毛良虎 劉然 李煥煥

摘 要：根據(jù)公司企業(yè)家精神理論和長三角中小企業(yè)的特性，構(gòu)建包含創(chuàng)新精神、創(chuàng)業(yè)精神和企業(yè)家才能三個維度的企業(yè)家精神的測量指標體系，并提出基于模糊神經(jīng)網(wǎng)絡的長三角企業(yè)家精神測量模型。結(jié)果表明，該模型利用模糊處理和自主學習等能力解決了已有測量研究中出現(xiàn)的不確定性、非線性、多重性等復雜問題，實現(xiàn)了對長三角企業(yè)家精神的科學測量和有效分析，相較于BP神經(jīng)網(wǎng)絡模型具有更高的精準性和穩(wěn)定性，為企業(yè)家精神的測量研究提供了理論支持，并具有借鑒意義。

關(guān)鍵詞：企業(yè)家精神；模糊神經(jīng)網(wǎng)絡；中小企業(yè)

中圖分類號：F276.3 ? ? ? ?文獻標志碼：A ? ? ?文章編號：1673-291X（2022）33-0014-03

引言

近年來，隨著國內(nèi)外學者對企業(yè)家精神內(nèi)涵的深入探究，認為企業(yè)家精神是以創(chuàng)新、創(chuàng)業(yè)為核心，在企業(yè)創(chuàng)立、經(jīng)營和管理的過程中，表現(xiàn)出的一種技術(shù)才能和精神素養(yǎng)，是一種特殊的不可或缺的無形資產(chǎn)，在企業(yè)或組織里發(fā)揮著重要的作用。其中，長三角地區(qū)作為各類企業(yè)最為活躍的集中地，涌現(xiàn)出具有各種特質(zhì)的企業(yè)家精神[1]，如“創(chuàng)新”“冒險”“進取”等。而長三角地區(qū)企業(yè)家精神的多樣性導致了其測量研究的復雜性和困難性，缺乏對該地區(qū)企業(yè)家精神發(fā)展情況的全面了解和科學認識。因此，本研究旨在選擇合理的測量方法，通過構(gòu)建科學的測量體系和模型實現(xiàn)對長三角企業(yè)家精神的科學測量和精準分析，為長三角地區(qū)營造健康的企業(yè)家成長環(huán)境、激發(fā)和保護企業(yè)家精神具有借鑒意義。

在現(xiàn)有企業(yè)家精神的評價方法上，多數(shù)學者主要采用主觀評測法，即通過問卷調(diào)查的方法直接對企業(yè)家精神進行結(jié)構(gòu)化分析。Covin & Slevin等最早提出了關(guān)于企業(yè)家精神的測量量表，該量表的設計原理和內(nèi)容為之后的研究者提供了理論基礎[2]。李巍等在此基礎上對量表進行改進，采用Likert量表法對企業(yè)家精神進行評價[3]。其次是間接代理法，即選擇與評價對象相關(guān)的指標，通過數(shù)理模型計算進行實證分析，如謝眾利用計量模型，評估了企業(yè)家精神和企業(yè)績效的發(fā)展情況[4]。毛良虎選用熵值法和三次差異驅(qū)動，直接對企業(yè)家精神進行定量分析[5]。上述方法雖然實現(xiàn)了對企業(yè)家精神的測量分析，但簡單的計量分析和模型檢驗不能全面表現(xiàn)出企業(yè)家精神的內(nèi)在特質(zhì)和邏輯結(jié)構(gòu)。企業(yè)家精神概念的模糊性，使其評價是一個多為定性因素的多目標評價問題，需要在對各因素定性分析的基礎上定義出其綜合的量化指標，因此在企業(yè)家精神評價方法的選擇上應考慮到上述測量方法的不足和研究目標的特性。

通過文獻檢索發(fā)現(xiàn)，肖會敏利用模糊神經(jīng)網(wǎng)絡解決了評價體系的多層次、多維度和評價過程中出現(xiàn)的模糊性和盲目性問題[6]。祝玉婷等運用模糊數(shù)學的概念，解決了測量研究中出現(xiàn)的不確定性、多重性和復雜性問題[7]。模糊神經(jīng)網(wǎng)絡具有較強的自主學習性、適應性和容錯性，是研究非線性關(guān)系的重要方法，能夠模糊處理企業(yè)家精神測量研究中的關(guān)系不明確復雜問題。因此，本文以長三角中小企業(yè)為研究對象，根據(jù)公司企業(yè)家精神理論和企業(yè)發(fā)展特性，構(gòu)建一套全面系統(tǒng)的企業(yè)家精神測量指標體系，利用模糊神經(jīng)網(wǎng)絡模型對長三角企業(yè)家精神進行全面科學的測量研究，并通過對比BP神經(jīng)網(wǎng)絡結(jié)果，驗證模糊神經(jīng)網(wǎng)絡模型的有效性，從而豐富模糊神經(jīng)網(wǎng)絡的應用領(lǐng)域，為發(fā)展和培育企業(yè)家精神提供科學的理論依據(jù)與方法支撐。

一、指標與樣本來源

（一）指標選擇

遵循科學性、客觀性以及可實現(xiàn)性等原則，結(jié)合中小企業(yè)發(fā)展動力強、開創(chuàng)能力強的特點，從微觀角度上選取能夠代表中小企業(yè)特點的指標。在公司層面的理論研究中，葉勤強調(diào)企業(yè)家精神最重要的組成成分是創(chuàng)業(yè)、創(chuàng)新和企業(yè)家，三者分別是基礎、核心和人格化主題[8]。龐長偉等從資源和企業(yè)家才能的角度，解釋企業(yè)家精神是企業(yè)家發(fā)揮自身才能進行新資源創(chuàng)造、現(xiàn)有資源創(chuàng)新性整合與利用的過程[9]。因此，公司企業(yè)家精神中，創(chuàng)新與創(chuàng)業(yè)是其中的核心內(nèi)容，企業(yè)家是實現(xiàn)創(chuàng)新創(chuàng)業(yè)活動的主體，企業(yè)家才能是公司利用企業(yè)家精神實現(xiàn)價值創(chuàng)造的重要內(nèi)容。因此在測量維度的選擇上，借鑒參考邢小強等[10]提出的創(chuàng)新精神和創(chuàng)業(yè)精神，謝眾等[4]從創(chuàng)新、創(chuàng)業(yè)和經(jīng)營能力對企業(yè)家精神進行評價研究，歐雪銀[11]在研究中提出的制度創(chuàng)新概念、張玉利等[12]提出的有關(guān)企業(yè)家創(chuàng)業(yè)精神的市場識別和開創(chuàng)能力、Zhen H.&Man L[13]提出的物質(zhì)財富最大化是企業(yè)家生產(chǎn)經(jīng)營活動的首要動力，并結(jié)合中小企業(yè)具有以自主創(chuàng)新為發(fā)展核心、R&D費用資本化率高、銷售收入比重大、成長速度快、經(jīng)濟效益好的特點，構(gòu)建了綜合評價指標體系，見表1。

（二）樣本來源

中小企業(yè)對企業(yè)家精神的貢獻明顯，因此選取2018年長三角地區(qū)所有非ST的中小板和創(chuàng)業(yè)板上市公司的財報，確定以355家上市公司數(shù)據(jù)作為實證樣本，以上數(shù)據(jù)來源于國泰安數(shù)據(jù)庫。

二、實證研究

（一）企業(yè)家精神模型構(gòu)建

本文采用毛良虎等對企業(yè)家精神測度中使用的熵值法對變量進行求權(quán)，并利用求和的結(jié)果作為模糊神經(jīng)網(wǎng)絡的輸出，促進神經(jīng)網(wǎng)絡模型的構(gòu)建。再利用模糊神經(jīng)網(wǎng)絡模型作為中小企業(yè)企業(yè)家精神測量評價方法，既提升模型分析復雜信息、數(shù)據(jù)的能力，更利于處理模糊數(shù)據(jù)和計算量大的內(nèi)容。

（二）描述性統(tǒng)計

由于指標變量的數(shù)量級、性質(zhì)都不同，首先對11個指標進行標準化處理，再進行描述性統(tǒng)計?？傮w而言，波動最大的前三名分別是研發(fā)人力資本、制度創(chuàng)新能力、市場研究能力，標準差分別為0.1923、0.1564、0.1541，說明這三方面對企業(yè)家精神測量的影響最大。其他指標的標準差落在區(qū)間[0.05，0.10]之間，說明其余8個指標對企業(yè)的企業(yè)家精神影響程度近似。

（三）模型訓練

模型的建立和測試選擇Matlab R2018a進行實操建模。為了觀察模型自身能夠達到的極限，容許誤差設為0，訓練步數(shù)設為1 000步。利用Python的Random模塊對數(shù)據(jù)進行劃分。訓練集占70%，包含249組數(shù)據(jù)，測試集占30%，包含106組數(shù)據(jù)，以下對建模仿真過程進行闡述。

首先，利用熵值法求出各變量的權(quán)重并加權(quán)求和，并作為輸出。其次，建立初始模型。選用Sub.clustering（子聚類）作為模型的隸屬度函數(shù)，在生成FIS時，將Reject ratio設置為0.0001。最后，在運行中發(fā)現(xiàn)在訓練超過10步左右時，模型顯著收斂，確定該網(wǎng)絡作為基于模糊神經(jīng)網(wǎng)絡的企業(yè)家精神測量模型。

（四）模型檢測

1.FNN的結(jié)果。訓練后再對測試集檢測，并利用evalfis函數(shù)導出仿真輸出。對比仿真輸出和熵值結(jié)果，發(fā)現(xiàn)FNN誤差在10%以內(nèi)的準確率是100%，說明模糊神經(jīng)網(wǎng)絡模型在中小企業(yè)企業(yè)家精神測量時具有較強的穩(wěn)定性和有效性。

2.與BP神經(jīng)網(wǎng)絡對比。在BP神經(jīng)網(wǎng)絡模型中，環(huán)境參數(shù)和關(guān)鍵設置與FNN訓練時的保持一致。訓練過程不同于FNN，BP在前50步訓練時波動很大。100步之后才趨于穩(wěn)定，約550步之后誤差再次縮小。訓練完成后的過程同F(xiàn)NN。

檢測完成后可以發(fā)現(xiàn)：一是FNN相對于BP，訓練和檢測誤差都更??；二是利用FNN訓練和BP訓練模型的過程擬合檢驗結(jié)果使用RMSE（均方根誤差）反映，分別為0.000089和0.001479，F(xiàn)NN的RMSE比BP的更小，說明利用FNN模型結(jié)果更優(yōu)，波動性也更小，穩(wěn)定性更好。原因在于，BP算法只進行局部優(yōu)化，在訓練的初始階段隨機權(quán)值不固定，利用神經(jīng)網(wǎng)絡加快運算速度，容易在算法過程中導致局部極值，在訓練和檢測中很大概率上出現(xiàn)不確定性。經(jīng)過多次論證檢驗，結(jié)果保持一致。

最后，公司的企業(yè)家精神評價值分布在[0.02-0.08]的發(fā)展水平內(nèi)，其中有29家企業(yè)在[0.02-0.04]內(nèi)、34家企業(yè)在[0.04-0.06]內(nèi)、30家企業(yè)在[0.06-0.08]內(nèi)，少數(shù)企業(yè)家精神的發(fā)展水平較高，起到帶頭作用。綜上所述，長三角地區(qū)2018年創(chuàng)業(yè)板和中小板各上市公司的企業(yè)家精神的發(fā)展水平差異性較低，整體處于一種穩(wěn)健的發(fā)展狀態(tài)。

結(jié)語

基于長三角地區(qū)2018年創(chuàng)業(yè)板和中小板上市公司數(shù)據(jù)，構(gòu)建包含創(chuàng)新精神、創(chuàng)業(yè)精神和企業(yè)家才能共計11個評價指標的中小企業(yè)企業(yè)家精神測量指標體系，運用熵值法對企業(yè)家精神進行初步計算，并運用模糊神經(jīng)網(wǎng)絡模型對上述數(shù)據(jù)開展企業(yè)家精神測量。對比BP模型的訓練和檢測結(jié)果后發(fā)現(xiàn)，一是FNN在中小企業(yè)企業(yè)家精神的測量評價方面的正確率高，波動?。欢墙＿^程更加合理，理論推理更加清晰。因此，通過模糊理論改進形成的模糊神經(jīng)網(wǎng)絡推理系統(tǒng)，能夠有效運用于中小企業(yè)的企業(yè)家精神測量模型構(gòu)建。模型能夠?qū)崿F(xiàn)財務指標與非財務指標的結(jié)合，主觀性與客觀性結(jié)合，有利于批量處理數(shù)據(jù)，并對定性內(nèi)容定量化。明確的計算過程和決策規(guī)則，適用于企業(yè)家精神測量研究并具有穩(wěn)定性。

本研究也存在一些不足之處，首先，數(shù)據(jù)來源的區(qū)域限制，由于長三角地區(qū)已經(jīng)實現(xiàn)對江浙滬皖全境覆蓋。因此，缺少安徽中小企業(yè)上市公司的樣本。其次，樣本選取2018年，缺乏多年數(shù)據(jù)的驗證，沒有反映出企業(yè)家精神的動態(tài)變化。在未來研究中，擴展企業(yè)家精神的研究區(qū)域，提高研究的適用性和應用價值，同時研究動態(tài)規(guī)律和潛在發(fā)展趨勢。通過對長三角中小企業(yè)家精神的測量，加強企業(yè)間的交流合作，了解各企業(yè)的發(fā)展情況，選擇與自身發(fā)展相匹配的企業(yè)，在合作過程中相互促進，實現(xiàn)長三角中小企業(yè)家精神的協(xié)同發(fā)展。

參考文獻：

[1] ?郗若伊，李安琪，張秀娥.企業(yè)家精神對中小企業(yè)績效的影響機制探究[J].現(xiàn)代商業(yè)，2019，（6）：108-111.

[2] ?Jeffery G.C.，Dennis P.S.A Conceptual Model of Entrepreneurship as Firm Behavior[J].Entrepreneurship Theory and Practice，1991，（1）：7-25.

[3] ?李巍，丁超.企業(yè)家精神、商業(yè)模式創(chuàng)新與經(jīng)營績效[J].中國科技論壇，2016，（7）：124-129.

[4] ?謝眾，張杰.營商環(huán)境、企業(yè)家精神與實體企業(yè)績效——基于上市公司數(shù)據(jù)的經(jīng)驗證據(jù)[J].工業(yè)技術(shù)經(jīng)濟，2019，（5）：89-96.

[5] ?毛良虎，李煥煥，楊葉凡，劉然.基于熵值法的企業(yè)家精神評價體系構(gòu)建[J].統(tǒng)計與決策，2020，（6）：156-160.

[6] ?肖會敏，侯宇，崔春生.基于BP神經(jīng)網(wǎng)絡的P2P網(wǎng)貸借款人信用評估[J].運籌與管理，2018，（9）：112-118.

[7] ?祝玉婷，韓瑩，袁安富.基于改進的Pythagorean模糊語言集的可持續(xù)實驗室評價方法[J].運籌與管理，2019，（11）：149-155.

[8] ?葉勤.企業(yè)家精神的興起對美國經(jīng)濟增長的促進作用及其啟示[J].外國經(jīng)濟與管理，2000，（10）：16-20.

[9] ?龐長偉，李垣.制度轉(zhuǎn)型環(huán)境下的中國企業(yè)家精神研究[J].管理學報，2011，（10）：1438-1443.

[10] ?邢小強，周平錄.中國區(qū)域企業(yè)家精神的評估與分析[J].技術(shù)經(jīng)濟，2018，（7）：47-56+80.

[11] ?歐雪銀.公司企業(yè)家精神的內(nèi)涵與構(gòu)成[J].社會科學家，2011，（2）：67-70.

[12] ?張玉利，謝巍.改革開放、創(chuàng)業(yè)與企業(yè)家精神[J].南開管理評論，2018，（5）：4-9.

[13] ?Zhen H，Man L.Analysis of the Path of Innovation and Entrepreneurship Development of Business Management Major[P].Proceedings of the 2018 8th International Conference on Education and Management（ICEM 2018），2019.

Measurement of Small and Medium Sized Entrepreneurship Based on Fuzzy Neural Network

MAO Liang-hu，LIU Ran，LI Huan-huan

（Business School，Changzhou University，Changzhou 213159，China）

Abstract：According to the theory of corporate entrepreneurship and the characteristics of small and medium-sized enterprises in the Yangtze River Delta，this paper constructs a measurement index system of entrepreneurship，which includes three dimensions of innovation，entrepreneurship and entrepreneurial talent，and puts forward a measurement model of entrepreneurship in the Yangtze River Delta Based on fuzzy neural network.The results show that the model uses the ability of fuzzy processing and autonomous learning to solve the uncertainty，nonlinearity，multiplicity and other complex problems in the existing measurement research，realizes the scientific measurement and effective analysis of the entrepreneurship in the Yangtze River Delta，and has higher accuracy and stability than the BP neural network model，It provides theoretical support and reference for the measurement of entrepreneurship.

Key words：entrepreneurship；fuzzy neural network；small and medium-sized enterprises