评估方法论文范文
时间：2023-03-22 19:16:48
评估方法论文范文第1篇
[关键词] 科技政策；政策评估；方法论体系；相关性
[中图分类号] G322 [文献标识码] A [文章编号] 1671—6639（2012）02—0001—06
一、引言
科技政策评估一般具有三种评估框架（“目标—执行—效果”框架、经济框架、利益相关者框架），以体现出科技政策的三种不同的价值取向（行政价值、经济价值、社会价值）[1]。科技政策的评估方法是评估环节中操作层面的问题，往往对评估结果的准确性和有效性产生实质性的影响。所以，评估主体应用不同的评估方法就会产生不同的评估效果，从而影响到科技政策的价值。目前，由于我国的科技政策评估方法多是参考一般公共政策的评估方法，而没有形成有针对性的、系统性的方法论体系，因而导致科技政策评估不规范，评估结果的差异性很大，无法起到政策评估应有的对科技政策的完善、监督、反馈等作用。完善而科学的方法论体系的建立是实现科技政策评估的民主化和科学化的关键环节，目前我国的科技政策评估还处于起步阶段，因此对科技政策评估方法论的研究就具有理论与现实的双重意义。
二、科技政策评估的方法论体系研究
我们知道，社会科学研究的方法主要有定性与定量方法。20世纪末以来，社会科学研究的定量与定性分析引入了“信度”、“效度”等概念，并运用计算机来辅助定性信息的分析，使得定性与定量分析呈融合趋势，越来越数字化和计算机化。社会科学中的定性方法经常遵循非线性的研究路径，定性资料意义丰富，定性分析并不将社会生活转换成变量和数字，而是借用研究对象的想法，将它们置于一个自然的情景之中，强调对出现在社会生活的原始自然状态下的个案进行细致考察，通常采用“扎根理论”和“田野调查”[2]，因此是一种“建构主义”的范式。而定量研究则遵循线性路径，强调客观性，更倾向于使用清晰的、标准化的程序，以及一种拟因果的解释，同时使用“变量和假设”语言进行表述，强调精确地测量变量和检验假设，使其与普遍的因果解释相联系[3]，因此是一种“实证主义”的范式。
科技政策评估属于“应用社会学”的范畴，因此科技政策的评估方法也需要遵循上述社会科学研究的一般方法，即依据评估标准与框架所设计的评估目标，用定量或定性方式对评估数据进行收集、统计、汇总、分析。因为任何科技政策的评估实践，都需要在专业的评估方法指导下开展，否则评估数据的设计、收集、统计、分析就会陷入某种“失序”状态。社会研究有多种形式，能被用来探究广泛的社会问题。被社会研究者们用来验证他们假设的方法有实验法、调查法、内容分析法、参与观察法和二手资料分析法等[4]。除需要遵循社会科学的方法外，科技政策评估还要遵循公共政策评估的方法。而适应公共政策的评估方法众多，如同行评议法、德尔菲法（兰德公司首先应用）、层次分析法（AHP法）、经济计量法、文本分析方法、政策前后对比分析法、回归分析法、情境分析法、SWOT分析法等。但是由于科技政策评估的特殊性，一些传统的公共政策评估方法并不能适应复杂的科技政策评估项目。科技政策由于涉及到科技与经济、科技与政治等国家发展的短期与长期利益，具有更大的复杂性与不确定性，因此对其评估的方法也具有多元和综合的特征。一种评估方法并不能完全反映出科技政策的多元价值，需要综合使用、有效组合多种评估方法。
对于科技政策的行政价值评估，一般是通过文本分析法（内容分析）和问卷调查法来进行。由于科技政策价值的反馈信息大量是文本信息，因此科技政策评估离不开各地政策文本的分析，以及自评估报告的解读。这些自评估报告一般是设计好的问答题，可以反馈评估者需要的评估信息与评估数据，通过对这些问卷的文本分析，可以发现各地在政策执行效率上的差异性。这些文本信息是科技政策行政价值的主要表现方式，并且文本信息中既包含定性信息，也包含定量信息，信息反馈数据大，所以文本分析法成为科技政策评估中最常用的方法之一，这也是与其他科技评估类型（科技项目评估、科研机构评估等）最大的区别。
对于科技政策的社会价值评估，一般是采用对不同利益主体的社会调查法和座谈法来进行。科技政策社会价值的评估离不开政策受益者的反馈，通过社会学意义上的访谈和问卷调查（包括田野调查）方式，可发现政策的实施效果对各方面的影响，可通过不同利益主体的回应性反映得到第一手的评估数据，因此基于政策受益者参与的实地调查法与问卷调查法是收集定性分析数据的主要渠道。问卷设计中应涉及多种评估数据，包括定性数据和定量数据。具体如表1：
对于科技政策的经济价值评估，一般需要经济数据，因此需要定量方法，主要弥补定性研究中所缺少的经济数据、统计数据、科技统计指标等定量数据。在一般的定量数据分析方法中，政策指标法、经济计量法、对比分析法、回归分析法这四种方法是最常用的定量评估方法，其中，对比分析法为最基本的政策评估法。在政策实施前后对某项影响的效果进行对比，以发现政策影响的前后相关性，这种“相关性”呈现出正相关，说明政策的效果较好，而“非相关性”或“负相关性”则说明政策效果较差。但是对比分析法需要很长时间的跨度，适合实施政策后评估，否则不容易发现这种相关性。经济计量法是以经济理论和事实为依据的定性分析为基础，利用数理统计方法建立一组联立方程式，来描述政策目标与相关变量之间经济行为结构的动态变化关系。政策指标法是把政策目标分解为评估指标，通过量化与权重打分，对各地政策落实与执行效果情况进行定量评估，一般需要设立达标指标，并进行定量判断和计分。详见表2：
目前，我国的科技政策评估中还没有大量引入如经济分析法、政策指标法、回归分析法、对比分析法等定量评估方法，而一些定性分析法，如国际上OECD普遍应用的SWOT分析法、情境分析法、PEST分析法等，也未在实践中大量应用，这主要是因为这些方法对于评估实践比较复杂。其中SWOT分析（见表3），也称为潜力分析法，可为科技政策的制定作出全面而系统的指导。按此方法，优势和弱势是可以影响的内因，而机会和风险为外因，只能在特定情况下产生影响。这种方法适用于国家或企业在制定战略规划时，针对前期和中期不同政策的制定进行分析，特别是相关利益各方在政策中的职能和利益的确定。
经济分析法常需要运用数学模型，同时需要大量的基础数据作为前提条件，而一般不容易获得这些评估方法所需要的基础数据。SWOT分析法适合单项科技政策评估，对于集群科技政策评估并不适合，而大部分的科技政策都是集群政策。
从评估实践看，比较合理的科技政策评估方法为：文本分析法、问卷调查法、多元回归分析、政策指标加权法、经济分析法、情景分析法、对比分析法等。这些方法融合在一起，构成了一个不可分割的评估方法体系，评估主体可依据不同的科技政策评估框架，针对不同的评估目的，应用不同的评估方法，通过定性和定量相结合的方式进行综合的科技政策评估。具体如下图1：
三、科技政策评估的相关性研究
在上述定量方法中引申出的最为关键的问题是政策指标的“相关性”，即为什么政策与被测指标是相关的。在社会现象的分析中，“相关性”是一个比较核心的概念，它是社会事实之间的一种状态，这种状态表明社会事实之间可能并不具有必然的关联，而是存在着复杂性（非线性、混沌、分形等现象）。同时一种社会事实的改变可能影响另一种社会事实的变化，但这种影响并非必然。与“相关性”关系密切的概念为“因果性”和“相关度”。自然科学的大部分学科范式都是因果论证，因为某一结果必定有其原因，有因必有果，有果必有因，苹果落地必定有一个因——万有引力或引力场，“因果性”一般表示为一个或一组数学假设。而在社会科学中一般多适用“相关性”论证，比如事实1由（a，b，c，d）构成，而事实2由（a，e，f，g）构成，因素a共同影响了事实1和事实2，导致a的变化影响了事实1和事实2，因此事实1与事实2就具有相关性，但不具有因果性。通常情况下，由于社会现象的复杂性，很难确定事实之间的因果性，即一种社会事实与另一种社会事实并不构成因果关系，而是具有显在或隐在的相关性。同时，即使社会现象之间存在着明显的关联，也不能完全用因果性论证，因此，社会科学中的因果分析也就降低为一种相关关系的分析。比如政策与效果的关系，学历与财富的关系，通货膨胀率与失业率的关系，收入与消费关系，CPI指数与通货膨胀等。一般要考察的社会事实之间有四种相关性的关联，分别为：正相关性、负相关性、自相关性、非（零）相关性。这里以经济学为例，具体说明见表4：
在政策评估中对这些社会现象进行相关性分析，主要有两个作用：一方面是制定新政策和规避潜在风险，比如一些宏观经济调控中的相关性分析，如菲普斯曲线（通货膨胀与失业的负相关性）等① ；另一方面是做出政策评价和决策，比如公共政策的分析、评估、完善等，如丁伯1根法则（政策工具之间必须具有非相关性，才可达到最大效果）等。而相关性的度量就是“相关度”。目前，社会科学的相关度主要有两种方式：一种是常用的参数相关性系数（参数相关度），主要有皮尔逊相关系数、偏相关系数；另一种为定序测量的非参数系数（非参数相关度），主要有：斯皮尔曼等级相关系数、古德曼和克鲁斯凯的δ系数、ψ系数、列联系数、克雷默的ν系数以及λ系数等[6]。这种社会学的相关度测量不仅可以引用到公共政策评估中，也可以应用到其他社会科学领域，如经济分析领域和政治治理等相关性分析中。其中最常用的皮尔逊相关系数的计算公式如下式（1），而定序的斯皮尔曼等级相关系数的计算公式为下式（2）：
皮尔逊相关系数
r■=■ 式（1）[7]
其中： r■=等级相关系数（相关度）
X，Y=两种社会现象的数值
■，■ =两种社会现象的均值
斯皮尔曼等级相关系数
r■=1—■ 式（2）[8]
其中： =等级相关系数（相关度）
D=变量X和Y的秩的差异
N=样本含量
社会科学中对相关性研究主要有三种路径：建模—验证、统计—验证、经验—分析。其中，经济学理论较为规范，数学广泛应用，所以经济学最常用的是建模—验证，是一种相关性的先验分析法。而社会学、公共政策中现象较为复杂，最常用的是统计—验证和经验—分析，主要有回归分析法。回归分析法属于相关性的后验分析，由于没有具体的模型，所以主要是把一些测量的离散数据做成趋势图，以便作出预测和评价，如在科技政策评估的“目标—执行—效果”相关性分析中就是回答执行与效果的关系。具体地说，科技政策绩效的回归分析法就是衡量某项科技政策目标或效果（因变量）时，需要考察各种因素（自变量）的关系，就要进行回归分析，找出与效果最密切的因素，分析政策执行与落实的差异性，理想的线性回归模型见下面公式（3）：
Y=a1+b1X1+b2X2+b3X3+……+式（3）
其中： Y=政策目标或效果
X1、X2、X3、X4、……为政策工具或因素
a1=基准值
b=回归系数
=残差值
为什么回归分析在科技政策评估的相关性分析中非常重要呢？这是因为科技政策评估的相关性分析不是为了得到理想的线性或非线性回归模型，而是要分析政策目标（效果）和政策工具（因素）之间的相关度，即什么主要因素影响了科技政策的效果。社会科学中的因果关系是很难确定的，而“相关性”却未必是因果关系，“相关性”与“非相关性”分析是确立社会事实之间关联的的主要方式之一。比如，可以通过建构式（3）中左式（Y）的模型和右式（a1+b1X1+b2X2+b3X3+b4X4+……）的模型，以便发现这个两个模型的相关度。如果两个模型相关度越高，那么说明政策工具（因素）符合政策目标（效果），这就为政策干预提供理论依据；而如果相关度不高，那么就认为政策工具（因素）缺失。同时，也可以以个案形式分析那些偏差较大的数据，分析其原因，而这些正是政策工具需要改进和完善的地方。科技政策评估中的相关性分析主要验证下表5的假设：
表5 科技政策评估的相关度（r■）
由此可知，回归分析法是分析多因素的交互作用对科技政策影响的相关性，目的是发现政策与各种因素的相关度，为政策干预作出准确的定位。一般情况下，回归分析法与政策指标法常常结合在一起使用。
四、科技政策评估方法的局限性
社会科学的“科学性”目前仍然是学术界争论的焦点之一，即使作为社会科学最发达的经济学，仍然会对一些经济现象预测和解释失败。社会科学要处理的事实不仅包括“社会事实”，还包括个体、组织，甚至社会层面的“心理事实”，这种心理事实在经济学中称为“预期”，即做出何种改变以达到未来的状态。这在哲学层面上是对多元的“可能世界”的干预，反过来又反身于“现实世界”的运行。因此，社会科学是不同于自然科学范式的学科，它具有“自我指涉”，是一种统计学意义上的科学，它的解释模式一般遵循归纳统计模型（D—S模型），而不是建构在纯粹理性思维的基础上。如果传统的理性思维过多地于应用到社会科学中时，就会出现哈耶克所称的“理性的滥用”，即：
对于自然科学家来说，客观事实与主观意见之间的区分十分简单，然而对于社会科学的对象就不易做这种区分。这是因为“意见”也是社会科学的对象或“事实”[9]。
如一些金融学中的数学模型：CAMP（资本资产定价模型）、MPT（投资组合理论）、布莱克—斯科尔斯模型（期权定价模型）等，在最初的经济预测可能是准确的，但随着时间和空间的转移，这些模型往往无法准确反映变化中的“预期”调整 {1}。由于各种预期的“自我指涉”，“完美”的金融模型需要修正，否则有可能出现潜在风险，就像1997年的亚洲金融危机和2007年的美国金融危机这样严重的全球金融的失序。正如社会经济的复杂性，不可简化为可计算的数学模型，毕竟社会现象并不是一种纯粹客观的对象，而包含着更多的“预期”行为。在社会科学的分析中，心理事实是一种客观性事实，而在科学理性中，心理事实一般排除在客观性之外。因此，社会科学为简化这种解释的复杂性，就需要构造出各种抽象的“术语”，以回避这种解释困境，比如经济学中“通胀预期”，“资产泡沫”，“流动性过剩”等概念来“建构”某些经济现象和状态，对于是否存在这种可以眼见为实的社会现象，也无法从纯粹客观的角度去证实（实验），我们只能信任这种方法论上的“建构性”。这种现象对于社会科学中的任何一类学科都是普遍的，从而回避了社会科学中的解释困境。
而在科技政策评估中是否也存在这些方法论上的困境呢？答案是肯定的。属于“应用社会学”范畴的科技政策评估，无法回避这种社会科学的“建构性”问题，即不可能通过纯粹客体的分析得出结论，因此必然带来“失真”。目前对于公共政策评估实践来说，评估方法存在着“两多两少”问题，即经验推理多，实证研究少；定性分析多，定量评估少[10]。从实践看，科技政策评估需要大量的评估数据，这些数据有些是文本信息，因此需要定性分析；有些是问卷形式的数据或数字信息，如经济数据、科技指标等，需要繁琐的定量分析。同时对于特定的数据，还可能需要把定性转化为定量分析，而这些政策评估的方法往往结合在一起，构成了复杂而多变的科技政策评估方法体系。在评估实践中，评估主体需要对文本信息进行发放、回收、解读和分析，但很可能发生“问卷可以发出去，但收到的答复不是事实，而可能是谎话或混乱不堪的东西”[11]。对于统计中常常遇到的问卷信息失真情况，这“基本上无法由研究者解决，能做的是如何避免被资料‘欺骗’”[12]。由于科技政策评估的文本信息大量是自评估报告、访谈记录、问卷反馈等主观性比较强的文本资料，所以对评估信息的解读和分析就存在着评估者的主体建构过程，而不可能是单纯的客观反映。对评估主体而言，科技政策从制定、落实到反馈，要经过一系列的社会互动过程，呈现出复杂的模式，并没有一个清晰而完整的图景。
五、结语
由于我国行政的特点，在某种程度上，中国的经济是一种条块分割的经济结构，因而科技政策在地方的落实呈现出极大的差异性，如沿海与内地，东部与西部等。科技政策受益者和政策执行者对科技政策的理解存在着不同的驱动模式，必然带有主观因素和行政干预因素，因此科技政策评估的过程其实也是建构“意义”的过程。科技政策评估之前，并没有一个可供评估主体可以参考的纯粹客观的数据，而是评估主体与评估客体不断“互动”的过程，不同的主体可能建构出不同的科技政策效果，所以，科技政策评估的定性方法具有极大的主观性和建构性。
为了避免评估主体的主观性，科技政策评估中应引入定量评估法，如政策指标评估法、经济分析法、对比分析法、回归分析法等。通过定量化政策指标，为考核政策执行提供了一个全新的视角，一些比较模糊的政策目标、执行、效果，在定量化后有了一个清晰的可测度标准。但是政策指标如何定量化是合理的，仍是一个比较复杂的学术问题。为了量化政策的目标、执行、效果等目标，需要把复杂的现象进行简单化处理，从而避开了政策目标的现实复杂性。因为任何社会现象产生的原因本身就是非常复杂的，如仅考虑其中的一个或某个因素时，剩下的未被研究的因素可能会在将来起到决定性的作用。科技政策评估不像其他类型的科技评估可以准确定量化一些数据指标，比如人才评估中的论文数、发明量等，政策指标是一种间接指标，需要进行“相关性”分析，因此指标的设计和考核本身就具有极大的不确定性和主观性，即使设计出了比较合理的政策评估指标，在考核这些指标的过程中，也避免不了没有统计口径或者统计成本过高，从而不具备可操作性。所以，政策指标的量化失真是系统性误差，而并非可以完全避免，定量评估并不能深入到政策执行、影响的内在本质，而只能是得出大致的事实判断。同时，科技政策评估中的定量分析中普遍用到的“相关性”解释，是一种统计学意义上的“因果律”，而不是科学意义上的“因果性”。因此，定量分析并不是纯粹的客观性，而是包含着某种“建构性”。
评估方法论文范文第2篇
一、论文名称、课题来源、选题依据
课题来源：单位自拟课题或省政府下达的研究课题
技术创新预测和评估是企业技术创新决策的前提和依据。通过技术创新预测和评估,可以使企业对未来的技术发展水平及其变化趋势有正确的把握,从而为企业的技术创新决策提供科学的依据,以减少技术创新决策过程中的主观性和盲目性。只有在正确把握技术创新发展方向的前提下,企业的技术创新工作才能沿着正确方向开展,企业产品的市场竞争力才能得到不断加强。在市场竞争日趋激烈的现代商业中,企业的技术创新决定着企业生存和发展、前途与命运,为了确保技术创新工作的正确性,企业对技术创新的预测和评估提出了更高的要求。
二、本课题国内外研究现状及发展趋势
现有的技术创新预测方法可分为趋势外推法、相关分析法和专家预测法三大类。
(1)趋势外推法。指利用过去和现在的技术、经济信息,分析技术发展趋势和规律,在分析判断这些趋势和规律将继续的前提下,将过去和现在的趋势向未来推演。生长曲线法是趋势外推法中的一种应用较为广泛的技术创新预测方法,美国生物学家和人口统计学家raymondpearl提出的pearl曲线(数学模型为:y=l?[1+a?exp(-b·t)])及英国数学家和统计学家gompertz提出的gompertz曲线(数学模型为:y=l·exp(-b·t))皆属于生长曲线,其预测值y为技术性能指标,t为时间自变量,l、a、b皆为常数。ridenour模型也属于生长曲线预测法,但它假定新技术的成长速度与熟悉该项技术的人数成正比,主要适用于新技术、新产品的扩散预测。
(2)相关分析法。利用一系列条件、参数、因果关系数据和其他信息,建立预测对象与影响因素的因果关系模型,预测技术的发展变化。相关分析法认为,一种技术性能的改进或其应用的扩展是和其他一些已知因素高度相关的,这样,通过已知因素的分析就可以对该项技术进行预测。相关分析法主要有以下几种:导前-滞后相关分析、技术进步与经验积累的相关分析、技术信息与人员数等因素的相关分析及目标与手段的相关分析等方法。
(3)专家预测法。以专家意见作为信息来源,通过系统的调查、征询专家的意见,分析和整理出预测结果。专家预测法主要有:专家个人判断法、专家会议法、头脑风暴法及德尔菲法等,其中,德尔菲法吸收了前几种专家预测法的长处,避免了其缺点,被认为是技术预测中最有效的专家预测法。
趋势外推法的预测数据只能为纵向数据,在进行产品技术创新预测时,只能利用过去的产品技术性能这一个指标来预测它的随时间的发展趋势,并不涉及影响产品技术创新的科技、经济、产业、市场、社会及政策等多方面因素。在现代商业经济中,对于产品技术发展的预测不能简单地归结为产品过去技术性能指标按时间的进展来类推,而应系统综合地考虑现代商业中其他因素对企业产品技术创新的深刻影响。相关分析法尽管可同时按横向数据和纵向数据来进行预测,但由于它是利用过去的历史数据中的某些影响产品技术创新的因素求出的具体的回归预测式,而所得到的回归预测模型往往只能考虑少数几种主要影响因素,略去了许多未考虑的因素,所以,所建模型对实际问题的表达能力也不够准确,预测结果与实际的符合程度也有较大偏差。专家预测法是一种定性预测方法,依靠的是预测者的知识和经验,往往带有主观性,难以满足企业对技术创新预测准确度的要求。以上这些技术创新预测技术和方法为企业技术创新工作的开展做出了很大的贡献,为企业技术创新的预测提供了科学的方法论,但在新的经济和市场环境下,技术创新预测的方法和技术应有新的丰富和发展,以克服自身的不足,更进一步适应时展的需要,为企业的技术创新工作的开展和企业的生存与发展提供先进的基础理论和技术方法。
目前,在我国企业技术创新评估中,一般只考虑如下四个方面的因素:(1)技术的先进性、可行性、连续性;(2)经济效果;(3)社会效果;(4)风险性,在对此四方面内容逐个分析后,再作综合评估。在综合评估中所用的方法主要有:delphi法(专家法)、ahp法(层次分析法)、模糊评估法、决策树法、战略方法及各种图例法等,但技术创新的评估是一个非常复杂的系统,其中存在着广泛的非线性、时变性和不确定性,同时,还涉及技术、经济、管理、社会等诸多复杂因素,目前所使用的原理和方法,难以满足企业对技术创新评估科学性的要求。关于技术创新评估的研究,在我国的历史还不长,无论是指标体系还是评估方法,均处于研究
之中,我们认为目前在企业技术创新评估方面应做的工作是:(1)建立一套符合我国实际情况的技术创新评估指标体系;(2)建立一种适应于多因素、非线性和不确定性的综合评估方法。
这种情况下,神经网络技术就有其特有的优势,以其并行分布、自组织、自适应、自学习和容错性等优良性能,可以较好地适应技术创新预测和评估这类多因素、不确定性和非线性问题,它能克服上述各方法的不足。本项目以bp神经网络作为基于多因素的技术创新预测和评估模型构建的基础,bp神经网络由输入层、隐含层和输出层构成,各层的神经元数目不同,由正向传播和反向传播组成,在进行产品技术创新预测和评估时,从输入层输入影响产品技术创新预测值和评估值的n个因素信息,经隐含层处理后传入输出层,其输出值y即为产品技术创新技术性能指标的预测值或产品技术创新的评估值。这种n个因素指标的设置,考虑了概括性和动态性,力求全面、客观地反映影响产品技术创新发展的主要因素和导致产品个体差异的主要因素,尽管是黑匣子式的预测和评估,但事实证明它自身的强大学习能力可将需考虑的多种因素的数据进行融合,输出一个经非线性变换后较为精确的预测值和评估值。
据文献查阅,虽然在技术创新预测和评估的现有原理和方法的改进和完善方面有一定的研究,如文献[08]、[09]、[11]等,但尚未发现将神经网络应用于技术创新预测与评估方面的研究,在当前产品的市场寿命周期不断缩短、要求企业不断推出新产品的经济条件下,以神经网络为基础来建立产品技术创新预测与评估模型,是对技术创新定量预测和评估方法的有益补充和完善。
三、论文预期成果的理论意义和应用价值
本项目研究的理论意义表现在:(1)探索新的技术创新预测和评估技术,丰富和完善技术创新预测和评估方法体系;(2)将神经网络技术引入技术创新的预测和评估,有利于推动技术创新预测和评估方法的发展。
本项目研究的应用价值体现在:(1)提供一种基于多因素的技术创新定量预测技术,有利于提高预测的正确性;（2）提供一种基于bp神经网络的综合评估方法,有利于提高评估的科学性;(3)为企业的技术创新预测和评估工作提供新的方法论和实用技术。
四、课题研究的主要内容
以bp神经网络模型为基础研究基于多因素的技术创新预测和评估模型,并建立科学的预测和评估指标体系及设计相应的模型计算方法,结合企业的具体实际,对指标和模型体系进行实证分析,使研究具有一定的理论水平和实用价值。
1、影响企业技术创新预测和评佑的相关指标体系确定及其量化和规范化。从企业的宏观环境和微观环境两个方面入手,密切结合电子商务和知识经济对企业技术创新的影响,系统综合地分析影响产品技术创新的各相关因素,建立科学的企业技术创新预测和评估指标体系,并研究其量化和规范化的原则及方法。
2、影响技术创新预测和评估各相关指标的相对权重确定。影响技术创新发展和变化各相关因素在输入预测和评估模型时,需要一组决定其相对重要性的初始权重,权重的确定需要基本的原则作支持。
3、基于bp神经网络的技术创新预测和评估模型研究。根据技术创新预测的特点,以bp神经网络为基础,构建基于多因素的技术创新预测和评估模型。
4、基于bp神经网络的技术创新预测和评估模型计算方法设计。根据基于bp神经网络的技术创新预测和评估模型的基本特点,设计其相应的计算方法。
5、基于bp神经网络的技术创新预测和评估模型学习样本设计。根据相关的历史资料,构建基于bp神经网络的技术创新预测和评估模型的学习样本,对预测和评估模型进行自学习和训练,使模型适合实际情况。
6、基于bp神经网络的技术创新预测和评估技术的实证研究。以一般企业的技术创新预测与评估工作为背景,对基于bp神经网络的技术创新预测和评估技术进行实证研究。
1、建立一套基于电子商务和知识经济的技术创新预测和评估指标体系。目前,在技术创新的预测和评估指标体系方面,一种是采用传统的指标体系,另一种是采用国外先进国家的指标体系,如何结合我国实际当前经济形势,参考国外先进发达国家的研究工作,建立一套适合于我国企业技术创新预测和评估指标体系,此为本研究要做的首要工作,这是一项创新。
2、研究基于bp神经网络的技术创新预测和评估模型及其计算方法。神经网络技术具有并行分布处理、自学习、自组织、自适应和容错性等优良性能,能较好地处理基于多因素、非线性和不确定性预测和评估的现实问题,本项目首次将神经网络技术引入企业的技术创新预测和评估,这也是一项创新。
五、课题研究的基本方法、技术路线的
可行性论证
1、重视系统分析。以系统科学的思想为指导来分析影响企业技术创新发展和变化的宏观因素和微观因素,并研究影响因素间的内在联系,确定其相互之间的重要度,探讨其量化和规范化的方法,将国外先进国家的研究成果与我国具体实际相结合,建立我国企业技术创新预测和评估的指标体系。
2、重视案例研究。从国内外技术创新预测与决策成功和失败的案例中,发现问题、分析问题,归纳和总结出具有共性的东西,探索技术创新预测与宏观因素与微观因素之间的内在关系。
3、采用先简单后复杂的研究方法。对基于bp神经网络的技术创新预测和评估模型的研究,先从某一行业出发,定义模型的基本输入因素,然后,逐步扩展,逐步增加模型的复杂度。
4、理论和实践相结合。将研究工作与具体企业的技术创新实际相结合,进行实证研究,在实践中丰富和完善,研究出具有科学性和实用性的成果。
六、开展研究已具备的条件、可能遇到的困难与问题及解决措施
本人长期从事市场营销和技术创新方面的研究工作,编写出版了《现代市场营销学》和《现代企业管理学》等有关著作,发表了“企业技术创新与营销管理创新”、“企业技术创新与营销组织创新”及“企业技术创新与营销观念创新”等与技术创新相关的学术研究论文,对企业技术创新的预测和评估有一定的理论基础,也从事过企业产品技术创新方面的策划和研究工作,具有一定的实践经验,与许多企业有密切的合作关系,同时,对神经网络技术也进行过专门的学习和研究,所以,本项目研究的理论基础、技术基础及实验场所已基本具备,能顺利完成本课题的研究,取得预期的研究成果。
七、论文研究的进展计划
2003.07-2003.09：完成论文开题。
2003.09-2003.11：影响企业技术创新发展的指标体系研究及其量化和规范化。
2003.11-2004.01：基于bp神经网络的技术创新预测和评估模型的构建。
2004.01-2004.03：基于bp神经网络的技术创新预测和评估模型计算方法研究。
2004.03-2004.04：基于bp神经网络的技术创新预测和评估模型体系的实证研究。
2004.04-2004.06：完成论文写作、修改定稿，准备答辩。
[01]傅家骥、仝允桓等.技术创新学.北京:清华大学出版社1998
[02]吴贵生.技术创新管理.北京:清华大学出版社2000
[03]柳卸林.企业技术创新管理.北京:科学技术出版社1997
[04]赵志、陈邦设等.产品创新过程管理模式的基本问题研究.管理科学学报.2000/2.
[05]王亚民、朱荣林.风险投资项目ecv评估指标与决策模型研究.风险投资.2002/6
[06]赵中奇、王浣尘、潘德惠.随机控制的极大值原理及其在投资决策中的应用.控制与决策.2002/6
[07]夏清泉、凌婕.风险投资理论和政策研究.国际商务研究.2002/5
[08]陈劲、龚焱等.技术创新信息源新探.中国软科学.2001/1.pp86-88
[09]严太华、张龙.风险投资评估决策方法初探.经济问题.2002/1
[10]苏永江、李湛.风险投资决策问题的系统分析.学术研究.2001/4
<11>孙冰.企业产品开发的评价模型及方法研究.中国管理科学.2002/4
[12]诸克军、杨久西、匡益军.基于人工神经网络的石油勘探有利性综合评价.系统工程理论与实践.2002/4
[13]杨力.基干bp神经网络的城市房屋租赁估价系统设计.中国管理科学.2002/4
[14]杨国栋、贾成前.高速公路复垦土地适宜性评价的bp神经网络模型.统工程理论与实践.2002/4
[15]楼文高.基于人工神经网络的三江平原土壤质量综合评价与预测模型.中国管理科学.2002/1
[16]胥悦红、顾培亮.基于bp神经网络的产品成本预测.管理工程学报.2000/4
[17]陈新辉、乔忠.基于tsa-bp神经网络的企业产品市场占有率预测模型.中国农业大学学报.2000/5
[18]刘育新.技术预测的过程与常用方法.中国软科学.1998/3
[19]温小霓、赵玮.市场需求与统计预测.西安电子科技大学学报.2000/5
[20]朱振中.模糊理论在新产品开发中的应用.科学管理研究.2000/6
[21]kimb.clark&takahirofuj
imoto.productdevelopmentperformance–strategy、organizationandmanagementinindustry.harvardbusinessschoolpress.boson1993
[22]gobelidh,browndj.improvingtheprocessofproductinnovation.research,technologymanagement,1993.36（2）:46-49
[23]simonj.towner.fourwaystoacceleratenewproductdevelopment.longrangplanning1994.27（2）:57-65
[24]abdulali,etal.productinnovationandentrystrategy.journalofproductinnovationmanagement1995.12（12）:54-69
[25]ericvinhippel.thesourcesofinnovation.oxforduniversitypress.1988
[26]shtuba,zimermany.aneural-network-basedapproachforestimatingthecostofassembly.internationaljournalofproductioneconomics,1993.32:189-207
[27]wee-liangtan,dattarreyag.allampalli,investmentcriteriaofsingaporecapitalists,1997internationalcouncilforsmallbusiness,sanfrancisco,california,june1997
[28]michaelhenos,theroadtoventurefinancing:guidelinesforentrepreneuts,r&dstraregistmagazine,summer1991
[29]chowgc,thelargrangemethodofoptimizationwithapplicationstoportfoliandinvestmentdecisions.jofeconomicdymamicsandcontrol1996
[30]jensen,r..informationcostandinnovationadoptionpolicies,managementscience.vol.34,no.2,feb,1988
[31]r.k.zutshi,t.w.liang,d.g.allampulli,singaporeventurecapitalistsinvestmentevaluationcriteria:areexamination.smallbusinesseconomics13:9-26(1999)
评估方法论文范文第3篇
论文名称：基于BP神经网络的技术创新预测与评估模型及其应用研究
课题来源：单位自拟课题或省政府下达的研究课题
选题依据：
技术创新预测和评估是企业技术创新决策的前提和依据。通过技术创新预测和评估,可以使企业对未来的技术发展水平及其变化趋势有正确的把握,从而为企业的技术创新决策提供科学的依据,以减少技术创新决策过程中的主观性和盲目性。只有在正确把握技术创新发展方向的前提下,企业的技术创新工作才能沿着正确方向开展,企业产品的市场竞争力才能得到不断加强。在市场竞争日趋激烈的现代商业中,企业的技术创新决定着企业生存和发展、前途与命运,为了确保技术创新工作的正确性,企业对技术创新的预测和评估提出了更高的要求。
二、本课题国内外研究现状及发展趋势
现有的技术创新预测方法可分为趋势外推法、相关分析法和专家预测法三大类。
(1)趋势外推法。指利用过去和现在的技术、经济信息,分析技术发展趋势和规律,在分析判断这些趋势和规律将继续的前提下,将过去和现在的趋势向未来推演。生长曲线法是趋势外推法中的一种应用较为广泛的技术创新预测方法,美国生物学家和人口统计学家RaymondPearl提出的Pearl曲线(数学模型为:Y=L∕[1+A?exp(-B·t)])及英国数学家和统计学家Gompertz提出的Gompertz曲线(数学模型为:Y=L·exp(-B·t))皆属于生长曲线,其预测值Y为技术性能指标,t为时间自变量,L、A、B皆为常数。Ridenour模型也属于生长曲线预测法,但它假定新技术的成长速度与熟悉该项技术的人数成正比,主要适用于新技术、新产品的扩散预测。
(2)相关分析法。利用一系列条件、参数、因果关系数据和其他信息,建立预测对象与影响因素的因果关系模型,预测技术的发展变化。相关分析法认为,一种技术性能的改进或其应用的扩展是和其他一些已知因素高度相关的,这样,通过已知因素的分析就可以对该项技术进行预测。相关分析法主要有以下几种:导前-滞后相关分析、技术进步与经验积累的相关分析、技术信息与人员数等因素的相关分析及目标与手段的相关分析等方法。
(3)专家预测法。以专家意见作为信息来源,通过系统的调查、征询专家的意见,分析和整理出预测结果。专家预测法主要有:专家个人判断法、专家会议法、头脑风暴法及德尔菲法等,其中,德尔菲法吸收了前几种专家预测法的长处,避免了其缺点,被认为是技术预测中最有效的专家预测法。
趋势外推法的预测数据只能为纵向数据,在进行产品技术创新预测时,只能利用过去的产品技术性能这一个指标来预测它的随时间的发展趋势,并不涉及影响产品技术创新的科技、经济、产业、市场、社会及政策等多方面因素。在现代商业经济中,对于产品技术发展的预测不能简单地归结为产品过去技术性能指标按时间的进展来类推,而应系统综合地考虑现代商业中其他因素对企业产品技术创新的深刻影响。相关分析法尽管可同时按横向数据和纵向数据来进行预测,但由于它是利用过去的历史数据中的某些影响产品技术创新的因素求出的具体的回归预测式,而所得到的回归预测模型往往只能考虑少数几种主要影响因素,略去了许多未考虑的因素,所以,所建模型对实际问题的表达能力也不够准确,预测结果与实际的符合程度也有较大偏差。专家预测法是一种定性预测方法,依靠的是预测者的知识和经验,往往带有主观性,难以满足企业对技术创新预测准确度的要求。以上这些技术创新预测技术和方法为企业技术创新工作的开展做出了很大的贡献,为企业技术创新的预测提供了科学的方法论,但在新的经济和市场环境下,技术创新预测的方法和技术应有新的丰富和发展,以克服自身的不足,更进一步适应时展的需要,为企业的技术创新工作的开展和企业的生存与发展提供先进的基础理论和技术方法。
目前,在我国企业技术创新评估中,一般只考虑如下四个方面的因素:(1)技术的先进性、可行性、连续性;(2)经济效果;(3)社会效果;(4)风险性,在对此四方面内容逐个分析后,再作综合评估。在综合评估中所用的方法主要有:Delphi法(专家法)、AHP法(层次分析法)、模糊评估法、决策树法、战略方法及各种图例法等,但技术创新的评估是一个非常复杂的系统,其中存在着广泛的非线性、时变性和不确定性,同时,还涉及技术、经济、管理、社会等诸多复杂因素,目前所使用的原理和方法,难以满足企业对技术创新评估科学性的要求。关于技术创新评估的研究,在我国的历史还不长,无论是指标体系还是评估方法,均处于研究之中,我们认为目前在企业技术创新评估方面应做的工作是:(1)建立一套符合我国实际情况的技术创新评估指标体系;(2)建立一种适应于多因素、非线性和不确定性的综合评估方法。
这种情况下,神经网络技术就有其特有的优势,以其并行分布、自组织、自适应、自学习和容错性等优良性能,可以较好地适应技术创新预测和评估这类多因素、不确定性和非线性问题,它能克服上述各方法的不足。本项目以BP神经网络作为基于多因素的技术创新预测和评估模型构建的基础,BP神经网络由输入层、隐含层和输出层构成,各层的神经元数目不同,由正向传播和反向传播组成,在进行产品技术创新预测和评估时,从输入层输入影响产品技术创新预测值和评估值的n个因素信息,经隐含层处理后传入输出层,其输出值Y即为产品技术创新技术性能指标的预测值或产品技术创新的评估值。这种n个因素指标的设置,考虑了概括性和动态性,力求全面、客观地反映影响产品技术创新发展的主要因素和导致产品个体差异的主要因素,尽管是黑匣子式的预测和评估,但事实证明它自身的强大学习能力可将需考虑的多种因素的数据进行融合,输出一个经非线性变换后较为精确的预测值和评估值。
据文献查阅,虽然在技术创新预测和评估的现有原理和方法的改进和完善方面有一定的研究,如文献[08]、[09]、[11]等,但尚未发现将神经网络应用于技术创新预测与评估方面的研究,在当前产品的市场寿命周期不断缩短、要求企业不断推出新产品的经济条件下,以神经网络为基础来建立产品技术创新预测与评估模型,是对技术创新定量预测和评估方法的有益补充和完善。
三、论文预期成果的理论意义和应用价值
本项目研究的理论意义表现在:(1)探索新的技术创新预测和评估技术,丰富和完善技术创新预测和评估方法体系;(2)将神经网络技术引入技术创新的预测和评估,有利于推动技术创新预测和评估方法的发展。
本项目研究的应用价值体现在:(1)提供一种基于多因素的技术创新定量预测技术,有利于提高预测的正确性;(2)提供一种基于BP神经网络的综合评估方法,有利于提高评估的科学性;(3)为企业的技术创新预测和评估工作提供新的方法论和实用技术。
四、课题研究的主要内容
研究目标：
以BP神经网络模型为基础研究基于多因素的技术创新预测和评估模型,并建立科学的预测和评估指标体系及设计相应的模型计算方法,结合企业的具体实际,对指标和模型体系进行实证分析,使研究具有一定的理论水平和实用价值。
研究内容：
1、影响企业技术创新预测和评佑的相关指标体系确定及其量化和规范化。从企业的宏观环境和微观环境两个方面入手,密切结合电子商务和知识经济对企业技术创新的影响,系统综合地分析影响产品技术创新的各相关因素,建立科学的企业技术创新预测和评估指标体系,并研究其量化和规范化的原则及方法。
2、影响技术创新预测和评估各相关指标的相对权重确定。影响技术创新发展和变化各相关因素在输入预测和评估模型时,需要一组决定其相对重要性的初始权重,权重的确定需要基本的原则作支持。
3、基于BP神经网络的技术创新预测和评估模型研究。根据技术创新预测的特点,以BP神经网络为基础,构建基于多因素的技术创新预测和评估模型。
4、基于BP神经网络的技术创新预测和评估模型计算方法设计。根据基于BP神经网络的技术创新预测和评估模型的基本特点,设计其相应的计算方法。
5、基于BP神经网络的技术创新预测和评估模型学习样本设计。根据相关的历史资料,构建基于BP神经网络的技术创新预测和评估模型的学习样本,对预测和评估模型进行自学习和训练,使模型适合实际情况。
6、基于BP神经网络的技术创新预测和评估技术的实证研究。以一般企业的技术创新预测与评估工作为背景,对基于BP神经网络的技术创新预测和评估技术进行实证研究。
创新点：
1、建立一套基于电子商务和知识经济的技术创新预测和评估指标体系。目前,在技术创新的预测和评估指标体系方面,一种是采用传统的指标体系,另一种是采用国外先进国家的指标体系,如何结合我国实际当前经济形势,参考国外先进发达国家的研究工作,建立一套适合于我国企业技术创新预测和评估指标体系,此为本研究要做的首要工作,这是一项创新。
2、研究基于BP神经网络的技术创新预测和评估模型及其计算方法。神经网络技术具有并行分布处理、自学习、自组织、自适应和容错性等优良性能,能较好地处理基于多因素、非线性和不确定性预测和评估的现实问题,本项目首次将神经网络技术引入企业的技术创新预测和评估,这也是一项创新。
五、课题研究的基本方法、技术路线的可行性论证
1、重视系统分析。以系统科学的思想为指导来分析影响企业技术创新发展和变化的宏观因素和微观因素,并研究影响因素间的内在联系,确定其相互之间的重要度,探讨其量化和规范化的方法,将国外先进国家的研究成果与我国具体实际相结合,建立我国企业技术创新预测和评估的指标体系。
2、重视案例研究。从国内外技术创新预测与决策成功和失败的案例中,发现问题、分析问题,归纳和总结出具有共性的东西,探索技术创新预测与宏观因素与微观因素之间的内在关系。
3、采用先简单后复杂的研究方法。对基于BP神经网络的技术创新预测和评估模型的研究,先从某一行业出发,定义模型的基本输入因素,然后,逐步扩展,逐步增加模型的复杂度。
4、理论和实践相结合。将研究工作与具体企业的技术创新实际相结合,进行实证研究,在实践中丰富和完善,研究出具有科学性和实用性的成果。
六、开展研究已具备的条件、可能遇到的困难与问题及解决措施
本人长期从事市场营销和技术创新方面的研究工作,编写出版了《现代市场营销学》和《现代企业管理学》等有关著作,发表了“企业技术创新与营销管理创新”、“企业技术创新与营销组织创新”及“企业技术创新与营销观念创新”等与技术创新相关的学术研究论文,对企业技术创新的预测和评估有一定的理论基础,也从事过企业产品技术创新方面的策划和研究工作,具有一定的实践经验,与许多企业有密切的合作关系,同时,对神经网络技术也进行过专门的学习和研究,所以,本项目研究的理论基础、技术基础及实验场所已基本具备,能顺利完成本课题的研究,取得预期的研究成果。
七、论文研究的进展计划
2003.07-2003.09：完成论文开题。
2003.09-2003.11：影响企业技术创新发展的指标体系研究及其量化和规范化。
2003.11-2004.01：基于BP神经网络的技术创新预测和评估模型的构建。
2004.01-2004.03：基于BP神经网络的技术创新预测和评估模型计算方法研究。
2004.03-2004.04：基于BP神经网络的技术创新预测和评估模型体系的实证研究。
2004.04-2004.06：完成论文写作、修改定稿，准备答辩。
主要参考文献：
[01]傅家骥、仝允桓等.技术创新学.北京:清华大学出版社1998
[02]吴贵生.技术创新管理.北京:清华大学出版社2000
[03]柳卸林.企业技术创新管理.北京:科学技术出版社1997
[04]赵志、陈邦设等.产品创新过程管理模式的基本问题研究.管理科学学报.2000/2.
[05]王亚民、朱荣林.风险投资项目ECV评估指标与决策模型研究.风险投资.2002/6
[06]赵中奇、王浣尘、潘德惠.随机控制的极大值原理及其在投资决策中的应用.控制与决策.2002/6
[07]夏清泉、凌婕.风险投资理论和政策研究.国际商务研究.2002/5
[08]陈劲、龚焱等.技术创新信息源新探.中国软科学.2001/1.pp86-88
[09]严太华、张龙.风险投资评估决策方法初探.经济问题.2002/1
[10]苏永江、李湛.风险投资决策问题的系统分析.学术研究.2001/4
<11>孙冰.企业产品开发的评价模型及方法研究.中国管理科学.2002/4
[12]诸克军、杨久西、匡益军.基于人工神经网络的石油勘探有利性综合评价.系统工程理论与实践.2002/4
[13]杨力.基干BP神经网络的城市房屋租赁估价系统设计.中国管理科学.2002/4
[14]杨国栋、贾成前.高速公路复垦土地适宜性评价的BP神经网络模型.统工程理论与实践.2002/4
[15]楼文高.基于人工神经网络的三江平原土壤质量综合评价与预测模型.中国管理科学.2002/1
[16]胥悦红、顾培亮.基于BP神经网络的产品成本预测.管理工程学报.2000/4
[17]陈新辉、乔忠.基于TSA-BP神经网络的企业产品市场占有率预测模型.中国农业大学学报.2000/5
[18]刘育新.技术预测的过程与常用方法.中国软科学.1998/3
[19]温小霓、赵玮.市场需求与统计预测.西安电子科技大学学报.2000/5
[20]朱振中.模糊理论在新产品开发中的应用.科学管理研究.2000/6
[21]KimB.Clark&TakahiroFujimoto.ProductDevelopmentPerformance–Strategy、OrganizationandManagementinIndustry.HarvardBusinessSchoolPress.Boson1993
[22]GobeliDH,BrownDJ.Improvingtheprocessofproductinnovation.Research,TechnologyManagement,1993.36(2):46-49
[23]SimonJ.Towner.Fourwaystoacceleratenewproductdevelopment.LongRangPlanning1994.27(2):57-65
[24]AbdulAli,etal.Productinnovationandentrystrategy.JournalofProductInnovationManagement1995.12(12):54-69
[25]EricVinHippel.ThesourcesofInnovation.OxfordUniversityPress.1988
[26]ShtubA,ZimermanY.Aneural-network-basedapproachforestimatingthecostofassembly.InternationalJournalofProductionEconomics,1993.32:189-207
[27]Wee-LiangTan,DattarreyaG.Allampalli,InvestmentCriteriaofSingaporeCapitalists,1997InternationalCouncilforSmallBusiness,SanFrancisco,California,June1997
[28]MichaelHenos,TheRoadtoVentureFinancing:GuidelinesforEntrepreneuts,R&DStraregistMagazine,Summer1991
[29]ChowGC,TheLargrangeMethodofoptimizationwithapplicationstoportfoliandinvestmentdecisions.JofEconomicDymamicsandControl1996
[30]Jensen,R..InformationCostandInnovationAdoptionPolicies,ManagementScience.Vol.34,No.2,Feb,1988
[31]R.K.Zutshi,T.W.Liang,D.G.Allampulli,SingaporeVentureCapitalistsInvestmentEvaluationCriteria:AReexamination.SmallBusinessEconomics13:9-26(1999)
[32]AndrewL.Zacharakis,G.DaleMeyer.ALackofInsight:DoVentureCapitalistsReallyUnderstandTheirOwnDecisionProcess?JournalofBusinessVenturing(1998)13:57-76
评估方法论文范文第4篇
课题来源：单位自拟课题或省政府下达的研究课题
选题依据：
技术创新预测和评估是企业技术创新决策的前提和依据。通过技术创新预测和评估, 可以使企业对未来的技术发展水平及其变化趋势有正确的把握, 从而为企业的技术创新决策提供科学的依据, 以减少技术创新决策过程中的主观性和盲目性。只有在正确把握技术创新发展方向的前提下, 企业的技术创新工作才能沿着正确方向开展,企业产品的市场竞争力才能得到不断加强。在市场竞争日趋激烈的现代商业中, 企业的技术创新决定着企业生存和发展、前途与命运, 为了确保技术创新工作的正确性,企业对技术创新的预测和评估提出了更高的要求。
二、本课题国内外研究现状及发展趋势
现有的技术创新预测方法可分为趋势外推法、相关分析法和专家预测法三大类。
(1)趋势外推法。指利用过去和现在的技术、经济信息, 分析技术发展趋势和规律, 在分析判断这些趋势和规律将继续的前提下, 将过去和现在的趋势向未来推演。生长曲线法是趋势外推法中的一种应用较为广泛的技术创新预测方法,美国生物学家和人口统计学家raymond pearl提出的pearl曲线(数学模型为: y=l∕[1+a?exp(-b·t)] )及英国数学家和统计学家gompertz提出的gompertz曲线(数学模型为: y=l·exp(-b·t))皆属于生长曲线, 其预测值y为技术性能指标, t为时间自变量, l、a、b皆为常数。ridenour模型也属于生长曲线预测法, 但它假定新技术的成长速度与熟悉该项技术的人数成正比, 主要适用于新技术、新产品的扩散预测。
(2)相关分析法。利用一系列条件、参数、因果关系数据和其他信息, 建立预测对象与影响因素的因果关系模型, 预测技术的发展变化。相关分析法认为, 一种技术性能的改进或其应用的扩展是和其他一些已知因素高度相关的, 这样, 通过已知因素的分析就可以对该项技术进行预测。相关分析法主要有以下几种: 导前-滞后相关分析、技术进步与经验积累的相关分析、技术信息与人员数等因素的相关分析及目标与手段的相关分析等方法。
(3)专家预测法。以专家意见作为信息来源, 通过系统的调查、征询专家的意见, 分析和整理出预测结果。专家预测法主要有: 专家个人判断法、专家会议法、头脑风暴法及德尔菲法等, 其中, 德尔菲法吸收了前几种专家预测法的长处, 避免了其缺点, 被认为是技术预测中最有效的专家预测法。
趋势外推法的预测数据只能为纵向数据, 在进行产品技术创新预测时, 只能利用过去的产品技术性能这一个指标来预测它的随时间的发展趋势, 并不涉及影响产品技术创新的科技、经济、产业、市场、社会及政策等多方面因素。在现代商业经济中, 对于产品技术发展的预测不能简单地归结为产品过去技术性能指标按时间的进展来类推, 而应系统综合地考虑现代商业中其他因素对企业产品技术创新的深刻影响。相关分析法尽管可同时按横向数据和纵向数据来进行预测, 但由于它是利用过去的历史数据中的某些影响产品技术创新的因素求出的具体的回归预测式, 而所得到的回归预测模型往往只能考虑少数几种主要影响因素, 略去了许多未考虑的因素, 所以, 所建模型对实际问题的表达能力也不够准确, 预测结果与实际的符合程度也有较大偏差。专家预测法是一种定性预测方法,依靠的是预测者的知识和经验, 往往带有主观性, 难以满足企业对技术创新预测准确度的要求。以上这些技术创新预测技术和方法为企业技术创新工作的开展做出了很大的贡献, 为企业技术创新的预测提供了科学的方法论, 但在新的经济和市场环境下, 技术创新预测的方法和技术应有新的丰富和发展, 以克服自身的不足, 更进一步适应时展的需要, 为企业的技术创新工作的开展和企业的生存与发展提供先进的基础理论和技术方法。
目前,在我国企业技术创新评估中, 一般只考虑如下四个方面的因素: (1) 技术的先进性、可行性、连续性; (2) 经济效果; (3) 社会效果; (4) 风险性, 在对此四方面内容逐个分析后, 再作综合评估。在综合评估中所用的方法主要有: delphi法(专家法)、ahp法(层次分析法)、模糊评估法、决策树法、战略方法及各种图例法等, 但技术创新的评估是一个非常复杂的系统, 其中存在着广泛的非线性、时变性和不确定性, 同时, 还涉及技术、经济、管理、社会等诸多复杂因素,目前所使用的原理和方法, 难以满足企业对技术创新评估科学性的要求。关于技术创新评估的研究, 在我国的历史还不长, 无论是指标体系还是评估方法, 均处于研究之中, 我们认为目前在企业技术创新评估方面应做的工作是: (1) 建立一套符合我国实际情况的技术创新评估指标体系; (2) 建立一种适应于多因素、非线性和不确定性的综合评估方法。
这种情况下, 神经网络技术就有其特有的优势, 以其并行分布、自组织、自适应、自学习和容错性等优良性能, 可以较好地适应技术创新预测和评估这类多因素、不确定性和非线性问题, 它能克服上述各方法的不足。本项目以bp神经网络作为基于多因素的技术创新预测和评估模型构建的基础, bp神经网络由输入层、隐含层和输出层构成, 各层的神经元数目不同, 由正向传播和反向传播组成, 在进行产品技术创新预测和评估时, 从输入层输入影响产品技术创新预测值和评估值的n个因素信息, 经隐含层处理后传入输出层, 其输出值y即为产品技术创新技术性能指标的预测值或产品技术创新的评估值。这种n个因素指标的设置, 考虑了概括性和动态性, 力求全面、客观地反映影响产品技术创新发展的主要因素和导致产品个体差异的主要因素, 尽管是黑匣子式的预测和评估, 但事实证明它自身的强大学习能力可将需考虑的多种因素的数据进行融合, 输出一个经非线性变换后较为精确的预测值和评估值。
据文献查阅, 虽然在技术创新预测和评估的现有原理和方法的改进和完善方面有一定的研究,如文献[08]、[09]、[11]等, 但尚未发现将神经网络应用于技术创新预测与评估方面的研究, 在当前产品的市场寿命周期不断缩短、要求企业不断推出新产品的经济条件下, 以神经网络为基础来建立产品技术创新预测与评估模型, 是对技术创新定量预测和评估方法的有益补充和完善。
三、论文预期成果的理论意义和应用价值
本项目研究的理论意义表现在: (1) 探索新的技术创新预测和评估技术, 丰富和完善技术创新预测和评估方法体系; (2) 将神经网络技术引入技术创新的预测和评估, 有利于推动技术创新预测和评估方法的发展。
本项目研究的应用价值体现在: (1) 提供一种基于多因素的技术创新定量预测技术, 有利于提高预测的正确性; (2)提供一种基于bp神经网络的综合评估方法, 有利于提高评估的科学性; (3) 为企业的技术创新预测和评估工作提供新的方法论和实用技术。
四、课题研究的主要内容
研究目标：
以bp神经网络模型为基础研究基于多因素的技术创新预测和评估模型, 并建立科学的预测和评估指标体系及设计相应的模型计算方法, 结合企业的具体实际, 对指标和模型体系进行实证分析, 使研究具有一定的理论水平和实用价值。
研究内容：
1、影响企业技术创新预测和评佑的相关指标体系确定及其量化和规范化。从企业的宏观环境和微观环境两个方面入手, 密切结合电子商务和知识经济对企业技术创新的影响, 系统综合地分析影响产品技术创新的各相关因素, 建立科学的企业技术创新预测和评估指标体系, 并研究其量化和规范化的原则及方法。
2、影响技术创新预测和评估各相关指标的相对权重确定。影响技术创新发展和变化各相关因素在输入预测和评估模型时, 需要一组决定其相对重要性的初始权重, 权重的确定需要基本的原则作支持。
3、基于bp神经网络的技术创新预测和评估模型研究。 根据技术创新预测的特点, 以bp神经网络为基础, 构建基于多因素的技术创新预测和评估模型。
4、
基于bp神经网络的技术创新预测和评估模型计算方法设计。根据基于bp神经网络的技术创新预测和评估模型的基本特点, 设计其相应的计算方法。
5、基于bp神经网络的技术创新预测和评估模型学习样本设计。根据相关的历史资料, 构建基于bp神经网络的技术创新预测和评估模型的学习样本, 对预测和评估模型进行自学习和训练, 使模型适合实际情况。
6、基于bp神经网络的技术创新预测和评估技术的实证研究。以一般企业的技术创新预测与评估工作为背景, 对基于bp神经网络的技术创新预测和评估技术进行实证研究。
创新点：
1、建立一套基于电子商务和知识经济的技术创新预测和评估指标体系。目前,在技术创新的预测和评估指标体系方面, 一种是采用传统的指标体系, 另一种是采用国外先进国家的指标体系, 如何结合我国实际当前经济形势, 参考国外先进发达国家的研究工作, 建立一套适合于我国企业技术创新预测和评估指标体系, 此为本研究要做的首要工作, 这是一项创新。
2、研究基于bp神经网络的技术创新预测和评估模型及其计算方法。神经网络技术具有并行分布处理、自学习、自组织、自适应和容错性等优良性能, 能较好地处理基于多因素、非线性和不确定性预测和评估的现实问题, 本项目首次将神经网络技术引入企业的技术创新预测和评估, 这也是一项创新。
五、课题研究的
基本方法、技术路线的可行性论证
1、重视系统分析。以系统科学的思想为指导来分析影响企业技术创新发展和变化的宏观因素和微观因素, 并研究影响因素间的内在联系, 确定其相互之间的重要度, 探讨其量化和规范化的方法, 将国外先进国家的研究成果与我国具体实际相结合, 建立我国企业技术创新预测和评估的指标体系。
2、重视案例研究。从国内外技术创新预测与决策成功和失败的案例中, 发现问题、分析问题, 归纳和总结出具有共性的东西, 探索技术创新预测与宏观因素与微观因素之间的内在关系。
3、采用先简单后复杂的研究方法。对基于bp神经网络的技术创新预测和评估模型的研究, 先从某一行业出发, 定义模型的基本输入因素, 然后, 逐步扩展, 逐步增加模型的复杂度。
4、理论和实践相结合。将研究工作与具体企业的技术创新实际相结合, 进行实证研究, 在实践中丰富和完善, 研究出具有科学性和实用性的成果。
六、开展研究已具备的条件、可能遇到的困难与问题及解决措施
本人长期从事市场营销和技术创新方面的研究工作, 编写出版了《现代市场营销学》和《现代企业管理学》等有关著作, 发表了“企业技术创新与营销管理创新”、“企业技术创新与营销组织创新”及“企业技术创新与营销观念创新”等与技术创新相关的学术研究论文, 对企业技术创新的预测和评估有一定的理论基础, 也从事过企业产品技术创新方面的策划和研究工作, 具有一定的实践经验, 与许多企业有密切的合作关系, 同时, 对神经网络技术也进行过专门的学习和研究, 所以, 本项目研究的理论基础、技术基础及实验场所已基本具备, 能顺利完成本课题的研究, 取得预期的研究成果。
评估方法论文范文第5篇
一、论文名称、课题来源、选题依据
论文名称：基于BP神经网络的技术创新预测与评估模型及其应用研究
课题来源：单位自拟课题或省政府下达的研究课题
选题依据：技术创新预测和评估是企业技术创新决策的前提和依据。通过技术创新预测和评估， 可以使企业对未来的技术发展水平及其变化趋势有正确的把握， 从而为企业的技术创新决策提供科学的依据， 以减少技术创新决策过程中的主观性和盲目性。只有在正确把握技术创新发展方向的前提下， 企业的技术创新工作才能沿着正确方向开展，企业产品的市场竞争力才能得到不断加强。在市场竞争日趋激烈的现代商业中， 企业的技术创新决定着企业生存和发展、前途与命运， 为了确保技术创新工作的正确性，企业对技术创新的预测和评估提出了更高的要求。
二、本课题国内外研究现状及发展趋势
现有的技术创新预测方法可分为趋势外推法、相关分析法和专家预测法三大类。
(1) 趋势外推法。指利用过去和现在的技术、经济信息， 分析技术发展趋势和规律， 在分析判断这些趋势和规律将继续的前提下， 将过去和现在的趋势向未来推演。生长曲线法是趋势外推法中的一种应用较为广泛的技术创新预测方法，美国生物学家和人口统计学家Raymond Pearl提出的Pearl曲线(数学模型为： Y=L?[1+A?exp(-Bt)] )及英国数学家和统计学家Gompertz提出的Gompertz曲线(数学模型为： Y=Lexp(-Bt))皆属于生长曲线， 其预测值Y为技术性能指标， t为时间自变量， L、A、B皆为常数。Ridenour模型也属于生长曲线预测法， 但它假定新技术的成长速度与熟悉该项技术的人数成正比， 主要适用于新技术、新产品的扩散预测。
(2)相关分析法。利用一系列条件、参数、因果关系数据和其他信息， 建立预测对象与影响因素的因果关系模型， 预测技术的发展变化。相关分析法认为， 一种技术性能的改进或其应用的扩展是和其他一些已知因素高度相关的， 这样， 通过已知因素的分析就可以对该项技术进行预测。相关分析法主要有以下几种： 导前-滞后相关分析、技术进步与经验积累的相关分析、技术信息与人员数等因素的相关分析及目标与手段的相关分析等方法。
(3)专家预测法。以专家意见作为信息来源， 通过系统的调查、征询专家的意见， 分析和整理出预测结果。专家预测法主要有： 专家个人判断法、专家会议法、头脑风暴法及德尔菲法等， 其中， 德尔菲法吸收了前几种专家预测法的长处， 避免了其缺点， 被认为是技术预测中最有效的专家预测法。
趋势外推法的预测数据只能为纵向数据， 在进行产品技术创新预测时， 只能利用过去的产品技术性能这一个指标来预测它的随时间的发展趋势， 并不涉及影响产品技术创新的科技、经济、产业、市场、社会及政策等多方面因素。在现代商业经济中， 对于产品技术发展的预测不能简单地归结为产品过去技术性能指标按时间的进展来类推， 而应系统综合地考虑现代商业中其他因素对企业产品技术创新的深刻影响。相关分析法尽管可同时按横向数据和纵向数据来进行预测， 但由于它是利用过去的历史数据中的某些影响产品技术创新的因素求出的具体的回归预测式， 而所得到的回归预测模型往往只能考虑少数几种主要影响因素， 略去了许多未考虑的因素， 所以， 所建模型对实际问题的表达能力也不够准确， 预测结果与实际的符合程度也有较大偏差。专家预测法是一种定性预测方法，依靠的是预测者的知识和经验， 往往带有主观性， 难以满足企业对技术创新预测准确度的要求。以上这些技术创新预测技术和方法为企业技术创新工作的开展做出了很大的贡献， 为企业技术创新的预测提供了科学的方法论， 但在新的经济和市场环境下， 技术创新预测的方法和技术应有新的丰富和发展， 以克服自身的不足， 更进一步适应时展的需要， 为企业的技术创新工作的开展和企业的生存与发展提供先进的基础理论和技术方法。
目前，在我国企业技术创新评估中， 一般只考虑如下四个方面的因素： (1) 技术的先进性、可行性、连续性; (2) 经济效果; (3) 社会效果; (4) 风险性， 在对此四方面内容逐个分析后， 再作综合评估。在综合评估中所用的方法主要有： Delphi法(专家法)、AHP法(层次分析法)、模糊评估法、决策树法、战略方法及各种图例法等， 但技术创新的评估是一个非常复杂的系统， 其中存在着广泛的非线性、时变性和不确定性， 同时， 还涉及技术、经济、管理、社会等诸多复杂因素，目前所使用的原理和方法， 难以满足企业对技术创新评估科学性的要求。关于技术创新评估的研究， 在我国的历史还不长， 无论是指标体系还是评估方法， 均处于研究之中， 我们认为目前在企业技术创新评估方面应做的工作是： (1) 建立一套符合我国实际情况的技术创新评估指标体系; (2) 建立一种适应于多因素、非线性和不确定性的综合评估方法。
这种情况下， 神经网络技术就有其特有的优势， 以其并行分布、自组织、自适应、自学习和容错性等优良性能， 可以较好地适应技术创新预测和评估这类多因素、不确定性和非线性问题， 它能克服上述各方法的不足。本项目以BP神经网络作为基于多因素的技术创新预测和评估模型构建的基础， BP神经网络由输入层、隐含层和输出层构成， 各层的神经元数目不同， 由正向传播和反向传播组成， 在进行产品技术创新预测和评估时， 从输入层输入影响产品技术创新预测值和评估值的n个因素信息， 经隐含层处理后传入输出层， 其输出值Y即为产品技术创新技术性能指标的预测值或产品技术创新的评估值。这种n个因素指标的设置， 考虑了概括性和动态性， 力求全面、客观地反映影响产品技术创新发展的主要因素和导致产品个体差异的主要因素， 尽管是黑匣子式的预测和评估， 但事实证明它自身的强大学习能力可将需考虑的多种因素的数据进行融合， 输出一个经非线性变换后较为精确的预测值和评估值。
据文献查阅， 虽然在技术创新预测和评估的现有原理和方法的改进和完善方面有一定的研究，如文献[08]、[09]、[11]等， 但尚未发现将神经网络应用于技术创新预测与评估方面的研究， 在当前产品的市场寿命周期不断缩短、要求企业不断推出新产品的经济条件下， 以神经网络为基础来建立产品技术创新预测与评估模型， 是对技术创新定量预测和评估方法的有益补充和完善。
三、论文预期成果的理论意义和应用价值
本项目研究的理论意义表现在： (1) 探索新的技术创新预测和评估技术， 丰富和完善技术创新预测和评估方法体系; (2) 将神经网络技术引入技术创新的预测和评估， 有利于推动技术创新预测和评估方法的发展。
本项目研究的应用价值体现在： (1) 提供一种基于多因素的技术创新定量预测技术， 有利于提高预测的正确性; (2)提供一种基于BP神经网络的综合评估方法， 有利于提高评估的科学性; (3) 为企业的技术创新预测和评估工作提供新的方法论和实用技术。
四、课题研究的主要内容
研究目标：
以BP神经网络模型为基础研究基于多因素的技术创新预测和评估模型， 并建立科学的预测和评估指标体系及设计相应的模型计算方法， 结合企业的具体实际， 对指标和模型体系进行实证分析， 使研究具有一定的理论水平和实用价值。
研究内容：
1、影响企业技术创新预测和评佑的相关指标体系确定及其量化和规范化。从企业的宏观环境和微观环境两个方面入手， 密切结合电子商务和知识经济对企业技术创新的影响， 系统综合地分析影响产品技术创新的各相关因素， 建立科学的企业技术创新预测和评估指标体系， 并研究其量化和规范化的原则及方法。
2、影响技术创新预测和评估各相关指标的相对权重确定。影响技术创新发展和变化各相关因素在输入预测和评估模型时， 需要一组决定其相对重要性的初始权重， 权重的确定需要基本的原则作支持。
3、基于BP神经网络的技术创新预测和评估模型研究。 根据技术创新预测的特点， 以BP神经网络为基础， 构建基于多因素的技术创新预测和评估模型。
4、基于BP神经网络的技术创新预测和评估模型计算方法设计。根据基于BP神经网络的技术创新预测和评估模型的基本特点， 设计其相应的计算方法。
5、基于BP神经网络的技术创新预测和评估模型学习样本设计。根据相关的历史资料， 构建基于BP神经网络的技术创新预测和评估模型的学习样本， 对预测和评估模型进行自学习和训练， 使模型适合实际情况。
6、基于BP神经网络的技术创新预测和评估技术的实证研究。以一般企业的技术创新预测与评估工作为背景， 对基于BP神经网络的技术创新预测和评估技术进行实证研究。
创新点：
1、建立一套基于电子商务和知识经济的技术创新预测和评估指标体系。目前，在技术创新的预测和评估指标体系方面， 一种是采用传统的指标体系， 另一种是采用国外先进国家的指标体系， 如何结合我国实际当前经济形势， 参考国外先进发达国家的研究工作， 建立一套适合于我国企业技术创新预测和评估指标体系， 此为本研究要做的首要工作， 这是一项创新。
2、研究基于BP神经网络的技术创新预测和评估模型及其计算方法。神经网络技术具有并行分布处理、自学习、自组织、自适应和容错性等优良性能， 能较好地处理基于多因素、非线性和不确定性预测和评估的现实问题， 本项目首次将神经网络技术引入企业的技术创新预测和评估， 这也是一项创新。
五、课题研究的基本方法、技术路线的可行性论证
1、重视系统分析。以系统科学的思想为指导来分析影响企业技术创新发展和变化的宏观因素和微观因素， 并研究影响因素间的内在联系， 确定其相互之间的重要度， 探讨其量化和规范化的方法， 将国外先进国家的研究成果与我国具体实际相结合， 建立我国企业技术创新预测和评估的指标体系。
2、重视案例研究。从国内外技术创新预测与决策成功和失败的案例中， 发现问题、分析问题， 归纳和总结出具有共性的东西， 探索技术创新预测与宏观因素与微观因素之间的内在关系。
3、采用先简单后复杂的研究方法。对基于BP神经网络的技术创新预测和评估模型的研究， 先从某一行业出发， 定义模型的基本输入因素， 然后， 逐步扩展， 逐步增加模型的复杂度。
4、理论和实践相结合。将研究工作与具体企业的技术创新实际相结合， 进行实证研究， 在实践中丰富和完善， 研究出具有科学性和实用性的成果。
六、开展研究已具备的条件、可能遇到的困难与问题及解决措施
本人长期从事市场营销和技术创新方面的研究工作， 编写出版了《现代市场营销学》和《现代企业管理学》等有关著作， 发表了企业技术创新与营销管理创新、企业技术创新与营销组织创新及企业技术创新与营销观念创新等与技术创新相关的学术研究论文， 对企业技术创新的预测和评估有一定的理论基础， 也从事过企业产品技术创新方面的策划和研究工作， 具有一定的实践经验， 与许多企业有密切的合作关系， 同时， 对神经网络技术也进行过专门的学习和研究， 所以， 本项目研究的理论基础、技术基础及实验场所已基本具备， 能顺利完成本课题的研究， 取得预期的研究成果。
七、论文研究的进展计划
2003.07-2003.09：完成论文开题。
2003.09-2003.11：影响企业技术创新发展的指标体系研究及其量化和规范化。
2003.11-2004.01：基于BP神经网络的技术创新预测和评估模型的构建。
2004.01-2004.03：基于BP神经网络的技术创新预测和评估模型计算方法研究。
2004.03-2004.04：基于BP神经网络的技术创新预测和评估模型体系的实证研究。
2004.04-2004.06：完成论文写作、修改定稿，准备答辩。
主要参考文献：
[01] 傅家骥、仝允桓等。 技术创新学。 北京： 清华大学出版社 1998
[02] 吴贵生。 技术创新管理。 北京： 清华大学出版社 2000
[03] 柳卸林。 企业技术创新管理。 北京： 科学技术出版社 1997
[04] 赵志、陈邦设等。 产品创新过程管理模式的基本问题研究。 管理科学学报。 2000/2.
[05] 王亚民、朱荣林。 风险投资项目ECV评估指标与决策模型研究。 风险投资。 2002/6
[06] 赵中奇、王浣尘、潘德惠。 随机控制的极大值原理及其在投资决策中的应用。 控制与决策。 2002/6
[07] 夏清泉、凌婕。 风险投资理论和政策研究。 国际商务研究。 2002/5
[08] 陈劲、龚焱等。 技术创新信息源新探。 中国软科学。 2001/1. pp86-88
[09] 严太华、张龙。 风险投资评估决策方法初探。 经济问题。 2002/1
[10] 苏永江、李湛。 风险投资决策问题的系统分析。 学术研究。 2001/4
[11] 孙冰。 企业产品开发的评价模型及方法研究。 中国管理科学。 2002/4
[12] 诸克军、杨久西、匡益军。 基于人工神经网络的石油勘探有利性综合评价。 系统工程理论与实践。 2002/4
[13] 杨力。 基干BP 神经网络的城市房屋租赁估价系统设计。 中国管理科学。 2002/4
[14] 杨国栋、贾成前。 高速公路复垦土地适宜性评价的BP神经网络模型。 统工程理论与实践。 2002/4
[15] 楼文高。 基于人工神经网络的三江平原土壤质量综合评价与预测模型。 中国管理科学。 2002/1
[16] 胥悦红、顾培亮。 基于BP神经网络的产品成本预测。 管理工程学报。 2000/4
[17] 陈新辉、乔忠。 基于TSA-BP神经网络的企业产品市场占有率预测模型。 中国农业大学学报。 2000/5
[18] 刘育新。 技术预测的过程与常用方法。 中国软科学。 1998/3
[19] 温小霓、赵玮。 市场需求与统计预测。 西安电子科技大学学报。 2000/5
[20] 朱振中。 模糊理论在新产品开发中的应用。 科学管理研究。 2000/6
[21]Kim B. Clark Takahiro Fujimoto. Product Development Performance Strategy、Organization and Management in Industry. Harvard Business School Press. Boson 1993
[22] Gobeli D H, Brown D J. Improving the process of product innovation. Research, Technology Management, 1993. 36(2)：46-49
[23]Simon J.Towner. Four ways to accelerate new product development. Long Rang Planning 1994. 27(2)：57-65
[24]Abdul Ali,et al. Product innovation and entry strategy. Journal of Product Innovation Management 1995. 12(12)：54-69
[25]Eric Vin Hippel. The sources of Innovation. Oxford University Press. 1988
[26] Shtub A, Zimerman Y. A neural-network-based approach for estimating the cost of assembly. International Journal of Production Economics, 1993. 32: 189-207
[27] Wee-Liang Tan, Dattarreya G. Allampalli, Investment Criteria of Singapore Capitalists, 1997 International Council for Small Business, San Francisco, California, June 1997
[28]Michael Henos, The Road to Venture Financing: Guidelines for Entrepreneuts, RD Straregist Magazine,Summer 1991
[29]Chow GC, The Largrange Method of optimization with applications to portfoli and investment decisions. J of Economic Dymamics and Control 1996
[30]Jensen, R Information Cost and Innovation Adoption Policies, Management Science. Vol.34, No.2, Feb, 1988
[31]R.K. Zutshi, T.W.Liang, D.G.Allampulli, Singapore Venture Capitalists Investment Evaluation Criteria: A Reexamination. Small Business Economics 13:9-26(1999)
[32]Andrew L. Zacharakis, G.Dale Meyer. A Lack of Insight: Do Venture Capitalists Really Understand Their Own Decision Process? Journal of Business Venturing (1998) 13: 57-76
评估方法论文范文第6篇
论文名称：基于bp神经网络的技术创新预测与评估模型及其应用研究
课题来源：单位自拟课题或省政府下达的研究课题
选题依据：
技术创新预测和评估是企业技术创新决策的前提和依据。通过技术创新预测和评估，可以使企业对未来的技术发展水平及其变化趋势有正确的把握，从而为企业的技术创新决策提供科学的依据，以减少技术创新决策过程中的主观性和盲目性。只有在正确把握技术创新发展方向的前提下，企业的技术创新工作才能沿着正确方向开展，企业产品的市场竞争力才能得到不断加强。在市场竞争日趋激烈的现代商业中，企业的技术创新决定着企业生存和发展、前途与命运，为了确保技术创新工作的正确性，企业对技术创新的预测和评估提出了更高的要求。
二、本课题国内外研究现状及发展趋势
现有的技术创新预测方法可分为趋势外推法、相关分析法和专家预测法三大类。
(1)趋势外推法。指利用过去和现在的技术、经济信息，分析技术发展趋势和规律，在分析判断这些趋势和规律将继续的前提下，将过去和现在的趋势向未来推演。生长曲线法是趋势外推法中的一种应用较为广泛的技术创新预测方法，美国生物学家和人口统计学家raymondpearl提出的pearl曲线(数学模型为:y=l∕[1+a?exp(-b·t)])及英国数学家和统计学家gompertz提出的gompertz曲线(数学模型为:y=l·exp(-b·t))皆属于生长曲线，其预测值y为技术性能指标，t为时间自变量，l、a、b皆为常数。ridenour模型也属于生长曲线预测法，但它假定新技术的成长速度与熟悉该项技术的人数成正比，主要适用于新技术、新产品的扩散预测。
(2)相关分析法。利用一系列条件、参数、因果关系数据和其他信息，建立预测对象与影响因素的因果关系模型，预测技术的发展变化。相关分析法认为，一种技术性能的改进或其应用的扩展是和其他一些已知因素高度相关的，这样，通过已知因素的分析就可以对该项技术进行预测。相关分析法主要有以下几种:导前-滞后相关分析、技术进步与经验积累的相关分析、技术信息与人员数等因素的相关分析及目标与手段的相关分析等方法。
(3)专家预测法。以专家意见作为信息来源，通过系统的调查、征询专家的意见，分析和整理出预测结果。专家预测法主要有:专家个人判断法、专家会议法、头脑风暴法及德尔菲法等，其中，德尔菲法吸收了前几种专家预测法的长处，避免了其缺点，被认为是技术预测中最有效的专家预测法。
趋势外推法的预测数据只能为纵向数据，在进行产品技术创新预测时，只能利用过去的产品技术性能这一个指标来预测它的随时间的发展趋势，并不涉及影响产品技术创新的科技、经济、产业、市场、社会及政策等多方面因素。在现代商业经济中，对于产品技术发展的预测不能简单地归结为产品过去技术性能指标按时间的进展来类推，而应系统综合地考虑现代商业中其他因素对企业产品技术创新的深刻影响。相关分析法尽管可同时按横向数据和纵向数据来进行预测，但由于它是利用过去的历史数据中的某些影响产品技术创新的因素求出的具体的回归预测式，而所得到的回归预测模型往往只能考虑少数几种主要影响因素，略去了许多未考虑的因素，所以，所建模型对实际问题的表达能力也不够准确，预测结果与实际的符合程度也有较大偏差。专家预测法是一种定性预测方法，依靠的是预测者的知识和经验，往往带有主观性，难以满足企业对技术创新预测准确度的要求。以上这些技术创新预测技术和方法为企业技术创新工作的开展做出了很大的贡献，为企业技术创新的预测提供了科学的方法论，但在新的经济和市场环境下，技术创新预测的方法和技术应有新的丰富和发展，以克服自身的不足，更进一步适应时展的需要，为企业的技术创新工作的开展和企业的生存与发展提供先进的基础理论和技术方法。
目前，在我国企业技术创新评估中，一般只考虑如下四个方面的因素:(1)技术的先进性、可行性、连续性;(2)经济效果;(3)社会效果;(4)风险性，在对此四方面内容逐个分析后，再作综合评估。在综合评估中所用的方法主要有:delphi法(专家法)、ahp法(层次分析法)、模糊评估法、决策树法、战略方法及各种图例法等，但技术创新的评估是一个非常复杂的系统，其中存在着广泛的非线性、时变性和不确定性，同时，还涉及技术、经济、管理、社会等诸多复杂因素，目前所使用的原理和方法，难以满足企业对技术创新评估科学性的要求。关于技术创新评估的研究，在我国的历史还不长，无论是指标体系还是评估方法，均处于研究之中，我们认为目前在企业技术创新评估方面应做的工作是:(1)建立一套符合我国实际情况的技术创新评估指标体系;(2)建立一种适应于多因素、非线性和不确定性的综合评估方法。
这种情况下，神经网络技术就有其特有的优势，以其并行分布、自组织、自适应、自学习和容错性等优良性能，可以较好地适应技术创新预测和评估这类多因素、不确定性和非线性问题，它能克服上述各方法的不足。本项目以bp神经网络作为基于多因素的技术创新预测和评估模型构建的基础，bp神经网络由输入层、隐含层和输出层构成，各层的神经元数目不同，由正向传播和反向传播组成，在进行产品技术创新预测和评估时，从输入层输入影响产品技术创新预测值和评估值的n个因素信息，经隐含层处理后传入输出层，其输出值y即为产品技术创新技术性能指标的预测值或产品技术创新的评估值。这种n个因素指标的设置，考虑了概括性和动态性，力求全面、客观地反映影响产品技术创新发展的主要因素和导致产品个体差异的主要因素，尽管是黑匣子式的预测和评估，但事实证明它自身的强大学习能力可将需考虑的多种因素的数据进行融合，输出一个经非线性变换后较为精确的预测值和评估值。
据文献查阅，虽然在技术创新预测和评估的现有原理和方法的改进和完善方面有一定的研究，如文献[08]、[09]、[11]等，但尚未发现将神经网络应用于技术创新预测与评估方面的研究，在当前产品的市场寿命周期不断缩短、要求企业不断推出新产品的经济条件下，以神经网络为基础来建立产品技术创新预测与评估模型，是对技术创新定量预测和评估方法的有益补充和完善。
三、论文预期成果的理论意义和应用价值
本项目研究的理论意义表现在:(1)探索新的技术创新预测和评估技术，丰富和完善技术创新预测和评估方法体系;(2)将神经网络技术引入技术创新的预测和评估，有利于推动技术创新预测和评估方法的发展。
本项目研究的应用价值体现在:(1)提供一种基于多因素的技术创新定量预测技术，有利于提高预测的正确性;(2)提供一种基于bp神经网络的综合评估方法，有利于提高评估的科学性;(3)为企业的技术创新预测和评估工作提供新的方法论和实用技术。
四、课题研究的主要内容
研究目标：
以bp神经网络模型为基础研究基于多因素的技术创新预测和评估模型，并建立科学的预测和评估指标体系及设计相应的模型计算方法，结合企业的具体实际，对指标和模型体系进行实证分析，使研究具有一定的理论水平和实用价值。
研究内容：
1、影响企业技术创新预测和评佑的相关指标体系确定及其量化和规范化。从企业的宏观环境和微观环境两个方面入手，密切结合电子商务和知识经济对企业技术创新的影响，系统综合地分析影响产品技术创新的各相关因素，建立科学的企业技术创新预测和评估指标体系，并研究其量化和规范化的原则及方法。
2、影响技术创新预测和评估各相关指标的相对权重确定。影响技术创新发展和变化各相关因素在输入预测和评估模型时，需要一组决定其相对重要性的初始权重，权重的确定需要基本的原则作支持。
3、基于bp神经网络的技术创新预测和评估模型研究。根据技术创新预测的特点，以bp神经网络为基础，构建基于多因素的技术创新预测和评估模型。
4、基于bp神经网络的技术创新预测和评估模型计算方法设计。根据基于bp神经网络的技术创新预测和评估模型的基本特点，设计其相应的计算方法。
5、基于bp神经网络的技术创新预测和评估模型学习样本设计。根据相关的历史资料，构建基于bp神经网络的技术创新预测和评估模型的学习样本，对预测和评估模型进行自学习和训练，使模型适合实际情况。
6、基于bp神经网络的技术创新预测和评估技术的实证研究。以一般企业的技术创新预测与评估工作为背景，对基于bp神经网络的技术创新预测和评估技术进行实证研究。
创新点：
1、建立一套基于电子商务和知识经济的技术创新预测和评估指标体系。目前，在技术创新的预测和评估指标体系方面，一种是采用传统的指标体系，另一种是采用国外先进国家的指标体系，如何结合我国实际当前经济形势，参考国外先进发达国家的研究工作，建立一套适合于我国企业技术创新预测和评估指标体系，此为本研究要做的首要工作，这是一项创新。
2、研究基于bp神经网络的技术创新预测和评估模型及其计算方法。神经网络技术具有并行分布处理、自学习、自组织、自适应和容错性等优良性能，能较好地处理基于多因素、非线性和不确定性预测和评估的现实问题，本项目首次将神经网络技术引入企业的技术创新预测和评估，这也是一项创新。
五、课题研究的基本方法、技术路线的可行性论证
1、重视系统分析。以系统科学的思想为指导来分析影响企业技术创新发展和变化的宏观因素和微观因素，并研究影响因素间的内在联系，确定其相互之间的重要度，探讨其量化和规范化的方法，将国外先进国家的研究成果与我国具体实际相结合，建立我国企业技术创新预测和评估的指标体系。
2、重视案例研究。从国内外技术创新预测与决策成功和失败的案例中，发现问题、分析问题，归纳和总结出具有共性的东西，探索技术创新预测与宏观因素与微观因素之间的内在关系。
3、采用先简单后复杂的研究方法。对基于bp神经网络的技术创新预测和评估模型的研究，先从某一行业出发，定义模型的基本输入因素，然后，逐步扩展，逐步增加模型的复杂度。
4、理论和实践相结合。将研究工作与具体企业的技术创新实际相结合，进行实证研究，在实践中丰富和完善，研究出具有科学性和实用性的成果。
六、开展研究已具备的条件、可能遇到的困难与问题及解决措施
本人长期从事市场营销和技术创新方面的研究工作，编写出版了《现代市场营销学》和《现代企业管理学》等有关著作，发表了“企业技术创新与营销管理创新”、“企业技术创新与营销组织创新”及“企业技术创新与营销观念创新”等与技术创新相关的学术研究论文，对企业技术创新的预测和评估有一定的理论基础，也从事过企业产品技术创新方面的策划和研究工作，具有一定的实践经验，与许多企业有密切的合作关系，同时，对神经网络技术也进行过专门的学习和研究，所以，本项目研究的理论基础、技术基础及实验场所已基本具备，能顺利完成本课题的研究，取得预期的研究成果。
七、论文研究的进展计划
07-.09：完成论文开题。
09-.11：影响企业技术创新发展的指标体系研究及其量化和规范化。
11-.01：基于bp神经网络的技术创新预测和评估模型的构建。
01-.03：基于bp神经网络的技术创新预测和评估模型计算方法研究。
03-.04：基于bp神经网络的技术创新预测和评估模型体系的实证研究。
04-.06：完成论文写作、修改定稿，准备答辩。
主要参考文献：
[01]傅家骥、仝允桓等.技术创新学.北京:清华大学出版社1998
[02]吴贵生.技术创新管理.北京:清华大学出版社
[03]柳卸林.企业技术创新管理.北京:科学技术出版社1997
[04]赵志、陈邦设等.产品创新过程管理模式的基本问题研究.管理科学学报./2.
[05]王亚民、朱荣林.风险投资项目ecv评估指标与决策模型研究.风险投资./6
[06]赵中奇、王浣尘、潘德惠.随机控制的极大值原理及其在投资决策中的应用.控制与决策./6
[07]夏清泉、凌婕.风险投资理论和政策研究.国际商务研究./5
[08]陈劲、龚焱等.技术创新信息源新探.中国软科学./1.pp86-88
[09]严太华、张龙.风险投资评估决策方法初探.经济问题./1
[10]苏永江、李湛.风险投资决策问题的系统分析.学术研究./4
<11>孙冰.企业产品开发的评价模型及方法研究.中国管理科学./4
[12]诸克军、杨久西、匡益军.基于人工神经网络的石油勘探有利性综合评价.系统工程理论与实践./4
评估方法论文范文第7篇
课题来源：单位自拟课题或省政府下达的研究课题
选题依据：
技术创新预测和评估是企业技术创新决策的前提和依据。通过技术创新预测和评估，可以使企业对未来的技术发展水平及其变化趋势有正确的把握，从而为企业的技术创新决策提供科学的依据，以减少技术创新决策过程中的主观性和盲目性。只有在正确把握技术创新发展方向的前提下，企业的技术创新工作才能沿着正确方向开展，企业产品的市场竞争力才能得到不断加强。在市场竞争日趋激烈的现代商业中，企业的技术创新决定着企业生存和发展、前途与命运，为了确保技术创新工作的正确性，企业对技术创新的预测和评估提出了更高的要求。
二、本课题国内外研究现状及发展趋势
现有的技术创新预测方法可分为趋势外推法、相关分析法和专家预测法三大类。
(1)趋势外推法。指利用过去和现在的技术、经济信息，分析技术发展趋势和规律，在分析判断这些趋势和规律将继续的前提下，将过去和现在的趋势向未来推演。生长曲线法是趋势外推法中的一种应用较为广泛的技术创新预测方法，美国生物学家和人口统计学家raymondpearl提出的pearl曲线(数学模型为:y=l∕[1+a?exp(-b·t)])及英国数学家和统计学家gompertz提出的gompertz曲线(数学模型为:y=l·exp(-b·t))皆属于生长曲线，其预测值y为技术性能指标，t为时间自变量，l、a、b皆为常数。ridenour模型也属于生长曲线预测法，但它假定新技术的成长速度与熟悉该项技术的人数成正比，主要适用于新技术、新产品的扩散预测。
(2)相关分析法。利用一系列条件、参数、因果关系数据和其他信息，建立预测对象与影响因素的因果关系模型，预测技术的发展变化。相关分析法认为，一种技术性能的改进或其应用的扩展是和其他一些已知因素高度相关的，这样，通过已知因素的分析就可以对该项技术进行预测。相关分析法主要有以下几种:导前-滞后相关分析、技术进步与经验积累的相关分析、技术信息与人员数等因素的相关分析及目标与手段的相关分析等方法。
(3)专家预测法。以专家意见作为信息来源，通过系统的调查、征询专家的意见，分析和整理出预测结果。专家预测法主要有:专家个人判断法、专家会议法、头脑风暴法及德尔菲法等，其中，德尔菲法吸收了前几种专家预测法的长处，避免了其缺点，被认为是技术预测中最有效的专家预测法。
趋势外推法的预测数据只能为纵向数据，在进行产品技术创新预测时，只能利用过去的产品技术性能这一个指标来预测它的随时间的发展趋势，并不涉及影响产品技术创新的科技、经济、产业、市场、社会及政策等多方面因素。在现代商业经济中，对于产品技术发展的预测不能简单地归结为产品过去技术性能指标按时间的进展来类推，而应系统综合地考虑现代商业中其他因素对企业产品技术创新的深刻影响。相关分析法尽管可同时按横向数据和纵向数据来进行预测，但由于它是利用过去的历史数据中的某些影响产品技术创新的因素求出的具体的回归预测式，而所得到的回归预测模型往往只能考虑少数几种主要影响因素，略去了许多未考虑的因素，所以，所建模型对实际问题的表达能力也不够准确，预测结果与实际的符合程度也有较大偏差。专家预测法是一种定性预测方法，依靠的是预测者的知识和经验，往往带有主观性，难以满足企业对技术创新预测准确度的要求。以上这些技术创新预测技术和方法为企业技术创新工作的开展做出了很大的贡献，为企业技术创新的预测提供了科学的方法论，但在新的经济和市场环境下，技术创新预测的方法和技术应有新的丰富和发展，以克服自身的不足，更进一步适应时展的需要，为企业的技术创新工作的开展和企业的生存与发展提供先进的基础理论和技术方法。
目前，在我国企业技术创新评估中，一般只考虑如下四个方面的因素:(1)技术的先进性、可行性、连续性;(2)经济效果;(3)社会效果;(4)风险性，在对此四方面内容逐个分析后，再作综合评估。在综合评估中所用的方法主要有:delphi法(专家法)、ahp法(层次分析法)、模糊评估法、决策树法、战略方法及各种图例法等，但技术创新的评估是一个非常复杂的系统，其中存在着广泛的非线性、时变性和不确定性，同时，还涉及技术、经济、管理、社会等诸多复杂因素，目前所使用的原理和方法，难以满足企业对技术创新评估科学性的要求。关于技术创新评估的研究，在我国的历史还不长，无论是指标体系还是评估方法，均处于研究之中，我们认为目前在企业技术创新评估方面应做的工作是:(1)建立一套符合我国实际情况的技术创新评估指标体系;(2)建立一种适应于多因素、非线性和不确定性的综合评估方法。
这种情况下，神经网络技术就有其特有的优势，以其并行分布、自组织、自适应、自学习和容错性等优良性能，可以较好地适应技术创新预测和评估这类多因素、不确定性和非线性问题，它能克服上述各方法的不足。本项目以bp神经网络作为基于多因素的技术创新预测和评估模型构建的基础，bp神经网络由输入层、隐含层和输出层构成，各层的神经元数目不同，由正向传播和反向传播组成，在进行产品技术创新预测和评估时，从输入层输入影响产品技术创新预测值和评估值的n个因素信息，经隐含层处理后传入输出层，其输出值y即为产品技术创新技术性能指标的预测值或产品技术创新的评估值。这种n个因素指标的设置，考虑了概括性和动态性，力求全面、客观地反映影响产品技术创新发展的主要因素和导致产品个体差异的主要因素，尽管是黑匣子式的预测和评估，但事实证明它自身的强大学习能力可将需考虑的多种因素的数据进行融合，输出一个经非线性变换后较为精确的预测值和评估值。
据文献查阅，虽然在技术创新预测和评估的现有原理和方法的改进和完善方面有一定的研究，如文献[08]、[09]、[11]等，但尚未发现将神经网络应用于技术创新预测与评估方面的研究，在当前产品的市场寿命周期不断缩短、要求企业不断推出新产品的经济条件下，以神经网络为基础来建立产品技术创新预测与评估模型，是对技术创新定量预测和评估方法的有益补充和完善。
三、论文预期成果的理论意义和应用价值
本项目研究的理论意义表现在:(1)探索新的技术创新预测和评估技术，丰富和完善技术创新预测和评估方法体系;(2)将神经网络技术引入技术创新的预测和评估，有利于推动技术创新预测和评估方法的发展。
本项目研究的应用价值体现在:(1)提供一种基于多因素的技术创新定量预测技术，有利于提高预测的正确性;(2)提供一种基于bp神经网络的综合评估方法，有利于提高评估的科学性;(3)为企业的技术创新预测和评估工作提供新的方法论和实用技术。
四、课题研究的主要内容
研究目标：
以bp神经网络模型为基础研究基于多因素的技术创新预测和评估模型，并建立科学的预测和评估指标体系及设计相应的模型计算方法，结合企业的具体实际，对指标和模型体系进行实证分析，使研究具有一定的理论水平和实用价值。
研究内容：
1、影响企业技术创新预测和评佑的相关指标体系确定及其量化和规范化。从企业的宏观环境和微观环境两个方面入手，密切结合电子商务和知识经济对企业技术创新的影响，系统综合地分析影响产品技术创新的各相关因素，建立科学的企业技术创新预测和评估指标体系，并研究其量化和规范化的原则及方法。
2、影响技术创新预测和评估各相关指标的相对权重确定。影响技术创新发展和变化各相关因素在输入预测和评估模型时，需要一组决定其相对重要性的初始权重，权重的确定需要基本的原则作支持。
3、基于bp神经网络的技术创新预测和评估模型研究。根据技术创新预测的特点，以bp神经网络为基础，构建基于多因素的技术创新预测和评估模型。
4、基于bp神经网络的技术创新预测和评估模型计算方法设计。根据基于bp神经网络的技术创新预测和评估模型的基本特点，设计其相应的计算方法。
5、基于bp神经网络的技术创新预测和评估模型学习样本设计。根据相关的历史资料，构建基于bp神经网络的技术创新预测和评估模型的学习样本，对预测和评估模型进行自学习和训练，使模型适合实际情况。
6、基于bp神经网络的技术创新预测和评估技术的实证研究。以一般企业的技术创新预测与评估工作为背景，对基于bp神经网络的技术创新预测和评估技术进行实证研究。
创新点：
1、建立一套基于电子商务和知识经济的技术创新预测和评估指标体系。目前，在技术创新的预测和评估指标体系方面，一种是采用传统的指标体系，另一种是采用国外先进国家的指标体系，如何结合我国实际当前经济形势，参考国外先进发达国家的研究工作，建立一套适合于我国企业技术创新预测和评估指标体系，此为本研究要做的首要工作，这是一项创新。
2、研究基于bp神经网络的技术创新预测和评估模型及其计算方法。神经网络技术具有并行分布处理、自学习、自组织、自适应和容错性等优良性能，能较好地处理基于多因素、非线性和不确定性预测和评估的现实问题，本项目首次将神经网络技术引入企业的技术创新预测和评估，这也是一项创新。
五、课题研究的
基本方法、技术路线的可行性论证
1、重视系统分析。以系统科学的思想为指导来分析影响企业技术创新发展和变化的宏观因素和微观因素，并研究影响因素间的内在联系，确定其相互之间的重要度，探讨其量化和规范化的方法，将国外先进国家的研究成果与我国具体实际相结合，建立我国企业技术创新预测和评估的指标体系。
2、重视案例研究。从国内外技术创新预测与决策成功和失败的案例中，发现问题、分析问题，归纳和总结出具有共性的东西，探索技术创新预测与宏观因素与微观因素之间的内在关系。
3、采用先简单后复杂的研究方法。对基于bp神经网络的技术创新预测和评估模型的研究，先从某一行业出发，定义模型的基本输入因素，然后，逐步扩展，逐步增加模型的复杂度。
4、理论和实践相结合。将研究工作与具体企业的技术创新实际相结合，进行实证研究，在实践中丰富和完善，研究出具有科学性和实用性的成果。
六、开展研究已具备的条件、可能遇到的困难与问题及解决措施
评估方法论文范文第8篇
一、论文名称、课题来源、选题依据
论文名称：基于BP神经网络的技术创新预测与评估模型及其应用研究
课题来源：单位自拟课题或省政府下达的研究课题
选题依据：技术创新预测和评估是企业技术创新决策的前提和依据。通过技术创新预测和评估， 可以使企业对未来的技术发展水平及其变化趋势有正确的把握， 从而为企业的技术创新决策提供科学的依据， 以减少技术创新决策过程中的主观性和盲目性。只有在正确把握技术创新发展方向的前提下， 企业的技术创新工作才能沿着正确方向开展，企业产品的市场竞争力才能得到不断加强。在市场竞争日趋激烈的现代商业中， 企业的技术创新决定着企业生存和发展、前途与命运， 为了确保技术创新工作的正确性，企业对技术创新的预测和评估提出了更高的要求。
二、本课题国内外研究现状及发展趋势
现有的技术创新预测方法可分为趋势外推法、相关分析法和专家预测法三大类。
（1） 趋势外推法。指利用过去和现在的技术、经济信息， 分析技术发展趋势和规律， 在分析判断这些趋势和规律将继续的前提下， 将过去和现在的趋势向未来推演。生长曲线法是趋势外推法中的一种应用较为广泛的技术创新预测方法，美国生物学家和人口统计学家Raymond Pearl提出的Pearl曲线（数学模型为： Y=L?[1+A?exp（-B·t）] ）及英国数学家和统计学家Gompertz提出的Gompertz曲线（数学模型为： Y=L·exp（-B·t））皆属于生长曲线， 其预测值Y为技术性能指标， t为时间自变量， L、A、B皆为常数。Ridenour模型也属于生长曲线预测法， 但它假定新技术的成长速度与熟悉该项技术的人数成正比， 主要适用于新技术、新产品的扩散预测。
（2）相关分析法。利用一系列条件、参数、因果关系数据和其他信息， 建立预测对象与影响因素的因果关系模型， 预测技术的发展变化。相关分析法认为， 一种技术性能的改进或其应用的扩展是和其他一些已知因素高度相关的， 这样， 通过已知因素的分析就可以对该项技术进行预测。相关分析法主要有以下几种： 导前-滞后相关分析、技术进步与经验积累的相关分析、技术信息与人员数等因素的相关分析及目标与手段的相关分析等方法。
（3）专家预测法。以专家意见作为信息来源， 通过系统的调查、征询专家的意见， 分析和整理出预测结果。专家预测法主要有： 专家个人判断法、专家会议法、头脑风暴法及德尔菲法等， 其中， 德尔菲法吸收了前几种专家预测法的长处， 避免了其缺点， 被认为是技术预测中最有效的专家预测法。
趋势外推法的预测数据只能为纵向数据， 在进行产品技术创新预测时， 只能利用过去的产品技术性能这一个指标来预测它的随时间的发展趋势， 并不涉及影响产品技术创新的科技、经济、产业、市场、社会及政策等多方面因素。在现代商业经济中， 对于产品技术发展的预测不能简单地归结为产品过去技术性能指标按时间的进展来类推， 而应系统综合地考虑现代商业中其他因素对企业产品技术创新的深刻影响。相关分析法尽管可同时按横向数据和纵向数据来进行预测， 但由于它是利用过去的历史数据中的某些影响产品技术创新的因素求出的具体的回归预测式， 而所得到的回归预测模型往往只能考虑少数几种主要影响因素， 略去了许多未考虑的因素， 所以， 所建模型对实际问题的表达能力也不够准确， 预测结果与实际的符合程度也有较大偏差。专家预测法是一种定性预测方法，依靠的是预测者的知识和经验， 往往带有主观性， 难以满足企业对技术创新预测准确度的要求。以上这些技术创新预测技术和方法为企业技术创新工作的开展做出了很大的贡献， 为企业技术创新的预测提供了科学的方法论， 但在新的经济和市场环境下， 技术创新预测的方法和技术应有新的丰富和发展， 以克服自身的不足， 更进一步适应时展的需要， 为企业的技术创新工作的开展和企业的生存与发展提供先进的基础理论和技术方法。
目前，在我国企业技术创新评估中， 一般只考虑如下四个方面的因素： （1） 技术的先进性、可行性、连续性； （2） 经济效果； （3） 社会效果； （4） 风险性， 在对此四方面内容逐个分析后， 再作综合评估。在综合评估中所用的方法主要有： Delphi法（专家法）、AHP法（层次分析法）、模糊评估法、决策树法、战略方法及各种图例法等， 但技术创新的评估是一个非常复杂的系统， 其中存在着广泛的非线性、时变性和不确定性， 同时， 还涉及技术、经济、管理、社会等诸多复杂因素，目前所使用的原理和方法， 难以满足企业对技术创新评估科学性的要求。关于技术创新评估的研究， 在我国的历史还不长， 无论是指标体系还是评估方法， 均处于研究之中， 我们认为目前在企业技术创新评估方面应做的工作是： （1） 建立一套符合我国实际情况的技术创新评估指标体系； （2） 建立一种适应于多因素、非线性和不确定性的综合评估方法。
这种情况下， 神经网络技术就有其特有的优势， 以其并行分布、自组织、自适应、自学习和容错性等优良性能， 可以较好地适应技术创新预测和评估这类多因素、不确定性和非线性问题， 它能克服上述各方法的不足。本项目以BP神经网络作为基于多因素的技术创新预测和评估模型构建的基础， BP神经网络由输入层、隐含层和输出层构成， 各层的神经元数目不同， 由正向传播和反向传播组成， 在进行产品技术创新预测和评估时， 从输入层输入影响产品技术创新预测值和评估值的n个因素信息， 经隐含层处理后传入输出层， 其输出值Y即为产品技术创新技术性能指标的预测值或产品技术创新的评估值。这种n个因素指标的设置， 考虑了概括性和动态性， 力求全面、客观地反映影响产品技术创新发展的主要因素和导致产品个体差异的主要因素， 尽管是黑匣子式的预测和评估， 但事实证明它自身的强大学习能力可将需考虑的多种因素的数据进行融合， 输出一个经非线性变换后较为精确的预测值和评估值。
据文献查阅， 虽然在技术创新预测和评估的现有原理和方法的改进和完善方面有一定的研究，如文献[08]、[09]、[11]等， 但尚未发现将神经网络应用于技术创新预测与评估方面的研究， 在当前产品的市场寿命周期不断缩短、要求企业不断推出新产品的经济条件下， 以神经网络为基础来建立产品技术创新预测与评估模型， 是对技术创新定量预测和评估方法的有益补充和完善。
三、论文预期成果的理论意义和应用价值
本项目研究的理论意义表现在： （1） 探索新的技术创新预测和评估技术， 丰富和完善技术创新预测和评估方法体系； （2） 将神经网络技术引入技术创新的预测和评估， 有利于推动技术创新预测和评估方法的发展。
本项目研究的应用价值体现在： （1） 提供一种基于多因素的技术创新定量预测技术， 有利于提高预测的正确性； （2）提供一种基于BP神经网络的综合评估方法， 有利于提高评估的科学性； （3） 为企业的技术创新预测和评估工作提供新的方法论和实用技术。
四、课题研究的主要内容
研究目标：
以BP神经网络模型为基础研究基于多因素的技术创新预测和评估模型， 并建立科学的预测和评估指标体系及设计相应的模型计算方法， 结合企业的具体实际， 对指标和模型体系进行实证分析， 使研究具有一定的理论水平和实用价值。
研究内容：
1、影响企业技术创新预测和评佑的相关指标体系确定及其量化和规范化。从企业的宏观环境和微观环境两个方面入手， 密切结合电子商务和知识经济对企业技术创新的影响， 系统综合地分析影响产品技术创新的各相关因素， 建立科学的企业技术创新预测和评估指标体系， 并研究其量化和规范化的原则及方法。
2、影响技术创新预测和评估各相关指标的相对权重确定。影响技术创新发展和变化各相关因素在输入预测和评估模型时， 需要一组决定其相对重要性的初始权重， 权重的确定需要基本的原则作支持。
3、基于BP神经网络的技术创新预测和评估模型研究。 根据技术创新预测的特点， 以BP神经网络为基础， 构建基于多因素的技术创新预测和评估模型。
4、基于BP神经网络的技术创新预测和评估模型计算方法设计。根据基于BP神经网络的技术创新预测和评估模型的基本特点， 设计其相应的计算方法。
5、基于BP神经网络的技术创新预测和评估模型学习样本设计。根据相关的历史资料， 构建基于BP神经网络的技术创新预测和评估模型的学习样本， 对预测和评估模型进行自学习和训练， 使模型适合实际情况。
6、基于BP神经网络的技术创新预测和评估技术的实证研究。以一般企业的技术创新预测与评估工作为背景， 对基于BP神经网络的技术创新预测和评估技术进行实证研究。
创新点：
1、建立一套基于电子商务和知识经济的技术创新预测和评估指标体系。目前，在技术创新的预测和评估指标体系方面， 一种是采用传统的指标体系， 另一种是采用国外先进国家的指标体系， 如何结合我国实际当前经济形势， 参考国外先进发达国家的研究工作， 建立一套适合于我国企业技术创新预测和评估指标体系， 此为本研究要做的首要工作， 这是一项创新。
2、研究基于BP神经网络的技术创新预测和评估模型及其计算方法。神经网络技术具有并行分布处理、自学习、自组织、自适应和容错性等优良性能， 能较好地处理基于多因素、非线性和不确定性预测和评估的现实问题， 本项目首次将神经网络技术引入企业的技术创新预测和评估， 这也是一项创新。
五、课题研究的基本方法、技术路线的可行性论证
1、重视系统分析。以系统科学的思想为指导来分析影响企业技术创新发展和变化的宏观因素和微观因素， 并研究影响因素间的内在联系， 确定其相互之间的重要度， 探讨其量化和规范化的方法， 将国外先进国家的研究成果与我国具体实际相结合， 建立我国企业技术创新预测和评估的指标体系。
2、重视案例研究。从国内外技术创新预测与决策成功和失败的案例中， 发现问题、分析问题， 归纳和总结出具有共性的东西， 探索技术创新预测与宏观因素与微观因素之间的内在关系。
3、采用先简单后复杂的研究方法。对基于BP神经网络的技术创新预测和评估模型的研究， 先从某一行业出发， 定义模型的基本输入因素， 然后， 逐步扩展， 逐步增加模型的复杂度。
4、理论和实践相结合。将研究工作与具体企业的技术创新实际相结合， 进行实证研究， 在实践中丰富和完善， 研究出具有科学性和实用性的成果。
六、开展研究已具备的条件、可能遇到的困难与问题及解决措施
本人长期从事市场营销和技术创新方面的研究工作， 编写出版了《现代市场营销学》和《现代企业管理学》等有关著作， 发表了“企业技术创新与营销管理创新”、“企业技术创新与营销组织创新”及“企业技术创新与营销观念创新”等与技术创新相关的学术研究论文， 对企业技术创新的预测和评估有一定的理论基础， 也从事过企业产品技术创新方面的策划和研究工作， 具有一定的实践经验， 与许多企业有密切的合作关系， 同时， 对神经网络技术也进行过专门的学习和研究， 所以， 本项目研究的理论基础、技术基础及实验场所已基本具备， 能顺利完成本课题的研究， 取得预期的研究成果。
七、论文研究的进展计划
2003.07-2003.09：完成论文开题。
2003.09-2003.11：影响企业技术创新发展的指标体系研究及其量化和规范化。
2003.11-2004.01：基于BP神经网络的技术创新预测和评估模型的构建。
2004.01-2004.03：基于BP神经网络的技术创新预测和评估模型计算方法研究。
2004.03-2004.04：基于BP神经网络的技术创新预测和评估模型体系的实证研究。
2004.04-2004.06：完成论文写作、修改定稿，准备答辩。
主要参考文献：
[01] 傅家骥、仝允桓等。 技术创新学。 北京： 清华大学出版社 1998
[02] 吴贵生。 技术创新管理。 北京： 清华大学出版社 2000
[03] 柳卸林。 企业技术创新管理。 北京： 科学技术出版社 1997
[04] 赵志、陈邦设等。 产品创新过程管理模式的基本问题研究。 管理科学学报。 2000/2.
[05] 王亚民、朱荣林。 风险投资项目ECV评估指标与决策模型研究。 风险投资。 2002/6
[06] 赵中奇、王浣尘、潘德惠。 随机控制的极大值原理及其在投资决策中的应用。 控制与决策。 2002/6
[07] 夏清泉、凌婕。 风险投资理论和政策研究。 国际商务研究。 2002/5
[08] 陈劲、龚焱等。 技术创新信息源新探。 中国软科学。 2001/1. pp86-88
[09] 严太华、张龙。 风险投资评估决策方法初探。 经济问题。 2002/1
[10] 苏永江、李湛。 风险投资决策问题的系统分析。 学术研究。 2001/4
[11] 孙冰。 企业产品开发的评价模型及方法研究。 中国管理科学。 2002/4
[12] 诸克军、杨久西、匡益军。 基于人工神经网络的石油勘探有利性综合评价。 系统工程理论与实践。 2002/4
[13] 杨力。 基干BP 神经网络的城市房屋租赁估价系统设计。 中国管理科学。 2002/4
[14] 杨国栋、贾成前。 高速公路复垦土地适宜性评价的BP神经网络模型。 统工程理论与实践。 2002/4
[15] 楼文高。 基于人工神经网络的三江平原土壤质量综合评价与预测模型。 中国管理科学。 2002/1
[16] 胥悦红、顾培亮。 基于BP神经网络的产品成本预测。 管理工程学报。 2000/4
[17] 陈新辉、乔忠。 基于TSA-BP神经网络的企业产品市场占有率预测模型。 中国农业大学学报。 2000/5
[18] 刘育新。 技术预测的过程与常用方法。 中国软科学。 1998/3
[19] 温小霓、赵玮。 市场需求与统计预测。 西安电子科技大学学报。 2000/5
[20] 朱振中。 模糊理论在新产品开发中的应用。 科学管理研究。 2000/6
[21]Kim B. Clark & Takahiro Fujimoto. Product Development Performance –Strategy、Organization and Management in Industry. Harvard Business School Press. Boson 1993
[22] Gobeli D H, Brown D J. Improving the process of product innovation. Research, Technology Management, 1993. 36（2）：46-49
[23]Simon J.Towner. Four ways to accelerate new product development. Long Rang Planning 1994. 27（2）：57-65
[24]Abdul Ali,et al. Product innovation and entry strategy. Journal of Product Innovation Management 1995. 12（12）：54-69
[25]Eric Vin Hippel. The sources of Innovation. Oxford University Press. 1988
[26] Shtub A, Zimerman Y. A neural-network-based approach for estimating the cost of assembly. International Journal of Production Economics, 1993. 32: 189-207
[27] Wee-Liang Tan, Dattarreya G. Allampalli, Investment Criteria of Singapore Capitalists, 1997 International Council for Small Business, San Francisco, California, June 1997
[28]Michael Henos, The Road to Venture Financing: Guidelines for Entrepreneuts, R&D Straregist Magazine,Summer 1991
[29]Chow GC, The Largrange Method of optimization with applications to portfoli and investment decisions. J of Economic Dymamics and Control 1996
[30]Jensen, R Information Cost and Innovation Adoption Policies, Management Science. Vol.34, No.2, Feb, 1988
[31]R.K. Zutshi, T.W.Liang, D.G.Allampulli, Singapore Venture Capitalists Investment Evaluation Criteria: A Reexamination. Small Business Economics 13:9-26（1999）
[32]Andrew L. Zacharakis, G.Dale Meyer. A Lack of Insight: Do Venture Capitalists Really Understand Their Own Decision Process? Journal of Business Venturing （1998） 13: 57-76
[33]Dean A. Shepherd, Richard Ettenson. New Venture Strategy and Profitability: A Venture Capital`s Assessment. Journal of Business Venturing（2000）
硕士开题报告（二）
1.1 研究的背景和意义
如今越来越多的人开始研究房地产行业，尤其是居住房问题，因为住房是人民生活的保障，是人民安居乐业的基本条件。房地产行业的发展关系着整个国民经济的发展，其发展可以带动相关行业的发展。房地产行业作为国民经济的重要支柱，与经济发展有着直接的重大关系，促进房地产市场稳定健康发展，有利于保持国民经济平稳较快增长，因此，上至国家，地方政府，下至居民，百姓都高度重视房地产市场动向，时刻关注房地产市场变化。房地产市场中存在的突出问题，极大地牵动着国家及时采取一系列调控措施，以确保房地产市场的稳定发展。1998年后随着我国住房制度改革的深入，城乡居民可支配收入水平的提高，居民住房消费观念发生变化，住房消费开始有效启动，房地产行业已经蓬勃发展起来。房地产市场的发展，在不断完善城市功能，改善居民居住条件的同时，也促进了国民经济的发展。在1998-2007年这十年间，房地产行业出现了较大的增长幅度，但由于2008年受国际金融危机和经济周期性变化等因素的影响，房地产行业增长的幅度大为减弱。在经过2009年一年的调整后，房地产行业又呈现了比较好的景象，可是最近一向报道显示北京市由于房价过高，大量的外来务工人员由于买不起房子而纷纷离开，我们知道北京的经济发展在很大程度上依赖于外来务工人员，他们的离开势必影响到经济的发展，上海亦是如此。因此，有效控制房价，保证房地产行业的健康有序发展显得尤为重要。
本文通过拟合优度的方法研究上海房地产价格的分布形态；利用经讳度坐标画出房地产价格等值线，从而结合距离、商圈等信息研究房地产价格的空间分布特点；以收益还原法为基础，将野口悠纪雄在土地上的模型运用到房地产交易的整个过程，并结合上海的实际情况，把市场供需因素对房地产价格的影响也考虑到模型中去。采用因子分析对供需指标进行处理，进而计算出泡沫程度。这些都旨在为政府有效控制房价提供建议，使房地产行业健康有序的发展，为国民经济创造出更多的价值。
1.2 研究的目的与方法
1.2.1 研究目的
本文分为两部分，对房地产价格分布和近几年发展走势的研究主要是为了分析房地产发展的现状和特点；进一步地，根据上海房地产市场的特点，把野口悠纪雄的地价泡沫模型应用于房地产市场，建立了符合上海特点的地价泡沫模型，从而计算出泡沫度。通过对影响因素的分析，以实现为有效控制房价的目的。
本文的研究目的是为了回答以下几个问题：（1）上海市房地产价格是如何分布的？（2）上海市房地产价格的空间分布有什么特点？（3）影响上海市房价产价格的因素有哪些？（4）上海房地产的泡沫度到底有多大？
1. 2. 2 研究方法
为了保证本论文的研究结果的科学性和严谨性，在实证分析的过程中主要用到以下几种研究方法：
（1）定性分析的方法。在对上海房价空间分布特点进行分析时，利用经综度坐标计算出房价距离中心地带的距离，从而分析距离市中心远近对房价的影响，并且结合商业圈对其价格分布进行描述性分析；在研究上海房地产市场走势时，通过研究1994年-2010年住宅投资额、住房销售面积、存量房交易情况和住宅交易价格等指标的发展趋势进而分析未来房价的走势时也用到了定性分析的方法。
（2）定量分析的方法。在研究房地产价格分布时，用到了幂率拟合和拟合优度检验；
在研究房地产泡沫度时，通过建立房地产泡沫模型，从量化的角度来分析土地价格、人口增长率、建筑成本、CPI增长率、可支配收入增长率和GDP增长率等指标对于房价的波动影响，这些都用到了定量分析的方法。
1.3论文的创新点及不足之处
本文在借鉴前人研究的基础上，有如下创新点：
（1）本文的数据是一手的材料。本文的上海市房地产数据都来自各大房地产网站（安居客，搜房网等）的挂牌交易价格，其数据为自2010年5月开始到2011年7月截止的时间点数据。
（2）提出了我国房地产价格的一种新的分布形式。关于房价的幕律分布一般国外研究的比较多，国内来说相对较少，而且相对来说国外的房价大都很好的服从这一分布；本文把此种方法应用与中国房地产市场中比较有代表性的城市上海，并研究各个区的房价是否也服从这一分布形态。
（3）本文把野口悠纪雄的地价泡沫模型应用于中国房地产市场，并根据上海市房地产的特点，提出了房地产泡沫模型。我们根据房地产的建造成本、人工成本等加之合理的收益来确定房地产的基础价格，为政府制定合理的房价提供参考，并根据实际价格与理论价格的差从而计算泡沫程度。
1.4论文结构
论文共分为六个章节，每个章节的内容如下：第一章，绪论。主要介绍了与论文研究相关的背景，研究房地产市场的目的和本文中研究房地产市场时用到的相关理论与方法。在这一部分中我们也指出了论文的创新点和不足之处，以便以后进一步研究时明确哪些方法可以借鉴，哪些内容需要改善。在本章节的最后介绍了本文撰写的大致框架结构。
第二章，与本文相关的理论和研究综述。在这一部分中我们介绍了与本论文研究相关的理论知识，在研究房地产价格分布时用到了幂律分布的概念，幕律分布参数值的估计方法及其如何对其进行检验；在研究房价的空间分布时用到了一些空间经济学的知识；在研究房地产泡沫时涉及到了房地产泡沫的概念和相关检验房地产泡沫的方法，包括统计检验法，理论价格法和指标指示法。
第三章、第四章和第五章开始进入了实证研究部分。
第三章，对上海市房地产价格的分布进行实证研究。对上海市2011年7月的房价进行了研究，研究发现上海的房价经检验在1%的显著性水平下，在某一个跳跃点之上服从幂律分布并且求出了幕律指数；我们再进一步对各个区的房价分布特点进行分析发现上海各个区的房价也大致服从幂律分布，这也与我们的设想相一致，进一步的我们对上海市2010年5月的房价和2011年7月的房价进行比较，发现2011年各个区的均价均低于2010年的水平，说明政府对房价的调控一直没有松解，并起到了一定的作用。在这一部分中我们还研究了房价的空间分布特点，大致表现为以市中心向外环房价依次降低的特点，并结合商业圈对各个区的房价进行分析。
第四章，上海房价的发展走势。因为本文主要分析房地产市场中的住宅价格，因此本部分分析了近几年上海市住宅投资在总投资比重，上海市住宅梭工面积和销售面积以及上海市房价。分析发现自1994年-2010年上海市住宅投资额在总投资额中的比重不断上升，1994年-2004年的住宅梭工面积和销售面积不断增加，自2004年后有所下降，近几年上海的房价也呈不断上升趋势。
第五章，上海房地产泡沫模型和实证分析。本部分把野口悠纪雄的地价泡沫模型应用到房地产市场，并结合上海的房地产市场特点，提出了房地产泡沫模型。以居住房为主要研究对象，从量化的角度来分析土地价格、人口增长率、建筑成本、CPI增长率、可支配收入增长率和GDP增长率等指标对于房价的波动影响。以收益还原法为基础，建立房地产定价模型，并且考虑市场供需因素对房价的影响，从而计算房地产泡沫。本文还根据其他学者对房地产周期的划分，进一步对泡沫程度进行分析，并给出各年份的相关政策以便验证泡沫度划分的准确性。
第六章，研究结论与展望。总结出全文的主要研究结果，并对今后进一步研究提出意见与建议。
硕士开题报告（三）
论文语种：中文
您的研究方向：金融学
是否有数据处理要求：是
您的国家：西安
您的学校背景：985&211重点院校
要求字数：****
论文用途：硕士毕业论文
是否需要盲审（博士或硕士生有这个需要）：否
补充要求和说明：
西北农林科技大学硕士研究生学位论文开题报告：我国房地产信托投资基金发展研究The research into the development of China's real estate investment trusts
1、选题背景
中国房地产开发企业的融资渠道比较单一，主要依赖商业银行贷款，一旦国家收缩信贷，房地产企业将面临资金链断裂的危险。根据中国人民银行2009年第二季度货币政策执行报告，2009年上半年，商业性房地产贷款余额为6.21万亿元，同比增长18.8%，占同期全部人民币贷款余额的16.5%;其中，房地产开发贷款余额为2.35万亿元，同比增长20.5%，个人购房贷款余额为3.86万亿元，同比增长17.8%，房地产贷款余额占人民币贷款余额的比重达到16.5%。2008年，在房地产开发企业陷入销售停滞、信用紧缩以及证券市场首次公开发行（IPO）暂停的背景下，房地产开发企业的直接融资通道又被卡死。房地产业对银行资金的高度依赖性导致房地产市场的风险被大量转嫁给银行，从而使房地产金融积累了较大的金融风险。因此，房地产业迫切需要寻求银行外的融资渠道，以解决房地产开发与经营的资金短缺问题。在这种情况下，房地产投资信托基金进入了我们的视线。
2、研究目的及意义
3、国内外研究综述
4、研究思路及研究方法
5、论文结构框架
6、论文进度安排
7、参考文献
【1】陈淑贤，约翰？埃里克森，王诃。房地产投资信托：结构、绩效与投资机会[M].经济科学出版社，2004.
【2】拉尔夫？布洛克。房地产投资信托[M].中信出版社，2007.
【3】何宇明， REITs 在中国的适用性研究[J]，北方经济，2008.
【4】张永岳。国际房地产概述[M].上海人民出版社，2004.
【5】施金亮。房地产投融资[M].上海大学出版社，2004
【6】洪艳蓉。房地产金融[M].北京大学出版社，2007
【7】中国景气监测中心等。中国房地产产业地图2007一2008[M].社会科学文献出版社，2007
【8】章程玲。关于美国房地产投资信托基金的研究[J].时代经贸，2007，
【9】中华全国工商业联合会房地产商会，太平星集团，新加坡国立大学。房地产投资信托基金指南[M].中国建筑工业出版社，2006.
【10】吴晓灵，刘士余。房地产指标与金融稳定[M].中国金融出版社，2006.
【11】倪鹏飞。中国城市竞争力报告No.4一楼市：城市中国晴雨表[M].社会科学文献出版，2006.
【12】张鸿雁，杨雷。中国房地产评论[M].东南大学出版社，2006.
【13】牛凤瑞。中国房地产发展报告No.2[M].社会科学文献出版，2005.
【14】韩立达。城市房地产预警系统理论与实证分析[M].西南财经大学出版社，2007
【15】楼建波，杨秋岭。房地产投资信托一域外法律法规汇编[M].法律出版社，2007.
【16】陈前；蒋勇 关于我国发展房地产投资信托基金的政策建议[J]-广西社会科学 2008（07）
【17】屈昆鹏 美日发展REITs模式及在我国的运用[J]-现代企业 2008（05）
【18】代继科。我国发展房地产投资信托基金的探索[J].上海房地，2008（3）：41.
【19】金秋萍。初探我国廉租房融资的现状及模式创新[J].北京房地产，2008（2）：92.
【20】高英慧。信托市场可持续发展的科学发展观分析[J].辽宁工程技术大学学报：社会科学版，2008,8（6）：593.
【21】邓启峰。新加坡 REITs（房地产信托 ）的发展与借鉴[J]，中国房地产金融，2008，（2）。
【22】周亮华，林锦辉。新加坡房地产投资信托基金[J].上海房地，2007，（6）。
【23】 薛怀宇 ，杜晓军 ，张涛金 . 境外房地产投资信托（REITs）发展对我国的启示[J].金融理论与实践，2009.
【24】屈昆鹏。美日发展 REITs 模式及在我国的运用[J].现代企业，2008，（5）。
【25】郭建鸾，侯斯文。房地产融资新模式 ：房地产投资信托基金（REITs）[J].财务与会计理财，2009.
【26】李国平、李德峰、乔志敏，房地产投资信托研究的发展，国际金融研究[J],2009
【27】毛志荣。研究报告一房地产投资信托基金研究[J].深圳证券交易所综合研究所，2004.
【28】 任纪军。房地产投资基金——组织、模式与策略。北京：经济管理出版社。第一版。2006.
【29】 陈柳钦。 美国房地产投资信托基金的发展及其借鉴。国家行政学院学报，2006（1）
【30】 孙靖。 房地产投资信托基金的海外经验及在中国的适用性探讨[J].中国房地产金融，2005（3）
评估方法论文范文第9篇
（一）对实践教学评估重视不足
早在2008年教育部组织实施的高等院校本科教学质量评估中，专业实践教学环节就已被列入评估体系。但由于本次评估主要是对高校整体质量进行评价，具体专业的教学评价并未详细涉及。对行政管理这类文科专业，实践教学本身多年来并没有引起足够的重视，学生的实践环节多局限于就业前的实习。行政管理专业的实践环节不能如理工科一样有完善的实验室，即使有已经签约的实习基地，每个实践基地所能提供岗位的性质，如企业办公室、政府的街道办事处等级导致接纳的学生实习数量极其有限。客观条件的限制使得各个高校并未对文科实践教学产生足够的重视，所以实践教学评估更未进入领导者的决策议程。在学院层面，一方面，由于目前多数高校实行校院二级管理制度，学校对学院工作也由以前的专项、专业考核向整体考核演变，即学院总体完成学校分配的“清单式”任务即可。当管理的重心向下转移时，管理的目标也在发生变化。另一方面，普通高校对科研的重视日益赶超教学工作，由于不合理的学校排名指标导向、教师的晋升待遇都与科研论文项目等硬性指标挂钩，教学任务仅满足于完成即可，质量如何则难以得到衡量与控制。
（二）实践教学评估内容难以确定
由于行政管理专业本身的特性，实践教学的评价内容难以确定。行政管理专业特性从专业培养目标可窥：研究以政府为主的公共组织及其工作人员依法管理公共事务的理论和方法的应用性学科，其人才培养目标是培养具有较高政治理论素质，掌握现代行政管理学基本理论和专业知识，具有较强的管理、经营、策划、调研、交际能力，可以胜任国家机关、社会团体和企事业单位的一般行政管理工作或从事行政管理学方面教学研究工作的专业人才。该目标中所欲培养的能力很难通过评价手段予以评价。但这些能力却又是用人单位的重要考虑。这在课题组的调研中得以印证。根据课题组的调研，企业对学生的测评侧重于素质和能力两个方面企业在招聘时最看重的是学生的综合素质，以后依次排列的是思想道德素质、身体素质、专业素质、心理素质、文化素质。企业对行政管理专业学生素质重视程度的统计企业对行政管理专业人才使用过程中，更加侧重能力的发挥。用人单位最看重学生的人际协调能力，实践操作能力则次之。根据企业注重的能力与素质，单纯综合素质与人际协调这两项就与实践教学效果的关联无法得到充分论证。换句话说，实践教学活动的效果在学生就业后不能通过工作的形式与行为得以体现，所以实践教学追求培养学生应具备的能力素质目标本身难以测量。
（三）实践教学评价的标准与方法不明确与实践教学评价内容难以确定一样
评价的标准也是难以解决的问题。实践教学对学生产生的影响从时间维度来讲难以衡量。短期内，实践教学的效果难以实现，但长期效果的测量和追踪需花费大量的人力与时间成本，难以操作。实践教学产生的影响既有可能是直接的，也有可能是间接的。学生最终在工作中表现出的行为亦有可能是多种因素综合产生的结果。即使确定了实践教学质量的评价标准，也难以通过量化的方法评估。有的院校在开展行政管理专业实践教学评价时，仅仅是对理论教学评价模式的移植和照搬，使得实践教学评价指标与理论教学评价指标存在着很大的相似性。众所周知，理论教学是以专业理论知识的传授为主，评价往往侧重于课堂的教学能力；而实践教学则是以实践技能的传授为主，评价侧重于实践技能。两者在评价重点与方式上均有不同。
（四）实践教学评价的主体单一
当前行政管理专业实践教学评价大多采用学生反馈、专家检查、教师自评与互评等形式。科学合理的评价，应由多主体共同实施，然后把不同主体得出的评价结果汇总，再次进行整理分析，才能得出相对客观公正的结果。根据调研了解，行政管理专业实践教学的评价主体仅仅局限于教师。教师作为课程的组织者很难对自己的教学行为进行客观的评估，并且有夸大自身教学效果的倾向。即使有高校对行政管理专业进行专业评估，普遍采用的是内部评估的方式，即由学校组织校内专家进行检查。但这种检查评估象征性意义远大于实质意义。校内评估专家尽管具有搜集信息的优势却往往是非被评估专业的从事者，工科背景的专家评价文科专业的情况也不在少数；而且评估存在管理主义倾向，即评价者容易接受管理者的暗示而不能作为单独的主体独立发挥作用。
二、完善行政管理专业实践教学评估的策略
很多学者对当前专业评估已经做出了足够多的批判，现实中评估工作也让管理者、评估者与被评估者都极为抵触，尤其最为极端的质疑在于评估本身存在的合理性。抛开评估过程出现的不合理、不科学甚至造假的扭曲现象，课题组认为专业评估工作依然有存在的必要。因为只有通过评估，才能有改进，才能提升质量。行政管理专业实践教学评估本身存在的困难不应成为不作为的理由。一定意义上讲，难，才是彰显深入工作的必要。当然，行政管理专业实践教学评估应审慎进行，在对方法论、评估内容、操作方法等科学设计基础上再思考如何细化实施。
（一）革新评估的方法论与理念评估的方法论与理念是指导评估工作的指南
早在1897年，美国教育家瑞斯（Rice）就发表了《无效的拼写炼狱》一文，意在评价美国基础课程体系的成效。并由此开创了以“测量”为特征的评价时代，评估者的角色是技术性的，即通过对评价工具的选择完成评估工作。在1933年，美国教育领域的卡内基学分体系受到社会质疑时，拉尔夫•泰勒用八年的时间研究开创了以目标为导向的“描述性”第二代评估。实际运作过程中，目标模糊性提出了新挑战，因此，评估需要在了解事实的基础上发挥评估者的判断。基于多元价值诉求基础上的“判断”成为评估工作新时代的特征。从评估科学的发展历程来看，评估经历了从“测量”到“描述”到“判断”的转变，表明了评估的理念与方法论的变更。对于专业实践教学评价而言，通过考试（考核）方式的测量在各个高校被作为评价的主要工具。“描述性”评估以学生为评价客体，已经开始逐渐开展。行政管理专业通过教育实践培养具有沟通、协调、组织等能力的学生，但这类目标并不能用明确的标准予以衡量。这就意味着专业实践教学评估也应在遵循现有评价理念上继续突破，整合方法。因为，单纯的基于事实的判断也容易出现偏差“，评估专家往往成为自己‘客观’方法的囚犯，他们把观察局限于学生群体的外在行为，而忽视了学生内在的主观目的和价值观，评价者努力构建对学生行为的解释模型，但未能抓住价值观和行为之间的联系”。
（二）设置合理的实践教学评估内容与指标体系
高校专业评估指标体系的建立是衡量专业评估工作推进状态的标志，对评估的科学性、客观性具有重要意义。所以，设置合理的实践教学评价指标体系尤为重要。但如何设置、怎样设置一直成为学术界和管理所面临的难题。本文也不在于构建指标体系，只限于提出建设指标应该考虑的因素。著名社会学家艾尔•巴比认为：“评估研究的一个基本障碍就是要对‘不可测量的’效果进行测量。因此，评估研究作为一种方法，就是试图去发现某物存在或不存在、某现象发生或是不发生。为了进行评估研究，我们必须能够操作化、观察以及确认到底什么存在或是不存在。”基于此，本课题通过行政管理专业学生工作内容及所需的能力与素质设置实践教学的内容与框架，进而设置实践教学评估的内容与框架。根据调研，企业招聘的行政管理学生以本科生为主占43.8%，专科生占41.7%，硕士研究生占13.5%，博士研究生占1%。从事的职位及所占的比例分别是行政助理45%、行政秘书25%、行政文员20%、人力资源10%。这些职位主要是为其他类工作提供支持。根据归纳与分析，总结了行政助理（文员）类主要职能。这些工作都需要较强的综合素质、人际协调能力、实践操作能力。因此学生的综合素质、人际关系协调和实践操作能力，是在专业实践教学中应侧重培养的内容，同时也是教学评估应该评估的内容。
（三）引进科学有效的评估方法科学的评估方法是确保评估结论的重要方面
当前在绩效评估领域主要广泛运用的方法包括关键绩效指标方法（KPI）和平衡计分卡（BSC）。可以根据情况考虑在专业实践教学评估中借鉴使用。即通过关键绩效指标考评教师的实践教学行为，用平衡记分卡评估整个实践教学行为。关键绩效指标法，是基于目标、用于考核组织成员绩效状况量化的或行为化的标准体系。该方法注重关键绩效指标的确定，而不必对所有的细节都进行评估。关键指标的确定只需遵循SMART原则即可，即明确具体（Specific）、可衡量（Measurable）、可获得（Attainable）、现实可行（Realistic）和有时间限制（Time-bound）。通过此方法，对行政管理专业实践教学教师的行为绩效予以评估，确保实践教学活动的科学合理开展。平衡计分卡方法则可以基于更全面考虑将绩效划分为财务、顾客、内部管理过程、学习与成长四个指标进行整体评价。具体对于专业实践教学而言，可变更为教学成本、学生需要、教学管理流程、教学发展等四个方面，注重内部指标和外部指标的平衡、长远指标与近期指标的平衡、成本指标与非成本指标的平衡，可对目前单一的主体进行的单一的评价方式进行补充。尤为重要的是，此方法意在把成本概念引入专业实践教学评估，纠正以往专业教学评估忽视成本的倾向。
评估方法论文范文第10篇
关键词：系统重要性；银行；指标评估法
2008年发生了由美国次贷危机引发的全球性金融危机。紧随其后，2009年末，始于希腊的国家债务危机逐渐演变为整个欧元区的债务危机，进而发展成为制约并影响欧洲乃至全球经济复苏的一场“债务飓风”。在这些接二连三的世界性危机中，这些“大而不能倒”的系统性重要金融机构的表现直接影响着危机的发展。
一、含义
2008年，由美国引发的次贷危机席卷全球，各国都遭受了不同程度的损失，各大金融机构的表现也成了人们关注的焦点。在此背景下，全球金融界出现了一个崭新的词汇――系统重要性金融机构，但其实质却是金融界一直存在的一个问题，即“大而不能倒”问题。随之而来的欧债危机，更是引起了人们对系统重要性金融机构的热烈讨论。连续的国际性金融危机使得这个问题在横面与纵面都有了较大程度的加深。
根据国际货币基金组织、国际清算银行和金融稳定理事会的阐述，全球系统重要性金融银行被定义为，在全球范围内居于重要地位并承担了关键功能，其倒闭可能给金融体系造成损害并对实体经济产生严重负面影响的关键性银行。简而言之，全球系统重要性银行就是“大而不能倒”的银行。系统重要性金融机构主要由于其规模、复杂性、系统性关联等因素，如果无序倒闭，无论在整个金融体系还是实体经济运行都将带来显著性的破坏
2011年11月，G20首脑峰会正式公布了由金融稳定委员会（FSB）制定的《处理系统重要性金融机构的政策方法》。几乎同一时间，巴塞尔委员会（BCBS）也了《全球系统重要性银行：评估方法及附加资本要求》，并公布了首批29家全球系统重要性银行名单。巴塞尔委员会称其会对全球系统重要性金融机构加强监管，最大限度地降低金融危机风险，国际金融治理措施也将在随后的八年内逐步走向全面实施。
二、指标评估方法文献综述
由于系统重要性银行在全球范围的重要地位，银行系统重要性的评估显得尤为重要。国内外学者采用设置指标、运用金融网络模型、协同风险模型、尾部函数相关模型等评估银行的系统重要性。但是，由于受到多方面因素的影响，对于系统重要性金融机构评估标准和方法的研究，目前仍处于起步阶段。
指标评估法具有独特的评估优势，不仅可以对银行现行的系统重要性来源进行追踪，也可以对银行系统重要性的发展趋势进行预测，正确识别系统重要性银行，以实现对其的差别监管。因此，大多数国内外学者对其研究，将其不断优化。
2009年，金融稳定理事会颁布了“评估金融机构、市场和工具的系统重要性指引：初步考虑”，认为识别单个银行系统重要性的三个关键准则：代表表内外风险暴露头寸，即规模；代表其他银行提供相同服务的困难，即不可替代性；代表该银行倒闭时对金融系统产生的巨大负面影响，即关联性。
根据2011年7月19日巴塞尔委员会的公告，巴塞尔委员会拟使用指数法来衡量银行的系统重要性，指数由反映银行规模、相互关联性、替代性、全球活跃性和复杂度五方面12个指标构成。这种方法考虑的因素更加全面，更加突出单一金融机构对金融体系和其他金融机构的影响，更加反映金融机构之间的连接程度，更能找出具有系统重要性的银行。（见表1）
中国银监会颁布了《中国银行业实施新监管标准的指导意见》，认为中国系统重要性银行的评估主要考虑复杂性、关联性、规模、可替代性等指标。
张强和吴敏（2011）认为我国商业银行国际业务有限，因此暂不考虑全球关联性指标。他们根据《系统重要性金融机构评估指引 》和《中国银行业实施新监管标准的指导意见》，仅从上市银行关联性、可替代性、规模、复杂性4项指标评估我国银行的系统重要性。（见表2）
巴曙松和高江健（2012）结合中国银行业的实际情况，利用可观察的银行指标，对G-SIBs 评估方法进行了修改，去除跨境业务指标，建立了识别中国系统重要性银行的指标法。文中还指出，若对金融机构的系统重要性不能进行有效评估，则会产生识别不足或过度识别前者会降低监管的有效性，后者则会增加金融体系的成本。（见表3）
龚明华、宋彤（2010）综合分析了目前全球识别系统性风险的方法论和技术手段，并在借鉴国际经验的基础上，就逐步健全我国有效识别和评估系统性风险的方法和建立指标评估体系提出了相应的措施与建议。
三、结语
当前并不能精准地对银行的系统重要性进行评估，因此监管当局应结合各方面信息对其进行识别。FSB曾在《评估金融机构、市场和工具系统重要性的指引》中指出，监管当局对银行的系统重要性进行评估时，应以指标法为主，同时结合各种方法、信息进行相应的监管判断，从而精准识别系统重要性金融机构。
参考文献：
[1]BCBS，2011.“Global Systemically Important Banks： Assessment Methodology and the Additional Loss Absorbency Requirement.” Basel Committee on Banking Supervision.
[2]彭锋.系统重要性金融机构的风险度量与监管[J].中国金融，2012（3）.
[3]巴曙松，高江健.基于指标法评估中国系统重要性银行[J].财经问题研究，2012（9）.
[4]毛奉君.系统性金融机构监管问题研究[J].国际金融研究，2011（9）.
*本论文得到上海市一流学科项目资助，项目编号S1201YLXK。