海洋产业集群创新绩效的实证研究——基于二阶段网络dea模型

《海洋产业集群创新绩效的实证研究——基于二阶段网络dea模型》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、进行模型构建，在两种基于不同建模思想的DEA方法上进行对(H-721’+slrTt’)一(vt7墨’+毛7T2’)≤o．J=1，．n，≠k照，进而得出二阶段网络DEA模型具有优越性及合理性。二阶(W27227+$arT2’)一(％7．邑’+5trrl’)≤o．，=1．，住，≠七U->0．Uz>0段网络DEA模型的结构如图1：H>0，蚝>O嵋>0．嵋>0S1>0．S2>0(1)(三)数据说明由于传统CCR模型对决策单元数量方面有“不少于输入输：出指标数的三倍”的要求。本文收集了2009--2010年浙江省舟”山群岛新区舟山海洋科学城内10个细分产业的145家企业、28家创新机构的

2、技术数据。其中，涉及的创新机构数据来源于各高校、研究机构网站，2010、2011版的《浙江省科技年鉴》。各企业h——————————————————————镕自叶目——————————————————————————一L．墅!堂叫；i墅型燮的数据来自对巨潮信息网的企业年报数据的加工计算以及舟山图1二阶段网络DEA模型结构示意图群岛新区科创园、浙江省商务厅开发区的资料。细分产学研联盟本文通过对大海洋产业下的10个细分产业的产学研联盟整体情况来自海洋产业各技术创新平台的网站及部分联盟牵头创新绩效进行评价，综合得出海洋产业集群技术创新绩效评价。单位的电话调查。数据的处理采用DEA—S

3、OLVER和MATLAB10个细分产业分别为：海洋渔业、海洋能源业、海洋生物医药业、软件。海水综合利用业、海洋船舶工业、海洋工程建筑业、海洋交通运四、实证分析与模型检验输业、滨海旅游业、滩涂农业、海洋信息服务业。其中，每个细分(一)实证结果与分析产业中的企业以及由研发机构、服务机构、高校等组成的创新机根据上述原理，笔者通过Matlab计算所得的各个模型的绩构，共同构成各自细分产业的产学研联盟。效值，10大细分产业的产学研联盟的决策单元评价如表1所整个评价过程分为技术有效和经济有效两个阶段，将细分不：产业中的企业和创新机构作为独立的子系统单独进行评价，综表1Matlab计算所得部

4、分结果合子系统的内部运作过程构建海洋产业集群第一阶段的技术绩效评价模型。而在经济有效阶段，创新机构对企业的经济价值决定于新产品市场的长期构建，无法确定确切指标来衡量，因此在第二阶段采用超级效率模型，综合得出二阶段网络DEA模型。(二)模型构建万方数据E4，这是由于采用了超级效率模型，使得其潜在的效益排序得以有决策单元的已有有效性分类结果显现。对DUMA分析可知：CCR模型得到的联盟效率值为1，而表2显示：二阶段网络DEA模型的稳定性相对较好。整体二阶段网络DEA效率值为0．891，说明CCR模型计算中存在着来看，二阶段网络DEA模型得到的结论准确性大于传统CCR未被识别的非有效

5、运作环节。可见，利用二阶段网络DEA可以模型。在所有的决策单元中，DUMT和DUMJ数据的准确性对于更好地识别产学研联盟整体运作的综合效率。对DUMM分析显整个结果的影响较大。如果其输入输出数据的相对误差不超过示：E3=1．043说明产学研联盟整体运作效率是有效的。但进一各自的稳定区间，本文的二阶段网络DEA有效性分类结果仍成步发现，E1=0．494、E11=0872，这意味着在评价的技术有效阶立。而对于CCR模型，其稳定性则相对较差，稳定区间普遍较段中，企业作为其子系统，技术有效性存在着有待改进的环节，小，这也是二阶段网络DEA模型优于传统CCR模型的一个重这些环节目前并未影

6、响产学研联盟的绩效，但是企业管理者应要体现。该识别出其中存在的危机，并且采取有力的措施改进，否则可能(三)有效性检验会影响第二阶段的经济转化效率，最终影响综合效率指标。使得本文选用最基本的BP神经网络模型与二阶段网络DEA模海洋产学研联盟综合指标无效。创新机构在选择合作单位时，也型进行比较。来验证本文模型的实际有效性，能克服传统线性回需要考察该联盟是否存在综合指标有效、分阶段指标无效的情归模型误差较大的缺点。况。同理，企业在选择合作平台时，也要注重高校两阶段各自的具体实现方式如下：首先，选取海洋产学研联盟的每个决策效率值，以免为合作埋下危机。综上可见，利用二阶段网络DEA单元各

7、个阶段与各个子系统之间的输入输出指标作为神经网络模型评价，能够研究当第一阶段无效时，出现问题的主体和环模型的输入变量；将本文模型所计算得出的二个阶段以及综合节。从而发现比标准二阶段DEA模型更进一层次的综合绩效影绩效值作为输出变量。再次，在获得输入输出变量之后，对其进响因素。行归一化处理，将数据处理成为区间[0，1】之间的数据。最后，采(二)模型灵敏度分析用基本BP单隐层神经网络进行实现。其中，网络中间层的神经由于DEA其模型原理依赖于决策单元的已知输入和输出元传递函数采用S型正切函数，输出