论文部分内容阅读
摘要：产业技术创新生态系统的发展是动态变化的过程，只有保持或增强系统运行的稳定性才能促进产业技术创新生态系统的协同演进。本文以产业技术创新系统理论为基础，构建了产业技术创新生态系统运行稳定性评价指标体系，以电信产业为例，采用粒子群算法通过对集对分析、因子分析和主成分投影法的组合实现对产业技术创新生态系统运行稳定性评价。结果表明我国电信产业技术创新生态系统运行稳定性较好，关键种企业创新能力、创新政策支持和技术创新推动等指标对电信产业技术创新生态系统运行稳定性的影响较为显著，为电信产业结构升级和技术创新生态系统建设提供了理论依据。
关键词：产业技术创新生态系统；运行稳定性；粒子群算法；组合评价；电信产业
中图分类号：F224.3文献标识码：A文章编号：1003-5192（2016）05-0030-07doi：10.11847/fj.35.5.30
1引言
近年来，我国经济呈现出快速、持续、强劲的增长趋势，但产业技术供给尚处于从属地位，导致对国外先进技术的过度依赖成为制约我国产业发展的主要障碍，能否推进产业结构调整及提高产业国际竞争力，关键取决于产业技术创新能力的高低。提高产业技术创新能力己经成为我国经济发展的重点议题[1]。然而，提高产业技术创新能力不仅需要企业自身创新能力的提升，还需要超越企业视角，关注产业技术创新生态系统的有序演进。随着开放式创新的发展，大多产业已经初步形成了包含高校、科研机构、企业、政府、中介机构、客户等生命要素以及经济、政策、市场、资源等环境要素在内的技术创新生态系统，因此，如何提高和保持产业技术创新生态系统运行的稳定性，促使系统在内部要素相互协同下平稳演进，进而适应不断变化的创新环境，提高产业技术创新生态系统整体创新效率，是目前亟待解决的热点问题。
早期的产业创新系统概念是由Malerba提出，他结合演化论和学习理论认为产业创新系统中的机构包括个人或组织，这些组织可以是公司或非公司的组织（如大学、政府机构等），也可以是其他的个人或组织，这些机构或组织为某些特定产品的创造、生产和销售提供了大量的市场和非市场的互动[2]。在此基础上，Adner提出产业技术创新生态系统作为一种协同整合机制，能够将系统内不同组织的创新成果整合成一套协调一致的、面向客户的解决方案[3]。而后，不同学者从不同方面对产业技术创新生态系统展开研究。在产业技术创新生态系统的结构和特征方面，Allen和Sriram认为技术的模块整合和系统集成引导了系统内部的竞争，技术创新生态系统的基本单位是各个技术模块[4]；黄鲁成指出技术创新生态系统的构成要素有创新种群、创新群落和区域创新环境等[5]；此外，张运生[6]，陈斯琴和顾力刚[7]也从不同视角探讨了产业技术创新生态系统的结构与特征。在产业技术创新生态系统的影响因素方面， Allen和Sriram[4]，宁钟[8]，党兴华和任斌全[9]认为技术标准、技术创新联盟、资源和信息的交换、合作伙伴能力匹配、系统决策、集群模块化等是影响系统的主要因素。在产业技术创新生态系统运行机制方面，Arcari[10]认为信任机制、分配机制、协调机制和学习机制是技术创新生态系统运行的主要机制；余家驹提出的反馈机制更能体现非线性的“生态系统”运行特质[11]。
通过梳理国内外相关研究可知，学者对产业技术创新生态系统的结构与特征、影响因素以及运行机制等方面的研究已经取得了丰富的成果，而对产业技术创新生态系统运行稳定性的研究却鲜有涉及，产业技术创新生态系统的发展是一个动态变化的过程，只有保持或增强系统运行的稳定性才能促进产业技术创新生态系统的协同演进。基于此，本文从产业技术创新生态系统的稳定性入手，通过构建系统运行稳定性评价指标体系，应用粒子群算法通过对集对分析、因子分析和主成分投影法的组合并以电子产业为例实现对产业技术创新生态系统运行稳定性的评价研究，力求为提高我国产业技术创新生态系统运行稳定性提供有益借鉴。
徐建中，等：基于粒子群算法的产业技术创新生态系统运行稳定性组合评价研究——以电信产业为例
Vol.35， No.5预测2016年第5期
2产业技术创新生态系统及运行稳定性
产业技术创新生态系统是指由产业内技术创新群落与技术创新环境，通过创新物质、能量和信息流动所形成的相互作用、相互依存的系统。产业内的各创新种群及其赖以生存的环境构成了系统的两大子系统，分别为生命子系统和环境子系统。其中生命子系统构成了系统的生物成分，它由上游技术开发研究类企业、中游中介服务类企业、下游产品制造生产类企业组成，包括企业、政府、高校及研究机构、中介组织等，这些成分在产业技术创新生态系统中扮演着生产者、消费者和分解者的角色。环境子系统由经济环境、政策环境、市场环境和资源环境等组成。根据这些构成要素的作用及其所处的生态位，可将构成要素分为四个层次，分别为创新核心层、创新主体层、创新辅助层和创新环境层。其中高校和科研机构种群构成创新核心层，由关键种企业、竞争企业和供应企业等组成的企业种群构成创新主体层，由政府种群、中介机构种群和用户种群构成创新辅助层，由创新经济环境、创新政策环境、创新市场环境和创新资源环境组成的环境子系统构成创新环境层。这四个层次的构成要素相互联系、相互作用，共同影响产业技术创新生态系统运行中各种技术创新活动的开展。
产业技术创新生态系统的运行是连续的过程，系统不同创新主体发挥着各自的特长和优势，在创新动力机制、竞争与合作机制、创新收益分配机制的共同作用下实现系统的整体运行。产业技术创新生态系统运行稳定性是指在系统运行过程中，系统内的各创新主体为实现既定目标，在一定时期内保持健康竞争合作关系的正常波动状态，这种稳定是相对的、动态的、有效的。当产业技术创新生态系统稳定运行时，能保持系统内各创新主体最大限度地发挥其各自的优势，使系统高效率地运作和发挥其在稳定运行中的最大效用，维持或提高产业技术创新生态系统整体创新效率。 3研究方法
本文采用因子分析、主成分投影分析和集对分析对产业技术创新生态系统运行稳定性进行评价研究，其中因子分析和主成分投影分析法能够比较全面、客观地对研究问题进行统计和评价，集对分析能有效处理不确定信息并揭示其潜在规律，但因子分析提取的主因子意义不能完全确定，而且会有部分信息没有得到提取，主成分投影分析法的负载符号交替使其函数意义不够明确。集对分析参数的设定过于简单，不能充分揭示系统演化的规律。为了弥补这三种评价方法自身固有的缺陷，提高评价的科学性和精度，本文选取基于粒子群算法的组合评价方法作为评价产业技术创新生态系统运行稳定性的方法。
5实证分析
5.1电信业技术创新生态系统运行稳定性评价指标优化
按照产业技术创新生态运行系统稳定性初始评价指标体系，向电信产业技术创新生态系统的种群成员发放问卷，调查单位包括电信企业、高校、科研机构、金融机构等。问卷共收回324份，剔除掉有缺失数据的问卷和雷同度较高的问卷，剩余有效问卷186份，有效率为57.4%。将问卷调查的结果数据利用SPSS 17.0软件进行可靠性分析，得到Cronbach’s 信度系数α= 0.8125，表明该指标体系的设计具有较好的可信度。通过对各指标均值、离散系数和共同度的计算结果表明，C125和C212的离散系数分别为0.091和0.099，均小于0.1，说明这两项指标的表现上差别不大，接近均值，难以体现区别，指标C125的均值最高达4.988，即大部分被调查者对此问题的回答很一致，对此项指标认可程度高，且此项指标与其他指标的相关系数较小，无法由其他指标替代，因此保留此项指标。指标C212与指标C213的相关系数较高（0.9345），因此可以由C213替代C212的内容，将指标C212予以删除。C143、C222和C333三项指标的共同度均小于0.5，意味着有大于50%的信息丢失，应进行删除或修改。在因子载荷矩阵中，C333在因子1和因子3上有近似相等的载荷，说明这项指标反映的信息不明确，为提高指标体系整体的可靠性应将这项指标删除。
根据分析结果，结合专家会议法，对指标体系进行优化改进。经反复讨论和分析计算后将指标C143、C212、C222和C333删除；在二级指标B21下增设三级指标：关键种企业为产业技术创新生态系统服务的意识；在二级指标B22下增设三级指标：创新主体与高校及科研机构进行创新技术合作情况。其余指标保持不变。完成指标名称的修订后再通过遗传层次分析法对各项指标重新分配权重，得到优化后的指标体系共有指标43项。对优化后的指标体系重新进行信度和效度检验，通过信度检验得Cronbach’s 信度系数α= 0.8243，比原指标体系的信度系数提高了0.0118；通过效度检验得到5个因子的累积贡献率达83.687%，比原指标体系提高了3.112%，且所有指标均在一个因子上有较高载荷。可见优化后的指标体系信度和效度均得到提高，是较为理想的指标体系。
5.2电信业技术创新生态系统运行稳定性组合评价
基于优化的电信业技术创新生态系统运行稳定性评价指标体系，完善和修改调查问卷，再次向电信产业技术创新生态系统的种群成员发放问卷，调查单位包括电信企业、高校、科研机构、金融机构等。问卷共收回312份，剔除掉有缺失数据的问卷和雷同度较高的问卷，剩余有效问卷265份，有效率为84.9%。对数据进行信度和效度检验，得到Cronbach’s α系数为0.8250，相关系数均大于0.5，偏α均大于0.7，说明调查所得数据收敛性较好，可信度较高。结构维度指标与技术维度指标的相关系数为0.802，结构维度与外部维度指标之间的相关系数为0.789，说明该指标体系的效标关联性较好，调查所得数据的有效度较高。
5.2.1因子分析
应用SPSS 17.0软件，计算得到电信产业技术创新生态系统样本数据的Bartlett检验的F值显著，表明所取的样本数据来自正态分布的总体，KMO检验值为0.726，因此适合做因子分析。利用软件中factor过程对数据矩阵进行处理，根据得出的方差贡献率选取5个因子，其累积方差贡献率高达到84.5%，即原始指标信息仅有15.5%损失。接着对提出的初等因子载荷矩阵（component martrix）进行方差最大化正交旋转（varimax），旋转后按各因子上各指标载荷的大小进行排序，得到因子载荷矩阵，根据各个因子及相应的贡献率，可计算得出不同指标的综合得分，得分的大小表明相应指标对电信产业技术创新生态系统运行稳定性的重要程度。
5.2.2主成分投影分析
应用主成分投影法对电信产业技术创新生态系统运行稳定性进行评价。首先应将样本数据矩阵Xnp（n=265，p=58）进行无量纲化和标准化，采用遗传层次分析法对各项评价指标进行赋权；其次采用雅可比方法进行正交变换，得到评价矩阵U，U的每一个行向量ui=（ui1，ui2，…，uip）对应一个评价对象，U的每一个列向量代表由p个无量纲化的加权指标zj的线性组合表示的一个新的综合指标；再求出各评价向量在理想评价方向上的投影，最后按各评价对象投影值的大小排序得出结果。
5.2.3集对分析
应用集对分析法对电信产业技术创新生态系统运行稳定性进行评价。首先，将样本数据构造成评价矩阵并比较评价矩阵中的指标值与最优方案中对应指标值，形成被评价对象与最优方案指标不带权的同一度矩阵；其次，利用指标权重向量w及同一度矩阵K计算得到带权同一度矩阵R分（R分=w×K）；再次，通过比较同一度值的大小，对R分进行分类整理排序得出分项评价结果；最后，由分项评价得到带权的同一度矩阵R分作为综合评价的输入，通过计算R总=w×K，代入指标相应的权重，即得到带权的同一度矩阵R总，对R总进行分类整理排序得出结果。
5.2.4基于粒子群算法的组合评价 为采用粒子群算法实现对这3种方法的组合，应首先对不同方法得到的结果进行一致性检验，在α=0.01显著性水平下，得到肯达尔一致性系数χ2=85.67>χ2α/2，（n-1）=56.59，可见一致性较理想，因此（1）式目标函数中m=43，n=3。选取初始粒子数目为40，最大进化代数为100，c1=c2=2，为取得最佳优化结果，设置惯性权重从0.8逐渐递减到0，进行100次实验，取适应度最佳的一次作为评价结果。当适应度最佳时目标函数值为8.846×10-6，此时输出最佳变量值q=[0.334，0.333，0.332]。
为比较单一评价模型结论和组合评价模型结论的一致性，采用斯皮尔曼相关系数进行相关分析。通过SPSS 17.0软件计算3种单一综合评价方法和组合评价方法的排序结论之间的等级相关系数，并分别求出4种方法的等级相关系数平均值，结果见表2。可以看出，本文提出的组合评价方法一致性程度要好于其他三种单一综合评价方法，说明此模型能够较好地强化各评价结论中一致性程度高的评价结论，弱化一致性程度低的评价结论，使评价和排序结果更科学可信。
由组合评价的得分值和各项指标的权重值，根据系统运行的稳定性指数公式
w=∑mi=1zisi，i=1～m（2）
计算得出数w=7.706，参照有关研究成果，当w9.0时，为稳定性好；当9.0>w7.5时，为稳定性较好；当7.5>w6.0时，为稳定性一般；当6.0>w4.5时，为稳定性较差；当4.5>w时，为稳定性较差。因此我国电信产业技术创新生态系统运行稳定性较好。
另外，从组合评价的排序结果可以分析出各项评价指标对电信产业技术创新生态系统运行稳定性的影响程度大小。对系统稳定性影响较为显著的指标分别为关键种企业相对系统内其他企业创新能力强弱（C213）、设置专门部门对于指导与推动该系统发展的情况（C322）、关键种企业应对创新市场需求变化的能力（C214）等因素，影响程度最不显著的指标是系统中关键种企业数量（C211）、创新主体在同行业市场竞争中的状况（C311）、上下游创新主体之间在财务方面的相互依赖情况（C114）；从二级指标的角度来看，对产业技术创新生态系统运行稳定性的影响较为显著的是关键种企业创新能力（B21）、创新政策支持（B32）和技术创新推动（B22）。
6结论与启示
产业技术创新生态系统是提高产业技术能力的高效平台，而产业技术创新生态系统运行的稳定性是提升系统创新效率、保证系统有序演进的重要因素。本文从结构维度、技术维度和外部环境维度构建了评价产业技术创新生态系统运行稳定性的指标体系，采用粒子群算法将因子分析法、主成分投影法和集对分析法进行组合实现对产业技术创新生态系统运行稳定性的评价，相比用单一方法进行评价的研究，其能够对不同评价方法实现相互印证，提高评价结果的可靠性。通过对电信业技术创新生态系统内部的问卷调查获取数据并进行分析评价，结果表明我国电信业技术创新生态系统运行稳定性较好，且对电信产业技术创新生态系统运行稳定性影响较为显著的三个指标分别是关键种企业创新能力、创新政策支持和技术创新推动。
本研究得出以下启示：首先，关键种企业的创新能力对产业技术创新生态系统的运行起着至关重要的作用，在产业技术创新生态系统中凭借其创新能力，能够策动、主导、甚至控制着整个群落系统内企业间的物质和能量的交换活动。因此，应增加系统内创新能力较强的关键种企业，提高关键种企业为产业技术创新生态系统的服务意识，利用其出色的创新能力引导和促进系统内部企业间的创新知识和技术的流通。其次，政策引导的作用不容忽视。政府应加强引导高校、科研院所围绕创新企业的主要技术创新领域进行基础研究，促进创新企业与高校、科研院所进行技术合作，加强对科技中介机构的监督，实行法规化和规范化的管理。最后，技术创新行为和扩散也是维护系统稳定和发展的重要因素。技术创新在机构设置、产品技术水平、创新效率等多个方面影响系统的稳定性，技术创新成果的扩散决定了技术创新的信息、技术和其他资源在供给者和需求者之间传递和转移，所以企业种群作为技术创新的重要主体，应将促进技术创新作为长期发展战略，提高核心研发部门推广技术创新的积极性、技术转移和扩散渠道畅通程度及技术创新使用者对技术的吸收能力。本研究建立了产业技术创新生态系统运行稳定性评价指标体系，以电信业为例明晰了指标体系的优化过程，提出基于粒子群算法的组合评价方法，为提高产业技术创新生态系统运行稳定性提供了一定依据。
参考文献：
[1]庄卫民.产业技术创新[M].上海：东方出版社，2005.190-238.
[2]Malerba F. Sectoral systems of innovation and production[J]. Research Policy， 2002， 31（2）： 247-264.
[3]Adner R. Match your innovation strategy to your innovation ecosystem[J]. Harvard Business Review， 2006， 84（4）： 98-107.
[4]Allen R H， Sriram R D. The role of standards in innovation[J]. Technological Forecasting and Social Change， 2000， 64（2-3）： 171-181.
[5]黄鲁成.区域技术创新系统研究：生态学的思考[J].科学学研究，2003，21（2）：215-219.
[6]张运生.高科技企业创新生态系统边界与结构解析[J].软科学，2008，22（11）：95-102.
[7]陈斯琴，顾力刚.企业技术创新系统生态性分析[J].世界标准化与质量管理，2008，4（4）：21-24. [8]宁钟.创新集群与知识溢出集中化问题分析[J].科研管理，2005，26（2）：68-70.
[9]党兴华，任斌全.网络环境下企业技术创新中的知识缺口及其弥补策略研究[J].科研管理，2005，26（3）：12-16.
[10]Arcari A， et al.. The governance of network organizations： assessing the role of traditional management control systems[R]. Italy： University of Insubria， 2002.
[11]余家驹.创新是一种非线性生态系统[J].世界科学，2008，（11）：40-42.
[12]Quadros R， Furtado A， Bernardes R， et al.. Technological innovation in Brazilian industry： an assessment based on the So Paulo innovation survey[J]. Technological Forecasting & Social Change， 2001， 67（2-3）： 203-219.
[13]Feller I， Ailes C P， Roessner J D. Impacts of research universities on technological innovation in indwoustry： evidence from engineering research centers[J]. Research Policy， 2002， 31（3）： 457-474.
[14]伍春来，赵剑波，王以华.产业技术创新生态体系研究评述[J].科学学与科学技术管理，2013，34（7）113-121.
[15]潘东华，孙晨.产业技术创新战略联盟创新绩效评价[J].科研管理，2013，34（12）：296-301.
[16]王玉梅，罗公利，周广菊.产业技术创新战略联盟网络协同创新要素分析[J].情报杂志，2013，32（2）：201-206.
[17]周青，王乃有，马香媛.产业技术创新战略联盟冲突类型与影响因素的关联分析[J].科学学研究，2014，32（3）：473-480.
[18]刘泽双，章丹，康英.基于遗传算法的模糊综合评价法在科技人才创新能力评价中的应用[J].西安理工大学学报，2008，24（3）：376-381.
关键词：产业技术创新生态系统；运行稳定性；粒子群算法；组合评价；电信产业
中图分类号：F224.3文献标识码：A文章编号：1003-5192（2016）05-0030-07doi：10.11847/fj.35.5.30
1引言
近年来，我国经济呈现出快速、持续、强劲的增长趋势，但产业技术供给尚处于从属地位，导致对国外先进技术的过度依赖成为制约我国产业发展的主要障碍，能否推进产业结构调整及提高产业国际竞争力，关键取决于产业技术创新能力的高低。提高产业技术创新能力己经成为我国经济发展的重点议题[1]。然而，提高产业技术创新能力不仅需要企业自身创新能力的提升，还需要超越企业视角，关注产业技术创新生态系统的有序演进。随着开放式创新的发展，大多产业已经初步形成了包含高校、科研机构、企业、政府、中介机构、客户等生命要素以及经济、政策、市场、资源等环境要素在内的技术创新生态系统，因此，如何提高和保持产业技术创新生态系统运行的稳定性，促使系统在内部要素相互协同下平稳演进，进而适应不断变化的创新环境，提高产业技术创新生态系统整体创新效率，是目前亟待解决的热点问题。
早期的产业创新系统概念是由Malerba提出，他结合演化论和学习理论认为产业创新系统中的机构包括个人或组织，这些组织可以是公司或非公司的组织（如大学、政府机构等），也可以是其他的个人或组织，这些机构或组织为某些特定产品的创造、生产和销售提供了大量的市场和非市场的互动[2]。在此基础上，Adner提出产业技术创新生态系统作为一种协同整合机制，能够将系统内不同组织的创新成果整合成一套协调一致的、面向客户的解决方案[3]。而后，不同学者从不同方面对产业技术创新生态系统展开研究。在产业技术创新生态系统的结构和特征方面，Allen和Sriram认为技术的模块整合和系统集成引导了系统内部的竞争，技术创新生态系统的基本单位是各个技术模块[4]；黄鲁成指出技术创新生态系统的构成要素有创新种群、创新群落和区域创新环境等[5]；此外，张运生[6]，陈斯琴和顾力刚[7]也从不同视角探讨了产业技术创新生态系统的结构与特征。在产业技术创新生态系统的影响因素方面， Allen和Sriram[4]，宁钟[8]，党兴华和任斌全[9]认为技术标准、技术创新联盟、资源和信息的交换、合作伙伴能力匹配、系统决策、集群模块化等是影响系统的主要因素。在产业技术创新生态系统运行机制方面，Arcari[10]认为信任机制、分配机制、协调机制和学习机制是技术创新生态系统运行的主要机制；余家驹提出的反馈机制更能体现非线性的“生态系统”运行特质[11]。
通过梳理国内外相关研究可知，学者对产业技术创新生态系统的结构与特征、影响因素以及运行机制等方面的研究已经取得了丰富的成果，而对产业技术创新生态系统运行稳定性的研究却鲜有涉及，产业技术创新生态系统的发展是一个动态变化的过程，只有保持或增强系统运行的稳定性才能促进产业技术创新生态系统的协同演进。基于此，本文从产业技术创新生态系统的稳定性入手，通过构建系统运行稳定性评价指标体系，应用粒子群算法通过对集对分析、因子分析和主成分投影法的组合并以电子产业为例实现对产业技术创新生态系统运行稳定性的评价研究，力求为提高我国产业技术创新生态系统运行稳定性提供有益借鉴。
徐建中，等：基于粒子群算法的产业技术创新生态系统运行稳定性组合评价研究——以电信产业为例
Vol.35， No.5预测2016年第5期
2产业技术创新生态系统及运行稳定性
产业技术创新生态系统是指由产业内技术创新群落与技术创新环境，通过创新物质、能量和信息流动所形成的相互作用、相互依存的系统。产业内的各创新种群及其赖以生存的环境构成了系统的两大子系统，分别为生命子系统和环境子系统。其中生命子系统构成了系统的生物成分，它由上游技术开发研究类企业、中游中介服务类企业、下游产品制造生产类企业组成，包括企业、政府、高校及研究机构、中介组织等，这些成分在产业技术创新生态系统中扮演着生产者、消费者和分解者的角色。环境子系统由经济环境、政策环境、市场环境和资源环境等组成。根据这些构成要素的作用及其所处的生态位，可将构成要素分为四个层次，分别为创新核心层、创新主体层、创新辅助层和创新环境层。其中高校和科研机构种群构成创新核心层，由关键种企业、竞争企业和供应企业等组成的企业种群构成创新主体层，由政府种群、中介机构种群和用户种群构成创新辅助层，由创新经济环境、创新政策环境、创新市场环境和创新资源环境组成的环境子系统构成创新环境层。这四个层次的构成要素相互联系、相互作用，共同影响产业技术创新生态系统运行中各种技术创新活动的开展。
产业技术创新生态系统的运行是连续的过程，系统不同创新主体发挥着各自的特长和优势，在创新动力机制、竞争与合作机制、创新收益分配机制的共同作用下实现系统的整体运行。产业技术创新生态系统运行稳定性是指在系统运行过程中，系统内的各创新主体为实现既定目标，在一定时期内保持健康竞争合作关系的正常波动状态，这种稳定是相对的、动态的、有效的。当产业技术创新生态系统稳定运行时，能保持系统内各创新主体最大限度地发挥其各自的优势，使系统高效率地运作和发挥其在稳定运行中的最大效用，维持或提高产业技术创新生态系统整体创新效率。 3研究方法
本文采用因子分析、主成分投影分析和集对分析对产业技术创新生态系统运行稳定性进行评价研究，其中因子分析和主成分投影分析法能够比较全面、客观地对研究问题进行统计和评价，集对分析能有效处理不确定信息并揭示其潜在规律，但因子分析提取的主因子意义不能完全确定，而且会有部分信息没有得到提取，主成分投影分析法的负载符号交替使其函数意义不够明确。集对分析参数的设定过于简单，不能充分揭示系统演化的规律。为了弥补这三种评价方法自身固有的缺陷，提高评价的科学性和精度，本文选取基于粒子群算法的组合评价方法作为评价产业技术创新生态系统运行稳定性的方法。
5实证分析
5.1电信业技术创新生态系统运行稳定性评价指标优化
按照产业技术创新生态运行系统稳定性初始评价指标体系，向电信产业技术创新生态系统的种群成员发放问卷，调查单位包括电信企业、高校、科研机构、金融机构等。问卷共收回324份，剔除掉有缺失数据的问卷和雷同度较高的问卷，剩余有效问卷186份，有效率为57.4%。将问卷调查的结果数据利用SPSS 17.0软件进行可靠性分析，得到Cronbach’s 信度系数α= 0.8125，表明该指标体系的设计具有较好的可信度。通过对各指标均值、离散系数和共同度的计算结果表明，C125和C212的离散系数分别为0.091和0.099，均小于0.1，说明这两项指标的表现上差别不大，接近均值，难以体现区别，指标C125的均值最高达4.988，即大部分被调查者对此问题的回答很一致，对此项指标认可程度高，且此项指标与其他指标的相关系数较小，无法由其他指标替代，因此保留此项指标。指标C212与指标C213的相关系数较高（0.9345），因此可以由C213替代C212的内容，将指标C212予以删除。C143、C222和C333三项指标的共同度均小于0.5，意味着有大于50%的信息丢失，应进行删除或修改。在因子载荷矩阵中，C333在因子1和因子3上有近似相等的载荷，说明这项指标反映的信息不明确，为提高指标体系整体的可靠性应将这项指标删除。
根据分析结果，结合专家会议法，对指标体系进行优化改进。经反复讨论和分析计算后将指标C143、C212、C222和C333删除；在二级指标B21下增设三级指标：关键种企业为产业技术创新生态系统服务的意识；在二级指标B22下增设三级指标：创新主体与高校及科研机构进行创新技术合作情况。其余指标保持不变。完成指标名称的修订后再通过遗传层次分析法对各项指标重新分配权重，得到优化后的指标体系共有指标43项。对优化后的指标体系重新进行信度和效度检验，通过信度检验得Cronbach’s 信度系数α= 0.8243，比原指标体系的信度系数提高了0.0118；通过效度检验得到5个因子的累积贡献率达83.687%，比原指标体系提高了3.112%，且所有指标均在一个因子上有较高载荷。可见优化后的指标体系信度和效度均得到提高，是较为理想的指标体系。
5.2电信业技术创新生态系统运行稳定性组合评价
基于优化的电信业技术创新生态系统运行稳定性评价指标体系，完善和修改调查问卷，再次向电信产业技术创新生态系统的种群成员发放问卷，调查单位包括电信企业、高校、科研机构、金融机构等。问卷共收回312份，剔除掉有缺失数据的问卷和雷同度较高的问卷，剩余有效问卷265份，有效率为84.9%。对数据进行信度和效度检验，得到Cronbach’s α系数为0.8250，相关系数均大于0.5，偏α均大于0.7，说明调查所得数据收敛性较好，可信度较高。结构维度指标与技术维度指标的相关系数为0.802，结构维度与外部维度指标之间的相关系数为0.789，说明该指标体系的效标关联性较好，调查所得数据的有效度较高。
5.2.1因子分析
应用SPSS 17.0软件，计算得到电信产业技术创新生态系统样本数据的Bartlett检验的F值显著，表明所取的样本数据来自正态分布的总体，KMO检验值为0.726，因此适合做因子分析。利用软件中factor过程对数据矩阵进行处理，根据得出的方差贡献率选取5个因子，其累积方差贡献率高达到84.5%，即原始指标信息仅有15.5%损失。接着对提出的初等因子载荷矩阵（component martrix）进行方差最大化正交旋转（varimax），旋转后按各因子上各指标载荷的大小进行排序，得到因子载荷矩阵，根据各个因子及相应的贡献率，可计算得出不同指标的综合得分，得分的大小表明相应指标对电信产业技术创新生态系统运行稳定性的重要程度。
5.2.2主成分投影分析
应用主成分投影法对电信产业技术创新生态系统运行稳定性进行评价。首先应将样本数据矩阵Xnp（n=265，p=58）进行无量纲化和标准化，采用遗传层次分析法对各项评价指标进行赋权；其次采用雅可比方法进行正交变换，得到评价矩阵U，U的每一个行向量ui=（ui1，ui2，…，uip）对应一个评价对象，U的每一个列向量代表由p个无量纲化的加权指标zj的线性组合表示的一个新的综合指标；再求出各评价向量在理想评价方向上的投影，最后按各评价对象投影值的大小排序得出结果。
5.2.3集对分析
应用集对分析法对电信产业技术创新生态系统运行稳定性进行评价。首先，将样本数据构造成评价矩阵并比较评价矩阵中的指标值与最优方案中对应指标值，形成被评价对象与最优方案指标不带权的同一度矩阵；其次，利用指标权重向量w及同一度矩阵K计算得到带权同一度矩阵R分（R分=w×K）；再次，通过比较同一度值的大小，对R分进行分类整理排序得出分项评价结果；最后，由分项评价得到带权的同一度矩阵R分作为综合评价的输入，通过计算R总=w×K，代入指标相应的权重，即得到带权的同一度矩阵R总，对R总进行分类整理排序得出结果。
5.2.4基于粒子群算法的组合评价 为采用粒子群算法实现对这3种方法的组合，应首先对不同方法得到的结果进行一致性检验，在α=0.01显著性水平下，得到肯达尔一致性系数χ2=85.67>χ2α/2，（n-1）=56.59，可见一致性较理想，因此（1）式目标函数中m=43，n=3。选取初始粒子数目为40，最大进化代数为100，c1=c2=2，为取得最佳优化结果，设置惯性权重从0.8逐渐递减到0，进行100次实验，取适应度最佳的一次作为评价结果。当适应度最佳时目标函数值为8.846×10-6，此时输出最佳变量值q=[0.334，0.333，0.332]。
为比较单一评价模型结论和组合评价模型结论的一致性，采用斯皮尔曼相关系数进行相关分析。通过SPSS 17.0软件计算3种单一综合评价方法和组合评价方法的排序结论之间的等级相关系数，并分别求出4种方法的等级相关系数平均值，结果见表2。可以看出，本文提出的组合评价方法一致性程度要好于其他三种单一综合评价方法，说明此模型能够较好地强化各评价结论中一致性程度高的评价结论，弱化一致性程度低的评价结论，使评价和排序结果更科学可信。
由组合评价的得分值和各项指标的权重值，根据系统运行的稳定性指数公式
w=∑mi=1zisi，i=1～m（2）
计算得出数w=7.706，参照有关研究成果，当w9.0时，为稳定性好；当9.0>w7.5时，为稳定性较好；当7.5>w6.0时，为稳定性一般；当6.0>w4.5时，为稳定性较差；当4.5>w时，为稳定性较差。因此我国电信产业技术创新生态系统运行稳定性较好。
另外，从组合评价的排序结果可以分析出各项评价指标对电信产业技术创新生态系统运行稳定性的影响程度大小。对系统稳定性影响较为显著的指标分别为关键种企业相对系统内其他企业创新能力强弱（C213）、设置专门部门对于指导与推动该系统发展的情况（C322）、关键种企业应对创新市场需求变化的能力（C214）等因素，影响程度最不显著的指标是系统中关键种企业数量（C211）、创新主体在同行业市场竞争中的状况（C311）、上下游创新主体之间在财务方面的相互依赖情况（C114）；从二级指标的角度来看，对产业技术创新生态系统运行稳定性的影响较为显著的是关键种企业创新能力（B21）、创新政策支持（B32）和技术创新推动（B22）。
6结论与启示
产业技术创新生态系统是提高产业技术能力的高效平台，而产业技术创新生态系统运行的稳定性是提升系统创新效率、保证系统有序演进的重要因素。本文从结构维度、技术维度和外部环境维度构建了评价产业技术创新生态系统运行稳定性的指标体系，采用粒子群算法将因子分析法、主成分投影法和集对分析法进行组合实现对产业技术创新生态系统运行稳定性的评价，相比用单一方法进行评价的研究，其能够对不同评价方法实现相互印证，提高评价结果的可靠性。通过对电信业技术创新生态系统内部的问卷调查获取数据并进行分析评价，结果表明我国电信业技术创新生态系统运行稳定性较好，且对电信产业技术创新生态系统运行稳定性影响较为显著的三个指标分别是关键种企业创新能力、创新政策支持和技术创新推动。
本研究得出以下启示：首先，关键种企业的创新能力对产业技术创新生态系统的运行起着至关重要的作用，在产业技术创新生态系统中凭借其创新能力，能够策动、主导、甚至控制着整个群落系统内企业间的物质和能量的交换活动。因此，应增加系统内创新能力较强的关键种企业，提高关键种企业为产业技术创新生态系统的服务意识，利用其出色的创新能力引导和促进系统内部企业间的创新知识和技术的流通。其次，政策引导的作用不容忽视。政府应加强引导高校、科研院所围绕创新企业的主要技术创新领域进行基础研究，促进创新企业与高校、科研院所进行技术合作，加强对科技中介机构的监督，实行法规化和规范化的管理。最后，技术创新行为和扩散也是维护系统稳定和发展的重要因素。技术创新在机构设置、产品技术水平、创新效率等多个方面影响系统的稳定性，技术创新成果的扩散决定了技术创新的信息、技术和其他资源在供给者和需求者之间传递和转移，所以企业种群作为技术创新的重要主体，应将促进技术创新作为长期发展战略，提高核心研发部门推广技术创新的积极性、技术转移和扩散渠道畅通程度及技术创新使用者对技术的吸收能力。本研究建立了产业技术创新生态系统运行稳定性评价指标体系，以电信业为例明晰了指标体系的优化过程，提出基于粒子群算法的组合评价方法，为提高产业技术创新生态系统运行稳定性提供了一定依据。
参考文献：
[1]庄卫民.产业技术创新[M].上海：东方出版社，2005.190-238.
[2]Malerba F. Sectoral systems of innovation and production[J]. Research Policy， 2002， 31（2）： 247-264.
[3]Adner R. Match your innovation strategy to your innovation ecosystem[J]. Harvard Business Review， 2006， 84（4）： 98-107.
[4]Allen R H， Sriram R D. The role of standards in innovation[J]. Technological Forecasting and Social Change， 2000， 64（2-3）： 171-181.
[5]黄鲁成.区域技术创新系统研究：生态学的思考[J].科学学研究，2003，21（2）：215-219.
[6]张运生.高科技企业创新生态系统边界与结构解析[J].软科学，2008，22（11）：95-102.
[7]陈斯琴，顾力刚.企业技术创新系统生态性分析[J].世界标准化与质量管理，2008，4（4）：21-24. [8]宁钟.创新集群与知识溢出集中化问题分析[J].科研管理，2005，26（2）：68-70.
[9]党兴华，任斌全.网络环境下企业技术创新中的知识缺口及其弥补策略研究[J].科研管理，2005，26（3）：12-16.
[10]Arcari A， et al.. The governance of network organizations： assessing the role of traditional management control systems[R]. Italy： University of Insubria， 2002.
[11]余家驹.创新是一种非线性生态系统[J].世界科学，2008，（11）：40-42.
[12]Quadros R， Furtado A， Bernardes R， et al.. Technological innovation in Brazilian industry： an assessment based on the So Paulo innovation survey[J]. Technological Forecasting & Social Change， 2001， 67（2-3）： 203-219.
[13]Feller I， Ailes C P， Roessner J D. Impacts of research universities on technological innovation in indwoustry： evidence from engineering research centers[J]. Research Policy， 2002， 31（3）： 457-474.
[14]伍春来，赵剑波，王以华.产业技术创新生态体系研究评述[J].科学学与科学技术管理，2013，34（7）113-121.
[15]潘东华，孙晨.产业技术创新战略联盟创新绩效评价[J].科研管理，2013，34（12）：296-301.
[16]王玉梅，罗公利，周广菊.产业技术创新战略联盟网络协同创新要素分析[J].情报杂志，2013，32（2）：201-206.
[17]周青，王乃有，马香媛.产业技术创新战略联盟冲突类型与影响因素的关联分析[J].科学学研究，2014，32（3）：473-480.
[18]刘泽双，章丹，康英.基于遗传算法的模糊综合评价法在科技人才创新能力评价中的应用[J].西安理工大学学报，2008，24（3）：376-381.