基于AHP—BP的科技型中小企業創新能力評價研究

李素英+王貝貝+馮雯

【摘 要】 從科研投入、研究開發、創新產出、市場營銷和創新保障五個方面選取指標，建立科技型中小企業創新能力評價指標體系，基于京津冀創業板上市公司數據，采用層次分析法與BP神經網絡相結合的方法對科技型中小企業創新能力進行評價，并分析提高科技型中小企業創新能力的途徑。研究發現，運用層次分析法與BP神經網絡相結合的方法對科技型中小企業的創新能力進行評價十分適用，為科技型中小企業創新能力評價提供了新的視角。文章的研究結論可以促進科技型中小企業提高創新能力，有效地引導投資方向，使科技型中小企業持續健康地發展。

【關鍵詞】 科技型中小企業； 創新能力評價； BP神經網絡

【中圖分類號】 F272.5 【文獻標識碼】 A 【文章編號】 1004-5937（2017）24-0060-05

引 言

隨著經濟和科技的迅猛發展，科技型中小企業在國民經濟生活中發揮著越來越重要的作用，不僅顯著提高了居民的生活水平，還有效促進了經濟結構的調整，已然成為國民經濟的重要載體。“抓住了科技型中小企業的發展就抓住了國民經濟的發展”的觀念已逐步深入人心。但是科技型中小企業發展過程中遇到資金缺乏、競爭力不足等問題，這嚴重阻礙了科技型中小企業的發展。科學合理地評價科技型中小企業的創新能力不僅能夠引導投資者的投資方向，還能夠使企業管理層更好地了解企業自身，提高創新能力，增強核心競爭力，突破科技型中小企業發展過程中遇到的瓶頸。基于此，本文將層次分析法和BP神經網絡相結合，構建科技型中小企業創新能力評價模型，實現科技型中小企業創新能力的科學評價，以利于有效地引導投資方向，同時，促進科技型中小企業提高創新能力，使科技型中小企業持續健康地發展。

一、評價指標體系的構建

為了能夠對科技型中小企業的創新能力進行科學有效的評價，需要本著科學、客觀、全面、可持續的原則，并結合科技型中小企業自身的特點進行指標的選取。依據創新能力基本理論，并參照國家統計局（2006）《中國企業自主創新能力分析報告》中提出的用以評價我國企業技術創新能力四大指標，以及游達明等[1]提出的高新技術企業技術創新能力評價指標，本文從科研投入、研究開發、創新產出、市場營銷和創新保障五個方面選取指標，構建了包含15個指標的科技型中小企業創新能力評價指標體系，如圖1所示。

（一）科研投入能力指標

研究與開發投入量是創新的重要組成部分，與創新活動的強度、規模和水平有很強的相關性[2]，科研投入是創新產出的前提，所以科研投入在科技型中小企業的創新能力評價中占有舉足輕重的地位。科研投入包括財力和人力兩個方面，本文構建的科研投入指標包括研發費用投入強度、科研人員投入強度和人員培訓支出力度。

C1=研發費用投入強度=研發費用÷營業收入×100%

C2=科研人員投入強度=研發人員÷總人數×100%

C3=人員培訓支出力度=應付職工教育經費發生額÷應付職工薪酬發生額×100%

（二）研究開發能力指標

研究開發能力是指企業將科研投入的資源用于科研創新的能力。科研投入固然很重要，但沒有研究開發，科研投入的資源將付諸東流。所以研究開發能力是將企業投入的資源轉化為科研成果的必經之路。專利在一定程度上代表了知識的創造和利用程度，通過對科技型中小企業專利申請數、專利申請速度等統計分析，可以獲得科技型中小企業創新的基本情況[2]。本文構建的研究開發指標包括專利著作權擁有數、產品研發周期、研究開發成功率[3]。

C4=專利著作權擁有數=專利、軟件著作權、實用新型等擁有的數量

C5=產品研發周期=360÷一年內新產品的數量×100%

C6=研究開發成功率=資本化研發支出÷總研發支出×100%

（三）創新產出能力指標

創新產出能力是指企業科研創新的最終成果。企業進行科研投入和研究開發的目的就是產生科研成果，進而將科研成果轉化為企業的核心競爭力。因此，創新產出能力包括科研成果和經濟效益兩個方面。參照前人研究成果，本文的創新產出能力指標包括開發資本化金額、開發能力增長率、新產品利潤率[4]。

C7=開發資本化金額=當年科研開發能夠資本化的金額

C8=開發能力增長率=開發資本化增長的金額÷上年開發資本化金額×100%

C9=新產品利潤率=新產品利潤÷新產品的營業收入×100%

（四）市場營銷能力指標

市場營銷能力是指企業對產品進行營銷推廣的能力。科技型中小企業的市場營銷能力越高，才能將越多的科研成果轉化為經濟利益，因此市場營銷能力是創新能力評價體系中不可或缺的一部分。參照前人研究經驗，本文的市場營銷能力指標包括市場營銷強度、銷售人員人均創利、銷售人員比重[4]。

C10=市場營銷強度=銷售費用÷營業收入×100%

C11=銷售人員人均創利=營業收入÷銷售人員數×100%

C12=銷售人員比重=銷售人員÷總人數×100%

（五）創新保障能力指標

創新保障能力指企業能夠為科研創新保持良好的財務環境。只有擁有良好的創新環境，科技型中小企業才能持續地進行創新。因此科技型中小企業必須保持良好的財務和經營狀況，避免創新過程中出現資金供應不足等狀況。本文創新保障能力指標包括資產負債率、流動資產周轉率和每股經營現金凈流量。

C13=資產負債率=負債總額÷資產總額×100%

C14=流動資產周轉率=營業收入÷流動資產平均余額×100%

C15=每股經營現金凈流量=經營活動現金凈流量÷總股本×100%

二、評價模型的構建

本文在所構建的科技型中小企業創新能力評價指標體系基礎上，運用層次分析法確定各個指標的權重，得到科技型中小企業創新能力的綜合評分，然后采用BP神經網絡進行科技型中小企業創新能力的評價，從而得到科技型中小企業創新能力評價模型，模型建立過程如圖2所示。運用層次分析法和BP神經網絡相結合的方法構建科技型中小企業創新能力評價模型，既降低了層次分析法的主觀性，又提高了BP神經網絡的科學性。endprint

（一）指標權重的確定

本文運用層次分析法確定5個準則層和15個二級指標的權重，具體操作步驟如下。

首先，建立科技型中小企業創新能力評價指標體系，明確各個指標之間的層次關系。

其次，根據指標的實際特點和指標間的關系，邀請專家對指標的重要性進行判斷，從而構造兩兩判斷矩陣。

最后，運用層次分析法軟件計算得到特征向量和各指標的權重，并進行一致性檢驗。

（二）神經網絡模型的構建

BP神經網絡即誤差逆傳播神經網絡，是能夠實現映射變化的前饋型網絡。BP神經網絡的基本思想是調節網絡的權值和閾值使網絡輸出的誤差平方最小，使輸出值盡可能接近目標值。BP神經網絡由于結構簡單，易于編程，在諸多領域有廣泛的應用，其具體操作步驟如下。

1.確定輸入輸出節點數目和隱含神經元數量，選定傳遞函數，并完成對數據的預處理，得到訓練樣本數據和檢驗樣本數據。

2.輸入學習樣本數據xk，k=1，2，…，M；M為輸入層的個數，通過映射關系得到輸出值yk。

3.對權值進行修正，通過輸出節點和隱含層之間的權值修正方法對權值進行修正，從而不斷縮小誤差，直到誤差減小到規定的范圍之內，否則返回步驟2繼續訓練。

4.驗證檢驗樣本數據，完成訓練之后，輸入檢驗樣本數據，比較輸出值與目標值之間的差距，從而對檢驗數據進行驗證[5]。

三、實證研究

（一）數據來源

創業板上市公司是科技型中小企業的一部分，本文選擇創業板上市的公司數據對科技型中小企業進行研究，能夠反映科技型中小企業中存在的一些問題，具有一定的代表性。因此，本文隨機選取京津冀地區在創業板上市的21家公司數據作為研究對象，其中18家公司數據作為訓練樣本數據，3家上市公司數據作為檢驗樣本數據。在進行實證研究時假設所有公司提供的財務報告真實可信。

（二）指標權重的計算

若要對科技型中小企業的創新能力進行評價，首先要確定創新能力評價指標的權重，本文在構建的科技型中小企業創新能力評價指標體系的基礎上，組織專家對創新能力評價指標的重要性進行判斷，從而得到創新能力評價指標的權重，并進行一致性檢驗。

1.專家根據創新能力評價指標的特點和指標間的關系，對指標的重要性進行判斷，從而構造出指標間的判斷矩陣。

2.通過層次分析法軟件計算得到科技型中小企業創新能力評價指標權重及一致性檢驗，如表1所示。

（三）神經網絡模型的應用

1.神經網絡模型的建立

1989年，Robert Hecht Nielsen已證明：任意給定的連續函數Φ=X→Y，則Φ可以精確地由一個三層網絡實現。因此，本文選用三層的BP神經網絡，由一個輸入層、一個隱含層和一個輸出層構成。本文構建了包含15個指標的科技型中小企業創新能力評價指標體系，輸入節點數應與評價指標個數相對應，輸出節點與目標指標的數量相對應，所以本文有15個輸入節點，1個輸出節點。隱含神經元數量的確定一般參考經驗公式j=+a，j=Log2n，j=，n為輸入節點數，m為輸出節點數，a為1—10之間的常數，本文考慮上述經驗公式選擇隱含節點數j=9[6]。神經元間的傳遞函數采用正切Sigmoid函數tansig，輸出層選用純線性purelin。

2.樣本數據預處理

在神經網絡訓練之前，應該對樣本進行標準化處理。處理方式如下所示。

3.BP神經網絡的訓練與測試

本文擁有21組科技型中小企業創新能力評價數據，其中18組數據作為訓練樣本數據，3組數據作為檢驗樣本數據。輸入向量為各個指標的原始數據，輸出向量為通過AHP和數據標準化計算的創新能力綜合評分數據。本文通過MATLAB 7.0計算科技型中小企業創新能力，各個參數設置如下。訓練精度為e，訓練次數為60 000，學習系數為0.35，學習規則為traingdm，性能函數為mse函數，在MATLAB 7.0中執行程序代碼后，網絡經過29 505次迭代，達到訓練精度要求，如圖3所示。

從圖4可以看出，專家評價數據和仿真模擬數據非常接近（實際值與預測值幾乎重合），這表示網絡訓練成功。

從表2和表3可以看出，利用神經網絡進行科技型中小企業創新能力評價誤差較小，訓練樣本期望輸出和實際輸出的最大誤差為0.0028，檢驗樣本期望輸出和實際輸出的最大誤差為0.0669，在科技型中小企業創新能力評價中這個誤差在可接受的范圍之內，所以利用AHP-BP神經網絡進行科技型中小企業創新能力評價是可行的。將訓練好的BP神經網絡文檔保存，再對其他科技型中小企業創新能力評價時，輸入原始指標數值即可得到這些科技型中小企業創新能力的評分。

將AHP-BP神經網絡計算得到的科技型中小企業創新能力評價結果排序并分類，創新能力綜合評分大于0.4的科技型中小企業創新能力處于高水平，創新能力綜合評分位于0.3和0.4之間的科技型中小企業創新能力處于中等水平，創新能力綜合評分小于0.3的科技型中小企業創新能力處于低水平，京津冀三個地區創新能力表現如表4所示。

同北京、天津相比，河北省的科技型中小企業創新能力水平處于中低層，創新能力較弱，核心競爭力有待于進一步提高。河北省科技型中小企業創新能力較低是由于科研投入和研究開發能力較弱，所以只有加大科研投入和研究開發力度，才能提升河北省科技型中小企業的創新能力。

四、研究結論

在經濟科技迅猛發展和京津冀一體化的背景下，對科技型中小企業創新能力進行評價具有深遠的理論和實踐意義，本文的研究結論如下。

1.運用層次分析法與BP神經網絡相結合的方法來對科技型中小企業的創新能力進行評價，這種評價方法不僅使神經網絡能夠吸收學習專家的經驗，還減少了專家評價中的人為因素，使評價結果更為科學客觀，這為科技型中小企業的創新能力評價提供了參考。

2.通過實證研究驗證了AHP-BP神經網絡的適用性，使科技型中小企業的創新能力得以量化，有利于提高企業的核心競爭力，有利于引導投資者的投資方向，有利于科技型中小企業持續穩定的發展，并且評價方法簡單易于操作，有一定的實踐意義。

3.通過科技型中小企業的創新能力排名情況來看，河北省科技型中小企業的創新能力位于中低層，在科研投入、研究開發與創新產出方面需要進一步提高。只有加大科研投入力度，提高研究開發能力，增強創新產出能力，河北省的科技型中小企業才能抓住京津冀一體化的契機奮起直追，持續健康地發展。

由于水平有限，本文存在一些不足，科技型中小企業創新能力評價指標選取時沒有考慮一些定性因素，只有定量因素的創新能力評價指標體系尚不能夠全面概括科技型中小企業創新能力。今后的研究中，筆者會進一步搜集影響科技型中小企業創新能力的定性因素，盡可能全面客觀地反映科技型中小企業的創新能力。

【參考文獻】

[1] 游達明，楊文峰.高新技術企業技術創新能力評價指標的構建及其應用[J].技術經濟，2003（8）：53-55.

[2] 郭立田.企業自主創新能力確認測度與評價——無形資產研究的新視覺[J].會計之友，2006（7下）：4-6.

[3] 陳茂清.廣東省科技型中小企業自主創新能力評價體系研究[D].華南理工大學碩士學位論文，2014.

[4] 郭嬙.科技型中小企業技術創新能力比較研究[D].天津財經大學碩士學位論文，2014.

[5] 傅建華，張莉.基于AHP與BP神經網絡模型的循環經濟綠色營銷績效評價[J].科技管理研究，2012（20）：215-220，242.

[6] 王英，王燦，孫新澤.基于AHP-BP神經網絡的江蘇省創新型經濟評價[J].科技管理研究，2016（9）：68-72.endprint