陳鵬，張吉軍

（西南石油大學(xué)經(jīng)濟(jì)管理學(xué)院，成都610500）

創(chuàng)新人才成長環(huán)境影響因子排序分析

陳鵬，張吉軍

（西南石油大學(xué)經(jīng)濟(jì)管理學(xué)院，成都610500）

文章從創(chuàng)新人才現(xiàn)狀、創(chuàng)新氛圍、研發(fā)環(huán)境、創(chuàng)新激勵四個維度構(gòu)建BP-DEMATEL模型測度指標(biāo)；并對層級指標(biāo)進(jìn)行基于神經(jīng)網(wǎng)絡(luò)的權(quán)值替代直接關(guān)聯(lián)矩陣，以修正BP-DEMATEL模型對創(chuàng)新人才成長環(huán)境的驗證，并根據(jù)網(wǎng)絡(luò)訓(xùn)練與反訓(xùn)練評價指標(biāo)信號測度非線性映射引入含動量項對比，開展了專家層級評估與引入動量項在神經(jīng)網(wǎng)絡(luò)訓(xùn)練以及對比原因度方面的精度比較。結(jié)果證實(shí)：創(chuàng)新人才成長環(huán)境的評估與影響因子解釋包含測度指標(biāo)評估的主觀信號擺動干擾，訓(xùn)練測試中進(jìn)行未引入動量項比對，有利于提升修正BP-DEMATEL模型對創(chuàng)新人才成長環(huán)境的解釋精度。

創(chuàng)新人才；成長環(huán)境；BP-DEMATEL；神經(jīng)網(wǎng)絡(luò)

0 引言

我國的產(chǎn)業(yè)創(chuàng)新同時面臨創(chuàng)新的規(guī)模與結(jié)構(gòu)性動力欠缺、企業(yè)對創(chuàng)新支持與推動的政策力度不足、創(chuàng)新研發(fā)投入規(guī)模以及創(chuàng)新研發(fā)成果轉(zhuǎn)化薄弱等問題，這些因素都成為創(chuàng)新人才發(fā)揮自身才能與優(yōu)勢的環(huán)境制約因素。因此，如何進(jìn)一步通過創(chuàng)新人才環(huán)境測度研究的改進(jìn)，來提升我國產(chǎn)業(yè)創(chuàng)新過程中的創(chuàng)新人才成長環(huán)境改進(jìn)，就成為這一領(lǐng)域的研究熱點(diǎn)。

現(xiàn)有研究主要針對環(huán)境影響因素的測度開展了定性與定量分析，所用方法主要集中于BP神經(jīng)網(wǎng)絡(luò)及其訓(xùn)練的修正改進(jìn)，對于環(huán)境影響因子的測度也主要從直接的樣本選取向量訓(xùn)練著手，但對于BP神經(jīng)網(wǎng)絡(luò)及其訓(xùn)練的改進(jìn)以及如何通過網(wǎng)絡(luò)訓(xùn)練過程的精度改進(jìn)，來進(jìn)一步修正所用模型工具方面的研究相對偏少，而且在樣本評估的信號振蕩等方面的處理上尚未有效結(jié)合BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型的可改進(jìn)之處。因此，本文擬結(jié)合BP神經(jīng)網(wǎng)絡(luò)基本原理，通過神經(jīng)網(wǎng)絡(luò)權(quán)值替代傳統(tǒng)測度的直接關(guān)聯(lián)矩陣測度，以創(chuàng)新人才現(xiàn)狀、創(chuàng)新氛圍、研發(fā)環(huán)境、創(chuàng)新激勵等多角度指標(biāo)劃分，修正BP-DEMATEL模型在創(chuàng)新人才成長環(huán)境的測度，在指標(biāo)測度反饋方面，結(jié)合專家層級評估與引入動量項的自適應(yīng)速率梯度的評估因子測度遞增與遞減的對比，提升修正BP-DEMATEL模型對創(chuàng)新人才成長環(huán)境評估的精度。

1 基于BP-DEMATEL的人才成長環(huán)境評價機(jī)理

本文針對創(chuàng)新人才成長環(huán)境確立指標(biāo)的歸一化直接關(guān)聯(lián)矩陣X并對其進(jìn)行BP-DEMATEL的決策實(shí)驗和評價實(shí)驗法的關(guān)聯(lián)矩陣定義，即：

式（2）刻畫的是基于式（1）的關(guān)聯(lián)矩陣在測度指標(biāo)獲得關(guān)聯(lián)顯著性前提下直接關(guān)聯(lián)矩陣部分的對應(yīng)值。此時，按照突出度與關(guān)聯(lián)度，可以求得對應(yīng)矩陣的元素折算值進(jìn)行進(jìn)一步的BP-DEMATEL訓(xùn)練，且訓(xùn)練過程所需突出度向量集T與關(guān)聯(lián)度向量集分別為：

式（4）所需訓(xùn)練樣本對照集為式（3）與其形成的BP-DEMATEL訓(xùn)練對照向量對角矩陣元素折中矩陣，即：

式（5）同時用于區(qū)分樣本指標(biāo)在形成關(guān)聯(lián)以及直接關(guān)聯(lián)時的原因組或結(jié)果組歸屬，也即是經(jīng)過BP-DEMATEL訓(xùn)練的指標(biāo)在影響信號上的歸屬，一般以R(T-1)′對應(yīng)矩陣表示結(jié)果組內(nèi)因子的原因組影響作用結(jié)果。

為進(jìn)一步提高模型精度，本文針對傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練存在的權(quán)重矩陣測度信號收斂趨勢過緩，以及局部最小等弊端，進(jìn)行了權(quán)重矩陣測度的方法改進(jìn)，即通過自適應(yīng)梯度下降來改變BP-DEMATEL訓(xùn)練針對神經(jīng)網(wǎng)絡(luò)核心因子與因子原因度歸結(jié)過程的對比方式。其中指標(biāo)選取按照測度的關(guān)聯(lián)矩陣D、向量矩陣T對應(yīng)測度信號誤差累積：

2 算例分析

式（6）中υ描述的是選取指標(biāo)評估信號值產(chǎn)生側(cè)動遞增或遞減自適應(yīng)梯度的響應(yīng)程度，和負(fù)責(zé)刻畫的是測度遞增、遞減的誤差量。由此，本文按照原因組和結(jié)果組進(jìn)行神經(jīng)網(wǎng)絡(luò)核心因子以及對比原因度的動量項自適應(yīng)梯度速率的權(quán)重矩陣構(gòu)建，權(quán)重矩陣包含了基于一般神經(jīng)網(wǎng)絡(luò)訓(xùn)練的輸入層、隱含層權(quán)重值，并按照一個向量矩陣進(jìn)行梯度速率折算，即：

因此，本文根據(jù)BP-DEMATEL訓(xùn)練結(jié)果對比各對應(yīng)指標(biāo)的直接影響矩陣，進(jìn)行對BP-DEMATEL的自適應(yīng)梯度的模型改進(jìn)，即：

其中的矩陣對應(yīng)元素如下排列，其中當(dāng)wj＜0表示測度遞減，負(fù)責(zé)刻畫的是訓(xùn)練樣本指標(biāo)估計值低于實(shí)際指標(biāo)的影響權(quán)重，反之則表示測度遞增，負(fù)責(zé)刻畫的是在修正波動范圍內(nèi)的訓(xùn)練樣本指標(biāo)高于實(shí)際指標(biāo)權(quán)重值，兩者均衡臨界為由BP-DEMATEL進(jìn)入修正自適應(yīng)梯度的動量項對比值。按照第i個影響因子對第j個影響因子的互相影響程度進(jìn)行指標(biāo)測度均衡的誤差比較，再通過誤差比較形成對比基礎(chǔ)神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果，將結(jié)果進(jìn)行歸一化處理?；诨A(chǔ)神經(jīng)網(wǎng)絡(luò)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)核心因子、對比原因度，通過歸一化直關(guān)聯(lián)矩陣和全關(guān)聯(lián)矩陣獲得對于修正BP-DEMATEL模型的預(yù)測信息折算，并由此展開預(yù)測結(jié)果比對：

2.1 指標(biāo)選取與數(shù)據(jù)來源

從已有文獻(xiàn)來看，有關(guān)創(chuàng)新人才成長環(huán)境評價的因素分類較多，本文主要選取了創(chuàng)新人才現(xiàn)狀、創(chuàng)新氛圍、研發(fā)環(huán)境、創(chuàng)新激勵四個維度構(gòu)建BP-DEMATEL模型一級指標(biāo)，其中人才現(xiàn)狀t1主要按照創(chuàng)新研發(fā)人員的企業(yè)員工占比數(shù)t11、碩士以上學(xué)歷的企業(yè)員工占比數(shù)t12構(gòu)建BP-DEMATEL模型二級指標(biāo)；創(chuàng)新氛圍t2主要按照創(chuàng)新鼓勵程度t21、創(chuàng)新團(tuán)隊融洽度t22、領(lǐng)導(dǎo)對創(chuàng)新員工關(guān)心程度t23構(gòu)建BP-DEMATEL模型二級指標(biāo)；研發(fā)環(huán)境t3主要通過年均創(chuàng)新研發(fā)投入經(jīng)費(fèi)t31、年均創(chuàng)新研發(fā)專利規(guī)模t32、年均創(chuàng)新研發(fā)項目量t33構(gòu)建BP-DEMATEL模型二級指標(biāo)；創(chuàng)新激勵t4則主要從創(chuàng)新研發(fā)在績效考評中的權(quán)重t41、中高層次創(chuàng)新研發(fā)培新規(guī)模t42、創(chuàng)新研發(fā)培訓(xùn)的多元化程度t43構(gòu)建BP-DEMATEL模型二級指標(biāo)。

同時，鑒于測度過程中樣本與訓(xùn)練信號構(gòu)成的矩陣容易產(chǎn)生變量自相關(guān)，并且通過直接關(guān)聯(lián)造成判斷信號在系統(tǒng)中的重要程度因子差異，本文利用了BP-DEMATEL模型，結(jié)合上述式（3）和式（4），進(jìn)行神經(jīng)網(wǎng)絡(luò)的權(quán)值來替代基本BP-DEMATEL模型的直接關(guān)聯(lián)矩陣分值。

2.2 算例指標(biāo)

本文選取西南地區(qū)15家企業(yè)作為驗證對象進(jìn)行相應(yīng)的創(chuàng)新人才成長環(huán)境評價，根據(jù)選取指標(biāo)提取樣本數(shù)據(jù)，并利用層次分析獲得基于BP-DEMATEL的指標(biāo)權(quán)重，具體如表1所示。

表1 基于BP-DEMATEL的指標(biāo)權(quán)重

接著，按照樣本選取指標(biāo)結(jié)合，進(jìn)行層次分析專家評分，用以構(gòu)建符合BP-DEMATEL模型的關(guān)聯(lián)矩陣信號向量。其中，進(jìn)行樣本指標(biāo)數(shù)據(jù)選取的層次分析專家評分按照每一層次指標(biāo)的得分累積獲得，即：

所獲評價指標(biāo)對應(yīng)的專家評分結(jié)果如表2所示。

表2 BP-DEMATEL的專家評分

其中，測度遞增與測度遞減所需相互影響度如下：

最后，根據(jù)相互影響度判別基于式（8）和式（9），進(jìn)行含動量項的BP-DEMATEL環(huán)境因素對比。

2.3 結(jié)果分析

按照前述設(shè)定，利用Matlab7.0編程針對所選樣本分組進(jìn)行BP-DEMATEL的訓(xùn)練結(jié)果比對分析，預(yù)先設(shè)定目標(biāo)誤差在向量集構(gòu)成矩陣中臨界值為0.0001，經(jīng)計算整個訓(xùn)練過程形成6個樣本的BP神經(jīng)元隱含層調(diào)整，訓(xùn)練585步，在BP-DEMATEL訓(xùn)練基本誤差范圍內(nèi)，從BP-DEMA-TEL訓(xùn)練信號來看，經(jīng)修正的BP-DEMATEL在訓(xùn)練誤差收斂性上不同于基礎(chǔ)的BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練，從5到45階梯狀降幅來看，僅僅跨步2，而后續(xù)的長尾則覆蓋了整個BP-DEMATEL訓(xùn)練的樣本組與對照組。

接著，依據(jù)前述式（12）進(jìn)行進(jìn)一步的BP-DEMATEL訓(xùn)練測試與反訓(xùn)練集，為消除單一的層次分析專家評估與樣本顯示運(yùn)行指標(biāo)間的誤差，本文進(jìn)行反復(fù)訓(xùn)練，直至正確率為96.5%的訓(xùn)練結(jié)果數(shù)據(jù)進(jìn)行創(chuàng)新人才成長環(huán)境構(gòu)成的一級、二級因子的神經(jīng)網(wǎng)絡(luò)核心因子、對比原因度，具體如表3所示。

表3 修正BP-DEMATEL訓(xùn)練的核心及對比原因度

從表3可知，無論是原因度還是神經(jīng)網(wǎng)絡(luò)核心因子，都報告了創(chuàng)新鼓勵程度t21以及年均創(chuàng)新研發(fā)投入經(jīng)費(fèi)t31的顯著關(guān)聯(lián)。該兩類二級指標(biāo)的原因度都在0.3以上，且其相應(yīng)的神經(jīng)網(wǎng)絡(luò)核心因子測度結(jié)果均超過了1，這就說明對于創(chuàng)新人才成長環(huán)境構(gòu)建而言，一定規(guī)模的持續(xù)經(jīng)費(fèi)投入和創(chuàng)新鼓勵程度是創(chuàng)新人才成長環(huán)境的顯著標(biāo)志。

同時，本文針對持續(xù)BP-DEMATEL訓(xùn)練測試與反訓(xùn)練集中所獲得的顯著二級指標(biāo)，及其對應(yīng)的一級指標(biāo)進(jìn)行未引入動量項的原始值表比對，從而細(xì)化創(chuàng)新人才成長環(huán)境的樣本指標(biāo)與評價值之間的差異。

表4 創(chuàng)新人才成長環(huán)境因子排序(測度遞增）

從表4的結(jié)果來看，經(jīng)過未引入動量項的原始值表比對的結(jié)果進(jìn)一步證實(shí)了BP-DEMATEL訓(xùn)練測試對于創(chuàng)新人才成長環(huán)境評價的精度優(yōu)化意義。本文將式（2）與式（4）進(jìn)行原始項與未引入項比對，對于創(chuàng)新人才成長環(huán)境影響依次的D+T排序前五的因子為創(chuàng)新鼓勵程度、領(lǐng)導(dǎo)對創(chuàng)新員工關(guān)心程度、年均創(chuàng)新研發(fā)專利規(guī)模、中高層次創(chuàng)新研發(fā)培新規(guī)模和創(chuàng)新研發(fā)在績效考評中的權(quán)重；而創(chuàng)新人才成長環(huán)境影響依次的D-T排序前五的因子為創(chuàng)新團(tuán)隊融洽度、領(lǐng)導(dǎo)對創(chuàng)新員工關(guān)心程度、年均創(chuàng)新研發(fā)專利規(guī)模、創(chuàng)新研發(fā)培訓(xùn)的多元化程度、年均創(chuàng)新研發(fā)項目量。這就說明，在修正BP-DEMATEL訓(xùn)練測試中進(jìn)行未引入動量項比對，對于創(chuàng)新人才成長環(huán)境影響因素的解釋具有更高的精度意義。同時，可以從式（2）與式（4）的左右側(cè)指標(biāo)對創(chuàng)新人才成長環(huán)境影響因子構(gòu)成的解釋偏差中得知，領(lǐng)導(dǎo)對創(chuàng)新員工關(guān)心程度、年均創(chuàng)新研發(fā)專利規(guī)模兩項作為影響創(chuàng)新人才成長環(huán)境的主要構(gòu)成因素，在創(chuàng)新人才成長環(huán)境中的“軟硬件”改善中具有重要作用。另外，對比表3的影響因素排序，進(jìn)入的僅為t32，其對應(yīng)的分別為0.772663和0.591726。

表5 創(chuàng)新人才成長環(huán)境因子排序(測度遞減）

從表5可見，基于專家評估基礎(chǔ)上的層次分析的創(chuàng)新人才成長環(huán)境神經(jīng)網(wǎng)絡(luò)訓(xùn)練在核心因子上具有較高的解釋能力，但其對于創(chuàng)新人才成長環(huán)境指標(biāo)間相互作用的雙側(cè)信號干擾排除能力相對較弱，兩類訓(xùn)練過程的測度用時分別為4.019秒和0.137秒，其中存在排序重疊的領(lǐng)導(dǎo)對創(chuàng)新員工關(guān)心度因子（t23）、年均創(chuàng)新研發(fā)專利規(guī)模（t32），在核心及對比原因度分別報告了0.772663和0.591726，而在測動遞增與遞減中則分別報告了0.626347和0.702735，以及0.572736和0.518235，影響因子的網(wǎng)絡(luò)訓(xùn)練核心因子與對比原因度占含動量項對比訓(xùn)練結(jié)果的0.8106、0.9095和0.9679、0.8758，即后者對前者測度的比值均低于100%。通過不同層次角度的訓(xùn)練方法與解釋精度比對可知，利用BP-DEMATEL構(gòu)成因子在測度指標(biāo)評估量化中的進(jìn)一步信號擺動比對，提高了BP-DEMATEL對整個創(chuàng)新人才成長環(huán)境評估的修正精度。

最后，本文按照式（9）和式（10），基于測度指標(biāo)信號測度，開展自適應(yīng)速率的梯度下降樣本預(yù)測，按照非線性映射引入動量項與未引入的專家評估，進(jìn)行了針對輸出與目標(biāo)信號值的誤差比較，具體如表6所示（見下頁）。

通過表6所示的修正BP-DEMATEL的樣本預(yù)測及比對可知，所選15個樣本的目標(biāo)輸出信號值均高于輸出信號報告結(jié)果，說明測度指標(biāo)信號測度非線性映射引入動量項對于創(chuàng)新人才成長環(huán)境的指標(biāo)選取獲得了更好的網(wǎng)絡(luò)訓(xùn)練向量權(quán)重值；經(jīng)過自適應(yīng)速率梯度下降的樣本在輸出信號值上報告了0.5123的均值，而相比之下，其梯度下降目標(biāo)信號值報告了0.5145的均值，經(jīng)過測度指標(biāo)信號測度的修正BP-DEMATEL訓(xùn)練相對誤差均低于1%，第13個樣本企業(yè)報告了最低誤差，為0.000201，第2個樣本企業(yè)報告了最高誤差，為0.009325，總體誤差均值僅為0.0022，即按照層級映射的信號測度對創(chuàng)新人才成長環(huán)境的評估，可通過修正BP-DEMATEL模型進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練，達(dá)到目標(biāo)影響因子權(quán)重解釋精度的千分之一級的誤差修正。由此可見，對于修正BP-DEMATEL模型，應(yīng)該進(jìn)一步針對訓(xùn)練測試與反訓(xùn)練進(jìn)行向量權(quán)重的自適應(yīng)速率梯度下降控制預(yù)測，進(jìn)而提升模型對創(chuàng)新人才成長環(huán)境因子評估中的解釋力度。

表6 修正BP-DEMATEL的樣本預(yù)測及比對

3 結(jié)束語

本文通過與單一神經(jīng)網(wǎng)絡(luò)訓(xùn)練的層級專家評估影響因子對比，開展了基于創(chuàng)新人才現(xiàn)狀、創(chuàng)新氛圍、研發(fā)環(huán)境、創(chuàng)新激勵四個維度的BP-DEMATEL訓(xùn)練測試，并針對持續(xù)BP-DEMATEL訓(xùn)練測試與反訓(xùn)練集，引入了含動量項對比的修正BP-DEMATEL網(wǎng)絡(luò)訓(xùn)練結(jié)果的驗證目標(biāo)精度分析。從算例分析的結(jié)果看，本文從驗證樣本的信息評估左右側(cè)角度進(jìn)一步優(yōu)化了BP-DEMATEL對創(chuàng)新人才成長環(huán)境的影響因子解釋。當(dāng)然，創(chuàng)新人才成長環(huán)境的定量研究尚處于一個起步階段，模型的適用性和有效性還需要后續(xù)進(jìn)一步的實(shí)證檢驗。

[1]Turan H H,Kasap N,Delen D,et al.Stochastic Capacity Acquisition and Allocation Model for Bandwidth Brokers Under Fuzzy Volume Based Pricing Scheme[J].International Journal of Computational Intelligence Systems,2016,9(2).

[2]Malsch B,Gendron Y.Reining in Auditors:On the Dynamics of Power Surrounding an“Innovation”in the Regulatory Space[J].Fuel&Energy Abstracts,2011,36(7).

[3]Jin F U,Ahlstrom D,Chen S Y,et al.Increasing HR's Strategic Participation:The Effect of HR Service Quality and Contribution Expectations[J].Human Resource Management,2012,51(1).

[4]韓晉,楊岳,陳峰等.基于非等時距加權(quán)灰色模型與神經(jīng)網(wǎng)絡(luò)的組合預(yù)測算法[J].應(yīng)用數(shù)學(xué)和力學(xué),2013,34(4).

[5]陳峰,何有世.基于小波神經(jīng)網(wǎng)絡(luò)的中小企業(yè)人才競爭力評價[J].江蘇科技大學(xué)學(xué)報：自然科學(xué)版,2010,24(3).

[6]成全,楊碧麗,許華斌等.原始性創(chuàng)新環(huán)境影響因素研究——基于BP-DEMATEL模型的實(shí)證[J].科學(xué)學(xué)研究,2016,34(4).

[7]王旭.基于DEMATEL方法的科技型企業(yè)創(chuàng)生環(huán)境影響因素分析[J].工業(yè)技術(shù)經(jīng)濟(jì),2008,27(6).

[8]崔強(qiáng),武春友,匡海波.BP-DEMATEL在空港競爭力影響因素識別中的應(yīng)用[J].系統(tǒng)工程理論與實(shí)踐,2013,33(6).

[9]吳彪,許洪國,戴彤焱.基于DEMATEL-ISM的高速公路作業(yè)區(qū)交通安全影響因素辨識[J].交通運(yùn)輸系統(tǒng)工程與信息,2010,10(5).

（責(zé)任編輯/易永生）

C962

A

1002-6487（2017）11-0049-04

“油氣藏地質(zhì)及開發(fā)工程”國家重點(diǎn)實(shí)驗室開發(fā)基金資助項目（PLN1021）；四川省哲學(xué)社會科學(xué)規(guī)劃項目（SC10E027）

陳鵬（1980—），男，河南南陽人，博士研究生，研究方向：石油人力資源開發(fā)與管理。張吉軍（1963—），男，四川南充人，教授，博士生導(dǎo)師，研究方向：石油工程管理。