陈一鸣，邬阳阳，和添锦
（丽江文化旅游学院，云南 丽江 674100）
技术创新不仅可以解决很多实际问题，还可以带来许多经济效益和社会效益。因此，如何推动技术创新是一个十分重要的问题。就技术创新而言，企业是技术创新的主体，对于推动技术创新至关重要。当今，政府也不断采取一系列措施鼓励企业进行技术创新，很多企业也积极投入科研经费，努力提升自身的技术创新能力。但在市场经济中，企业之间竞争激烈，要想凭借技术创新取得竞争优势，企业要清楚自身的技术创新能力在众多企业中处于哪个位置，达到了何种水平，具有哪些优势、哪些劣势。为了解决上述问题，正确评价企业的技术创新能力至关重要。很多研究者都在探索如何得到一个相对科学合理的评价结果，也有人取得了丰硕的研究成果。
企业技术创新能力评价主要是从指标体系构建、评价模型选择、评价对象选择[1-2]这3个方面进行研究。但具体到整个评价过程还会涉及其他问题，比如：指标权重的计算、指标选择方法的确定、模型阈值的确定等细节问题。所以，在分析企业技术创新能力评价过程中存在的问题时，不仅仅要从3个主要的研究方向进行分析，其他一些细节问题也需注意，比如权重的计算、阈值的确定和一些计算问题，这些问题会使得评价结果出现偏差或者错误。为了认识和了解这些偏差和错误的原因，本文对企业技术创新能力评价研究中常见的若干问题进行了分析，并提出相应的解决思路和解决方法，希望能为研究企业技术创新能力评价的学者提供一些参考。
1.1 指标构建过程的说明
在企业技术创新评价中，指标体系的构建是评价的第一个步骤，构建的评价指标体系是否科学合理直接影响到评价结果的合理性，所以评价指标体系的构建非常重要。评价指标的构建过程可以分为两步：第一步，指标的初选；
第二步，指标的筛选。有些文章直接给出一个评价对象的评价指标体系，并没有说明指标的初选和筛选方法，文章的逻辑不够完整，降低了文章结论的说服力。因此，为使文章更具合理性，应该对评价指标的来源和评价指标体系的构建方法作出简要说明。
1.2 指标初选方法的选择
指标的初选就是确定指标的来源，一般就是来源于固有的指标体系，有时候会根据评价的侧重点，加上或者去掉一些指标。为了使得研究更具有说服力，指标的来源一般应选择一些权威评价机构或者权威期刊[1]。另外，有些作者在指标的选择过程中只选择了定量指标[3]，一是定量指标通常比较容易获取，部分公开数据可以在互联网上直接查找；
二是这些指标比较客观，没有掺杂个人的主观判断。实际上，有些定性指标能够更好地反映出企业的技术创新能力，这些定性指标也是十分重要的，所以在指标的选择过程中要注意选择主观定性指标和定量指标两类指标，不应该为了研究的方便只选择定量指标，也不能认为定量指标更科学而去除一些定性指标。
1.3 指标筛选方法的选择
指标初选之后就应该对指标进行筛选，指标筛选的方法较多，总结相关文献，可以分为主观选择法、客观选择法和主客观结合选择法。所谓的主观选择方法，就是根据相关专家的经验，选择合适的指标，例如有些研究就在评价指标筛选时请教了相关领域的专家学者，构建了一套评价指标体系；
客观筛选方法是通过数理计算的方法来判断指标的重要程度，这类方法操作相对简便，使用较为广泛，但是会出现数据差异比较小，导致一些重要指标被忽略的情况[4]；
主客观结合方法是将前两类方法相互结合，主要目的是取长补短，得到更为科学合理的指标体系。在不考虑计算难度的情况下，主客观结合的选择方法更为合理，能够兼顾专家经验和实际数据，随着计算工具的迅速发展，计算量大的问题已逐步得到解决。
2.1 权重计算方法的选择
在企业技术创新能力评价研究以及其他综合评价研究中，很少有人对权重的计算方法进行讨论，一般都是直接选择主观方法——层次分析法（Analytic Hierarchy Process，AHP）[3]或者客观方法——熵权法，有的研究中也会选择主客观结合的方法[5]。权重的确定方法一般不作为一个创新点单独出现，在企业技术创新能力评价中也很少见到关于权重计算方法的讨论，一般研究者为了研究的方便，直接选择最常见的权重计算方法。在对一个研究对象进行评价的时候，不能为了得到一个相对科学的评级结果就不惜一切成本，还要注意评价过程的工作量。在邀请专家打分和计算过程都没有问题的情况下，还是使用主客观结合的方式计算指标的权重较为科学合理。无论是主观方法还是客观方法都存在一定的局限性，两种方法结合才能在一定程度上弥补各自的缺点。
2.2 综合评价方法的选择
在综合评价类的文章中，很多高质量文章的创新点一般归为两类：第一类，使用新的评价模型或者改进评价模型；
第二类，找到一个新的研究对象。类似于其他综合评价问题，企业技术创新能力评价研究中，评价模型的选择也至关重要，它不仅关系到评价结果的合理性，还关系到一篇文章的创新度。有关评价模型的研究比较多，大致可分为两大类：一类是传统的评价模型研究，另一类是智能化的评价方法研究。其中，传统的评价方法又分为主观方法和客观方法。传统的评价方法提出较早，使用广泛，在很多文章中我们依然可以看到很多研究者在研究过程中使用这些评价模型。随着人工智能理论的发展，一些人工智能理论也应用到综合评价中，形成了一些新的评价模型。
传统的综合评价方法主要有熵权法、层次分析法、理想点法（Technique for Order Preferenceby Similarity to Ideal Solution，TOPSIS）、密切值法等。智能化的综合评价方法主要有基于支持向量机的综合评价方法[6]、基于云模型的综合评价方法[7]、基于神经网络的综合评价方法[8]等。不同的评价方法有不同的优缺点，但是总体来说，智能化的评价方法在理论上更为科学合理，比如：基于支持向量机的评价方法可以解决复杂的非线性问题，可以避免陷入局部最优解，并且适用于小样本数据；
基于云模型的评价方法可以解决评价过程中的随机性和模糊性，评价结果更具合理性；
基于神经网络的评价方法可以有效地解决非线性问题，计算速度快，学习能力较强。
2.3 模型的计算和推导
在综合评价过程中，有的文章直接应用模型，有的文章则是将模型进行改进后再应用。模型的计算或者推导都有可能出现一些问题，但是综合评价模型的计算和推导更具有代表性，这里以综合评价模型为例进行说明。综合评价模型有一些运算过程需要人工计算，比如基于粗糙集的综合评价方法在属性约简过程中的计算，这个时候可能会出现计算错误。在模型的改进过程中也可能会出现一些逻辑推导问题，比如保罗·罗默虽然是经济学研究中使用数学模型的“既得利益者”，但他还是指出了恩师卢卡斯的两篇文章中存在的数学模型推导错误[9]。为了避免计算错误，可以编写相应的程序代码，这样也方便其他研究者使用。选择和一些数学专业的人合作研究，则可以在一定程度上避免推导过程中出现错误。
企业技术创新能力评价研究中存在一些问题，本文提到的问题区别于评价中存在的一些不确定因素[10]。不确定性因素有主观因素和客观因素。客观因素没有办法避免，每一种评价模型都不可能没有缺陷。同时，主观因素还会受到客观因素的影响，比如：数据统计过程中会产生数据不确定性，这种不确定性因素会受到统计方法和统计工具的限制，因此不确定性因素在现有条件下是无法避免的。本文讨论的问题多数和评价者的认识和选择有着直接关系，如果按照一定的规范进行研究，一些问题可以在一定程度上避免，比如：在指标构建过程中选择合适的指标构建方法，在文章写作过程中将构建过程尽量描述完整。有一些问题虽然没有办法解决，但是可以选择一些相对有效的方法避免，比如：在确定指标权重的时候可以选择主客观结合的方式，使得构建的指标体系更科学合理。
随着科学的进步，评价过程中的各种模型会不断更新或者改进，使企业技术创新评价可以得到更为科学合理的结果，所以在企业技术创新能力评价中也需要引入一些新的理论或者模型。但研究发现，有些数学模型非常复杂，计算量也非常大，一些研究者为了综合多个数学模型的优点，还会将多个模型组合起来使用，致使模型越来越复杂，进而造成滥用数学模型问题出现。但是复杂程度并不是判断滥用数学模型的标准，因为有时候复杂的数学模型更适合处理复杂的现实问题。在综合评价研究过程中，要判断数学模型是不是滥用，可以参考文献[9]中的部分判断标准：第一，在研究中引入数学模型之后并没有得到更有价值、更具科学性的结论，仅仅是为了追求形式上的“科学化”；
第二，在研究过程中，实证过程不规范，出现逻辑漏洞。