技術創新審計方法的探索

樊一陽 田月陽 阮婉玲

摘 要：技術創新審計是一種新的科技專業化服務形式，主要功能是對企業技術創新能力或技術創新績效進行專業鑒證。從影響技術創新的收益、質量和時效的不利因子角度出發，設計了技術創新不利因子過濾模型。結合電子信息行業200家成長型中小企業為實證數據來源，運用結構方程法對提煉的雙層不利因子間的關系進行了驗證。研究結論表明，簡化技術創新審計工作量、提高技術創新審計測度的可操作性是過濾不利因子方法進行的技術創新審計模式的主要特點。

關鍵詞：技術創新審計；技術創新不利因子；過濾模型；雙層不利因子

中圖分類號：F 239.1

文獻標識碼：A 文章編號：1672-7312（2016）04-0343-07

0 引 言

技術創新審計理論研究由英國學者Chiesa[1]于1996年提出，其實踐由德國弗勞恩霍夫協會（Fraunhofer Society）在1997—2007年間獲得了成功的應用，為企業有效控制創新過程和創新項目的有效實施，完善和健全專業化、系統化的科技服務提供了成功范式——企業“卓越（Excellence）[2]創新模式”。1996—2009年間，英國工商界推廣了“Chiesa模型”的應用，并得到英國工業部和商務部的支持。技術創新審計應用范圍幾乎普及到整個歐洲，有針對行業的技術創新審計，但更多是針對企業，其主要形式都是以測度創新能力形式展開。

測度技術創新能力的目的是對技術創新主體的價值估值，當技術創新主體參與市場交易事件發生時，例如，創新創業企業在吸收風險投資、企業兼并重組、技術創新成果參與市場交易等事件發生，均要遇到企業估值問題。根據德國弗勞恩霍夫協會采用的收益、質量、時效三因子評價企業技術創新能力方法，結合考慮行業差異和企業發展期差異的技術創新審計標準的動態化管理，以三因子理論為依據，研究對企業技術創新活動產生負面影響的因素及其關系。影響企業技術創新能力的因素有很多，但一般情況下只要個別關鍵不利因素發生就可能導致企業技術創新活動失敗。因此，分析影響企業技術創新的不利因素，更能提高技術創新審計的工作效率。對企業技術創新不利因子的分析也是應用反向思維法對企業技術創新能力評價方法的探索。

1 技術創新不利因子分析

根據上述討論的收益、質量、時效三因子，從影響技術創新成功的不利因子，選取成本因子、質量因子和耗時因子[3]。成本因子也可解釋為財務不利因子，指技術創新的代價：包括人力成本、材料成本、資源配置不合理引發的成本、環保成本等；質量因子也可解釋為對技術創新成果質量造成不利影響的品質指標，指可能對創新成果質量產生影響的原因：包括研發人員知識技能、研發設備、部門協調、產品質量審核、競爭對手等；耗時因子也可解釋為對技術創新進度造成不利影響的技術成熟度指標[4]，指阻礙創新速度的原因，如創新文化、戰略策劃、核心能力、核心技術、創新過程、市場開發、項目管理等。

盡管三大不利因子能較完整地概括技術創新的問題所在，但各自所涵蓋的內容過于寬泛，無法對如何糾正問題做出具體指示。為使得不利因子對技術創新評估與修正有更為直觀的影響，需要對三大不利因子做進一步解剖，即找出三大不利因子的形成原因。將三大不利因子分層設計，以便尋找其形成原因。

1.1 第一層不利因子

第一層不利因子分別為收益、創新質量、創新時效。收益不利因子可通過盈利能力、營運能力、償債能力進行測度，這3個觀測值都可從企業財務報告中運用財務分析公式直接獲得。創新質量不利因子則通過功能創新強度、經濟創新強度、市場接受度獲得，這3個觀測值都可從企業銷售業績報告、市場調研報告中獲得。創新時效不利因子則由技術生成效率、創新成果產品化效率測度，即可通過創新策劃書、進度表觀察得到，如圖1所示。

1.2 第二層不利因子

第二層不利因子是第一層不利因子的深層解釋，在解決企業技術創新問題時標示更明確的方向和更清晰的指導。對應收益不利因子的第二層測度指標有：成本不利因子由生產研發成本、管理成本、商業化成本綜合評估，其資料來源于財務報告、訂價單、稅單等；現金流動不利因子由資金回收速度、資金利用效率測度，數據資料來源于融資報告、現金流量表等[5]。

創新質量不利因子的第二層測度指標有：研發資源不利因子由人力條件、物資條件、資源配置測度，數據資料來源于職員信息表、固定資產管理卡、企業管理層會議資料等。研發管理不利因子通過質量監控力度、風險監控力度進行觀察，由企業會議記錄、管理活動記錄等可觀測到這2個值。

對應創新時效不利因子的第二層測度指標有：進度管理不利因子通過研發計劃合理性、研發進程監控力度和部門協調性觀測可得，數據資料來源于研發計劃書、進度報告等。技術條件不利因子則可通過研發人員工作效率、核心技術基礎測量可得，數據可從創新進度表、專利申請記錄中獲得[6]。雙層不利因子及其測量指標見表1.

1.3 技術創新不利因子過濾模型設計

技術創新不利因子過濾模型的基本思路是通過審查所有第一層不利因子，過濾當中的無問題因子或不重要因子，并確定需要深層審計的關鍵性因子，再找出與之相對應的二層因子進行審計，最后確定對技術創新產生不利影響的最終原因并加以更正，如圖1所示。

實施審計的具體步驟如下：

第一步，對全部第一層不利因子的觀察值進行測量，判斷不利因子是否真實存在或是否重要。例如，對企業產品差異度、功能創新、經濟性創新、市場接受度測度，結果發現企業創新質量過低，說明質量不利因子真實存在且影響較大，即企業技術創新能力弱很可能是由創新質量低導致的；而其他測度指標的觀察值表現優秀或正常，則說明企業不存在收益不利或創新時效不利的問題。

第二步，對第一次審計所確定的一層不利因子進行第二次詳細審計，即檢驗一層不利因子對應所有二層不利因子。例如，已檢驗出企業存在創新質量不利因子，應對創新質量不利所對應的二層不利因子進行檢驗，即審計企業的研發資源、質量管理。因收益不利因子或時效不利因子不存在重大不利影響，不再過多關注。

第三步，確定真實存在且產生重大不利影響的第二層因子，提出相應的解決方案或繼續做進一步審查。例如，在此項工作中發現，質量管理不利是真實存在的不利因子，即企業的創新質量不利是由于質量管理不當產生的。則審計人員應當對企業的質量管理政策提出改善意見，以減少或消除創新質量對企業技術創新的不利影響。

2 實證設計

技術創新不利因子過濾模型具有較復雜的多層次結構，因子分布存在橫向與縱向的多重因果聯系，采用結構方程分析方法可用于驗證多重相互關系，檢驗技術創新不利因子過濾模型的有效性[7]。

2.1 實證數據采集

根據2014年上海市科技創新基金部分申請企業為實證數據來源，選取成立時間5～9年之間的電子信息行業200家（成長型）企業為樣本。申請企業涉及技術領域、子領域、方向3方面，對申請企業的能力、創新活動進展、創新條件等進行了詳細說明，并提供了專利證書、許可證、批文、查新報告、檢測報告、用戶報告等附件。申請材料具體內容如下：企業基本信息、管理團隊介紹、研發團隊介紹、創新成果介紹、目標市場概述、競爭力分析、商業模式、財務報告、歷史投融資情況等。

2.2 不利因子變量的分析

根據三因子理論，提取樣本企業的創新不利因子變量23個（見表2），采用SPSS 18.0對評分結果進行效度與信度分析。

2.2.1 均值及標準差檢驗

由23個變量的均值及標準差可看出，指標的標準差均較?。ㄒ姳?），符合正態分布的特點，說明可繼續對其進行效度檢驗。

2.2.2 信度分析

所用樣本數據均為企業自行編制，因此有必要對其進行信度檢驗。克朗巴哈系數（Cronbachs α）

可用于信度測驗[8]。變量V9，V10，V11與其他20個變量之間呈現負相關，需要在計算α信度前將這3個變量的樣本值做反向處理。經SPSS 18.0處理后的結果見表2.由于各變量量綱不一致，因此應根據“基于標準化的Cronbachs Alpha”值判斷樣本的可信度。表3中標準化的α值都大于0.8，說明樣本信度較高。

2.2.3 效度檢驗

驗證性因子分析的前提是樣本數據變量的相關性檢驗，對此采用KMO檢驗和Bartletts球型檢驗。表4是運行SPSS 18.0之后的檢驗結果：KMO值為0.830（>0.8），說明變量間的皮爾遜相關系數遠大于偏相關系數，表示變量間的相關性較強；Bartlett球形檢驗近似卡方值非常大，且其對應的相伴概率值小于0.001，說明各變量不獨立。綜合可知，樣本數據適合做驗證性因子分析，下一步可進行模型有效性檢驗。

3 實證分析

結構方程（SEM）是一種驗證性的統計技術，可用于驗證某一假設模型的適切性與擬合度，適用于技術創新不利因子過濾模型的驗證性因子分析[9]。技術創新不利因子過濾模型包含橫向分布和縱向分布。橫向分布由三個一層不利因子及其觀測指標構成?？v向分布由一層不利因子與相對應的二層不利因子共同構成，模型中分為財務、可控資源、技術成熟度3個縱向分布。利用SEM模型對這2種分布進行擬合檢驗，驗證三個一層不利因子能否完全反映技術創新中存在的問題，以及二層不利因子是否足以解釋其所對應的一層不利因子。

3.1 模型橫向分布的擬合度分析

假設企業技術創新活動存在不利因素，認為不可觀測的一層不利因子足以代表這些因素，并需要由其他可觀測指標進行表征。以上一層不利因子及其對應觀測指標共同構成模型的橫向分布。在結構方程中，將一層不利因子設為潛變量，分別用F1，F2，F3表示財務不利因子、可控資源不利因子和技術成熟度不利因子，F1對應顯變量V1，V2，V3，F2對應顯變量V4，V5，V6，而F3對應顯變量V7，V8（顯變量編號如圖2所示）。

將橫向分布轉化成SEM路徑分析模型圖（如圖2所示），通過Amos運算得到各變量之間的路徑系數。各顯變量和隱變量之間的協方差是兩者的路徑系數。標準化的路徑系數大于0.5時說明因果聯系緊密，可初步推斷顯變量能很好地表現潛變量，即F1可通過V1，V2，V3測度，F2可通過V4，V5，V6測度，而F3可通過V7，V8觀察估計。此外潛變量F1，F2，F3之間相關性也較緊密，說明整個路徑系數分析模型穩定、有效。

路徑分析模型圖是對樣本數據的描述，不足以驗證不利因子過濾模型的橫向分布假設有效。需要繼續考察路徑分析模型圖與不利因子過濾模型的適配度，可從3個方面考慮：基本適配度、整體模型適配度和內在質量的檢驗。對該模型進行適配檢驗（本文暫略適配度檢驗表），其基本適配指標均達到檢驗標準；整體模型適配度即模型的外在質量檢驗中，絕對適配度指標、增值適配度指標與簡約適配度指標均反應良好，模型適配度的卡方值為76.021，顯著性概率值p=0.273>0.05，接受虛無假設，表明技術創新不利因子過濾模型與樣本數據契合；從內在質量方面檢測，檢測指標反應良好，模型的內在質量可以接受。

經過驗證性因子分析，技術創新不利因子過濾模型中的橫向結構合理且有效，即一層不利因子由各自的觀測值表征，共同對企業技術創新能力水平進行解釋。

3.2 模型縱向分布的擬合度分析

模型中含有財務不利相關、可控資源不利相關和技術成熟度不利相關的3個縱向分布。為判斷縱向分布的結構效度，需要根據結構方程要求確定外因潛變量、內因潛變量和顯變量。外因潛變量影響內因潛變量，顯變量表征潛變量。財務不利相關的縱向分布中財務不利因子是內因潛變量，其對應的成本不利因子與現金流不利因子是外因潛變量?？煽刭Y源不利相關的縱向分布中可控資源不利因子是外因潛變量，研發資源不利因子和質量管理不利因子是內因潛變量。技術成熟度不利相關的縱向分布中，技術成熟度不利因子是內因潛變量，進度管理不利因子與技術條件不利因子是外因潛變量（見表5）?？v向分布中的顯變量為表2中的V1～V23.

除路徑系數外，要觀測適配度指標反應是否良好，以確定樣本結構與假設模型擬合。通過Amos擬合分析，可知縱向分布的3個結構方程模型的基本適配度、整體模型適配度和內在質量指標都反應良好（本文暫略適配度檢驗表）。財務部分模型、可控資源部分模型、技術成熟度部分模型的適配度卡方值的顯著性概率分別為0.475，0.227，0.331，說明皆不顯著。整體而言，模型中的縱向分布結構擬合良好，模型假設合理有效。

經檢驗，過濾模型結構的橫向分布與縱向分布的結構有效合理，因子之間符合假設的因果關系，可以推斷不利因子過濾模型假設成立。

4 結 論

技術創新不利因子過濾模型包括橫向分布和縱向分布，提煉出由第一層不利因子和第二層不利因子共同構成的技術創新雙層不利因子。雙層不利因子的提取，明晰了技術創新不利因子過濾模型的基本思路，即通過審查所有第一層不利因子，過濾當中的無問題因子或不重要因子，并確定需要深層審計的關鍵性因子，再找出與之相對應的二層因子進行審計，最后確定對企業技術創新活動造成負影響的不利因子。

將該模型應用于電子行業企業的技術創新審計中進行實證研究，結果表明：經過驗證性因子分析，技術創新不利因子過濾模型中的橫向結構與縱向結構均合理、有效。一層不利因子可以代表技術創新中存在的問題，二層不利因子足以解釋其所對應的一層不利因子。一層不利因子由各自的觀測值表征，雙層不利因子共同對企業技術創新能力水平進行解釋。技術創新不利因子過濾模型中各因子之間符合假設的因果關系，因此模型假設成立。該模型能夠在實務工作中審計企業的技術創新水平，發現企業技術創新存在的問題及其原因，并指明改進方向。技術創新不利因子過濾模型是由雙層不利因子構成。此方法以“負面清單”管理理念，簡化了評價審核工作量。以過濾不利因子為基本運作方式的技術創新審計模型，特點如下。

1）為技術創新審計測度提供可操作性。第一層不利因子簡潔明了、代表性強，審計人員對這些因子進行審計時，可迅速篩選出對企業創新產生重大不利影響的一層因子。篩選出的每個一層因子都對應相關的二層因子，為審計人員的下一步工作指明了確切方向。二層因子代表的內容更詳細、直觀，可對企業創新中存在的問題提供清晰的解釋，直接給出了解決問題的思路。

2）有助于提高審計資源配置效率，節約審計成本。模型由簡明的一層不利因子與詳細的二層不利因子組合而成，有效地加強了審計工作的層次感與條理性，可快速制定并恰當調整審計計劃，保證審計資源的有效配置。運用過濾手段處理雙層不利因子，免去了重復性和不必要的審計工作，減少了時間成本、人力成本與物力成本。

3）增強了動態化技術創新審計標準的實踐意義。模型基于技術創新審計標準建立，符合行業規律與企業發展階段規律，遵循對審計標準的方法原則和評價原則，是運用審計標準的途徑之一。

4）不利因子過濾理念帶有一定的主觀性。模型的基本運行思路是過濾技術創新不利因子，而未說明如何準確立技術創新不利因子是否重大，即過濾水平線的設定。此方法帶有一定的主觀性，設計過濾水平線除需要考慮企業所在行業、所處發展階段，隨著整體行業的發展還需要考慮水平線的更新與調整。同時對技術創新審計人員的經驗和職業操行有一定的要求。

參考文獻：

[1] Chiesa V.Designing a performance measurement system for the research activities：a reference framework and an empirical study[J].Journal of Engineering and Technology Management，2008，25（3）：213-226.

[2] Bullinger H J.Focus on innovation[M].Beijing：Science Press，2007.

[3] 宿成建.股票非預期收益定價的三因素模型研究——基于中國股票市場的檢驗[J].系統工程理論與實踐，2014（3）：600-612.

[4] 劉書慶，吳維娜，蘇 秦.科技成果產業化產品試制績效影響因子實證研究[J].科技進步與對策，2013，30（2）：21-25.

[5] 袁 美.中小企業現金流風險預警系統研究[D].湖南：湘潭大學，2011.

[6] 王雪原，武建龍，董媛媛.基于技術成熟度的成果轉化過程不同主體行為研究[J].中國科技論壇，2015（6）：49-54.

[7] 吳明隆.結構方程模型——AMOS的操作與應用[J].重慶大學出版社，2009（7）：158-164.

[8] 姜重宇，吳衛東.基層政府服務質量評估體系建立與實證分析——基于美國波多里奇國家質量獎模型[J].世界科技研究與發展，2009（6）：1 153-1 156.

[9] 李學娟，陳希鎮.結構方程模型下的因子分析[J].科學技術與工程，2010（23）：5 708-5 711.