创新团队评价模型求解方法

4.3　创新团队评价模型求解方法

基于创新团队评价方法的研究已经硕果累累，但仍存在一些亟待解决的问题。第一，多方法评价结论的非一致性。众所周知，多种方法都可以用于综合评价，但对同一问题选用不同方法进行评价其结论可能存在较大差异。第二，理论研究与实际应用脱节。随着理论研究的深入，评价方法越来越复杂，又没有有效地面向广大实际工作者，以致实际工作者对此望而生畏，评价方法成了专家的专利。所以，有实用意义的评价支持系统软件亟待出现，这将大大简化评价工作和提高评价的有效性。

本文对现有的关于创新团队评价研究资料的收集和整理，一方面希望能够对国内外创新团队评价的研究成果予以梳理，借鉴其优秀的研究方法和成果；另一方面希望能够发掘现有研究中存在的缺憾和不足，为创新能力、团队绩效研究寻找新的视角。

目前，国内外学术界关于创新团队评价方法的研究已日趋丰富。生产函数法在理论上较为成熟，应用上较为广泛。但该方法虽能够直接反映要素投入对产出的影响，但却不能直接反映科技投入对产出和效益的影响，不利于详细评价科技进步的细节，不利于提出加速技术进步的对策。另外，国内外常用的评价方法还有层次分析法，模糊综合评判法，DEA方法，灰色评价法，物元分析法，利用人工神经网络技术的方法，Delphi法，综合指数法，等等。国内很多学者针对团队评价的具体问题，对这些基本的方法又作了改进，并取得了一定的成效。

创新团队评价模型的求解关键在于各指标权重的确定。权重是以某种数量形式对比、权衡被评价事物总体中诸因素相对重要程度的量值。它既可以是绝对数，也可以是相对数；可以取正数，也可以取负数。权数的分配并不是唯一的，因各自的目的不同而各有侧重。总的来说，存在两类确定权重值的方法——群体测试统计方法和个体直观判断方法；群体测试统计方法是让一群相关专家对指标进行主观估计，然后对估计的结果应用统计方法进行分析，得出的每个指标权重的统计值作为最后结果；个体直观判断则由某个相关专家直接估计指标权重，并把这种估计值直接作为最后结果。这两类方法都只能是大概的估计，应该允许它们之间有相应的变动范围。

本节主要讨论第一类，即群体测试统计方法。现将几种重要求解方法，分析如下，如表4-5所示。从表4-5可以看出，目前创新团队评价模型已经有了多种求解方法，其中有些为线性方法，如“AHP法”；有些为非线性方法，如“E-V模型法”。这些方法的提出或者为了解决权重求解时的主观性问题，如“DEA法”、“E-V模型法”和“BP神经网络方法”等；有的是为了解决指标本身可能存在的缺陷，如“模糊加权评价法”和“弱势指标倍数法”。总的来说，每种方法都有其各自的优缺点，应该根据具体情况，包括指标体系状况、权系数要求和问题本身的已知条件等进行选用，也可考虑几种方法的联合使用，其中“二次相对评价法”就是一个很好的例子。

表4-5创新团队评价模型求解方法