楊佳愷,喬立永,孫軍英,靳慧龍
(河北師范大學 職業技術學院,河北 石家莊 050024)
隨著電子信息產業的不斷發展,石家莊市正以打造千億級電子信息產業為引領,勾畫現代產業體系藍圖。提高電子信息產業創新效率以達到效率更高更快的生產體系,得到更多的利潤,是實現國家經濟發展可持續增長的重要途徑之一。然而,科技創新和電子信息產業出現全球化、擴大化和長期化的趨勢。面對當今電子信息行業的發展機遇,石家莊市乃至我國能否提升創新效率是國家經濟發展的重中之重。為此,對石家莊電子信息產業的數據進行行之有效的分析,從而得到提升創新效率的關鍵因素,對我國有著重要意義。
目前,國內外對技術創新效率評價指標與評價模型的研究已初具規模,本文將對具體問題的評價分析研究指標以及方法選取進行梳理。
從評價指標來看,王雙盈[1]研究發現,創新效率難以直接被衡量,必須使用指標替代復雜的影響創新效率的因素。吳永林等[2]選取了R&D全時人員當量以及科研活動經費和新產品開發經費支出作為輸入變量,其中,R&D全時人員當量指全年從事R&D活動累積工作時間占全部工作時間的90%及以上人員,而選取R&D全時人員當量作為輸入變量,則是因為其直接反映了企業對于人力資源的投入情況。劉永松等[3]在研究高技術企業創新效率評價時著重強調了有效發明專利數作為技術創新產出指標的重要性。
從研究發現方法來看,朱淑敏[4]在研究產業技術創新戰略聯盟運行效率時改進了層次分析法,使評價體系更為簡化,評價效率也有所提升,但是主觀性并沒有完全消除,一定程度上會對評價結果的科學性有所影響。韓兵等[5]運用兩階段DEA模型對高技術企業的技術創新績效進行了評價,但是DEA方法只是對DMU的相對效率研究,而非絕對效率評估,因此,DEA不能取代傳統比率分析法對絕對效率的分析。且DEA中普遍采用的徑向模型和大多數實際生產過程是不一致的,忽略了投入和產出的松弛變動。當效率與指標為負相關關系時,計算結果無法衡量。最為重要且難以避免的是DEA方法中投入產出項的選擇對效率評估結果有著決定性影響,選擇不當也會影響整體的評價準確性。吳棟棟[6]在研究區域綠色技術創新績效評價時,采用了改進的兩階段DEA網絡模型,綜合運用了多種評價模型,將兩階段DEA模型與MML指數相結合,但是忽略了網絡結構中共享關聯投入的建模,仍有一定的局限性。
綜上所述,考慮到指標制定權重的主觀性和各指標之間可能存在某種不確定性聯系,且DMU評價指標的獲取必須有足夠數量才能使DEA方法奏效,本文將采取模糊Borda評價模型將AHP(層次分析法)和熵值法兩種方法進行主觀與客觀賦值法的融合,以此得到客觀、有效、更具有參考價值的結果。
以石家莊作為研究對象,參考國內外對于技術創新指標體系構建的相關文獻,本文選擇了11個可以說明并反映電子信息產業創新效率的指標,如表1所示,分析科技創新效率的動態發展趨勢。R&D經費內部支出、政府撥款以及R&B人員全員當量是研究和試驗發展的關鍵因素,反映了對企業創新的投入情況。專利申請數和專利授權數是衡量創新產出水平的重要指標,專利授權數在此是指有效發明專利數量。新產品銷售收入、利潤和工業總產值體現了一個產業的發展狀況。石家莊GDP以及石家莊人均GDP則是經濟增長要素,體現了石家莊的經濟繁榮情況。

表1 2012—2019年石家莊電子信息產業創新效率指標
AHP屬于主觀賦權法,當因素過多(超過9個)時,標度工作量太大,易引起標度專家反感和判斷混亂,而熵值法忽略了指標本身的重要程度,有時會導致指標權數與預期值差距過大,故本文采取模糊Borda模型將主觀和客觀權重賦值法所求權重相結合,得出更有價值的結果[7-11]。
2.1.1 AHP
層次分析法簡稱AHP,是指將與決策總是有關的元素分解成目標、準則、方案等層次,在此基礎之上進行定性和定量分析的決策方法。它的特征是合理地將定性與定量決策結合起來,按照規律把決策過程細致化、層次化、數量化。這種方法能夠對復雜的問題進行深入分析,利用較少的定量信息使決策的思維過程數學化,從而為多目標的復雜決策問題提供簡便的決策方法[12-14]。
2.1.2 具體步驟
運用層次分析法建模,如圖1所示,大體分為4個步驟:第一,建立遞階層次結構模型;第二,構造各層次所有判斷矩陣;第三,一致性檢驗;第四,總排序。

圖1 層次分析法步驟
步驟一:分析系統中因素之間的關系,建立石家莊電子信息產業創新效率因子系統的遞階層次結構。層次分析法結構如圖2所示。

圖2 層次分析法結構
步驟二:構造判斷矩陣,把準則層的指標進行比較,并使用數量化的相對重要度來表示,并使用數字1~9以及其倒數作為標度確定各準則層對目標層的權重。判斷矩陣如表2所示。

表2 判斷矩陣
步驟三:層次單排序與一致性檢驗。
(1)依據判斷矩陣A,經歸一化即為同一層次相應元素對于上一層元素相對重要性的排序權值,計算各因素對目標層的權重。
AW=λmaxW
(1)
式(1)中,A的最大特征根為λmax,對應λmax的正規化特征向量為W;Wi為W的分量,其指的是權值,與其相應元素單排序相對應。利用判斷矩陣計算各因素aij對目標層的權重。
(2)求解最大特征根與CI值。
BW=λW
(2)
式(2)中,W是B的特征向量。
(3)
CI=0表示判斷矩陣完全一致,CI越大,判斷矩陣不一致性越嚴重。
(3)根據CI,RI求解CR值,判斷其一致性是否通過。
(4)
當CR<0.1時,認為矩陣的一致性是可以接受的,此時可用A的特征向量開展權向量計算;當CR>0.1時,需要對判斷矩陣A進行修正。
2.2.1 熵值法
熵值法是依據各指標值所包含的信息量的多少確定指標權重的客觀賦權法。熵指一個指標中不確定性的度量,利用熵值計算差異系數,通過差異系數判斷指標的離散程度,熵值越大,離散程度越大,對綜合評價的貢獻就越大,則該指標的權重也應越大。
2.2.2 具體步驟
假設i(取值范圍[1,m])表示評價對象,j(取值范圍[1,n])表示評價指標,其原始評價矩陣為Dij。
步驟一:指標標準化。對Dij標準化處理得到規范化矩陣Rij。
步驟二:計算第i個研究對象下第j項指標的比重Pij。
步驟三:計算第j項指標的熵值Ej。
步驟四:計算各指標的信息熵。
步驟五:給指標賦權,定義權重Wj。
步驟六:通過權重計算樣本評價值即為各對象效率得分。
2.3.1 模糊Borda評價模型
模糊Borda法在組合時需要考慮不同算法導致的得分有差異以及排序因素,既考慮了決策的主觀性,又考慮了決策的客觀性,綜合得出最優評分。
2.3.2 具體步驟
步驟一:確定評價方法集并對評價對象進行評價,此處為AHP和熵值法的賦權結果。
步驟二:計算隸屬度。
(5)
式(5)中:tk為評價對象;j為方法數;uij(tk)為綜合評價值。
步驟三:計算模糊頻率。
(6)
(7)
式(7)中:Wih(tk)反映了得分差異因素;Ri(tk)表示對h位的模糊頻數求和。
步驟四:將綜合排序轉化為全新綜合得分Qh。
(8)
步驟五:計算Borda數FBi,FBi值越大,名次越靠前。
(9)
由AHP法可得主觀權重計算結果(見表3)。

表3 AHP法求得權重
判斷矩陣的一致性比例CR=0.997,小于0.1,故滿足一致性要求。
由結果可得,政府撥款權重為0.669 0,R&B人員全員當量權重為0.550 0。表明主觀評價法中,政府撥款以及R&B人員全員當量對創新效率影響較大。
熵值法所求權重(見表4)為客觀權重,由結果可知,專利授權數權重為0.292 3,R&D經費內部支出權重為0.103,專利申請數權重為0.159 7。結果表明,在客觀分析法中,專利申請以及授權數、R&D經費內部支出對創新效率影響很大。

表4 熵值法計算權重
經過模糊Borda模型分析,得出基于AHP和熵值法兩種算法的綜合評價分數以及排名(見表5)。將得分與排名可視化如圖3所示,由排名可得,排名前3的因素分別為R&D經費內部支出、政府撥款以及R&B人員全員當量。此排名將主觀分析法和客觀分析法相結合,由排名前3的方法可以看到,Borda模型法既考慮到不同方法下排序名次的差異,又考慮到響應評價方法下各項目的得分值,能更好地利用已有的評價信息,從而使得評價結果具有較高的合理性和優越性。

圖3 石家莊電子信息產業創新效率排名

表5 組合評價權重
由上述分析可得,石家莊電子信息產業創新效率的提升存在很大的空間,使創新效率提高最為有效、起作用最大的分別是R&D經費內部支出、政府撥款以及R&B人員全員當量,表明投入資金和政府支持對創新效率影響因素很大。因此,提出以下政策建議:
第一,政府應適當增加對電子信息行業的資本投入,各企業適當提高對基礎研究、應用研究、實驗發展的資本投入,可以拓寬投入渠道,同時,石家莊電子信息產業可以完善經費預算體系,使投資經費可以充分發揮其作用。
第二,關注人才培養,當今社會人才輩出,尤其是高技術人才不斷涌入市場,石家莊市應引入更多的技術開發人員,從根本上提升技術創新能力,提高技術創新效率,以人才引進的方式改進電子信息產業的管理水平和規模。
第三,促進專利商品化效率,值得注意的是石家莊電子信息產業專利申請數量指標排名第4,專利授權數量指標卻排名第7,說明專利授權數仍需提升。由2012—2019年石家莊電子信息產業創新效率指標可見,專利申請數以及專利授權數逐年增高,并且創新成果轉化率相對于2012年也有了大幅提升,但是現階段仍需要重視專利質量,專利的價值體現在其是否在有效保護期內,高質量的專利更能夠體現創新產出價值。將專利轉化成能獲得利潤的產品,促進企業對專利轉化的重視程度。
本文重點研究了不同因素對石家莊電子信息產業創新效率的影響,豐富了石家莊電子信息產業創新效率的理論文獻,為石家莊電子信息產業創新建設和發展提供了理論支撐,為不同地區制定相應的高技術企業技術創新政策提供了決策依據。