修回日期：2018-06-28. 文章编号：1000-2995(2019)11-012-0111 DOI：10.19571/j.cnki.1000-2995.2019.11.012 中图分类号：C931.2 文献标识码：A 1 引言 《中国制造2025》行动纲领指出要坚持把创新摆在制造业发展的突出位置，走创新驱动发展道路，创新是企业的生存之本，也是实现科技强国战略的保障。高效率的创新需要有效的绩效管理，现有的创新绩效研究以静态绩效评价为主，并且将企业创新活动视为一个整体进行绩效考察，绩效评价缺乏针对性和动态性。Kanter[1]将企业创新活动分为主流创新和新流创新(简称：二元创新)，主流创新是通过改善和提升既有技术以延长技术生命周期，保证当前稳定业务收益为目的的创新活动；而在主流创新衰退期进行技术轨道的跃迁，通过探索新技术以保持技术领先的创新活动称为新流创新[2]，企业创新活动是主流与新流创新的交融共生、兴衰更替的演进过程[3]，因此，根据技术特征差异分为主流和新流创新再进行绩效评价，对于管理者有的放矢地制定创新战略具有指导意义。 目前针对二元创新绩效的研究主要包括：一是探讨二元创新绩效的影响因素。如Kanter[1]提出新流创新、开发活动、主流业务能力、原材料和产出是影响二元创新绩效的关键因素。Leifer等[4]认为效率、质量和顾客响应速度是影响主流创新绩效的关键变量，而企业战略、组织结构、技术范式和资源整合影响新流创新绩效。Mile[5]研究发现创新能力、领导力和商业战略、新产品研发和知识产权影响新流创新绩效，而主流创新绩效主要取决于创新能力、持续型发展导向、领导力和商业战略、学习型组织；二是从不同视角构建创新绩效评价指标体系。Arcelus等[6]基于投入产出视角，张首魁，苏源泉[7]基于创新过程视角，王宗军等[8]基于创新效益视角，李露[9]基于网络层次视角，沈克正[i0]基于能力、行为及业绩视角分别构建企业创新绩效评价指标体系；三是针对创新绩效的评价方法。Movshuk[11]，尹述颖，陈立泰[12]采用SFA模型分别测算中国钢铁企业和医药企业的技术创新效率，柴玮等[13]运用DEA模型测算资源型企业科技创新绩效。 现有的研究主要专注于静态或基于历史数据的测算，缺乏对动态绩效及动态绩效演化中关键影响要素的关注。因此，本文在朱斌，吴赐联[2]界定的二元创新概念和特征基础上进行以下拓展：构建二元创新动态绩效评价指标体系，并绘制指标间因果关系的模糊认知图，采用群体专家意见与Hebbian权值学习法相结合的邻接矩阵确定方法，选择汽车企业作为实证研究对象，模拟该企业二元创新动态绩效演化进程并探讨核心变量对创新动态绩效的影响机理。 2 动态绩效评价模型的构建 2.1 模糊认知图的原理 2.1.1 知识表示 在Axelrod[14]的研究基础上Kosko[15]提出了模糊认知图(Fuzzy Cognitive Map，FCM)的概念，作为一种推理技术，FCM利用接近于人们认知的方式来描述一个系统，通过强调因果连接和图的结构来表示知识[16]。设C=(c[，1]，c[，2]，…，c[，n])是创新系统中n个概念节点的集合，其中c[，i]∈[0，1]，若节点c[，i]到c[，i]之间存在因果关系弧，则用一条带箭头的箭线将其相连，权值用w[，ij]表示，w[，ij]∈[-l，1]，当w[，ij]>0表示概念节点c[，i]对c[，i]具有正向促进作用，当w[，ij]=0表示c[，i]与c[，j]之间不存在因果关系，当w[，ij]<0表示c[，i]对c[，j]具有抑制作用，w[，ij]的绝对值大小表示作用强度，权重系数w[，ij]构成邻接矩阵W. 2.1.2 推理机制 (1)迭代原理 假设C=(c[，1]，c[，2]，…，c[，n])是创新系统中n个概念节点的集合，A[t][，i]和A[t+1][，i]分别表示概念节点c[，i]在t和t+1时刻的状态值，w[，ji]表示节点c[，j]对c[，i]的影响程度，则概念节点c[，i]状态值的动态变化由转换函数式(1)决定： A[t+1][，i]=f(A[t][，i]+
A[t][，j]w[，ji]) (1) 函数f(·)为阈值函数，将迭代的结果限制在区间[0，1]或[-1，1]内，不同的阈值函数有不同的输出范围[17]，其中S型曲线函数可将概念节点的值映射到区间[0，1]内的任意值，结合本研究的实际，选择公式(2)的S型曲线函数作为阈值函数： f(x)=1/1+e[-cx] (2) (2)邻接矩阵权值的确定 基于专家经验知识绘制FCM并进行指标赋权，专家的可信性会随着模型复杂度的提高而降低，特别是在指标间因果关系的赋权方面。针对专家主观赋权法存在的缺陷，学者致力于从历史数据中学习FCM的权值，形成了Hebbian算法、遗传算法和最小平方技术等[17]。但是过于依赖客观数据也容易与指标间因果关系的实际相悖，为此，本文首先采用专家法确定创新系统动态绩效演化的FCM框架和初始邻接矩阵，然后运用非线性Hebbian权值学习法对初始邻接矩阵进行修正。
