版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
一、引言1.1研究背景与意义在全球经济一体化的大背景下,技术创新已成为企业获取竞争优势、实现可持续发展的核心驱动力。技术创新能够推动企业产品与服务的升级换代,提高生产效率,降低生产成本,从而在激烈的市场竞争中脱颖而出。例如,苹果公司通过持续的技术创新,推出具有创新性的iPhone系列产品,改变了全球智能手机市场格局,不仅获得了高额利润,还引领了行业发展潮流。技术创新还能帮助企业开拓新的市场领域,满足消费者不断变化的需求,增强企业的市场适应能力。广西作为我国面向东盟的重要门户和对外开放的前沿阵地,其经济发展对于区域合作与国家战略实施具有重要意义。大中型工业企业在广西经济体系中占据关键地位,是推动经济增长、促进产业升级的重要力量。然而,当前广西大中型工业企业在技术创新能力方面仍面临诸多挑战。一方面,与东部发达地区的同类企业相比,广西企业在研发投入、创新人才储备、创新成果转化等方面存在较大差距。这导致广西企业在市场竞争中往往处于劣势,产品附加值较低,难以在高端市场立足。另一方面,随着全球产业转移和技术变革的加速,广西大中型工业企业面临着更为严峻的外部竞争压力。如果不能及时提升技术创新能力,将可能在产业升级的浪潮中被淘汰。在此背景下,对广西大中型工业企业技术创新能力进行科学、客观、全面的评价显得尤为重要。通过评价,可以深入了解企业技术创新的现状与问题,为企业制定针对性的技术创新战略提供依据。这有助于企业明确自身在技术创新方面的优势与不足,合理配置创新资源,提高创新效率。科学的评价结果也能为政府制定相关政策提供参考,助力政府优化创新环境,加大对企业技术创新的支持力度,促进区域创新体系的完善。例如,政府可以根据评价结果,对创新能力较强的企业给予更多的政策优惠和资金支持,对创新能力较弱的企业提供针对性的培训和指导,从而推动广西大中型工业企业整体技术创新能力的提升,促进区域经济的高质量发展。1.2国内外研究现状在企业技术创新能力评价领域,国内外学者已进行了大量研究,取得了丰硕成果。国外学者对企业技术创新能力评价的研究起步较早。早期,如Steele在1998年采用核对表(Checklist)的形式对R&D活动进行评价,关注项目目标关联性、市场因素利用、技术目标设定、制造要求考虑以及技术项目对创新性的增强作用等方面。随着研究的深入,Barton认为技术创新能力由掌管技术的人、创新管理、技术系统、科技意识等组成;还有学者提出创新能力由可利用的资源、对竞争对手的理解、对环境的了解能力、公司的组织结构和文化、开放性战略等构成。在评价方法上,逐渐从简单的指标罗列向综合评价方法发展,涵盖定量评价和定性评价。定量评价通过建立数学模型,运用统计分析等方法客观评价企业技术创新能力;定性评价则主要通过专家评估、问卷调查等方式进行主观评价。国内学者在借鉴国外研究的基础上,结合我国企业实际情况,对企业技术创新能力评价展开了深入研究。在评价指标体系构建方面,强调科学性、全面性、可操作性和动态性原则。韩景元等学者认为评价指标体系应使评价结果易于理解,能提取丰富信息,指标精简且逻辑关系明确,具备模块化特点,数据易采集,可进行连续性评价,还应在一定程度上分离技术与管理,从静态和动态角度把握评价过程并具有一定预测性。在评价方法上,除了传统的层次分析法(AHP)、模糊综合评价法外,近年来,人工智能相关方法如BP神经网络在企业技术创新能力评价中得到了越来越多的应用。AHP作为一种定性与定量相结合的多准则决策分析方法,在企业技术创新能力评价中发挥了重要作用。它通过将复杂问题分解为多个层次,构建判断矩阵,计算各指标的相对权重,从而确定评价指标的重要性排序。例如,在构建广西大中型工业企业技术创新能力评价指标体系时,可以运用AHP确定研发投入、创新人才、创新管理等各方面指标的权重,为综合评价提供基础。但AHP也存在一定局限性,如判断矩阵的构建受专家主观因素影响较大,当指标数量较多时,一致性检验难度增加。BP神经网络是一种具有强大自学习、自适应和非线性映射能力的人工智能算法,在企业技术创新能力评价中展现出独特优势。它能够通过对大量样本数据的学习,自动提取数据特征,建立输入与输出之间的复杂关系模型。以广西大中型工业企业为例,将企业的研发投入、创新产出等多维度数据作为输入,通过BP神经网络训练,可得到企业技术创新能力的量化评价结果,有效避免了传统评价方法中人为确定权重的主观性。不过,BP神经网络也存在训练时间长、容易陷入局部最优解等问题。总体而言,目前国内外在企业技术创新能力评价方面已取得了显著进展,但仍存在一些有待完善的地方。一方面,现有研究中评价指标体系的构建尚未形成统一标准,不同学者从不同角度选取指标,导致评价结果的可比性受到一定影响。另一方面,在评价方法的应用上,如何更好地结合多种方法的优势,克服单一方法的局限性,提高评价结果的准确性和可靠性,仍是未来研究的重点方向。1.3研究方法与创新点本研究主要运用了层次分析法(AHP)、BP神经网络以及两者相结合的方法,对广西大中型工业企业技术创新能力展开深入评价。层次分析法(AHP)是一种定性与定量相结合的多准则决策分析方法。在本研究中,运用AHP将广西大中型工业企业技术创新能力这一复杂问题分解为目标层、准则层和指标层。通过构建判断矩阵,邀请相关领域专家对各层次指标的相对重要性进行两两比较打分,进而计算出各指标的权重。例如,在确定研发投入、创新人才、创新管理等准则层指标相对于技术创新能力目标层的权重时,AHP能够有效处理多因素、多层次的复杂决策问题,为后续的综合评价提供重要的权重依据。BP神经网络是一种基于误差反向传播算法的多层前馈神经网络,具有强大的自学习、自适应和非线性映射能力。本研究将广西大中型工业企业的研发投入、创新产出、创新环境等多维度数据作为输入,经过BP神经网络的训练,使其自动学习数据中的内在规律和特征,建立起输入数据与技术创新能力评价结果之间的复杂映射关系。通过不断调整网络的权重和阈值,使网络输出的评价结果与实际情况尽可能接近,从而实现对企业技术创新能力的准确评价。本研究将AHP和BP神经网络相结合,充分发挥两者的优势。利用AHP确定的指标权重,对BP神经网络的输入数据进行加权处理,优化BP神经网络的输入,提高其训练效率和评价精度。通过这种结合方式,克服了AHP主观性较强以及BP神经网络初始权重和阈值随机设置的缺陷,使评价结果更加科学、准确。在研究创新点方面,本研究在指标体系构建上,充分考虑广西大中型工业企业的地域特点、产业结构以及发展阶段,结合东盟区域合作背景,选取了更具针对性和代表性的评价指标。在评价方法应用上,创新性地将AHP和BP神经网络深度融合,通过优化两者的结合方式,提高了对广西大中型工业企业技术创新能力评价的准确性和可靠性,为该领域的研究提供了新的思路和方法。二、相关理论基础2.1企业技术创新能力理论企业技术创新能力是企业在技术创新活动中所具备的各种能力的综合体现,是企业在市场竞争中获取优势、实现可持续发展的关键要素。国内外学者从不同角度对企业技术创新能力进行了研究,虽然尚未形成完全统一的定义,但普遍认为企业技术创新能力是企业运用各种资源,通过一系列创新活动,实现新技术、新产品、新工艺的开发与应用,从而提升企业经济效益和市场竞争力的能力。企业技术创新能力涵盖多个构成要素,各要素相互关联、相互影响,共同构成了企业技术创新能力的有机整体。创新投入能力是企业技术创新的基础,它反映了企业对技术创新活动的资源投入力度。包括资金投入、人力投入和设备投入等方面。充足的研发资金是开展创新活动的保障,企业需要持续投入资金用于研发项目、购买先进设备和引进新技术等。人力投入方面,高素质的研发人才是创新的核心力量,企业要吸引和培养具有创新思维和专业技能的研发人员,组建富有创造力的研发团队。先进的设备投入能够为创新活动提供良好的硬件条件,提高研发效率和创新成果的质量。研发能力是企业技术创新能力的核心要素。它体现了企业在新知识、新技术、新产品研发方面的能力和水平。研发能力包括基础研究能力、应用研究能力和试验发展能力。基础研究能力使企业能够探索新知识、发现新原理,为技术创新提供理论支持;应用研究能力则将基础研究成果转化为实际应用,开发出具有商业价值的技术和产品;试验发展能力是对应用研究成果进行进一步的优化和完善,确保产品和技术能够满足市场需求。以华为公司为例,其强大的研发能力使其在5G通信技术领域取得了众多关键技术突破,拥有大量核心专利,引领了全球5G技术的发展潮流。创新产出能力是企业技术创新成果的体现。主要包括新产品产出、新技术产出和专利产出等方面。新产品的推出能够满足市场的新需求,开拓新的市场领域,为企业带来新的利润增长点;新技术的产生可以提高企业的生产效率、降低生产成本,增强企业的市场竞争力;专利产出则是企业技术创新成果的法律保护形式,体现了企业的技术创新实力和知识产权保护意识。例如,苹果公司不断推出具有创新性的iPhone系列产品,凭借其独特的设计、先进的技术和丰富的功能,获得了巨大的市场成功,同时也积累了大量的专利,巩固了其在智能手机市场的领先地位。创新管理能力是企业技术创新活动顺利开展的保障。它涉及企业创新战略的制定、创新资源的合理配置、创新团队的有效管理以及创新过程的控制与协调等方面。科学合理的创新战略能够明确企业技术创新的方向和目标,使企业的创新活动与市场需求和企业发展战略相契合;合理配置创新资源可以提高资源利用效率,避免资源浪费;有效的创新团队管理能够激发团队成员的创新积极性和创造力,营造良好的创新氛围;创新过程的控制与协调能够确保创新活动按计划进行,及时解决创新过程中出现的问题。创新营销能力对于将企业的技术创新成果推向市场、实现商业价值至关重要。它包括市场调研、产品定位、品牌建设、销售渠道拓展和客户关系管理等方面。通过深入的市场调研,企业能够了解市场需求和竞争对手情况,为产品定位提供依据;精准的产品定位有助于企业开发出符合市场需求的产品,提高产品的市场适应性;良好的品牌建设可以提升企业的品牌知名度和美誉度,增强产品的市场竞争力;拓展销售渠道能够扩大产品的市场覆盖面,提高产品的销售量;有效的客户关系管理能够提高客户满意度和忠诚度,促进产品的重复销售和口碑传播。创新合作能力是企业在开放创新环境下获取外部创新资源、提升技术创新能力的重要途径。随着科技的快速发展和市场竞争的日益激烈,企业仅依靠自身的创新资源难以满足技术创新的需求,因此需要加强与外部合作伙伴的合作。创新合作能力包括与高校、科研机构的产学研合作,与供应商、客户的产业链合作以及与同行企业的战略联盟合作等。产学研合作可以使企业充分利用高校和科研机构的科研成果和人才资源,提升企业的研发水平;产业链合作能够促进企业与供应商、客户之间的信息共享和协同创新,提高整个产业链的创新效率;战略联盟合作则有助于企业与同行企业优势互补,共同开展技术研发和市场开拓,降低创新风险。2.2AHP理论层次分析法(AnalyticHierarchyProcess,简称AHP)由美国运筹学家托马斯・萨蒂(T.L.Saaty)在20世纪70年代提出,是一种定性与定量相结合的多准则决策分析方法。该方法将复杂的决策问题分解为多个层次,通过对各层次元素的两两比较,确定其相对重要性,进而计算出各元素的权重,为决策提供科学依据。AHP的基本原理和关键步骤如下:2.2.1构建层次结构模型将复杂问题分解为目标层、准则层和方案层等多个层次。目标层是决策的最终目标,如本研究中对广西大中型工业企业技术创新能力的评价;准则层是影响目标实现的关键因素,如创新投入能力、研发能力、创新产出能力、创新管理能力、创新营销能力和创新合作能力等,这些准则从不同维度反映了企业技术创新能力的构成要素;方案层则是具体的决策方案或评价对象,在本研究中即为广西的各个大中型工业企业。各层次之间存在明确的隶属关系,上层元素对下层元素具有支配作用,通过这种层次结构,将复杂的问题分解为多个相对简单的子问题,便于进行分析和决策。2.2.2构造判断矩阵在同一层次中,针对上一层次的某一准则,对该层次的各元素进行两两比较,判断其相对重要性。为了将这种相对重要性进行量化,采用1-9标度法,其含义如下:1表示两个元素同样重要;3表示一个元素比另一个元素稍微重要;5表示一个元素比另一个元素明显重要;7表示一个元素比另一个元素强烈重要;9表示一个元素比另一个元素绝对重要;2、4、6、8则是上述相邻判断的中间值。例如,在比较创新投入能力和研发能力对于企业技术创新能力的重要性时,如果专家认为创新投入能力稍微比研发能力重要,那么在判断矩阵中相应位置赋值为3。通过两两比较,构建出判断矩阵A,其中a_{ij}表示第i个元素相对于第j个元素对于上一层次某准则的重要性比值,且满足a_{ij}>0,a_{ji}=1/a_{ij},a_{ii}=1。2.2.3一致性检验由于判断矩阵是基于专家的主观判断构建的,可能存在不一致性。为了保证判断矩阵的合理性,需要进行一致性检验。一致性检验主要通过计算一致性指标(ConsistencyIndex,简称CI)和一致性比率(ConsistencyRatio,简称CR)来实现。计算最大特征值\lambda_{max}:对于判断矩阵A,通过数学方法计算其最大特征值\lambda_{max}。计算一致性指标CI:CI=\frac{\lambda_{max}-n}{n-1},其中n为判断矩阵的阶数。CI值越小,说明判断矩阵的一致性越好;当CI=0时,判断矩阵完全一致。查找随机一致性指标RI:RI是根据判断矩阵的阶数n,通过大量随机判断矩阵统计得到的平均随机一致性指标。不同阶数的RI值不同,例如,当n=3时,RI=0.58;当n=4时,RI=0.90等。计算一致性比率CR:CR=\frac{CI}{RI}。当CR<0.1时,认为判断矩阵的一致性可以接受,即专家的判断具有较好的逻辑性和合理性;若CR\geq0.1,则需要重新调整判断矩阵,直至通过一致性检验。通过以上步骤,运用AHP能够确定各评价指标相对于目标层的权重,从而明确各指标在评价广西大中型工业企业技术创新能力中的相对重要性。但AHP也存在一定的局限性,如判断矩阵的构建依赖专家的主观判断,不同专家的判断可能存在差异,从而影响权重的准确性;当指标数量较多时,判断矩阵的一致性检验难度较大,可能需要多次调整判断矩阵,耗费较多时间和精力。2.3BP神经网络理论BP神经网络(BackPropagationNeuralNetwork),即误差反向传播神经网络,是一种按照误差反向传播算法训练的多层前馈神经网络,具有强大的自学习、自适应和非线性映射能力,在众多领域得到了广泛应用。2.3.1BP神经网络的结构BP神经网络的基本结构通常由输入层、隐藏层和输出层组成,各层之间通过权重相互连接。输入层:是网络与外部数据的接口,其神经元数量取决于输入数据的特征维度。在对广西大中型工业企业技术创新能力评价中,输入层神经元对应选取的评价指标,如研发投入资金、研发人员数量、新产品销售收入等,这些指标数据作为输入信号传递到网络中。隐藏层:是BP神经网络的核心部分,可对输入信号进行非线性变换,提取数据的深层次特征。隐藏层可以有一个或多个,每层包含的神经元数量需根据具体问题和经验进行调整。隐藏层神经元通过权重与输入层和输出层相连,其作用是对输入信号进行加工和处理,将输入信号从原始空间映射到一个新的特征空间,从而更好地揭示数据的内在规律。例如,在处理企业技术创新能力评价数据时,隐藏层能够挖掘研发投入与创新产出之间的复杂非线性关系,提取出对评价技术创新能力有重要影响的特征信息。输出层:产生网络的最终输出结果,其神经元数量与具体的输出任务相关。在本研究中,输出层的神经元输出即为广西大中型工业企业技术创新能力的评价结果,如技术创新能力的综合得分、能力等级等,直观地反映企业技术创新能力的水平。2.3.2BP神经网络的工作原理BP神经网络的工作过程主要包括信号正向传播和误差反向传播两个阶段。在信号正向传播阶段,输入数据从输入层经过隐藏层的处理,最终传递到输出层。输入层神经元接收外部输入数据后,将其传递给隐藏层神经元。隐藏层神经元对输入信号进行加权求和,并通过激活函数进行非线性变换,得到隐藏层的输出。常用的激活函数有Sigmoid函数、ReLU函数等。例如,若采用Sigmoid函数作为激活函数,其表达式为f(x)=\frac{1}{1+e^{-x}},通过该函数可将神经元的输入映射到(0,1)区间,引入非线性因素,使网络能够学习复杂的非线性关系。隐藏层的输出再作为下一层的输入,经过类似的处理,最终得到输出层的输出结果。当输出结果与期望输出(即实际的企业技术创新能力真实值)存在差异时,进入误差反向传播阶段。误差反向传播是将输出误差通过隐藏层向输入层逐层反传,并将误差分摊给各层所有单元,以各层获得的误差信号作为调整各单元权值的依据。具体来说,首先计算输出层的误差,通过实际输出与期望输出的差值来衡量误差大小,常用的误差计算方法有均方误差(MeanSquaredError,MSE),其计算公式为MSE=\frac{1}{n}\sum_{i=1}^{n}(y_{i}-\hat{y}_{i})^{2},其中n为样本数量,y_{i}为第i个样本的期望输出,\hat{y}_{i}为第i个样本的实际输出。然后根据误差梯度,利用链式法则计算每个权重的梯度,通过梯度下降法来调整各层神经元之间的权重和阈值,以减小误差。梯度下降法的基本思想是沿着误差函数梯度的反方向更新权重,使得误差函数逐渐减小。在权重更新过程中,学习率是一个重要参数,它决定了每次权重更新的步长大小。如果学习率过大,可能导致权重更新过快,无法收敛到最优解;如果学习率过小,会使训练过程变得缓慢,收敛速度慢。例如,权重更新公式为w_{ij}=w_{ij}-\eta\frac{\partialE}{\partialw_{ij}},其中w_{ij}为第i个神经元到第j个神经元的权重,\eta为学习率,\frac{\partialE}{\partialw_{ij}}为误差对权重w_{ij}的偏导数。通过不断重复信号正向传播和误差反向传播过程,BP神经网络逐步优化网络的权重和阈值,使网络输出结果与期望输出之间的误差不断减小,直至达到预定的误差要求或训练次数,训练过程结束。此时训练好的BP神经网络就可以对新的输入数据进行预测和评价,如对广西其他大中型工业企业的技术创新能力进行评价。三、广西大中型工业企业技术创新能力现状分析3.1发展概况近年来,广西大中型工业企业在规模和数量上呈现出稳步增长的态势,在区域经济中占据着举足轻重的地位。截至[具体年份],广西大中型工业企业数量达到[X]家,相较于上一年度增长了[X]%,资产总计达到[X]亿元,同比增长[X]%。这些企业的发展对于推动广西经济增长、促进产业结构调整和升级发挥了关键作用。从行业分布来看,广西大中型工业企业广泛分布于多个行业领域,其中传统优势产业如汽车、有色金属、食品等行业的企业数量较多,规模较大。以汽车行业为例,上汽通用五菱汽车股份有限公司作为广西汽车产业的龙头企业,在国内微型车市场占据重要地位,其产品不仅畅销国内,还远销海外多个国家和地区。在有色金属行业,广西拥有丰富的铝、锌、锡等矿产资源,吸引了众多大中型企业入驻,如广西南南铝加工有限公司,专注于铝精深加工,产品广泛应用于航空航天、轨道交通等高端领域。食品行业中,广西的制糖企业规模庞大,是全国重要的食糖生产基地,如广西农垦糖业集团,在食糖生产、销售以及蔗糖综合利用方面具有较强的实力。新兴产业领域,如新一代信息技术、新能源汽车、生物医药等行业的大中型工业企业也在逐渐崛起。在新一代信息技术领域,桂林光隆科技集团股份有限公司专注于光通信领域的研发和生产,其产品在国内市场具有较高的份额,并逐步拓展国际市场。新能源汽车行业,广西积极引进和培育相关企业,推动新能源汽车产业快速发展,如广西申龙汽车制造有限公司,致力于新能源客车和物流车的研发、生产和销售,产品在国内多个城市得到应用。生物医药行业,桂林三金药业股份有限公司作为知名企业,在中成药研发、生产方面具有深厚的技术积累和品牌影响力,其产品畅销全国。广西大中型工业企业在区域经济中的地位十分显著。在经济增长方面,这些企业的工业增加值对广西GDP的贡献率较高,是推动广西经济增长的重要力量。在产业结构调整方面,企业通过技术创新和产业升级,不断优化产品结构和产业布局,推动传统产业向高端化、智能化、绿色化方向发展,促进新兴产业的培育和壮大。在就业方面,大中型工业企业吸纳了大量的劳动力,为缓解就业压力、提高居民收入水平做出了重要贡献。例如,柳钢集团作为广西大型钢铁企业,员工数量众多,涵盖了从生产一线到技术研发、管理等各个岗位,为当地居民提供了丰富的就业机会。3.2技术创新能力现状3.2.1创新投入在研发经费投入方面,广西大中型工业企业近年来呈现出稳步增长的态势。根据[具体年份]的统计数据,广西大中型工业企业的研发经费投入达到了[X]亿元,相较于上一年度增长了[X]%。这表明企业对技术创新的重视程度不断提高,积极加大资金投入,以提升自身的技术创新能力。从研发经费投入强度(研发经费与主营业务收入之比)来看,[具体年份]广西大中型工业企业的研发经费投入强度为[X]%,虽然与东部发达地区相比仍有一定差距,但较以往年份有了明显提升,反映出企业在创新投入上的积极努力和不断进步。研发人员是企业技术创新的核心力量,其数量和质量直接影响着企业的创新能力。截至[具体年份],广西大中型工业企业的研发人员数量达到了[X]人,占企业从业人员总数的比例为[X]%。与过去相比,研发人员数量有了显著增加,占比也有所提高,说明企业在人才队伍建设方面取得了一定成效,不断充实创新人才队伍,为技术创新活动提供了有力的人力支持。从研发人员的结构来看,高层次、高学历的研发人才占比逐渐提高,例如具有硕士及以上学历的研发人员占比达到了[X]%,这有助于提升企业的研发水平和创新能力。3.2.2创新产出专利申请与授权数量是衡量企业技术创新成果的重要指标之一。[具体年份],广西大中型工业企业的专利申请数量达到了[X]件,其中发明专利申请数量为[X]件,占比[X]%。专利授权数量为[X]件,发明专利授权数量为[X]件,占比[X]%。与以往年份相比,专利申请和授权数量均呈现出增长趋势,发明专利的申请和授权占比也在逐步提高,表明企业的创新成果不断涌现,创新质量得到了提升,更加注重核心技术的研发和知识产权的保护。新产品销售收入是企业技术创新成果转化为经济效益的重要体现。[具体年份],广西大中型工业企业的新产品销售收入达到了[X]亿元,占主营业务收入的比重为[X]%。这显示出企业通过技术创新,开发出了具有市场竞争力的新产品,有效地拓展了市场份额,提高了企业的经济效益。与之前年份相比,新产品销售收入及其占比均有明显增长,说明企业在技术创新成果转化方面取得了较好的成效,创新成果能够较好地实现商业化应用,为企业带来了新的利润增长点。3.2.3创新管理在创新管理制度建设方面,广西部分大中型工业企业已经建立了相对完善的创新管理制度体系,涵盖了创新项目的立项、实施、评估、奖励等各个环节。例如,[企业名称1]制定了详细的创新项目管理办法,明确了创新项目的申报条件、审批流程和验收标准,确保创新项目的规范实施;[企业名称2]建立了创新激励机制,对在技术创新中做出突出贡献的团队和个人给予物质和精神奖励,激发了员工的创新积极性。然而,仍有部分企业的创新管理制度存在不足,如制度执行不严格,一些创新项目未能按照规定的流程和标准进行管理;创新激励机制不够完善,奖励力度较小,无法充分调动员工的创新热情。创新战略的制定与实施对于企业的技术创新方向和发展具有重要指导作用。一些广西大中型工业企业能够结合自身的发展战略和市场需求,制定明确的创新战略。例如,[企业名称3]明确提出以“创新驱动、高端引领”为创新战略,聚焦于新能源汽车核心技术的研发,加大研发投入,积极引进高端人才,与高校、科研机构开展产学研合作,在新能源汽车技术领域取得了一系列创新成果。但也有部分企业在创新战略方面存在问题,如创新战略不明确,缺乏长远规划,导致企业的技术创新活动缺乏连贯性和方向性;创新战略与企业实际情况脱节,无法有效实施,影响了企业技术创新能力的提升。3.3存在问题尽管广西大中型工业企业在技术创新方面取得了一定成绩,但通过对其创新投入、产出和管理等方面的深入分析,仍可发现存在一些制约技术创新能力提升的问题。在创新投入方面,虽然广西大中型工业企业的研发经费投入和研发人员数量近年来有所增长,但与东部发达地区相比,仍存在较大差距。从研发经费投入强度来看,广西企业的这一指标明显低于全国平均水平。较低的研发投入强度限制了企业对新技术、新产品研发的投入,导致企业在技术创新上缺乏足够的资金支持,难以开展大规模、高难度的研发项目,影响了企业技术创新的深度和广度。在研发人员方面,虽然数量有所增加,但高层次、创新型人才的短缺问题依然突出。具有国际视野、掌握前沿技术的高端研发人才相对匮乏,这使得企业在关键技术研发、核心技术突破等方面面临较大困难,制约了企业技术创新能力的提升。创新产出效率有待提高。虽然广西大中型工业企业的专利申请和授权数量以及新产品销售收入呈现增长趋势,但与发达地区相比,专利的转化率和新产品的市场占有率仍较低。许多企业虽然拥有一定数量的专利,但未能将这些专利有效地转化为实际生产力,导致专利的经济价值未能充分体现。部分企业的新产品在市场推广和营销方面存在不足,未能充分挖掘市场潜力,使得新产品的市场份额较小,无法为企业带来显著的经济效益。这反映出企业在技术创新成果转化和市场开拓方面的能力有待加强,未能形成有效的创新成果商业化路径。创新管理方面,部分企业的创新管理制度不够完善,创新战略不够明确。一些企业的创新项目管理流程不规范,缺乏有效的项目评估和监督机制,导致创新项目进展缓慢,甚至失败。创新激励机制不完善,对创新人才的激励不足,难以充分调动员工的创新积极性和创造力。在创新战略方面,一些企业缺乏长远规划,创新战略与企业的整体发展战略脱节,使得企业的技术创新活动缺乏明确的方向和目标,无法形成持续的创新动力。这些问题严重影响了企业技术创新活动的顺利开展和创新能力的提升。四、基于AHP的评价指标权重确定4.1评价指标体系构建4.1.1构建原则构建科学合理的评价指标体系是准确评价广西大中型工业企业技术创新能力的基础。在构建过程中,需遵循一系列原则,以确保指标体系的有效性和可靠性。科学性原则是构建评价指标体系的首要原则。指标的选取应基于科学的理论和方法,能够客观、准确地反映广西大中型工业企业技术创新能力的内涵和特征。每个指标都应具有明确的定义和计算方法,避免主观随意性。在选取研发投入相关指标时,如研发经费投入强度,其计算公式为研发经费与主营业务收入之比,通过这一科学的计算方式,能够准确衡量企业在研发资金投入方面的力度,为评价企业技术创新能力提供可靠依据。系统性原则要求评价指标体系应全面、系统地涵盖企业技术创新能力的各个方面。技术创新能力是一个复杂的系统,包括创新投入、研发、产出、管理等多个维度。因此,指标体系应从这些不同维度出发,选取具有代表性的指标,使各个指标相互关联、相互补充,形成一个有机的整体。从创新投入维度选取研发经费投入强度、研发人员占比等指标;从研发维度选取研发项目成功率、新产品开发周期等指标;从产出维度选取专利申请数量、新产品销售收入等指标;从管理维度选取创新管理制度完善程度、创新战略明确性等指标。通过这些多维度的指标组合,能够全面系统地评价企业的技术创新能力。可操作性原则强调指标体系中的各项指标应易于获取和计算,数据来源可靠。在实际评价过程中,如果指标的数据难以获取或计算复杂,将导致评价工作无法顺利进行。因此,应优先选择那些能够通过企业统计报表、政府统计数据或其他公开渠道获取数据的指标。同时,指标的计算方法应简洁明了,便于操作。例如,专利申请数量、新产品销售收入等指标的数据可以直接从企业的相关统计报表中获取,计算方法简单直观,符合可操作性原则。代表性原则要求选取的指标应具有较强的代表性,能够准确反映企业技术创新能力的关键特征和主要影响因素。避免选取一些相关性过高或意义相近的指标,以免造成信息冗余。在衡量企业创新产出能力时,选择专利申请数量和新产品销售收入这两个指标,专利申请数量能够反映企业在技术创新方面的成果数量,新产品销售收入则体现了企业技术创新成果的市场价值,这两个指标从不同角度代表了企业的创新产出能力,具有较强的代表性。4.1.2指标选取基于上述构建原则,结合广西大中型工业企业的实际情况和发展特点,从创新投入、研发、产出、管理等多个维度选取了一系列具体指标,以全面、准确地评价企业的技术创新能力。在创新投入维度,选取了研发经费投入强度和研发人员占比这两个关键指标。研发经费投入强度是衡量企业对技术创新资金投入力度的重要指标,其计算公式为研发经费与主营业务收入之比。该指标反映了企业在主营业务收入中用于研发的比例,比值越高,说明企业对技术创新的资金投入越大,越重视技术创新活动。例如,某企业的主营业务收入为1亿元,研发经费为1000万元,则其研发经费投入强度为10%。研发人员占比是指研发人员数量占企业总员工数量的比例,它体现了企业在人力资源方面对技术创新的投入程度。研发人员是技术创新的核心力量,较高的研发人员占比意味着企业拥有更多的创新人才资源,能够为技术创新活动提供有力的人力支持。研发维度选取了研发项目成功率和新产品开发周期两个指标。研发项目成功率是指成功完成的研发项目数量与总研发项目数量之比,它反映了企业在研发活动中的效率和能力。一个较高的研发项目成功率表明企业在研发过程中能够有效地组织资源、合理规划项目,具备较强的研发能力和项目管理能力。新产品开发周期是指从新产品概念提出到产品正式上市所经历的时间,它体现了企业研发速度的快慢。较短的新产品开发周期意味着企业能够更快地将研发成果转化为市场上的产品,及时满足市场需求,提高企业的市场竞争力。创新产出维度,选择了专利申请数量和新产品销售收入两个指标。专利申请数量是企业技术创新成果的一种重要体现,它反映了企业在技术创新方面的成果数量和创新活跃度。企业申请的专利数量越多,说明其在技术创新方面的成果越丰富,技术创新能力越强。新产品销售收入是指企业通过销售新产品所获得的收入,它体现了企业技术创新成果的市场价值和商业化程度。较高的新产品销售收入表明企业的新产品在市场上受到欢迎,技术创新成果能够有效地转化为经济效益,为企业带来利润增长。创新管理维度,选取了创新管理制度完善程度和创新战略明确性两个指标。创新管理制度完善程度是对企业创新管理制度体系的全面评估,包括创新项目的立项、实施、评估、奖励等各个环节的制度建设情况。完善的创新管理制度能够为企业的技术创新活动提供规范的流程和保障,激发员工的创新积极性。例如,某企业建立了详细的创新项目管理办法,明确了创新项目的申报条件、审批流程和验收标准,同时制定了创新激励机制,对在技术创新中做出突出贡献的团队和个人给予物质和精神奖励,这些都体现了该企业创新管理制度的完善程度。创新战略明确性是指企业是否制定了明确的技术创新战略,以及该战略与企业整体发展战略的契合程度。明确的创新战略能够为企业的技术创新活动指明方向,使企业的创新资源得到合理配置,提高创新效率。如果企业的创新战略不明确,将导致技术创新活动缺乏连贯性和方向性,难以取得良好的创新效果。通过以上从创新投入、研发、产出、管理等维度选取的一系列具有代表性的指标,构建了一套较为全面、科学的广西大中型工业企业技术创新能力评价指标体系,为后续运用AHP确定指标权重以及综合评价企业技术创新能力奠定了坚实的基础。4.2AHP确定指标权重4.2.1构建层次结构模型运用AHP对广西大中型工业企业技术创新能力进行评价时,首先需构建层次结构模型。将广西大中型工业企业技术创新能力作为目标层,这是整个评价的核心目标,即综合评估广西地区大中型工业企业在技术创新方面所具备的能力水平。准则层则涵盖了创新投入能力、研发能力、创新产出能力、创新管理能力、创新营销能力和创新合作能力六个关键维度。创新投入能力体现了企业对技术创新活动的资源投入程度,是技术创新的基础保障;研发能力是企业实现技术突破和创新的核心能力;创新产出能力直观反映了企业技术创新活动的成果;创新管理能力确保企业技术创新活动能够高效、有序地开展;创新营销能力有助于将企业的创新成果推向市场,实现商业价值;创新合作能力则使企业能够整合外部创新资源,提升自身创新实力。在指标层,针对每个准则层指标选取了具体的评价指标。对于创新投入能力,选取研发经费投入强度和研发人员占比,从资金和人力投入方面衡量企业对创新的重视程度;研发能力通过研发项目成功率和新产品开发周期来评价,反映企业研发活动的效率和速度;创新产出能力用专利申请数量和新产品销售收入来体现,展示企业创新成果的数量和市场价值;创新管理能力以创新管理制度完善程度和创新战略明确性作为评价指标,评估企业在创新管理方面的水平;创新营销能力选取市场占有率和品牌知名度,反映企业创新产品在市场中的竞争力和影响力;创新合作能力通过产学研合作项目数量和战略联盟合作次数来衡量,体现企业与外部合作的广度和深度。通过这样的层次结构模型,将广西大中型工业企业技术创新能力这一复杂问题进行了系统分解,使各层次之间的关系清晰明确,便于后续运用AHP进行深入分析和评价。目标层统领整个评价体系,准则层从不同维度对目标层进行细化,指标层则为准则层提供具体的评价依据,各层次相互关联、相互支撑,共同构成了一个完整的评价框架。4.2.2构造判断矩阵在构建好层次结构模型后,邀请了[X]位在工业企业技术创新领域具有丰富经验的专家,包括高校相关专业的教授、行业协会的资深研究员以及大中型工业企业的技术创新管理人员等。请他们针对同一层次的指标,就其对上一层次某准则的重要性进行两两比较,采用1-9标度法进行打分,从而构造判断矩阵。以准则层对目标层的判断矩阵构建为例,假设专家对创新投入能力、研发能力、创新产出能力、创新管理能力、创新营销能力和创新合作能力这六个准则相对于技术创新能力目标层的重要性进行两两比较。若专家认为创新投入能力和研发能力同样重要,则在判断矩阵中对应位置赋值为1;若认为创新投入能力比创新产出能力稍微重要,那么对应位置赋值为3;若认为研发能力比创新营销能力明显重要,相应位置赋值为5等。通过这样的方式,构建出准则层对目标层的判断矩阵A:A=\begin{pmatrix}1&a_{12}&a_{13}&a_{14}&a_{15}&a_{16}\\1/a_{12}&1&a_{23}&a_{24}&a_{25}&a_{26}\\1/a_{13}&1/a_{23}&1&a_{34}&a_{35}&a_{36}\\1/a_{14}&1/a_{24}&1/a_{34}&1&a_{45}&a_{46}\\1/a_{15}&1/a_{25}&1/a_{35}&1/a_{45}&1&a_{56}\\1/a_{16}&1/a_{26}&1/a_{36}&1/a_{46}&1/a_{56}&1\end{pmatrix}其中a_{ij}表示第i个准则相对于第j个准则对于目标层的重要性比值,且满足a_{ij}>0,a_{ji}=1/a_{ij},a_{ii}=1。同样的方法,针对每个准则层指标下的指标层指标,也构建相应的判断矩阵。例如,对于创新投入能力准则下的研发经费投入强度和研发人员占比这两个指标,专家对它们的重要性进行两两比较,构建判断矩阵B:B=\begin{pmatrix}1&b_{12}\\1/b_{12}&1\end{pmatrix}通过构造这些判断矩阵,将专家对各指标相对重要性的主观判断进行了量化,为后续计算指标权重提供了基础数据。4.2.3一致性检验与权重计算对构造好的判断矩阵进行一致性检验,以确保专家判断的逻辑性和合理性,进而保证权重计算结果的可靠性。以准则层对目标层的判断矩阵A为例,首先计算其最大特征值\lambda_{max}。通过数学方法(如幂法等)求解得到\lambda_{max}的值。然后计算一致性指标CI:CI=\frac{\lambda_{max}-n}{n-1}其中n为判断矩阵的阶数,在准则层对目标层的判断矩阵A中,n=6。接着查找随机一致性指标RI,根据判断矩阵的阶数n=6,从相关标准表中查得RI=1.24。最后计算一致性比率CR:CR=\frac{CI}{RI}若CR<0.1,则认为判断矩阵A的一致性可以接受,即专家对准则层各指标相对于目标层的重要性判断具有较好的逻辑性和合理性。若CR\geq0.1,则需要重新邀请专家对判断矩阵进行调整,直至通过一致性检验。在判断矩阵通过一致性检验后,计算各指标的权重。对于准则层对目标层的判断矩阵A,采用特征向量法计算权重。先计算判断矩阵A的最大特征值\lambda_{max}对应的特征向量W,然后对特征向量W进行归一化处理,得到准则层各指标相对于目标层的权重向量w_1,w_2,w_3,w_4,w_5,w_6。对于指标层各指标相对于准则层指标的权重计算,同样采用上述方法。以创新投入能力准则下的判断矩阵B为例,计算其最大特征值\lambda_{max}对应的特征向量,归一化后得到研发经费投入强度和研发人员占比相对于创新投入能力准则的权重。通过这样的一致性检验和权重计算过程,确定了广西大中型工业企业技术创新能力评价指标体系中各指标的权重。这些权重反映了各指标在评价企业技术创新能力中的相对重要性,为后续运用BP神经网络进行综合评价提供了重要依据。五、基于BP神经网络的评价模型构建与应用5.1BP神经网络模型设计5.1.1网络结构确定在构建基于BP神经网络的广西大中型工业企业技术创新能力评价模型时,首要任务是确定网络结构,这直接关系到模型的性能和评价效果。输入层节点数依据前文构建的评价指标体系来确定。该指标体系从创新投入、研发、产出、管理等多个维度选取了具有代表性的指标,共包含[X]个具体指标,如研发经费投入强度、研发人员占比、研发项目成功率、新产品开发周期、专利申请数量、新产品销售收入、创新管理制度完善程度、创新战略明确性、市场占有率、品牌知名度、产学研合作项目数量和战略联盟合作次数等。因此,输入层节点数设定为[X],每个节点对应一个评价指标,将这些指标数据作为输入信号传递到网络中,为后续的分析和处理提供基础数据。隐藏层节点数的确定是一个关键且复杂的过程。隐藏层在BP神经网络中起着对输入信号进行非线性变换和特征提取的重要作用,其节点数量的多少直接影响网络的学习能力和泛化能力。若节点数过少,网络所能学习到的特征信息有限,无法准确捕捉数据中的复杂关系,导致欠拟合问题,使模型的预测精度和评价效果不佳;若节点数过多,虽然网络的学习能力增强,但会增加训练时间和计算复杂度,还可能出现过拟合现象,即模型对训练数据过度学习,在面对新数据时表现不佳,缺乏泛化能力。目前,确定隐藏层节点数并没有一个通用的理论公式,通常需要结合经验公式和实际测试来确定。常用的经验公式有n_1=\sqrt{n+m}+a(其中n_1为隐藏层节点数,n为输入层节点数,m为输出层节点数,a为1-10之间的常数)。在本研究中,输入层节点数n=[X],输出层节点数m=1,根据经验公式初步计算出隐藏层节点数的范围。在此基础上,通过多次实验,设置不同的隐藏层节点数,如[具体节点数1]、[具体节点数2]、[具体节点数3]等,对模型进行训练和测试,观察模型的训练误差、测试误差以及收敛速度等指标。经过反复比较和分析,最终确定隐藏层节点数为[X],此时模型在训练集和测试集上均表现出较好的性能,既能有效学习数据特征,又能避免过拟合和欠拟合问题,保证了模型的准确性和泛化能力。输出层节点数代表广西大中型工业企业技术创新能力综合评价结果。由于本研究旨在得到一个综合评价得分,以直观反映企业技术创新能力的水平,因此输出层节点数设定为1,该节点输出的数值即为企业技术创新能力的综合评价得分。这个得分将作为评价企业技术创新能力的重要依据,得分越高,表明企业的技术创新能力越强;反之,则技术创新能力较弱。通过这种方式,BP神经网络能够将多个输入指标映射为一个综合评价结果,为企业和相关部门提供简洁明了的技术创新能力评价信息。5.1.2传递函数选择传递函数在BP神经网络中扮演着至关重要的角色,它负责对神经元的输入信号进行非线性变换,使网络能够学习和处理复杂的非线性关系。在本研究中,选用S型函数(Sigmoid函数)作为隐藏层神经元的传递函数。Sigmoid函数的表达式为f(x)=\frac{1}{1+e^{-x}},其具有以下显著特点和优势。Sigmoid函数的输出值介于0和1之间,能够将神经元的输入映射到一个有限的区间内。这一特性在处理广西大中型工业企业技术创新能力评价数据时具有重要意义。评价指标数据往往具有不同的量纲和取值范围,通过Sigmoid函数的映射,可以将这些数据统一到(0,1)区间,便于网络进行处理和分析。研发经费投入强度可能在0-100%之间,研发人员占比可能在0-50%之间,经过Sigmoid函数变换后,它们都被映射到(0,1)区间,消除了量纲差异对网络训练的影响,提高了网络的训练效率和稳定性。Sigmoid函数是连续可微的,这对于BP神经网络的误差反向传播算法至关重要。在误差反向传播过程中,需要计算误差对网络权重和阈值的偏导数,以调整网络参数,使误差逐渐减小。由于Sigmoid函数的可微性,能够方便地利用链式法则计算偏导数,从而实现网络权重和阈值的更新。如果传递函数不可微,将无法进行误差反向传播,网络也就无法进行有效的训练。Sigmoid函数的非线性特性能够使BP神经网络学习到输入数据之间复杂的非线性关系。广西大中型工业企业技术创新能力的评价是一个复杂的过程,涉及多个因素之间的相互作用和影响,这些因素之间往往存在着非线性关系。例如,研发投入与创新产出之间并非简单的线性关系,还受到创新管理、市场环境等多种因素的影响。Sigmoid函数能够对这些复杂的非线性关系进行建模和学习,使网络能够准确地捕捉到数据中的内在规律,提高技术创新能力评价的准确性。对于输出层神经元,考虑到本研究中输出的是企业技术创新能力的综合评价得分,其取值范围没有限制,因此选用线性传递函数(Purelin函数)。Purelin函数的表达式为f(x)=x,它能够直接输出神经元的输入值,保持数据的原始线性关系。这样,经过隐藏层处理后的信号通过线性传递函数输出,得到的综合评价得分能够真实地反映企业技术创新能力的实际水平,避免了因非线性变换对得分造成的不必要影响,使评价结果更加直观、准确。5.2模型训练与仿真5.2.1数据收集与预处理为了构建和训练基于BP神经网络的广西大中型工业企业技术创新能力评价模型,需要收集大量的相关数据。数据来源主要包括广西壮族自治区统计局、工业和信息化厅等政府部门发布的统计年鉴、统计报告,以及各企业的年度报告、财务报表等。这些数据涵盖了广西多家大中型工业企业在创新投入、研发、产出、管理等多个方面的信息,为模型训练提供了丰富的数据基础。收集到的数据存在一些问题,如数据的量纲不一致、数据缺失和异常值等,这些问题会影响BP神经网络的训练效果和评价准确性。因此,需要对数据进行预处理,使其符合模型输入要求。针对数据量纲不一致的问题,采用标准化方法对数据进行处理。标准化能够消除不同指标数据量纲的影响,使数据处于同一数量级,便于神经网络进行学习和分析。常用的标准化方法有Z-score标准化,其计算公式为x^*=\frac{x-\mu}{\sigma},其中x为原始数据,\mu为数据的均值,\sigma为数据的标准差,x^*为标准化后的数据。对于研发经费投入强度这一指标,其原始数据可能在0-100%之间,而研发人员占比的原始数据可能在0-50%之间,通过Z-score标准化后,它们都被映射到一个相对统一的尺度上,避免了量纲差异对模型训练的干扰。对于数据缺失值,采用均值填充法进行处理。即计算该指标所有非缺失数据的均值,然后用这个均值来填充缺失值。若某企业的新产品销售收入数据缺失,通过计算其他企业新产品销售收入的均值,用该均值来填充该企业的缺失值,以保证数据的完整性。对于异常值,采用3\sigma准则进行识别和处理。若数据点与均值的偏差超过3倍标准差,则将其视为异常值,并用合理的数据进行替换。例如,若某企业的专利申请数量远远超出其他企业,且经过计算其与均值的偏差超过3倍标准差,可将其视为异常值,通过进一步调查或与企业沟通,用合理的数值进行替换,确保数据的准确性和可靠性。经过上述数据收集和预处理步骤,得到了符合BP神经网络输入要求的高质量数据集,为后续的模型训练和仿真奠定了坚实基础。5.2.2模型训练利用预处理后的数据对BP神经网络进行训练,这是模型构建的关键环节,其目的是通过不断调整网络的权重和阈值,使网络能够准确地学习到输入数据与输出结果之间的复杂关系。在训练过程中,采用了梯度下降法来调整网络的权重和阈值。梯度下降法是一种基于误差反向传播的优化算法,其基本思想是沿着误差函数梯度的反方向更新权重和阈值,以逐步减小网络的输出误差。具体来说,在每次训练迭代中,首先将预处理后的输入数据输入到BP神经网络中,通过信号正向传播,经过隐藏层的非线性变换和加权求和,最终得到网络的输出结果。然后,计算网络输出结果与实际的企业技术创新能力评价结果(即期望输出)之间的误差。常用的误差计算函数为均方误差(MSE),其计算公式为MSE=\frac{1}{n}\sum_{i=1}^{n}(y_{i}-\hat{y}_{i})^{2},其中n为样本数量,y_{i}为第i个样本的期望输出,\hat{y}_{i}为第i个样本的实际输出。根据计算得到的误差,通过误差反向传播,将误差从输出层逐层反传至输入层,计算每个权重和阈值的梯度。以隐藏层到输出层的权重w_{ij}为例,其梯度\frac{\partialE}{\partialw_{ij}}的计算通过链式法则实现,其中E为误差函数。然后,根据梯度下降法的公式w_{ij}=w_{ij}-\eta\frac{\partialE}{\partialw_{ij}}来更新权重w_{ij},其中\eta为学习率,它决定了每次权重更新的步长大小。学习率是一个重要的超参数,若学习率过大,权重更新过快,可能导致网络无法收敛,甚至出现发散现象;若学习率过小,权重更新缓慢,会使训练时间过长,收敛速度慢。在本研究中,通过多次试验,将学习率设置为[具体学习率数值],在保证网络收敛的前提下,提高了训练效率。为了防止过拟合现象的发生,采用了正则化技术。正则化是一种通过在误差函数中添加正则化项来约束网络权重的方法,常用的正则化方法有L1正则化和L2正则化。在本研究中,采用L2正则化,即在均方误差的基础上加上一个L2正则化项\lambda\sum_{i=1}^{m}w_{i}^{2},其中\lambda为正则化系数,m为网络中所有权重的数量,w_{i}为第i个权重。通过添加正则化项,使网络在学习过程中更加关注数据的整体特征,避免对训练数据的过度拟合,提高了网络的泛化能力。经过多次试验,将正则化系数\lambda设置为[具体正则化系数数值],有效防止了过拟合现象的发生,使训练得到的模型能够更好地适应新的数据。经过[具体训练次数]次的训练迭代,网络的输出误差逐渐减小,当误差达到预定的阈值(如[具体误差阈值])或达到最大训练次数时,训练过程结束。此时,BP神经网络的权重和阈值得到了优化,网络能够准确地学习到广西大中型工业企业技术创新能力评价指标与评价结果之间的复杂关系,为后续的模型仿真和验证提供了可靠的模型基础。5.2.3模型仿真与验证在完成BP神经网络的训练后,需要对训练好的模型进行仿真与验证,以评估模型的准确性和可靠性,确保模型能够准确地对广西大中型工业企业技术创新能力进行评价。将预处理后的测试数据输入到训练好的BP神经网络中,进行模型仿真。测试数据是在数据收集阶段预留的一部分数据,其未参与模型的训练过程,用于独立检验模型的性能。在仿真过程中,测试数据按照训练阶段的信号正向传播方式,经过输入层、隐藏层和输出层的处理,最终得到模型的输出结果,即对广西大中型工业企业技术创新能力的预测评价得分。为了验证模型的准确性和可靠性,采用多种评价指标进行评估。常用的评价指标包括均方误差(MSE)、平均绝对误差(MAE)和决定系数(R^{2})等。均方误差(MSE)能够衡量模型预测值与实际值之间的平均误差平方,其计算公式为MSE=\frac{1}{n}\sum_{i=1}^{n}(y_{i}-\hat{y}_{i})^{2},其中n为测试样本数量,y_{i}为第i个样本的实际技术创新能力评价得分,\hat{y}_{i}为第i个样本的模型预测评价得分。MSE值越小,说明模型预测值与实际值之间的误差越小,模型的准确性越高。平均绝对误差(MAE)反映了模型预测值与实际值之间绝对误差的平均值,计算公式为MAE=\frac{1}{n}\sum_{i=1}^{n}|y_{i}-\hat{y}_{i}|。MAE值越小,表明模型的预测结果越接近实际值,模型的预测精度越高。决定系数(R^{2})用于评估模型对数据的拟合优度,其取值范围在0-1之间。R^{2}越接近1,说明模型对数据的拟合效果越好,模型能够解释数据中的大部分变异,预测能力越强。其计算公式为R^{2}=1-\frac{\sum_{i=1}^{n}(y_{i}-\hat{y}_{i})^{2}}{\sum_{i=1}^{n}(y_{i}-\bar{y})^{2}},其中\bar{y}为实际值的平均值。通过计算这些评价指标,得到了模型在测试数据上的性能表现。假设经过计算,MSE值为[具体MSE值],MAE值为[具体MAE值],R^{2}值为[具体R^{2}值]。从这些指标来看,MSE和MAE值较小,表明模型预测值与实际值之间的误差较小;R^{2}值接近1,说明模型对测试数据的拟合效果较好。这表明训练好的BP神经网络模型在对广西大中型工业企业技术创新能力进行评价时具有较高的准确性和可靠性,能够为企业和相关部门提供较为准确的技术创新能力评价结果,为决策提供有力支持。六、实证分析6.1样本选取与数据收集为了确保实证分析的科学性和准确性,本研究选取了广西[具体年份]的[X]家大中型工业企业作为样本。这些企业涵盖了广西多个主要工业行业,包括汽车制造、有色金属、食品加工、机械装备、电子信息等行业,具有广泛的代表性。汽车制造行业选取了上汽通用五菱汽车股份有限公司、东风柳州汽车有限公司等企业;有色金属行业选取了广西南南铝加工有限公司、广西华锡集团股份有限公司等企业;食品加工行业选取了广西农垦糖业集团、桂林力源粮油食品集团有限公司等企业;机械装备行业选取了柳州欧维姆机械股份有限公司、中船华南船舶机械有限公司等企业;电子信息行业选取了桂林光隆科技集团股份有限公司、广西北海惠科电子有限公司等企业。通过涵盖多个行业的企业样本,能够全面反映广西大中型工业企业技术创新能力的整体水平和行业差异。数据收集主要通过以下几种途径:一是从广西壮族自治区统计局、工业和信息化厅等政府部门获取相关统计数据,这些数据具有权威性和可靠性,涵盖了企业的基本经济指标、研发投入、创新产出等方面的信息。二是收集各企业的年度报告、财务报表以及企业官方网站发布的信息,这些数据能够提供企业更详细的技术创新活动情况,如研发项目进展、新产品开发情况等。三是通过问卷调查和实地访谈的方式,对部分企业进行深入调研,获取一手数据。在问卷调查中,设计了针对企业技术创新能力的相关问题,包括创新投入、研发能力、创新产出、创新管理、创新营销和创新合作等方面,共发放问卷[X]份,回收有效问卷[X]份,有效回收率为[X]%。对于部分重点企业,还进行了实地访谈,与企业的技术创新负责人、研发人员等进行面对面交流,深入了解企业技术创新的实际情况和面临的问题。通过以上多种途径收集的数据,涵盖了广西大中型工业企业在创新投入、研发、产出、管理等多个方面的详细信息,为后续运用AHP和BP神经网络进行技术创新能力评价提供了丰富的数据基础。6.2评价结果分析6.2.1综合评价结果运用构建好的基于AHP和BP神经网络的评价模型,对选取的广西[具体年份]的[X]家大中型工业企业的技术创新能力进行评价,得到各企业的技术创新能力综合评价得分及排名,具体结果如下表所示:企业名称综合评价得分排名上汽通用五菱汽车股份有限公司[具体得分1]1东风柳州汽车有限公司[具体得分2]2广西南南铝加工有限公司[具体得分3]3………………广西[企业名称X][具体得分X]X从综合评价得分来看,排名靠前的企业如上汽通用五菱汽车股份有限公司,其综合评价得分较高,表明该企业在技术创新能力方面表现突出。这得益于其在创新投入、研发、产出、管理等多个方面的卓越表现。在创新投入上,持续加大研发经费投入,拥有一支高素质的研发团队,研发人员占比较高;在研发能力方面,不断推出新的汽车技术和产品,研发项目成功率较高,新产品开发周期较短;创新产出成果显著,专利申请数量和新产品销售收入均处于较高水平;创新管理上,建立了完善的创新管理制度,创新战略明确,能够有效地组织和推动技术创新活动的开展。排名靠后的企业技术创新能力相对较弱,其综合评价得分较低。这些企业可能在创新投入不足,研发经费投入强度较低,研发人员数量较少且素质不高;研发能力不足,研发项目成功率低,新产品开发周期长;创新产出成果较少,专利申请数量和新产品销售收入较少;创新管理不善,创新管理制度不完善,创新战略不明确等方面存在问题,导致企业技术创新能力受限。6.2.2结果讨论通过对广西大中型工业企业技术创新能力评价结果的分析,发现不同企业之间技术创新能力存在显著差异,这些差异主要由以下多方面原因导致。创新投入差异是影响企业技术创新能力的重要因素之一。创新投入包括研发经费投入和研发人员投入。研发经费投入充足的企业,能够为技术创新活动提供坚实的资金保障,使其有能力开展大规模、高难度的研发项目,引进先进的研发设备和技术,与国内外高校、科研机构开展合作,从而提升企业的技术创新能力。上汽通用五菱汽车股份有限公司在研发经费投入上一直保持较高水平,这为其在新能源汽车技术、智能网联汽车技术等领域的研发提供了有力支持,使其能够不断推出具有创新性的产品和技术。研发人员是技术创新的核心力量,研发人员数量多、素质高的企业,拥有更强的创新活力和创造力。具有丰富经验和专业技能的研发人员能够更好地理解和解决技术难题,提出创新性的想法和方案,推动企业技术创新活动的开展。一些创新能力较强的企业注重研发人才的引进和培养,建立了完善的人才激励机制,吸引了大量优秀的研发人才,为企业技术创新提供了人才保障。管理水平不同也是导致企业技术创新能力差异的关键因素。创新管理能力强的企业,能够制定科学合理的创新战略,明确技术创新的方向和目标,使企业的创新活动与市场需求和企业发展战略紧密结合。同时,完善的创新管理制度能够规范创新项目的立项、实施、评估、奖励等各个环节,提高创新活动的效率和质量。在创新项目管理方面,建立了严格的项目审批流程和进度跟踪机制,确保项目按时、按质完成;在创新激励机制方面,对在技术创新中做出突出贡献的团队和个人给予丰厚的奖励,激发了员工的创新积极性和创造力。而一些管理水平较低的企业,创新战略不明确,创新管理制度不完善,导致创新活动缺乏规划和组织,创新效率低下,创新成果难以转化为实际生产力。企业所处的行业环境也对技术创新能力产生影响。不同行业的技术创新特点和需求不同,一些技术密集型行业,如电子信息、生物医药等行业,对技术创新的要求较高,行业竞争激烈,促使企业不断加大技术创新投入,提升技术创新能力,以在市场竞争中占据优势。在电子信息行业,技术更新换代迅速,企业需要不断投入大量资源进行研发,推出具有创新性的产品和技术,才能满足市场需求,保持竞争力。而一些传统行业,如食品加工、建材等行业,技术创新的速度相对较慢,对技术创新的投入和重视程度可能相对较低。但随着市场竞争的加剧和消费者需求的升级,传统行业也逐渐意识到技术创新的重要性,开始加大技术创新投入,提升技术创新能力。企业的创新文化也是影响技术创新能力的重要因素。具有良好创新文化的企业,鼓励员工勇于创新、敢于尝试,营造了宽松的创新氛围,能够激发员工的创新思维和创新热情。在这样的企业中,员工能够自由地提出创新想法和建议,企业对创新失败持宽容态度,为员工提供了创新的空间和机会。而一些企业缺乏创新文化,员工的创新积极性受到抑制,创新活动难以开展,从而影响了企业的技术创新能力。七、提升广西大中型工业企业技术创新能力的建议7.1加大创新投入政府和企业应共同发力,持续加大创新投入,为技术创新提供坚实的资源保障。在研发经费投入方面,政府可发挥引导作用,制定并完善相关政策,激励企业加大研发投入。通过设立专项研发基金,对积极开展技术创新的企业给予直接资金支持,降低企业研发成本,提高企业创新积极性。政府还可实施税收优惠政策,如加大研发费用加计扣除比例,对企业的研发投入给予税收减免,使企业在经济上得到实惠,从而更有动力增加研发经费。对于研发投入达到一定比例的企业,给予税收返还或财政补贴,进一步鼓励企业加大研发投入力度。企业自身也应深刻认识到研发投入的重要性,将其视为提升核心竞争力的关键举措。企业应合理规划财务预算,确保研发经费的稳定增长,使其与企业的发展战略相匹配。可设立专门的研发资金账户,对研发经费进行专款专用,提高资金使用效率。企业还应积极拓展融资渠道,除了依靠自身积累和银行贷款外,还可通过发行债券、引入风险投资等方式筹集研发资金,为技术创新提供充足的资金支持。创新人才是企业技术创新的核心要素,培养和吸引创新人才至关重要。政府应加强与高校、科研机构的合作,优化人才培养体系,根据企业技术创新需求,调整高校相关专业设置和课程体系,培养出更多适应企业发展需要的创新型人才。例如,针对广西汽车、有色金属等重点产业,鼓励高校加强相关专业建设,开设新能源汽车技术、有色金属材料研发等课程,为企业输送专业人才。政府还可设立人才培养专项资金,支持高校和科研机构开展创新人才培养项目,提高人才培养质量。为吸引更多优秀人才投身广西大中型工业企业,政府应出台一系列优惠政策。提供住房补贴、人才公寓等住房保障措施,解决人才的住房问题;给予人才子女入学、配偶就业等方面的政策支持,消除人才的后顾之忧。设立人才奖励基金,对在企业技术创新中做出突出贡献的人才给予重奖,提高人才的社会地位和经济待遇,吸引更多人才来广西发展。企业在人才培养和吸引方面也应积极作为。企业应建立完善的内部培训体系,定期组织员工参加技术培训、学术交流等活动,提升员工的专业技能和创新能力。鼓励员工参加国内外学术会议和培训课程,拓宽员工的视野和知识面。为员工提供良好的职业发展空间和晋升机会,根据员工的创新成果和工作表现,给予相应的晋升和奖励,激发员工的创新积极性和创造力。在人才吸引方面,企业应加强与高校、科研机构的联系与合作,通过建立实习基地、开展产学研合作项目等方式,吸引高校优秀毕业生和科研人才加入企业。企业还应树立良好的企业形象和品牌,提高企业的知名度和美誉度,增强对人才的吸引力。7.2优化创新管理企业应建立健全科学合理的创新管理制度体系,涵盖创新项目的全生命周期管理。从项目的立项阶段开始,明确严格的立项标准和审批流程,确保项目的创新性、可行性和市场前景得到充分评估。在项目实施过程中,建立完善的项目跟踪和监督机制,定期对项目进展情况进行检查和评估,及时发现并解决项目实施过程中出现的问题。例如,设立专门的项目管理小组,负责对创新项目的进度、质量、成本等方面进行监控,确保项目按照预定计划顺利推进。在项目评估阶段,制定客观、全面的评估指标和方法,对创新项目的成果进行科学评价。除了关注项目的技术指标和经济效益外,还应考虑项目对企业创新能力提升、市场竞争力增强以及可持续发展的影响。在创新激励机制方面,加大对创新人才和团队的激励力度。设立专项创新奖励基金,对在技术创新中取得突出成果的个人和团队给予丰厚的物质奖励,如奖金、股权等;同时,给予精神奖励,如荣誉证书、表彰大会等,提高创新人才的社会地位和荣誉感。建立创新人才晋升通道,将创新成果作为员工晋升的重要依据,激励员工积极投身技术创新活动。创新战略的规划与实施是提升企业技术创新能力的关键。企业应结合自身的发展战略、市场需求和行业发展趋势,制定具有前瞻性和可操作性的创新战略。明确企业在技术创新方面的长期目标和短期目标,确定创新的重点领域和方向。对于汽车制造企业,应根据市场对新能源汽车和智能网联汽车的需求趋势,制定以新能源汽车技术研发、智能网联汽车技术应用为重点的创新战略,加大在电池技术、自动驾驶技术等方面的研发投入。为确保创新战略的有效实施,企业应制定详细的实施计划,明确各阶段的任务和责任,将创新战略分解为具体的工作任务和指标,落实到各个部门和岗位。加强对创新战略实施过程的监控和调整,根据市场变化和企业实际情况,及时对创新战略进行优化和完善。建立创新战略评估机制,定期对创新战略的实施效果进行评估,分析战略实施过程中存在的问题和不足,及时调整战略方向和措施,确保创新战略与企业的发展需求相适应。7.3加强合作创新鼓励广西大中型工业企业与高校、科研机构建立长期稳定的合作关系,搭建产学研合作平台,促进科技成果转化和技术创
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 公厕保洁员岗前实操水平考核试卷含答案
- 动物胶提胶浓缩工安全检查竞赛考核试卷含答案
- 网球制作工创新意识考核试卷含答案
- 园林绿化工成果评优考核试卷含答案
- 烧伤创面护理感染预防与愈合促进完整版
- 散料卸车机司机保密意识测试考核试卷含答案
- 金属铬反应工岗前健康知识考核试卷含答案
- 炭黑生产工创新应用竞赛考核试卷含答案
- 2026年黑龙江护理高等专科学校高职单招笔试语文历年参考题库含答案解析
- 2026年首都医科大学高职单招笔试职业适应性测验历年参考题库含答案解析
- 2026-2027学年度福建省高一地理期中考试卷
- 人教版品德与社会五下《生活中的快乐》课件
- 2026年公务员时事政治试题(附答案)
- 2026中国移动校园招聘考试(通信技术)历年参考题库含答案详解
- 现场监理安全隐患巡查手册
- JJG 693-2011可燃气体检测报警器
- 中共中央国务院关于深化国有企业改革指导意见课件
- 小学班会《我运动我阳光》少先队活动课 课件
- 幼儿园优质公开课:大班数学《数字捉迷藏》课件PPT
- 个人理财理论与实务李杰辉课后参考答案
- 船舶课程设计 1000吨货船静水力设计计算
评论
0/150
提交评论