熊剛+張星佳麗+商秀芹+Timo+R．Nyberg+劉陶忠

摘 要：根據(jù)美國企業(yè)孵化協(xié)會（ NBIA）給出的定義，孵化器是通過對新創(chuàng)企業(yè)提供創(chuàng)業(yè)指導(dǎo)和所需資源及服務(wù)，以加速其成功發(fā)展的商業(yè)支持過程集合體。本文首先從有效孵化相關(guān)的功能角度，篩選出孵化器的有效運作因素，然后采用層次分析法對于調(diào)查數(shù)據(jù)進行了計算，得到了各個指標的權(quán)重。利用模糊綜合分析法對于影響孵化器有效運作因素進行了判定。最后對某地多個孵化器進行了實證分析。分析結(jié)果顯示，孵化器運作良好。

關(guān)鍵詞：孵化器；AHP模糊綜合評價法；有效運作因素

0 引言

孵化器是整合社會資源并實現(xiàn)自己主創(chuàng)新成果產(chǎn)業(yè)化的重要載體，是國家創(chuàng)新體系的重要組成部分。經(jīng)過二十多年的發(fā)展，中國孵化器的數(shù)量僅次于美國，居世界第二位。孵化器行業(yè)對創(chuàng)業(yè)企業(yè)成長的促進作用越來越引起社會關(guān)注。國家和地方政府為孵化器平臺搭建相關(guān)的大數(shù)據(jù)服務(wù)平臺，以輔助孵化器和在孵企業(yè)健康發(fā)展。

隨著互聯(lián)網(wǎng)快速發(fā)展所出現(xiàn)的虛擬孵化器，則是通過現(xiàn)代信息技術(shù)交流手段，以互聯(lián)網(wǎng)為線上平臺的新型孵化形式。這種符合信息時代特征的新型孵化方式，吸引了不少專家學者對于其定義與屬性，發(fā)展模式以及合作規(guī)范等進行研究。

但是，我國孵化器行業(yè)在快速發(fā)展的同時，出現(xiàn)了很多問題。而在此之中的核心問題可歸結(jié)為孵化器有效運作因素的研究。當前我國學者對孵化器的研究，主要涉及孵化器的核心競爭力、盈利能力、與風險投資融合的經(jīng)營模式，也有關(guān)于孵化器的管理績效評價以及相關(guān)指標體系等問題，但對孵化器有效運作因素尚未有系統(tǒng)完善的評估。陳芝等對于現(xiàn)有的指標體系進行分類，增加了企業(yè)孵化器自身發(fā)展相關(guān)的權(quán)重參數(shù)。張禮建等構(gòu)造了科技企業(yè)孵化器孵化績效評價指標體系。晏敬東等針對科技企業(yè)孵化管理績效建立了評價指標體系。

本文基于科技創(chuàng)新企業(yè)孵化器有效運作的關(guān)鍵因素分析，建立評估孵化器的一個指標體系，同時利用AHP-模糊綜合評價法對于孵化器進行評估，確定各項影響因素在孵化器運作中所占的權(quán)重，將各項指標因素的權(quán)重以量化表格形式顯示，一目了然的顯示各項指標在運作之中的權(quán)重。最終的權(quán)重數(shù)據(jù)，對于政府、企業(yè)在進行科技創(chuàng)新產(chǎn)業(yè)孵化器管理時有很好的指導(dǎo)作用，從而更好的發(fā)揮孵化器對于創(chuàng)業(yè)的激勵作用。

1 模糊綜合評估模型的建立

模糊綜合評價的基本步驟：首先依據(jù)評估對象確立合理完善的評價指標體系，通過層次分析法確定各個評價因素的權(quán)重。然后根據(jù)評價的要求，設(shè)定合適的評價集，并確立評價因素的隸屬度函數(shù)，最后進行模糊綜合評判。

1.1 建立評價指標體系

評價科技企業(yè)孵化器，需要建立合理且全面的評價指標體系。首先，就是掌握影響科技企業(yè)孵化器有效運作的各種因素，要把影響其運作流程的各種復(fù)雜成分簡單化，明確主要因素和次要因素。其次，建立科技企業(yè)孵化器評價模型，還需要逐一了解孵化器孵化流程中各個環(huán)節(jié)的實施狀況，為分析影響其有效運作的因素創(chuàng)造條件。結(jié)合相關(guān)文獻資料分析，我們采取從孵化器硬件環(huán)境、軟件環(huán)境以及孵化器服務(wù)能力等幾個方面，建立孵化器有效運作因素指標體系：

（1）孵化器硬件環(huán)境：是指由客觀環(huán)境所決定的，影響孵化器進行進一步發(fā)展的硬件限制因素；

（2）孵化器軟件環(huán)境：是由孵化器中人才引進以及交互交流帶來影響的軟性指標；

（3）孵化器投融資能力：反應(yīng)孵化器經(jīng)濟功能；

（4）孵化器輔助服務(wù)能力：反應(yīng)孵化器服務(wù)社會功能。

我們所建立的科技企業(yè)孵化器有效運作的指標體系，如表1所示。

1.2 科技企業(yè)孵化器指標體系的計算

每個準則?V_i（i =1，2，3，4），綜合反映若干個大類指標V_ij（j =1，2，…，m），例如：孵化器硬件環(huán)境因素K，是由孵化器基礎(chǔ)設(shè)施投入V以及孵化器基地共同決定的，即對于V，均有：

其中，i=1，2，3，4；j=1，2，…，m，m為所有因素（V₁，V₂，V₃，V₄）中大類指標數(shù)的最大值。據(jù)此，就構(gòu)建了科技企業(yè)孵化器有效運行指標體系。它分為2個層次，第1層次，準則層，影響孵化器有效運作的4個準則，第2層，具體指標層V_ij決定準則層各準則的綜合指標。這里，W=1，2，3，4；j=1，2，3，…，m）是權(quán)重，權(quán)重反映了指標對所影響的對象的重要程度。我們采用層次分析法確定各個指標的權(quán)重。

1.3層次分析法確定指標權(quán)重

層次分析法的基本思想是將想要達到的總目標進行量化分解成多個不同的組成因素，并按照因素間的相互關(guān)聯(lián)影響以及隸屬關(guān)系將這些組成因素按不同層次聚集組合。形成一個多層次的分析結(jié)構(gòu)模型，從而最終使問題歸結(jié)為最低層（供決策的方案措施等）相對于最高層（總目標）的相對重要權(quán)值的確定或相對優(yōu)劣次序的排定。

運用層次分析法解決決策問題一般分為五步：建立層次結(jié)構(gòu)模型；構(gòu)造判斷矩陣：層次單排序及一致性檢驗；層次總排序；層次總排序一致性檢驗。按照層次分析法的步驟，已確定指標體系和劃分層次結(jié)構(gòu)這兩個步驟，這套評價指標由兩級指標組成，所以必須先求出第一級指標的權(quán)重，再求第二級指標的權(quán)重；

1.3.1 構(gòu)造判斷矩陣A

判斷矩陣是層次分析法的基本信息，也是進行相對重要度計算的重要依據(jù)。層次分析法的信息基礎(chǔ)，主要是人們對于每一層次中各因素相對重要性的判斷這些判斷通過引入合適的標度，用數(shù)值表示出來，寫成判斷矩陣。判斷矩陣表示針對上一層次某因素，本層次與其有關(guān)因素的相對重要性的比較。例如，某上一級因素HS有n個下級獨立要素A₁，A₂，…，A_n。，其判斷矩陣形式見下表2。

判斷矩陣中的元素a表示從判斷準則E。的角度考慮要素a_i，對要素a_j，的相對重要性a_ij=w_i/W_jendprint

1.3.2 判斷尺度

表示要素a_i，對要素a_j，的相對重要性的數(shù)量尺度。表3是一種常用的1-9判斷尺度表。

1.3.3 運用方根法求解判斷矩陣

在單一目標層A下被比較元素的相對權(quán)重，即層次單排序，計算步驟如下：

（1）權(quán)重向量的近似計算

計算判斷矩陣每一行元素的乘積：

計算Mⁱ的n次方根：

對M_i的標準化：

（2）最大特征根的計算

采用公式（4）求取判斷矩陣的最大特征根 λmax用于一致性檢驗。

其中w是用根法求出的權(quán)重向量。

（3）將所得的W向量做歸一化處理，得到單一準則下各被比較元素的排序權(quán)重向量。

一致性檢驗的基本步驟：基于公式（5）得到判斷矩陣的最大特征值，然后代入公式（6）和（7）中，計算判斷矩陣的一致性指標CI和一致性比CR。

式中，4是A-B判斷矩陣，n是判斷矩陣階數(shù)， λmax是判斷矩陣最大特征值。CI數(shù)值越小，就說明判斷矩陣一致性越高。單純依據(jù)CI值設(shè)定一個可接受的不一致性標準，并不恰當。因此，進行一致性檢驗前，需要排除判斷矩陣不同階數(shù)對指標判斷的影響。

平均隨機一致性指標RI，就是一種修正系數(shù)，可消除由矩陣階數(shù)因素所造成的判斷矩陣不一致性。具體數(shù)值如表4所示：

對于n>3階的判斷矩陣，當CR≤0.1時，即λ max偏離n的相對誤差。當RI不超過平均隨機一致性指標Ci的0.1倍時，則可認為判斷矩陣一致性是可接受的。當CR> 0.1時，則可認為判斷矩陣偏離一致性程度過大，需要調(diào)整判斷矩陣，直到達到滿意的一致性為止。

1.4確定評語集和隸屬度函數(shù)

單因素評價和建立評價矩陣時，可將評價等級分為優(yōu)、良、差三個等級，建立評價等級集V=[優(yōu)，良，差]。

1.5單因素評價和評價矩陣建立

從一個因素出發(fā)進行單獨評價，以確定評價對象對于評價集元素的隸屬程度，稱為單因素模糊評價。假設(shè)對第i個評價元素μ_i，進行單因素評價，得到一個關(guān)于Vi的模糊向量：

r_iji，具有v_j，的程度，0ij<1。若綜合評價n個元素，結(jié)果是Ⅳ行n列的隸屬度矩陣R。R是一個單因素評價集，是評價集V上的一個模糊子集。可見，該矩陣中每一行就是對每一個單因素的評價結(jié)果，整個矩陣R包含了按評價標準集合V對評價因素集合U進行評價所獲得的全部評價結(jié)果。

1.6 進行模糊合成和評價

本文選擇加權(quán)平均算子，進行模糊合成。應(yīng)用不同的模糊算子，對二級指標進行模糊合成，會演變出不同的模型。

2 某地孵化器平臺有效運作評估案例

2.1 權(quán)重的確定

2 .1.1 構(gòu)造判斷矩陣

AHP的判斷矩陣分布權(quán)重，通過專家組對各級評階中的各個元素重要性進行兩兩比較與量化評價獲得。專家量化評價結(jié)果采用1～9的標度法，分別考察B層因素和C層因素的相對重要性，可以得到A-B、B-C判斷矩陣。結(jié)果如下表5所示：

2.1.2 求解判斷矩陣

（1）權(quán)值的近似計算

由公式（1）計算圖1中每行元素的乘積，得到：

由公式（2）得到各個項的四次方根：

μ₁=2.21 μ₂=0.54 μ₃=1 μ₄=0.84

由公式（3）進行標準化得到：

w₁=0.482 w₂=0.117

w₃= 0.218 w₄=0.183

由此，得到特征根：

（2）最大特征根的計算

由公式（4）計算得：

2.1.3 一致性檢測

由公式（5）（6）（7）知，一致性檢測中各項參數(shù)如下：

同理，可以求出權(quán)重表，如表6，表7所示。

2.2 進行綜合模糊計算

2.2.1 建立評價矩陣

對于定性指標，采用專家打分法獲得評語集。對于定量指標，采用隸屬度函數(shù)進行模糊評價，如表8所示。

2.2.2 確定權(quán)向量

由本文2.1小節(jié)中，利用AHP層次分析法得到了指標層C相對于準則層B以及目標層A的權(quán)重，如表6所示。

2.2.3 一級評價

根據(jù)公式Bi=Wi×Ri得到B層各個指標模糊計算結(jié)果，如表9所示。

2.2.4 二級評價

根據(jù)公式B_i=W_i×R_i，把B_i看做是A的4個單因素判斷，則對目標層A的綜合評價為：

B=W×R

w為A層各下級元素相對于A層的權(quán)重，可知：

W=[0.48 0.12 0.22 0.18]

R為模糊評價矩陣，由一級評價知：

計算得：

B =[0.59

0.265

0.145]

2.2.5 綜合評價

按照最大隸屬度原則，我們對某地孵化器進行分析后結(jié)果顯示，關(guān)于孵化器有效運作的諸多指標較好，我們認為該孵化器狀態(tài)良好。通過該孵化器的有效運作因素評價過程，我們能夠發(fā)現(xiàn)孵化器在運行中出現(xiàn)的問題來源，量化的評價，也可以方便對于相似孵化環(huán)境的孵化器進行孵化指標判斷。從層次分析法得到的量化指標權(quán)重中，在政府部門建設(shè)和管理科技創(chuàng)新孵化器時，應(yīng)當注重軟硬件的基礎(chǔ)投資。在此基礎(chǔ)的保障下，孵化器才能更好為社會發(fā)展，科技進步提供支撐支持，更好地發(fā)揮孵化器的孵化作用。同時，針對不同的地域，不同經(jīng)濟狀況，不同孵化條件和背景的孵化器，在進行評估時，應(yīng)當考慮差異，結(jié)合時代對于孵化器孵化作用的要求，結(jié)合不同的背景特點，選取合適的指標，并進行合適的權(quán)重評價。

本實例計算中，我們首先對于某地孵化器按照表1中的相關(guān)判定指標進行了指標權(quán)重的評價，評價產(chǎn)生了相關(guān)的判斷矩陣，并將得到的判斷矩陣進行一致性檢測。然后，根據(jù)收集的數(shù)據(jù)，對于相關(guān)評價指標進行模糊評價，建立了評價矩陣，計算相應(yīng)的權(quán)重以及進行了綜合評價。

3 結(jié)論

為滿足科技企業(yè)孵化器評價工作不斷完善的需求，需要加強孵化器有效運作因素研究，將其運作過程中所涉及的復(fù)雜關(guān)系簡單化為主要因素和次要因素，并獲取量化的指標信息，為準確把握其發(fā)展趨勢并推動實現(xiàn)動態(tài)管理提供科學的判斷依據(jù)。不斷完善科技企業(yè)孵化器有效運作的評價指標體系，有助于發(fā)現(xiàn)孵化器運作過程中存在的不利因素和缺陷，分析原因并及時采取合理的應(yīng)對措施。