力的改進 η6。

圖1 預測TCSI的結構方程模型

自變量對應的觀測變量以xi，i=1，…，12表示，因變量對應的觀測變量以yj，j=1，…，18表示。自變量對應的結構變量與觀測變量關系方程為：

其中 ρ11，…ρ33，λ11，…λ36載荷項，δ1，…δ12，滓1，…，滓18為誤差項。反之，從觀測變量到結構變量的關系方程可以表達為：

這里L（k），L（i）分別表示與第k個自變量，第i個因變量相聯系的觀測變量號碼，δk，τi為隨機誤差項。

三、不足

目前國際通行的路徑分析模型與偏最小二乘（PLS）方法，存在若干問題。

1、迭代初值

CSI模型創始人Fornell承認他的PLS方法不一定確保收斂，其論文以及許多參考文獻給出的計算方法，迭代初值任給，一般取（1，0，0，…，0），且沒有收斂性的證明。

國家質檢總局質量管理司、清華大學中國企業研究中心介紹CSI模型的PLS迭代，250個樣本，18個指標，大約需要迭代4－5分鐘，收斂速度太慢。

2、CSI計算公式

目前CSI最后計算公式有兩種：

公式一：具有統計穩健性，但不太全面。即

公式二：Fornell教授的公式缺乏統計穩健性。如下

四、改進

1、最佳迭代初值

我們發現，迭代初值不必任給，可由最小二乘原理求出λij的最佳迭代初值。

對（3），記Yi=（y1i，…，yij），設觀測變量各有n個觀測，則Yi為n×j的矩陣。記Λi=（λ1i，…，λji），滓=（滓1，…，滓j），則（3）可以寫為：

作乘積Y'iYi≈Λ'iη'iηiΛi=η'iηΛ'iΛi，若取結構變量為單位向量，即η'iηi=1，則

取對角線的元素相等得

對自變量ξ也有類似結果。這樣就得到了觀測變量與結構變量之間的系數的最小二乘意義下的初值，即矩陣Λi的估計值Λ?i=（λ?1i，…，λ?ji）。

接著估計結構變量ηi。 設ηi=（ηi1，ηi2，…，ηin）。 對第s個分量，有

矩陣形式為

其中Ys=（y1s，…，yjs）是矩陣Yi的橫截向量。同理，得ηis的最小二乘解。

表1 TCSI的變量以及結構方程系數計算結果

其中Λi是已經估計出來的值。類推就得到全部結構變量的估計值，再用偏最小二乘迭代，收斂速度就快得多。對250份樣本，只需要3～4秒鐘即可完成計算，提高收斂速度近百倍。

2、CSI計算公式的改進

我們提出穩健而全面的CSI最終計算公式如下：

計算出所有觀測變量到顧客滿意度變量的影響系數，分清了主從關系。與顧客滿意度直接關聯的觀測變量較親，它們的影響系數就是ωi；其余變量較疏，它們的影響系數是ωi與茁i的乘積，即它們要先通過ωi影響自己的結構變量，再通過茁i影響顧客滿意度；顧客滿意度以后的結構變量將不對顧客滿意度發生影響。與前兩個公式相比，這個顯然穩健且全面。

五、SEM的分析

以一組標準化的樣本為例，TCSI變量的觀測值為1到10。采用改進算法（16），使用DASC軟件計算，結果見表1。

按照本文提出的第三種公式（16）計算得技術商業化成功指數為55.456959。

應用改進公式對[1]分類的各種技術方案估計TCSI.在7種不同的技術方案中，以下技術具有最高的期望TCSI值：在非政府項目上的合作開發技術，以及應用電信產品，包括通訊網絡技術、交換技術和傳真技術，因擁有100多名員工和高額R&D支出的公司搶占了商機。

六、結論

本文應用路徑分析模型與PLS方法來預測TCSI，給出PLS的最佳迭代初值，保證了迭代的收斂性，提高了收斂速度，同時給出了CSI穩健而全面的計算公式。通過比較幾種選擇的期望TCSI值，可以更精確地判斷出技術商業化過程較好的路徑。

[1] So Young Sohn、Tae Hee Moon：Structural equation model for predicting technology commercialization successindex （TCSI）[J].Technological Forecasting&Social Change，70（2003）885-899.

[2] C.Fornell，M.D.Johnson、E.W.Anderson：The American customer satisfaction index: nature，purpose，and findings.J.Mark.60 （1996）7-18.

[3] R.G.Cooper：Winning at New Products[M].Addison-Wesley，Boston，MA，1986.

[4] S.N.Bar-Zakay：Technology transfer from the defense to the civilian sector in Israel: methodology and findings，Technol[J].Forecast.Soc.Change，10（2）（1977）143-158.

[5] 國家質檢總局質量管理司、清華大學中國企業研究中心：中國顧客滿意指數指南[M].中國標準出版社，2003.

[6] 童恒慶：數據分析與統計計算軟件DASC[M].武漢理工大學出版社，2005.

（責任編輯：范曦卓）