基于模糊神经网络的中小企业家精神测度

毛良虎 刘然 李焕焕

摘 要：根据公司企业家精神理论和长三角中小企业的特性，构建包含创新精神、创业精神和企业家才能三个维度的企业家精神的测量指标体系，并提出基于模糊神经网络的长三角企业家精神测量模型。结果表明，该模型利用模糊处理和自主学习等能力解决了已有测量研究中出现的不确定性、非线性、多重性等复杂问题，实现了对长三角企业家精神的科学测量和有效分析，相较于BP神经网络模型具有更高的精准性和稳定性，为企业家精神的测量研究提供了理论支持，并具有借鉴意义。

关键词：企业家精神；模糊神经网络；中小企业

中图分类号：F276.3        文献标志码：A      文章编号：1673-291X（2022）33-0014-03

引言

近年来，随着国内外学者对企业家精神内涵的深入探究，认为企业家精神是以创新、创业为核心，在企业创立、经营和管理的过程中，表现出的一种技术才能和精神素养，是一种特殊的不可或缺的无形资产，在企业或组织里发挥着重要的作用。其中，长三角地区作为各类企业最为活跃的集中地，涌现出具有各种特质的企业家精神[1]，如“创新”“冒险”“进取”等。而长三角地区企业家精神的多样性导致了其测量研究的复杂性和困难性，缺乏对该地区企业家精神发展情况的全面了解和科学认识。因此，本研究旨在选择合理的测量方法，通过构建科学的测量体系和模型实现对长三角企业家精神的科学测量和精准分析，为长三角地区营造健康的企业家成长环境、激发和保护企业家精神具有借鉴意义。

在现有企业家精神的评价方法上，多数学者主要采用主观评测法，即通过问卷调查的方法直接对企业家精神进行结构化分析。Covin & Slevin等最早提出了关于企业家精神的测量量表，该量表的设计原理和内容为之后的研究者提供了理论基础[2]。李巍等在此基础上对量表进行改进，采用Likert量表法对企业家精神进行评价[3]。其次是间接代理法，即选择与评价对象相关的指标，通过数理模型计算进行实证分析，如谢众利用计量模型，评估了企业家精神和企业绩效的发展情况[4]。毛良虎选用熵值法和三次差异驱动，直接对企业家精神进行定量分析[5]。上述方法虽然实现了对企业家精神的测量分析，但简单的计量分析和模型检验不能全面表现出企业家精神的内在特质和逻辑结构。企业家精神概念的模糊性，使其评价是一个多为定性因素的多目标评价问题，需要在对各因素定性分析的基础上定义出其综合的量化指标，因此在企业家精神评价方法的选择上应考虑到上述测量方法的不足和研究目标的特性。

通过文献检索发现，肖会敏利用模糊神经网络解决了评价体系的多层次、多维度和评价过程中出现的模糊性和盲目性问题[6]。祝玉婷等运用模糊数学的概念，解决了测量研究中出现的不确定性、多重性和复杂性问题[7]。模糊神经网络具有较强的自主学习性、适应性和容错性，是研究非线性关系的重要方法，能够模糊处理企业家精神测量研究中的关系不明确复杂问题。因此，本文以长三角中小企业为研究对象，根据公司企业家精神理论和企业发展特性，构建一套全面系统的企业家精神测量指标体系，利用模糊神经网络模型对长三角企业家精神进行全面科学的测量研究，并通过对比BP神经网络结果，验证模糊神经网络模型的有效性，从而丰富模糊神经网络的应用领域，为发展和培育企业家精神提供科学的理论依据与方法支撑。

一、指标与样本来源

（一）指标选择

遵循科学性、客观性以及可实现性等原则，结合中小企业发展动力强、开创能力强的特点，从微观角度上选取能够代表中小企业特点的指标。在公司层面的理论研究中，叶勤强调企业家精神最重要的组成成分是创业、创新和企业家，三者分别是基础、核心和人格化主题[8]。庞长伟等从资源和企业家才能的角度，解释企业家精神是企业家发挥自身才能进行新资源创造、现有资源创新性整合与利用的过程[9]。因此，公司企业家精神中，创新与创业是其中的核心内容，企业家是实现创新创业活动的主体，企业家才能是公司利用企业家精神实现价值创造的重要内容。因此在测量维度的选择上，借鉴参考邢小强等[10]提出的创新精神和创业精神，谢众等[4]从创新、创业和经营能力对企业家精神进行评价研究，欧雪银[11]在研究中提出的制度创新概念、张玉利等[12]提出的有关企业家创业精神的市场识别和开创能力、Zhen H.&Man L[13]提出的物质财富最大化是企业家生产经营活动的首要动力，并结合中小企业具有以自主创新为发展核心、R&D费用资本化率高、销售收入比重大、成长速度快、经济效益好的特点，构建了综合评价指标体系，见表1。

（二）样本来源

中小企业对企业家精神的贡献明显，因此选取2018年长三角地区所有非ST的中小板和创业板上市公司的财报，确定以355家上市公司数据作为实证样本，以上数据来源于國泰安数据库。

二、实证研究

（一）企业家精神模型构建

本文采用毛良虎等对企业家精神测度中使用的熵值法对变量进行求权，并利用求和的结果作为模糊神经网络的输出，促进神经网络模型的构建。再利用模糊神经网络模型作为中小企业企业家精神测量评价方法，既提升模型分析复杂信息、数据的能力，更利于处理模糊数据和计算量大的内容。

（二）描述性统计

由于指标变量的数量级、性质都不同，首先对11个指标进行标准化处理，再进行描述性统计。总体而言，波动最大的前三名分别是研发人力资本、制度创新能力、市场研究能力，标准差分别为0.1923、0.1564、0.1541，说明这三方面对企业家精神测量的影响最大。其他指标的标准差落在区间[0.05，0.10]之间，说明其余8个指标对企业的企业家精神影响程度近似。

（三）模型训练

模型的建立和测试选择Matlab R2018a进行实操建模。为了观察模型自身能够达到的极限，容许误差设为0，训练步数设为1 000步。利用Python的Random模块对数据进行划分。训练集占70%，包含249组数据，测试集占30%，包含106组数据，以下对建模仿真过程进行阐述。

首先，利用熵值法求出各变量的权重并加权求和，并作为输出。其次，建立初始模型。选用Sub.clustering（子聚类）作为模型的隶属度函数，在生成FIS时，将Reject ratio设置为0.0001。最后，在运行中发现在训练超过10步左右时，模型显著收敛，确定该网络作为基于模糊神经网络的企业家精神测量模型。

（四）模型检测

1.FNN的结果。训练后再对测试集检测，并利用evalfis函数导出仿真输出。对比仿真输出和熵值结果，发现FNN误差在10%以内的准确率是100%，说明模糊神经网络模型在中小企业企业家精神测量时具有较强的稳定性和有效性。

2.与BP神经网络对比。在BP神经网络模型中，环境参数和关键设置与FNN训练时的保持一致。训练过程不同于FNN，BP在前50步训练时波动很大。100步之后才趋于稳定，约550步之后误差再次缩小。训练完成后的过程同FNN。

检测完成后可以发现：一是FNN相对于BP，训练和检测误差都更小；二是利用FNN训练和BP训练模型的过程拟合检验结果使用RMSE（均方根误差）反映，分别为0.000089和0.001479，FNN的RMSE比BP的更小，说明利用FNN模型结果更优，波动性也更小，稳定性更好。原因在于，BP算法只进行局部优化，在训练的初始阶段随机权值不固定，利用神经网络加快运算速度，容易在算法过程中导致局部极值，在训练和检测中很大概率上出现不确定性。经过多次论证检验，结果保持一致。

最后，公司的企业家精神评价值分布在[0.02-0.08]的发展水平内，其中有29家企业在[0.02-0.04]内、34家企业在[0.04-0.06]内、30家企业在[0.06-0.08]内，少数企业家精神的发展水平较高，起到带头作用。综上所述，长三角地区2018年创业板和中小板各上市公司的企业家精神的发展水平差异性较低，整体处于一种稳健的发展状态。

结语

基于长三角地区2018年创业板和中小板上市公司数据，构建包含创新精神、创业精神和企业家才能共计11个评价指标的中小企业企业家精神测量指标体系，运用熵值法对企业家精神进行初步计算，并运用模糊神经网络模型对上述数据开展企业家精神测量。对比BP模型的训练和检测结果后发现，一是FNN在中小企业企业家精神的测量评价方面的正确率高，波动小；二是建模过程更加合理，理论推理更加清晰。因此，通过模糊理论改进形成的模糊神经网络推理系统，能够有效运用于中小企业的企业家精神测量模型构建。模型能够实现财务指标与非财务指标的结合，主观性与客观性结合，有利于批量处理数据，并对定性内容定量化。明确的计算过程和决策规则，适用于企业家精神测量研究并具有稳定性。

本研究也存在一些不足之处，首先，数据来源的区域限制，由于长三角地区已经实现对江浙沪皖全境覆盖。因此，缺少安徽中小企业上市公司的样本。其次，样本选取2018年，缺乏多年数据的验证，没有反映出企业家精神的动态变化。在未来研究中，扩展企业家精神的研究区域，提高研究的适用性和应用价值，同时研究动态规律和潜在发展趋势。通过对长三角中小企业家精神的测量，加强企业间的交流合作，了解各企业的发展情况，选择与自身发展相匹配的企业，在合作过程中相互促进，实现长三角中小企业家精神的协同发展。

参考文献：

[1]  郗若伊，李安琪，张秀娥.企业家精神对中小企业绩效的影响机制探究[J].现代商业，2019，（6）：108-111.

[2]  Jeffery G.C.，Dennis P.S.A Conceptual Model of Entrepreneurship as Firm Behavior[J].Entrepreneurship Theory and Practice，1991，（1）：7-25.

[3]  李巍，丁超.企业家精神、商业模式创新与经营绩效[J].中国科技论坛，2016，（7）：124-129.

[4]  谢众，张杰.营商环境、企业家精神与实体企业绩效——基于上市公司数据的经验证据[J].工业技术经济，2019，（5）：89-96.

[5]  毛良虎，李焕焕，杨叶凡，刘然.基于熵值法的企业家精神评价体系构建[J].统计与决策，2020，（6）：156-160.

[6]  肖会敏，侯宇，崔春生.基于BP神经网络的P2P网贷借款人信用评估[J].运筹与管理，2018，（9）：112-118.

[7]  祝玉婷，韩莹，袁安富.基于改进的Pythagorean模糊语言集的可持续实验室评价方法[J].运筹与管理，2019，（11）：149-155.

[8]  叶勤.企业家精神的興起对美国经济增长的促进作用及其启示[J].外国经济与管理，2000，（10）：16-20.

[9]  庞长伟，李垣.制度转型环境下的中国企业家精神研究[J].管理学报，2011，（10）：1438-1443.

[10]  邢小强，周平录.中国区域企业家精神的评估与分析[J].技术经济，2018，（7）：47-56+80.

[11]  欧雪银.公司企业家精神的内涵与构成[J].社会科学家，2011，（2）：67-70.

[12]  张玉利，谢巍.改革开放、创业与企业家精神[J].南开管理评论，2018，（5）：4-9.

[13]  Zhen H，Man L.Analysis of the Path of Innovation and Entrepreneurship Development of Business Management Major[P].Proceedings of the 2018 8th International Conference on Education and Management（ICEM 2018），2019.

Measurement of Small and Medium Sized Entrepreneurship Based on Fuzzy Neural Network

MAO Liang-hu，LIU Ran，LI Huan-huan

（Business School，Changzhou University，Changzhou 213159，China）

Abstract：According to the theory of corporate entrepreneurship and the characteristics of small and medium-sized enterprises in the Yangtze River Delta，this paper constructs a measurement index system of entrepreneurship，which includes three dimensions of innovation，entrepreneurship and entrepreneurial talent，and puts forward a measurement model of entrepreneurship in the Yangtze River Delta Based on fuzzy neural network.The results show that the model uses the ability of fuzzy processing and autonomous learning to solve the uncertainty，nonlinearity，multiplicity and other complex problems in the existing measurement research，realizes the scientific measurement and effective analysis of the entrepreneurship in the Yangtze River Delta，and has higher accuracy and stability than the BP neural network model，It provides theoretical support and reference for the measurement of entrepreneurship.

Key words：entrepreneurship；fuzzy neural network；small and medium-sized enterprises