高新技术企业综合竞争力监测指标设计及归类分析
陈建兵，申建芳，陈平华，廖威平，董梦琴，赵 亮，赵 璁
（广东工业大学计算机学院，广东广州 510006）
摘要： 针对层次分析法（AHP）和变异系数法（CV）的单一赋权方法在高新技术企业竞争力评估中的不足，提出一套综合权重赋值方法称为AHP-CV。首先从广东省科技大数据平台中获取高新技术企业的登记数据集，根据预设维度分类规则分类至预设企业维度，然后基于AHP-CV设计指标权重算法模型计算各企业维度对应的评分值，最后从3个企业维度对不同领域高新技术企业进行归类分析，根据归类结果对高新技术企业的发展状况进行评估，设计能够实时监测高新技术企业综合竞争力的监控系统。实证分析表明此监测算法模型能够很好地对高新技术企业进行监测。基于该监测算法的监控系统已经成功运用于广东省科技大数据平台，将实时对广东省内高新技术企业的综合竞争力进行监测，为各级有关监管部门决策提供参考。
关键词： 企业竞争力；层次分析法；变异系数法；指标设计
1 研究综述
创新是引领发展的第一动力，是建设现代化经济体系的战略支撑。为落实党的十九大报告强调的建立创新型国家，加大对科技型企业特别是中小型企业的政策扶持，有力推动“大众创业、万众创新”，培育创造新技术、新业态和提供新供给的生力军，促进经济升级发展，国家持续推动了高新技术企业的认定与运行登记工作。早在2016年科技部发布的《中国区域创新能力监测报告2015》就提出了包括创新坏境、创新资源、企业创新、创新产出和创新效率5个子系统的监测指标体系，共计124个监测指标。截至2016年年底，全国高新技术企业突破了10万家，达到10.4万家，而2017年的高新技术企业申报与认定数量也呈大幅增长趋势。在加快建设创新型国家的背景下，面对大量已认定的高新技术企业与数量不断增加的新认定高新技术企业，如何评价高新技术企业竞争力将是一个值得探讨的问题。
同一岗位存在不同级别，不同级别的岗位紧缺程度不同。企业对于岗位的级别有不同的划分标准，但主要差别体现在工薪、经验、学历三个指标上。岗位紧缺研究以工薪、经验、学历进行组合，形成“工薪+经验+学历”、“经验+学历”、“经验+工薪”、“工薪+学历”四种组合标准，作为岗位级别的划分标准，将不同企业的岗位级别划分进行标准化处理，统一划分为三个级别。采用聚类后三个指标之间的方差与总方差比值作为效果值来评价划分标准的效果，数值越大，效果越好。
国内很多省份都开展了高新技术企业综合竞争力评价及创新能力监测模型的设计及研究，鲍建辉［1］对河北省高新技术产业的贡献率进行分析以划定领域发展重点；高德凤［2］则利用文献分析法、规范分析与实证分析相结合，以及定性分析与定量分析相结合的方法对我国高新技术企业进行研究；何苗［3］提出了新兴产业特征评价模型以及产品统计法以监测安徽省新兴产业综合竞争力；林新波等人［4］在中小高新技术企业的无形资产价值评估中使用了层次分析法进行模型研究；郭劲松［5］则根据理论与实际相结合，定量与定性分析相结合，系统分析、比较分析以及归纳分析的方法，提出了高新技术企业绩效评价模型。总的来说，我国高新技术企业综合竞争力的政府监管中存在着如下问题：
（1）对高新技术企业发展认识不够，在监管工作中存在职能越位和缺位的现象［2］。越位是指政府在监管过程中过于运用权力干预高新技术企业的正常经营活动，会扭曲市场机制、破坏市场公平竞争，不利于营造创新环境；职能缺位主要表现在对高新技术企业扶持政策上缺乏有效研究，其次是无法对高新技术企业进行有效监管，从而无法提供健全的服务。
（2）高新技术企业认定存在有待进一步完善的地方。祝侣等人［6］通过问卷调查研究表明，38.9%的企业认为高新技术企业认定条件设置门槛较高；从问卷结果还可以看出，企业对如下指标比较敏感：研发费用占比、核心自主知识产权、科技成果转化指标、高新技术领域范围等。
（3）缺乏对大量的存量高新技术企业的宏观监测与整体评价，缺乏针对存量高新技术企业的运行监测分析评价方法，无法形成科学依据支撑我国高新技术企业政策制定与管理决策。
（7）计算一致性比率：
如果CR＜0.1，则判断矩阵A 具有一致性，
的权重，否则，返回第（1）步；
（5）未形成科学、合理、权威的高新技术企业运行监测指标体系。针对我国高新技术企业近年认定量剧增的现状，缺乏一套动态、科学、合理、权威的高新技术企业运行监测评价指标体系。
韩国自明朝起因是中国的附属国，在文化上受到中华文化的影响，国人也多崇儒尚道，尊礼守礼，在饮食、服饰、习俗等方面与中华文化多有相似之处，韩国人对传统文化十分尊重并且传承至今，自1000多年前传入韩国后，在餐桌上韩国人也多使用筷子，但其对筷子进行了本土改良，筷子不同于中国的圆体，而是将其做成得长而扁，并且多是银制品，因为韩国崇尚节俭，银制筷子消毒后可以重复使用，不会造成浪费，且韩国经历了战乱，金属制的筷子不易折断，有“不易折”的象征义。而在中国，使用的较为普遍的是木制的，国人更加倾向于使用一次性的木筷，减少病菌的传播，但同时也造成了浪费。
综合过往的研究，本文研究并设计了一种基于层次分析法（AHP）-变异系数法（CV）的高新技术企业监测指标模型，以对高新技术企业竞争力进行有效的评价，进而建立一套动态、科学、合理和权威的高新技术企业运行监测评价体系。
2 高新技术企业综合竞争力监测系统核心技术
2.1 层次分析法
层 次 分 析 法（analytical hierarchy process，AHP）是指将一个复杂的多目标决策问题作为一个系统，将目标分解为多个目标或准则，进而分解为多指标（或准则、约束）的若干层次，通过定性指标模糊量化方法算出层次单排序（权数）和总排序，以作为目标（多指标）、多方案优化决策的系统方法，最早是由美国运筹学家Saaty［7］于1977年提出。AHP将复杂的评价对象排列为一个有序的递阶层次结构的整体，然后在各个评价项目之间进行两两比较、判断，计算各个评价项目的相对重要性系数，即权重，是一种主观赋权的方法，方便实用，也是一种系统化决策工具。然而AHP的不足之处是定性成分太多，决策者主观因素占比大，有时分析结构难以与实际相符。针对以上缺点，很多学者都对AHP作出了相应的改进［8-11］。
根据层次分析法的基本思想，依据表1构建判断矩阵如式（1），然后检验判断矩阵是否满足一致性要求，一致性比率CR计算见式（2）。
在传统教学中，教学评价主要通过测验、考试、作业和学生的课堂表现来衡量，缺乏相互评价、自我评价和学生反思问题解决过程的评价。
表1 层次分析法中各指标间的重要性标度
随机一致性指标
与判断矩阵的阶数有关，一般情况下，矩阵阶数越大，则出现一致性随机偏离的可能性也越大，具体取值见表2所示。当
＜0.1时，表示构建的判断矩阵具有一致性［7］，其最大特征值对应的特征向量归一化后即为各评价项目的相应权重；否则，构建的判断矩阵不具有一致性，需重新构建判断矩阵。
表2 随机一致性指标的取值
层次分析法的基本步骤如下：
在课堂教学中，德育应该与智育彼此交融、同生共长，而不是与智育大路朝天、各走一边。为了真正实现德育和智育的彼此交融、同生共长，教师应该在课堂教学中尽可能地做到“见缝插针”。也就是，教师在渗透德育的时候，一定要找准在课堂教学各个环节中渗透德育的切入点。
（1）建立层次结构模型。一般分为3层，最上面为目标层，最下面为方案层，中间是准则层或指标层。若上层的每个因素都支配着下一层的所有因素，或被下一层所有因素影响，称为完全层次结构；否则成为不完全层次结构。
（2）构造成对比较矩阵。设某一层有n 个因素，
要比较该层的每一个因素对上一层的某个因素的影响程度，确定在该层中相对于某一准则所占的比重。假设上一层有m 个因素，该层有n 个因素，那么对于该层我们需要构建m 个n ×n 的成对比较矩阵，如式（1）。其中：
为第i 个因素相对于第j 个因素的比较结果，比较时取1～9尺度，则A 称为成对比较矩阵。
设Cn=C×…×C为n维复Euclidean空间.对z=(z1,z2,…，zn)，w=(w1,w2,…，wn)∈Cn，z与w的内积表示为
（3）层次单排序及一致性检验。当一致性比率
时，认为A 的不一致程度在容许范围之内，可用其归一化特征向量作为权向量，否则要重新构造成对比较矩阵，对A 加以调整。一致性检验指利用一致性指标和一致性比率
及随机一致性指标的数值表(见表2)，对A 进行检验的过程。
（1）上层指标权重。我们采用层次分析法对上层指标（一、二、三级指标）进行赋权，依据高企的特征构建各层指标判断矩阵，并运用MATLAB计算机辅助工具对矩阵最大特征值和相应的特征向量进行计算，当检验所构建的矩阵满足一致性要求时，对特征向量做归一化处理，即得到各个下层指标相对于其上层指标的权重。具体权重计算过程和结果如表4至表9所示。
本次研究发现，相比对照组，研究组治疗有效率对比无显著差异，P＞0.05，且研究组患者生活质量指标改善情况更为明显，P＜0.05。分析原因：在MRI影像辅助下实施夹脊穴深刺主要具有以下优势：首先，可在MR成像辅助下，对病灶位置及腰椎情况进行有效观测，并可实现对夹脊穴的准确定位，确保治疗准确性；其次，通过MRI成像技术，可对治疗中针刺深度实现准确把握，在适宜穴位深度实施治疗，确保治疗有效性[4-5]。
绝缘衬底上硅(SOI)由顶层硅,中间二氧化硅衬底层和基底硅三层材料组成,其折射率差大,约束光场能力强,是制作微环谐振腔的常用材料。运用MEMS工艺,通过SOI基片预处理、涂覆PMMA光刻胶、电子束光刻、显影、ICP深硅刻蚀、去胶等工艺得到了高度为220 nm的硅波导微环谐振腔基本结构,其不同耦合间距对应的SEM图示及波导截面尺寸示意图如图7所示。
2.2 变异系数法
4.1.1 指标赋值
式（3）中：
是第i 项指标的变异系数，也称为标准差系数；
是第i 项指标的标准差；
是第i 项指标的平均数。各项指标的权重 如式（4）：
3 AHP-CV综合赋权算法
AHP是一种主观的赋权方法，也是一种系统化决策工具，然而不足之处是定性成分太多，决策者主观因素占比大，有时分析结构难以与实际相符，当评价指标和评价目标相差比较大时，使用变异系数法比较合适，但是由于对指标的具体经济意义重视不够，会导致一定的误差。针对单一赋权方法的不足，有学者提出通过线性加权组合不同赋权方法进行赋权［11-12］。其算法思想总结如下：首先用层次分析法（AHP）确定权重，算出权重
其次用变异系数法确定权重，得出权重
最后用线性组合方法确定权重，由公式
进行线性加权，求得权重。其中， 是偏好系数。该线性加权组合赋值算法的一个明显缺点是无法确定偏好系数
值，文献［11］只是简单地取
缺乏严谨性。
本文针对广东省科技大数据平台获取的高新技术企业的综合指标体系数据特点，以及AHP和变异系数法的特点，创新性地提出高新技术企业评价指标体系权重综合赋权方法，简称AHP-CV算法，即上层指标（一、二、三级指标）采用层次分析法，底层指标（四级指标）采用变异系数法。结合两种赋权方法（主观与客观相结合），能够有效评价和拟合各技术领域高新技术企业的成长现状。具体算法描述如下：
（1）根据式（1）构建判断矩阵A （以一级指标为例）：
式（2）中：
为判断矩阵最大特征值；
为矩阵维度；
为随机一致性指标。
（6）计算一致性指标：
如果CI小于或等于0，则判断矩阵A 具有一致性，
权重，否则，进行第（7）步；
（4）高新技术企业认定后存在运行监测评价盲点。科技主管部门无法形成对高新技术企业从申报、认定到运行监测的全流程可持续性管理。
（8）二、三级指标判断矩阵构建及计算同上；
（9）按技术领域不同进行企业归类（一级或者二级技术领域），分类别导入底层指标数据；
（10）计算底层指标（四级指标）权重（采用变异系数法）和综合指标权重；
（11）底层指标数据标准化处理；
（12）计算各个领域高新技术企业评分。
2)机载信号处理模块。机载信号处理模块主要由A/D转换模块、RS485通信模块、核心处理器和以太网通信模块组成，A/D转换模块主要采集掘进机截割臂油缸行程传感器数据，RS485通信模块主要获取掘进机机身姿态检测传感器数据，以太网通信模块主要将掘进机位姿检测数据传输到上位监测软件。
4 实证分析
为了进一步对高新技术企业进行定位分析，我们从3个维度——发展导向、企业规模、企业成长速度对各技术领域下高新技术企业进行归类分析（如表12至表14），旨在明晰各个高新技术企业的发展定位，进而为政府科技管理部门和高新技术企业提供决策支撑。
4.1 综合评价
变 异 系 数 法（coefficient of variation method，CV）是一种利用各项评价指标包含的信息，计算各个指标的权重，是一种客观的赋权方法。CV的核心思想是，在评价指标体系中取值差异越大的指标，该指标的重要性就越高，越应该被重点关注。一般在评价指标体系中各指标的量纲不同或者测量尺度相差太大，无法直接比较其差异程度。为了消除这种影响，需要计算各项指标的变异系数（又称离散系数），用于衡量各项指标取值的差异程度。基本公式如式（3）：
金融危机给全球经济体系带来巨大影响和沉重大打击，直接导致了全球金融市场流动性的枯竭，市场规模大幅度缩水。美国的次贷危机引发的全球性金融危机更是导致了金融市场的持续动荡，国际市场价格波动幅度较大，受其影响市场的流动性大规模较低。商品价格降幅严重。导致国际资本的大规模流出。
图5(b)是温度对苯酚降解的影响。随着反应温度的升高，苯酚的降解速率有所加快，在45 ℃时，10 min即可达到降解平衡。但是温度对反应速率的影响并不明显，即使在较低温度下仍然可以获得较高的催化反应速率。因此，当利用Fe3O4-C空心微球处理含酚废水时，可以选择在室温下进行。
为了方便构建指标权重，我们对综合评价指标体系各个指标进行编号，编号结果如表3所示。
表3 样本企业综合竞争力评价指标编号
表3 （续）
（4）层次总排序及其一致性检验。
表4 样本企业综合竞争力评价Ai (i =1,2,3)指标对目标层的权重
表5 样本企业综合竞争力评价指标Bi (i =1,2)对A 1的权重
表6 样本企业综合竞争力评价指标Bi (i =3,4)对A 2的权重
表7 样本企业综合竞争力评价指标Bi (i =5,6,7)对A 3的权重
表8 样本企业综合竞争力评价指标Ci (i =1,2)对B 1的权重
表9 样本企业综合竞争力评价指标Ci (i =10,11)对B 3的权重
表9 （续）
（2）底层指标权重。依据原始数据，采用变异系数法对底层指标（四级指标）进行赋权。按技术领域不同进行企业归类（一级或者二级技术领域），为了便于分析和比较，需要对原始数据进行无量纲处理。本文的指标体系对于数值型数据采取标准化的方法，即：
式（6）中：
为企业
上的数值；
为各个企业在指标j 上的平均值；
为各个企业在指标j 上的标准差。对文本型数据先转换为数值型数据，再对其进行无量纲化处理。最后对经过无量纲化处理的底层指标数据，结合式（3）（4）和计算区间计算出各个底层指标的权重。以计算区间D 1～D 6为例，如表10所示。
表10 样本企业综合竞争力评价四级（底层）指标的权重计算
（3）底层指标综合权重。结合上层指标和底层指标的相对权重，计算底层指标的综合权重，具体计算公式见表10所示。
虽然中职学校开设了语文拓展教学这门课程，但是在实际教学中我们不得不面临的一个问题就是中职生的语文学习基础十分薄弱，对于拓展教学他们需要有太多的功课去做。这些问题主要体现在他们的口语交际能力比较差，主要表现为在一些人比较多的并且比较陌生的场合，他们与别人交流时就会出现一些结结巴巴、语无伦次、说话无中心、语言不连贯等不良现象。这些不足对于他们以后的工作面试来说，是非常不利的。这种不良现象并不是完全不能改正的，只要在平时的学习生活中有针对性地多加练习，就可以很好地克服。
4.1.2 综合评分计算
由底层指标综合权重可得各技术领域下高新技术企业综合竞争力评价指标的综合评分。计算公式如下：
式（7）中：
为企业编号；
为底层指标下标。
以新材料企业为例，通过式（7）计算该技术领域企业的综合评分值如表11所示。为了保障样本企业的数据保密性，本文对各样本企业名称用编号替代。由表11可以了解该技术领域高新技术企业的发展状况。由于原始数据经过标准化处理，评分值大于零的高企属于同技术领域内发展较好的，而评分值小于零的高企则属于同技术领域发展较差的。把此分析结果与当地的高企发展情况进行对比，发现实证结果较好地拟合和反映了当地高企的实际状况，从而证实了本文构建的综合评价指标体系的科学性和有效性。因此，政府科技管理等有关部门可以依据此评价指标体系对各技术领域下的高新技术企业有效地监控预警和指导。
表11 新材料领域样本企业综合竞争力评价得分
4.2 归类评价
为了验证本研究所构建的AHP-CV算法的科学性和有效性，我们以广东省河源市的高新技术企业做实证分析，数据来源为广东省科技厅，数据年份为2015年全年，高新技术企业数量为44家（以下简称样本企业）。其中，新材料技术领域高企数量为11家，先进制造与自动化技术领域高企数量为10家，生物与新医药技术领域高企数量为8家，电子信息高企数量为8家，新能源与节能技术领域高企数量为5家，高技术服务技术领域高企数量为2家。经过模型评定，将结果按企业不同竞争力进行划分，并且与企业实际情况进行对比。
表12 样本企业综合竞争力评价的发展导向指标体系
表13 样本企业综合竞争力评价的企业规模指标体系
表14 样本企业综合竞争力评价的成长速度指标体系
4.2.1 指标赋权
（1）发展导向评价指标权重。发展导向的上层指标（二级指标）采用人工赋权法，5个二级指标权重各取0.2；底层指标采用变异系数发赋权，通过式（6）对底层指标原始数据进行标准化处理后，结合变异系数公式（3）（4）计算底层指标的权重，最终算出发展导向底层指标综合权重。如表15所示。
表15 样本企业综合竞争力评价的发展导向指标权重
（2）企业规模评价指标权重。企业规模采用变异系数法赋权，通过公式（6）对底层指标原始数据进行标准化处理后，结合变异系数公式（3）（4）计算底层指标的权重，最终算出发展导向底层指标综合权重。如表16所示。
第一次全国水利普查分为四个阶段：前期准备阶段、清查登记阶段、填表上报阶段、成果发布阶段，其中清查登记阶段是水利普查的最基本阶段，目的是摸清全国水利的基本情况。水利普查主要包括河湖基本情况普查、水利工程基本情况普查、经济社会用水情况调查、河湖开发治理保护情况普查、水土保持情况普查、水利行业能力建设情况等6项普查和灌区、地下水2个专项普查。除河湖基本情况普查和水土保持情况普查委托由专业的机构完成外，其余普查内容均由县级水利部门获取普查数据并录入到本次水利普查的专用软件“水利普查基层登记台账管理系统”中，逐级上报到国务院水利普查办公室。因此，在整个普查过程中，清查数据质量控制十分关键。
表16 样本企业综合竞争力评价的企业规模指标权重
（3）企业成长速度评价指标权重。企业成长速度采用变异系数法赋权，通过式（6）对底层指标原始数据进行标准化处理后，结合变异系数公式（3）（4）计算底层指标的权重，最终算出发展导向底层指标综合权重。如表17所示。
表17 样本企业综合竞争力评价的成长速度指标权重
4.2.2 归类评分计算
由底层3个归类指标综合权重（见表15至表17）可得各技术领域下各高新技术企业归类评价指标综合评分计算公式。
（1）发展导向评价指标综合得分：
式（8）中：
为企业在发展导向维度上的评分值；由式（6）可得企业在数值型指标j 上的标准化值
为表 15中的综合权重。
（2）企业规模评价指标综合得分：
式（9）中：
为企业在企业规模维度上的评分值；由式（6）可得企业在数值型指标
上的标准化值
为表 16中的综合权重。
（3）企业成长速度评价指标综合得分：
式（10）中：
为企业在发展导向维度上的评分值；由式（6）可得企业在数值型指标
上的标准化值
为表 17中的综合权重。
在490nm处测定吸光值，以葡萄糖的浓度(mg/ml)为横坐标，吸光度A为纵坐标，绘制标准曲线，得到回归方程：y=8.7149x-0.0087r=0.9996.
以企业规模为横坐标、发展导向为纵坐标，企业成长速度（若有）值用气泡大小表示。由于原始数据经过标准化处理，企业规模和发展导向为零的作为两条分界线，形成一个四象限分布图。其中，第一象限（企业规模高、发展导向高）为技术领先型企业；第二象限（企业规模低、发展导向高）为技术创新型企业；第三象限（企业规模低、发展导向低）为双低型企业；第四象限（企业规模高、发展导向低）为传统发展型企业。
通过式（8）至式（10）计算，新材料技术领域样本高企的归类评分结果如图1所示。图1中气泡旁边的“数字”为企业编号。由图1可以大致辨别和了解样本中新材料技术领域高新技术企业的发展现状，把此分析结果交由当地科技主管部门和专家与当地的高企发展情况进行对比，发现归类评分结果较好地拟合和反映了当地高企的实际状况，从而证实了本文构建的归类评价指标体系的科学性和有效性。因此，政府科技管理部门可以通过此归类指标体系的分析结果了解各高新技术企业在某阶段所处的位置，并且针对不同位置的高新技术企业采取相应的扶持机制，能够极大地提高相关管理部门的决策效能。
图1 新材料技术领域样本企业综合竞争力评价的归类分析
5 结论
随着我国经济发展进入新常态，发展方针由高数量转变为高质量，高新技术企业的发展迎来了新的时代。高新技术企业的数量以及发展质量决定了一个地区乃至一个国家的经济、科技发展程度。当前，在国家大力推动、鼓励、扶持高新技术企业发展的背景下，如何有效地监控各行业高新技术企业的发展现状，是政府科技管理部门及企业本身面临的一个较大的难题。本文基于有关理论和实践经验，充分分析了层次分析法和变异系数法单一赋权方法的不足，提出了一套高新技术企业成长性监测指标模型，通过AHP-CV计算评估高新技术企业的竞争力，能够从根本上解决监测难的问题；并通过实证验证，证实了此模型的科学性和有效性。在未来，可以逐步将该模型全面推广应用到其他地区。
参考文献：
［1］鲍建辉.河北省高新技术产业贡献率分析及发展重点研究［J］.统计与管理,2010(1):22-24.
［2］高德凤.我国高新技术企业政府监管研究［D］.秦皇岛：燕山大学,2012.
［3］何苗.安徽省战略性新兴产业发展监测：基于高新技术企业数据［J］.企业研究,2012(6):125-127.
［4］林新波,秦棠霜,李欣宇,等.基于层次分析的中小高新技术企业无形资产价值评估模型研究［J］.中国管理信息化,2016,19(8):14-16.
［5］郭劲松.创新型高新技术企业绩效评价研究［D］.北京：华北电力大学(北京),2017.
［6］祝侣,王雪莹,常静,等.上海高新技术企业政策监测与评价［J］.科技管理研究,2017,37(7):50-55.
［7］SAATY T L. A scaling method for priorities in hierarchical structures［J］.Journal of Mathematical Psychology,1977,15(3):234-281.
［8］杨晓,王玉玫.基于改进层次分析法的作战目标优选研究［J］.计算机应用与软件,2018,35(4):28-32.
［9］毛人杰,尤建新,段春艳,等.基于模糊随机层次分析法的供应商可持续评估模型改进［J］.同济大学学报(自然科学版),2018,46(8):1138-1146.
［10］张晓琪,胡振,唐天国.改进蝙蝠算法在模糊层次分析中的应用［J］.计算机系统应用,2018,27(3):143-148.
［11］李立云,刘政,王兆辉.基于灰色关联模型的改进型层次分析法与基坑风险评价［J］.北京工业大学学报,2018,44(6):889-896.
［12］郭昱.权重确定方法综述［J］.农村经济与科技,2018,29(8):252-253.
Design and Classification Analysis of Monitoring Indexes for Comprehensive Competitiveness of High-tech Enterprises
Chen Jianbing, Shen Jianfang, Chen Pinghua, Liao Weiping, Dong Mengqin, Zhao Liang, Zhao Cong
(School of Computer, Guangdong University of Technology, Guangzhou 510006, China)
Abstract: In view of the shortcomings of the single weighting method of analytic hierarchy process (AHP) and coefficient of variation (CV) in the evaluation of the competitiveness of high-tech enterprises, this paper proposes a set of comprehensive weight assignment methods called AHP-CV. Firstly, the paper obtains the registration data set of high-tech enterprises from Guangdong Science and Technology Big Data Platform, and classifies it to the preset enterprise dimension according to the classification rules of preset dimensions, then, based on the AHP-CV designs index weight algorithm model, the corresponding evaluation values of each enterprise dimension are calculated,Finally，the classification and analysis of high-tech enterprises in different fields are carried out from 3 dimensions of enterprises, according to the classification results, the development of high-tech enterprises is evaluated, and the monitoring system which can monitor high-tech enterprises in real time is designed. The empirical analysis shows that the monitoring algorithm model can monitor high-tech enterprises very well. The monitoring system based on this monitoring algorithm has been successfully applied to the platform of S&T big data in Guangdong province, it will monitor the high-tech enterprises in Guangdong in real time and provide reference for the decision-making of supervision departments at all levels.
Key words: enterprise competitiveness; analytic hierarchy process; coefficient of variation method; indicator construction
中图分类号： C32；F224；G301
文献标志码： A
文章编号： 1000-7695（2019）19-0083-07
doi: 10.3969/j.issn.1000-7695.2019.19.011
收稿日期： 2018-12-13，修回日期：2019-01-25
基金项目： 广东省科技计划项目“面向创新政府服务的科技业务大数据分析处理平台及其应用推广”（2016B030308001），“面向移动新媒体的传媒大数据智能服务平台建设及其示范应用”（2017B030307002）
项目来源： 广州市天河区科技计划项目“法律行业自助云建站公共服务平台”（201603YH093）
作者简介： 陈建兵（1992—），通信作者，男，海南临高人，硕士研究生，主要研究方向为机器学习、推荐系统；申建芳（1974—），女，广东广州人，讲师，博士，主要研究方向为机器学习、大数据；陈平华（1967—），男，湖南攸县人，教授，主要研究方向为云计算、大数据、推荐系统；廖威平（1993—），男，广东梅州人，硕士研究生，主要研究方向为机器学习、推荐系统；董梦琴（1995—），女，湖北襄阳人，硕士研究生，主要研究方向为机器学习、推荐系统；赵亮（1994—），男，山东青岛人，硕士研究生，主要研究方向为机器学习、推荐系统；赵璁（1995—），男，湖北黄冈人，硕士研究生，主要研究方向为机器学习、推荐系统。
标签：企业竞争力论文; 层次分析法论文; 变异系数法论文; 指标设计论文; 广东工业大学计算机学院论文;