1、基于 AHPBP 的科技型中小企业创新能力评价研究 【摘 要】 从科研投入、研究开发、创新产出、市场营销和创新保障五个方面选取指标，建立科技型中小企业创新能力评价指标体系，基于京津冀创业板上市公司数据，采用层次分析法与 BP 神经网络相结合的方法对科技型中小企业创新能力进行评价，并分析提高科技型中小企业创新能力的途径。研究发现，运用层次分析法与 BP 神经网络相结合的方法对科技型中小企业的创新能力进行评价十分适用，为科技型中小企业创新能力评价提供了新的视角。文章的研究结论可以促进科技型中小企业提高创新能力，有效地引导投资方向，使科技型中小企业持续健康地发展。 下载 【关键词】 科技型中小企业；
2、 创新能力评价； BP神经网络 【中图分类号】 F272.5 【文献标识码】 A 【文章编号】 1004-5937（ 2017）24-0060-05 引 言 随着经济和科技的迅猛发展，科技型中小企业在国民经济生活中发挥着越来越重要的作用，不仅显著提高了居民的生活水平，还有效促进了经济结构的调整，已然成为国民经济的重要载体。 “ 抓住了科技型中小企业的发展就抓住了国民经济的发展 ” 的观念已逐步深入人心。但是科技型中小企业发展过程中遇到资金缺乏、竞争力 不足等问题，这严重阻碍了科技型中小企业的发展。科学合理地评价科技型中小企业的创新能力不仅能够引导投资者的投资方向，还能够使企业管理层更好地了解企
3、业自身，提高创新能力，增强核心竞争力，突破科技型中小企业发展过程中遇到的瓶颈。基于此，本文将层次分析法和 BP 神经网络相结合，构建科技型中小企业创新能力评价模型，实现科技型中小企业创新能力的科学评价，以利于有效地引导投资方向，同时，促进科技型中小企业提高创新能力，使科技型中小企业持续健康地发展。 一、评价指标体系的构建 为了能够对科技型中小企业的创 新能力进行科学有效的评价，需要本着科学、客观、全面、可持续的原则，并结合科技型中小企业自身的特点进行指标的选取。依据创新能力基本理论，并参照国家统计局（ 2006）中国企业自主创新能力分析报告中提出的用以评价我国企业技术创新能力四大指标，以及游达
4、明等提出的高新技术企业技术创新能力评价指标，本文从科研投入、研究开发、创新产出、市场营销和创新保障五个方面选取指标，构建了包含 15 个指标的科技型中小企业创新能力评价指标体系，如图 1所示。 （一）科研投入能力指标 研究与开发投入量是创新的重要组成 部分，与创新活动的强度、规模和水平有很强的相关性，科研投入是创新产出的前提，所以科研投入在科技型中小企业的创新能力评价中占有举足轻重的地位。科研投入包括财力和人力两个方面，本文构建的科研投入指标包括研发费用投入强度、科研人员投入强度和人员培训支出力度。 C1=研发费用投入强度 =研发费用 营业收入 100% C2=科研人员投入强度 =研发人员 总
5、人数 100% C3=人员培训支出力度 =?付职工教育经费发生额 应付职工薪酬发生额100% （二）研究开发能力指标 研究开发能力是指企业将科研投入的资源用于科研创新的能力。科研投入固然很重要，但没有研究开发，科研投入的资源将付诸东流。所以研究开发能力是将企业投入的资源转化为科研成果的必经之路。专利在一定程度上代表了知识的创造和利用程度，通过对科技型中小企业专利申请数、专利申请速度等统计分析，可以获得科技型中小企业创新的基本情况。本文构建的研究开发指标包括专利著作权拥有数、产品研发周期、研究开发成功率。 C4=专利著作权拥有数 =专利、软件著作权、实用新型等拥有的数量 C5=产品研发周期 =3
6、60 一年内 新产品的数量 100% C6=研究开发成功率 =资本化研发支出 总研发支出 100% （三）创新产出能力指标 创新产出能力是指企业科研创新的最终成果。企业进行科研投入和研究开发的目的就是产生科研成果，进而将科研成果转化为企业的核心竞争力。因此，创新产出能力包括科研成果和经济效益两个方面。参照前人研究成果，本文的创新产出能力指标包括开发资本化金额、开发能力增长率、新产品利润率。 C7=开发资本化金额 =当年科研开发能够资本化的金额 C8=开发能力增长率 =开发资本化 增长的金额 上年开发资本化金额100% C9=新产品利润率 =新产品利润 新产品的营业收入 100% （四）市场营销
7、能力指标 市场营销能力是指企业对产品进行营销推广的能力。科技型中小企业的市场营销能力越高，才能将越多的科研成果转化为经济利益，因此市场营销能力是创新能力评价体系中不可或缺的一部分。参照前人研究经验，本文的市场营销能力指标包括市场营销强度、销售人员人均创利、销售人员比重。 C10=市场营销强度 =销售费用 营业收入 100% C11=销售人员人均创 利 =营业收入 销售人员数 100% C12=销售人员比重 =销售人员 总人数 100% （五）创新保障能力指标 创新保障能力指企业能够为科研创新保持良好的财务环境。只有拥有良好的创新环境，科技型中小企业才能持续地进行创新。因此科技型中小企业必须保持
8、良好的财务和经营状况，避免创新过程中出现资金供应不足等状况。本文创新保障能力指标包括资产负债率、流动资产周转率和每股经营现金净流量。 C13=资产负债率 =负债总额 资产总额 100% C14=流动资产周转率 =营业收入 流动资产平均余额 100% C15=每股经营现金净流量 =经营活动现金净流量 总股本 100% 二、评价模型的构建 本文在所构建的科技型中小企业创新能力评价指标体系基础上，运用层次分析法确定各个指标的权重，得到科技型中小企业创新能力的综合评分，然后采用 BP 神经网络进行科技型中小企业创新能力的评价，从而得到科技型中小企业创新能力评价模型，模型建立过程如图 2所示。运用层次分
9、析法和 BP 神经网络相结合的方法构建科技型中小企业创新能力评价模型，既降低了层次分析法的主观性，又提高了 BP 神经 网络的科学性。 （一）指标权重的确定 本文运用层次分析法确定 5个准则层和 15个二级指标的权重，具体操作步骤如下。 首先，建立科技型中小企业创新能力评价指标体系，明确各个指标之间的层次关系。 其次，根据指标的实际特点和指标间的关系，邀请专家对指标的重要性进行判断，从而构造两两判断矩阵。 最后，运用层次分析法软件计算得到特征向量和各指标的权重，并进行一致性检验。 （二）神经网络模型的构建 BP 神经网络即误差逆传播神经网络，是能够实现映射变化的前馈 型网络。BP 神经网络的基
10、本思想是调节网络的权值和阈值使网络输出的误差平方最小，使输出值尽可能接近目标值。 BP 神经网络由于结构简单，易于编程，在诸多领域有广泛的应用，其具体操作步骤如下。 1.确定输入输出节点数目和隐含神经元数量，选定传递函数，并完成对数据的预处理，得到训练样本数据和检验样本数据。 2.输入学习样本数据 xk， k=1， 2， ， M； M为输入层的个数，通过映射关系得到输出值 yk。 3.对权值进行修正，通过输出节点和隐含层之间的权值修正方法对权值进行修正，从而不断缩小误差 ，直到误差减小到规定的范围之内，否则返回步骤 2 继续训练。 4.验证检验样本数据，完成训练之后，输入检验样本数据，比较输出
11、值与目标值之间的差距，从而对检验数据进行验证。 三、实证研究 （一）数据来源 创业板上市公司是科技型中小企业的一部分，本文选择创业板上市的公司数据对科技型中小企业进行研究，能够反映科技型中小企业中存在的一些问题，具有一定的代表性。因此，本文随机选取京津冀地区在创业板上市的 21家公司数据作为研究对象，其中 18家公司数据作为训练样本数据，3 家上市公司数据 作为检验样本数据。在进行实证研究时假设所有公司提供的财务报告真实可信。 （二）指标权重的计算 若要对科技型中小企业的创新能力进行评价，首先要确定创新能力评价指标的权重，本文在构建的科技型中小企业创新能力评价指标体系的基础上，组织专家对创新能
12、力评价指标的重要性进行判断，从而得到创新能力评价指标的权重，并进行一致性检验。 1.专家根据创新能力评价指标的特点和指标间的关系，对指标的重要性进行判断，从而构造出指标间的判断矩阵。 2.通 ?层次分析法软件计算得到科技型中小企业创 新能力评价指标权重及一致性检验，如表 1所示。 （三）神经网络模型的应用 1.神经网络模型的建立 1989 年， Robert Hecht Nielsen 已证明：任意给定的连续函数 =XY ，则 可以精确地由一个三层网络实现。因此，本文选用三层的 BP神经网络，由一个输入层、一个隐含层和一个输出层构成。本文构建了包含 15 个指标的科技型中小企业创新能力评价指标
13、体系，输入节点数应与评价指标个数相对应，输出节点与目标指标的数量相对应，所以本文有 15个输入节点， 1个输出节点。隐含神经元数量的确 定一般参考经验公式 j=+a， j=Log2n， j=，n为输入节点数， m为输出节点数， a为 110 之间的常数，本文考虑上述经验公式选择隐含节点数 j=9。神经元间的传递函数采用正切 Sigmoid 函数tansig，输出层选用纯线性 purelin。 2.样本数据预处理 在神经网络训练之前，应该对样本进行标准化处理。处理方式如下所示。 3.BP 神经网络的训练与测试 本文拥有 21组科技型中小企业创新能力评价数据，其中 18 组数据作为训练样本数据，
14、3 组数据作为检验样本数据。输入向量为各 个指标的原始数据，输出向量为通过 AHP和数据标准化计算的创新能力综合评分数据。本文通过 MATLAB 7.0 计算科技型中小企业创新能力，各个参数设置如下。训练精度为 e，训练次数为 60 000，学习系数为 0.35，学习规则为 traingdm，性能函数为 mse 函数，在 MATLAB 7.0 中执行程序代码后，网络经过 29 505次迭代，达到训练精度要求，如图 3所示。 从图 4 可以看出，专家评价数据和仿真模拟数据非常接近（实际值与预测值几乎重合），这表示网络训练成功。 从表 2 和表 3 可以看出，利用神经网 络进行科技型中小企业创新能
15、力评价误差较小，训练样本期望输出和实际输出的最大误差为 0.0028，检验样本期望输出和实际输出的最大误差为 0.0669，在科技型中小企业创新能力评价中这个误差在可接受的范围之内，所以利用 AHP-BP 神经网络进行科技型中小企业创新能力评价是可行的。将训练好的 BP 神经网络文档保存，再对其他科技型中小企业创新能力评价时，输入原始指标数值即可得到这些科技型中小企业创新能力的评分。 将 AHP-BP神经网络计算得到的科技型中小企业创新能力评价结果排序并分类，创新能力综合评分大于 0.4的科技型中小企业创新能力处于高水平，创新能力综合评分位于 0.3和 0.4之间的科技型中小企业创新能力处于中
16、等水平，创新能力综合评分小于 0.3的科技型中小企业创新能力处于低水平，京津冀三个地区创新能力表现如表 4所示。 同北京、天津相比，河北省的科技型中小企业创新能力水平处于中低层，创新能力较弱，核心竞争力有待于进一步提高。河北省科技型中小企业创新能力较低是由于科研投入和研究开发能力较弱，所以只有加大科研投入和研究开发力度，才能提升河北省科技型中小企业的创新能力。 四、研究结论 在经 济科技迅猛发展和京津冀一体化的背景下，对科技型中小企业创新能力进行评价具有深远的理论和实践意义，本文的研究结论如下。 1.运用层次分析法与 BP神经网络相结合的方法来对科技型中小企业的创新能力进行评价，这种评价方法不
17、仅使神经网络能够吸收学习专家的经验，还减少了专家评价中的人为因素，使评价结果更为科学客观，这为科技型中小企业的创新能力评价提供了参考。 2.通过实证研究验证了 AHP-BP神经网络的适用性，使科技型中小企业的创新能力得以量化，有利于提高企业的核心竞争力，有利于引导投资者的投资方向 ，有利于科技型中小企业持续稳定的发展，并且评价方法简单易于操作，有一定的实践意义。 3.通过科技型中小企业的创新能力排名情况来看，河北省科技型中小企业的创新能力位于中低层，在科研投入、研究开发与创新产出方面需要进一步提高。只有加大科研投入力度，提高研究开发能力，增强创新产出能力，河北省的科技型中小企业才能抓住京津冀一
18、体化的契机奋起直追，持续健康地发展。 由于水平有限，本文存在一些不足，科技型中小企业创新能力评价指标选取时没有考虑一些定性因素，只有定量因素的创新能力评价指标体系尚不能够全面 概括科技型中小企业创新能力。今后的研究中，笔者会进一步搜集影响科技型中小企业创新能力的定性因素，尽可能全面客观地反映科技型中小企业的创新能力。 【参考文献】 游达明，杨文峰 .高新技术企业技术创新能力评价指标的构建及其应用J.技术经济， 2003（ 8）： 53-55. 郭立田 .企业自主创新能力确认测度与评价 无形资产研究的新视觉J.会计之友， 2006（ 7 下）： 4-6. 陈茂清 .广东省科技型中小企业自主创新能力评价体系研究 D.华南理工大学硕士学位论文， 2014. 郭嫱 .科技型中小企业技术创新能力比较研究 D.天津财经大学硕士学位论文， 2014. 傅建华，张莉 .基于 AHP 与 BP 神经网络模型的循环经济绿色营销绩效评价 J.科技管理研究， 2012（ 20）： 215-220， 242. 王英，王灿，孙新泽 .基于 AHP-BP神经网络的江苏省创新型经济评价 J.科技管理研究， 2016（ 9）： 68-72.
