李其瑋,顧 新,趙長軼

(1.四川大學商學院，四川 成都 610064；2.四川大學創(chuàng)新與創(chuàng)業(yè)管理研究所，四川 成都 610064；3.四川大學軟科學研究所，四川 成都 610064)

產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)知識優(yōu)勢評價體系
——以成都市高新區(qū)89家科技企業(yè)為樣本的實證分析

李其瑋1,顧 新1，2,趙長軼1，3

(1.四川大學商學院，四川 成都 610064；2.四川大學創(chuàng)新與創(chuàng)業(yè)管理研究所，四川 成都 610064；3.四川大學軟科學研究所，四川 成都 610064)

從構(gòu)成和影響因素兩個維度，構(gòu)建產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)知識優(yōu)勢的評價指標體系，提出主客觀組合賦權(quán)模糊綜合評價模型——K-CF模型。以成都高新區(qū)89家科技企業(yè)為樣本，運用因子分析法和K-CF模型對科技產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)知識優(yōu)勢評價體系的合理性和適用性進行檢驗。分析結(jié)果表明，采用該評價指標體系和K-CF模型能較為科學地得到產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)知識優(yōu)勢水平及各企業(yè)知識優(yōu)勢在系統(tǒng)中所處位置，能發(fā)現(xiàn)導致系統(tǒng)知識優(yōu)勢不佳的相關(guān)因素，幫助領(lǐng)導者和決策者改善知識優(yōu)勢狀況，具有較強的理論意義和實踐推廣價值。

產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)；知識優(yōu)勢；K-CF模型；組合賦權(quán)；模糊綜合評價法

知識優(yōu)勢為產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)發(fā)展提供持續(xù)動力[1]，但受知識價值、知識轉(zhuǎn)移、社會資本、利益分配機制及外部環(huán)境等多重影響，知識優(yōu)勢的形成存在諸多難點，制約了產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)的持續(xù)健康發(fā)展。建立知識優(yōu)勢評估體系，科學評價產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)知識優(yōu)勢現(xiàn)狀，查找關(guān)鍵阻礙因素，幫助決策者改善知識管理水平、提高產(chǎn)業(yè)創(chuàng)新效率，可有效解決產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)知識優(yōu)勢形成難問題。

目前有關(guān)跨組織知識優(yōu)勢評價研究較少，部分學者從知識存量和流量維度、采用模糊技術(shù)構(gòu)建了知識鏈知識優(yōu)勢評價指標體系[2]。模糊技術(shù)能較準確地表達知識優(yōu)勢對某評語等級的隸屬程度，但現(xiàn)有研究中確定權(quán)重的方式集中于專家分析、頻數(shù)統(tǒng)計、層次分析法等單一主觀方法，未能考慮綜合評價問題的客觀性。鑒于此，本研究對模糊評價法進行補充完善，提出產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)知識優(yōu)勢K-CF(Knowledge advantage of Industrial Innovation Ecosystem-Combination of Subjective & Objective weight-Fuzzy Comprehensive Evaluation)組合賦權(quán)模糊綜合評價模型，以提升評價結(jié)果的適用性、穩(wěn)定性和可信性。

1 產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)知識優(yōu)勢評價體系的構(gòu)建

從現(xiàn)有文獻來看，構(gòu)建評價體系的維度選擇主要有以下三種角度：一是從概念本身入手，研究其內(nèi)涵、特征、功能、構(gòu)成等，從中析出定量或定性評價指標；二是從概念外延考量，剖析其來源、影響因素、作用機理等，從中提取關(guān)鍵要素；三是兩者結(jié)合。本研究采用第三種方式，以“構(gòu)成”衡量系統(tǒng)現(xiàn)有知識優(yōu)勢情況、以“影響因素”衡量系統(tǒng)知識優(yōu)勢的未來發(fā)展?jié)摿?，?nèi)外結(jié)合構(gòu)建產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)知識優(yōu)勢評價體系，以期全面反映產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)知識優(yōu)勢水平。

1.1 產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)知識優(yōu)勢的構(gòu)成

部分學者分析了技術(shù)訣竅和知識產(chǎn)權(quán)帶來的知識優(yōu)勢[3]、轉(zhuǎn)化為產(chǎn)品或服務(wù)的知識優(yōu)勢[4]、知識共享和創(chuàng)造形成的知識優(yōu)勢[5]、知識協(xié)同與融合生成優(yōu)勢知識[6]等；在此基礎(chǔ)上，李其瑋等通過剖析產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)的特征、功能和結(jié)構(gòu)，將其知識優(yōu)勢歸納為三種不同類型[7]：①專有性知識優(yōu)勢，指通過創(chuàng)造性智力勞動生產(chǎn)的專有性或獨占性知識成果，本質(zhì)上是一種專有無形財產(chǎn)權(quán)，用新知識的速度、數(shù)量及投入產(chǎn)出比表示；②成本領(lǐng)先知識優(yōu)勢：指產(chǎn)業(yè)鏈知識主體間達到的知識總成本、單位成本或邊際成本低于對手的知識運行狀態(tài)，用知識流動效率、知識協(xié)同與融合度表示；③利益領(lǐng)先知識優(yōu)勢：指敏銳地洞察市場機會，將知識轉(zhuǎn)化為高利潤、高收益、高品牌價值或高附加值的優(yōu)勢產(chǎn)品/服務(wù)，用科技成果轉(zhuǎn)化率和知識價值轉(zhuǎn)化收益率表征。

1.2 產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)知識優(yōu)勢的影響因素

已有研究提出，產(chǎn)業(yè)集群知識的空間粘滯、利益協(xié)調(diào)的產(chǎn)業(yè)鏈分工合作、良好的社會資本、學術(shù)性機構(gòu)參與對集群內(nèi)知識優(yōu)勢形成起關(guān)鍵作用[8]，供應(yīng)鏈與知識管理的共性、信任承諾關(guān)系、利益分配機制對形成知識優(yōu)勢具有積極影響[9]，從知識產(chǎn)權(quán)及其保護、知識創(chuàng)新、知識培育和知識轉(zhuǎn)化利用等方面可培育知識優(yōu)勢[10]。結(jié)合產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)開放、復雜特性[11]，將產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)知識優(yōu)勢的影響因素歸納為三個層面：①微觀層面，包括知識和能力；知識指標用知識互補、外化和價值表示，體現(xiàn)產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)知識互補的程度、內(nèi)隱知識的編碼化[12]、知識資產(chǎn)的科學與商業(yè)價值[13]；能力指標用知識吸收、轉(zhuǎn)移、利用表征，代表產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)外部知識轉(zhuǎn)化能力[14]，知識傳遞暢通性與知識接收有效性，以及對系統(tǒng)內(nèi)現(xiàn)有或已知技術(shù)知識的應(yīng)用能力[15]。②中觀層面，包括關(guān)系和利益；其中，關(guān)系指標即社會資本，包括結(jié)構(gòu)、關(guān)系和認知[16]，用網(wǎng)絡(luò)關(guān)系、相互信任[17]和共同愿景來表征；利益指標用資源調(diào)配、利益分配、知識產(chǎn)權(quán)保護表示，代表產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)內(nèi)人、財、物、知識等重要資源及R&D投入配置的合理性[18]、經(jīng)濟利益分配的平衡性、知識產(chǎn)權(quán)保護的有效性[19]。③宏觀層面，即外部環(huán)境，包括政府政策、產(chǎn)業(yè)和市場環(huán)境，用政府支持與投入力度、產(chǎn)業(yè)合作規(guī)模及集聚度[20]、市場競爭壓力[21]表征。

1.3 產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)知識優(yōu)勢的評價指標體系

將產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)知識優(yōu)勢評價體系分為構(gòu)成和影響因素兩個準則層(見圖1)，其中“構(gòu)成”維度考察系統(tǒng)現(xiàn)有知識優(yōu)勢情況，包括專有性、成本領(lǐng)先和利益領(lǐng)先3個指標層，每個指標層選取2～3個要素作為子指標，主要借鑒文獻[4，6，7，9]；“影響因素”維度考察系統(tǒng)知識優(yōu)勢發(fā)展?jié)撃?，分為知識、能力、關(guān)系、利益和外部環(huán)境5個指標層，每個指標層由3個子指標集組成，主要參考文獻[9-10，12-21]。

圖1 產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)知識優(yōu)勢評價指標體系

2 組合賦權(quán)模糊綜合評價法——K-CF模型原理及步驟

模糊綜合評價法的一般性步驟包括建立評價對象因素集、建立合理的評語集、生成評價矩陣、指標賦權(quán)、用模糊算子計算綜合評價值[22]。K-CF模型以模糊綜合評價理論和組合賦權(quán)法為基礎(chǔ)，其具體步驟為：

(1)建立評價因素集。用因子分析法對產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)知識優(yōu)勢評價指標體系進行驗證，隨后確立評價因素集。其中，目標層U={u1,u2,…,un}(n表示目標層下的準則個數(shù))，準則層i的指標Ui={ui1,ui2,…,uis}(其中s表示準則層i下相應(yīng)的指標個數(shù))，指標層j的子指標Uij={uij1,uij2,…,uijk}(其中k表示指標層j下相應(yīng)的子指標個數(shù))。

(2)建立評價集V={v1,v2,…,vp}，總評價結(jié)果共有p個。對于不確定性、非定量指標評價，通常使用Likert5級或7級梯度評價法。

(3)建立模糊評價矩陣。將評價集用適當?shù)臄?shù)值rijk表示(如分數(shù)、百分比等)，由隸屬度構(gòu)成模糊評價矩陣Ri=(rijk)n×p。

(4)確定主觀權(quán)重值——基于G1法、G2法和層次分析法(AHP)的幾何平均賦權(quán)法。采用G1G2AHP賦權(quán)法時，請同一組專家對同一指標屬性給出各自的判斷集合或矩陣，對多個判斷集合或矩陣用算術(shù)均值法或幾何均值法進行集結(jié)。

①采用G1法[23]由每位專家給出評價指標的序關(guān)系，并給出相鄰評價指標ui-1與ui重要性程度比的理想賦值fi，則第k個指標的權(quán)重αk為

(1)

由此得第k-1，…，3,2個指標的權(quán)重(其中，i=k，k-1，…，3，2)：

αi-1=fiaI

(2)

最后，將各位專家的評價權(quán)重用算術(shù)或幾何均值法進行整合，得到各層因素的相對權(quán)重向量。

②采用G2法由每位專家給出評價指標的序關(guān)系，并給出最不重要的一個指標uk以及其余評價指標ui與uk重要性程度比的理想賦值di，則第i個指標對該準則層的權(quán)重αi為(k表示指標個數(shù))：

(3)

最后，將各位專家的評價權(quán)重用算術(shù)或幾何均值法進行整合，得到各層因素的相對權(quán)重向量。

③采用層次分析法，由每位專家按照1～9標度法對評價因素兩兩比較，建立判斷矩陣，將多個判斷矩陣用算術(shù)或幾何均值法進行集結(jié)；進行一致性檢驗后，采用和積法[24]計算權(quán)重向量，得到各層因素的相對權(quán)重向量。

④運用幾何平均賦權(quán)[25]思想，設(shè)αi1、αi2、αi3分別為采用G1G2AHP法得到的某一指標i的權(quán)重值，則該指標計算出的組合權(quán)重為：

(4)

其中，λ1、λ2、λ3是可信度偏好指數(shù)(0≤λ≤1)，當λ1=λ2=λ3=1/3時，表示三種賦權(quán)法具有一致的可信度，此時：

(5)

⑤確定客觀權(quán)重值——基于因子分析法。選取適當數(shù)據(jù)樣本，計算樣本相關(guān)矩陣，求相關(guān)矩陣的特征根和特征向量，根據(jù)累積貢獻率確定主因子個數(shù)，計算載荷矩陣，確定因子模型，根據(jù)累積貢獻率加權(quán)及因子得分系數(shù)矩陣計算各指標客觀權(quán)重βi。

⑥確定各因素的組合權(quán)重。根據(jù)第4步得到的主觀綜合權(quán)重α和第5步因子分析法得到的客觀權(quán)重β，運用乘法歸一化公式確定各指標組合權(quán)重。

其中，n表示指標個數(shù)，αi為第i項指標的主觀權(quán)重，βi為第i項指標的客觀權(quán)重，ai為第i項指標的組合權(quán)重：

(6)

⑦計算多級模糊綜合評價向量。一級模糊綜合評價集為Bi=Ai×Ri=(bi1,bi2,…,bip)。其中bik表示按照第i個因素的全部等級進行綜合評價時，評價對象對評價集中的第k個元素的隸屬度；同理得到二級、三級綜合評價矩陣。評價時從最后劃分的最底層面因素開始，逐級上評，直到評價至最高層。

⑧根據(jù)評價結(jié)果判定知識優(yōu)勢水平。根據(jù)評價向量，判定產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)知識優(yōu)勢所處的評價等級和系統(tǒng)內(nèi)各企業(yè)知識優(yōu)勢等級；同時，可采用分數(shù)集(如5級用100,80,60,40,20表示，7級用100,90,80,60,40,20,10表示)，計算綜合評價值，判定系統(tǒng)知識優(yōu)勢評價值及各企業(yè)知識優(yōu)勢在系統(tǒng)中處于何種位置。

3 基于K-CF模型的科技產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)知識優(yōu)勢評估實證分析

3.1 樣本選取與來源

科技企業(yè)處于時代創(chuàng)新前沿，在產(chǎn)業(yè)創(chuàng)新領(lǐng)域具有代表性。本研究選取成都市高新區(qū)科技產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)為樣本開展實證分析。研究問卷采用Likert7級量表，發(fā)出調(diào)查問卷 100份，收回有效問卷 89 份，有效回收率89.0%。描述性統(tǒng)計分析見表1。

3.2 驗證產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)知識優(yōu)勢評估體系

本文采取 α 系數(shù)評定量表信度，全量表Cronbach’s α值為 0.907>0.9；KMO 統(tǒng)計量值為 0.802>0.8，Bartlett 球形度檢驗的顯著性為0.000；相關(guān)矩陣中相關(guān)系數(shù)大于0 且顯著，表明某一群題目兩兩之間有高度相關(guān)，表明本樣本問卷觀察變量適合因子分析。

表1 樣本的描述性統(tǒng)計分析

表2 KMO 和 Bartlett 的檢驗

用SPSS19.0軟件，運用Kaiser 標準化的正交旋轉(zhuǎn)法6次迭代后收斂，23個因素共提取8個主成分，解釋的總方差為80.904%(見表3)，高于單獨采用構(gòu)成維度的8個指標(63.692%)或影響因素維度的15個指標(71.918%)所解釋的總方差。

表3 解釋的總方差

經(jīng)最大變異化旋轉(zhuǎn)后，得到旋轉(zhuǎn)成分矩陣(見表4)，8個公因子恰好對應(yīng)了前述產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)知識優(yōu)勢評價體系的8個指標層，23個因子作為子指標分項歸入8個指標，驗證了該評價體系的科學性。

表4 旋轉(zhuǎn)成分矩陣

注：旋轉(zhuǎn)在 6 次迭代后收斂。

3.3 組合權(quán)重的確定

(1)群決策確定主觀權(quán)重。選取高校、科技企業(yè)高管等15位專家，采用G1G2AHP法開展指標賦權(quán)，用幾何均值法對15位專家的判斷集合或判斷矩陣進行集結(jié)后，運用公式(1)(2)(3)(5)，得到主觀權(quán)重α。

(2)確定客觀權(quán)重值。根據(jù)89家科技企業(yè)23個指標樣本數(shù)據(jù)，根據(jù)各因子解釋原有變量總方差情況加權(quán)及因子得分系數(shù)矩陣計算各指標客觀權(quán)重β。

(3)確定各因素的組合權(quán)重。由主觀權(quán)重和客觀權(quán)重，根據(jù)公式(6)得到各指標的組合權(quán)重A。

各指標的主觀權(quán)重、客觀權(quán)重及組合權(quán)重見表5。

表5 產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)知識優(yōu)勢評價指標權(quán)重

3.4 計算多級模糊綜合評價向量

采用Likert7級梯度評價法，將評價集設(shè)為：V={非常高，高，較高，一般，較低，低，非常低}。從系統(tǒng)整體和系統(tǒng)內(nèi)企業(yè)兩個方面入手，對其知識優(yōu)勢進行評價。

(1)確定各子指標隸屬度。以89家科技企業(yè)的指標評價集為基數(shù)，計算每個子指標上各評價梯次占評價總數(shù)的比重，得到該科技產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)知識優(yōu)勢的模糊評價矩陣(見表6)。同時，采用百分比集，如某項子指標i評價為“較低”，則該指標模糊評價向量Ri={0,0，0，0，100%,0,0}，以此類推，可構(gòu)成系統(tǒng)內(nèi)各企業(yè)的模糊評價矩陣R。

表6 科技產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)知識優(yōu)勢模糊評價矩陣表

(2)計算模糊綜合向量。

①一級模糊綜合評價(子指標對指標層)

對科技產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)知識優(yōu)勢進行一級模糊綜合運算，可得“專有性”指標：

B11=A11×R11=(0.0642,0.0314,0.0622)×

{0,0.0085,0.0397,0.0277,0.0784,0.0035,0}

同理可得：

“成本領(lǐng)先”指標:

B12={0,0.0558,0.0917,0.0041,0,0,0}

“利益領(lǐng)先” 指標:

B13={0,0.0500,0.0962,0.0060,0.0009,0,0}

“知識”指標:

B21={0,0.0295,0.0608,0.0089,0.0010,0,0}

“能力”指標:

B22={0,0.0628,0.0748,0.0103,0,0,0}

“關(guān)系”指標:

B23={0,0.0472,0.0677,0.0038,0,0,0}

“利益”指標:

B24={0,0.0268,0.0534,0.0237,0,0,0}

“外部環(huán)境”指標:

B25={0,0.0253,0.0371,0.0045,0,0,0}

以“四川久遠銀海軟件”為例，同理可計算各子指標一級評價向量。

“專有性”指標:

B11={0,0,0,0,0.1578,0,0}

“成本領(lǐng)先”指標:

B12={0,0.1516,0,0,0,0,0}

“利益領(lǐng)先”指標:

B13={0,0.0771,0.0760,0,0,0,0}

“知識”指標:

B21={0,0.0297,0.0705,0,0,0,0}

“能力”指標:

B22={0,0,0.1479,0,0,0,0}

“關(guān)系”指標:

B23={0,0.0812,0.0375,0,0,0,0}

“利益”指標:

B24={0,0.0234,0.0804,0,0,0,0}

“外部環(huán)境”指標:

B25={0,0.0288,0.0381,0,0,0,0}

②二級模糊綜合評價(指標層對準則層)

對科技產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)知識優(yōu)勢評價進行二級模糊綜合運算，可得：

B1=A1×R1=(0.1578,0.1516,0.1531)×

{0,0.0175,0.0349,0.0059,0.0125,0.0006,0}

同理可得：

B2={0,0.0223,0.0332,0.0056,0.0001,0,0}

同理可計算“四川久遠銀海軟件”二級評價向量：

B1={0,0.0348,0.0116,0,0.0249,0,0}

B2={0,0.0170,0.0443,0,0,0,0}

③三級模糊綜合評價

繼續(xù)采用和積法模型M(·，+)進行合成運算，可得科技產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)知識優(yōu)勢評價向量為:

B=A×R=(0.4625,0.5375)×

{0,0.0201,0.0304,0.0057,0.0058,0.0003,0}

同理可得“四川久遠銀海軟件”知識優(yōu)勢評價向量B={0,0.0252,0.0292,0,0.0115,0,0}。

(3)綜合評價結(jié)果分析。根據(jù)評價向量集，該科技產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)知識優(yōu)勢在評語集V={非常高，高，較高，一般，較低，低，非常低}上的隸屬度為(0,0.0201,0.0340，0.0057,0.0058，0.0003,0)，最大隸屬度為0.0340，評價等級為較高。采用分數(shù)集V={100,90,80,60,40,20,10}，得到科技產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)知識優(yōu)勢綜合評價值為F=(0,0.0201,0.0340，0.0057,0.0058，0.0003,0)×(100,90,80,60,40,20,10)T=5.109。2017年，成都高新區(qū)在全國逾140個國家級高新區(qū)中綜合排名第三，體現(xiàn)出較強的科技實力和知識優(yōu)勢水平。

從“四川久遠銀海軟件”知識優(yōu)勢評價向量來看，最大隸屬度0.0292，評價等級為較高，綜合評價值F= 5.064，說明該公司知識優(yōu)勢水平略低于系統(tǒng)整體知識優(yōu)勢水平，具體來看，該公司在產(chǎn)生新知識的速度、數(shù)量及知識生產(chǎn)投入產(chǎn)出比方面評價得分較低，未來應(yīng)主要從新產(chǎn)品研發(fā)入手，改善其知識優(yōu)勢“短板”。同理，可得其他88家樣本企業(yè)知識優(yōu)勢的評價向量和綜合評價值，如“四川英圖靈網(wǎng)絡(luò)科技”知識優(yōu)勢評價等級為高，綜合評價值為5.629，高于系統(tǒng)整體知識優(yōu)勢水平；“四川眾勢宏泰科技”知識優(yōu)勢評價等級為一般，綜合評價值為4.868，低于系統(tǒng)整體知識優(yōu)勢水平，主要不足在于知識投入產(chǎn)出比、知識融合度較低；等等。

4 結(jié)論與啟示

本研究主要結(jié)論包括以下三點：

(1)從構(gòu)成和影響因素2個維度，建立了8個指標層、23個子指標的產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)知識優(yōu)勢評估指標體系，以科技產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)89家企業(yè)為樣本進行因子分析，驗證了該指標體系的合理性和有效性。

(2)構(gòu)建K-CF模糊綜合評估模型，運用群決策G1/G2/AHP主觀賦權(quán)和FA客觀賦權(quán)相結(jié)合的組合賦權(quán)方法，既融合群決策思想，又客觀反映各指標實際意義，克服傳統(tǒng)模糊綜合評估法單純依靠主觀賦權(quán)的局限性。

(3)以成都高新區(qū)科技產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)為樣本，通過K-CF模型運算得出該科技產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)知識優(yōu)勢的評價等級為較高，并確定系統(tǒng)內(nèi)各科技企業(yè)的知識優(yōu)勢在系統(tǒng)中所處位置，運算結(jié)果符合現(xiàn)實情況，驗證了K-CF模型的合理性。通過實證數(shù)據(jù)，進一步找出了該科技產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)中知識優(yōu)勢評價等級較低的企業(yè)，幫助它們發(fā)現(xiàn)經(jīng)營管理中的潛在問題、有針對性地制定改進措施，進而改善其知識優(yōu)勢狀況，促進該產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)知識優(yōu)勢水平的不斷提升，檢驗了模型的適用性。

研究以該區(qū)域生物化工、新材料能源等其他產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)為樣本進行K-CF模型計算，結(jié)果證明該模型同樣適用于其他產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)知識優(yōu)勢的評估。

[1]NONOKA I，TAKEUCHI H.The Knowledge-creating company[M].New York：Oxford University Press，1995.

[2]張省，顧新.知識鏈知識優(yōu)勢的形成與評價[J].情報資料工作，2012(03)：24-28.

[3]易敏利，劉開春.論基于知識優(yōu)勢的競爭戰(zhàn)略[J].西南民族大學學報(人文社科版)，2004，25(02)：253-256.

[4]周穎，王家斌.企業(yè)知識優(yōu)勢形成的理論分析[J].科技與管理，2005(03)：34-36.

[5]顧新.知識鏈管理——基于生命周期的組織之間知識鏈管理框架模型研究[M].成都：四川大學出版社，2008.

[6]吳悅，顧新.產(chǎn)學研協(xié)同創(chuàng)新的知識協(xié)同過程研究[J].中國科技論壇，2012(10)：17-23.

[7]李其瑋，顧新，趙長軼.產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)知識優(yōu)勢的內(nèi)涵、來源與形成[J].科學管理研究，2016(05)：53-56.

[8]楊松，林曙光.基于企業(yè)集群下知識管理的優(yōu)勢分析[J].合作經(jīng)濟與科技，2004(18)：30-31.

[9]TAYYAB M，DEREK W，ANDREW F.Extending the “knowledge advantage”：creating learning chains[J].Learning organization，2007，14(2)：123-141.

[10]曾珠.知識競爭、知識優(yōu)勢及其培育[J].金融與經(jīng)濟，2010(7)：34-46.

[11]李其瑋，顧新，趙長軼.創(chuàng)新生態(tài)系統(tǒng)研究綜述：一個層次分析框架[J].科學管理研究，2016(02)：14-17.

[12]PINCH S，HENRY N，JENKINS M，et al.From industrial districts to knowledge clusters：a model of knowledge dissemination and competitive advantage in industrial agglomeration[J].Journal of economic geography，2003(03)：373-388.

[13]宋志紅，陳澍，范黎波.知識特性、知識共享與企業(yè)創(chuàng)新能力關(guān)系的實證研究[J].科學學研究，2010(04)：597-604,634.

[14]ZAHRA S A，GEORGE G.Absorptive capacity：a review，reconceptualization，and extension[J].Academy of management review，2002，27(02)：185-203.

[15]HANSEN M T，NOHRIA T.TIERNEY T.What’s your strategy for managing knowledge[J].Harvard business review，1999(3-4)：106-116.

[16]NAHAPIET J，GHOSHAL S.Social capital，intellectual capital and the organizational advantage[J].Academy of management review，1998，23(2)：242-266.

[17]CHEN M，CHANG Y,HUANG S.Social capital and creativity in R&D project teams[J].R&D management，2008，38(01)：21-34.

[18]DONALD S S，WALDMAN A D，ATWATER E L，et al.Commercial knowledge transfers from universities to firms：improving the effectiveness of university-industry collaboration[J].Journal of high technology management research，2003，15(01)：111-133.

[19]宋春艷.產(chǎn)學研協(xié)同創(chuàng)新中知識產(chǎn)權(quán)共享的風險與防控[J].科學管理研究，2016(02)：18-21.

[20]顏克益，芮明杰，巫景飛.產(chǎn)業(yè)集聚視角下高技術(shù)產(chǎn)業(yè)創(chuàng)新績效影響因素研究[J].經(jīng)濟與管理研究，2010(12)：57-67.

[21]侯俊東，杜蘭英，呂軍.企業(yè)實施市場導向的影響因素：中國經(jīng)驗[J].軟科學，2011(07)：102-106.

[22]ZUO R G，CHENG Q M，F(xiàn)REDERICK P A.Application of a hybrid method combining multilevel fuzzy comprehensive evaluation with asymmetric fuzzy relation analysis to mapping prospectively[J].Ore geology reviews，2009(35)：101-108.

[23]李柏洲，齊鑫，徐廣玉.基于組合賦權(quán)模型的區(qū)域知識創(chuàng)造能力評價研究——31個省市自治區(qū)視閾的實證分析[J].運籌與管理，2016(6)：178-185

[25]趙慧冬，關(guān)世霞，包玉娥.基于組合賦權(quán)的區(qū)間型多屬性決策方法[J].統(tǒng)計與決策，2012(19)：98-101.

EvaluationResearchofKnowledgeAdvantageofIndustrialInnovationEcosystem——EmpiricalAnalysisof89TechnologyCompaniesinChengduHigh-techZone

Li Qiwei1，Gu Xin1，2，Zhao Changyi1，3

(1.Business School of Sichuan University,Chengdu 610064,China；2.Innovation and Entrepreneurship Research Institute of Sichuan University,Chengdu 610064,China；3.Soft Science Institute,Sichuan University，Chengdu 610064 China)

With the dimensions of constitutes and key influencing factors，this paper builds an evaluation index system of knowledge advantage of industry innovation ecosystem，and proposes K-CF model(Knowledge advantage of Industrial Innovation Ecosystem-Combination of Subjective& Objective Weight-Fuzzy Comprehensive Evaluation).Using evidence from 89 technology companies in Chengdu high-tech zone，it proves the reasonability and applicability of the evaluation index system on the basis of factor analysis and the K-CF model.The results show that this evaluation index system and its K-CF model can scientifically get the whole knowledge rating of industrial innovation ecosystem and the site of the companies’ knowledge advantage in the ecosystem，can find some relevant factors blocking the formation of knowledge advantage，which would help leaders and decision-makers to improve the condition of knowledge advantage，and have strong theory significance and practice value.

Industrial innovation ecosystem；Knowledge advantage；K-CF model；Combination weight；Fuzzy comprehensive evaluation

國家自然科學基金項目“基于跨組織關(guān)系演化的知識鏈關(guān)系治理研究”(71571126)，四川大學中央高?；究蒲袠I(yè)務(wù)費研究專項(哲學社會科學)項目——高水平學術(shù)團隊建設(shè)項目“知識鏈的協(xié)同效應(yīng)形成機理研究”(skgt201502)，四川省軟科學計劃項目“高校上市公司的發(fā)展評價及影響因素研究”(2017ZR0084)。

2017-03-28

李其瑋(1983-)，女，四川成都人，四川大學商學院博士研究生；研究方向：創(chuàng)新與創(chuàng)業(yè)管理。

F062

A

(責任編輯 劉傳忠)