创新服务能力评价的模糊主成分分析模型

摘要

本文主要运用TOPSIS方法对区域创新服务能力进行评价。首先，构建区域协同创新网络，并选取长三角区域进行分析。其次，构建了创新服务能力评价指标体系，运用模糊主成分分析法对创新服务能力定量和定性指标数据进行细化，并计算指标权重;然后选取长三角区域，运用TOPSIS方法辅助进行创新服务能力评价的有效决策过程。由于本文中的数据量很大，所以使用了MATLAB编程。最后，通过对比分析结果，从提升协同创新服务能力的角度提出对策建议。

1.介绍

区域协同创新的发展有利于促进区域经济的快速发展，优化创新资源配置效率，将要素驱动转变为创新驱动，促进区域经济竞争力的整体提升。构建科学结构、积极沟通的协同创新模式，有利于建立区域间长期有效的科技合作机制。然而，由于资源配置失衡、发展水平悬殊、简单重复建设、区域间无序恶性竞争等原因，区域协同创新的发展严重阻碍了区域协同创新的推进。

协同创新理论是跨区域协同创新的理论基础。自哈肯1976年提出协同学之后，不同的学者从不同的角度对协同创新进行了阐述。金(1分析了公司如何通过协同内外部信息和其他创新元素来增强国际竞争力。胡贝尔(2]认为创新通过过程实践促进组织学习的螺旋，因此协同创新中的创新能力在创新要素中是内生的。Radosevic [3.]对技术创新与制度变迁的协同效应进行了研究，认为决定企业创新成功的关键在于技术与众多非技术要素的协调发展。功率(4]认为创新的想法、过程、群体和组织是协作创新的重要因素。莫里斯(5实证研究了创新因素通过社会网络对高技术研发的重要影响，进一步丰富了实现协同创新的手段。

在当前区域协同创新的研究趋势中，国外学者对跨区域协同创新的研究主要集中在研究视角、与创新绩效的关系以及影响因素等方面。在研究视角方面，介绍了论文与专利视角、战略性新兴产业视角、产业生态系统视角[6]。区域协同创新与创新绩效关系的研究主要集中在跨区域系统创新能力的评价上[7]。区域协同创新的影响因素研究从协同合作倾向、创新驱动因素、创新主体合作关系三个角度展开[8，9]。国内学者对跨区域协同创新能力的研究主要集中在创新能力的评价、创新能力的影响因素、机制和模式的研究。跨区域协同创新能力的评价从不同的角度提供了不同的见解，包括动态评价法、比较分析法、DEA、Malmquist指数等研究方法[10，11]。跨区域协同创新能力的影响因素研究从政策条件、网络发展、资源投入、外部学习、沟通等不同研究视角分析了跨区域协同创新能力的影响因素。也有学者从协同、承接产业转移和技术扩散的角度探讨了跨区域协同创新的机制和模式。

创新服务能力是指企业对服务创新活动效果的综合评价。创新服务能力不仅反映了组织运营和市场竞争的有效性，而且还反映了组织项目的预期发展水平和实际效果。近年来，对创新服务能力的研究多集中在服务型企业和同时提供产品和服务的制造业[12，13]。为了实现有效的市场竞争，无论是服务型企业、生产型企业还是高新技术企业，都要努力为客户提供完善的服务，不断开展服务创新活动，以提高企业的服务质量，从而吸引和留住客户，稳定或扩大市场[14，15]。另外，在区域协同创新的领导下，企业的创新服务能力能否得到提升，对企业的整体绩效至关重要。

通过梳理国内外相关研究可以看出，现有文献为创新服务能力拓展和可持续发展提供了实践层面的基本分析框架，但对区域创新服务能力的研究相对较少。以及现有的评价指标。没有考虑系统中创新要素之间的协同作用。创新服务能力测度和评价的目的之一是形成更有效的治理机制和模式，促进区域间系统创新的发展，因此有必要对创新服务能力的评价进行研究。

基于区域协同创新发展现状，构建了区域协同创新服务能力评价模型。首先，运用模糊主成分分析法对创新服务能力选择的定量和定性指标数据进行细化，并计算指标权重。其次，运用TOPSIS辅助创新服务能力评价。由于本文的数据量较大，本研究采用MATLAB编程实现。最后，通过对结果的对比分析，得出提升创新服务能力的优化方案，并就如何引导创新要素流动，促进区域协同创新提出对策建议。

2.评价指标体系构建与评价方法

2.1。区域协同创新网络

引用Håkansson和Snehota提出的ARA业务网络模型[16)(图1，结合社会网络分析中参与者与社会网络的关系，定义了区域协同创新网络。商业网络包含三个要素:参与者、资源和活动。可以看出，如果你想研究一个网络，你必须首先定义这个网络，然后定义参与者(或行动者)、资源和活动(社会关系)。这里的资源和活动可以统称为关系，它们与参与者有着不可分割的关系。此外，参与者、资源和活动之间也存在关系。为了便于测量，这里称之为关系。这样就定义了网络的参与者和关系，明确了网络的边界。

协同创新网络的参与者通常包括企业、高校、科研机构、中介服务机构、政府等，但协同创新网络的核心网络主要包括企业、高校和科研机构;由政府、中介服务等组成的网络是边际网络，也可以称为关联网络。本研究的主要研究对象是核心网络，即网络的主体是企业、高校和科研机构。

区域合作创新网络研究本文选择生物制药行业的高科技产业和构建一个合作公司之间的关系的基础上,大学,以及生物制药行业的科研机构和专利申请(国家发明专利和实用新型)创新网络。长三角地区生物医药产业发展的可视化分析结果如图所示2．

从图中可以看出2高校在长三角生物医药产业协同创新网络中的创新能力明显。从图中可以看出，复旦大学、华东理工大学和上海交通大学是比较突出的节点，说明大学在区域协同创新中的作用远远大于企业和科研机构。此外，企业与科研机构之间的协同创新合作也依赖于高校，高校在区域系统创新中的作用突出。

２.２.创新服务能力评价指标体系构建

本文以中国科技发展战略研究集团的《中国区域创新能力报告》为例，对创新能力评价指标体系进行了概述。首先，区域创新能力框架的创新主体是高校、研发机构、企业、中介机构和政府。其次，该框架考虑了创新要素在创新主体之间的流动以及创新主体自身的创新能力。第三，该框架强调了创新环境建设的重要性，指出政府需要进行职能转变以促进企业技术创新。最后，创新能力框架考虑了区域发展存量、相对水平和增长率三个维度。在上述分析框架的基础上，我们构建了知识创造、知识获取、企业创新、创新环境、创新绩效等5个一级指标、20个二级指标、40个三级指标和137个四级指标。区域创新能力指标体系。

在此基础上，结合创新服务能力评价的需求，从三个方面对知识创造、知识获取、企业创新、创新环境和创新绩效五个指标进行辅助:区域协同创新投入、区域协同创新产出、区域协同创新条件。指标构建，具体在建立评价指标体系时，从指标的简便性、相关性、代表性、可比性和可行性四个方面选取指标[12，13，15，17]。创新服务能力具体评价指标体系如表所示1．

２.３.长三角地区创新服务能力评价方法

2.3.1。TOPSIS方法的选择

仅仅简化数据和减少维度并不能说明决策是否有效。创新服务能力评价问题属于多目标决策的范畴，只有采用良好的决策方法才能有效地解决问题。TOPSIS (Technology for Order Preference by Similarity to an Ideal Solution)方法是求解有限解多目标决策问题的一种分析方法[18]。逻辑关系比较简单清晰，交互性好，易于实现。目前，该方法已被应用于创新服务能力评价研究。因此，本研究选择TOPSIS算法的原因如下:（1）本文的指标比较客观，不适合选择直观判断法、线性加权法等主观评价方法（2）本文的评价结果不涉及成本和效率，因此没有使用作业成本法和数据包络算法（3）本文的指标数据比较小，如果不使用人工神经网络算法，结果不会收敛（4）本文指标明确，不存在较大的模糊性，因此没有采用模糊综合评价法和灰色系统理论方法

3.模型原理

3．1.模糊主成分分析原理

主成分分析是将多个变量通过降维技术转化为几个主成分的一种统计分析方法，利用原有的多评价指标，简化综合主成分指标。相反，综合指标保留了原始变量的大部分信息，彼此之间没有关联，可以简化复杂的问题。模糊主成分分析法是以主成分的方差贡献率为基础，结合模糊理论得到合理的修正权值。具体流程如下:将原始数据的次要指标标准化后，进行加权综合，得到主要指标的评价值: 的公式,的求值 -第二级索引 -th地区和的求值 -第二级索引 -归一化后的区域。二级指标的综合权重得到 ，在哪里为次要指标在相应指标中的权重。一级指标的主成分分析最初的样本矩阵 ，在哪里 （1）根据标准对指标进行标准化 公式得到一个标准化的评价矩阵 ．的公式,和样本均值和样本标准差是多少指数,分别。（2）计算相关系数矩阵 ，特征值 ，和归一化特征向量指标之间的关系。（3）使用的单位特征向量对应于之前的特征值 ，主要成分可以表示为原始指标的线性组合，从而得到主成分方程: （4）的方差贡献率主成分是 ．时累积方差贡献率 达到一定值(一般不小于85%)时，首先主成分 都被拿走了，也就是主成分被认为是反映原始信息的评价指标较少。（5)利用各主成分的方差贡献率作为初始权重，对初始权重进行修正，得到最终权重。原因是各专家在对原有指标进行评价时，根据企业需求给出了各指标的权重区间数和各候选区域协同创新能力的乐观度。为此，有必要计算重量 ， 修正了主分量的权重修正了主分量的权重。具体修正过程如下: 权重模糊集 评价指标的权重区间值，和 指示索引的相对重要性。的公式, ， ， ， ，和表示该区域的乐观系数， ．因此，对重要隶属度进行归一化，可得到指标权重如下: （6)对初始权重进行修正，得到区域创新能力评价指标的最终权重:

３．２．TOPSIS评价方法原理

TOPSIS是一种常用的有限方案多目标决策分析方法，它通过一个多属性问题的理想解和负理想解对方案集进行排序。理想解是解集中不存在的虚拟最优解，其每个属性值都是解中的最优值;负理想解是虚拟的最坏解，每个属性值是解中的最优值。可怜的价值。将解集中的所有备选解与理想解与负理想解之间的距离进行比较。接近理想溶液而远离负理想溶液的溶液就是最佳溶液。具体的评价步骤如下。

3.2.1之上。构造初始矩阵

有候选人项目和评价指标,的求值指数的程序，和初始矩阵的主成分 （系数矩阵)是标准化根据 ， ．标准化矩阵 是获得。

3.2.2。构造加权归一化矩阵

在他们中间为通过模糊主成分分析得到的修正权值。

3.2.3。确定理想溶液负理想解

3.2.4。计算距离

评价值与理想解和负理想解之间的距离为

3.2.5。确定相对接近度

3.2.6。排序优先

对方案进行了排序和选择从大到小，和相对亲近选择最优方案，即创新服务能力最高的区域。

4.案例研究

2010年5月，国务院正式批复实施《长江三角洲区域规划》。该文件指出，长江三角洲包括上海、江苏和浙江。2014年，《国务院关于依托黄金水道推动长江经济带发展的指导意见》也首次明确将安徽省纳入长三角区域参与发展。2016年5月，国务院常务委员会正式通过《长三角城市群发展规划》。规划明确提出，上海要发挥引领作用，促进南京都会区、杭州都会区、合肥都会区、苏西常州都会区、宁波都会区等各都会区共同发展。长三角城市群拥有大、中、小城市，其中特大城市、特大城市、13个大城市、9个中等城市、42个小城市。长三角地区是区域协同创新发展的典型区域，本文以此为研究对象进行案例分析。

4．1.专家问卷调查和数据收集

表格2为企业评估供应商的原始数据和初始权重，表3.显示了对其原始数据的二级指标加权标准化的结果。本研究采用专家调查法对创新服务能力的构建进行验证，并选取相应的指标数据。本文所涉及的数据均来自《中国统计年鉴》、《中国科学技术年鉴》和各省市统计年鉴。

4．2．模糊主成分分析

根据各指标的初始评价权值区间:[17,23]，[11,18]，[6,9]，采用模糊算法得到修正权值最后是主成分权重 ，分别为:

其中, 已知专家对创新服务能力的乐观系数。

4．3．TOPSIS评价

为了适应指标较多的创新服务能力指标选择与评价问题，本文利用MATLAB编程实现了TOPSIS算法，不仅节省了时间，而且提供的结果更加准确。具体计算过程和结果如下:

4.3.1。构造初始矩阵

在本文中，有4个候选方案，即4个地区和3个评价指标。的求值指数的程序。初始评价矩阵是由初始矩阵相乘得到的通过系数矩阵 ：

根据正常化 得到一个标准化的矩阵 ．

4.3.2。构造加权归一化矩阵

在他们中间 为通过模糊主成分分析得到的修正权值。

4.3.3。确定理想溶液负理想解

从 ，得到

从 ，得到

4.3.4。计算评价值与理想溶液和负理想溶液之间的距离

从 ，得到评价值与理想解的距离:

从 ，得到评价值与理想解的距离:

4.3.5。确定相对接近度

从 ，得到:

想想……的价值作为对各区域创新服务能力的评分，并选择较好的区域。因为 ，第一个地区是上海，其创新服务能力高于其他地区。

5.结论和建议

5.1。研究结论

本研究的创新主要在于方法的创新。在区域协同创新网络中，创新服务能力的评价至关重要。目前最常用的方法有模糊聚类法、DEA法、AHP法和模糊层次分析法。在分析这些方法时，不难发现，目前的创新服务能力评价指标过多。计算过程变得非常复杂，甚至难以计算。采用模糊主成分分析与TOPSIS相结合的方法可以客观地选择区域协同创新指标，准确率更高，原理更简单，结论更客观，当指标增加时进行数据处理。有效的决策有更多的优势。当有大量的数据时，使用统计软件对数据进行处理，并通过MATLAB编程实现算法，可以快速得到科学的结果，从而可以快速做出决策。当然，该方法不仅可以应用于创新服务能力的评价，还可以应用于其他方面，如供应商选择、路线选择、配送中心选址等。

本文以区域协同创新网络中的生物医药产业为例。可以发现，高校在网络中扮演着重要的角色，这表明企业倾向于与高校合作创新，企业必须重视并在创新服务能力的提升中发挥作用。大学在这一过程中的重要作用是创新、创造和传播。通过对创新服务能力的指标构建和评价过程发现，在长三角上海、江苏、浙江、安徽四个区域中，上海的创新服务能力最强，浙江次之，江苏次之，研究结论与长三角地区的实际情况吻合较好。

5.2。建议

最后，根据本文的研究结论，提出了提升创新服务能力的两大对策和建议。

首先是产学研合作创新水平的优化建议:区域协同创新能力的提升需要从区域和协同创新环境的角度进行优化，加强区域合作，增加创新交流与合作，避免信息重叠，享受多种政策支持和多种创新环境。同时，上海作为长三角地区经济发展的领跑者，应发挥引领作用，打造具有全球影响力的科技创新中心，实现区域共同发展。不优先考虑高校、企业和科研机构的自主创新活动。优化环境需要付出很多努力。产学研合作创新网络的核心主体是产学研合作创新网络的重要参与者和重要建设者。发挥金融机构和中介的作用，形成开放、动态的创新环境;建立产学研合作创新平台，实现资源利用效率最大化。创新需要核心及相关主体的合作与资源共享，需要一个成熟的运行机制，整合高校、企业、科研机构、政府、金融机构、中介机构的资源，优化资源利用效率， so establishing a collaborative innovation platform is crucial.

其次，政府应该从政策法规层面进行优化，出台相应的鼓励政策，并给予更多的税收优惠政策，以促进创新的创造和发展。除了支持和协调功能性研发转型平台，除了在法律层面进行优化外，还可以建立线上和线下平台，结合现有的先进信息技术，为使产学研合作创新网络主体更好地共享资源和技术，建立相应的生物医药研发转化平台，帮助企业更好地创新，加快创新市场化进程。政府在这一过程中发挥了重要作用，因为公共服务平台必须保护公益，鼓励共享技术的研发，政府在其中发挥了至关重要的作用。

数据可用性

本文所涉及的数据均来自《中国统计年鉴》、《中国科学技术年鉴》和各省市统计年鉴。其中，图中的数据2来自中国知识产权局专利检索数据库。用于支持本研究结果的数据由作者授权提供，因此不能免费提供。查阅这些数据的请求应向[顾小敏，guxiaomin@lixin.edu.cn]提出。

的利益冲突

作者声明他们没有利益冲突。

参考文献

1. I. Kim，《管理韩国的技术创新体系》接口，第23卷，第2期。第6页13-24页，1993年。视图:出版商的网站|谷歌学术搜索
2. G. Huber，“组织学习与创造力和创新之间的协同作用”创意与创新管理，第7卷，第5期1, 1998年。视图:出版商的网站|谷歌学术搜索
3. S. Radosevic，《定义创新系统:方法论讨论》，技术在社会，第20卷，第2期。1，第75-86页，1998。视图:出版商的网站|谷歌学术搜索
4. L. Power，《缺失的环节:技术、投资和生产力》经济与统计评论，第80卷，第2期。2，页300 - 3131,1998。视图:出版商的网站|谷歌学术搜索
5. B. Morris，“高科技发展:应用社交网络范例”，新商业想法和趋势杂志，第4卷，第4期。1，第45-59页，2006。视图:谷歌学术搜索
6. I. De Noni, L. Orsi，和F. Belussi，“协作网络在支持落后欧洲地区创新绩效中的作用”，研究政策，第47卷，第47期。1, 2018年第1 - 13页。视图:出版商的网站|谷歌学术搜索
7. A. Marasco, M. De Martino, F. Magnotti, and A. Morvillo，《旅游和酒店行业的协作创新:文献系统综述》，国际现代酒店管理杂志，第30卷，第2期6、pp. 2364-2395, 2018。视图:出版商的网站|谷歌学术搜索
8. F. Caviggioli，《技术融合:利用专利数据识别和分析技术融合的驱动因素》，Technovation，第55-56卷，no. 46、第22-32页，2016。视图:出版商的网站|谷歌学术搜索
9. S. Han, G. M. Yoo, S. Kwak，“利用创新行动者框架的区域创新特征比较分析”，科学、技术与社会，第23卷，第2期。1, pp. 137-162, 2018。视图:出版商的网站|谷歌学术搜索
10. C. Lindsay, P. Findlay, J. McQuarrie, M. Bennie, E. D. Corcoran, R. Van Der Meer，《协作创新、新技术和工作重新设计》，公共管理评论第78期2, pp. 251-260, 2018。视图:出版商的网站|谷歌学术搜索
11. 不确定性下的战术泊位分配欧洲运筹学研究杂志，第247卷，第2期3, pp. 928-944, 2015。视图:出版商的网站|谷歌学术搜索
12. D. C. Bello, L. P. Radulovich, R. G. Javalgi, R. F. Scherer，和J. Taylor，“新兴市场专业服务公司的绩效:创新服务和企业能力的作用”，世界商业杂志第51卷第1期3, pp. 413-424, 2016。视图:出版商的网站|谷歌学术搜索
13. O. F. Bustinza, E. Gomes, F. Vendrell-Herrero, T. Baines，《产品服务创新和绩效:合作伙伴关系和研发强度的作用》，研发管理，第49卷，第49期。1，第33-45页，2019。视图:出版商的网站|谷歌学术搜索
14. 郑磊，“集装箱港口堆场拥挤建模及堆场模板优化”，交通研究B部分:方法论， 2016年，第90卷，第83-104页。视图:出版商的网站|谷歌学术搜索
15. V. Jayaraman和Z. Liu，“将治理机制与任务特征相结合以提高服务能力——印度专业服务外包的实证研究”，运营管理研究，第12卷，第2期1-2，第19-39页，2019。视图:出版商的网站|谷歌学术搜索
16. H. Håkansson和I. Snehota，“在商业网络中发展关系”，《采购，第1-261页，1995。视图:谷歌学术搜索
17. “创新能力、创新类型与企业绩效之间的关系”，《管理评论》，创新与知识学报，第3卷，第2期。1, pp. 44-55, 2018。视图:出版商的网站|谷歌学术搜索
18. C. L. Hwang, K. Yoon，《多属性决策》，《经济学与数学系统》讲义，第404卷，第5期。4，第287-288页，1981。视图:出版商的网站|谷歌学术搜索

版权

版权所有©2020吴辉顾小敏这是一篇发布在知识共享署名许可协议，允许在任何媒介上不受限制地使用、传播和复制，但必须正确引用原作。