独角兽高达_高达史上十大最强机体_高达宏

(武汉理工大学经济学院,湖北武汉430070)

【摘要】战略性新兴产业发展的核心是战略性新兴技术的产业化实现, 这有赖于战略性新兴产业创新系统的形成与发展,推进战略性新兴产业自主创新是我国当前社会经济运行中需要迫切解决的深层次课题。本文对已有的研究成果进行综述,将现有的创新能力评价方法予以综述,以期为进一步评价战略性新兴产业技术创新能力打下基础。

【关键词】战略性新兴产业;创新能力;评价方法

技术创新能力按照划分对象不同可以分为企业技术创新能力、产业技术创新能力和国家技术创新能力。产业技术创新能力是国际竞争力的核心。战略性新兴产业关系国家长远利益和安全,不可能通过引进实现;且战略性新兴产业与发达国家同时布局,也无从引进,因此必须创新,培育自主创新能力。目前,我国战略性新兴产业发展面临的突出问题是关键核心技术掌握得少,产品进入市场面临诸多障碍。要加快培育和发展战略性新兴产业,必须把科技创新作为中心环节,着力提升产业核心竞争力,提高国际化发展水平。

一、技术创新能力的评价方法研究

(一)主成分分析法

主成分分析法是一种利用降维的思想, 将原来复杂、众多的具有一定相关性的变量重新组合成新的少数几个互不相关的综合变量的统计分析方法,既可避免主观因素的影响, 也可消除指标间信息的重叠问题。王章豹,孙陈(2007)基于主成分分析的装备制造业行业技术创新能力评价研究。许晓燕(2008)采用主成分分析法对五大高技术产业的创新能力进行评价。徐玲,黄瑞华,赵伟(2007)运用主成份分析法对陕西省高新技术产业技术创新能力进行了纵向评价。高达宏李金兰(2010)等采用主成分分析法对泉州市高新技术产业中各行业大类的技术创新能力进行评价分析。然而由于每个指标都在不同程度上反映了研究对象的某些信息,各项指标往往出现此小彼大、各有长短的问题,指标个数多又增加了问题分析的复杂性。

(二)数据包络分析方法

数据包络分析法,是A.Charnws和W.W.Ccooper以相对效率概念为基础发展起来的一种测度投入产出效率的评价方法,主要用来评价同类型单位之间的相对有效性。Wang.e.c和Huang.w(2006)根据OECD各国R&D投入和产出指标的数据,利用三阶段的方式对30国的R&D绩效进行DEA测度。钱燕云(2003)应用多集合DEA法,对中德企业技术创新效率与有效性进行科学的评价研究和比较分析。罗媛,常向阳(2007)采用数据包络分析方法,对江苏省高技术产业不同行业的技术创新情况进行了实证研究。尽管数据包络分析法能在一定的投入产出下对经济系统进行综合效率评价,但由于战略性新兴产业正处于成长期,各项指标数据的获取难度很大,得出的评价结果可靠性可能不高。

(三)模糊综合评价方法

模糊综合评价法根据模糊数学的隶属度理论,把定性评价转化为定量评价的方法,具有结果清晰,系统性强的特点,能较好地解决模糊的、难以量化的问题。王国贞,田英法(2002)采用改进的模糊评价方法及线性综合法对工业产业技术创新能力进行了综合测度。李荣平,李剑玲(2003)采用改进模糊评价方法进行数据无量纲处理及加总计算,简化了数据处理步骤。高达宏但是,在实际应用中可以发现,模糊综合评价方法不能解决评价指标间相关造成的信息重复问题,各因素权重的确定带有一定的主观性,在某些情况下,隶属函数的确定有一定困难,实用性不强。

(四)灰色综合评价方法

灰色综合评估法是一种以灰色关联分析理论为指导,基于专家评判的综合性评估方法,权重选择可以结合层次分析法,以提高评估的准确性。李美娟,陈国龙,陈国宏(2008)利用变异系数法确定客观权重,并用灰色关联度对中国制造业产业技术创新能力进行评价。宋河发等运用灰色关联分析法对中国高技术产业整体和主要类型企业的自主创新能力进行了评价研究。高达宏(2010)用高技术产业创新能力指标建立起灰色系统,运用灰色关联度模型以及技术创新能力相关指标的数据,从创新的投入与产出角度对我国高技术产业及其内部5子产业的创新产出影响因素进行排序。由于灰色综合评价法中的白化权函数采用“半降梯形”函数,所确定的白化权函数或隶属函数是否真实,主要是看它是否能够正确反映评价指标实际值对评价结果的贡献,应用中难度较大。

(五)层次分析法

层次分析法是由美国运筹学专家沙特于20世纪70年代末提出的一种简便、灵活而又实用的多准则决策方法。它通过建立所谓判断矩阵的过程,逐步分层将众多的复杂因素和决策者的个人偏好综合起来,进行逻辑思维,然后用定量的形式表示出来,在技术评估中得到广泛的应用。陈萍,贾志永,龚小欢(2009)运用层次分析法,对基于投入产出指数的高技术产业技术创新能力进行了实证研究。但是层次分析法也有其固有的缺陷。首先,层次分析法只能从原有的备选方案中选取较优者,而不能为决策者提供解决问题的新方案;其次,定量数据较少,定性成分多,不以令人信服;再次,当指标过多时,数据统计量大,且权重难以确定,特征值和特征向量的精确求法比较复杂,将给评价增加难度。

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-31834-1.html