王文行 罗小铃 王建伟

内容摘要： 截止目前，国内外关于创新能力评价的研究比较多，且集中在对区域或企业创新能力的具体评价方面，但缺少对创新能力评价的原理的探讨，也缺乏对各类算法的综合评价。本文尝试将风险理论和期望理论纳入评价创新能力的理论，以弥补此类研究缺乏理论根基的不足;同时，也对当前学界常用的算法及指标体系进行了梳理和评价，最后，对评价创新能力需要注意的一些问题进行了探讨。

关键词：创新能力评价、理论、算法、指标体系

中图分类号：F273.1    文献标志码：A

自美籍奥地利经济学家熊彼特（J.A. Schumpeter）1912年在其划时代巨著《经济发展理论》（The Theory of Economic Development）中提出创新理论以来，经过一百多年的发展，形成了经济学领域的一个著名流派“熊彼特学派”（有的学者将二十世纪60年代以后的称为“新熊彼特学派”），其代表人物有Mensch（1976）、Freeman（1974）、，Nelson和Winter（1982）、Arthur（1994）、Poter（1990），Edquist（1997）、Breschi &Malerba（1997）、Antonelli（2009）、Durlauf（2005）和Fagerberg（2009）等，该学派研究的重点集中在创新的条件、创新发生内外环境、创新发生的路径和机理等方面，形成了一些重要的理论，如“长波理论”（Mensch，1976，Von Tunzelmann，1995）、“创新经济理论”（Freeman，1974，Pavitt，1982）、“演化理论”（Nelson和Winter，1982，Malerba，2005，Arthur，1994，Silverberg &Lehnert，1994，Verspagen，1993，Nelson，1993，Castellacci，2007）、、“多层次创新理论”（Poter，1990，Freeman，1987，Lundvall，1992，.Antonelli，2009）和“复杂经济学理论”（Arthur，1994，Durlauf，2005）等四种影响较大的理论。

二十世纪80年代，一些东亚发展中国家的“赶超型”发展战略显露出骄人成绩，形成了“亚洲四小龙”、“四小虎”等经济高速增长的典范，甚至被称为“亚洲奇迹”;这一似乎与主流经济学理论不符的现象引起了经济学界的极大兴趣，一时成为主流经济学各派的研究热点。熊彼特学派对“东亚奇迹”的研究视角“是技术引进方如何获得自主创新能力”问题，从而首开了创新能力研究的先河，形成了一些创新能力的概念，如Burgelman和Maidigue的“企业创新能力是便于组织支持企业技术创新战略的组织特性全集”[魏江等，企业技术能力与技术创新能力的评价指标体系[ J] .中国高新技术企业杂志， 1995 ，（5），P33 -38]，Barton的“企业技术创新能力的核心是掌握专业知识的人、技术系统、管理系统的能力及企业的价值”[孙伟，等.技术创新能力及评价指标的研究[J]，黑龙江八一农垦大学学报， 2002，（4）p110-113]等。但国外关于技术创新能力的研究尚未形成成熟的理论体系（王海威等，2005）。

熊彼特的创新理论是二十世纪80年代开始引入国内的，最初仅是介绍性的，如许涤新的《政治经济学辞典》（1980）、唐岳驹的论文“熊彼特和他的创新理论”（1981）国内对创新能力较为深入的研究大体上始于二十一世纪初期，主要集中在创新发生涉及的体制、机制、内外条件、路径等方面，得出了一些有一定价值的结论，主要的研究者有许庆瑞（2002）、项保华（2006）、傅家骥（2010）、李廉水（2005，2006）、魏江（2008）、王伟强（2007）、关士续（2011）、余明桂（2016）、董晓芳（2014）和吕拉昌（2010，2016）等。近些年，随着现代数学方法被引入经济学研究，通过构建指标体系，运用计量模型或其他数学方法评价企业或区域创新能力成为国内外该领域研究的一个新热点，并形成了多种各具特色的创新能力评价体系，这其中，王海山（1993）、赵晓康等（2002）、邓蕾等（2005）王海威等（2005）、唐炜等（2007）和易平涛（2016）等学者所构建的指标体系和评价方法影响较大。

科学有效的企业创新能力评价既是衡量企业当期及未来成长态势的重要判据，也是发现企业存在问题的关键维度，因此，总结各种创新能力评价方法的优缺点，并提出改进思路和方案具有重要的理论和现实意义。

一、评价创新能力的理论基础

如前所述，截止目前有关创新能力的理论研究主要集中在创新“发生”的内外条件及其机理方面，而对“评价”企业创新能力的理论基础方面的研究非常少，即使是探讨评价创新能力的众多论文中，绝大多数的研究都是直接提出一些指标，再通过测算相关指标来比较不同企业（或区域）的创新能力，也就是说仅解决了评价企业创新能力“如何做”的问题，而对与此密切相关的“为什么这样做”，也即“评价”本身的理论依据何在的研究尚没有见之于重要学术刊物，这不能不说是一个重要的缺陷。为完善该领域的研究，形成规范的研究体系，我们认为有必要对其进行较为系统全面的分析。而欲对其分析，必须从熊彼特的原著中寻找线索。在其《经济发展理论》中，熊彼特所说的创新（innovation）是指由企业家“创造”的包括了新产品、新生产方式、新市场、新材料及其来源和新组织形式等五种新的模式，由此看来，创新的本质是将知识、能力、技能和资源重新组合的走向市场的“商业化”过程，商业化的目的是为了获得新的超过本行业平均收益的收益，同时，商业化过程中也充满了风险和不确定性，这就是说，评价一个企业的创新能力，就是对该企业决策者（企业家）的风险偏好、人财物技术（发明或专利）等各类资源调动能力及对本次创新的期望收益等相关的因子的综合评价。因此，评价企业创新能力的理論至少应该涉及到“风险理论”和投入产出的“期望理论”。

（一）风险理论

一般意义上的“风险”的解释指某中条件下，某种损失发生的可能性，在金融学中，Harry Markowitz是用资产收益率在一定时间区间内的波动率来描述风险，在他看来当资产收益率低于某期望值，则风险发生，他的这个定义反映的实质是资产收益率在一定区间内的标准差（standard deviation）。创新就是一种投资，并且是一种风险较大的投资。根据经典的风险理论，创新过程具有短期风险和长期风险两类。

1、短期风险

“短期”是指某个具体创新期间可能发生的风险，如开发一种新产品、寻找一种新的替代工艺、开发某个新的市场等等，具有阶段性的特征，属于静态分析风险。在这个阶段性过程中，假定可能的风险有X1，X2，…，Xn种，且为独立的随机变量，并且具有如下性质：

（1）

（2）

总损失量为：    （3）

其中，Xi为第i种损失，n为全部的风险种类。根据性质（1）和（2），可以将Xi分解为

Xi=IiBi        （4）

其中，Ii为贝努里（Bernoulli）变量，满足Pr（Ii=1）=1-Pr（Ii=0）;Bi为第i个。风险发生时的损失，其满足Pr（Bi=0）=0条件;在此情形下，Xi的概率分布Fxi（x）可以表示为混合函数：

（x）=（1-）+，x     （5）

其中，是Bi的分布函数，其方差及标准差分别为：=E（），，当Ii与Bi独立，则：

，   （6）

2、长期风险

所谓“长期”是指企业创新的持续时间内可能发生的风险，是指考虑了时间因素的风险模型。

定义：对于任意的连续时间的总损失为：

（7）

其中：N（t）表示内发生风险的类型，且，对于固定的，为取值于非负整数的随机变量，表示内第i种风险的损失，对于固定的，S（t）表示内总的风险带来的损失，S（0）=0。

对于随机过程，其计数随机过程满足（1）取值为非负整数，且，（2）当s

（二）投入产出的期望理论

经济学中的“期望”是指对某经济行为将能获得收益的一种预先判断，其最初来源于“数学期望”（mathematical expectation）。创新是需要各类资金、时间、设备、人力、技术等要素的，企业家是否决定从事创新活动，取决于对该活动所能获得收益的预先判断，如果预期创新活动的收益大于投入的成本，则从事创新，反之，则不创新。因此，将是否从事创新活动可以看成是求解全部预期投入和预期收入数学期望的过程：

假设全部预期投入为n元的随机变量（ξ1，ξ2，…，ξn），全部预期收益为m元的随机变量（φ1，φ2，…，φm）;再假设F（x1，x2，…xn）为（ξ1，ξ2，…，ξn）的分布函数，Fi（x）为ξi的分布函数，F（y1，y2，…，ym）为（φ1，φ2，…，φm）的分布函数，则其数学期望分别为（Mξ1，Mξ2，…，Mξn）和（Mφ1，Mφ2，…，Mφm），其中：

Mξi=     （8）

Mφj=    （9）

进一步的，我们再将创新过程的诸多预期投入（随机变量ξ1，ξ2，…，ξn）看成是“投入元”，将全部可能的预期收入类型（随机变量φ1，φ2，…，φm）看成是“收入元”，这样，即可将以上复杂的两个多元随机变量简化成二元随机变量（ξ，φ）。假定该二元随机变量服从状态分布：

P（x，y）=  （10）

其中，。根据概率密度函数的基本知识可知，ξ和φ的密度函数分别为：

（11）

（12）

则，随机变量（ξ，φ）的数学期望分别为：

（13）

（14）

因此，发生创新的动机是m1和m2在一定区间内，其充要条件是m1，m2，其中a为预期投入的各类资源价值（数量），b为预期收益的价值。

二、评价创新能力的算法

从以上理论分析可知，创新能力是一个较长时间的动态过程，但在某一个具体时点上、某个（类）企业的创新状况的评价，还要根据上述理论，借助一些可操作的方法进行计算。截止目前，国内外借助已有的数学工具来计算企业创新能力的方法有近十种，这其中，成熟度比较高、应用相对广泛的主要有以下五种。

（一）数据包络分析法（DEA）

数据包络分析（data envelopment analysis）简称DEA，是由美国运筹学家、得克萨斯大学的A.Charnes和W.W.Cooper等人1978年开始创建的一种对具有多个输入、多个输出的部门间相对有效性评价的方法，是一种非参数的统计各级方法。经过几十年的发展，该方法已经成为具有数十个模型，能够对经济和管理系统多种信息进行有效评价的方法，受到学界普遍认可。国内的杜栋（2001）等曾研究过用该法评价企业创新能力问题。

DEA的基本思想是：对于n个具有可比性的部门（同类企业或同类决策单元，简称DMU），每个部门都有m种类型的“输入”和s种“输出”。

令：xij为DMUj的第i种投入量，xij;

Yrj為DMUj的第r种产出量，yrj;

vi为第i种投入的权;

ur为第r种产出的权，i=1，2，…，m;j=1，2，…，n;r=1，2，…，s.

为方便期间，将其记为如下向量形式：

，j=1，2，…，n      （15）

，j=1，2，…，n       （16）

，

.

对于权系数为和，DMUj（）的效率评价指数

，j=1，2，…，n

总可以适当选取权系数v和u，使得

，j=1，2，…，n

当以评价指数为目标，以所有的部门（j=1，2，…，n）的效率指数（包括）的为约束条件，则对所有部门效率的评价可以归结为如下分式规划问题（模型）：

（17）

為便于计算，可以将该分式规划转化为如下线性规划问题：

（18）

DEA法的核心是要首先在众多的部门中树立一个效率“标杆”，再以此标杆测算其他部门的效率。就本研究所关注的“创新能力评价”来说，必须要首先将不同性质、不同规模企业、不同行业的企业分成不同的“组”或者“群”，只能在组内或者群内比较其创新能力;即便是属于同行业、同性质的企业，也不能放在同一组或者群进行比较。因此，该方法属于一种后置的静态评价法，不足之处是缺乏对企业未来创新能力的前置判断。

（二）层次分析法（AHP）

层次分析法（Analytic Hierarchy Process，简称AHP）是美国运筹学家Thomas L. Saaty二十世纪70年代提出的一种量化的判断多投入多产出优化选择问题的方法。其基本思想是将复杂的投入和产出分解成不同层次的“类”，在比较其权重的基础上，最终得出选择最佳方案。国内的赵晓康和王维红（2002）、常玉和刘显东（2002）等曾尝试用该法进行企业创新能力的分析。AHP法一般包括以下步骤：一是层次化。根据各投入和产出因素间的相互关系或隶属关系，将其分成不同层次的聚集组合，形成一个结构模型。二是确定各层次因素的判断标度。各层次的重要性采用专家打分法，目前应用较多的是“九分位比例标度”，即按照其极重、很重要、重要、略重要、同等重要、略不重要、不重要、很不重要、极不重要等九个级别，确定各因子之间的重要性数值。三是判断矩阵及其一致性检验。根据第一步层次分析模型图和第二步九分位比例标度，列出判断矩阵（略），比较矩阵中各关联因子的重要程度，并进行一致性检验。当该矩阵通过一致性检验后，再运用几何平方法将专家的意见综合平均，得出最终指标评估判断矩阵。五是判断矩阵的权重计算。判断矩阵的权重计算法有二种，一种是几何平均法，另一种是规范列平均法，具体计算公式不再赘述。五是组合权重的计算。按照步骤2、3和4，即可得到各个层级各因子的重要性（权重），在加权平均后即可得到组合权重（方法略）。

该方法显然也属于一种前置性的决策方法，其对属于后置性的企业创新能力的评价尚嫌不充分。

（三）多级模糊加权评价法

模糊评价法是一种利用模糊数学的隶属度原理对一些归类边界不清晰、难以定量是因子如企业创新投入中的企业家的风险偏好、创新人员投入时间的机会成本、创新收益中的潜在市场影响能力等难以用准确的数值直接量化，也难以精确归类因子用模糊集合定量化来进行综合评价的评价方法。多级模糊加权评价法是指将拟评价的因子先分成若干子集（归类），并对其赋权，然后依被评价因素的隶属度和权重为基础进行模糊矩阵运算，结合评语集向量构建模糊综合评判模型，最终得出量化结论。该方法一般包括五个基本步骤：一是依据指标的性质对其分级;二是构建各级（Ai，i=1，2，…，n）对应的评价指标集合;三给出各评价等级的集合的评价等级;四是对各评价等级赋权，五是根据隶属度向量和确定的权重计算得到评价矩阵R，由权重矩阵和评价矩阵的模糊变换可计算模糊评价集合S，通过对模糊评判向量S的定量分析可得出最终结论。

该方法最大的特点是方法简便，计算结果较为可靠。但其在企业创新能力评价领域的不足也较为突出：一是对于不同性质的企业，典型的如国企与非国企、大企业与小企业的创新能力，难以找到较为准确的分级及赋权方案，从而影响到其最终结果;二是模糊算子的确定具有强烈的个人色彩，导致不同的方案之间的结果有较大的偏差。尽管如此，学界应用该方法评价企业创新能力的研究案例比较多，也取得了一些有影响的成果，如常玉和刘显东（2002）、陈晓慧（2002）、韩超群等（2003）、孙细明等（2003）及姜柄麟和谢廷宇（2004）等。

（四）E—V模型法

E-V模型是一种二维评价模型，是将创新过程看成是一组随机变量，测算众多随机变量指标的期望值与方差，将均值大且方差小作为一种理想状态。朱利民（2004）提出的思路是：

对于一组随机变量（创新过程各因子）：，其均值为，其方差为

其方差最小化就可以归结为如下可用拉格朗日函数法解的方程：

（19）

根据他的推导，最优方差组合在（）空间为以双曲线，该组合是所有可行组合中方差最小的。

该方法的优点是能够对企业（区域）创新各因子的最优组合进行客观的分析评价，但对于具有企业之间“比较”性质的“能力”评价，似不充分。

（五）BP神经网络法

BP（Back Propagation）神经网络算法最初是美国心理学家McCulloch和数学家Pitts二十世纪40年代模拟人大脑处理信息过程而提出的一种计算方法。自该方法诞生以来，发展的很快，已经广泛应用于力学、工程、生物、军事、计算机等众多的学科和应用领域。该方法本身的发展也非常快，已经由最初的MP模型发展演变出ART网络、LVQ网络、Kohonen网络和Hopfield网络等多种网络构架和算法。

BP算法的拓扑结构一般包括输入层、隐层和输出层等三层组成。该算法的基本思想是：信息由输入层传入，在设定权值、阈值和激活函数的作用下在各隐层处理.结果传到输出层，若输出层值与期望的输出不符、则转入误差以某种形式通过隐层向输入层逐层逆传，并将其分摊给各层的所有单元，以此误差信号作为修正各单元权值的依据。这种信号正向传播、误差逆传及在各层权值调整过程周而复始地进行（学习过程），直到输出的误差减少到可接受的程度，或预设的学习次数为止。

BP网络算法的优点是自学习过程，即能够学习和存贮大量的输入-输出模式映射关系，而无需事前揭示和描述这种映射关系的数学方程，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小但其不足也较多，如网络权值收敛到的最终解并不能保证所求为误差超平面的全局最优解，也可能是一个局部极小值。就本研究所涉及的对企业创新能力评价来说，尽管李文博和郑文哲（2005）、王一強（2006）曾用该方法对一些区域的企业创新能力进行了评价，我们认为，该方法评价用于某单一企业的创新能力是有意义的，但对众多企业进行比较性评价似嫌不充分。

三、评价创新能力的指标体系

截止目前，国外对评价创新能力指标体系的研究比较少，且没有形成一套获得公认的指标体系，在国外的研究者中，影响较大的主要有两个，一是美国的Clark （1990）从产品和工艺两个方面选择了6个指标作为创新能力的评价体系;二是加拿大的Debresson（2003）提出的以企业投入或产出与相关人员比值为核心的指标体系，其主要因子包括包括创新资本投入/职工人数、创新资本投入/销售收入、非专门的创新资本投入/职工人数、专门的创新资本投入/职工人数、专门的创新资本投入/销售人数、出口销售收入/销售收入及企业的创新倾向等7个;其他还有一些较为粗线条的评价指标体系。国内的大多数指标体系都是在国家统计局制定的包括技术开发经费投入、科研人员、科研成果、技术转让、新产品销售和新产品出口等六项指标基础上，通过内容调整或延伸形成的。综合国内外各主要研究成果，企业创新能力应该由以下三个层面的三十项指标位参数进行评价。

（一）创新的外部环境指标

如前所述，企业是创新的主体，它作为社会的一分子，其行为必然要受到所在国家（区域）的一系列制度的影响。根据古典经济学理论和制度经济学原理，如果没有保护知识产权的相关法规，企业（个人）无法获取创新的超额收益却要负担创新的全部成本，则就没有创新的激励，同样，如果仅有形同虚设的法律法规，却没有严格执行法律法规的机构和执法者的意识，同样不会产生创新的激励。对我国企业来说，除要受到上述一般意义上的外部环境约束外，还要受到一些特殊具有中国特色的外部环境的影响，如“产业政策”的影响。我国是一个脱胎于计划体制的国家，长期推行产业政策，余明桂（2016）实证发现，产业政策能显著提高被鼓励行业中企业发明专利数量，他认为，产业政策通过信贷、税收、政府补贴和市场竞争机制促进企业的技术创新，尤其是民营企业的技术创新。我们认为，这些机制最终是通过减少企业创新成本，特别是降低创新的风险来激励创新的。由此看来，创新的外部环境应该至少知识产权和产业政策这两个二级指标及其相应的8个三级指标（见表1）。

（二）创新的内部环境指标

创新的内部环境指标是指企业所能进行创新的潜能。应该包括三个方面，其一是企业的性质。根据产业经济学理论，垄断型自身的企业创新的动机要低于非垄断性企业，我国的大型垄断企业决策者普遍实施的是“任期制”，作为风险回避者的企业决策者尽量要减少创新带来的风险，其创新的动机可能更弱，余明桂（2016）的研究结果“国家产业政策对民营企业创新的激励效果更加明显”就充分说明了这一点。其二是企业主要决策者的年龄。一般来说，年轻人对风险的承受能力要强于年龄大的人，所以年富力强的青年企业家更愿意创新。第三是企业所能够调动的用于创新的资源数量和质量， 包括人、财、物三个方面。这其中，“人”主要是指能够从事技术、市场和管理等环节创新的人才;“财”主要是指能够用于创新的资金;“物”主要是指能够用于创新环节的装备，如机床、试验台、各类测试仪器、试验田等的数量和先进程度。具体见表2。

（三）创新的投入指标

创新的投入指标是指创新过程中企业实际动用的各类资源，一般用实际投入的人财物来衡量，具体指标及解释见表3。

（四）创新的产出指标

创新的产出就是所能为企业和社会带来的各种收益，主要有经济收益、社会收益和环境收益三类。其中，经济收益的直接体现是指企业总产值的增加或成本的下降，间接体现是专利的增加（专利的二次开发和应用既可以产生当期的收益，也可以产生的长期的滞后收益）;社会收益是指创新的外溢带来的行业性的成本下降、性能提高或收益增加;环境收益是指排放及各类资源消耗的减少。这三类效益收益可以用一些具体指标衡量，详见表4。

四、评价创新能力需要注意的几个问题

尽管截止目前对创新能力评价研究的已经比较多，具体评价的范例也不少，涉及区域之间的、城市之间的乃至企业之间的等。有些评价的所得的结论与实际观察较为一致，可信度较高，但也有个别的结论有待商榷，此类评价之所以出现一些难以令人信服的结论，可能在对象类别可比性、指标的筛选乃至算法等方面尚有不足。为了提高创新能力评价结果的可靠性，我们认为，要特别注意把握好四个方面的问题。

（一）评价对象要有类型相似性

创新能力的评价应该是同类属性创新主体之间的比较，并且在创新的诸要素之间具有相似性方可。在现实中，既不能将不同属性的主体作为同类进行比较，如区域之间的大城市与中小城市之间、沿海与西部内陆县域之间、国企与外资企业之间、央企与一般省属企业之间、化工企业与农业企业之间，等等。也不能忽略一些不被注重，但的确很重要的具体因子，如制度环境、企业性质、企业规模、创新动机、竞争环境等。如同样属于小微型无机化工企业，有些是民营的，有些是国营垄断企业的二级独立法人企业，显然这两类之间本身在前述的具体因子之间差异很大，归为一类比较其创新能力，就很难得出真实的结论。所以，评价对象既要有属性之间的一致性，也要有此类具体因子的一致性，唯有类型相似的创新主体之间的比较，所得结论才有价值。

（二）指标的设计要恰当

如前所述，创新是一个涉及众多因子的动态过程，这些处于变化的因子既有关键与一般之分，也有容易量化和难以量化之分，既有相对独立的因子，也有相互影响、既有显著协同效应的因子。一个理想的指标体系应该是包含所有因子、并且能够考虑各因子权重变化的指标体系，但也要考虑数据的易得性。因此，指标体系的设计至少要满足三个条件：一是指标体系要有典型性。在众多的指标中有些属于关键因子，有些属于辅助因子，要尽量选择具有典型意义的关键因子;二是指标要易于量化。创新能力涉及的有些因子可以直接从统计报表中取得，而另一些则属于定性描述性质的，如制度环境、创新意愿等，对于此类指标可以考虑通过一些可替代的间接因子量化处理。三是指标体系的涵盖面要尽可能的大。在满足前述两个条件的前提下，指标体系的范围尽可能的要照顾到创新活动所涉及的各个层面。

（三）算法要匹配

每种算法都有特点，也有其最适宜应用范围和匹配的指标体系。一般而言，衡量算法是否匹配的考虑因素至少有三：一是调查获得的样本数据量的大小要能够满足拟用算法的最小数量;从前面的分析可知，有的算法要求的样本数量较大，如层次法（AHP），要求的是面板数据，需要对各调查样本（企业、区域）的各个层面的数据，而数据包络分析（DEA）对样本数据的相对较少，原则上只要调查样本的截面数据就基本上能够进行数据分析。二是算法要与欲评价的角度一致。不同的算法对评价对象创新能力测度的角度不同。有些算法属于对过去创新成效的评价，属于“存量”性质的，如DEA法;有的侧重对未来创新能力的判断，如BP神经网络算法等;三是算法要与评价对象数据的可得性兼容。有些评价对象的指标容易量化、且容易获得;而另一些则易于用定性或者模糊指标，如区域创新能力中的管理类因子、创新文化因子等;对前者来说，可用的算法较多，如DEA、E-V模型等，而对后者来说，模糊加权评价算法就更为适宜。

（四）评价过程要反复试错

任何一项评价活动，都不可能一次性的获得最真实的创新能力状态，即便是长期从事此类研究的学者也不可能设计一套完美的指标体系、采用最适宜的算法，因为，创新是一种复杂的、涉及的因子众多的长期过程，是动态的;同时，任何一种评价方法都有其局限性和适应性。鉴于此，对同一评价对象要用设计不同指标体系、采用不同的算法进行测算，原则上至少应该在三次以上，最后按照一组最接近的结论作为最终的评价结果。

参考文献

[1]代明，殷仪金，戴谢尔，创新理论：1912-2012纪念熊彼特《经济发展理论》首版100周年[J]，经济学动态，2012年第4期

[2]王海威等，技术创新能力及其测度指标研究综述[J]，中国地质大学学报（社会科学版） 第5卷第5 期2005 年9 月：26

[3]吴岚编著，风险理论[M]，北京大学出版社，2012

[4]魏权龄著，数据包络分析[M]，科学出版社，2004

[5]杨克磊1，和美2采用层次分析法的员工绩效评价研究[J]，重庆理工大学学报（自然科学） 第29卷第10期，2015 年10月.

[6] 陈劲.永续发展——企业技术创新透析[M]，科学出版社，2001.

[7]王海威， 朱建忠， 许庆瑞，技术创新能力及其测度指标研究综述[J]，中国地质大学学报（社会科学版），第5卷 第5期，2005年9月

[8]董晓芳，袁燕，企业创新、生命周期与聚集经济[J]，经济学（季刊），第13卷 第2期，2014年6月

[9]余明桂，范蕊，钟慧洁，中国产业政策与企业技术创新[J]，中国工业经济，2016年第11期.

[10]王伟光， 唐晓华.技术创新能力测度方法综述[ J] .中国科技论坛， 2003（4）：39-42.

[11]杨忠敏.企业技术创新能力的理论与方法综述[J]，科技进步与对策， 2004（3）：138-140.

[12]王斌，贝松，许洪国，快速收敛的BP神经网络算法[J]，吉林大学学报（工学版），第33卷 第4期，2003年10月.

[13]姜炳麟，谢廷宇，技术创新能力指标体系及其多级模糊评价方法[J] .商业研究， 2004（18）：77-79.

[14]朱利民.企业技术创新能力的E-V 模型评价[ J] .科技进步与对策， 2004， 21， （6）： 86-88.

[15]常玉，刘显东.层次分析、模糊评价在企业技术创新能力评估中的应用[J] .科技进步与对策， 2002， 19，（9）： 125- 127.

[16]杜栋.企业技术创新评价的DEA方法[J] .系统工程理论方法应用， 2001，10（1）：81-83.

[17]李文博， 郑文哲.基于神经网络的企业技术创新能力综合评价研究[ J] .科技进步与对策， 2005，（1）：55-57.

[18]韩超群，企业技术创新能力的模糊综合评价模型研究[J] .沈阳工业学院学报， 2003，22，（3）：88-91.

[19]孙细明，企业技术创新能力的三级模糊评价[J] .武汉化工学院学报， 2003， 25，（3）：85-87.

[20]易平涛，李伟伟，郭亚军，基于指标特征分析的区域创新能力评价及实证，科研管理，第37卷（专刊），2016年4月.

[21]魏江，郭斌，许庆瑞，企业技术能力与技术创新能力的评价指标体系[J]，中国高新技术企业杂志， 1995（5）.

[22]孙伟，王化军，技术创新能力及评价指标的研究[ J] .黑龙江八一农垦大学学报， 2002，（4）.

[23]韩景元，企业技术创新能力评价的理论、指标与方法[J]，河北科技大学学报， 2002，（3）.

[24]Jacobson，S.，C.Oskarsson，J.Philipson.Indicators of technological activities-comparing educational，patent and R&D statistics in the case of Sweden[J] .Research Policy， 1996，（25）.

[25]Brouwer， Kleinknecht，Determinants of innovation output.A mi croeconometric analysis of three innovation output indicators[A]. [26]Kleinknecht ， Determinants of Innovations. The Message from New Indicators[C] .London：Macmillan，1996.

[27]趙晓康，王维红，企业技术创新的综合评价方法及改进[J]，生产力研究，2002 第2期.

[28]王海威，朱建忠，许庆瑞，技术创新能力及其测度指标研究综述[J]，中国地质大学学报（社会科学版），第5卷 第5期，2005年9月.

[29]王海山，技术创新评价指标研究[J]，科学学研究，第1卷第2期，1993.

[30]邓蕾，王旭，林云， 何方珍，企业技术创新多级模糊综合评价模型[J]，重庆大学学报（自然科学版），2005年7月，第28卷第7期。

[31]唐炜，蒋日富，鹿盟，企业技术创新能力评价理论研究综述[J]，科技进步与对策，第24卷 第5期，2007年5月.