在信息化时代,信息化、知识化、现代化、城镇化、全球化发展势不可挡,制造业是经济社会发展的基础性、战略性支柱产业。经济社会发展与产业格局的新发展、新变化将对未来的制造技术和产业提出新要求。然而我国制造业目前处于发展模式仍比较粗放,自主创新能力比较薄弱,产品附加值和人均生产率较低的阶段。提升自主创新能力,发展先进制造产业,实现由制造大国向创造强国的历史跨越,为发展方式转变、产业结构调整、战略性新兴产业发展提供先进装备,为提升国际竞争力和可持续发展能力,保障国家安全提供有力支撑,其战略意义毋庸置疑。如何科学的评价我国产业自主创新能力是寻找自主创新能力提升途径的基础,构建科学的自主创新能力评价模型,并提出提高我国产业自主创新能力的思路和建议,具有重要的理论和现实意义。
中国经济的持续高速发展引发了全世界的普遍关注,增强自主创新能力无疑是保持经济高速发展的关键途径,因此如何科学的评价我国各产业的自主创新能力就显得格外重要[1-3]。随着自主创新重要性的不断凸显,理论文献和政府报告都对这一问题予以了适当的关注,相关的调研工作也随之开展[4]。所谓产业自主创新即是相关产业主要依靠自身的力量,在一定的经济和技术条件下,以集成创新和引进消化吸收基础上的再创新为主要实现形式,获得独立自主知识产权,实现产业核心竞争力的不断增强的过程[5]。虽然自主创新主要依靠自身,然而在危机时期,研发外包行为却对自主创新能力的提升具有重要的促进作用[6]。在学者们对自主创新能力测度理论与评估指标体系进行了研究[7],对采用多种评价方法构建产业自主创新能力的评价模型,重要包括[8-14]:集对分析法、采用聚类分析、模糊综合评价法、灰色关联分析法、AHP法和多指标综合评价模型、因子分析和主成分分析法、突变级数法、数据包络分析、熵权法、负二项分布模型,同时也有学者关注产业自主创新能力的动态效应研究——采用时间序列法[15]和TOPSIS法等[16],并较多的采用面板数据进行研究[17-18]。随着研究的深入,产业创新能力的研究集中在高技术产业的研究[19],与此同时,大量相关产业也被广泛研究[20],如陶瓷产业、茶叶产业、汽车产业、房地产产业、软件产业、航天产业、风电行业、钢铁行业等[21-29]。
通过对同类文献进行比较研究发现,不同的评估方法所得到的评估结果之间往往存在着一定的差异,而各种不同方法又各有所长,因此无法界定优劣。为克服单一方法存在的片面性,部分学者提出将几种综合评价方法通过某种方式进行组合。按组合后的评价值得到排序结果,这可以弥补单一方法的不足,在一定程度上克服了单一方法的局限性,提高了评价的全面性、科学性和合理性[30-31]。目前文献中常用的组合评价方法主要有:二次加权法、理想矩阵法、速度特征法、多元网络连接数、粗糙集法、灰色激励控制、漂移度法、Copeland法、Borda法、模糊Borda法等[32-35]。
关于如何选择组合方法以提高评估精度及科学性方面,学术界的研究成果较少。据此,本文构建了基于自适应遗传算法的产业自主创新能力组合评价模型,通过自适应遗传算法可以更加准确的对产业自主创新能力进行评价,从而找出提升增强我国产业自主创新能力的有效途径和方法。
1 产业自主创新能力评价指标体系的设计产业自主创新能力评价指标体系涉及面广、蕴涵信息量大,受到诸多因素的影响,这些影响因素之间的内部结构复杂,所构建的指标体系应该从多个角度和多个层面反映产业自主创新状况。为了实现不同产业之间的可比较性,必须选择所要研究产业都有的指标,同时兼顾计算指标的可靠性、代表性,全面、客观地反映产业自主创新能力的全貌。
1 ) 科学性原则。产业自主创新能力评价指标体系的科学性主要体现在评价创新活动的指标、标准、程序等方面,在构建产业自主创新能力评价指标体系时,要充分考虑相关因素的科学性,具体的指标必须与产业自主创新能力评价问题密切相关。
2 ) 可操作性原则。对产业自主创新能力进行评价时,由于涉及的面很广,需要有大量的不同方面的数据作为支持,要千万注意仅仅考虑理论上的可行性,而忽略了可度量性。
3 ) 系统性原则。在构建产业自主新创新能力的指标体系的过程中,指标的选择要充分考虑到系统性特征,服从系统性的特点,相互协调,力求能够真实客观的反映产业创新系统的整体创新能力。从系统的角度来看,产业自主创新能力可以从资源投入能力、创新活动开展能力、创新产出能力和获得技术能力等四个方面进行描述。
因此,根据产业创新活动的一般规律和特征,从资源投入能力、创新活动开展能力、创新产出能力和获得技术能力等四个方面入手构建产业自主创新能力评价指标体系。同时为了确保指标体系满足科学性和可操作性,在资源投入能力方面下设R&D经费占工业增加值比例、R&D经费占产品销售收入比率、R&D经费、R&D人员等四项指标。在创新活动开展能力方面下设自主创新活动企业数、R&D项目数、R&D项目人员数、自主创新企业占总数比重、自主创新企业比重、R&D经费等五项指标。在创新产出能力方面下设新产品产值、新产品销售收入、新产品出口、专利申请量、发明专利申请书等五项指标。在获取技术能力方面下设发明专利拥有量、购买国外技术支出、引进国外技术支出、消化吸引经费支出四项指标,具体如表 1所示。
产业自主创新能力 | 评价指标 |
资源投入能力 | R&D经费与工业增加值之比x1 |
R&D经费与产品销售收入之比x2 | |
R&D经费(万元)x4 | |
R&D人员(人)x3 | |
创新活动开展能力 | 自主创新活动企业数(个)x5 |
R&D项目数(项)x6 | |
R&D项目人员(人)x7 | |
自主创新企业比重(%)x8 | |
R&D经费(万元)x9 | |
创新产出能力 | 新产品产值(亿元)x10 |
新产品销售收入(亿元)x11 | |
新产品出口(亿元)x12 | |
专利申请量(件)x13 | |
发明专利申请(件)x14 | |
获得技术能力 | 发明专利拥有量(件)x15 |
购买国外技术支出(万元)x16 | |
引进国外技术支出(万元)x17 | |
消化吸引经费支出(万元)x18 |
遗传算法(genentic algorithm,GA)基于自然选择的生物进化,是一种全局概率搜索优化算法,其思想是通过选择、交叉和变异等遗传算子共同作用使种群不断优化,最终收敛到最优解。GA的参数中交叉概率和变异概率的选择是影响该算法性能的关键所在,针对不同的优化问题,需要反复实验来确定交叉概率和变异概率。为此,Srinivas等提出了自适应遗传算法(adaptive GA,AGA),此方法中交叉概率和变异概率能够随适应度自动调整,极大的提高了GA法的收敛速度和鲁棒性[36],本文将其应用于产业自主创新能力评价中,具体评价实施流程如图 1所示,模型计算步骤的说明如下。
![]() |
图1 组合评价法实施流程图 Figure 1 The implementation flow chart for combination evaluation method |
1 ) 构造产业自主创新组合评价得分函数
确定产业自主创新评价矩阵。设有m个评价对象(29个产业),p个综合评价法(3种评价方法),分别用p个方法对评价对象进行评价,并对评价结果使用肯达尔一致性系数进行事前检验[37],如果检验结果不理想,则对评价结果做模糊聚类分析,通过适当的阈值将第k种方法分离出来;对剩余方法反复进行一致性检验及模糊聚类分析,直到检验结果达到理想水平。设剩余方法为n个,则评价矩阵为B={bij|i=1,2,…,m;j=1,2,…,n},其中bij为第i个评价对象在第j种评价方法下的排序位置。
构造产业自主创新组合评价得分函数。根据产业自主创新评价矩阵计算出得分矩阵Y={yij|i=1,2,…,m;j=1,2,…,n},yij=n-bij+1,表示第i个评价对象在第j种评价方法下的得分值。由此可以构造产业自主创新组合评价得分函数为$\sum\limits_{k = 1}^n {{y_{ik}}} {w_k},\left( {i = 1,2, \cdots ,m} \right)$,其中zi表示第m个评价对象的组合得分,wk为第k种评价方法的权重,且满足wk∈[0,1],$\sum\limits_{k = 1}^n {{w_k} = 1} $。
2 ) 构造产业自主创新AGA目标函数
由得分函数的构造过程可知,某个评价对象的组合得分与各单一评价方法得分值越接近才说明组合方法越有效。因此,当产业自主创新组合评价结果最优时,$\sum\limits_{i = 1}^m {\sum\limits_{k = 1}^n {{{\left( {{z_i} - {y_{ik}}} \right)}^2}/n} } $值必为最小。
据此,可构造产业自主创新目标函数为
$\begin{align} & \min f\left( y \right)=\underset{\text{s}.\text{t}.}{\mathop{\sum\limits_{i=1}^{m}{\sum\limits_{k=1}^{n}{{{\left( {{z}_{i}}-{{y}_{ik}} \right)}^{2}}/n}}}}\, \\ & \begin{matrix} 0<{{w}_{k}}<1 & \sum\limits_{k=1}^{n}{{{w}_{k}}=1} \\ \end{matrix} \\ & \left( i=1,2,\cdots ,m;k=1,2,\cdots ,n \right) \\ \end{align}$ | (1) |
式(1)是非线性优化问题,其中wk为待优化变量,以下通过自适应遗传算法实现其全局优化过程。
3 ) 初始化变量
在各优化变量的取值范围内生成一组满足约束条件的随机变量,变量个体数目为N,这组变量即为初始种群,每个个体表示染色体的基因编码。
4 ) 计算适应度
将上一步的初始种群代入目标函数式(1)中,并记录计算结果,其中目标函数值小的个体适应度高,目标函数值大的个体适应度小。
5 ) 选择、交叉和变异
选择的目的是从当前种群中选择优良个体,使他们有机会成为父代繁殖子孙,遗传算法最基本的选择方法为轮盘赌方法,个体i被选中的概率为pi=fi/$\sum\limits_{i = 1}^N {{f_i}\left( {i = 1,2, \cdots ,N} \right)} $,可见个体被选中的概率与其适应度大小成正比。交叉、变异过程分别通过交叉概率Pc、变异概率Pm生成新的个体,Pc和Pm值是随着适应度自动改变的,其计算公式为
${P_c} = \left\{ \begin{gathered} \frac{{{k_1}\left( {{f_{\max }} - f} \right)}}{{{f_{\max }} - {f_{{\text{avg}}}}}},f \geqslant {f_{{\text{avg}}}} \hfill \\ {k_2},f < {f_{{\text{avg}}}} \hfill \\ \end{gathered} \right.$ | (2) |
${P_m} = \left\{ \begin{gathered} \frac{{{k_3}\left( {{f_{\max }} - f'} \right)}}{{{f_{\max }} - {f_{{\text{avg}}}}}},f' \geqslant {f_{{\text{avg}}}} \hfill \\ {k_4},f' < {f_{{\text{avg}}}} \hfill \\ \end{gathered} \right.$ | (3) |
式中:fmax为群体中的最大适应值,favg为群体中的平均适应值,f为要交叉的两个个体中较大的适应度值,${f'}$为要变异的个体的适应度值,ki∈[0,1](i=1,2,3,4)为常数,对于适应值低于平均适应值的个体对其赋予较大的交叉率k2和变异率k4,使得该个体被淘汰;而高于种群平均适应值的个体,其交叉和变异概率较低,因此得以保护进入下一代,如果适应值等于最高适应值时,则交叉率和变异率为零,结束计算。
6 ) 进化迭代
由选择、交叉和变异产生新一代的子种群,再代入式(1)中,计算目标函数值,并判断是否满足停止条件,若符合,输出最佳个体及最优目标函数值,结束计算;若不符合,则重复选择、交叉和变异的过程,直至找到最优解。其中停止条件可根据实际问题设置,比如:设置最大迭代次数、计算时间、停滞代数和停滞时限等[36]。
3 产业自主创新能力评价研究 3.1 基于自适应遗传算法的组合评价以制造业29个产业统计数据为例进行实证分析,评价方法选择因子分析法、主成分投影法[38]、集对分析法[39]。采用主成分投影法和集对分析法进行评价时,对评价指标赋权时采用遗传层次分析法。用以上3种方法,按上文建立的指标体系进行评价后,对结果进行一致性检验[37],在α=0.01显著性水平下,肯达尔一致性系数χ2=85.67>χ2α/2,(n-1)=45.559,可见一致性较理想,因此式(1)中m=29,n=3。为取得最佳优化结果,分别设置不同个体数目N、最大进化代数、交叉概率ki(i=1,2)、变异概率ki(i=3,4)、停止条件等参数,进行10次实验,取适应度最佳的一次作为评价结果,得分和排序情况见表 2。
产业名称 | 因子分析法 | 主成分投影法 | 集对分析法 | 组合评价法 | ||||
得分 | 排序 | 得分 | 排序 | 得分 | 排序 | 得分 | 排序 | |
专用设备制造业 | 0.738 0 | 5 | 0.098 7 | 8 | 0.227 5 | 7 | 23.405 0 | 7 |
造纸及纸制品业 | -0.344 1 | 19 | 0.060 9 | 19 | 0.041 9 | 23 | 9.565 7 | 21 |
有色金属冶炼及压延加工业 | -0.082 2 | 11 | 0.076 0 | 10 | 0.122 1 | 10 | 19.658 6 | 10 |
印刷业和记录媒介的复制 | -0.560 9 | 25 | 0.054 5 | 27 | 0.025 4 | 27 | 3.694 1 | 27 |
饮料制造业 | -0.232 5 | 14 | 0.065 2 | 15 | 0.070 6 | 16 | 14.991 3 | 14 |
仪器仪表及文化、办公用机械制造业 | 0.157 8 | 9 | 0.072 8 | 12 | 0.117 1 | 11 | 19.403 9 | 11 |
医药制造业 | 0.542 7 | 6 | 0.100 8 | 7 | 0.260 9 | 5 | 24.071 2 | 5 |
烟草制品业 | -0.706 9 | 28 | 0.055 9 | 26 | 0.08 | 14 | 7.619 3 | 23 |
橡胶制品业 | -0.019 3 | 10 | 0.065 9 | 14 | 0.062 5 | 18 | 15.953 6 | 13 |
文教体育用品制造业 | -0.464 5 | 21 | 0.057 1 | 23 | 0.042 7 | 22 | 8.054 4 | 22 |
通用设备制造业 | 0.799 3 | 4 | 0.116 1 | 4 | 0.308 2 | 4 | 26.006 8 | 4 |
通信设备、计算机及其他电子设备制造业 | 2.053 8 | 1 | 0.238 9 | 1 | 0.654 | 1 | 29.007 5 | 1 |
塑料制品业 | -0.274 8 | 17 | 0.063 8 | 16 | 0.057 5 | 20 | 12.219 8 | 17 |
食品制造业 | -0.496 0 | 22 | 0.060 2 | 20 | 0.059 7 | 19 | 9.668 6 | 19 |
石油加工、炼焦及核燃料加工业 | -0.650 9 | 26 | 0.062 9 | 18 | 0.075 5 | 15 | 10.307 8 | 18 |
皮革、毛皮、羽毛(绒)及其制品业 | -0.719 5 | 29 | 0.052 1 | 29 | 0.019 8 | 29 | 1.000 3 | 29 |
农副食品加工业 | -0.667 0 | 27 | 0.057 2 | 22 | 0.044 3 | 21 | 6.628 1 | 25 |
木材加工及木、竹、藤、棕、草制品业 | -0.328 4 | 18 | 0.056 8 | 25 | 0.026 2 | 26 | 7.068 6 | 24 |
金属制品业 | -0.366 3 | 20 | 0.066 6 | 13 | 0.091 7 | 13 | 14.577 9 | 15 |
交通运输设备制造业 | 1.460 5 | 2 | 0.161 5 | 2 | 0.396 5 | 3 | 27.648 0 | 2 |
家具制造业 | -0.546 5 | 24 | 0.053 7 | 28 | 0.020 7 | 28 | 3.387 1 | 28 |
化学原料及化学制品制造业 | 0.496 6 | 7 | .111 3 | 6 | 0.255 3 | 6 | 23.659 6 | 6 |
化学纤维制造业 | -0.145 5 | 13 | 0.063 5 | 17 | 0.064 9 | 17 | 14.390 0 | 16 |
黑色金属冶炼及压延加工业 | 0.387 8 | 8 | 0.115 8 | 5 | 0.195 1 | 8 | 22.888 7 | 8 |
工艺品及其他制造业 | -0.271 3 | 16 | 0.059 2 | 21 | 0.039 5 | 24 | 9.657 7 | 20 |
非金属矿物制品业 | -0.245 9 | 15 | 0.075 4 | 11 | 0.115 7 | 12 | 17.259 0 | 12 |
纺织业 | -0.144 0 | 12 | 0.079 6 | 9 | 0.129 1 | 9 | 19.965 5 | 9 |
纺织服装、鞋、帽制造业 | -0.518 4 | 23 | 0.057 | 24 | 0.032 4 | 25 | 5.988 9 | 26 |
电气机械及器材制造业 | 1.148 6 | 3 | 0.145 5 | 3 | 0.418 | 2 | 27.366 3 | 3 |
从表 2中可知,采用基于自适应遗传算法的组合评价的计算结果具有更好的可比较性,自主创新能力处于20以上的产业只有8种(占总数的27.59%):通信设备、计算机及其他电子设备制造业,交通运输设备制造业,电气机械及器材制造业,通用设备制造业,医药制造业,化学原料及化学制品制造业,专用设备制造业,黑色金属冶炼及压延加工业。处于平均值(15.00)以上的产业只有13家,占总数44.83%。超过一半产业自主创新能力较差,需要重点提升。
3.2 实证结果分析由于存在不同的评价机理,因此评价方法对评价对象是有偏好的,即待评价问题和评价方法需要进行一定的匹配,并不是问题和方法可以随意选用。基于相同的数据基础,采用不同的评价方法往往会得到不同的评价结果,甚至可能出现比较大的差异。每一种评价方法都有自身的优缺点,很难区分哪种评价方法更加科学,仅仅采用一种评价方法无疑是具有极大的片面性。组合评价法可以通过对不同评价方法进行有效的整合,达到取长补短的目的,弥补各种评价方法的缺点,整合各评价方法的优势。同时,组合评价法可以利用更多的信息,不同评价方法从不同的角度描述评价对象的属性和不同侧面,这样可以获得待评价问题的全貌。组合评价方法可以有效消除各种评价方法结论的非一致性问题。通过表 2分析可知,组合评价法具有较好的稳定性。在组合评价法结果的排序一般与两种评价方法的结果相同,而其他方法具有极强的不稳定性。这说明组合评价法能够更科学评价产业自主创新能力,为制定相关政策奠定基础。
实证研究结果显示,制造业的29个产业自主创新能力分布很不均衡。我国制造业自主创新能力排名前三位的产业是:通信设备、计算机及其他电子设备制造业,交通运输设备制造业,电气机械及器材制造业等均为技术密集型产业,排名前列的通信设备、计算机及其他电子设备制造业等产业均为技术密集型产业,但为数较少,大多数产业创新能力较弱;排名后三位的产业是:印刷业和记录媒介的复制,家具制造业,皮革、毛皮、羽毛(绒)及其制品业等均属于传统产业,技术水平低。各产业自主创新能力的分布如图 2所示。
![]() |
图2 各产业自主创新能力 Figure 2 Each of industrial independent innovation capacity |
从图 2中可以发现制造业中各产业的自主创新能力差异较大,发展的很不平均,其中自主创新能力最好的通信设备、计算机及其他电子设备制造业和最差的皮革、毛皮、羽毛(绒)及其制品业之间差距十分之大(相差近30倍)。
4 结论本文在分析产业自主创新文献的基础上,构建组合评价模型,组合评价模型能够对多个单一模型进行科学组合,整合多个评价结论所包含的共性信息,并利用自适应遗传算法的智能背景,实现了非线性优化问题评价模型全局寻优的过程。实证研究表明:
1 ) 本文所建立的模型具有可操作性和实用性,能够更加科学、精确的确定产业自主创新能力优劣,且易于在计算机上实现。这种组合评价方法可以有效的实现对各种评价方法优势的综合,避免了单一评价方法带来的片面性问题。
2 ) 我国产业自主创新能力的分布很不均衡(各行业之间的差异较大),并大部分的产业自主创新能力处于比较低下的区域。为增强制造业自主创新资源投入能力,应注重发挥行业优势,加强对一些重要产业的总体部署和有效安排,营造有利于产业自主创新的政策环境,尤其对通信设备、计算机及其他电子设备制造业、交通运输设备制造业等高新技术产业的研发机构实行包括预告研究、升级改造、运行经费在内的全周期预算制度,确保稳定的研发资金来源,以此加大对自主创新的投入。
基于自适应遗传算法的组合评价模型的构建对于政府和企业测度和增强产业创新能力具有一定实用性和参考价值,为制定相关政策奠定坚实的基础。当然,本文的研究也存在一定的不足之处,主要体现在仅仅选择了制造业进行了实证研究。在今后的研究过程中,作者将进一步扩展研究对象,推广基于自适应遗传算法的组合评价模型的应用范围,为相关产业发展献计献策。
[1] |
杨万东. 提高自主创新能力问题讨论综述[J].
经济理论与经济管理, 2006(5): 75–79.
YANG Wandong. Review on improve the independent innovation capacity[J]. Economic theory and business management, 2006(5): 75–79. |
[2] |
李伟庆, 聂献忠. 产业升级与自主创新: 机理分析与实证研究[J].
科学学研究, 2015, 33(7): 1008–1016.
LI Weiqing, NIE Xianzhong. Industrial upgrading and independent innovation: mechanistic analysis and empirical research[J]. Studies in science of science, 2015, 33(7): 1008–1016. |
[3] |
苏屹, 姜雪松, 雷家骕, 等. 区域创新系统协同演进研究[J].
中国软科学, 2016(3): 44–61.
SU Yi, JIANG Xuesong, LEI Jiasu, et al. Research on collaborative evolution of regional innovation system[J]. China soft science, 2016(3): 44–61. |
[4] |
胡海波. 产业自主创新能力及其评价研究综述[J].
中国商贸, 2012(6): 249–250.
HU Haibo. Review on industrial independent innovation capacity and evaluation study[J]. China journal of commerce, 2012(6): 249–250. |
[5] |
杨楠. 河南省高新技术产业自主创新能力评价[J].
科学管理研究, 2012, 30(1): 27–31.
YANG Nan. Evaluation of the independent innovation capacity in the high-tech industries of Henan Province[J]. Scientific management research, 2012, 30(1): 27–31. |
[6] |
陈启斐, 王晶晶, 岳中刚. 研发外包是否会抑制我国制造业自主创新能力?[J].
数量经济技术经济研究, 2015(2): 53–69.
CHEN Qifei, WANG Jingjing, YUE Zhonggang. Does R&D outsourcing inhibit innovation performance in Chinese manufacturing?[J]. The journal of quantitative & technical economics, 2015(2): 53–69. |
[7] |
支军, 王忠辉. 自主创新能力测度理论与评估指标体系构建[J].
管理世界, 2007(5): 168–169.
ZHI Jun, WANG Zhonghui. Research on measure theory and evaluation index system of independent innovation capacity[J]. Management world, 2007(5): 168–169. |
[8] |
宋河发, 穆荣平. 自主创新能力及其测度方法与实证研究--以我国高技术产业为例[J].
科学学与科学技术管理, 2009, 30(3): 73–80.
SONG Hefa, MU Rongping. Research on indigenous innovation capacity and its measurement[J]. Science of science and management of S. & T, 2009, 30(3): 73–80. |
[9] |
张洪涛, 王慧. 安徽省高新技术产业自主创新能力灰色多层次综合评价研究[J].
价值工程, 2008, 27(6): 53–57.
ZHANG Hongtao, WANG Hui. Multi-level gray comprehensive evaluation of the ability of independent innovation of the high-tech industries in Anhui Province[J]. Value engineering, 2008, 27(6): 53–57. |
[10] |
刘凤朝, 潘雄锋, 施定国. 基于集对分析法的区域自主创新能力评价研究[J].
中国软科学, 2005(11): 83–91.
LIU Fengchao, PAN Xiongfeng, SHI Dingguo. Research on the evaluation of regional independent innovation ability based on set pair analysis[J]. China soft science, 2005(11): 83–91. |
[11] |
郑若谷. 中国制造业产业自主创新能力评价[J].
当代财经, 2010(1): 89–95.
ZHENG Ruogu. Evaluation of the capacity of industrial self-innovation in China's manufacturing industry[J]. Contemporary finance & economics, 2010(1): 89–95. |
[12] |
刘玉芬, 张目. 西部地区高技术产业自主创新能力组合评价研究[J].
数学的实践与认识, 2010, 40(14): 27–32.
LIU Yufen, ZHANG Mu. The combination evaluation on the independent innovation capacity of high-tech industry in Western China[J]. Mathematics in practice and theory, 2010, 40(14): 27–32. |
[13] |
陈伟, 周文. 中国航空航天制造业自主创新效率研究[J].
哈尔滨工程大学学报, 2014, 35(6): 777–783.
CHEN Wei, ZHOU Wen. Research on the efficiency of indigenous innovation of the aerospace industry in China[J]. Journal of Harbin engineering university, 2014, 35(6): 777–783. |
[14] |
涂红星, 肖序. 环境管制对自主创新影响的实证研究--基于负二项分布模型[J].
管理评论, 2014, 26(1): 57–65.
TU Hongxing, XIAO Xu. Empirical study on the impact of environmental regulation on independent innovation: based on the negative binomial model[J]. Management review, 2014, 26(1): 57–65. |
[15] |
卢方元, 李小鸽. 基于SVAR模型的自主创新投入产出动态效应分析——以我国大中型工业企业为例[J].
科研管理, 2014, 35(1): 25–32.
LU Fangyuan, LI Xiaoge. A dynamic analysis of innovation inputs and outputs based on SVAR model- a case study of China's large and medium industrial enterprises[J]. Science research management, 2014, 35(1): 25–32. |
[16] |
张目, 周宗放. 一种基于联系度的改进TOPSIS法[J].
系统工程, 2008, 26(8): 102–107.
ZHANG Mu, ZHOU Zongfang. An improved TOPSIS method based on connection degree[J]. Systems engineering, 2008, 26(8): 102–107. |
[17] |
文雁兵. 我国农业科技自主创新能力研究--基于产业关联效应和FDI技术溢出视角[J].
科学学研究, 2015, 33(7): 1017–1025.
WEN Yanbing. Research on agricultural science and technological innovation capacity of China-from the perspective of industry linkage and technology spillover of FDI[J]. Studies in science of science, 2015, 33(7): 1017–1025. |
[18] |
刘华芳, 杨建君. 异质股东持股、经理人激励与企业自主创新投入的实证研究[J].
管理学报, 2014, 11(1): 79–85.
LIU Huafang, YANG Jianjun. On heterogeneous shareholders, manager compensation and enterprises' innovation input[J]. Chinese journal of management, 2014, 11(1): 79–85. |
[19] |
胡海波. 产业自主创新能力及其评价研究[D]. 南昌: 江西财经大学, 2010: 80-89.
HU Haibo. Study on industry self-innovation capability and its evaluation[D]. Nanchang: Jiangxi University of Finance and Economics, 2010: 80-89. |
[20] |
张江雪, 蔡宁, 毛建素, 等. 自主创新、技术引进与中国工业绿色增长--基于行业异质性的实证研究[J].
科学学研究, 2015, 33(2): 185–194.
ZHANG Jiangxue, CAI Ning, MAO Jiansu, et al. Independent innovation, technology introduction and green growth of industry in China: an empirical research based on industry heterogeneity[J]. Studies in science of science, 2015, 33(2): 185–194. |
[21] |
江用文, 陈宗懋. 我国茶叶产业自主创新能力发展分析[J].
中国科技论坛, 2007(5): 42–44.
JIANG Yongwen, CHEN Zongmao. Research on the indigenous innovation ability in tea production[J]. Forum on science and technology in China, 2007(5): 42–44. |
[22] |
杨沿平, 方海峰, 周俊, 等. 关于提高我国汽车产业自主创新能力的思考[J].
汽车工程, 2007, 29(10): 918–922.
YANG Yanping, FANG Haifeng, ZHOU Jun, et al. Opinions on improving the autonomous innovation competence of Chinese automotive industry[J]. Automotive engineering, 2007, 29(10): 918–922. |
[23] |
纪建悦, 房帅, 孙岚. 我国家电产业自主创新能力评价研究[J].
中国海洋大学学报: 社会科学版, 2008(2): 35–39.
JI Jianyue, FANG Shuai, SUN Lan. The evaluation on the independent innovation capacity of appliances industry in China[J]. Journal of ocean university of China: social sciences, 2008(2): 35–39. |
[24] |
胡顺东. 我国汽车产业自主创新能力评价研究[J].
商业研究, 2009(6): 116–118.
HU Shundong. The evaluation on self-innovation capability of Chinese automobile industry[J]. Commercial research, 2009(6): 116–118. |
[25] |
陈林杰. 中国产业自主创新能力评价模型的研究与实证分析[J].
改革与战略, 2008, 24(11): 168–170.
CHEN Linjie. Evaluation model and application on the capability of independent innovation of China's industries[J]. Reformation & strategy, 2008, 24(11): 168–170. |
[26] |
王路勤. 中国城市软件产业自主创新能力评价[D]. 大连: 东北财经大学, 2013: 15-20.
WANG Luqin. Independent innovation capacity assessment of city software industry in China[D]. Dalian: Dongbei University of Finance & Economics, 2013: 15-20. |
[27] |
王刚, 李显君, 章博文, 等. 自主创新政策与机制--来自中国四个产业的实证[J].
科研管理, 2015, 36(4): 1–10.
WANG Gang, LI Xianjun, ZHANG Bowen, et al. Innovation policies and mechanisms: evidences from four industries in China[J]. Science research management, 2015, 36(4): 1–10. |
[28] |
刘锦英. 核心企业自主创新网络演化机理研究--以鸽瑞公司"冷轧钢带"自主创新为例[J].
管理评论, 2014, 26(2): 157–164.
LIU Jinying. Study on evolution mechanism of core enterprise independent innovation network: The case study from green company's independent innovation in cold-rolled steel strip[J]. Management review, 2014, 26(2): 157–164. |
[29] |
付明卫, 叶静怡, 孟俣希, 等. 国产化率保护对自主创新的影响--来自中国风电制造业的证据[J].
经济研究, 2015, 50(2): 118–131.
FU Mingwei, YE Jingyi, MENG Yuxi, et al. The impacts of domestic content protection on indigenous innovation: evidence from China's wind power technology industry[J]. Economic research journal, 2015, 50(2): 118–131. |
[30] |
苏为华, 陈骥. 综合评价技术的扩展思路[J].
统计研究, 2006(2): 32–37.
SU Weihua, CHEN Ji. Some considerations to extend comprehensive evaluation technique[J]. Statistical research, 2006(2): 32–37. |
[31] |
郭亚军.
综合评价理论、方法与拓展[M]. 北京: 科学出版社, 2012: 120 -129.
GUO Yajun. 综合评价理论、方法与拓展[M]. 北京: 科学出版社, 2012: 120 -129. |
[32] |
王欣荣, 樊治平. 上市公司财务状况的动态多指标综合评价方法[J].
系统工程理论与实践, 2002, 22(4): 54–57.
WANG Xinrong, FAN Zhiping. Dynamic multiple index synthetical evaluation for financial condition of public corporations[J]. Systems engineering-theory & practice, 2002, 22(4): 54–57. |
[33] |
陈国宏, 李美娟. 组合评价收敛性验证的计算机模拟实验[J].
系统工程理论与实践, 2005, 25(5): 74–82.
CHEN Guohong, LI Meijuan. The simulation experiment on verifying the convergence of combination evaluation[J]. Systems engineering-theory & practice, 2005, 25(5): 74–82. |
[34] |
刘微微, 石春生, 吴际. 具有速度特征的动态评价方法及应用[J].
中国软科学, 2010(10): 180–185.
LIU Weiwei, SHI Chunsheng, WU Ji. Dynamic evaluation method with speed feature and its application[J]. China soft science, 2010(10): 180–185. |
[35] |
李美娟, 陈国宏, 徐林明, 等. 基于漂移度的动态组合评价方法研究[J].
中国管理科学, 2015, 23(1): 141–145.
LI Meijuan, CHEN Guohong, XU Linming, et al. A dynamic combinational evaluation method based on drift[J]. Chinese journal of management science, 2015, 23(1): 141–145. |
[36] |
龚纯, 王正林.
精通MATLAB最优化计算[M]. 北京: 电子工业出版社, 2009: 151 -160.
GONG Chun, WANG Zhenglin. Proficient MATLAB optimization calculation[M]. Beijing: Electronic Industry Press, 2009: 151 -160. |
[37] |
刘大海, 李宁, 晃阳.
SPSS15.0统计分析从入门到精通[M]. 北京: 清华大学出版社, 2008: 240 -252.
LIU Dahai, LI Ning, HUANG Yang. PSS15.0 Statistical Analysis from Entry to the Master[M]. Beijing: Tsinghua University Press, 2008: 240 -252. |
[38] |
孙冰. 基于主成分投影法的企业产品创新状况评价[J].
哈尔滨工业大学学报, 2004, 36(3): 294–296.
SUN Bing. Enterprise product innovation evaluation model based on projection of main constituents[J]. Journal of Harbin institute of technology, 2004, 36(3): 294–296. |
[39] |
孙冰, 吴勇. 基于集对分析法的地区大中型工业企业自主创新能力评价[J].
价值工程, 2007, 26(2): 49–51.
SUN Bing, WU Yong. Evaluation of regional large-middle-size industrial enterprises independent innovation capacity based on set pair analysis[J]. Value engineering, 2007, 26(2): 49–51. |