基于主成分分析的企业创新能力评价研究.docVIP

基于主成分聚类分析的企业创新能力评价研究 摘要： 本文选取18个与企业创新能力相关的指标，运用主成分分析法对中国31个省市区2011年的创新能力进行综合评价和排序，通过聚类分析法将各省市区企业创新能力按相似性进行分为4类地区，最后对主成分分析结果和聚类分析结果进行对比分析，研究表明： 关键词：企业创新能力；主成分分析；聚类分析；中国31个省市区 中图分类号：C939 文献标识码：A 文章编号： 1引言 随着知识经济的发展，企业创新能力已经成为企业的核心竞争力。与此同时，如何客观的评价企业创新能力也成为学界讨论的热门话题。从目前查阅的国内文献来看，评价企业创新能力的方法主要为两种，第一模糊综合评价法，胡恩华、单红梅[3]（2002）运用模糊综合评价法对企业技术创新绩效进行整体的分析和综合评判；董岗、傅铅生[4]（2004）采用德尔菲法和多级模糊综合评价法为探究企业创新能力构建了评价模型；张国政、杨瑞海等[5]（2002）建立了一套企业技术创新能力的指标体系，并运用模糊综合评价法进行了综合评价。第二层次分析法与模糊综合评价法相结合，刘鸿渊、增艳琳[6]（2007）运用层次分析和模糊综合评价相结合的方法对四川某大型企业的创新能力进行了综合评价；沈飚[7]（2010）运用层次分析与模糊综合评价对企业技术创新效果进行了全面评价；陈晓慧[8]（2002）分析了企业技术创新的内涵，经费投入、研发能力、人力资源、市场推广和管理能力等5方面提出评价技术创新能力的因素，并运用层次分析和模糊综合评价进行了综合分析。上述两种评价方法虽然能够对企业创新能力进行全面综合的评价，但层次分析法主观性较强，主观认识的差异会导致评价结果的不同；另外，模糊综合评价在计算上较为复杂，若指标过多或者指标体系涉及多级时计算较为困难。因此，本文运用主成分聚类分析的方法，利用中国31个省市区2011年的数据，对企业创新能力进行了实证分析。本文选取的评价方法具有以下优势：第一，主成分分析是将多个指标划为少数不相关的综合指标，并最大限度的反应原来指标信息的多元统计方法，其优点在于将多为变量将维，简化数据结构，给分析研究问题带来便利，并且其计算出的主成分之间相互独立减少了信息交叉；第二，聚类分析方法是按描述事物性质的变量之间的相似程度进行分类的方法，这类方法可以将多指标的数据进行很好的分类；结合上述优势，本文采用“主成分聚类分析法”对我国31个省市区的企业创新能力进行了实证分析，即先进行主成分分析，再依据各主成分得分和综合得分进行聚类分析。 2模型简介 2.1计量模型 设有n个观测对象，每一对象有m个指标因子xj（j=1，2，…，m），所得观测值为xij (i=1，2，…，n)，构成原始数据矩阵X=(xij)n×m，每一样本有m个指标因子xj（j=1，2，…，m），所得观测值为xij(i=1，2，…，n)，构成原始数据矩阵X = (xij)n×m。基本步骤如下： ①原始数据标准化 为了使综合评价的结果客观、合理，必须消除数量级和量纲不同带来的影响，通常采用的是标准化处理（标准化处理后的值为xij*）： （1） 式中：和分别为第j个指标的样本均值和标准差，且 （2） ②计算指标的相关矩阵 在标准化数据矩阵的基础上，计算原始指标的相关系数矩阵R = (rij)m×m。其中，rij是xi指标与xj指标之间的相关系数，且 （3） 其中，i，j=1，2，…，m ③计算相关矩阵的特征根和特征向量 计算特征方程，求出所有的特征根λ1≥λ2≥…≥λn≥0，相应特征向量tj=（t1j，t2j，…，tmj）。 ④确定主成分的个数 当前r的个主成分的累计贡献率达到85%时，在已确定的全部m个主成分中选择前r个来进行评价分析。 ⑤求n个观测对象在前r个主成分上的得分 主成分得分是已标准化的原始数据在主成分所定义的新坐标系中的新数据，即 ，j=1，2，…，r （4） ⑥对新数据（Y1，Y2，…，Yr）进行聚类分析 根据r前个主成分的得分进行聚类分析，确定每个类样品的排序，并进行综合评价。 2.2指标选取 本文选取的指标。参照2013年4月国家统计局社科文司《中国创新指数（CII）研究》课题组研究设计的评价我国创新能力的指标体系，课题组从创新环境、创新投入、创新产出、创新成效4个方面设计了3级指标体系共21个指标，一级指标为中国创新指数，包括4个二级指标，分别是创新环境、创新投入、创新产出、创新成效；二级指标创新环境共包括5个三级指标，分别是经济活动人口中大专及以上学历人数、人均GDP指数、信息化水平指数、科技拨款占财政拨款的比重、享受加计扣除减免税企业所占比重；二级指标创新投入共包括6个三级指标，分别是.每万人RD人员全时当量、RD经费占