郭秀強，孫延明

(1.華南理工大學 工商管理學院，廣東 廣州 510641；2.廣州大學 工商管理學院，廣東 廣州 510006)

自熊彼特1939年首次全面闡述技術(shù)創(chuàng)新理論以來，國內(nèi)外學者對技術(shù)創(chuàng)新理論及實踐應用開展了大量研究，其中，企業(yè)技術(shù)創(chuàng)新能力影響因素分析及評價體系構(gòu)建一直是國內(nèi)外學者重點關(guān)注的焦點[1]。整體而言，國內(nèi)外學者主要基于創(chuàng)新投入、創(chuàng)新產(chǎn)出、創(chuàng)新環(huán)境等創(chuàng)新活動過程，同時也關(guān)注了社會資源投入、企業(yè)管理水平以及創(chuàng)新績效等企業(yè)發(fā)展戰(zhàn)略因素來構(gòu)建評價指標體系[2-10]，并運用主觀賦權(quán)法[11-12]、客觀賦權(quán)法[13]和組合賦權(quán)法[14]等科技評價方法進行企業(yè)創(chuàng)新能力實證研究，但已有文獻對高新技術(shù)企業(yè)尤其是醫(yī)藥類企業(yè)研究較少。基于此，本文構(gòu)建合理的創(chuàng)新能力評價指標體系，并建立定性定量相結(jié)合的優(yōu)先級層次熵組合賦權(quán)方法，對廣東省具有代表性的10家高新技術(shù)醫(yī)藥企業(yè)的科技創(chuàng)新能力進行案例研究，以深入掌握醫(yī)藥行業(yè)技術(shù)創(chuàng)新能力的發(fā)展態(tài)勢，并期望能為政府決策、企業(yè)發(fā)展提供信息參考。

1 指標體系的建立

1.1 指標體系構(gòu)建思路

高新技術(shù)企業(yè)創(chuàng)新能力評價是一項系統(tǒng)工程，涉及到的因素范圍廣、數(shù)量多，只有建立科學的指標體系，才能更加合理地反映企業(yè)的真實情況。本文以已有文獻關(guān)于創(chuàng)新能力的影響因素為理論依據(jù)，選取《高新技術(shù)企業(yè)認定管理辦法》、《高新技術(shù)企業(yè)認定管理工作指引》、《廣東省2019年高新技術(shù)企業(yè)認定工作的通知》作為本次研究指標篩選的重要參考，從創(chuàng)新投入、創(chuàng)新產(chǎn)出、創(chuàng)新績效三個維度，根據(jù)指標選擇的科學性、系統(tǒng)性、重要性、可比性等原則建立企業(yè)科技創(chuàng)新能力評價的指標體系。

1.2 評價指標的篩選

1) 指標的海選。

為了指標選取的科學性，本文通過市場調(diào)研，并參考權(quán)威機構(gòu)發(fā)布的評價指標體系以及現(xiàn)有文獻中影響高新技術(shù)企業(yè)創(chuàng)新能力的高頻率指標，結(jié)合高新技術(shù)企業(yè)高技術(shù)、高投入、高風險的特點，同時考慮數(shù)據(jù)的客觀性、可獲得性與可操作性，初步海選了包括職工人數(shù)、資產(chǎn)總額、擁有市級重點實驗室等在內(nèi)數(shù)10項指標。

2) 指標的篩選。

在評價指標體系海選的基礎(chǔ)上，本文利用德爾菲分析法和相關(guān)系數(shù)分析法等定性與定量相結(jié)合的方法進一步篩選指標。具體步驟如下：首先，選擇技術(shù)創(chuàng)新領(lǐng)域10位專家對海選指標的合理性進行判斷，分析剔除非關(guān)鍵指標；之后，借鑒肖淑芳等[15]和張玉磊等[16]等相關(guān)研究，對指標體系進行相關(guān)性分析，若指標之間相關(guān)系數(shù)大于或等于0.8，則進行分析和選擇性剔除。

3) 指標體系的構(gòu)成。

根據(jù)指標體系選取的思路以及篩選原則，參照國內(nèi)專家學者們對企業(yè)創(chuàng)新能力評級體系的總體設(shè)計[1,8,10]，本文構(gòu)建了包含創(chuàng)新投入能力、創(chuàng)新產(chǎn)出能力、創(chuàng)新效益等3個準則層，共計13個指標的科技評價指標體系，如表1所示。

2 基于優(yōu)先級層次熵的指標權(quán)重確定方法

對于專家組來說，直接確定一個指標比另一個指標重要多少倍的數(shù)值比率很容易產(chǎn)生不同意見，而在兩個指標中確定哪一個指標重要相對容易，而在專家組給出指標優(yōu)先級排序時由于知識、背景所限會出現(xiàn)有些指標拿不定主意的情況，從而出現(xiàn)具有不完全信息的指標優(yōu)先級情況[23]。本文在此思路的指引下，首先提出了一種指標優(yōu)先級確定方法，之后在此基礎(chǔ)上給出基于層次分析法和熵值相結(jié)合的主客觀組合賦權(quán)方法。

表1 醫(yī)藥類高新技術(shù)企業(yè)科技創(chuàng)新能力指標評價體系Table 1 Evaluation system of scientific and technological innovation capability index of pharmaceutical high-tech enterprises

2.1 不完全信息指標優(yōu)先級確定方法

假設(shè)從安全性、經(jīng)濟性兩個方面評估一款高新技術(shù)產(chǎn)品，安全性指標比經(jīng)濟性指標擁有更高的優(yōu)先級。選擇m位專家(7≤m≤15)對n個指標同時進行優(yōu)先級排序，假設(shè)有t個專家給出了完整排序，而另外(m?t)個專家排序中都存在不同程度的漏排指標現(xiàn)象。具體修正步驟如下。

1) 專家分類以及修正滿足條件。

將排序指標數(shù)相同的專家歸為一類，若該類專家排序中所有指標都被選擇在內(nèi)，即在該類別每個指標至少有一位選擇，則可進行信息修正以及一致性檢驗，否則舍棄。

2) 用排序打分法將每位專家給出的不完全信息排序轉(zhuǎn)換成分數(shù)。

其中，Rij為第i個指標在第j位專家所排的位次得分，n為評價指標數(shù)量，rij為第i個指標在第j位專家所排的位次。若存在并列排序，則將并列排名的后續(xù)評估客體作“跳位”處理，之后將相同序號調(diào)整為相應順序號的平均值。

3) 計算不同方法下指標得分的均值。

4) 對于修正過的完整指標序關(guān)系，其結(jié)果或許會有差異，但是對于相同指標來說差異不應過大，所以要對排序進行基于斯皮爾曼等級相關(guān)系數(shù)的一致性檢驗，未通過一致性檢驗的專家排序?qū)簧釛?。設(shè)第j種方法得到的排序為Aj=(a1j,a2j,···,anj)，則第j和第k個排序的Spearman等級相關(guān)系數(shù)公式為

其中，Vjk為 Spearman等級相關(guān)系數(shù)，aij是指第i個指標在第j位專家所排的位次，aik是指第i個指標在第k位專家所排的位次。舍棄標準：計算斯皮爾曼等級相關(guān)系數(shù)，當均值大于等于0.7時滿足信度的分值條件，通過一致性檢驗,否則，舍棄該專家排序。

5) 理想排序的確定。

對通過一致性檢驗的專家排序再次利用式(1)打分，若βij為第j位專家序關(guān)系下的第i項指標的得分，為第i個指標的綜合得分均值，則

按大小進行重新排序，即為融合序關(guān)系。

2.2 基于優(yōu)先級層次熵的指標權(quán)重確定方法

為了獲取包含主、客觀信息的指標權(quán)重，本文在指標優(yōu)先級基礎(chǔ)上采用層次分析法和熵技術(shù)相結(jié)合的方法確定組合權(quán)重。所謂優(yōu)先級層次熵，是在保證指標優(yōu)先級的基礎(chǔ)上用層次分析法決定指標的主觀權(quán)重，并用指標數(shù)據(jù)的熵值進行客觀修正。

1) 利用層次分析法確定主觀權(quán)重。

層次分析法(AHP)主要步驟如下[34-35]。

①建立層級結(jié)構(gòu)。

②在保證指標優(yōu)先級的基礎(chǔ)上建立兩兩判斷矩陣A。

③計算各指標權(quán)重。

采用和積法求權(quán)重向量θj(j=1,2,···,n)，對矩陣A進 行歸一化處理，得到標準矩陣B=(bij)n×n，然后按行求和并歸一化，所得列向量即為A的特征向量，θi為特征向量

④利用方根法計算最大特征值，假設(shè)判斷矩陣為A

⑤進行一致性檢驗。

計算一致性指標

確定平均隨機一致性指標RI，計算檢驗數(shù)CR，當0≤CR<0.1時，證明判斷矩陣具有良好的一致性；當 0.1≤CR時，此時應該調(diào)整判斷矩陣，直到符合一致性要求為止。

2) 利用具有指標優(yōu)先級的熵值對指標權(quán)重進行修正。

①具有指標優(yōu)先級的熵值算法。

設(shè)具有指標優(yōu)先級的參評指標群體集為E={e1,e2,···,em}(m>2)，其中，ek表示第k個優(yōu)先級指標，(ai1,ai2,···,am)為參評指標ei給出的評價向量，則指標ei的評價熵[30,36-37]

②通過計算指標熵值Ek來確定相鄰優(yōu)先級指標xk?1與xk重要性程度之比rk。反應指標的數(shù)據(jù)信息，體現(xiàn)該方法的客觀性。

③根據(jù)給出的rk值，計算準則層下第m個指標的權(quán)重tm為

④由權(quán)重tm可得第m?1,m?2, ···, 2個指標的權(quán)重

其中，tm表示準則層下第m個指標對該準則層的權(quán)重，rm為相鄰優(yōu)先級指標指標xm-1與xm重要性程度之比。

⑤基于優(yōu)先級層次熵的混合賦權(quán)。

層次分析法權(quán)重 θj由于判斷矩陣完全是依靠專家經(jīng)驗來決定，對于精度較高問題的解決方案有可能與實際情況并不相符。熵值賦權(quán)法權(quán)重tj依據(jù)方案的真實數(shù)據(jù)計算，避免了評價主體主觀因素對于指標權(quán)重的影響，但當客觀數(shù)據(jù)較為特殊時，權(quán)重會與實際情況相差較大。本文將采用具有指標優(yōu)先級的熵權(quán)?層次分析法，定性與定量相結(jié)合，主觀與客觀相結(jié)合，使指標權(quán)重wj(j=1,2,···,m)更加科學、合理。

綜合指標權(quán)重為

3 案例分析

3.1 研究對象和數(shù)據(jù)來源

當前，全球各地正面臨著新型冠狀病毒肺炎襲擊的嚴峻挑戰(zhàn)。習近平總書記指出“人類同疾病較量最有力的武器就是科學技術(shù)，戰(zhàn)勝這場全球性的大瘟疫必須緊緊依靠醫(yī)藥技術(shù)的創(chuàng)新突破”。醫(yī)藥類高新技術(shù)企業(yè)作為科技創(chuàng)新和科技成果應用的主體，在本場疫情科研攻堅戰(zhàn)中，始終沖在最前線，釋放著科技創(chuàng)新的“硬核”力量。相比其他行業(yè)(如互聯(lián)網(wǎng)、機械制造等)的高新技術(shù)企業(yè)，醫(yī)藥類高新技術(shù)企業(yè)的創(chuàng)新新能力表現(xiàn)出一些突出的特點：1) 屬于高風險，高回報，投入大的行業(yè)，各地區(qū)發(fā)展不均衡，創(chuàng)新主體規(guī)模相對較小，整體的創(chuàng)新能力比較有限。2) 醫(yī)藥類高新技術(shù)企業(yè)整體制藥水平和國際發(fā)達地區(qū)相比仍有較大差距，呈現(xiàn)研究周期長、成果轉(zhuǎn)化率低的特點。3) 自主知識產(chǎn)權(quán)相對匱乏。除中藥外，我國尚少有自主知識產(chǎn)權(quán)的藥品，我國醫(yī)藥產(chǎn)業(yè)發(fā)展幾乎始終以生產(chǎn)非專利藥為增長點[1]。而廣東作為全國生物醫(yī)藥產(chǎn)業(yè)大省，醫(yī)藥類高新技術(shù)企業(yè)眾多，在我國歷次重大突發(fā)公共衛(wèi)生事件中都發(fā)揮了非常關(guān)鍵的作用。因此，分析和評價廣東省醫(yī)藥類高新技術(shù)企業(yè)技術(shù)創(chuàng)新能力水平，探尋醫(yī)藥企業(yè)發(fā)展過程中存在的難題和癥結(jié)，對于加快推進廣東省高新技術(shù)企業(yè)高質(zhì)量發(fā)展和戰(zhàn)勝新冠肺炎疫情具有重要的理論價值和現(xiàn)實意義。

在數(shù)據(jù)獲取上，本文根據(jù)廣東省高新技術(shù)企業(yè)數(shù)據(jù)庫，選取了醫(yī)藥行業(yè)的10家具有代表性的高新技術(shù)企業(yè)作為評價對象，并用2017-2019年運行情況的面板數(shù)據(jù)進行運算和評價。樣本基本代表了廣東省醫(yī)藥行業(yè)在全國的水平，對10家典型企業(yè)的創(chuàng)新能力評價，能較好地反映廣東省醫(yī)藥行業(yè)的高新技術(shù)企業(yè)發(fā)展態(tài)勢，原始數(shù)據(jù)來源于廣東省科技統(tǒng)計報告以及廣東省科技管理系統(tǒng)陽光政務平臺廣東省高新技術(shù)企業(yè)發(fā)展監(jiān)測數(shù)據(jù)。限于篇幅，本文以創(chuàng)新產(chǎn)出能力評價為例演示評價得分的詳細計算過程?？紤]到有些企業(yè)的數(shù)據(jù)不宜公開，本文將企業(yè)名稱進行了模糊化處理。

3.2 評價流程

本文采用基于優(yōu)先級層次熵的組合賦權(quán)方法對廣東省10家典型醫(yī)藥類高新技術(shù)企業(yè)產(chǎn)出能力進行評價，其評價步驟如下。1) 評價指標的標準化；2) 確定不完全序關(guān)系的指標優(yōu)先級；3) 在保證指標優(yōu)先級的情況下確定指標體系的主、客觀指標權(quán)重；4) 確定混合權(quán)重以及進行綜合評價。

3.3 模型計算與分析

1) 指標標準化。

由于算例指標中都是正向指標，取指標最大值為 (xij)max，然后使得每個指標值除以最大值，即標準化之后的值為若指標數(shù)據(jù)中含有零，為了有效利用熵值計算指標離散程度以及減少差異性的影響，該項指標數(shù)據(jù)全部添加最小值1。

2) 指標優(yōu)先級的確定。

邀請9位評審專家給出指標的重要性優(yōu)先級排序，其中有3位專家給出了完整指標序關(guān)系，3位專家為缺1項指標序關(guān)系，另外3位專家序關(guān)系缺2項，分別用A、B、C表示，Gj(j=1,2,3,4)表示第j項指標。A類專家排序分別為A1={G1?G4?G3?G2}，A2={G3?G1?G4?G2}，A3={G3?G1?G2?G4}；B類專家排序分別為B1={G1?G3?G2},B2={G3?G1?G4}，B3={G1?G4?G2}； C類專家排序分別為C1={G1?G3},C2={G3?G4},C3={G1?G4}。

步驟1由3.1小結(jié)知，A類專家排序為完整指標排序，視為有效排序；B類專家排序中有漏排指標現(xiàn)象但排序中包含了所有指標滿足修正條件，應該被保留；C類專家排序不滿足修正條件，應當被舍棄。

將B類專家排序代入到公式(1)、(2)得每個指標得分均值為

把均值分別與B類專家不完全信息排序得分進行對比，按大小把缺失指標插入到專家給出的殘缺排名中，大小相同者對比加權(quán)變異率，得出每位專家的所有指標序關(guān)系如下

計算一位專家與其他兩位專家的斯皮爾曼等級相關(guān)系數(shù)得

由于0.8大于一致性檢驗臨界值0.7，則B1與B3修正后的排序通過一致性檢驗，B2修正后的排序被舍棄。這兩個通過一致性檢驗的修正排序與A類3位專家的完整排序一起進行斯皮爾曼等級相關(guān)系數(shù)檢驗，求均值

對通過一致性檢驗的B1、B3以及A2再次求指標均值，按照大小進行排序，則指標總的排序結(jié)果為

3) 主、客觀權(quán)重的確定。

步驟2在保證指標優(yōu)先級不變的情況下，邀請專家給出判斷矩陣，見表2。

表2 判斷矩陣Table 2 Judgment matrix

通過計算得：對應的指標主觀權(quán)重為θ={0 .5423,0.0847, 0. 2333, 0.1397}，并滿足一致性檢驗條件。

步驟3在保證指標優(yōu)先級不變的情況下，對10家醫(yī)藥公司各個客觀指標求熵值，并根據(jù)3.2小節(jié)求出客觀權(quán)重t== {0.3048, 0.3048, 0.3048, 0.0855}。

4) 混合權(quán)重的確定及其評價結(jié)果。

步驟4根據(jù)公式(11)計算混合權(quán)重w={0.4236,0.0851,0.2691,0.2223}。

步驟5利用標準化數(shù)據(jù)以及混合權(quán)重計算醫(yī)藥公司創(chuàng)新產(chǎn)出能力評價值，分別為{23.91, 66.39,61.17, 36.80, 80.63, 52.33, 30.81, 36.10, 27.02, 55.32}。

3.4 企業(yè)綜合創(chuàng)新能力評價

參照3.3小節(jié)，計算出2017~2019年整個指標體系中準則層和指標層的權(quán)重(見表3)。

表3 醫(yī)藥類高新技術(shù)企業(yè)創(chuàng)新能力評價指標權(quán)重Table 3 Weights of evaluation indexes for innovation capabilities of pharmaceutical high-tech enterprises

由于2017~2019年中每個指標的原始數(shù)據(jù)發(fā)生了變化，因而基于優(yōu)先級層次熵的混合賦權(quán)得到的各指標權(quán)重3年內(nèi)各有不同。但根據(jù)表3可以看到，指標權(quán)重在3年間的差異并不大，總體控制在0.2以內(nèi)，尤其是高級技術(shù)職稱占研發(fā)人員比例和研發(fā)人員占全體員工比例這2個指標，2017年和2018年兩者之間的差異大小只有0.17%。這在一定程度上說明了混合權(quán)重具有很高的穩(wěn)定度和可信性，進而證明了具有科學性和合理性。

根據(jù)混合權(quán)重和標準化數(shù)據(jù)以及綜合指數(shù)的計算方法，計算10家企業(yè)準則層和目標層的總得分，評價結(jié)果如表4所示。

表4 醫(yī)藥類高新技術(shù)企業(yè)評價結(jié)果Table 4 Evaluation results of pharmaceutical high-tech enterprises

結(jié)果顯示，廣東省10家醫(yī)藥類高新技術(shù)企業(yè)的創(chuàng)新能力整體不強，只有個別企業(yè)的綜合創(chuàng)新能力得分超過了60分；另外，企業(yè)呈現(xiàn)發(fā)展不均衡態(tài)勢，彼此之間的綜合得分差距較大?？v向?qū)Ρ葋砜矗?017年廣東醫(yī)藥高新技術(shù)企業(yè)創(chuàng)新態(tài)勢相對較好，綜合得分相對較高；2018~2019年，企業(yè)的創(chuàng)新能力得分則出現(xiàn)了普遍下降(公司3除外)。橫向?qū)Ρ葋砜?，廣東省醫(yī)藥類高新技術(shù)企業(yè)創(chuàng)新能力發(fā)展不均衡，得分差距懸殊。如2019年，公司3和公司7綜合創(chuàng)新能力得分相差超過61分。分析3個二級指標發(fā)現(xiàn)，創(chuàng)新績效得分相差將近85分。因此，企業(yè)綜合得分之間的差距主要源于創(chuàng)新績效的差異。以公司3為例，2017~2019年間，公司創(chuàng)新投入和創(chuàng)新產(chǎn)出穩(wěn)定，但創(chuàng)新績效差異較大。2017年11月，該企業(yè)聯(lián)合國內(nèi)及全球知名保健品、營養(yǎng)品科研院成立“精準營養(yǎng)科研轉(zhuǎn)化產(chǎn)業(yè)聯(lián)盟”且成效顯著，2018~2019年科技成果轉(zhuǎn)化數(shù)是同行業(yè)企業(yè)的10~30倍，創(chuàng)新績效大幅提升，綜合創(chuàng)新能力排名也從2017年第八躍居第一。

綜上，2017~2019年間，受國內(nèi)宏觀經(jīng)濟增長放緩和中美經(jīng)貿(mào)斗爭的雙重影響，廣東省醫(yī)藥類高新技術(shù)企業(yè)創(chuàng)新績效水平不斷下降，導致綜合創(chuàng)新能力不高且呈整體下滑趨勢。但也有個別企業(yè)在嚴峻挑戰(zhàn)下能夠逆流而上、化危為機，通過積極調(diào)整創(chuàng)新策略，大力提升成果轉(zhuǎn)化率，穩(wěn)定甚至提高了自身的創(chuàng)新績效，在激烈的競爭中重新贏得優(yōu)勢。因此，廣東省醫(yī)藥高新技術(shù)企業(yè)之間創(chuàng)新能力呈現(xiàn)出不均衡特點。

4 結(jié)束語

本文結(jié)合目前技術(shù)創(chuàng)新績效評價研究的現(xiàn)狀，基于高新技術(shù)企業(yè)的特點構(gòu)建了技術(shù)創(chuàng)新能力績效評價指標體系并提出了相應的基于優(yōu)先級層次熵的主、客觀組合賦權(quán)方法。該組合賦權(quán)方法包含主、客觀權(quán)重以及指標優(yōu)先級信息。具體研究結(jié)論如下。

1) 為了對高新技術(shù)企業(yè)創(chuàng)新能力進行績效評價，本文考慮到指標之間存在的優(yōu)先級關(guān)系，以及專家組給出指標優(yōu)先級排序時由于知識、背景所限出現(xiàn)的具有不完全信息的指標優(yōu)先級情況，提出了一種不完全信息指標優(yōu)先級修正方法。

2) 在保證指標優(yōu)先級的前提下將層次分析法和熵值法相結(jié)合，提出了一種包含主、客觀權(quán)重的基于優(yōu)先級層次熵的組合賦權(quán)方法，此方法能夠保證指標優(yōu)先級不變并包含主、客觀權(quán)重，提高了指標權(quán)重的科學性和合理性。

3) 對10家廣東省醫(yī)藥類高新技術(shù)企業(yè)的技術(shù)創(chuàng)新能力進行了案例研究，實例分析表明，基于優(yōu)先級層次熵的主、客觀組合賦權(quán)方法具有一定的實用性和可操作性，該方法可有效地利用已知的評價數(shù)據(jù)，得出的屬性權(quán)重更加客觀、合理，是創(chuàng)新能力績效評價的一種有效方法，而且還可應用于供應商選擇、項目投資決策、人事管理等諸多領(lǐng)域。

然而，由于指標數(shù)據(jù)來源具有一定的局限性，評價體系還存在不足之處，未來將在實際工作中根據(jù)醫(yī)藥類企業(yè)的發(fā)展逐步完善、優(yōu)化指標體系，以期更準確地反映高新企業(yè)的實際技術(shù)創(chuàng)新能力。