楊佳愷,喬立永,孫軍英,靳慧龍

(河北師范大學(xué) 職業(yè)技術(shù)學(xué)院,河北 石家莊 050024)

0 引言

隨著電子信息產(chǎn)業(yè)的不斷發(fā)展,石家莊市正以打造千億級(jí)電子信息產(chǎn)業(yè)為引領(lǐng),勾畫(huà)現(xiàn)代產(chǎn)業(yè)體系藍(lán)圖。提高電子信息產(chǎn)業(yè)創(chuàng)新效率以達(dá)到效率更高更快的生產(chǎn)體系,得到更多的利潤(rùn),是實(shí)現(xiàn)國(guó)家經(jīng)濟(jì)發(fā)展可持續(xù)增長(zhǎng)的重要途徑之一。然而,科技創(chuàng)新和電子信息產(chǎn)業(yè)出現(xiàn)全球化、擴(kuò)大化和長(zhǎng)期化的趨勢(shì)。面對(duì)當(dāng)今電子信息行業(yè)的發(fā)展機(jī)遇,石家莊市乃至我國(guó)能否提升創(chuàng)新效率是國(guó)家經(jīng)濟(jì)發(fā)展的重中之重。為此,對(duì)石家莊電子信息產(chǎn)業(yè)的數(shù)據(jù)進(jìn)行行之有效的分析,從而得到提升創(chuàng)新效率的關(guān)鍵因素,對(duì)我國(guó)有著重要意義。

目前,國(guó)內(nèi)外對(duì)技術(shù)創(chuàng)新效率評(píng)價(jià)指標(biāo)與評(píng)價(jià)模型的研究已初具規(guī)模,本文將對(duì)具體問(wèn)題的評(píng)價(jià)分析研究指標(biāo)以及方法選取進(jìn)行梳理。

從評(píng)價(jià)指標(biāo)來(lái)看,王雙盈[1]研究發(fā)現(xiàn),創(chuàng)新效率難以直接被衡量,必須使用指標(biāo)替代復(fù)雜的影響創(chuàng)新效率的因素。吳永林等[2]選取了R&D全時(shí)人員當(dāng)量以及科研活動(dòng)經(jīng)費(fèi)和新產(chǎn)品開(kāi)發(fā)經(jīng)費(fèi)支出作為輸入變量,其中,R&D全時(shí)人員當(dāng)量指全年從事R&D活動(dòng)累積工作時(shí)間占全部工作時(shí)間的90%及以上人員,而選取R&D全時(shí)人員當(dāng)量作為輸入變量,則是因?yàn)槠渲苯臃从沉似髽I(yè)對(duì)于人力資源的投入情況。劉永松等[3]在研究高技術(shù)企業(yè)創(chuàng)新效率評(píng)價(jià)時(shí)著重強(qiáng)調(diào)了有效發(fā)明專(zhuān)利數(shù)作為技術(shù)創(chuàng)新產(chǎn)出指標(biāo)的重要性。

從研究發(fā)現(xiàn)方法來(lái)看,朱淑敏[4]在研究產(chǎn)業(yè)技術(shù)創(chuàng)新戰(zhàn)略聯(lián)盟運(yùn)行效率時(shí)改進(jìn)了層次分析法,使評(píng)價(jià)體系更為簡(jiǎn)化,評(píng)價(jià)效率也有所提升,但是主觀性并沒(méi)有完全消除,一定程度上會(huì)對(duì)評(píng)價(jià)結(jié)果的科學(xué)性有所影響。韓兵等[5]運(yùn)用兩階段DEA模型對(duì)高技術(shù)企業(yè)的技術(shù)創(chuàng)新績(jī)效進(jìn)行了評(píng)價(jià),但是DEA方法只是對(duì)DMU的相對(duì)效率研究,而非絕對(duì)效率評(píng)估,因此,DEA不能取代傳統(tǒng)比率分析法對(duì)絕對(duì)效率的分析。且DEA中普遍采用的徑向模型和大多數(shù)實(shí)際生產(chǎn)過(guò)程是不一致的,忽略了投入和產(chǎn)出的松弛變動(dòng)。當(dāng)效率與指標(biāo)為負(fù)相關(guān)關(guān)系時(shí),計(jì)算結(jié)果無(wú)法衡量。最為重要且難以避免的是DEA方法中投入產(chǎn)出項(xiàng)的選擇對(duì)效率評(píng)估結(jié)果有著決定性影響,選擇不當(dāng)也會(huì)影響整體的評(píng)價(jià)準(zhǔn)確性。吳棟棟[6]在研究區(qū)域綠色技術(shù)創(chuàng)新績(jī)效評(píng)價(jià)時(shí),采用了改進(jìn)的兩階段DEA網(wǎng)絡(luò)模型,綜合運(yùn)用了多種評(píng)價(jià)模型,將兩階段DEA模型與MML指數(shù)相結(jié)合,但是忽略了網(wǎng)絡(luò)結(jié)構(gòu)中共享關(guān)聯(lián)投入的建模,仍有一定的局限性。

綜上所述,考慮到指標(biāo)制定權(quán)重的主觀性和各指標(biāo)之間可能存在某種不確定性聯(lián)系,且DMU評(píng)價(jià)指標(biāo)的獲取必須有足夠數(shù)量才能使DEA方法奏效,本文將采取模糊Borda評(píng)價(jià)模型將AHP(層次分析法)和熵值法兩種方法進(jìn)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(jià)值的結(jié)果。

1 樣本選取與數(shù)據(jù)來(lái)源

以石家莊作為研究對(duì)象,參考國(guó)內(nèi)外對(duì)于技術(shù)創(chuàng)新指標(biāo)體系構(gòu)建的相關(guān)文獻(xiàn),本文選擇了11個(gè)可以說(shuō)明并反映電子信息產(chǎn)業(yè)創(chuàng)新效率的指標(biāo),如表1所示,分析科技創(chuàng)新效率的動(dòng)態(tài)發(fā)展趨勢(shì)。R&D經(jīng)費(fèi)內(nèi)部支出、政府撥款以及R&B人員全員當(dāng)量是研究和試驗(yàn)發(fā)展的關(guān)鍵因素,反映了對(duì)企業(yè)創(chuàng)新的投入情況。專(zhuān)利申請(qǐng)數(shù)和專(zhuān)利授權(quán)數(shù)是衡量創(chuàng)新產(chǎn)出水平的重要指標(biāo),專(zhuān)利授權(quán)數(shù)在此是指有效發(fā)明專(zhuān)利數(shù)量。新產(chǎn)品銷(xiāo)售收入、利潤(rùn)和工業(yè)總產(chǎn)值體現(xiàn)了一個(gè)產(chǎn)業(yè)的發(fā)展?fàn)顩r。石家莊GDP以及石家莊人均GDP則是經(jīng)濟(jì)增長(zhǎng)要素,體現(xiàn)了石家莊的經(jīng)濟(jì)繁榮情況。

表1 2012—2019年石家莊電子信息產(chǎn)業(yè)創(chuàng)新效率指標(biāo)

2 最優(yōu)權(quán)重計(jì)算——模糊Borda法

AHP屬于主觀賦權(quán)法,當(dāng)因素過(guò)多(超過(guò)9個(gè))時(shí),標(biāo)度工作量太大,易引起標(biāo)度專(zhuān)家反感和判斷混亂,而熵值法忽略了指標(biāo)本身的重要程度,有時(shí)會(huì)導(dǎo)致指標(biāo)權(quán)數(shù)與預(yù)期值差距過(guò)大,故本文采取模糊Borda模型將主觀和客觀權(quán)重賦值法所求權(quán)重相結(jié)合,得出更有價(jià)值的結(jié)果[7-11]。

2.1 主觀賦權(quán)法

2.1.1 AHP

層次分析法簡(jiǎn)稱(chēng)AHP,是指將與決策總是有關(guān)的元素分解成目標(biāo)、準(zhǔn)則、方案等層次,在此基礎(chǔ)之上進(jìn)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(jié)合起來(lái),按照規(guī)律把決策過(guò)程細(xì)致化、層次化、數(shù)量化。這種方法能夠?qū)?fù)雜的問(wèn)題進(jìn)行深入分析,利用較少的定量信息使決策的思維過(guò)程數(shù)學(xué)化,從而為多目標(biāo)的復(fù)雜決策問(wèn)題提供簡(jiǎn)便的決策方法[12-14]。

2.1.2 具體步驟

運(yùn)用層次分析法建模,如圖1所示,大體分為4個(gè)步驟:第一,建立遞階層次結(jié)構(gòu)模型;第二,構(gòu)造各層次所有判斷矩陣;第三,一致性檢驗(yàn);第四,總排序。

圖1 層次分析法步驟

步驟一:分析系統(tǒng)中因素之間的關(guān)系,建立石家莊電子信息產(chǎn)業(yè)創(chuàng)新效率因子系統(tǒng)的遞階層次結(jié)構(gòu)。層次分析法結(jié)構(gòu)如圖2所示。

圖2 層次分析法結(jié)構(gòu)

步驟二:構(gòu)造判斷矩陣,把準(zhǔn)則層的指標(biāo)進(jìn)行比較,并使用數(shù)量化的相對(duì)重要度來(lái)表示,并使用數(shù)字1～9以及其倒數(shù)作為標(biāo)度確定各準(zhǔn)則層對(duì)目標(biāo)層的權(quán)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(yàn)。

(1)依據(jù)判斷矩陣A,經(jīng)歸一化即為同一層次相應(yīng)元素對(duì)于上一層元素相對(duì)重要性的排序權(quán)值,計(jì)算各因素對(duì)目標(biāo)層的權(quán)重。

AW=λmaxW

(1)

式(1)中,A的最大特征根為λmax,對(duì)應(yīng)λmax的正規(guī)化特征向量為W;Wi為W的分量,其指的是權(quán)值,與其相應(yīng)元素單排序相對(duì)應(yīng)。利用判斷矩陣計(jì)算各因素aij對(duì)目標(biāo)層的權(quán)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(yán)重。

(3)根據(jù)CI,RI求解CR值,判斷其一致性是否通過(guò)。

(4)

當(dāng)CR<0.1時(shí),認(rèn)為矩陣的一致性是可以接受的,此時(shí)可用A的特征向量開(kāi)展權(quán)向量計(jì)算;當(dāng)CR>0.1時(shí),需要對(duì)判斷矩陣A進(jìn)行修正。

2.2 客觀賦權(quán)法

2.2.1 熵值法

熵值法是依據(jù)各指標(biāo)值所包含的信息量的多少確定指標(biāo)權(quán)重的客觀賦權(quán)法。熵指一個(gè)指標(biāo)中不確定性的度量,利用熵值計(jì)算差異系數(shù),通過(guò)差異系數(shù)判斷指標(biāo)的離散程度,熵值越大,離散程度越大,對(duì)綜合評(píng)價(jià)的貢獻(xiàn)就越大,則該指標(biāo)的權(quán)重也應(yīng)越大。

2.2.2 具體步驟

假設(shè)i(取值范圍[1,m])表示評(píng)價(jià)對(duì)象,j(取值范圍[1,n])表示評(píng)價(jià)指標(biāo),其原始評(píng)價(jià)矩陣為Dij。

步驟一:指標(biāo)標(biāo)準(zhǔn)化。對(duì)Dij標(biāo)準(zhǔn)化處理得到規(guī)范化矩陣Rij。

步驟二:計(jì)算第i個(gè)研究對(duì)象下第j項(xiàng)指標(biāo)的比重Pij。

步驟三:計(jì)算第j項(xiàng)指標(biāo)的熵值Ej。

步驟四:計(jì)算各指標(biāo)的信息熵。

步驟五:給指標(biāo)賦權(quán),定義權(quán)重Wj。

步驟六:通過(guò)權(quán)重計(jì)算樣本評(píng)價(jià)值即為各對(duì)象效率得分。

2.3 主觀賦權(quán)法和客觀賦權(quán)法綜合評(píng)價(jià)

2.3.1 模糊Borda評(píng)價(jià)模型

模糊Borda法在組合時(shí)需要考慮不同算法導(dǎo)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(yōu)評(píng)分。

2.3.2 具體步驟

步驟一:確定評(píng)價(jià)方法集并對(duì)評(píng)價(jià)對(duì)象進(jìn)行評(píng)價(jià),此處為AHP和熵值法的賦權(quán)結(jié)果。

步驟二:計(jì)算隸屬度。

(5)

式(5)中:tk為評(píng)價(jià)對(duì)象;j為方法數(shù);uij(tk)為綜合評(píng)價(jià)值。

步驟三:計(jì)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(duì)h位的模糊頻數(shù)求和。

步驟四:將綜合排序轉(zhuǎn)化為全新綜合得分Qh。

(8)

步驟五:計(jì)算Borda數(shù)FBi,FBi值越大,名次越靠前。

(9)

3 組合評(píng)價(jià)問(wèn)題

3.1 主觀權(quán)重計(jì)算

由AHP法可得主觀權(quán)重計(jì)算結(jié)果(見(jiàn)表3)。

表3 AHP法求得權(quán)重

判斷矩陣的一致性比例CR=0.997,小于0.1,故滿(mǎn)足一致性要求。

由結(jié)果可得,政府撥款權(quán)重為0.669 0,R&B人員全員當(dāng)量權(quán)重為0.550 0。表明主觀評(píng)價(jià)法中,政府撥款以及R&B人員全員當(dāng)量對(duì)創(chuàng)新效率影響較大。

3.2 客觀權(quán)重計(jì)算

熵值法所求權(quán)重(見(jiàn)表4)為客觀權(quán)重,由結(jié)果可知,專(zhuān)利授權(quán)數(shù)權(quán)重為0.292 3,R&D經(jīng)費(fèi)內(nèi)部支出權(quán)重為0.103,專(zhuān)利申請(qǐng)數(shù)權(quán)重為0.159 7。結(jié)果表明,在客觀分析法中,專(zhuān)利申請(qǐng)以及授權(quán)數(shù)、R&D經(jīng)費(fèi)內(nèi)部支出對(duì)創(chuàng)新效率影響很大。

表4 熵值法計(jì)算權(quán)重

3.3 組合評(píng)價(jià)計(jì)算

經(jīng)過(guò)模糊Borda模型分析,得出基于AHP和熵值法兩種算法的綜合評(píng)價(jià)分?jǐn)?shù)以及排名(見(jiàn)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(jīng)費(fèi)內(nèi)部支出、政府撥款以及R&B人員全員當(dāng)量。此排名將主觀分析法和客觀分析法相結(jié)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(yīng)評(píng)價(jià)方法下各項(xiàng)目的得分值,能更好地利用已有的評(píng)價(jià)信息,從而使得評(píng)價(jià)結(jié)果具有較高的合理性和優(yōu)越性。

圖3 石家莊電子信息產(chǎn)業(yè)創(chuàng)新效率排名

表5 組合評(píng)價(jià)權(quán)重

4 結(jié)語(yǔ)

由上述分析可得,石家莊電子信息產(chǎn)業(yè)創(chuàng)新效率的提升存在很大的空間,使創(chuàng)新效率提高最為有效、起作用最大的分別是R&D經(jīng)費(fèi)內(nèi)部支出、政府撥款以及R&B人員全員當(dāng)量,表明投入資金和政府支持對(duì)創(chuàng)新效率影響因素很大。因此,提出以下政策建議:

第一,政府應(yīng)適當(dāng)增加對(duì)電子信息行業(yè)的資本投入,各企業(yè)適當(dāng)提高對(duì)基礎(chǔ)研究、應(yīng)用研究、實(shí)驗(yàn)發(fā)展的資本投入,可以拓寬投入渠道,同時(shí),石家莊電子信息產(chǎn)業(yè)可以完善經(jīng)費(fèi)預(yù)算體系,使投資經(jīng)費(fèi)可以充分發(fā)揮其作用。

第二,關(guān)注人才培養(yǎng),當(dāng)今社會(huì)人才輩出,尤其是高技術(shù)人才不斷涌入市場(chǎng),石家莊市應(yīng)引入更多的技術(shù)開(kāi)發(fā)人員,從根本上提升技術(shù)創(chuàng)新能力,提高技術(shù)創(chuàng)新效率,以人才引進(jìn)的方式改進(jìn)電子信息產(chǎn)業(yè)的管理水平和規(guī)模。

第三,促進(jìn)專(zhuān)利商品化效率,值得注意的是石家莊電子信息產(chǎn)業(yè)專(zhuān)利申請(qǐng)數(shù)量指標(biāo)排名第4,專(zhuān)利授權(quán)數(shù)量指標(biāo)卻排名第7,說(shuō)明專(zhuān)利授權(quán)數(shù)仍需提升。由2012—2019年石家莊電子信息產(chǎn)業(yè)創(chuàng)新效率指標(biāo)可見(jiàn),專(zhuān)利申請(qǐng)數(shù)以及專(zhuān)利授權(quán)數(shù)逐年增高,并且創(chuàng)新成果轉(zhuǎn)化率相對(duì)于2012年也有了大幅提升,但是現(xiàn)階段仍需要重視專(zhuān)利質(zhì)量,專(zhuān)利的價(jià)值體現(xiàn)在其是否在有效保護(hù)期內(nèi),高質(zhì)量的專(zhuān)利更能夠體現(xiàn)創(chuàng)新產(chǎn)出價(jià)值。將專(zhuān)利轉(zhuǎn)化成能獲得利潤(rùn)的產(chǎn)品,促進(jìn)企業(yè)對(duì)專(zhuān)利轉(zhuǎn)化的重視程度。

本文重點(diǎn)研究了不同因素對(duì)石家莊電子信息產(chǎn)業(yè)創(chuàng)新效率的影響,豐富了石家莊電子信息產(chǎn)業(yè)創(chuàng)新效率的理論文獻(xiàn),為石家莊電子信息產(chǎn)業(yè)創(chuàng)新建設(shè)和發(fā)展提供了理論支撐,為不同地區(qū)制定相應(yīng)的高技術(shù)企業(yè)技術(shù)創(chuàng)新政策提供了決策依據(jù)。