CN110942242A - 一种科技企业孵化器运营绩效评价方法 - Google Patents
一种科技企业孵化器运营绩效评价方法 Download PDFInfo
- Publication number
- CN110942242A CN110942242A CN201911154207.3A CN201911154207A CN110942242A CN 110942242 A CN110942242 A CN 110942242A CN 201911154207 A CN201911154207 A CN 201911154207A CN 110942242 A CN110942242 A CN 110942242A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- matrix
- hatching
- scientific
- factor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000011156 evaluation Methods 0.000 claims abstract description 140
- 230000008569 process Effects 0.000 claims abstract description 12
- 239000011159 matrix material Substances 0.000 claims description 119
- 230000012447 hatching Effects 0.000 claims description 82
- 238000011534 incubation Methods 0.000 claims description 65
- 239000013598 vector Substances 0.000 claims description 35
- 230000008520 organization Effects 0.000 claims description 12
- 230000009466 transformation Effects 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 7
- 230000008901 benefit Effects 0.000 claims description 6
- 230000001186 cumulative effect Effects 0.000 claims description 6
- 230000000052 comparative effect Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000011161 development Methods 0.000 abstract description 11
- 230000007246 mechanism Effects 0.000 abstract description 3
- 238000011158 quantitative evaluation Methods 0.000 abstract description 3
- 238000007405 data analysis Methods 0.000 abstract description 2
- 230000007547 defect Effects 0.000 abstract description 2
- 230000018109 developmental process Effects 0.000 description 10
- 238000007726 management method Methods 0.000 description 4
- 238000005034 decoration Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000001617 migratory effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种科技企业孵化器运营绩效评价方法,涉及数据分析领域。本发明的一种科技企业孵化器运营绩效评价方法,包括以下步骤:步骤一、建立指标体系;步骤二、收集待评价科技企业孵化器相关数据;步骤三、评价科技企业孵化器的运营绩效,包括层次分析法确定指标权重和模糊综合评价;步骤四、科技企业孵化器运营绩效排名。本发明结合数学理论,通过专家定性评价与定量评价相结合,实现了一种科学的科技企业孵化器运营绩效评价方法。通过对多家科技企业孵化器运营绩效评价,可以得出科技企业孵化器运营绩效排名,有助于主管部门掌握孵化器发展情况,有助于孵化器机构及时发现本身不足之处。
Description
技术领域
本发明涉及数据分析技术领域,具体涉及一种科技企业孵化器运营绩效评价方法。
背景技术
科技企业孵化器是一种新型的社会经济组织。其职能是通过提供研发、生产、经营的场地以及通讯、网络与办公等方面的共享设施,系统的培训与咨询,政策、融资、法律和商场推广等方面的支持,降低创业企业的创业风险和创业成本,提高企业成活率和成功率。我国孵化器经历了引进阶段(1987-1990),目前正在经历发展阶段(1994-2019)和输出阶段(2002-2019)。我国孵化器数量、孵化器占地面积、硬件水平等均为世界一流水平。孵化服务质量如何还有待商榷。另外,我国孵化器量多质不高、整体服务能力不强,存在优良软硬件与少量入孵企业的反差、部分地区政策环境不优化、地区间发展不平衡等一系列问题。
第一,服务大众创业,支持孵化器多元发展;第二,优化金融服务,推进投资融合发展;第三,提升孵化质量,带动创业服务精益发展;第四,促进开放协同,加速创业孵化生态发展;第五,增强区域合作,构建孵化器协调式发展;第六,融入全球网络,注重孵化器国际化发展;第七,推动改则创新,促进孵化器可持续发展;第八,营造创业氛围,引领创业文化繁荣发展;第九,强化自律规范,形成孵化行业健康发展。
建立科技企业孵化器运营绩效评价体系能够加强和规范孵化器管理,提升孵化器的服务能力和绩效,引导我国孵化器健康发展。云南财经大学的张露、彭程的论文《基于AHP-FCEM的科技企业孵化器项目绩效评价研究》中采用了一种结合层次分析法(AHP)和模糊综合评价法(FCEM)的孵化器运营绩效评价方法。该方法选择将评价体系分为三层:第一层为科技企业孵化器项目绩效,第二层为组织绩效、运行绩效、成果绩效,第三层共15个指标,且均为定性指标,指标评价为好、较好、一般、较差、差五个等级,然后介绍了层次分析法中判断矩阵的构造、一致性检验和指标权重的确定,接着介绍了两级模糊综合评价方法,最后将该方案运用在昆明市的科技企业孵化器运营绩效评价中。该方法存在以下问题:
(1)该方法将指标全部设为定性指标并不合理。应将孵化器基地面积、投融资机构数量等指标设为定量指标更为合理。
(2)层次分析法是一种主观赋权法。直接人为两两判断指标间的相对重要性,形成评价矩阵后就可以得到权值,但是当指标较多时,人为判断费时费力,且判断矩阵一致性检验不通过时,调整起来比较困难。
(3)模糊综合评判中的评价矩阵由专家打分生成,具有较强主观性。全部指标为定性指标,没有充分利用数据。
发明内容
为了解决现有科技企业孵化器运营绩效评价存在的上述诸多问题,本发明提供科技企业孵化器运营绩效评价方法。
本发明为解决技术问题所采用的技术方案如下:
本发明的一种科技企业孵化器运营绩效评价方法,包括以下步骤:
步骤一、建立指标体系;
步骤二、收集待评价科技企业孵化器相关数据;
步骤三、评价科技企业孵化器的运营绩效,包括层次分析法确定指标权重和模糊综合评价;
步骤四、科技企业孵化器运营绩效排名。
进一步的,步骤一中,所述指标体系如下所示。
进一步的,步骤二具体包括以下步骤:
S201:收集定量指标数据
通过待评价科技企业孵化器自主上报或网络爬虫方式收集定量指标数据;
定量指标为:孵化基地周围3km内平均租金(C2)、政府专项扶持(C3)、单位孵化面积投资额(C7)、单位孵化规模基地管理人员(C8)、单位孵化规模聘用创业导师数量(C9)、社会服务机构数量(C10)、企业孵化效率(C11)、在孵企业上缴税费(C12)、孵化基地内就业人员(C13)、本年度企业毕业率 (C14)、单位孵化规模运营平均利润(C15)、在孵企业平均总营业收入(C16)、累计毕业企业数量(C17)、单位孵化规模孵化企业数量(C18);
S202:收集定性指标数据
定性指标为:地理位置(C1)、投资主体和运营机构的关系(C4)、主要附属设施(C5)、主要服务功能内容(C6);
组织领域专家对定性指标进行评价;评语集为{好,一般};评价方式采用调查问卷方式;一张调查问卷调查一位专家对一家孵化器的评价;调查结束后,所有信息仅统计有效问卷,信息存入定性数据表如下表所示。
进一步的,步骤三中,层次分析法确定指标权重具体包括以下步骤:
S301:确定目标层
目标层:科技企业孵化器运营绩效(A);
S302:确定准则层
目标层A对应的准则层为创业环境(B1)、综合孵化能力(B2)、社会贡献 (B3)、成果效益(B4);
S303:确定方案层
准则层B1对应的方案层:地理位置(C1)、孵化基地周边3km内平均租金 (C2)、政府专项扶持(C3)、投资主体与运营机构关系(C4)、主要附属设施 (C5)、主要服务功能内容(C6);
准则层B2对应的方案层:单位孵化面积投资额(C7)、单位孵化规模基地管理人员(C8)、单位孵化规模聘用创业导师(C9)、社会服务机构(C10)、孵化效率(C11);
准则层(B3)对应的方案层:在孵企业上缴税费(C12)、孵化基地内就业人员(C13);
准则层(B4)对应的方案层:本年度企业毕业率(C14)、单位孵化规模运营平均利润(C15)、在孵企业平均总营业收入(C16)、累积毕业企业(C17)、单位孵化规模孵化企业数(C18);
S304:构造判别矩阵
从层次结构模型的第二层开始,对于从属于或影响上一层每个因素的同一层诸因素,用成对比较法和1-9比较尺度构成判别矩阵,直到最下层;1-9比较尺度重要性标度如下表所示:
重要性标度 | 含义 |
1 | 两个元素具有同等重要性 |
3 | 前者比后者稍重要 |
5 | 前者比后者明显重要 |
7 | 前者比后者强烈重要 |
9 | 前者比后者极端重要 |
2,4,6,8 | 上述判断的中间值 |
S305:计算权重及一致性检验
判别矩阵最大特征根λmax的特征向量,经过归一化后记为w,w的元素为同一层次因素对于对应的上一层次元素的相对重要性的排序权值,即权重;
两两比较指标间的相对重要性得到判别矩阵并对其进行一致性检验。
进一步的,步骤S304具体包括以下步骤:
S30401:目标层与准则层之间的判别矩阵,两两比较准则层指标对目标层指标A的相对重要性,形成判别矩阵A:
A | B1 | B2 | B3 | B4 |
B1 | 1 | 1/3 | 3 | 1 |
B2 | 3 | 1 | 4 | 5 |
B3 | 1/3 | 1/4 | 1 | 1/3 |
B4 | 1 | 1/5 | 3 | 1 |
S30402:准则层中准则层指标B1与其对应的二级指标之间的判别矩阵,两两比较B1指标对应的二级指标C1、C2、C3、C4、C5、C6对B1指标的相对重要性,形成判别矩阵B1:
B1 | C1 | C2 | C3 | C4 | C5 | C6 |
C1 | 1 | 7 | 3 | 5 | 6 | 4 |
C2 | 1/7 | 1 | 1/5 | 1/3 | 1 | 1/3 |
C3 | 1/3 | 5 | 1 | 3 | 5 | 4 |
C4 | 1/5 | 3 | 1/3 | 1 | 3 | 1 |
C5 | 1/6 | 1 | 1/5 | 1/3 | 1 | 1/3 |
C6 | 1/4 | 3 | 1/4 | 1 | 3 | 1 |
S30403:准则层中准则层指标B2与其对应的二级指标之间的判别矩阵,两两比较B2指标对应的二级指标C7、C8、C9、C10、C11对B2指标的相对重要性,形成判别矩阵B2:
B2 | C7 | C8 | C9 | C10 | C11 |
C8 | 1 | 3 | 3 | 5 | 2 |
C9 | 1/3 | 1 | 1 | 5 | 4 |
C10 | 1/3 | 1 | 1 | 6 | 4 |
C11 | 1/5 | 1/5 | 1/6 | 1 | 1/3 |
C12 | 1/2 | 1/4 | 1/4 | 3 | 1 |
S30404:准则层中准则层指标B3与其对应的二级指标之间的判别矩阵,两两比较B3指标对应的二级指标C12、C13对B3指标的相对重要性,形成判别矩阵B3;
B3 | C12 | C13 |
C12 | 1 | 1/3 |
C13 | 3 | 1 |
S30405:准则层中准则层指标B4与其对应的二级指标之间的判别矩阵,两两比较B4指标对应的二级指标C14、C15、C16、C17、C18对B4指标的相对重要性,形成判别矩阵B4。
B4 | C14 | C15 | C16 | C17 | C18 |
C14 | 1 | 1/3 | 1/3 | 1 | 3 |
C15 | 3 | 1 | 1 | 3 | 4 |
C16 | 3 | 1 | 1 | 3 | 3 |
C17 | 1 | 1/3 | 1/3 | 1 | 2 |
C18 | 1/3 | 1/4 | 1/3 | 1/2 | 1 |
进一步的,步骤S305具体包括以下步骤:
S30501:计算判别矩阵的最大特征值λmax和权重w
矩阵编号 | λ<sub>max</sub> | w |
A | λ<sub>maxa</sub> | w<sub>a</sub> |
B1 | λ<sub>maxb1</sub> | w<sub>b1</sub> |
B2 | λ<sub>maxb2</sub> | w<sub>b2</sub> |
B3 | λ<sub>maxb3</sub> | w<sub>b3</sub> |
B4 | λ<sub>maxb4</sub> | w<sub>b4</sub> |
其中,wa为判别矩阵A的权重,wb1、wb2、wb3、wb4分别为判别矩阵B1、 B2、B3、B4的权重;
S30502:计算一致性指标CI:
式中,λmax为判别矩阵的最大特征值;n为判别矩阵的阶数;
S30503:计算一致性比例CR:
式中,CI为一致性指标;RI为平均随机一致性指标;RI可以通过查表得到;
平均随机一致性指标RI如下所示:
矩阵阶数 | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
RI | 0 | 0 | 0.52 | 0.89 | 1.12 | 1.26 | 1.36 |
矩阵阶数 | 8 | 9 | 10 | 11 | 12 | 13 | 14 |
RI | 1.41 | 1.49 | 1.49 | 1.52 | 1.54 | 1.56 | 1.58 |
当CR=0时,认为判别矩阵具有完全一致性;
当CR<0.1时,认为判别矩阵的一致性是可接受的;
当CR>0.1时,认为判别矩阵不符合一致性要求,应对该判别矩阵进行重新构造,即重复步骤S204到步骤S205直到判别矩阵一致性符合要求;
计算出的一致性比例如下所示:
矩阵编号 | A | B1 | B2 | B3 | B4 |
CR | 0.0641 | 0.0340 | 0.0985 | 0.000 | 0.0251 |
所构造的5个判别矩阵均通过了一致性检验,可接受。
进一步的,步骤四具体包括以下步骤:
S401:建立集合
S40101:建立对象集
评价对象集:科技企业孵化器运营绩效(A);
S40102:建立因素集
因素集为指标体系中的一级指标:创业环境(B1)、综合孵化能力(B2)、社会贡献(B3)、成果效益(B4);
S40103:建立子因素集
子因素集为指标体系中的二级指标;
子因素集一:地理位置(C1)、孵化基地周围3km内平均租金(C2)、政府专项扶持(C3)、投资主体与运营机构的关系(C4)、主要附属设施(C5)、主要服务功能内容(C6);
子因素集二:单位孵化面积投资额(C7)、单位孵化规模基地管理人员(C8)、单位孵化规模聘用创业导师(C9)、社会服务机构(C10)、孵化效率(C11);
子因素集三:在孵企业上缴税费(C12)、孵化基地内就业人员(C13);
子因素集四:本年度企业毕业率(C14)、单位孵化规模运营平均利润(C15)、在孵企业平均总营业收入(C16)、累计毕业企业(C17)、单位孵化规模孵化企业数(C18);
S402:构造一级模糊综合评判的评价矩阵;
S403:一级模糊综合评判;
S404:二级模糊综合评判。
进一步的,步骤S402具体包括以下步骤:
S40201:由定量指标数据生成单因素评价向量
读取步骤S201中的定量数据表中的孵化器数据,通过隶属度函数将子因素集中的定量指标数值转换为对评语集为{好,一般}中各评语的隶属程度。实现了将连续性指标数值转换为单因素评价向量,隶属度函数如下所示:
其中,x2、x3,x7-x18分别表示:孵化基地周围3km内平均租金(C2)对应的定量指标数值、政府专项扶持(C3)对应的定量指标数值、单位孵化面积投资额(C7)对应的定量指标数值、单位孵化规模基地管理人员(C8)对应的定量指标数值、单位孵化规模聘用创业导师(C9)对应的定量指标数值、社会服务机构(C10)对应的定量指标数值、孵化效率(C11)对应的定量指标数值、在孵企业上缴税费(C12)对应的定量指标数值、孵化基地内就业人员(C13) 对应的定量指标数值、本年度企业毕业率(C14)对应的定量指标数值、单位孵化规模运营平均利润(C15)对应的定量指标数值、在孵企业平均总营业收入 (C16)对应的定量指标数值、累计毕业企业(C17)对应的定量指标数值、单位孵化规模孵化企业数(C18)对应的定量指标数值;
S40202:由定性指标数据生成单因素评价向量
从步骤S202中的定性数据表中读取一条数据;
地理位置指标(C1)对应的单因素评价向量为(C1_positive/effective_number,C1_negative/effective_number);
投资机构与运营机构关系指标(C4)对应的单因素评价向量为 (C4_positive/effective_number,C4_negative/effective_number);
主要附属设施(C5)对应的单因素评价向量为(C5_positive/effective_number,C5_negative/effective_number);
主要服务功能(C6)对应的单因素评价向量为(C6_positive/effective_number,C6_negative/effective_number);
S40203:生成一级模糊综合评判的评价矩阵
联合步骤S40301和步骤S40302得到的子因素集中各指标的单因素评价向量,得到评价矩阵;
子因素集一对应的评价矩阵为:
子因素集二对应的评价矩阵为:
子因素集三对应的评价矩阵为:
子因素集四对应的评价矩阵为:
进一步的,步骤S403具体包括以下步骤:
S40301:模糊变换
子因素集一对应的权重为wb1=(a11,a12,a13,a14,a15,a16);
子因素集二对应的权重为wb2=(a21,a22,a23,a24,a25);
子因素集三对应的权重为wb3=(a31,a32);
子因素集四对应的权重为wb4=(a41,a42,a43,a44,a45);
按最大最小运算法则,作模糊变换。最大最小运算法则为相加时取各项最大者为和,相乘时取最小因子为积;
模糊变化结果为:
S40302:归一化
将模糊变化结果归一化得一级模糊综合评判的结果,将一级模糊综合评判结果作为二级模糊综合评判的单因素向量;
归一化公式为:
进一步的,步骤S404具体包括以下步骤:
S40401:评价矩阵
由步骤S40302的四个单因素评价向量得到二级模糊综合评判的评价矩阵,二级模糊综合评判的评价矩阵为:
S40402:模糊变换
由步骤S30501中的因素集对应的权重向量wa得到二级模糊综合评判结果,二级模糊综合评判结果B=wa*R。
本发明的有益效果是:本发明结合数学理论,通过专家定性评价与定量评价相结合,实现了一种科学的科技企业孵化器运营绩效评价方法。通过对多家科技企业孵化器运营绩效评价,可以得出科技企业孵化器运营绩效排名,有助于主管部门掌握孵化器发展情况,有助于孵化器机构及时发现本身不足之处。
附图说明
图1为本发明的一种科技企业孵化器运营绩效评价方法中步骤三流程图。
图2为本发明的一种科技企业孵化器运营绩效评价方法中步骤四流程图。
具体实施方式
本发明的一种科技企业孵化器运营绩效评价方法,可以对多家科技企业孵化器运营绩效进行评价,并进行排名。该评价方法包括以下步骤:
(1)建立指标体系。
(2)收集待评价科技企业孵化器相关数据。
(3)评价科技企业孵化器的运营绩效:层次分析法(AHP)确定指标权重和模糊综合评价。
(4)科技企业孵化器运营绩效排名。
本发明的一种科技企业孵化器运营绩效评价方法,具体包括以下步骤:
步骤一、建立指标体系
本发明建立了如表1所示的指标体系。
表1
其中,指标内一些名词解释如下:
(1)在孵企业
在孵企业指注册不超过两年;注册资金≤300万元(现金),如果是创新型企业或海外人才创业企业注册资金≤500万元,特殊行业(生物医药、集成电路、农业等)注册资金≤1000万元;迁入企业上年收入≤200万元。
(2)创业导师
创业导师资质需经省级科技主管部门备案。
(3)孵化基地内就业人员
孵化基地内就业人员指入孵企业全职工作人员(不含物业服务专职人员)。
(4)毕业企业
具有自主知识产权、连续两年收入累计≥1000万元、收购、兼并、上市,上述条件中,占任意两条均视为毕业企业。
步骤二、收集待评价科技企业孵化器相关数据
建立科技企业孵化器评级的指标体系后,需要收集待评价的科技企业孵化器相关数据。具体包括以下步骤:
S201:收集定量指标数据
指标体系中,定量指标为孵化基地周围3km内平均租金(C2)、政府专项扶持(C3)、单位孵化面积投资额(C7)、单位孵化规模基地管理人员(C8)、单位孵化规模聘用创业导师数量(C9)、社会服务机构数量(C10)、企业孵化效率(C11)、在孵企业上缴税费(C12)、孵化基地内就业人员(C13)、本年度企业毕业率(C14)、单位孵化规模运营平均利润(C15)、在孵企业平均总营业收入(C16)、累计毕业企业数量(C17)、单位孵化规模孵化企业数量(C18)。
定量指标数据通过待评价科技企业孵化器自主上报、网络爬虫等多种方式收集。收集的定量指标数据存入定量数据表,如表2所示。
表2定量数据表
S202:收集定性指标数据
指标体系中,定性指标为地理位置(C1)、投资主体和运营机构的关系(C4)、主要附属设施(C5)、主要服务功能内容(C6)。
组织一批领域专家,对科技企业孵化器运营绩效的定性指标进行评价。评语集为{好,一般}。评价方式采用调查问卷方式。一张调查问卷调查一位专家对一家孵化器的评价。调查结束后,所有信息仅统计有效问卷,信息存入定性数据表,如表3所示。调查问卷样式如表4所示。
表3定性数据表
字段名 | 解释 |
effective_number | 有效问卷数量 |
C1_positive | 地理位置评价为好的有效问卷数量 |
C1_negative | 地理位置评价为一般的有效问卷数量 |
C4_positive | 投资机构与运营机构关系评价为好的有效问卷数量 |
C4_negative | 投资机构与运营机构评价为一般的有效问卷数量 |
C5_positive | 主要附属设施评价为好的有效问卷数量 |
C5_negative | 主要附属设施评价为一般的有效问卷数量 |
C6_positive | 主要服务功能内容评价为好的有效问卷数量 |
C6_negative | 主要服务功能内容评价为一般的有效问卷数量 |
id | 孵化器编号 |
name | 孵化器名称 |
表4调查问卷
步骤三、层次分析法(AHP)确定指标权重
层次分析法是将与决策总是有关的元素分解成目标、准则、方案等层次,在此基础上进行定性和定量分析的决策方法。如图1所示,具体包括以下步骤:
S301:确定目标层
目标层:科技企业孵化器运营绩效(A)。
S302:确定准则层
目标层A对应的准则层为创业环境(B1)、综合孵化能力(B2)、社会贡献 (B3)、成果效益(B4)。
S303:确定方案层
准则层B1对应的方案层:地理位置(C1)、孵化基地周边3km内平均租金 (C2)、政府专项扶持(C3)、投资主体与运营机构关系(C4)、主要附属设施 (C5)、主要服务功能内容(C6)。
准则层B2对应的方案层:单位孵化面积投资额(C7)、单位孵化规模基地管理人员(C8)、单位孵化规模聘用创业导师(C9)、社会服务机构(C10)、孵化效率(C11)。
准则层(B3)对应的方案层:在孵企业上缴税费(C12)、孵化基地内就业人员(C13)。
准则层(B4)对应的方案层:本年度企业毕业率(C14)、单位孵化规模运营平均利润(C15)、在孵企业平均总营业收入(C16)、累积毕业企业(C17)、单位孵化规模孵化企业数(C18)。
S304:构造判别矩阵
从层次结构模型的第二层开始。对于从属于(或影响)上一层每个因素的同一层诸因素,用成对比较法和1-9比较尺度构成判别矩阵,直到最下层。1-9 比较尺度重要性标度如表5所示。
表5
重要性标度 | 含义 |
1 | 两个元素具有同等重要性 |
3 | 前者比后者稍重要 |
5 | 前者比后者明显重要 |
7 | 前者比后者强烈重要 |
9 | 前者比后者极端重要 |
2,4,6,8 | 上述判断的中间值 |
具体包括以下步骤:
S30401:目标层与准则层(一级指标)之间的判别矩阵
两两比较准则层指标对目标层指标A的相对重要性,比较尺度重要性标度参照表5,形成判别矩阵A。
A | B1 | B2 | B3 | B4 |
B1 | 1 | 1/3 | 3 | 1 |
B2 | 3 | 1 | 4 | 5 |
B3 | 1/3 | 1/4 | 1 | 1/3 |
B4 | 1 | 1/5 | 3 | 1 |
S30402:准则层(一级指标)中准则层指标B1与其对应的二级指标之间的判别矩阵
两两比较B1指标对应的二级指标C1、C2、C3、C4、C5、C6对B1指标的相对重要性,比较尺度重要性标度参照表5,形成判别矩阵B1。
B1 | C1 | C2 | C3 | C4 | C5 | C6 |
C1 | 1 | 7 | 3 | 5 | 6 | 4 |
C2 | 1/7 | 1 | 1/5 | 1/3 | 1 | 1/3 |
C3 | 1/3 | 5 | 1 | 3 | 5 | 4 |
C4 | 1/5 | 3 | 1/3 | 1 | 3 | 1 |
C5 | 1/6 | 1 | 1/5 | 1/3 | 1 | 1/3 |
C6 | 1/4 | 3 | 1/4 | 1 | 3 | 1 |
S30403:准则层(一级指标)中准则层指标B2与其对应的二级指标之间的判别矩阵
两两比较B2指标对应的二级指标C7、C8、C9、C10、C11对B2指标的相对重要性,比较尺度重要性标度参照表5,形成判别矩阵B2。
B2 | C7 | C8 | C9 | C10 | C11 |
C8 | 1 | 3 | 3 | 5 | 2 |
C9 | 1/3 | 1 | 1 | 5 | 4 |
C10 | 1/3 | 1 | 1 | 6 | 4 |
C11 | 1/5 | 1/5 | 1/6 | 1 | 1/3 |
C12 | 1/2 | 1/4 | 1/4 | 3 | 1 |
S30404:准则层(一级指标)中准则层指标B3与其对应的二级指标之间的判别矩阵
两两比较B3指标对应的二级指标C12、C13对B3指标的相对重要性,比较尺度重要性标度参照表5,形成判别矩阵B3。
B3 | C12 | C13 |
C12 | 1 | 1/3 |
C13 | 3 | 1 |
S30405:准则层(一级指标)中准则层指标B4与其对应的二级指标之间的判别矩阵
两两比较B4指标对应的二级指标C14、C15、C16、C17、C18对B4指标的相对重要性,比较尺度重要性标度参照表5,形成判别矩阵B4。
B4 | C14 | C15 | C16 | C17 | C18 |
C14 | 1 | 1/3 | 1/3 | 1 | 3 |
C15 | 3 | 1 | 1 | 3 | 4 |
C16 | 3 | 1 | 1 | 3 | 3 |
C17 | 1 | 1/3 | 1/3 | 1 | 2 |
C18 | 1/3 | 1/4 | 1/3 | 1/2 | 1 |
S305:计算权重及一致性检验
判别矩阵最大特征根λmax的特征向量,经过归一化后记为w。w的元素为同一层次因素对于对应的上一层次元素的相对重要性的排序权值,即权重。
两两比较指标间的相对重要性得到判别矩阵。为了避免出现指标1和指标2 相比是4:1,指标3和指标2相比是2:1,但是指标3却比指标1更重要的情况出现,需要对判别矩阵进行一致性检验。具体包括以下步骤:
S30501:计算判别矩阵的最大特征值λmax和权重w
矩阵编号 | λ<sub>max</sub> | w |
A | λ<sub>maxa</sub> | w<sub>a</sub> |
B1 | λ<sub>maxb1</sub> | w<sub>b1</sub> |
B2 | λ<sub>maxb2</sub> | w<sub>b2</sub> |
B3 | λ<sub>maxb3</sub> | w<sub>b3</sub> |
B4 | λ<sub>maxb4</sub> | w<sub>b4</sub> |
其中,wa为判别矩阵A的权重,wb1、wb2、wb3、wb4分别为判别矩阵B1、 B2、B3、B4的权重。
S30502:计算一致性指标CI:
式中,λmax为判别矩阵的最大特征值;n为判别矩阵的阶数。
S30503:计算一致性比例CR:
式中,CI为一致性指标;RI为平均随机一致性指标。RI可以通过查表得到。
平均随机一致性指标RI如下表所示。
矩阵阶数 | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
RI | 0 | 0 | 0.52 | 0.89 | 1.12 | 1.26 | 1.36 |
矩阵阶数 | 8 | 9 | 10 | 11 | 12 | 13 | 14 |
RI | 1.41 | 1.49 | 1.49 | 1.52 | 1.54 | 1.56 | 1.58 |
当CR=0时,认为判别矩阵具有完全一致性;
当CR<0.1时,认为判别矩阵的一致性是可以接受的;
当CR>0.1时,认为判别矩阵不符合一致性要求,需要对该判别矩阵进行重新构造,即重复步骤S204到步骤S205直到判别矩阵一致性符合要求。
计算出的一致性比例如下表所示。
矩阵编号 | A | B1 | B2 | B3 | B4 |
CR | 0.0641 | 0.0340 | 0.0985 | 0.000 | 0.0251 |
所构造的5个判别矩阵均通过了一致性检验,可以接受。
步骤四、模糊综合评价
模糊综合评价法是一种基于模糊数学的综合评价方法。该综合评价法根据模糊数学的隶属度理论将定性评价转化为定量评价,即用模糊数学对受到多种因素制约的事物或对象作出一个总体的评价。
本模型设置对象集、因素集、子因素集、评语集、评价集、专家集。因为本模型包含因素集和子因素集,所以为二级综合模糊评判。一级模糊综合评判为子因素集相对于对应的因素集的评判。二级模糊综合评判为因素集相对于科技企业孵化器运营绩效的评判。先进行一级模糊综合评判,将一级模糊综合评判的结果作为二级模糊综合评判时的单因素评判矩阵。如图2所示,具体包括以下步骤:
S401:建立集合
S40101:建立对象集
一种科技企业孵化器运营绩效评价方法的评价对象集:科技企业孵化器运营绩效(A)。
S40102:建立因素集
一种科技企业孵化器运营绩效评价方法的因素集为指标体系中的一级指标:创业环境(B1)、综合孵化能力(B2)、社会贡献(B3)、成果效益(B4)。
S40103:建立子因素集
一种科技企业孵化器运营绩效评价方法的子因素集为指标体系中的二级指标。
子因素集一:地理位置(C1)、孵化基地周围3km内平均租金(C2)、政府专项扶持(C3)、投资主体与运营机构的关系(C4)、主要附属设施(C5)、主要服务功能内容(C6)。
子因素集二:单位孵化面积投资额(C7)、单位孵化规模基地管理人员(C8)、单位孵化规模聘用创业导师(C9)、社会服务机构(C10)、孵化效率(C11)。
子因素集三:在孵企业上缴税费(C12)、孵化基地内就业人员(C13)。
子因素集四:本年度企业毕业率(C14)、单位孵化规模运营平均利润(C15)、在孵企业平均总营业收入(C16)、累计毕业企业(C17)、单位孵化规模孵化企业数(C18)。
S402:构造一级模糊综合评判的评价矩阵
S40201:由定量指标数据生成单因素评价向量
读取步骤S201中的定量数据表中的孵化器数据,通过隶属度函数将子因素集中的定量指标数值转换为对评语集为{好,一般}中各评语的隶属程度。实现了将连续性指标数值转换为单因素评价向量。隶属度函数如下表所示。
其中,x2、x3,x7-x18分别表示:孵化基地周围3km内平均租金(C2)对应的定量指标数值、政府专项扶持(C3)对应的定量指标数值、单位孵化面积投资额(C7)对应的定量指标数值、单位孵化规模基地管理人员(C8)对应的定量指标数值、单位孵化规模聘用创业导师(C9)对应的定量指标数值、社会服务机构(C10)对应的定量指标数值、孵化效率(C11)对应的定量指标数值、在孵企业上缴税费(C12)对应的定量指标数值、孵化基地内就业人员(C13) 对应的定量指标数值、本年度企业毕业率(C14)对应的定量指标数值、单位孵化规模运营平均利润(C15)对应的定量指标数值、在孵企业平均总营业收入 (C16)对应的定量指标数值、累计毕业企业(C17)对应的定量指标数值、单位孵化规模孵化企业数(C18)对应的定量指标数值。
S40202:由定性指标数据生成单因素评价向量
从步骤S202中的定性数据表中读取一条数据。
地理位置指标(C1)对应的单因素评价向量为(C1_positive/effective_number,C1_negative/effective_number)。
投资机构与运营机构关系指标(C4)对应的单因素评价向量为 (C4_positive/effective_number,C4_negative/effective_number)。
主要附属设施(C5)对应的单因素评价向量为(C5_positive/effective_number,C5_negative/effective_number)。
主要服务功能(C6)对应的单因素评价向量为(C6_positive/effective_number,C6_negative/effective_number)。
S40203:生成一级模糊综合评判的评价矩阵
联合步骤S40301和步骤S40302得到的子因素集中各指标的单因素评价向量,得到评价矩阵。
子因素集一对应的评价矩阵为:
子因素集二对应的评价矩阵为:
子因素集三对应的评价矩阵为:
子因素集四对应的评价矩阵为:
S403:一级模糊综合评判
S40301:模糊变换
子因素集一对应的权重为wb1=(a11,a12,a13,a14,a15,a16);
子因素集二对应的权重为wb2=(a21,a22,a23,a24,a25);
子因素集三对应的权重为wb3=(a31,a32);
子因素集四对应的权重为wb4=(a41,a42,a43,a44,a45)。
按最大最小运算法则,作模糊变换。最大最小运算法则为相加时取各项最大者为和,相乘时取最小因子为积。
模糊变化结果为:
S40302:归一化
将模糊变化结果归一化得一级模糊综合评判的结果。将一级模糊综合评判结果作为二级模糊综合评判的单因素向量。
归一化公式为:
S404:二级模糊综合评判
S40401:评价矩阵
由步骤S40302的四个单因素评价向量得到二级模糊综合评判的评价矩阵。二级模糊综合评判的评价矩阵为:
S40402:模糊变换
由步骤S30501中的因素集对应的权重向量wa得到二级模糊综合评判结果。二级模糊综合评判结果B=wa*R。
步骤五、科技企业孵化器运营绩效排名
读取步骤S201中的定量数据表和步骤S202中的定性数据表,按照步骤四中的方法对待评价的科技企业孵化器运营绩效进行评价。
步骤S40402中的二级模糊综合评判结果为科技企业孵化器运营绩效的最终评价结果。对多家孵化器的运营绩效评价结果进行排序,即科技企业孵化器运营绩效排名。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种科技企业孵化器运营绩效评价方法,其特征在于,包括以下步骤:
步骤一、建立指标体系;
步骤二、收集待评价科技企业孵化器相关数据;
步骤三、评价科技企业孵化器的运营绩效,包括层次分析法确定指标权重和模糊综合评价;
步骤四、科技企业孵化器运营绩效排名。
3.根据权利要求2所述的一种科技企业孵化器运营绩效评价方法,其特征在于,步骤二具体包括以下步骤:
S201:收集定量指标数据
通过待评价科技企业孵化器自主上报或网络爬虫方式收集定量指标数据;
定量指标为:孵化基地周围3km内平均租金(C2)、政府专项扶持(C3)、单位孵化面积投资额(C7)、单位孵化规模基地管理人员(C8)、单位孵化规模聘用创业导师数量(C9)、社会服务机构数量(C10)、企业孵化效率(C11)、在孵企业上缴税费(C12)、孵化基地内就业人员(C13)、本年度企业毕业率(C14)、单位孵化规模运营平均利润(C15)、在孵企业平均总营业收入(C16)、累计毕业企业数量(C17)、单位孵化规模孵化企业数量(C18);
S202:收集定性指标数据
定性指标为:地理位置(C1)、投资主体和运营机构的关系(C4)、主要附属设施(C5)、主要服务功能内容(C6);
组织领域专家对定性指标进行评价;评语集为{好,一般};评价方式采用调查问卷方式;一张调查问卷调查一位专家对一家孵化器的评价;调查结束后,所有信息仅统计有效问卷,信息存入定性数据表如下表所示。
4.根据权利要求3所述的一种科技企业孵化器运营绩效评价方法,其特征在于,步骤三中,层次分析法确定指标权重具体包括以下步骤:
S301:确定目标层
目标层:科技企业孵化器运营绩效(A);
S302:确定准则层
目标层A对应的准则层为创业环境(B1)、综合孵化能力(B2)、社会贡献(B3)、成果效益(B4);
S303:确定方案层
准则层B1对应的方案层:地理位置(C1)、孵化基地周边3km内平均租金(C2)、政府专项扶持(C3)、投资主体与运营机构关系(C4)、主要附属设施(C5)、主要服务功能内容(C6);
准则层B2对应的方案层:单位孵化面积投资额(C7)、单位孵化规模基地管理人员(C8)、单位孵化规模聘用创业导师(C9)、社会服务机构(C10)、孵化效率(C11);
准则层(B3)对应的方案层:在孵企业上缴税费(C12)、孵化基地内就业人员(C13);
准则层(B4)对应的方案层:本年度企业毕业率(C14)、单位孵化规模运营平均利润(C15)、在孵企业平均总营业收入(C16)、累积毕业企业(C17)、单位孵化规模孵化企业数(C18);
S304:构造判别矩阵
从层次结构模型的第二层开始,对于从属于或影响上一层每个因素的同一层诸因素,用成对比较法和1-9比较尺度构成判别矩阵,直到最下层;1-9比较尺度重要性标度如下表所示:
S305:计算权重及一致性检验
判别矩阵最大特征根λmax的特征向量,经过归一化后记为w,w的元素为同一层次因素对于对应的上一层次元素的相对重要性的排序权值,即权重;
两两比较指标间的相对重要性得到判别矩阵并对其进行一致性检验。
5.根据权利要求4所述的一种科技企业孵化器运营绩效评价方法,其特征在于,步骤S304具体包括以下步骤:
S30401:目标层与准则层之间的判别矩阵,两两比较准则层指标对目标层指标A的相对重要性,形成判别矩阵A:
S30402:准则层中准则层指标B1与其对应的二级指标之间的判别矩阵,两两比较B1指标对应的二级指标C1、C2、C3、C4、C5、C6对B1指标的相对重要性,形成判别矩阵B1:
S30403:准则层中准则层指标B2与其对应的二级指标之间的判别矩阵,两两比较B2指标对应的二级指标C7、C8、C9、C10、C11对B2指标的相对重要性,形成判别矩阵B2:
S30404:准则层中准则层指标B3与其对应的二级指标之间的判别矩阵,两两比较B3指标对应的二级指标C12、C13对B3指标的相对重要性,形成判别矩阵B3;
S30405:准则层中准则层指标B4与其对应的二级指标之间的判别矩阵,两两比较B4指标对应的二级指标C14、C15、C16、C17、C18对B4指标的相对重要性,形成判别矩阵B4。
6.根据权利要求5所述的一种科技企业孵化器运营绩效评价方法,其特征在于,步骤S305具体包括以下步骤:
S30501:计算判别矩阵的最大特征值λmax和权重w
其中,wa为判别矩阵A的权重,wb1、wb2、wb3、wb4分别为判别矩阵B1、B2、B3、B4的权重;
S30502:计算一致性指标CI:
式中,λmax为判别矩阵的最大特征值;n为判别矩阵的阶数;
S30503:计算一致性比例CR:
式中,CI为一致性指标;RI为平均随机一致性指标;RI可以通过查表得到;
平均随机一致性指标RI如下所示:
当CR=0时,认为判别矩阵具有完全一致性;
当CR<0.1时,认为判别矩阵的一致性是可接受的;
当CR>0.1时,认为判别矩阵不符合一致性要求,应对该判别矩阵进行重新构造,即重复步骤S204到步骤S205直到判别矩阵一致性符合要求;
计算出的一致性比例如下所示:
所构造的5个判别矩阵均通过了一致性检验,可接受。
7.根据权利要求6所述的一种科技企业孵化器运营绩效评价方法,其特征在于,步骤四具体包括以下步骤:
S401:建立集合
S40101:建立对象集
评价对象集:科技企业孵化器运营绩效(A);
S40102:建立因素集
因素集为指标体系中的一级指标:创业环境(B1)、综合孵化能力(B2)、社会贡献(B3)、成果效益(B4);
S40103:建立子因素集
子因素集为指标体系中的二级指标;
子因素集一:地理位置(C1)、孵化基地周围3km内平均租金(C2)、政府专项扶持(C3)、投资主体与运营机构的关系(C4)、主要附属设施(C5)、主要服务功能内容(C6);
子因素集二:单位孵化面积投资额(C7)、单位孵化规模基地管理人员(C8)、单位孵化规模聘用创业导师(C9)、社会服务机构(C10)、孵化效率(C11);
子因素集三:在孵企业上缴税费(C12)、孵化基地内就业人员(C13);
子因素集四:本年度企业毕业率(C14)、单位孵化规模运营平均利润(C15)、在孵企业平均总营业收入(C16)、累计毕业企业(C17)、单位孵化规模孵化企业数(C18);
S402:构造一级模糊综合评判的评价矩阵;
S403:一级模糊综合评判;
S404:二级模糊综合评判。
8.根据权利要求7所述的一种科技企业孵化器运营绩效评价方法,其特征在于,步骤S402具体包括以下步骤:
S40201:由定量指标数据生成单因素评价向量
读取步骤S201中的定量数据表中的孵化器数据,通过隶属度函数将子因素集中的定量指标数值转换为对评语集为{好,一般}中各评语的隶属程度。实现了将连续性指标数值转换为单因素评价向量,隶属度函数如下所示:
其中,x2、x3,x7-x18分别表示:孵化基地周围3km内平均租金(C2)对应的定量指标数值、政府专项扶持(C3)对应的定量指标数值、单位孵化面积投资额(C7)对应的定量指标数值、单位孵化规模基地管理人员(C8)对应的定量指标数值、单位孵化规模聘用创业导师(C9)对应的定量指标数值、社会服务机构(C10)对应的定量指标数值、孵化效率(C11)对应的定量指标数值、在孵企业上缴税费(C12)对应的定量指标数值、孵化基地内就业人员(C13)对应的定量指标数值、本年度企业毕业率(C14)对应的定量指标数值、单位孵化规模运营平均利润(C15)对应的定量指标数值、在孵企业平均总营业收入(C16)对应的定量指标数值、累计毕业企业(C17)对应的定量指标数值、单位孵化规模孵化企业数(C18)对应的定量指标数值;
S40202:由定性指标数据生成单因素评价向量
从步骤S202中的定性数据表中读取一条数据;
地理位置指标(C1)对应的单因素评价向量为(C1_positive/effective_number,C1_negative/effective_number);
投资机构与运营机构关系指标(C4)对应的单因素评价向量为(C4_positive/effective_number,C4_negative/effective_number);
主要附属设施(C5)对应的单因素评价向量为(C5_positive/effective_number,C5_negative/effective_number);
主要服务功能(C6)对应的单因素评价向量为(C6_positive/effective_number,C6_negative/effective_number);
S40203:生成一级模糊综合评判的评价矩阵
联合步骤S40301和步骤S40302得到的子因素集中各指标的单因素评价向量,得到评价矩阵;
子因素集一对应的评价矩阵为:
子因素集二对应的评价矩阵为:
子因素集三对应的评价矩阵为:
子因素集四对应的评价矩阵为:
9.根据权利要求8所述的一种科技企业孵化器运营绩效评价方法,其特征在于,步骤S403具体包括以下步骤:
S40301:模糊变换
子因素集一对应的权重为wb1=(a11,a12,a13,a14,a15,a16);
子因素集二对应的权重为wb2=(a21,a22,a23,a24,a25);
子因素集三对应的权重为wb3=(a31,a32);
子因素集四对应的权重为wb4=(a41,a42,a43,a44,a45);
按最大最小运算法则,作模糊变换。最大最小运算法则为相加时取各项最大者为和,相乘时取最小因子为积;
模糊变化结果为:
S40302:归一化
将模糊变化结果归一化得一级模糊综合评判的结果,将一级模糊综合评判结果作为二级模糊综合评判的单因素向量;
归一化公式为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911154207.3A CN110942242A (zh) | 2019-11-22 | 2019-11-22 | 一种科技企业孵化器运营绩效评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911154207.3A CN110942242A (zh) | 2019-11-22 | 2019-11-22 | 一种科技企业孵化器运营绩效评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110942242A true CN110942242A (zh) | 2020-03-31 |
Family
ID=69907311
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911154207.3A Pending CN110942242A (zh) | 2019-11-22 | 2019-11-22 | 一种科技企业孵化器运营绩效评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110942242A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111882198A (zh) * | 2020-07-22 | 2020-11-03 | 北京市水科学技术研究院 | 一种项目绩效评价方法及系统 |
CN112396345A (zh) * | 2020-12-01 | 2021-02-23 | 福州市天弓信息科技有限公司 | 一种应急数据收集整理和分析处理方法 |
CN112529378A (zh) * | 2020-11-30 | 2021-03-19 | 株洲千金药业股份有限公司 | 一种基于智能识别的企业管理效能评价系统及方法 |
CN113344372A (zh) * | 2021-05-27 | 2021-09-03 | 苏州工业园区企业发展服务中心 | 一种链式孵化效率评价方法 |
CN113743817A (zh) * | 2021-09-14 | 2021-12-03 | 福建三钢闽光股份有限公司 | 一种基于云平台的企业信用等级评估方法 |
CN115204527A (zh) * | 2022-09-15 | 2022-10-18 | 万链指数(青岛)信息科技有限公司 | 基于大数据的企业运营健康指数评价系统 |
-
2019
- 2019-11-22 CN CN201911154207.3A patent/CN110942242A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111882198A (zh) * | 2020-07-22 | 2020-11-03 | 北京市水科学技术研究院 | 一种项目绩效评价方法及系统 |
CN112529378A (zh) * | 2020-11-30 | 2021-03-19 | 株洲千金药业股份有限公司 | 一种基于智能识别的企业管理效能评价系统及方法 |
CN112396345A (zh) * | 2020-12-01 | 2021-02-23 | 福州市天弓信息科技有限公司 | 一种应急数据收集整理和分析处理方法 |
CN113344372A (zh) * | 2021-05-27 | 2021-09-03 | 苏州工业园区企业发展服务中心 | 一种链式孵化效率评价方法 |
CN113743817A (zh) * | 2021-09-14 | 2021-12-03 | 福建三钢闽光股份有限公司 | 一种基于云平台的企业信用等级评估方法 |
CN115204527A (zh) * | 2022-09-15 | 2022-10-18 | 万链指数(青岛)信息科技有限公司 | 基于大数据的企业运营健康指数评价系统 |
CN115204527B (zh) * | 2022-09-15 | 2022-11-18 | 万链指数(青岛)信息科技有限公司 | 基于大数据的企业运营健康指数评价系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110942242A (zh) | 一种科技企业孵化器运营绩效评价方法 | |
Jorgenson et al. | Societies consuming nature: A panel study of the ecological footprints of nations, 1960–2003 | |
Huang et al. | A network DEA model with super efficiency and undesirable outputs: An application to bank efficiency in China | |
Nourani et al. | Measuring human, physical and structural capital efficiency performance of insurance companies | |
Derev'yanko et al. | Greening economy vs. greening business: performance indicators, driving factors and trends | |
Hamal et al. | A novel integrated AHP and MULTIMOORA method with interval-valued spherical fuzzy sets and single-valued spherical fuzzy sets to prioritize financial ratios for financial accounting fraud detection | |
Jeffreys | The use of compensatory and non-compensatory multi-criteria analysis for small-scale forestry | |
Yılmaz et al. | Assessment of sustainability performances of banks by TOPSIS method and balanced scorecard approach | |
Shahbazi Alenjagh | Performance evaluation and ranking of insurance companies in Tehran Stock Exchange by financial ratios using ANP and PROMETHEE | |
CN109919779A (zh) | 数据资产价值评估模型及方法 | |
CN116307841A (zh) | 一种集成多指标的高校评价系统的构建方法 | |
CN114091791B (zh) | 一种基于改进dea的ahp的物流绩效评估方法 | |
Hieu et al. | Scrutinizing time-varying interlinkages between digitalization, green technologies, CO2 emission, and energy productivity in Vietnam | |
Ren et al. | Interval reference point technique for sustainable industrial processs election under uncertainties | |
CN117217634B (zh) | 一种基于复杂网络的企业合作社区发现方法 | |
Pilehvar | Investigating the relationship between informal economy and competitiveness in Iran’s metropolises | |
CN117350588A (zh) | 一种金融科技能力综合评价方法及评价模型 | |
Ahmad et al. | Financial networks and systemic risk vulnerabilities: A tale of Indian banks | |
Holis et al. | An examination of regional competitiveness: early findings from Banten, Indonesia | |
Dávila et al. | The natural resource boom and the uneven fall of the labor share | |
CN115689201A (zh) | 面向企业资源供需调配的多准则智能决策优化方法及系统 | |
Hussain et al. | Micro-factors influencing site selection for small and medium enterprises (SMEs) in Saudi Arabia: Al-Hassa area using Analytical Hierarchy Process (AHP) analysis | |
CN113159634A (zh) | 一种金融产品管理方法、装置及电子设备 | |
Mavri | Classifying Greek banks based on bank ranking index (BRI) | |
Zhao et al. | Research on Credit Evaluation System of E-business Enterprises from The Perspective of Organizational Resilience Theory |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200331 |