战略性新兴产业科技成果转化综合评价方案的优化选择*

王晓晶 卢章平

（江苏大学科技信息研究所 镇江 212013）

战略性新兴产业科技成果转化综合评价方案的优化选择*

王晓晶 卢章平

（江苏大学科技信息研究所 镇江 212013）

在文献调研分析的基础上，确定4种战略性新兴产业科技成果转化综合评价方案，并采用专家问卷调查法和密切值法对评价方案进行排序，依次是主成分分析法、AHP+ DEA、层次分析法和AHP+FCE。最后对结果进行分析讨论，对各方案做出整体评价。

战略性新兴产业 科技成果转化 评价方法 问卷调查法 密切值法

自党的十八大提出将战略性新兴产业的发展作为引领我国经济产业结构调整的方向以来，各级政府行政机构、地方政府部门都积极响应号召，大力发展相关产业，急切地将科学技术优势转化为经济效益优势[1]。在取得成绩的同时，各地出现盲目攀比发展速度、效益总量，对战略性新兴产业相关成果的转化并没有做好相应评价，评价方法的选择也没有经过验证，这就导致评价结果的可信度降低，从而影响政府部门的决策。本文从整个战略性新兴产业出发，梳理分析其科技成果转化综合评价方法，结合专家问卷调查法及密切值法对其进行优化选择，确定出最适合的评价方法，从而解决现实中评价方法选择的混乱状态，确保战略性新兴产业科技成果的顺利转化。

1 理论基础与研究设计

1.1 理论基础

任何一种评价方法的优化选择都必须放在具体的系统中进行，单纯的讨论其优缺点及应用范围不具有实践操作意义。美籍奥地利理论生物学家冯·贝塔朗菲[2]认为所谓系统，是指由若干相互联系、相互作用的部分组成的，在一定的环境下具有特定功能的有机整体，具有不可分割性、集合性、相关性、目的性和适应性[3]。具体到战略性新兴产业科技成果转化评价方案的优化选择时，评价者不能仅仅只从方法的角度评价，而应该把评价方法放在整个评价系统方案中进行综合评判。评价方法的优劣、适合度影响着整个评价系统方案的结果，相应的整个评价系统方案的评价结果也能证明评价方法选择的准确合适程度。

密切值法运用空间向量概念，所以评价指标分为正向指标评价分值和负向指标评价分值。为了方便计算，通过对指标数据进行同向化处理，就可以把正向指标和负向指标结合在一起考虑。经过标准化处理各项数据后，对于每项评价指标，确定其“最优点”和“最劣点”[4]，计算它们与各评价单元的距离，即密切程度，也就是分别计算最优方案和最劣方案与待评估的评价方案的距离，再计算待评估方案的密切值Cj，通过比较Cj值的大小来确定不同评价方案的优劣。

1.2 调查问卷的设计与评价专家的遴选

理想系统只是一个理论上的、理想化的概念，是系统进化的极限状态，是一个在现实世界中永远无法达到的理想状态。在整个评价系统中，评价方法一方面性能的改善，势必会影响到其他方面性能的发挥。为了得到最为理想平衡的评价方案，笔者将备选评价方案指标调查表分为两个方面：趋利方面和趋弊方面。趋利方面的指标包括评价对象明确、评价方案有用、评价方法易用、评价方案可靠、评价系统改善，趋弊方面的指标包括评价范围缩小、评价功能无效、效率降低、不确定因素增加、影响其他系统。对于趋利方面的指标，该指标优化越多，等级越高，对于趋弊方面的指标，该指标弊端越少，等级越高。小组专家给出定性等级，每一个等级有相应的等级值。

在专家的遴选上，每个专家擅长的领域不同，而且每一种评价方案所涉及的评价成果对象及评价操作主体都是不尽相同的。所以不同领域的专家对不同领域的方案拥有不同的权重，专业相关性越直接权重越大[5]。具体实施步骤为：

Ft表示指标t的影响度，Vte表示专家E对指标t的取值评估结果，则指标t的影响度为：

其中be为专家E的权重，满足为专家数量。

1.3 战略性新兴产业科技成果转化备选评价方案的确定

为了更清楚精确地了解我国学术界在评价战略性新兴产业科技成果转化时所采用的具体方法，本文采用文献调研、文献计量、可视化数据分析的方法来研究。选择CNKI全文数据库、万方数据库为数据源，以“战略性”“新兴产业”“科技成果”“评价方法”为关键词进行组合检索，时间分布为2004～2013年，在CNKI数据库中检索出99条记录，在万方数据库中检索出12条记录，一共得到111篇文献。在调研中发现，很多文献主题为“战略性新兴产业评价研究”，但其内容实质也是对战略性新兴产业科技成果的评价，所以为了保证检索文献的全面性，作者以“战略性”、“新兴产业”“评价方法”为关键字，检索时间段不变，重新进行检索，检索到CNKI数据库有204条，万方数据库1条。通过对两次检索数据的查重整理，最终自动得出204条记录。另外作者在长期阅读中，整理出另外23篇与战略性新兴产业科技成果转化评价方法相关文献，手动加入样本数据，这样共得到227篇相关文献。

文献的关键词是对文章主题的集中描述和高度概括，利用CiteSpace构建关键词术语共被引知识图谱，可以确定一个研究领域的研究热点。其中术语类型为Noun Phrases，节点类型为Keyword（关键词），阀值默认[6]。由于CiteSpace不能智能识别同义名词的不同表述形式，所以对关键词进行手工合并整理，将“层次分析”统一为“层次分析法”、“灰色关联分析”统一为“灰色关联度分析”，把诸如“AHP-FEC”、“AHP-DEA”等多种方法合并使用的关键词统称为“综合评价”。经过关键词的规范清洗，最终得到战略性新兴产业科技成果转化评价方法关键词共现知识图谱（图1）。其中圆形节点代表关键词，方形节点代表术语，从中可以明显看出，在进行战略性新兴产业科技成果转化时，国内学者最常用的评价方法依次为层次分析法、数据包络分析法、灰色关联度分析、综合评价、模糊综合评价及主成分分析法。

图1 战略性新兴产业科技成果转化评价方法关键词共现知识图谱

综合对比战略性新兴产业科技成果的特点以及上述评价方法的优缺点，评价人员在进一步分析研究中，根据系统理论的拆分组合以及局部改变的思路，确定了4种战略性新兴产业科技成果转化备选评价方案：

A：评价方法为单一的层次分析法的评价方案

B：评价方法为AHP-FCE组合评价方案

C：评价方法为AHP-DEA组合评价方案

D：评价方法为主成分分析法的评价方案

2 应用密切值法评估评价备选方案

2.1 战略性新兴产业科技成果转化备选评价方案的指标评估

按照战略性新兴产业科技成果评价所涉及的知识领域，本文作者通过问卷的形式邀请相关专家对以上提出的评价备选方案的每项指标进行打分，再将其结果整理汇总，最终完成对评价方案的评估。

第一步，根据上文设计的科技成果转化评价备选方案的指标处理方法，该评价小组共需要6名成员，分别对每个评价方案各项指标进行打分。

第二步，对评价备选方案的指标进行评估，并根据公式1进行计算，得到表1、表2、表3、表4。

表1 战略性新兴产业科技成果评价方法优化选择评估表（方案A）

?

表2 战略性新兴产业科技成果评价方法优化选择评估表（方案B）

表3 战略性新兴产业科技成果评价方法优化选择评估表（方案C）

评价功能无效 0.18421 0.11500 0.03900 0.38921趋弊效率降低 0.25000 0.20000 0.14000 0.59000不确定因素增加 0.19800 0.06500 0.15000 0.41300影响其他系统 0.25000 0.14200 0.12000 0.51200备注权重分配：根据40法提示中的相关专业性人员类别分配权重直接相关人员：0.5；相关专业人员：0.3，非相关专业人员：0.2

表4 战略性新兴产业科技成果评价方法优化选择评估表（方案D）

2.2 计算过程

首先，将表1、表2、表3、表4的各项指标评估值汇总，得到表5。

表5 指标评估汇总表

将表5中的数据标准化处理，结果详见表6。

表6 备选方案指标化表

从表6中找出最优评价方案和最差方案。其中最优方案为：

最差方案为：

按照密切值的计算公式，要计算出密切值Ci，必须先计算出di+，di-，d+，d-，公式如下：Ci=di+/ d+-di-/d-（i=1，2，···，m）

上面公式中：di+，di-分别表示某方案与最优方案之间的距离，d+，d-分别表示m个最优点距的最小值和n个最劣点距的最大值。Cj的大小反映了方案偏离最优点的程度，当Cj＞0时，方案偏离最优点，其值越大，偏离越远；当Cj=0时，方案最接近最优点。以Cj的大小作为决策准则，Cj最小的方案就是满意方案[7]。

表7详细列出了（rij-ri+）2的计算结果，表8详细列出了（rij-ri-）2的计算结果，表9详细列出了di+、di-、d+、d-、Ci的计算结果。最终，得出战略性新兴产业科技成果转化评价备选方案结果排序表10。

表7 （rij-ri+）2的结果表

表8 （rij-ri-）2结果表

表9 密切值法各参数结果表

表10 战略性新兴产业科技成果转化评价备选方案结果排序表

3 结果分析讨论

在面对同一个评价对象，用不同的评价方法评价时，一定要考虑在更换方法的同时，对整个评价方案其他方面的影响。如果一个评价方案中某项或者某几项的性能得到很突出的改善，而其他性能却没有改善或者改善的程度很小，那么，这个改进后的评价系统就有可能出现不均衡，最终影响评价结果。以方案D为例，从表7中，方案D的一些指标值为零，说明方案D在其指标数值为零的这些性能方面得到了突出的改善；同时在表8中，方案D没有指标数值为零，这说明方案D对整个科技成果的评价各个环节都没有明显的负作用。而方案B，在表7中，只有极少数的指标值为零，说明该方案对于整个评价系统的改善不明显，而在表8中，有4个指标值为零，说明方案B在这些指标性能方面有趋弊现象。为了更好的对比各个评价方案，笔者将依次详细分析比较各项指标，并对优势劣势指标进行排序说明。

3.1 指标比较说明

对于战略性新兴产业科技成果转化评价方法的确定，笔者在调研的过程中，希望了解到对于每一种不同的评价方法在评价时，方案的哪些功能得到了突出的改善，而哪些评价功能又相应的有趋弊的表现，同时，笔者也希望了解到作为一个整体的评价方案，哪个方案在各方面的评价中表现的比较均衡。指标（rij-ri＋）2的值表示该指标距离最优指标的向量绝对值。如果该指标的值为零，就表示该指标是最优指标[8]。以方案D为例，在表7中，(rij-ri+）2指标为零的共有5个，分别是：评价对象明确、评价方法有用、评价范围缩小、评价功能无效、不确定因素增加。其中前2个指标是改善方面的指标，说明在方案D中，这2个指标代表的评价功能与其他3个方案的同一功能相比改善效果最令人满意；对于趋弊方面的指标，在方案D中，这些指标相对于其他3个方案的同一指标恶化程度是最小的。在此基础上，对这些指标进行排序，可以得出在方案D中，哪个指标得到最好的改善，或者说哪个指标趋弊程度最小。在表8中，这5个指标相对应的（rij-ri-）2的值越大，说明该指标距离最差指标距离越远，则这个指标对于评价方案D在最后的评估值中贡献越多；在表8中，方案D的各项指标值（rijri-）2如果越大，则表明该指标对应的评价功能越少，或者说弊端越多，在方案的最终排序中贡献越小[9]。

3.1.1 趋利指标的分析与排序 继续以方案D为例，将上一节中在表7中数值为0的5项指标抽出来，按照他们在表8中（rij-ri-）2值从大到小排列。结果如表11所示。

表11 方案D（rij-ri-）2排序表

从上表可以看出，在方案D中，排序在前两位的指标是趋弊方面的指标，进一步对方案D中所有的（rij-ri-）2值排序，发现所有的趋弊指标都比较靠前，这在一定程度上说明了评价方案D是个比较稳定的方案，其最突出的优点不是对整个评价方案有多大的改善，而在于它对整个方案没有过多的负面作用。对表8中的（rij-ri-）2值进行横向比较，可以得出对于某个指标哪个方案相较于其他方案更具优势。

评价人员可依据优势指标的对比分析结果，来确定哪个评价方法在使用时整体评价方案更稳定，通过分析，可以看出方案D最为理想。

3.1.2 趋弊指标的分析与排序 对方案D的各个指标数值进行分析，从表8中可以看到，方案D没有任何一个数值为零，说明方案D中没有劣势指标。但是，我们可以从表7中，把方案D中所有不为零的（rij-ri+）2指标值从小到大排序，值越大，则说明该指标在对应的方案D中改善空间越小，评价人员可以在评价中有针对性的对该指标进行调整。本案例中，笔者把（rij-ri+）2最大的那个指标值当做方案D的劣势指标，在战略性新兴产业科技成果转化实际评价操作过程中，时刻注意这项指标的影响，并不断调整，最大限度的避免这项指标的负作用。详见表12。

表12 方案D（rij-ri+）2排序表

3.2 方案的整体评价

经过专家问卷调查及密切值法的排序，可以看出，对战略性新兴产业科技成果转化评价来说，方案D即评价方法为主成分分析法是评价效果良好的方案，而方案B评价方法为AHP-FCE组合的评价方案的评价效果比较欠缺。每个评价方案之间的评价效果差距比较大。

方案D评价方法为主成分分析法，比较明显的优势指标是“不确定因素增加”、“评价功能无效”以及“评价对象明确”。通过评价笔者发现，作为近几年国家提出的产业成果类型，战略性新兴产业科技成果的不确定性要比其他成果多，而主成分分析法通过线性变化对多个变量进行降维，以选出重要变量进行分析，同时得到综合变量的特征变量，这种“以点代面”的数据处理评价方法，一定程度上缓解了成果本身的不确定性，清楚地显示每个指标在结果中的作用，使评价对象更明确。评价人员在考虑方案D的基础上，也可以结合其他评价方案的优点，从而扬长避短。

对于其他几种方案，在分析其指标优劣的基础上，并不完全放弃，而是可以考虑对其进行改善。例如对于方案C，AHP-DEA组合，其劣势指标是“评价范围缩小”，DEA评价法本身就是以评价决策的有效性为基础，直接以决策单元的输入输出为变量的，这就决定了它不可能有庞大的评价范围。而方案B，AHP-FCE，其优势指标恰好是“评价范围缩小”，模糊综合评价法，评价结果是评价对象各模糊子集的隶属度，向来以强大的评价范围而著称，评价人员可以结合各个方案的优势指标和劣势指标综合考虑，不断地修正方案，寻求最为理想的评价方案系统。

［1］龚思维.战略性新兴产业企业成长性评价研究［D］.北京：清华大学，2011：5-6.

［2］冯·贝塔朗菲.一般系统论基础发展和应用［M］.北京：清华大学出版社，1987：30-31.

［3］戚汝庆.区域创新系统理论研究综述及展望［J］.经济师，2007（3）：39-41.

［4］唐琳琳，王伟臻.TRIZ理论研究及应用综述［J］.产业与科技论坛，2011（16）：108-109.

［5］刘 蕾，胡 宏，刘 芳.基于密切值法的企业技术创新能力评价——以云南A公司为例［J］.经济问题探索，2011（2）：101-105.

［6］刘 竟，王 慧，徐桂芬.基于共词网络的我国搜索引擎研究热点可视化［J］.情报科学，2012（4）：604-608.

［7］王登瀛.多目标决策方案优选的密切值法［J］.系统工程，1989（1）：33-35.

［8］梁 翌.基于TRIZ理论和密切值法的企业技术创新方案优化研究［D］.昆明：昆明理工大学，2010：25-31.

［9］杨慧民.我国八大区域科技力量的综合评价［J］.科技进步与对策，2008，（9）：40-43.

（责任编校 骆雪松）

Optimal Selection of the Programs for Evaluating the Commercialization of Research Findings in Strategically Emerging Industries

Wang Xiaojing,Lu Zhangping
Institute of Science and Technology Information of Jiangsu University,Zhenjiang 212013,China

Based on the examination of relevant literature,the present article identifies four programs for evaluating the commercialization of research findings in strategically emerging industries and it reveals,with a questionnaire survey of experts and the osculating method, that principal component analysis was the most frequently used method,followed by AHP+ DEA,analytic hierarchy process and AHP+FCE.Finally,discussion is made over the results and each program is evaluated holistically.

strategically emerging industry;commercialization of research findings;method of evaluation;questionnaire survey;osculating interpolation

G322

卢章平，男，1958年生，馆长，教授，博士生导师，研究方向为科技项目评价、专利信息、计算机图形学、计算机辅助设计、逆向工程等，发表论文100余篇；王晓晶，女，1987年生，2010级情报学硕士研究生，研究方向为科技成果转化评价，发表论文2篇。

*本文系镇江市软科学研究计划“科技成果转化对新兴产业推动力的研究”（项目编号：RK2010014）研究成果之一