技术创新能力的模糊综合评价

二、技术创新能力的模糊综合评价

目前，评价企业技术创新能力的方法较多，如模糊综合评价法、层次分析法、灰色关联分析法，以及最近发展起来的线性规划范畴的数据包络分析法（DEA）与非线性规划范畴的神经网络方法等。鉴于企业技术创新能力受到多重因素的影响，且评价过程涉及模糊因素，所以必须对多个因素做综合考虑。因此，这里主要介绍模糊综合评价这一现代数量经济分析方法。

模糊综合评价法是美国控制论专家L.A.Zadeh于1965年首先提出来的。它是以模糊数学为基础，应用模糊关系合成原理，将一些边界不清、不易定量的因素定量化，进行综合评价的一种方法。其基本思想是，由于相邻评价等级之间具有模糊性，因而引入模糊隶属度作评价指标，从末级指标开始进行评判直至一级指标为止，可获得评价对象的综合定量评价结果。模糊综合评价法能较好地反映等级，使评估方法具有合理性。^(7)(8)(9)本法是对逐级存在大量不确定信息或模糊信息指标的评价对象进行综合评分的一种首选方法。其不足之处在于指标权重的赋值受到主观因素影响，且用隶属度作为评判准则，使原指标的信息有所丢失。^(10)(11)

模糊综合评价主要分为两步:第一步先按每个因素单独评价；第二步再按所有因素综合评价。具体步骤如下:

（一）建立指标集

根据企业技术创新能力评价的指标体系，将影响技术创新能力的所有因素组成指标集J，将J中各个指标按其性质分为六类，即将J分为相应的六个子集J=｛A，B，C，D，E，F｝，每个子集包含的指标是不同的，如第一个子集包含3个指标，有A=｛A₁，A₂，A₃｝，其余类推。

（二）建立权重集

1．建立二级指标集的权重集

指标权重的确定可采用专家调查法。请专家组的每位专家就某二级指标集中的各项指标的权重作评判。评判积分法可采用相对评分法，即对每一对指标分别比较。以B=｛B₁，B₂，B₃，B₄，B₅｝指标集为例，若B₁与B₂相比较，B₁的重要程度是B₂的两倍，则记b₁₂= 2，b₂₁= 1/2，以此类推，可以得出指标集权重的相对比较矩阵（如表2-3所示）。

表2-3　相对比较矩阵

根据各位专家评判结构采用简单算术平均法进行归一处理。简单算术平均法是将专家组中全体专家对某一指标权重的评分进行算术平均。这样就得出了综合各专家意见后的相对比较均值矩阵，如表2-4所示。

表2-4　相对比较均值矩阵

这时，再用方根法求B_i（i= 1，2，3，4，5）的权重b_i（i= 1，2，3，4，5），具体步骤如下:

最后，对Wi进行正规化，记为，由此可得B指标集的权重集V₂=｛b₁，b₂，b₃，b₄，b｝₅。

2．建立一级指标集的权重集

与建立二级指标集的权重方法相同，首先得出每位专家的相对比较矩阵；其次求出相对比较均值矩阵，见表2-5；最后求出一级指标集的权重集U_j=｛j₁，j₂，j₃，j₄，j₅，j｝₆。

表2-5　相对比较矩阵

（三）建立评价集

评判集大小可根据实际细分程度及计算量大小设定，一般来讲，无论是一级指标还是二级指标，评价集设计为:

R=｛强，较强，一般，较弱，弱｝

1.二级指标模糊综合评价

首先，由专家组对某二级指标进行评价，例如现对B指标中的指标进行评级，若专家组共由10人组成，其中3人认为强，2人认为较强，5人认为一般，则指标B₁的评价集RB₁为:

RB₁=｛B₁₁，B₁₂，B₁₃，B₁₄，B₁₅｝=｛0.3，0.2，0.5，0，0｝

以此类推，可得出由B指标集中各二级指标评价结果构成的评级矩阵R₂，见表2-6。

表2-6　评价矩阵

其次，根据二级指标权重集V和由二级指标评价结果构成的评价矩阵R，进行低级模糊综合评价，可得到低级模糊综合评价集S。例如B指标的低级模糊综合评价集S₂为:

所以，二级指标模糊综合评价集S为:

2．一级指标模糊综合评价

首先，根据一级指标集的权重级U_j和二级模糊综合评价级S，进行一级指标模糊综合评价，可得到一级指标模糊综合评价集H。

其次，得到模糊综合评价结论。得出一级指标模糊综合评价集后，可采用模糊分布法确定评判对象的具体结果。模糊分布法是直接把评判作为评判结果或将评判归一化，用归一化的评判作为评判结果。评判归一化的具体做法如下:先求评判之和h；再用评判之和h分别除原来的各个评判，组成归一化的模糊综合评价集H^*。即:

其中h= h₁+ h₂+ h₃+ h₄+ h₅为归一化的模糊综合评判。据此企业可以从总体上了解自身技术创新能力的强弱状况，进而制定相应对策。