科技型中小企业合作创新绩效模糊层次评价模型研究

赵维双，孙胜难

(沈阳理工大学 经济管理学院，沈阳 110159)

科技型中小企业指的是从事高新技术产品的研发、生产和销售，且研发投入较大的企业[1]，能够推动科技创新、促进创新成果转化[2]。然而，2020年新冠疫情爆发给众多企业造成重创，虽然科技型中小企业凭借技术优势体现出一定的抗压能力，但大多数科技型中小企业面临长远的生存发展考验。如何在疫情防控常态化情况下，最大限度减轻疫情为科技型中小企业发展带来的影响，抓住特殊的历史机遇是每个科技型中小企业需要考虑的问题[3]。合作创新是创新主体基于共同研发目标、共同资源投入、共同风险承担及创新成果共享的一种联合创新模式[4]，能够帮助科技型中小企业获得异质性创新资源、实现优势互补、风险共担[5]。合作创新绩效直接影响科技型中小企业创新能力，本文通过建立科技型中小企业合作创新绩效模糊层次评价模型，助力科技型中小企业了解合作创新发展现状，提升创新能力。

1 指标体系建立

科技型中小企业合作创新绩效评价是一项复杂工作，受到多种因素的影响，各因素分属不同层次，因此本文采用层次分析法(Analytic Hierarchy Process，AHP)构建科技型中小企业合作创新绩效评价指标体系，包括三个层次:目标层、准则层和因素层，同时依据平衡计分卡原理将准则层指标划分为4个维度[6-8]。

准则层各维度指标包括:①经济效益 反映合作创新为科技型中小企业带来的财务和技术效益，用新产品成本降低率、新产品利润率、创新投资回报率、新产品研发成功率和创新成果转化率来衡量；②外部效益 反映科技型中小企业通过合作创新对社会带来的积极影响，用就业率提升、促进经济增长、污染降低程度、对行业促进作用来衡量；③内部创新系统 反映合作创新过程中科技型中小企业内部运营管理水平，用合作契约执行情况、合作资金使用情况、合作项目运转情况、内部沟通协调机制和合作创新管理水平来衡量；④学习与成长反映科技型中小企业在合作创新过程中的可持续创新能力的变化，用研发人员比重、员工学历结构、员工创新积极性、员工知识更新速度、研发人员流动情况、员工培训强度来衡量。由AHP法所构成的指标体系如表1所示。

图1 合作创新绩效评价指标体系

2 模糊综合评价数学模型构建

科技型中小企业合作创新绩效受多种因素影响，具有模糊性和复杂性，指标间缺乏清晰界限，难以用传统绩效评价方法准确衡量其合作创新绩效，需要选用科学的评价方法，将模糊向量向经典向量转化[9]。基于此，本文采用模糊综合评价法构建数学模型，并利用样本企业检验所构建模型的有效性。模型的具体构建过程如下。

(1)确定因素集U。将影响评价对象的因素按照属性进行划分，构成因素集U为

式中Ui(i＝1，2，…，m)表示影响被评价对象的第i个因素。根据所构建的评价指标体系，可得

(2)确定评语集。评语集是由被评价对象所能达到的评价结果构成的向量，用V表示为

式中vk(k＝1，2，…，n)表示各种评语等级。

本文将评语等级设定为五级，依次为优、良、中、一般、差，即

V＝{v1，v2，v3，v4，v5}＝{优，良，中，一般，差}

在构建评语集时，根据科技型中小企业的特征将定性指标和定量指标评语等级划分为不同的区间段，并给出统一的标准分值[10]，如表1所示。

表1 评价指标的标准分值

(3)建立权重集。权重集是各因素对被评价对象影响程度大小的集合，用A表示为

式中Ai(i＝1，2，…，m)表示第i项指标的权重，满足归一性及非负性，即

指标权重的确定方法很多，本文结合科技型中小企业合作创新特征，采用AHP法确定指标权重。

(4)构造评价矩阵。在对科技型中小企业合作创新绩效U进行综合评价时，需要根据实际情况对因素层指标Uij进行评价。本文采用德尔菲法，从因素Uij出发确定被评价对象在各评语等级上的隶属度，从而构造判断矩阵。

式中:Rij为由因素层指标隶属度向量所构成的判断矩阵；rikj(k＝1，2，…，5)为因素Uij在评语等级k上的隶属度，其中

(5)一级模糊综合评价

根据模糊综合评价原理，得到因素Ui的一级模糊综合评价结果Bi为

式中bik(k＝1，2，…，5)表示因素Ui在第k个评语等级上的隶属度。

计算max{bi1，bi2，…，bi5}，根据最大隶属度原则，确定被评价对象在因素Ui方面的评语等级。

(6)二级模糊综合评价

同理，根据模糊综合评价原理，得到目标层指标U的二级模糊综合评价结果B为

式中bk(k＝1，2，…，5)表示被评价对象在第k个评语等级上的隶属度。

计算max{b1，b2，…，b5}，根据最大隶属度原则，确定被评价对象的模糊综合评价结果。

(8)多个企业综合评价。评价的目的不仅是衡量单个科技型中小企业合作创新绩效，更重要的是衡量整个行业的发展现状，所以需要对多个企业合作创新绩效进行排序，选出最优者，为此需要根据公式(9)对单个被评价对象综合评价结果进行单值化处理。

式中:Wp表示企业p进行单值化处理后的得分；bpk表示企业p在评语等级k上的隶属度；vk为bpk所对应的标准分值，具体数值如表1所示。

(9)评价结果分析。在模糊综合评价中，通常运用最大隶属度原则判断被评价对象的某一指标所处等级，但对其有效性问题很少进行研究。实际上，在某些情况下最大隶属度原则可能失效，如当评价结果B为一组常数时，最大隶属度原则失效。所以，需要对评价结果进行检验，检验公式为

式中:α为最大隶属度原则有效性指数；β为最大隶属度；γ为第二大隶属度。β值和γ值分别由公式(11)和(12)求得。

式中:maxbi为最大隶属度；secbi为第二大隶属度。α和最大隶属度原则有效性关系如表2所示。

表2 α和最大隶属度原则有效性的关系

通过对α分析，可以判断评价结果是否可运用最大隶属度原则确定指标所处等级，同时可以说明判别结果的相对置信水平。当最大隶属度原则失效时，对评价结果进行单值化处理，从而保证评价结果的准确性。

3 应用实例

应用上述模糊综合评价模型，对同一行业的3家科技型中小企业合作创新绩效进行评价，利用调查问卷法，请5位相关方面的专家对评价指标体系中指标的相对重要性进行打分，得到判断矩阵，然后根据AHP法对判断矩阵进行处理，得到指标权重，具体结果如下。

按照表1所确定的评分区间和评语集，对LC公司进行评价，得到模糊评价矩阵，其中vpk分别取95、85、75、65、55。

根据各自的权重，得出单因素综合评价为

由单因素综合评价结果BLC1、BLC2、BLC3、BLC4构成模糊综合评价矩阵RLC。

根据公式(7)得到LC公司合作创新绩效的模糊综合评价结果BLC。

同理可得YJ公司和HT公司的合作创新绩效评价结果为

根据最大隶属度原则，得出LC公司的合作创新绩效等级为“良”，YJ公司的合作创新绩效等级为“良”，HT公司的合作创新绩效等级为“中”。但对综合评价向量进行分析可以发现，针对YJ公司和HT公司来说，最大隶属度和第二大隶属度之间差值较小，需要对最大隶属度原则的有效性进行检验。

根据式(10)计算α值，可得

αLC＝1.94

αYJ＝0.39

αHT＝0.42

对α值进行分析可知，此时运用最大隶属度原则对YJ公司和HT公司合作创新绩效进行评价是低效的，应当分别进行单值化处理。利用式(9)进行计算，可得

WLC＝88.8

WYJ＝84.8

WHT＝84.4

比较上述各值，可以得出LC公司的合作创新绩效最好，而HT公司合作创新绩效最差。

4 结束语

构建科技型中小企业合作创新绩效评价指标体系和模糊层次综合评价模型旨在评价科技型中小企业合作创新的实际情况。通过实例证明，所建立的指标体系和模糊层次综合评价模型具有较强的可操作性和适用性，能够在合作创新绩效评价工作中得到有效应用。随着科技型中小企业间合作进一步深入，建立并完善指标评价体系和评价模型对科技型中小企业提升创新能力具有重要作用。