毛良虎 劉然 李煥煥
摘 要:根據(jù)公司企業(yè)家精神理論和長(zhǎng)三角中小企業(yè)的特性,構(gòu)建包含創(chuàng)新精神、創(chuàng)業(yè)精神和企業(yè)家才能三個(gè)維度的企業(yè)家精神的測(cè)量指標(biāo)體系,并提出基于模糊神經(jīng)網(wǎng)絡(luò)的長(zhǎng)三角企業(yè)家精神測(cè)量模型。結(jié)果表明,該模型利用模糊處理和自主學(xué)習(xí)等能力解決了已有測(cè)量研究中出現(xiàn)的不確定性、非線性、多重性等復(fù)雜問(wèn)題,實(shí)現(xiàn)了對(duì)長(zhǎng)三角企業(yè)家精神的科學(xué)測(cè)量和有效分析,相較于BP神經(jīng)網(wǎng)絡(luò)模型具有更高的精準(zhǔn)性和穩(wěn)定性,為企業(yè)家精神的測(cè)量研究提供了理論支持,并具有借鑒意義。
關(guān)鍵詞:企業(yè)家精神;模糊神經(jīng)網(wǎng)絡(luò);中小企業(yè)
中圖分類號(hào):F276.3 ? ? ? ?文獻(xiàn)標(biāo)志碼:A ? ? ?文章編號(hào):1673-291X(2022)33-0014-03
引言
近年來(lái),隨著國(guó)內(nèi)外學(xué)者對(duì)企業(yè)家精神內(nèi)涵的深入探究,認(rèn)為企業(yè)家精神是以創(chuàng)新、創(chuàng)業(yè)為核心,在企業(yè)創(chuàng)立、經(jīng)營(yíng)和管理的過(guò)程中,表現(xiàn)出的一種技術(shù)才能和精神素養(yǎng),是一種特殊的不可或缺的無(wú)形資產(chǎn),在企業(yè)或組織里發(fā)揮著重要的作用。其中,長(zhǎng)三角地區(qū)作為各類企業(yè)最為活躍的集中地,涌現(xiàn)出具有各種特質(zhì)的企業(yè)家精神[1],如“創(chuàng)新”“冒險(xiǎn)”“進(jìn)取”等。而長(zhǎng)三角地區(qū)企業(yè)家精神的多樣性導(dǎo)致了其測(cè)量研究的復(fù)雜性和困難性,缺乏對(duì)該地區(qū)企業(yè)家精神發(fā)展情況的全面了解和科學(xué)認(rèn)識(shí)。因此,本研究旨在選擇合理的測(cè)量方法,通過(guò)構(gòu)建科學(xué)的測(cè)量體系和模型實(shí)現(xiàn)對(duì)長(zhǎng)三角企業(yè)家精神的科學(xué)測(cè)量和精準(zhǔn)分析,為長(zhǎng)三角地區(qū)營(yíng)造健康的企業(yè)家成長(zhǎng)環(huán)境、激發(fā)和保護(hù)企業(yè)家精神具有借鑒意義。
在現(xiàn)有企業(yè)家精神的評(píng)價(jià)方法上,多數(shù)學(xué)者主要采用主觀評(píng)測(cè)法,即通過(guò)問(wèn)卷調(diào)查的方法直接對(duì)企業(yè)家精神進(jìn)行結(jié)構(gòu)化分析。Covin & Slevin等最早提出了關(guān)于企業(yè)家精神的測(cè)量量表,該量表的設(shè)計(jì)原理和內(nèi)容為之后的研究者提供了理論基礎(chǔ)[2]。李巍等在此基礎(chǔ)上對(duì)量表進(jìn)行改進(jìn),采用Likert量表法對(duì)企業(yè)家精神進(jìn)行評(píng)價(jià)[3]。其次是間接代理法,即選擇與評(píng)價(jià)對(duì)象相關(guān)的指標(biāo),通過(guò)數(shù)理模型計(jì)算進(jìn)行實(shí)證分析,如謝眾利用計(jì)量模型,評(píng)估了企業(yè)家精神和企業(yè)績(jī)效的發(fā)展情況[4]。毛良虎選用熵值法和三次差異驅(qū)動(dòng),直接對(duì)企業(yè)家精神進(jìn)行定量分析[5]。上述方法雖然實(shí)現(xiàn)了對(duì)企業(yè)家精神的測(cè)量分析,但簡(jiǎn)單的計(jì)量分析和模型檢驗(yàn)不能全面表現(xiàn)出企業(yè)家精神的內(nèi)在特質(zhì)和邏輯結(jié)構(gòu)。企業(yè)家精神概念的模糊性,使其評(píng)價(jià)是一個(gè)多為定性因素的多目標(biāo)評(píng)價(jià)問(wèn)題,需要在對(duì)各因素定性分析的基礎(chǔ)上定義出其綜合的量化指標(biāo),因此在企業(yè)家精神評(píng)價(jià)方法的選擇上應(yīng)考慮到上述測(cè)量方法的不足和研究目標(biāo)的特性。
通過(guò)文獻(xiàn)檢索發(fā)現(xiàn),肖會(huì)敏利用模糊神經(jīng)網(wǎng)絡(luò)解決了評(píng)價(jià)體系的多層次、多維度和評(píng)價(jià)過(guò)程中出現(xiàn)的模糊性和盲目性問(wèn)題[6]。祝玉婷等運(yùn)用模糊數(shù)學(xué)的概念,解決了測(cè)量研究中出現(xiàn)的不確定性、多重性和復(fù)雜性問(wèn)題[7]。模糊神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)的自主學(xué)習(xí)性、適應(yīng)性和容錯(cuò)性,是研究非線性關(guān)系的重要方法,能夠模糊處理企業(yè)家精神測(cè)量研究中的關(guān)系不明確復(fù)雜問(wèn)題。因此,本文以長(zhǎng)三角中小企業(yè)為研究對(duì)象,根據(jù)公司企業(yè)家精神理論和企業(yè)發(fā)展特性,構(gòu)建一套全面系統(tǒng)的企業(yè)家精神測(cè)量指標(biāo)體系,利用模糊神經(jīng)網(wǎng)絡(luò)模型對(duì)長(zhǎng)三角企業(yè)家精神進(jìn)行全面科學(xué)的測(cè)量研究,并通過(guò)對(duì)比BP神經(jīng)網(wǎng)絡(luò)結(jié)果,驗(yàn)證模糊神經(jīng)網(wǎng)絡(luò)模型的有效性,從而豐富模糊神經(jīng)網(wǎng)絡(luò)的應(yīng)用領(lǐng)域,為發(fā)展和培育企業(yè)家精神提供科學(xué)的理論依據(jù)與方法支撐。
一、指標(biāo)與樣本來(lái)源
(一)指標(biāo)選擇
遵循科學(xué)性、客觀性以及可實(shí)現(xiàn)性等原則,結(jié)合中小企業(yè)發(fā)展動(dòng)力強(qiáng)、開(kāi)創(chuàng)能力強(qiáng)的特點(diǎn),從微觀角度上選取能夠代表中小企業(yè)特點(diǎn)的指標(biāo)。在公司層面的理論研究中,葉勤強(qiáng)調(diào)企業(yè)家精神最重要的組成成分是創(chuàng)業(yè)、創(chuàng)新和企業(yè)家,三者分別是基礎(chǔ)、核心和人格化主題[8]。龐長(zhǎng)偉等從資源和企業(yè)家才能的角度,解釋企業(yè)家精神是企業(yè)家發(fā)揮自身才能進(jìn)行新資源創(chuàng)造、現(xiàn)有資源創(chuàng)新性整合與利用的過(guò)程[9]。因此,公司企業(yè)家精神中,創(chuàng)新與創(chuàng)業(yè)是其中的核心內(nèi)容,企業(yè)家是實(shí)現(xiàn)創(chuàng)新創(chuàng)業(yè)活動(dòng)的主體,企業(yè)家才能是公司利用企業(yè)家精神實(shí)現(xiàn)價(jià)值創(chuàng)造的重要內(nèi)容。因此在測(cè)量維度的選擇上,借鑒參考邢小強(qiáng)等[10]提出的創(chuàng)新精神和創(chuàng)業(yè)精神,謝眾等[4]從創(chuàng)新、創(chuàng)業(yè)和經(jīng)營(yíng)能力對(duì)企業(yè)家精神進(jìn)行評(píng)價(jià)研究,歐雪銀[11]在研究中提出的制度創(chuàng)新概念、張玉利等[12]提出的有關(guān)企業(yè)家創(chuàng)業(yè)精神的市場(chǎng)識(shí)別和開(kāi)創(chuàng)能力、Zhen H.&Man L[13]提出的物質(zhì)財(cái)富最大化是企業(yè)家生產(chǎn)經(jīng)營(yíng)活動(dòng)的首要?jiǎng)恿?,并結(jié)合中小企業(yè)具有以自主創(chuàng)新為發(fā)展核心、R&D費(fèi)用資本化率高、銷售收入比重大、成長(zhǎng)速度快、經(jīng)濟(jì)效益好的特點(diǎn),構(gòu)建了綜合評(píng)價(jià)指標(biāo)體系,見(jiàn)表1。
(二)樣本來(lái)源
中小企業(yè)對(duì)企業(yè)家精神的貢獻(xiàn)明顯,因此選取2018年長(zhǎng)三角地區(qū)所有非ST的中小板和創(chuàng)業(yè)板上市公司的財(cái)報(bào),確定以355家上市公司數(shù)據(jù)作為實(shí)證樣本,以上數(shù)據(jù)來(lái)源于國(guó)泰安數(shù)據(jù)庫(kù)。
二、實(shí)證研究
(一)企業(yè)家精神模型構(gòu)建
本文采用毛良虎等對(duì)企業(yè)家精神測(cè)度中使用的熵值法對(duì)變量進(jìn)行求權(quán),并利用求和的結(jié)果作為模糊神經(jīng)網(wǎng)絡(luò)的輸出,促進(jìn)神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建。再利用模糊神經(jīng)網(wǎng)絡(luò)模型作為中小企業(yè)企業(yè)家精神測(cè)量評(píng)價(jià)方法,既提升模型分析復(fù)雜信息、數(shù)據(jù)的能力,更利于處理模糊數(shù)據(jù)和計(jì)算量大的內(nèi)容。
(二)描述性統(tǒng)計(jì)
由于指標(biāo)變量的數(shù)量級(jí)、性質(zhì)都不同,首先對(duì)11個(gè)指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理,再進(jìn)行描述性統(tǒng)計(jì)??傮w而言,波動(dòng)最大的前三名分別是研發(fā)人力資本、制度創(chuàng)新能力、市場(chǎng)研究能力,標(biāo)準(zhǔn)差分別為0.1923、0.1564、0.1541,說(shuō)明這三方面對(duì)企業(yè)家精神測(cè)量的影響最大。其他指標(biāo)的標(biāo)準(zhǔn)差落在區(qū)間[0.05,0.10]之間,說(shuō)明其余8個(gè)指標(biāo)對(duì)企業(yè)的企業(yè)家精神影響程度近似。
(三)模型訓(xùn)練
模型的建立和測(cè)試選擇Matlab R2018a進(jìn)行實(shí)操建模。為了觀察模型自身能夠達(dá)到的極限,容許誤差設(shè)為0,訓(xùn)練步數(shù)設(shè)為1 000步。利用Python的Random模塊對(duì)數(shù)據(jù)進(jìn)行劃分。訓(xùn)練集占70%,包含249組數(shù)據(jù),測(cè)試集占30%,包含106組數(shù)據(jù),以下對(duì)建模仿真過(guò)程進(jìn)行闡述。
首先,利用熵值法求出各變量的權(quán)重并加權(quán)求和,并作為輸出。其次,建立初始模型。選用Sub.clustering(子聚類)作為模型的隸屬度函數(shù),在生成FIS時(shí),將Reject ratio設(shè)置為0.0001。最后,在運(yùn)行中發(fā)現(xiàn)在訓(xùn)練超過(guò)10步左右時(shí),模型顯著收斂,確定該網(wǎng)絡(luò)作為基于模糊神經(jīng)網(wǎng)絡(luò)的企業(yè)家精神測(cè)量模型。
(四)模型檢測(cè)
1.FNN的結(jié)果。訓(xùn)練后再對(duì)測(cè)試集檢測(cè),并利用evalfis函數(shù)導(dǎo)出仿真輸出。對(duì)比仿真輸出和熵值結(jié)果,發(fā)現(xiàn)FNN誤差在10%以內(nèi)的準(zhǔn)確率是100%,說(shuō)明模糊神經(jīng)網(wǎng)絡(luò)模型在中小企業(yè)企業(yè)家精神測(cè)量時(shí)具有較強(qiáng)的穩(wěn)定性和有效性。
2.與BP神經(jīng)網(wǎng)絡(luò)對(duì)比。在BP神經(jīng)網(wǎng)絡(luò)模型中,環(huán)境參數(shù)和關(guān)鍵設(shè)置與FNN訓(xùn)練時(shí)的保持一致。訓(xùn)練過(guò)程不同于FNN,BP在前50步訓(xùn)練時(shí)波動(dòng)很大。100步之后才趨于穩(wěn)定,約550步之后誤差再次縮小。訓(xùn)練完成后的過(guò)程同F(xiàn)NN。
檢測(cè)完成后可以發(fā)現(xiàn):一是FNN相對(duì)于BP,訓(xùn)練和檢測(cè)誤差都更??;二是利用FNN訓(xùn)練和BP訓(xùn)練模型的過(guò)程擬合檢驗(yàn)結(jié)果使用RMSE(均方根誤差)反映,分別為0.000089和0.001479,F(xiàn)NN的RMSE比BP的更小,說(shuō)明利用FNN模型結(jié)果更優(yōu),波動(dòng)性也更小,穩(wěn)定性更好。原因在于,BP算法只進(jìn)行局部?jī)?yōu)化,在訓(xùn)練的初始階段隨機(jī)權(quán)值不固定,利用神經(jīng)網(wǎng)絡(luò)加快運(yùn)算速度,容易在算法過(guò)程中導(dǎo)致局部極值,在訓(xùn)練和檢測(cè)中很大概率上出現(xiàn)不確定性。經(jīng)過(guò)多次論證檢驗(yàn),結(jié)果保持一致。
最后,公司的企業(yè)家精神評(píng)價(jià)值分布在[0.02-0.08]的發(fā)展水平內(nèi),其中有29家企業(yè)在[0.02-0.04]內(nèi)、34家企業(yè)在[0.04-0.06]內(nèi)、30家企業(yè)在[0.06-0.08]內(nèi),少數(shù)企業(yè)家精神的發(fā)展水平較高,起到帶頭作用。綜上所述,長(zhǎng)三角地區(qū)2018年創(chuàng)業(yè)板和中小板各上市公司的企業(yè)家精神的發(fā)展水平差異性較低,整體處于一種穩(wěn)健的發(fā)展?fàn)顟B(tài)。
結(jié)語(yǔ)
基于長(zhǎng)三角地區(qū)2018年創(chuàng)業(yè)板和中小板上市公司數(shù)據(jù),構(gòu)建包含創(chuàng)新精神、創(chuàng)業(yè)精神和企業(yè)家才能共計(jì)11個(gè)評(píng)價(jià)指標(biāo)的中小企業(yè)企業(yè)家精神測(cè)量指標(biāo)體系,運(yùn)用熵值法對(duì)企業(yè)家精神進(jìn)行初步計(jì)算,并運(yùn)用模糊神經(jīng)網(wǎng)絡(luò)模型對(duì)上述數(shù)據(jù)開(kāi)展企業(yè)家精神測(cè)量。對(duì)比BP模型的訓(xùn)練和檢測(cè)結(jié)果后發(fā)現(xiàn),一是FNN在中小企業(yè)企業(yè)家精神的測(cè)量評(píng)價(jià)方面的正確率高,波動(dòng)小;二是建模過(guò)程更加合理,理論推理更加清晰。因此,通過(guò)模糊理論改進(jìn)形成的模糊神經(jīng)網(wǎng)絡(luò)推理系統(tǒng),能夠有效運(yùn)用于中小企業(yè)的企業(yè)家精神測(cè)量模型構(gòu)建。模型能夠?qū)崿F(xiàn)財(cái)務(wù)指標(biāo)與非財(cái)務(wù)指標(biāo)的結(jié)合,主觀性與客觀性結(jié)合,有利于批量處理數(shù)據(jù),并對(duì)定性內(nèi)容定量化。明確的計(jì)算過(guò)程和決策規(guī)則,適用于企業(yè)家精神測(cè)量研究并具有穩(wěn)定性。
本研究也存在一些不足之處,首先,數(shù)據(jù)來(lái)源的區(qū)域限制,由于長(zhǎng)三角地區(qū)已經(jīng)實(shí)現(xiàn)對(duì)江浙滬皖全境覆蓋。因此,缺少安徽中小企業(yè)上市公司的樣本。其次,樣本選取2018年,缺乏多年數(shù)據(jù)的驗(yàn)證,沒(méi)有反映出企業(yè)家精神的動(dòng)態(tài)變化。在未來(lái)研究中,擴(kuò)展企業(yè)家精神的研究區(qū)域,提高研究的適用性和應(yīng)用價(jià)值,同時(shí)研究動(dòng)態(tài)規(guī)律和潛在發(fā)展趨勢(shì)。通過(guò)對(duì)長(zhǎng)三角中小企業(yè)家精神的測(cè)量,加強(qiáng)企業(yè)間的交流合作,了解各企業(yè)的發(fā)展情況,選擇與自身發(fā)展相匹配的企業(yè),在合作過(guò)程中相互促進(jìn),實(shí)現(xiàn)長(zhǎng)三角中小企業(yè)家精神的協(xié)同發(fā)展。
參考文獻(xiàn):
[1] ?郗若伊,李安琪,張秀娥.企業(yè)家精神對(duì)中小企業(yè)績(jī)效的影響機(jī)制探究[J].現(xiàn)代商業(yè),2019,(6):108-111.
[2] ?Jeffery G.C.,Dennis P.S.A Conceptual Model of Entrepreneurship as Firm Behavior[J].Entrepreneurship Theory and Practice,1991,(1):7-25.
[3] ?李巍,丁超.企業(yè)家精神、商業(yè)模式創(chuàng)新與經(jīng)營(yíng)績(jī)效[J].中國(guó)科技論壇,2016,(7):124-129.
[4] ?謝眾,張杰.營(yíng)商環(huán)境、企業(yè)家精神與實(shí)體企業(yè)績(jī)效——基于上市公司數(shù)據(jù)的經(jīng)驗(yàn)證據(jù)[J].工業(yè)技術(shù)經(jīng)濟(jì),2019,(5):89-96.
[5] ?毛良虎,李煥煥,楊葉凡,劉然.基于熵值法的企業(yè)家精神評(píng)價(jià)體系構(gòu)建[J].統(tǒng)計(jì)與決策,2020,(6):156-160.
[6] ?肖會(huì)敏,侯宇,崔春生.基于BP神經(jīng)網(wǎng)絡(luò)的P2P網(wǎng)貸借款人信用評(píng)估[J].運(yùn)籌與管理,2018,(9):112-118.
[7] ?祝玉婷,韓瑩,袁安富.基于改進(jìn)的Pythagorean模糊語(yǔ)言集的可持續(xù)實(shí)驗(yàn)室評(píng)價(jià)方法[J].運(yùn)籌與管理,2019,(11):149-155.
[8] ?葉勤.企業(yè)家精神的興起對(duì)美國(guó)經(jīng)濟(jì)增長(zhǎng)的促進(jìn)作用及其啟示[J].外國(guó)經(jīng)濟(jì)與管理,2000,(10):16-20.
[9] ?龐長(zhǎng)偉,李垣.制度轉(zhuǎn)型環(huán)境下的中國(guó)企業(yè)家精神研究[J].管理學(xué)報(bào),2011,(10):1438-1443.
[10] ?邢小強(qiáng),周平錄.中國(guó)區(qū)域企業(yè)家精神的評(píng)估與分析[J].技術(shù)經(jīng)濟(jì),2018,(7):47-56+80.
[11] ?歐雪銀.公司企業(yè)家精神的內(nèi)涵與構(gòu)成[J].社會(huì)科學(xué)家,2011,(2):67-70.
[12] ?張玉利,謝巍.改革開(kāi)放、創(chuàng)業(yè)與企業(yè)家精神[J].南開(kāi)管理評(píng)論,2018,(5):4-9.
[13] ?Zhen H,Man L.Analysis of the Path of Innovation and Entrepreneurship Development of Business Management Major[P].Proceedings of the 2018 8th International Conference on Education and Management(ICEM 2018),2019.
Measurement of Small and Medium Sized Entrepreneurship Based on Fuzzy Neural Network
MAO Liang-hu,LIU Ran,LI Huan-huan
(Business School,Changzhou University,Changzhou 213159,China)
Abstract:According to the theory of corporate entrepreneurship and the characteristics of small and medium-sized enterprises in the Yangtze River Delta,this paper constructs a measurement index system of entrepreneurship,which includes three dimensions of innovation,entrepreneurship and entrepreneurial talent,and puts forward a measurement model of entrepreneurship in the Yangtze River Delta Based on fuzzy neural network.The results show that the model uses the ability of fuzzy processing and autonomous learning to solve the uncertainty,nonlinearity,multiplicity and other complex problems in the existing measurement research,realizes the scientific measurement and effective analysis of the entrepreneurship in the Yangtze River Delta,and has higher accuracy and stability than the BP neural network model,It provides theoretical support and reference for the measurement of entrepreneurship.
Key words:entrepreneurship;fuzzy neural network;small and medium-sized enterprises