中小企业自主创新能力的综合评价，本文主要内容关键词为：综合评价论文,自主创新能力论文,中小企业论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
中图分类号：F273.1 文献标识码：A 文章编号：1002-6487(2007)06-0164-02
0 引言
在国家经济社会发展中发挥重要作用的中小企业，在自主创新方面同样发挥了重要的作用。改革开放以来，我国 65%的发明专利、75%以上的技术创新和80%的新产品都是由中小企业完成的[1]。随着中国经济的快速发展，中小企业自主创新能力成为我国企业具有普遍创新能力、具有较强的国际竞争力的关键环节。因此对中小企业自主创新能力进行正确评价已日趋重要。
自主创新能力的内涵定位于科技创新和技术创新方面，主要包括三方面的含义：一是原始性创新能力，在科学技术领域努力获得更多科学发现和技术发明的能力；二是集成创新能力，使各种相关技术成果融合汇聚形成具有市场竞争力的产品和产业的能力；三是在广泛吸收全球科学成果、积极引进国外先进技术的基础上，充分进行消化吸收和再创新的能力[2]。自主创新能力是一种实践性很强的自主创新技术及产品的实现能力，包括从要素投入、研究开发出具有自主知识产权的科技成果，到适合于生产应用，最后获得市场成功过程的能力。
自主创新能力应主要包括以下五个方面：
(1)自主创新要素投入能力。自主创新要素投入能力是指中小企业拥有能够投入到自主创新过程中的各类生产技术要素的能力。
(2)研究开发能力。研究开发能力是指自主研究和开发新产品、新技术的能力。包括自主技术领先水平；自主创新产品率；研究开发组织能力；自主技术延伸能力；创新人员技术学习能力。
(3)创新生产能力。创新生产能力是指中小企业能够将研究开发成果转化为符合设计要求的可批量生产产品的能力。
(4)新产品营销能力。新产品营销能力是指新产品、新技术推向市场销售的能力。主要包括市场调查和研究能力、新产品的市场开拓能力和销售能力。
(5)创新管理能力。创新管理能力是指企业从战略上、整体上安排和组织实施自主创新的能力。
1 BP神经网络模型的原理
BP神经网络是运用
作为模型节点函数的一种误差逆向传播的多层次反馈型网络，它由输入层、隐含层和输出层构成[3]。应用BP神经网络评价的具体方法如下：
1.1 网络输入层的设计
BP神经网络只能处理表示成数值的输入数据，所以需要对定量指标进行标准化处理，对定性指标进行量化和标准化，一般将输入数据标度到限定范围[0,1]。
1.2 网络隐含层节点的选取
隐含层的节点数是模型优劣的关键。节点数太少，网络所能获取的用以解决问题的信息太少；节点数过多，会导致过度吻合，而且训练时间会很长。
1.3 网络输出层的设计
本文运用BP神经网络模型，它的模型采用了单输出型，即输出层设计为一个节点。
1.4 BP神经网络的学习算法
神经网络的优点在于不完全依据对问题的经验知识和规则，具有自适应性；能够处理那些有噪声或不完全的数据，具有泛化功能和强容错能力；也是处理非线性的复杂问题强有力的工具。
2实证
2.1 构建中小企业自主创新能力指标体系
结合自主创新能力构成的分析，并参考《中国区域创新能力报告》中的区域创新能力评价指标体系，从两个层次来构建中小企业自主创新能力的评价指标体系（表1）
2.2建立模型并评价中小企业自主创新能力
(1)对指标进行标准化处理
在表 1所列的 17个指标中，有定性指标和定量指标之分。不同的指标从不同的侧面反映中小企业自主创新能力。为了便于确定最终评价值，本文应用专家打分法量化定性指标。考虑到神经网络训练的收敛问题，我们要对各指标进行标准化、正规化处理。由于本文所列的这些指标中，全部属于目标越大评价越好的，均为正向指标，所以可以按照
原则对数据进行标准化处理。其中，
是预先确定的第j个指标的最小值，
是预先确定的第j个指标的最大值，j是评价指标的数目。选取 10组数据，进行标准化处理，处理后的数据如表2所示，专家对这10家中小企业自主创新能力的评估结果为[0.577 0.552 0.631 0.556 0.600 0.578 0.589 0.555 0.570 0.532]。
(2)训练BP神经网络
选取节点时采用网络结构增长型方法，即先设置较少的节点数，对网络进行训练，并测试学习误差，然后逐渐增加节点数，直到学习误差不再有明显的减少为止。经验证隐含层由7个神经元组成比较合理。隐含层和输出层中的神经元分别采用S型传递函数，学习算法采用了共轭梯度法。允许的误差为0.0001。用10个训练样本经过420次学习，转移函数分别用logsig函数和tansig函数。在训练模型时，使用 Matlab7.0的神经网络工具箱使计算变得简便。将这些参数代入神经网络工具箱，得到学习结果（表3）和训练好的神经网络模型network1，从表中可以看出误差值都小于3%，说明此模型具有较好的学习能力，能很好的对中小企业自主创新能力进行评价。
表3 预测值与评估值比较
训练样本 1 2 3 4
5 6
7 89 10
预测值
0.587 0.549 0.610 0.554 0.590 0.578 0.604 0.557 0.580 0.529
评估值
0.577 0.552 0.631 0.556 0.600 0.578 0.589 0.555 0.570 0.532
误差 0.010 0.003 0.021 0.002 0.010
0.000 0.015 0.002 0.010 0.003
(3)评价
总体评价：用训练好的BP神经网络模型network1预测 A、B、C三个中小企业的自主创新能力，把3个中小企业的各指标样本标准化（表2）后代入已经训练好的模型network1中，经过神经网络模型的模拟得表4。从表中我们可以知道，这三家中小企业自主创新能力都不同，B企业自主创新能力略强于C企业，而C企业自主创新能力大大强于A企业。
维度分析：从自主创新构成的五个维度分析中小企业A的自主创新能力影响因素，样本中五个维度的评估值分别为：
表4 预测值与评价结论
检验样本A
B C
预测值0.3150.610 0.557
评价结论 能力比较弱 能力比较强 能力比较强
维度Ⅰ评估值[0.518 0.561 0.5670.464 0.498 0.542 0.524 0.507 0.501 0.474]；
维度Ⅱ评估值[0.619 0.608 0.630 0.596 0.620 0.573 0.560 0.564 0.585 0.550]；
维度Ⅲ评估值[0.643 0.460 0.659 0.476 0.625 0.593 0.543 0.560 0.465 0.533]；
维度Ⅳ评估值[0.559 0.522 0.685 0.584 0.608 0.604 0.677 0.626 0.605 0.569]；
维度Ⅴ评估值[0.547 0.545 0.626 0.592 0.635 0.583 0.632 0.523 0.633 0.527]。
再次运用神经网络方法，运用维度评估的神经网络模型，可以得出影响A企业自主创新能力五个维度的值为[0.347 0.567 0.216 0.313 0.601]，从而得知A企业自主创新能力比较弱是因为自主创新要素投入能力、创新生产能力和新产品营销能力较弱，所以A企业今后要加强提高这三方面的能力。同样，也可以预测B、C企业自主创新能力影响因素，分析其原因。
通过训练的神经网络对A、B、C三家企业进行预测，能够了解这三家中小企业自主创新能力的现状和主要的影响因素，从而为企业提升自主创新能力和获取创新竞争优势提供理论依据和分析手段。
3 改进我国中小企业自主创新能力评价的对策
对中小企业自主创新能力的评价，可以从自主创新成果的研发到商业化运营一系列过程的能力评价，也可以从自主创新构成要素方面进行评价，例如从自主创新要素投入能力、创新文化、研究开发能力、基础研究能力等方面对中小企业自主创新能力进行评价[5]，从另一个角度了解中小企业自主创新能力及影响因素。关于中小企业自主创新能力评价指标体系的设置，本文没有区分中小企业的不同行业。所建立的评价指标体系可能针对性不强。以后的研究工作应针对不同行业的特点，对一些指标进行适当调整。在中国加入WTO的今天，对中小企业自主创新能力进行评价，应尽量以国际标准为基准。因为在国内先进不能代表在国际上先进，国内对自主创新能力的要求，未必能达到国际的标准。只有采用国际标准才能适应经济全球化的要求。
对于中小企业的重大的自主创新项目的评价，应采用相关的专家人才库，并在专家人才库中随机抽选专家对其项目进行测评。引入专业技术经纪人，加强专业化自主创新能力评价队伍建设。对于可采用市场化运作的职业评价机构，应利用有关法律法规对评价工作进行监管，其中对评价的资格认定尤为重要。要分析中介机构中各类专家的技术水平，专家专业程度与所属技术领域的接近程度等；要明确评估中介的责任和权限并定期考核；最后对评价结果进行复议，以保证评价工作的客观、公正。