城市创新绩效影响因素的灰色关联分析
灰色关联分析(算法步骤)
灰色关联分析 灰色关联分析是指对一个系统发展变化态势的定量描述和比较的方法，其基本思想是通过确定参考数据列和若干个比较数据列的几何形状相似程度来判断其联系是否紧密，它反映了曲线间的关联程度[1]。 灰色系统理论是由著名学者邓聚龙教授首创的一种系统科学理论(Grey Theory)，其中的灰色关联分析是根据各因素变化曲线几何形状的相似程度，来判断因素之间关联程度的方法。此方法通过对动态过程发展态势的量化分析，完成对系统内时间序列有关统计数据几何关系的比较，求出参考数列与各比较数列之间的灰色关联度。与参考数列关联度越大的比较数列，其发展方向和速率与参考数列越接近，与参考数列的关系越紧密。灰色关联分析方法要求样本容量可以少到4个，对数据无规律同样适用，不会出现量化结果与定性分析结果不符的情况。其基本思想是将评价指标原始观测数进行无量纲化处理，计算关联系数、关联度以及根据关联度的大小对待评指标进行排序。灰色关联度的应用涉及社会科学和自然科学的各个领域，尤其在社会经济领域，如国民经济各部门投资收益、区域经济优势分析、产业结构调整等方面，都取得较好的应用效果。 [2] 关联度有绝对关联度和相对关联度之分，绝对关联度采用初始点零化法进行初值化处理，当分析的因素差异较大时，由于变量间的量纲不一致，往往影响分析，难以得出合理的结果。而相对关联度用相对量进行分析，计算结果仅与序列相对于初始点的变化速率有关，与各观测数据大小无关，这在一定程度上弥补了绝对关联度的缺陷。[2] 灰色关联分析的步骤[2] 灰色关联分析的具体计算步骤如下： 第一步：确定分析数列。 确定反映系统行为特征的参考数列和影响系统行为的比较数列。反映系统行为特征的数据序列，称为参考数列。影响系统行为的因素组成的数据序列，称比较数列。 设参考数列（又称母序列）为Y={Y(k) | k= 1,2,Λ,n}；比较数列（又称子序列）X i={X i(k) | k = 1,2,Λ,n},i= 1,2,Λ,m。 第二步，变量的无量纲化 由于系统中各因素列中的数据可能因量纲不同，不便于比较或在比较时难以得到正确的结论。因此在进行灰色关联度分析时，一般都要进行数据的无量纲化处理。
浅议灰色关联度分析方法及其应用
科技信息 SCIENCE&TECHNOLOGY INFORMATION 2010年第17期 1关联度的概念 关联度是事物之间、因素之间关联性大小的量度。它定量地描述 了事物或因素之间相互变化的情况，即变化的大小、方向与速度等的 相对性。如果事物或因素变化的态势基本一致，则可以认为它们之间 的关联度较大，反之，关联度较小。对事物或因素之间的这种关联关 系，虽然用回归、相关等统计分析方法也可以做出一定程度的回答，但 往往要求数据量较大、数据的分布特征也要求比较明显。而且对于多 因素非典型分布特征的现象，回归相关分析的难度常常很大。相对来 说，灰色关联度分析所需数据较少，对数据的要求较低，原理简单，易 于理解和掌握，对上述不足有所克服和弥补。 2关联度的计算 灰色关联度分析的核心是计算关联度。一般说来，关联度的计算 首先要对原始数据进行处理，然后计算关联系数，由此就可计算出关 联度。 2.1原始数据的处理 由于各因素各有不同的计量单位，因而原始数据存在量纲和数量 级上的差异，不同的量纲和数量级不便于比较，或者比较时难以得出 正确结论。因此，在计算关联度之前，通常要对原始数据进行无量纲化 处理。其方法包括初值化、均值化等。 2.1.1初值化。即用同一数列的第一个数据去除后面的所有数据，得 到一个各个数据相对于第一个数据的倍数数列，即初值化数列。一般 地，初值化方法适用于较稳定的社会经济现象的无量纲化，因为这样 的数列多数呈稳定增长趋势，通过初值化处理，可使增长趋势更加明 显。比如，社会经济统计中常见的定基发展指数就属于初值化数列。 2.1.2均值化。先分别求出各个原始数列的平均数，再用数列的所有 数据除以该数列的平均数，就得到一个各个数据相对于其平均数的倍 数数列，即均值化数列。一般说来，均值化方法比较适合于没有明显升 降趋势现象的数据处理。 2.2计算关联系数 设经过数据处理后的参考数列为： {x0(t)}＝{x01，x02，…，x0n} 与参考数列作关联程度比较的p个数列(常称为比较数列)为： {x1(t)，x2(t)，…，x p(t)}＝ x11x12…x1n x21x22…x2n ………… x p1x p2…x pn 上式中，n为数列的数据长度，即数据的个数。 从几何角度看，关联程度实质上是参考数列与比较数列曲线形状的相似程度。凡比较数列与参考数列的曲线形状接近，则两者间的关联度较大；反之，如果曲线形状相差较大，则两者间的关联度较小。因此，可用曲线间的差值大小作为关联度的衡量标准。 将第k个比较数列(k＝1，2，…，p)各期的数值与参考数列对应期的差值的绝对值记为： Δok(t)=x0(t)-x k(t)t＝1，2，…，n 对于第k个比较数列，分别记n个Δok(t)中的最小数和最大数为Δok(min)和Δok(max)。对p个比较数列，又记p个Δok(min)中的最小者为Δ(min)，p个Δok(max)中的最大者为Δ(max)。这样Δ(min)和Δ(max)分别是所有p个比较数列在各期的绝对差值中的最小者和最大者。于是，第k个比较数列与参考数列在t时期的关联程度(常称为关联系数)可通过下式计算： ζok(t)=Δ(min)+ρΔ(max) ok 式中ρ为分辩系数，用来削弱Δ(max)过大而使关联系数失真的影响。人为引入这个系数是为了提高关联系数之间的差异显著性。0＜ρ＜1。 可见，关联系数反映了两个数列在某一时期的紧密程度。例如，在使Δok(t)＝Δ(min)的时期，ζok(t)＝1，关联系数最大；而在使Δok(t)＝Δ(max)的时期，关联系数最小。由此可知，关联系数变化范围为0＜ζok(t)≤1。 显然，当参考数列的长度为n时，由p个比较数列共可计算出n×p个关联系数。 2.3求关联度 由于每个比较数列与参考数列的关联程度是通过n个关联系数来反映的，关联信息分散，不便于从整体上进行比较。因此，有必要对关联信息作集中处理。而求平均值便是一种信息集中的方式。即用比较数列与参考数列各个时期的关联系数之平均值来定量反映这两个数列的关联程度，其计算公式为： r ok=1 n n i=1 Σζok(t) 式中，r ok为第k个比较数列与参考数列的关联度。 不难看出，关联度与比较数列、参考数列及其长度有关。而且，原始数据的无量纲化方法和分辩系数的选取不同，关联度也会有变化。 2.4排关联度 由上述分析可见，关联度只是因素间关联性比较的量度，只能衡量因素间密切程度的相对大小，其数值的绝对大小常常意义不大，关键是反映各个比较数列与同一参考数列的关联度哪个大哪个小。 当比较数列有p个时，相应的关联度就有p个。按其数值的大小顺序排列，便组成关联序。它反映了各比较数列对于同一参考数列的“主次”、“优劣”关系。 灰色关联度分析方法的运用之一，就是因素分析。在实际工作中，影响一个经济变量的因素很多。但由于客观事物很复杂，人们对事物的认识有信息不完全性和不确定性，各个因素对经济总量的影响作用不是一下子就能够看清楚的，需要进行深入的研究，这就是经济变量的因素分析。运用灰色关联度进行因素分析是非常有效的，而且特别适用于各个影响因素和总量之间不存在严格数学关系的情况。 例1：利用关联度分析方法研究某公路施工企业工资序列（表1）。 表1某公路施工企业工资序列表单位：千元 根据表1中数据，以工资总额为参考数列x0(t)，以计时工资x1(t)、档案工资x2(t)和承包工资x3(t)为比较数列，计算三种工资对于工资总额的关联度。 第一步，对各数列作均值化处理。 工资总额和三种工资的均值分别为： 浅议灰色关联度分析方法及其应用 孙芳芳 (濮阳市公路管理局河南濮阳457000) 【摘要】灰色关联度是灰色数学中的一种方法，用来研究事物相互关联、相互作用的复杂因素的影响作用，确定影响事物的本质因素，使各种影响因素之间的“灰色”关系清晰化。本文介绍了灰色关联度在实际工作中的分析方法和步骤，为定量描述事物或因素之间相互变化的情况提供了理论依据。 【关键词】灰色关联度；分析方法；综合评价；应用 年份工资总额计时工资档案工资承包工资 200313974.23831.06587.23556.0 200415997.64228.07278.04491.6 200517681.35017.07717.44946.9 200620188.35288.69102.25797.5 200724020.35744.011575.26701.0 x i軃18372.34821.78450.05098.6○公路与管理○ 880
灰色关联分析
2 灰色关联分析方法 在实际问题中，许多因素之间的关系是灰色的，人们很难分清哪些因素是主导因素，哪些因素是非主导因素；哪些因素之间关系密切，哪些不密切。灰色关联分析，为我们解决这类问题提供了一种行之有效的方法。 一、灰色关联分析概述 我们知道，统计相关分析是对因素之间的相互关系进行定量分析的一种有效方法。但是，我们也注意到相关系数具这样的性质： xy yx r r =，即因素y 对因素x 的相关程度与因素x 对因素y 的相关程度相等。暂且不去追究因素之间的相关程度究竟有多大。单就相关系数的这种性质而言，也是与实际情况不太相符的。譬如，在国民经济问题研究中，我们能将农业对工业的关联程度与工业对农业的关联程度等同看待吗？其次，由于地理现象与问题的复杂性，以及人们认识水平的限制，许多因素之间的关系是灰色的，很难用相关系数比较精确地度量其相关程度的客观大小。为了克服统计相关分析的上述种种缺陷，灰色系统理论中的灰色关联分析给我们提供了一种分析因素之间相互关系的又一种方法。 灰色关联分析，从其思想方法上来看，属于几何处理的范畴，其实质是对反映各因素变化特性的数据序列所进行的几何比较。用于度量因素之间关联程度的关联度，就是通过对因素之间的关联曲线的比较而得到的。 设x 1，x 2，…，x N 为N 个因素，反映各因素变化特性的数据列分别为｛x 1(t)｝，｛x 2(t)｝，…｛x N (t)｝，t=1，2，…，M 。因素j x 对i x 的关联系数定义为 min max max ()1,2,3,,(1)()ij ij k t t M t k ξ?+?= =?+? (5)式中，ξij (t)为因素j x 对i x 在t 时刻的关联系数； max min ()|()()|,max max (),min min ();ij i j ij ij j j j j t x t x t t t ?=-?=??=?k 为介于[0，1]区 间上的灰数。不难看出，△ij (t)的最小值是min ?，
灰色关联分析法原理及解题步骤教学提纲
灰色关联分析法原理及解题步骤
灰色关联分析法原理及解题步骤 ---------------研究两个因素或两个系统的关联度（即两因素变化大小,方向与速度的相对性） 关联程度——曲线间几何形状的差别程度 灰色关联分析是通过灰色关联度来分析和确定系统因素间的影响程度或因素对系统主行为的贡献测度的一种方法。 灰色关联分析的基本思想是根据序列曲线几何形状的相似程度来判断其联系是否紧密 1>曲线越接近,相应序列之间的关联度就越大,反之就越小 2>灰色关联度越大，两因素变化态势越一致 分析法优点 它对样本量的多少和样本有无规律都同样适用,而且计算量小,十分方便,更不会出现量化结果与定性分析结果不符的情况。 灰色系统关联分析的具体计算步骤如下 1》参考数列和比较数列的确定 参考数列——反映系统行为特征的数据序列 比较数列——影响系统行为的因素组成的数据序列 2》无量纲化处理参考数列和比较数列 （1）初值化——矩阵中的每个数均除以第一个数得到的新矩阵
（2）均值化——矩阵中的每个数均除以用矩阵所有元素的平均值得到的新矩阵 （3）区间相对值化 3》求参考数列与比较数列的灰色关联系数ξ（Xi） 参考数列X0 比较数列X1、X2、X3…………… 比较数列相对于参考数列在曲线各点的关联系数ξ（i） 称为关联系数，其中ρ称为分辨系数，ρ∈（0，1），常取0.5.实数第二级最小差，记为Δmin。两级最大差，记为Δmax。为各比较数列Xi曲线上的每一个点与参考数列X0曲线上的每一个点的绝对差值。记为Δoi(k)。所以关联系数ξ（Xi）也可简化如下列公式： 4》求关联度ri 关联系数——比较数列与参考数列在各个时刻（即曲线中的各点）的关联程度值，所以它的数不止一个，而信息过于分散不便于进行整体性比较。因此有必要将各个时刻
基于VAR模型的创新绩效影响因素分析
基于V AR模型的创新绩效影响因素分析 利用2004—2013年中国电子产业的数据，估计了企业固定资产投入额对产业创新绩效的影响。研究表明，往期的固定资产投资的力度对当期的创新绩效是存在着正向影响的，或者说现在的固定投资可能会正向影响以后的创新绩效。前一期创新的结果和当期的创新绩效也是正相关的，即现在表现出来的创新的结果会正面作用于下一期的创新绩效；企业应该结合实际选择适当的固定资产投资额以确保创新的效率。 标签：创新绩效；固定资产投资；创新效率 doi：10.19311/https://www.360docs.net/doc/cb363343.html,ki.1672-3198.2016.11.004 1引言 随着经济的全球化，外部经济环境的不断变化，企业间竞争日益激烈。企业要想维持自身竞争优势，就必须提高创新能力。随着经济新常态，各个产业发展速度放缓，呈现稳步增长。许多中小企业就会因此而面临挑战，例如外需不足，贸易摩擦趋于多样化、隐蔽化带来的挑战等等。加大产品创新、扩大内需是解决这一问题的关键所在。不断提升创新能力，是企业最终实现可持续发展的有效途径。自经济学家熊彼特最早提出“创新”的概念之后，创新理论就层出不穷，关于企业创新绩效的问题也引发了业界和学术界的高度关注。国内外的很多学者都曾对创新绩效的影响因素做过相关的研究，再者就是对创新绩效评价体系的探讨，也有很多是针对我国国内地区性企业的创新状况和某一特定的产业内部的创新绩效的实证分析。 目前，企业的创新模式已从线性化转向网络化，创新的过程也越来越复杂，企业很难依靠自身进行单独创新。在此情况下，企业就需要依靠创新网络，运用网络中溢出的有效知识增加创新的成功率，提高创新绩效。创新主要是来源于两个方面的：内部的自主研发投入和外部的知识学习应用。经济学家和政策制定者通常认为，企业研发投入是提高企业自主创新能力的决定性因素之一，在很大程度上决定着产业的创新绩效和一国的综合竞争优势。自20世纪60年代以来，经济学家围绕着企业研发投入与产业创新绩效之间的关系在经验层面上做了大量深入细致的工作，积累了丰富的研究成果。值得注意的是，这些研究中的绝大多数都以发达工业化国家为背景，有关发展中国家的相关研究还比较有限（Mahmood和Singh，2003）。本文尝试以中国的电子产业为例，从经验层面上系统分析企业研发投入（固定资产的投资额）对产业创新绩效的影响，为人们深入认识新时期我国企业的自主创新能力和产业的创新水平提供一些新的经验证据。 2指标选取与研究假设 2.1指标的选取
灰色关联分析法原理及解题步骤
灰色关联分析法原理及解题步骤 ---------------研究两个因素或两个系统的关联度（即两因素变化大小,方向与速度的相对性） 关联程度——曲线间几何形状的差别程度 灰色关联分析是通过灰色关联度来分析和确定系统因素间的影响程度或因素对系统主行为的贡献测度的一种方法。 灰色关联分析的基本思想是根据序列曲线几何形状的相似程度来判断其联系是否紧密 1>曲线越接近,相应序列之间的关联度就越大,反之就越小 2>灰色关联度越大，两因素变化态势越一致 分析法优点 它对样本量的多少和样本有无规律都同样适用,而且计算量小,十分方便,更不会出现量化结果与定性分析结果不符的情况。 灰色系统关联分析的具体计算步骤如下 1》参考数列和比较数列的确定 参考数列——反映系统行为特征的数据序列 比较数列——影响系统行为的因素组成的数据序列 2》无量纲化处理参考数列和比较数列 （1）初值化——矩阵中的每个数均除以第一个数得到的新矩阵
（2）均值化——矩阵中的每个数均除以用矩阵所有元素的平均值得到的新矩阵 （3）区间相对值化 3》求参考数列与比较数列的灰色关联系数ξ（Xi） 参考数列X0 比较数列X1、X2、X3…………… 比较数列相对于参考数列在曲线各点的关联系数ξ（i） 称为关联系数，其中ρ称为分辨系数，ρ∈（0，1），常取0.5.实数第二级最小差，记为Δmin。两级最大差，记为Δmax。为各比较数列Xi曲线上的每一个点与参考数列X0曲线上的每一个点的绝对差值。记为Δoi(k)。所以关联系数ξ（Xi）也可简化如下列公式： 4》求关联度ri 关联系数——比较数列与参考数列在各个时刻（即曲线中的各点）的关联程度值，所以它的数不止一个，而信息过于分散不便于进行整体性比较。因此有必要将各个时刻（即曲线
最新2灰色关联分析汇总
2灰色关联分析
精品资料 仅供学习与交流，如有侵权请联系网站删除 谢谢2 2 灰色关联分析方法 在实际问题中，许多因素之间的关系是灰色的，人们很难分清哪些因素是主导因素，哪些因素是非主导因素；哪些因素之间关系密切，哪些不密切。灰色关联分析，为我们解决这类问题提供了一种行之有效的方法。 一、灰色关联分析概述 我们知道，统计相关分析是对因素之间的相互关系进行定量分析的一种有效方法。但是，我们也注意到相关系数具这样的性质： xy yx r r =，即因素y 对因 素x 的相关程度与因素x 对因素y 的相关程度相等。暂且不去追究因素之间的相关程度究竟有多大。单就相关系数的这种性质而言，也是与实际情况不太相符的。譬如，在国民经济问题研究中，我们能将农业对工业的关联程度与工业对农业的关联程度等同看待吗？其次，由于地理现象与问题的复杂性，以及人们认识水平的限制，许多因素之间的关系是灰色的，很难用相关系数比较精确地度量其相关程度的客观大小。为了克服统计相关分析的上述种种缺陷，灰色系统理论中的灰色关联分析给我们提供了一种分析因素之间相互关系的又一种方法。 灰色关联分析，从其思想方法上来看，属于几何处理的范畴，其实质是对反映各因素变化特性的数据序列所进行的几何比较。用于度量因素之间关联程度的关联度，就是通过对因素之间的关联曲线的比较而得到的。 设x 1，x 2，…，x N 为N 个因素，反映各因素变化特性的数据列分别为 ｛x 1(t)｝，｛x 2(t)｝，…｛x N (t)｝，t=1，2，…，M 。因素j x 对i x 的关联系数定义为 min max max ()1,2,3,,(1)()ij ij k t t M t k ξ?+?==?+? (5)式中，ξij (t)为因素j x 对i x 在t 时刻的关联系数； max min ()|()()|,max max (),min min ();ij i j ij ij j j j j t x t x t t t ?=-?=??=?k 为介于[0，1]区间上的灰数。不难看出，△ij (t)的最小值是min ?，
团队创新绩效影响因素研究综述
Management Science and Engineering 管理科学与工程, 2019, 8(2), 161-167 Published Online June 2019 in Hans. https://www.360docs.net/doc/cb363343.html,/journal/mse https://https://www.360docs.net/doc/cb363343.html,/10.12677/mse.2019.82021 Review of the Research on the Influencing Factors of Team Innovation Performance Jing Zhan, Qiangguo Zheng School of Economics and Management, North China University of Technology, Beijing Received: May 15th, 2019; accepted: Jun. 3rd, 2019; published: Jun. 10th, 2019 Abstract Innovation performance is an effective indicator of the results of an enterprise’s innovation out-put. Based on the research literature on the factors affecting team innovation performance in China, this paper attempts to analyze and summarize the influencing factors of team innovation performance from the perspective of dependent variables, mediator variables and regulatory va-riables, and summarizes and forecasts. Keywords Team Innovation Performance, Influencing Factors, Summary 团队创新绩效影响因素研究综述 詹景，郑强国 北方工业大学经济管理学院，北京 收稿日期：2019年5月15日；录用日期：2019年6月3日；发布日期：2019年6月10日 摘要 创新绩效是衡量企业创新产出结果的有效指标。本文在梳理国内有关团队创新绩效影响因素研究文献的基础上，试图从因变量、中介变量和调节变量的角度分析和归纳团队创新绩效的影响因素，并进行总结和展望。 关键词 团队创新绩效，影响因素，小结
灰色关联度分析讲解
第五章灰色关联度分析 目录 壹、何谓灰色关联度分析 ------------------------- 5-2 贰、灰色联度分析实例详说与练习 ----------------- 5-8 第五章灰色关联度分析 壹、何谓灰色关联度分析 一.关联度分析 灰色系统分析方法针对不同问题性质有几种不同做法，灰色关联度分析(Grey Relational Analysis)是其中的一种。基 本上灰色关联度分析是依据各因素数列曲线形状的接近程度 做发展态势的分析。 灰色系统理论提出了对各子系统进行灰色关联度分析的概念，意图透过一定的方法，去寻求系统中各子系统(或因素) 之间的数值关系。简言之，灰色关联度分析的意义是指在系统
发展过程中，如果两个因素变化的态势是一致的，即同步变化程度较高，则可以认为两者关联较大；反之，则两者关联度较小。因此，灰色关联度分析对于一个系统发展变化态势提供了量化的度量，非常适合动态(Dynamic)的历程分析。 灰色关联度可分成「局部性灰色关联度」与「整体性灰色关联度」两类。主要的差别在于「局部性灰色关联度」有一参考序列，而「整体性灰色关联度」是任一序列均可为参考序列。 二.直观分析 依据因素数列绘制曲线图，由曲线图直接观察因素列间的接近程度及数值关系，表一某老师给学生的评分表数据数据为例，绘制曲线图如图一所示，由曲线图大约可直接观察出该老师给分总成绩主要与考试成绩关联度较高。 表一某一老师给学生的评分表单位：分/ %
由曲线图直观分析，是可大略分析因素数列关联度，可看出考试成绩与总成绩曲线形状较接近，故较具关联度，但若能以量化分析予以左证，将使分析结果更具有说服力。 三.量化分析 量化分析四步曲： 1.标准化(无量纲化)：以参照数列(取最大数的数列)为 基准点，将各数据标准化成介于0至1之间的数据最 佳。 2.应公式需要值，产生对应差数列表，内容包括：与参 考数列值差(绝对值)、最大差、最小差、ζ（Zeta） 为分辨系数，0＜ζ＜1，可设ζ = 0.5(采取数字最终 务必使关联系数计算：ξi（k）小于1为原则，至于
灰色关联度分析解法及详细例题解答
1.地梭梭生长量与气候因子的关联分析 下表为1995年3年梭梭逐月生长量（X0）、月平均气温（X1）、月降水量（X2）、月日照（X3）时数和月平均相对湿度（X4）的原始数据，试排出影响梭梭生长的关联序，并找出主要的影响因子。 灰色系统理论提出了灰色关联度的概念，它是提系统中两个因素关联性大小的量度，关联度的大小直接反映系统中的各因素对目标值的影响程度。运用灰色关联分析法进行因素分析的一般步骤为： 第一步：确定分析数列。 确定反映系统行为特征的参考数列和影响系统行为的比较数列。反映系统行为特征的数据序列，称为参考数列。（Y）设参考数列（又称母序列）为Y = {Y （k）| k = 1，2，Λ，n}；影响系统行为的因素组成的数据序列，称比较数列。（X）比较数列（又称子序列）Xi = {Xi（k）| k = 1,2,Λ,n}，i = 1，2，Λ，m。 第二步，变量的无量纲化 由于系统中各因素列中的数据可能因量纲不同，不便于比较或在比较时难以得到正确的结论。因此为了保证结果的可靠性，在进行灰色关联度分析时，一般都要进行数据的无量纲化处理。 第三步，计算关联系数。X 0（k）与x i （k）的关联系数 记，则 ，称为分辨系数。ρ越小，分辨力越大，一般ρ的取值区间为(0,1),具体
取值可视情况而定。当时，分辨力最好，通常取ρ = 。 ξi（k）继比较数列xi的第k个元素与参考数列xo的第k个元素之间的关联系数。 第四步，计算关联度 因为关联系数是比较数列与参考数列在各个时刻（即曲线中的各点）的关联程度值，所以它的数不止一个，而信息过于分散不便于进行整体性比较。因此有必要将各个时刻（即曲线中的各点）的关联系数集中为一个值，即求其平均值，作为比较数列与参考数列间关联程度的数量表示，关联度ri公式如下： 第五步，关联度排序 关联度按大小排序，如果r1 < r2，则参考数列y与比较数列x2更相似。 在算出Xi（k）序列与Y（k）序列的关联系数后，计算各类关联系数的平均值，平均值ri就称为Y（k）与Xi（k）的关联度。 本题解答过程： 第一步：数据处理 X 0（k）= {，，，，13，，18，，，，8，1 } X 1（k）= {，，10，，，，，，22，18，， } X 2（k）= {17，，，，，，，，，，， } X 3（k）= {，，，137，，，，，，84，， } X 4（k）= {81，79，75，75，77，79，83，86，83，82，81，82}
集群创新绩效影响因素研究综述
集群创新绩效影响因素研究综述 本文基于创新理论和创新绩效的相关研究，系统梳理了不同学者对集群创新系统能力研究的重点。在此基础上，从不同角度出发，对国内外不同学者关于集群创新绩效影响因素的研究进行了综述。 标签：集群创新绩效;创新理论;影响因素;研究综述 1前言 集群创新指的是在某个特定的区域范围之内，各个创新主体之间相互合作并且受到创新环境影响的一个有机整体。当今社会的集群创新活动，一般都需要一系列搭档的相互协作，才能生产出真正给顾客带来价值的成果，实现共赢，不然就会被推迟甚至会失去竞争优势。 近期的研究中，越来越多的学者们逐渐认识到掌握集群创新绩效影响因素对于促进我国集群成员企业的发展具有极大的作用，但是相关研究刚刚起步，成果不多且缺乏系统性和针对性，国内的相关研究还相对较少。有鉴于此，本文结合有关理论，梳理了有关集群创新系统能力的研究。在此基础上，进行了集群创新绩效影响因素的研究综述。 2集群创新绩效研究综述 2.1集群创新系统能力研究。国外对集群创新系统能力的研究，是在区域创新系统研究基础上展开和深化的，比较典型的是Padmore与Gibson（1998）提出的GEM模型，该模型把区域集群创新系统分为基础一企业一市场三要素。Asheim与Coenen（2005）认为，集群系统由企业、支撑产业和制度结构及两者的互动构成，开启了动态构成分析思维。Filippetti和Archibugi（2010）从创新系统结构视角出发，通过分析宏观和微观数据发现，影响集群系统创新能力的关键因素是人力资源质量、高技术产业专业化程度和金融系统完善程度。 国内学者董秋霞、高长春（2012）[1]通过构建产业集群创新网络模型，从创新主体网络、创新支持网络和创新环境网络3个层面构建了包括6个二级指标、30个三级指标的集群创新能力评价体系。欧光军等（2015）[2]通过因子分析解析出制约集群企业创新集成能力生成的8个生态因素，并检测了各因素對企业创新集成能力影响强度差异。古耀杰等（2016）引入人力资本因素，分析了产业集群与区域创新系统耦合机制，剖析了协同创新、知识外溢和专业化分工推动区域创新能力提升的作用机理。 不难看出，国外学者主要通过实证解析集群创新系统能力要素，直接评价集群创新绩效的研究相对较少。国内关于集群创新能力的研究基本立足于宏观层面，按照系统投入与产出思路，构建层次结构、相互平行的模块化指标体系，采用统计数据进行实证分析，在此基础上进行创新能力提升分析。
组织创新绩效影响因素综述
企业研究Business research 总第408期 第18期2012年9月 进入21世纪，全球市场不断开放，企业间竞争更加激烈，组织内外部商业环境变化加速，日趋复杂。创新成为企业面临的重要挑战，为了维持自身优势，企业必须不断的改进自己的技术和产品，采取多种手段和方式来适应不断变化的市场，所以企业不得不将创新、变革及管理作为确保其生存和成功的手段，因此创新受到了前所未有的关注。“创新能力是企业生存和成功的决定性因素之一”。组织创新绩效的好坏不仅直接关系到企业当前时期及未来的发展，还会影响到组织再次创新的激情、 动力与信心，影响良好的组织创新氛围的形成。激发和强化对组织创新绩效起推动作用的积极因素，控制或削弱对组织创新绩效起阻碍作用的负面因素，对于控制组织创新风险，提高创新成功率，提高组织创新的效率与效果具有重要作用，因此明确影响组织创新绩效的因素显的尤为重要。 一、组织创新绩效的界定 (一)组织创新绩效的内涵 组织创新绩效有狭义与广义之分，狭义的组织创新绩效是指组织的创新水平和组织的创新结果，广义的组织创新绩效是指在 创新过程中的结果绩效，这其中包括企业的实际产出和服务。 关于组织创新绩效内涵的界定主要有以下三种观点：（1）过程观点：主要侧重于行为过程，提出组织创新绩效是企业员工为了保持自己 的优势，在获得知识、 共享知识的过程中，不断成长，转移知识重心的行为过程[1]。 （2）结果观点：即把组织创新绩效当作衡量企业利润的一个指标，指通过变化产品和服务来达到客户的要求为企业增加利润，达到目标，这样也可以看出这个企业是否达到创新目标[2]。在强调结果的同时，创新绩效受到人的特质、任务特征和环境因素的影响。（3）作用观点：在研究组织创新绩效的过程中，提出组织创新绩效是企业的创新活动和创新环境之间相互作用，是企业自身的[3]。大多数学者接受第二种观点。 结果观点给出了考查创新绩效的2个重要方面，即有效性和效率，有效性是指与预期相比的满意程度，新产品研发速度与新市场开拓速度，效率是指投入和产出相比较的时间进度，新产品研发时间，成本和满意度。 (二)组织创新绩效的测量为全面衡量绩效，组织往往采用多重维度的衡量方式，国内外学者大多从创新对象和创新取得的效果角度对创新绩效进行划分和测量，并开发了相应的创新绩效测量量表。 CHISTENSEN [4]根据技术创新过程中作用及功能不同对创新绩效进行划分，提出了4种创新结果:产品创新应用成果、科学研究成果、美学设计成果和工艺创新成果，前两种创新成果是产品创新绩效，后两种是过程创新绩效。M OORM AN [5]认为新产品问世的速度和创新性、专利数量、新产品在组织所有的产品中所占比例以及新产品获利率等都可以作为衡量创新绩效的指标。PRAJOGO&AHM E [6]认为对于组织创新绩效的具体测量应围绕创新的新颖程度、新产品开发、产品和服务创新的种类和成本及变革的速度等内容来研究。ALEGRE&CHIVA [7]在对创新产品研究后，提出应从产品的替代、新市场开拓和市场份额等方面对组织创新绩效进行衡量。 二、组织创新绩效的影响因素 影响组织创新绩效的因素主要有个体、团队、组织和社会文化因素。个体因素包括个体创新倾向、个体创新行为；团队因素包括团队沟通、团队冲突行为；组织因素包括组织的领导风格、吸收能力、 知识来源、学习能力、员工知识共享、获取；文化因素。(一)个体因素 研究者对影响组织创新绩效的个体因素进行了研究，主要包 括个体创新倾向、 个体创新行为。⒈个体创新倾向：具有创造力的员工，是组织创新的基础，通过员工个人创新行为来促进组织创新。个体创新倾向对组织创新水平和质量都有较强影响，个人在组织中有强烈的创新欲望，才能使组织不断进步[8]。 ⒉个体创新行为：组织成员的个体创新行为和创新是正相关的。创新是员工个人行为，并不是组织员工的共同愿景，不会被组织奖励，不过这种行为却能帮助组织更好地完成任务。但是员工是否愿意创新，取决于心理契约的实现程度，所以理解什么是激励和促进员工个人去创新行为是最重要的，只有员工的心理被满足，他们才会在工作中不断的创新。 (二)团队因素 在输入-过程-输出的理论框架中，对于组织创新而言，团队行为、 团队冲突行为都是影响组织创新绩效的重要因素。⒈团队沟通：团队沟通对于组织而言很重要，同一层次的不同 作者简介：侯二秀(1977-)，女，内蒙古巴盟人，副教授，研究方向：组织行为与人力资源管理研究；郝唯汀(1987-)，女，辽宁阜新人，硕士研究生，研 究方向：人力资源管理。 组织创新绩效影响因素研究综述 侯二秀1 郝唯汀1 （1.内蒙古工业大学管理学院内蒙呼和浩特010051）（2.内蒙古大学经济管理学院内蒙呼和浩特010021） 摘 要：组织创新绩效是衡量组织创新水平和创新效果的指标，从对组织创新绩效的界定出发，系统的总结了影响组织 创新绩效的个体因素、 团队因素、组织因素和文化因素，在此基础上指出目前研究中所存在的问题，形成组织创新绩效的研究框架，最后指出尚待探讨的研究问题。 关键词：创新绩效；创新；影响因素 7··
创新绩效的影响
论文3：全面质量管理和组织学习对高科技产业创新绩效的影响 Richard Y u Y uan Hung, Bella Ya-Hui Lien, Baiyin Y ang, Chi-Min Wu, Y u-Ming Kuo, “Impact of TQM and organizational learning on innovation performance in the high-tech industry”,International Business Review,V ol.20,2011,pp.213-225. 摘要：许多学者建议全面质量管理（TQM）和组织学习都可以单独有效促进创新。然而，问题仍然是全面质量管理和组织学习之间是否存在关系。这一研究有三个主要目的：（1）确定全面质量管理，组织学习和创新绩效之间的关系；（2）确定是否组织学习促进创新绩效和起调节全面质量管理和创新绩效的角色；（3）检测建议模式，通过实证检验，来解释全面质量管理，组织学习和创新绩效。 使用自行管理的调查抽取样本台湾高科技行业公司，这项研究检查四个假设并检测了建议模型。这项研究的主要发现如下：（1）扫描电子显微镜（SEM）分析表明全面质量管理-组织学习-创新绩效模型拟合优度，（2）全面质量管理对组织学习有重要而积极地影响，（3）同样全面质量管理对创新绩效有重要而积极地影响。 结论：本研究采用台湾高科技企业作为它的主题，并检查了全面质量管理实践，组织学习和创新绩效之间的关系。主要的发现如下：（1）针对全面质量管理-组织学习-创新绩效模型的理论模型通过扫描电子显微镜（SEM）分析有充足的拟合优度。（2）全面质量管理对组织学习有重要而积极地影响，（3）全面质量管理对创新绩效有重要而积极地影响，对组织学习有部分调节影响（4）组织学习对创新绩效有重要而积极地影响。 研究表明建议模型对全面质量管理，组织学习和创新绩效得到文献和随后的讨论支持。通过扫描电子显微镜（SEM）从台湾收集的实证数据组，模型有拟合优度。因而，理论模型是合适并且合理的。 研究还表明全面质量管理重要而积极地影响组织学习。这结果与Barrow(1993)得出的结果一致。这一研究和Conner和Prahalad（1996）的研究一致，这表明之前全面质量管理的作用是产生信任和分享的组织文化。这种文化鼓励员工参与培养个人目标的识别。为组织工艺的改进，促进质量提升，知识创新，和知识整合，进一步激发创新做出贡献。扫描电子显微镜（SEM）分析表明参与的员工在全面质量管理过程中起了关键性作用。当引进全面质量管理这个概念时，对于提升员工的自主性和鼓励员工提出可能改善任务的质量的方法是相当重要的。除了通过学习重点构建组织文化，这项研究展示了有策略的使学习是影响组织学习的重要的方面。因而，组织管理团队必须形成并服从学习的方向和目标，并形成文化促进发展。结果符合Watkins 和Marsick’s (1993) 和Lien et al. (2007)理论框架学习组织，在形成学习组织时，承担提供学习策略领导是重要的因素。 而且，全面质量管理实例能明显的提高创新绩效。分析结果Prajogo ，Sohal (2003) 和Juran (1988)得出的结果一样。因而，全面质量管理不仅仅是一个提升改善质量管理工具，而是当有最高管理部门，参与的员工，持续的改进，顾客的关注支持时，也可以提升分享，信任，开放，创新的文化。这样会刺激员工提高产品，工艺和组织创新绩效。 另外，研究证明组织学习促进创新绩效的假设。其他的学者表明组织学习理论假设组织学习室获取和形成新知识和能力的过程，这个过程可以提升组织行为(Garvin, 1993; Lien, Hung,Yang, & Li, 2006)。知识的发展也有利于促进创新性能和改善创新效率,有效性和能力。高效的知识共享和传输提供一个组织的成员机会去学习和合作,激发员工创造新知识、应用知识产品创新,和向同事传输知识(Tsai, 2000, 2001)。 虽然这项研究评估了在台湾高科技公司的组织学习和创新绩效全面质量管理的影响,它不是完全避免局限性。因为该研究样本包括只有均一的高科技公司, 在不同行业不同组织附加相关因素不是一个因素。本研究的另一个限制是它不客观地衡量组织绩效。未来的研究应该包括一个来自其他行业的公司广泛的样本和一些组织绩效客观的评估,不像之前的研究那
灰色关联分析算法步骤
灰色关联分析算法步骤 SANY标准化小组 #QS8QHH-HHGX8Q8-GNHHJ8-HHMHGN#
灰色关联分析 灰色关联分析是指对一个系统发展变化态势的定量描述和比较的方法，其基本思想是通过确定参考数据列和若干个比较数据列的几何形状相似程度来判断其联系是否紧密，它反映了曲线间的关联程度。 是由着名学者教授首创的一种系统科学理论(GreyTheory)，其中的灰色关联分析是根据各因素变化曲线几何形状的相似程度，来判断因素之间关联程度的方法。此方法通过对动态过程发展态势的量化分析，完成对系统内时间序列有关几何关系的比较，求出参考数列与各比较数列之间的灰色关联度。与参考数列关联度越大的比较数列，其发展方向和速率与参考数列越接近，与参考数列的关系越紧密。灰色关联分析方法要求可以少到4个，对数据无规律同样适用，不会出现量化结果与结果不符的情况。其基本思想是将评价指标原始观测数进行无量纲化处理，计算关联系数、关联度以及根据关联度的大小对待评指标进行排序。灰色关联度的应用涉及社会科学和自然科学的各个领域，尤其在社会经济领域，如各部门投资收益、区域经济优势分析、等方面，都取得较好的应用效果。 关联度有绝对关联度和相对关联度之分，绝对关联度采用初始点零化法进行初值化处理，当分析的因素差异较大时，由于变量间的量纲不一致，往往影响分析，难以得出合理的结果。而相对关联度用相对量进行分析，计算结果仅与序列相对于初始点的变化速率有关，与各观测数据大小无关，这在一定程度上弥补了绝对关联度的缺陷。 灰色关联分析的步骤 灰色关联分析的具体计算步骤如下： 第一步：确定分析数列。 确定反映系统行为特征的参考数列和影响系统行为的比较数列。反映系统行为特征的数据序列，称为参考数列。影响系统行为的因素组成的数据序列，称比较数列。 设参考数列（又称母序列）为Y={Y(k)|k=1,2,Λ,n}；比较数列（又称子序列） X i={X i(k)|k=1,2,Λ,n},i=1,2,Λ,m。 第二步，变量的无量纲化 由于系统中各因素列中的数据可能因量纲不同，不便于比较或在比较时难以得到正确的结论。因此在进行灰色关联度分析时，一般都要进行数据的无量纲化处理。 第三步，计算关联系数 x0(k)与x i(k)的关联系数
灰色预测灰色关联分析报告
灰色关联分析法 根据因素之间发展趋势的相似或相异程度，亦即“灰色关联度”，来衡量因素间关联程度。灰色关联分析法的基本思想是根据序列曲线几何形状的相似程度来判断其联系是否紧密。 根据评价目的确定评价指标体系， 为了评价×××我们选取下列评价指标： 收集评价数据（此步骤一般为题目中原数据，便省略） 将m 个指标的n 组数据序列排成m*n 阶矩阵： '' ' 12''' '''1212''' 1 2(1)(1)(1)(2)(2)(2)(,,,)()() ()n n n n x x x x x x X X X x m x m x m ?? ? ? = ? ? ??? 对指标数据进行无量纲化 为了消除量纲的影响，增强不同量纲的因素之间的可比性，在进行关联度计 算之前，我们首先对各要素的原始数据作...变换。无量纲化后的数据序列形成如下矩阵： 01010101(1)(2) (1)(2)(2)(2)(,,,)()()()n n n n x x x x x x X X X x n x n x n ?? ? ?= ? ??? 确定参考数据列 为了比较...【评价目的】，我们选取...作为参考数据列，记作 ''''0000((1),(2),,())T X x x x n = 计算0()()i x k x k -，得到绝对差值矩阵 求两级最小差和两级最大差 01 1min min ()()min(*,*,*,*,*,*)*n m i i k x k x k ==-== 01 1 max max ()()max(*,*,*,*,*,*)*n m i i k x k x k ==-== 求关联系数 由关联系数计算公式0000min min ()()max max ()() ()()()max max ()() i i i k i k i i i i k x k x k x k x k k x k x k x k x k ρζρ-+?-= -+?-，取 0.5ρ＝，分别计算每个比较序列与参考序列对应元素的关联系数，得关联系数如 下：
2灰色关联分析讲解
五灰色关联分析方法 在实际问题中，许多因素之间的关系是灰色的，人们很难分清哪些因素是主导因素，哪些因素是非主导因素；哪些因素之间关系密切，哪些不密切。灰色关联分析，为我们解决这类问题提供了一种行之有效的方法。 一、灰色关联分析概述 我们知道，统计相关分析是对因素之间的相互关系进行定量分析的一种有效方法。但是，我们也注意到相关系数具这样的性质： rxy=ryx，即因素y对因素 x的相关程度与因素x对因素y的相关程度相等。暂且不去追究因素之间的相关程度究竟有多大。单就相关系数的这种性质而言，也是与实际情况不太相符的。譬如，在国民经济问题研究中，我们能将农业对工业的关联程度与工业对农业的关联程度等同看待吗？其次，由于地理现象与问题的复杂性，以及人们认识水平的限制，许多因素之间的关系是灰色的，很难用相关系数比较精确地度量其相关程度的客观大小。为了克服统计相关分析的上述种种缺陷，灰色系统理论中的灰色关联分析给我们提供了一种分析因素之间相互关系的又一种方法。 灰色关联分析，从其思想方法上来看，属于几何处理的范畴，其实质是对反映各因素变化特性的数据序列所进行的几何比较。用于度量因素之间关联程度的关联度，就是通过对因素之间的关联曲线的比较而得到的。 设x1，x2，…，xN为N个因素，反映各因素变化特性的数据列分别为 ｛x1(t)｝，｛x2(t)｝，…｛xN(t)｝，t=1，2，…，M。因素xj对xi的关联系数定义为 ξij(t)=?min+k?max ?ij(t)+k?maxt=1,2,3, ,M(1) (5)式中，ξij(t)为因素xj对xi在t时刻的关联系数； ?ij(t)=|xi(t)-xj(t)|,?max=maxmax?ij(t),?min=minmin?ij(t);k为介于[0，1]区jjjj 间上的灰数。不难看出，△ij(t)的最小值是?min， 当它取最小值时，关联系数ξij(t)取最大值maxξij(t)=1;?ij(t)的最大值为i ?max，当它取最大值时，关联系数ξij(t)取最小值minξij(t)=i?min1? k+ 1+k??max??，即? ξij(t)是一个有界的离散函数。若娶灰色k的白化值为1，则有 1??min 1+2??max??≤ξij(t)≤1?(2) 在实际计算时，取?min=0，这时有 0.5≤ξij≤1(3) 作出函数ξij=ξij(t)随时间变化的曲线，它就被称之为关联曲线。图中的水平线，说明任何时刻的关联系数为1，它代表xi与xi本身的关联曲线ξij≡1，因为自己与自己总可以认为是密切关联的。