高新技术企业R & D联盟伙伴匹配性分形评价研究
王玉冬，武 川，徐玉莲
(哈尔滨理工大学 经济学院，黑龙江 哈尔滨 150080)
摘 要：为实现高新技术企业R&D联盟伙伴优化组合，提高R&D联盟运行效率，充分发挥R&D联盟的综合优势，针对高新技术企业R&D联盟的特点与目的，对R&D联盟伙伴匹配性进行了界定，分析筛选了影响R&D联盟伙伴匹配性的主要因素，构建了高新技术企业R&D联盟伙伴匹配性评价指标体系，设计了指标评分规则，提出了分形评价方法，并以华为R&D联盟伙伴选择作为实证分析对象，对其R&D联盟伙伴的匹配性进行了评价，结果表明华为选择的R&D联盟伙伴的匹配程度高，符合华为R&D联盟的实际情况。
关键词：高新技术企业；R&D联盟；伙伴匹配性；分形评价
0 引言
高新技术企业R&D联盟是高新技术企业与其它高新技术企业、高校、科研院所为了迎接激烈的市场竞争，抓住新的市场机遇，共同开展技术创新，提高市场竞争优势，结合彼此优势创新资源而建立的一种优势互补、风险共担、利益共享、共同创新与发展的正式但非合并的合作型研发组织[1]，它是面向市场机遇而建立的动态互补性和研发型知识与技术联盟。在全球化市场激烈竞争中，大多数高新技术企业仅依靠自己的研发力量已难以赢得创新优势，充分利用企业外部创新资源已成为越来越多高新技术企业的战略选择。R&D联盟可以共享资源，优势互补，分担研发成本和风险，因此，受到很多高新技术企业的青睐。联盟成员的选择对联盟成功与否具有直接影响[2]，所以，恰当选择联盟伙伴是R&D联盟成功的前提。科学合理地选择R&D联盟伙伴的关键是联盟伙伴具有良好的匹配性[3]，因为联盟伙伴之间的创新资源和能力等是否相互匹配直接影响伙伴之间优势互补的水平和联盟绩效。本文从R&D联盟伙伴匹配性视角，分析伙伴匹配性影响因素，构建高新技术企业R&D联盟伙伴匹配效果评价指标体系，采用分形评价方法进行实证研究，为R&D联盟伙伴匹配性的评价和伙伴选择提供方法，对提高R&D联盟运行效率具有理论意义和实用价值。
1 文献回顾与理论基础
1.1 文献回顾
相关研究主要分析R&D联盟伙伴选择的影响因素。Biao Sun等[4]指出R&D联盟伙伴价值观存在较大冲突是普遍现象，组建联盟时应考虑文化价值观的冲突性。Huei-Wen Pao[5]以中国台湾为实证对象研究发现，联盟伙伴间信誉影响联盟伙伴关系。联盟伙伴提供的资源及市场重叠性或互补性是影响R&D联盟效果的主要因素[6,7]。孙新波、张大鹏等[8]提出了知识联盟协同创新影响因素的概念模型并进行了实证分析。Olivier Mamavi等[9]分析了联盟伙伴关系与组织关系的强弱，发现伙伴关系越融洽、组织关系越紧密，越会提升R&D联盟成功率。
R&D联盟伙伴匹配性的评价方法主要包括模糊评价法[10]、社会网络分析法[11]、结构方程模型[12]以及联盟空间仿真模型[13]等，但模糊评价未能考虑指标间信息重复相关问题，其它R&D联盟匹配性模型仅分析了影响因素间关系，未对具体R&D联盟伙伴的匹配优劣水平作出评价。R&D联盟伙伴间R&D资源配置与能力具有很大程度的相似性，而分形评价模型在处理多维度分布中的相似性问题时具有较大优势[14]，所以，本文选用分形评价模型对R&D联盟伙伴匹配性水平进行评价。
R&D联盟伙伴匹配性相关文献主要从3个维度进行分析：①知识资源匹配。王雪原等[15]从创新资源的维度，构建了R&D联盟伙伴匹配组合方案，即从R&D资源的角度对伙伴匹配性进行了测度。王道平等(2015)提出R&D联盟伙伴选择依赖于技术标准特征的匹配，而技术标准也是知识资源的一种；②战略匹配。Ghosh[16]指出，选择具有战略匹配性的联盟伙伴，可快速熟悉地域市场，在R&D市场扩张能力方面相互促进；③组织协同。Frano等[17]从组织协同方面考量联盟伙伴间匹配程度。但是，仅从单一维度评价R&D联盟水平是不全面的，应系统化研究R&D联盟伙伴匹配性。
R&D联盟中各联盟伙伴充当着不同角色，Ulrich Lichtenthaler等[18]认为R&D联盟伙伴中的角色功能如果具有高互补性，则其组成的联盟具有较高的合作效率。可见，R&D要素的匹配程度对于提高R&D联盟效率、提升创新绩效具有重要作用。因此，选择R&D联盟伙伴时应考虑伙伴之间R&D要素的匹配程度。
综上所述，从R&D联盟伙伴选择的视角来看，影响因素较多，主要包括企业文化价值观、信誉、组织关系、资源、组织结构、战略目标、财务状况、组织文化、制度环境、潜在的沟通障碍、兼容的管理团队、技术、知识能力关联度等。R&D联盟对能力的要求较其它联盟高，不仅技术、知识能力与之相关[19]，而且R&D投资能力和市场能力也是影响R&D联盟伙伴选择的重要因素。相关匹配性的研究主要涉及知识资源匹配、战略匹配和组织协同，而R&D联盟伙伴匹配性的相关研究比较少。
1.2 R&D联盟伙伴匹配性评价内涵
本文从匹配性视角探讨R&D联盟伙伴选择评价指标和方法，但R&D联盟伙伴选择相关研究并没有对匹配性进行界定。本文认为，R&D联盟伙伴匹配性是指R&D联盟中各伙伴R&D要素特征之间具有相容性、适应性，能够有序并有效地整合在一起，彼此促进，进而提高R&D联盟效率。R&D联盟伙伴匹配性具有系统性的特征，因为R&D联盟系统伙伴之间R&D要素相互影响，具有关联性，匹配性反映了R&D联盟系统伙伴各要素之间的关联性。所以，对匹配性进行考察需要系统考察关联程度，即系统耦合度。R&D联盟伙伴匹配性具有多维度的特征，匹配性具有一定的相对性，要实现R&D联盟的目标，就要从R&D相关要素考察联盟伙伴匹配性，R&D要素包括R&D资源和能力等，因而，需要对多维度要素进行评价。R&D联盟伙伴匹配性具有稳健性特征，联盟中R&D各要素相互制约，直接关系联盟的成功与失败，联盟伙伴R&D的相关要素匹配性越好，越有利于资源利用，提高创新绩效，控制联盟风险。随着环境的变化，R&D联盟伙伴原有的匹配状态会被打破，只有通过动态调整才能达到新的平衡。
1.3 R&D联盟伙伴匹配性评价的理论基础
R&D联盟伙伴匹配性评价的理论基础主要是协同学理论。R&D联盟是由各个伙伴的R&D要素构成的系统，R&D联盟的有序运行是联盟伙伴各R&D要素协同作用的结果。本文以协同学理论为基础，分析R&D联盟伙伴之间R&D要素的匹配程度，从R&D联盟整体上把握R&D联盟创新的组织规律，通过R&D联盟伙伴间协同作用满足创新人、财、物的需求，增强联盟创新能力，提高联盟创新绩效，控制联盟风险。
基于协同学理论探讨R&D联盟伙伴匹配性的研究主要涉及产学研协同创新[20]、产业协同创新[21]、企业协同创新[22]、国家重点实验室协同创新能力评价指标构建、协同创新影响因素与创新间关系等内容。
2 R&D联盟伙伴匹配性影响因素分析
联盟伙伴的匹配性越好，就越能充分发挥联盟的优势。所以，本文从伙伴匹配性的角度，分析R&D联盟伙伴匹配性的主要影响因素。
在归纳总结国内外已有研究成果中R&D联盟伙伴选择影响因素的基础上，依据R&D联盟伙伴选择匹配性的内涵，基于满足创新需求、增强竞争力和提升创新绩效的目的，分析影响因素的重要程度，筛选主要影响因素。
基于协同理论，文化、资源、能力方面的协同有利于减少联盟代理成本，实现伙伴资源优化配置，形成联盟综合优势，实现R&D联盟目标，提高联盟创新绩效。所以，R&D联盟伙伴匹配性的主要影响因素包括组织管理与文化匹配性、R&D资源匹配性、R&D能力匹配性。
2.1 组织管理与文化匹配性
高新技术企业R&D联盟各个伙伴拥有不同的企业文化和管理模式，在合作中可能出现文化和组织管理方面的冲突，这些冲突如果解决不好，可能使组织协调失衡，管理失控，导致R&D联盟失败。基于代理理论，联盟伙伴的组织和文化越匹配，其融合性就越好，越有利于减少伙伴之间冲突，提高创新效率，实现R&D联盟有效控制，保证联盟正常运行，减少联盟失败风险。所以，依据代理理论，考虑影响因素的重要程度，在组织管理和文化类影响因素中筛选出容易引起联盟冲突或代理成本增大的主要因素。因此，本文从4个方面分析伙伴间组织管理与文化的匹配性。
(1)文化融合性。企业文化通过影响员工价值观、思维和行为方式等对联盟创新动力机制产生内在的、无形的决定作用。因而，联盟文化的融合性对联盟的有效运行具有直接影响。高新技术企业R&D联盟研发的新技术和新产品往往具有较高的复杂性和难度，需要具有不同技术优势的联盟伙伴的相互合作与支持，如果联盟伙伴的价值观、创新理念融合性好，不断地相互学习与交流，则有利于促进联盟伙伴间合作，提高研发效率和创新水平，否则会给联盟合作创新带来较大阻力，无法实现协同效应，进而加大联盟风险。影响文化融合性的因素包括价值观、创新理念、学习交流与合作精神。
(2)战略目标兼容性。联盟目标体现了联盟伙伴合作的动机和目的，即伙伴的联盟动机是什么，伙伴之间的战略目标是否相容，伙伴战略目标与联盟目标是否兼容。如果联盟伙伴彼此的战略目标会对联盟竞争力产生负面影响，则说明伙伴间战略目标不匹配；如果伙伴战略目标与R&D联盟整体目标不适应，则会使得伙伴在合作性竞争中采取的竞争行为不一致，过于关注自身利益，将资源过多放在自身目标利益实现上，忽视R&D联盟整体利益。若伙伴间战略目标相容、伙伴的战略目标与联盟目标相适应，则可以有效避免和快速解决联盟过程中遇到的联盟内外部冲突与问题，实现联盟可持续发展。所以，影响战略目标兼容性的因素包括伙伴战略目标相容性、伙伴战略目标与联盟目标的兼容性。
(3)组织管理和谐性。R&D联盟有效的运行需要伙伴之间的合作与协调，如果伙伴之间的管理机制、管理水平融合匹配得好，就会集中管理优势，沟通顺畅，提高决策水平，否则将给联盟决策、沟通与协调带来困难，导致组织不利，降低联盟研发效率，延长研发周期，丧失有利时机，影响联盟有效运行。所以，影响组织管理和谐性的因素主要包括管理机制和谐性、管理水平和谐性。
(4)诚信匹配性。不同伙伴在联盟中的任务、地位和作用不同，任一伙伴对其他伙伴在联盟中承担任务和诚信的认可与接受程度直接影响联盟运行。如果伙伴间诚信认可度较低，担心其他伙伴优先考虑自身利益而忽视联盟利益或发生技术外泄，则会对联盟研发技术有所保留，影响伙伴间合作与交流，降低联盟的综合优势，影响联盟研发的进程和质量。所以，诚信匹配性因素主要是伙伴间诚信认可度。
2.2 R&D资源匹配性
高新技术企业R&D联盟的基础是充分利用联盟伙伴的R&D资源，基于资源配置理论和创新高投入的特点，根据资源互补性，从人财物资源中筛选出满足创新需求和通过资源优化配置能够形成资源优势与竞争力的主要因素。R&D联盟资源组合应是互补型，因此，必须充分了解联盟伙伴在技术、资金、R&D人员等资源方面的优势及互补性，通过R&D资源有效匹配和利用，发挥资源间协同效应和知识资源的学习内化作用，最大限度地发挥R&D联盟优势。R&D联盟的核心工作是研发新技术、新产品，因此，其R&D资源匹配主要是人力资源、资金、技术和市场等方面的匹配。
(1)R&D人员匹配性。高新技术企业R&D联盟知识密集、技术密集的特点，决定了联盟对掌握先进知识和技术的创新型人才具有依赖性。R&D联盟研发人员是联盟最重要的战略资源，只有研发人员数量和技术水平匹配得好，才能充分发挥联盟各种专业人员的优势，提高研发技术和产品水平及市场竞争力。影响R&D人员匹配性的因素主要有R&D人员数量、R&D人员素质与技能。
(2)技术资源匹配。R&D联盟是在现有技术基础上研发新技术、新产品，伙伴拥有的技术水平、技术可推广性和伙伴技术优势的互补程度，对联盟研发速度、新产品创新程度和市场竞争力具有重要影响。技术匹配是联盟成功的重要因素[9]，技术设施匹配性是技术匹配的重要内容。所以，影响技术匹配性的因素包括技术先进性与成熟度、伙伴优势技术的互补性和技术设施的匹配性。
(3)R&D资金匹配性。高新技术企业R&D联盟需要大量研发经费投入，伙伴资金规模、R&D可投规模直接反映伙伴的资金实力，联盟伙伴选择必须考虑R&D资金匹配性。所以，影响资金匹配性的因素有资产总额、可投R&D资金。
(4)市场匹配性。联盟研发的新技术、新产品通过投入市场获得收益，联盟组建时要考虑各伙伴的市场资源优势能否使联盟研发的新技术和新产品在销售渠道、销售范围、售后服务等方面实现优势互补，形成市场优势。伙伴的市场分布重叠度越小，互补性越强，联盟成功率就越大。所以，影响市场匹配性的主要因素有联盟伙伴市场分布合理性、市场互补性和商誉。
2.3 R&D能力匹配性
R&D联盟的本质是实现优势互补，达到1+1>2的效果。Hitt等[23]认为互补能力是影响伙伴选择的最重要因素。如果伙伴间不具备一定层次上的能力互补性，而只想借助联盟发展自己，那么联盟将难以获得成功。基于综合优势理论，从技术、知识能力相关性、投融资能力、信息收集和处理能力、研发能力、风险控制能力等影响因素中筛选出有利于形成综合优势的主要因素。伙伴创新能力、投资能力和市场能力的匹配有利于形成综合优势，提高环境适应性，增强创新能力和市场竞争力，进而实现创新目标。所以，影响R&D能力匹配性的因素主要有创新能力、投资能力和市场能力。
(1)创新能力匹配。各伙伴专利技术和独特创新技能直接影响联盟创新能力的匹配水平，进而影响联盟研发新技术、新产品的数量及创新水平，以及R&D联盟创新绩效。所以，影响创新能力匹配的主要因素有专利技术和独特创新技能。
(2)投资能力匹配。R&D联盟投资能力匹配性是确保联盟组建时资金及时到位，以及运行中研发计划调整时及时追加资金的重要基础。无论联盟组建初期还是运行过程中，R&D联盟伙伴的利润总额、现金流量和资产负债率都是按计划投资、保证联盟有效运行的基础。所以，影响投资能力的主要因素有利润总额、现金流量和资产负债率。
(3)市场能力匹配。由于R&D联盟是否成功必须由市场来检验，只有R&D联盟研发产生的高新技术及产品赢得了市场，产生了良好的经济效益，联盟才能成功。市场信息收集与分析能力、研发技术和产品的市场定位能力与市场开发能力对市场能力具有重要影响。所以，影响市场能力匹配性的因素主要有市场信息收集与分析能力、研发技术和产品的市场定位能力和市场开发能力。
3 R&D联盟伙伴匹配性指标体系设计
3.1 伙伴匹配性评价指标体系设计原则
(1)科学性原则。R&D联盟伙伴匹配性评价指标体系结构、各层次指标逻辑关系和指标选择应具有科学性，以确保R&D联盟伙伴匹配性评价结果客观、真实，并具有指导作用。
(2)优势互补性原则。高新技术企业实施R&D联盟就是为了充分利用联盟伙伴的互补性优势，实现自主创新和提升竞争优势。所以，评价指标体系设计应有利于联盟伙伴间优势互补水平测度。
(3)定性与定量相结合原则。R&D联盟伙伴选择匹配性评价涉及众多定性和定量问题，评价指标选择和评价指标体系设计应注重定性指标与定量指标的有机结合，并且定性指标应便于量化。
(4)动态性原则。R&D联盟组建以重要战略机遇或创新项目为前提，R&D联盟伙伴匹配性评价指标选择和指标体系构建应适合于R&D联盟的目的和特点，考虑动态性组合的联盟伙伴的目的、组织管理及文化等匹配情况。
3.2 R&D联盟伙伴匹配性评价指标体系
根据高新技术企业R&D联盟伙伴匹配性主要影响因素分析和指标体系建立原则，从3个维度设计R&D联盟伙伴匹配性评价指标体系。同时，利用AHP专家赋权法进行指标赋权(9分制)，聘请专家对各二级指标的重要性进行评分，并通过一致性检验。计算各指标权重，结果如表1所示。
3.3 伙伴匹配性评价指标采集及评分规则
(1)文化融合性。其反映创新文化相近程度，相近程度越高，文化融合性越好，伙伴匹配性就越好，可从价值观、创新理念、学习交流与合作精神几个方面进行考核。
(2)战略目标兼容性。从联盟伙伴战略目标的相融性和伙伴战略目标与联盟目标的兼容程度等方面，反映战略目标是否兼容。伙伴战略目标的相容性从伙伴战略目标、伙伴在联盟中的合作竞争行为是否影响联盟竞争力等方面进行考核；伙伴战略目标与联盟目标的兼容性从伙伴联盟动机和目的、伙伴在联盟中的合作竞争行为是否影响联盟目标的实现、伙伴对联盟目标的认同度等方面进行考核。
(3)组织管理和谐性。从伙伴管理机制和谐性和管理水平和谐性两个方面，反映组织管理的和谐程度。管理机制和谐性主要从伙伴沟通和决策，包括沟通渠道和方式、沟通程度、协商方法、管理制度和方法、决策民主性和科学性是否和谐等方面进行考察。管理水平和谐性从伙伴之间管理水平是否协调、能否满足联盟发展需要等方面进行考核。
(4)诚信匹配性。从联盟伙伴彼此之间诚信认可度等方面考核诚信匹配性，主要考察伙伴以往的对外合作表现、是否有过自私自利与欺诈行为、有无合作失败的历史、有无知识产权侵犯行为等。
(5)R&D人员匹配性。从伙伴专业R&D人员数量以及R&D人员素质与技能等方面进行考核，R&D人员素质与技能从R&D人员学历结构、技术积累、特殊的技术技能和核心技术秘密等方面进行考察。
(6)技术资源匹配。从伙伴技术的先进性与成熟度、技术的互补性、技术设施的匹配性来考察技术资源的匹配程度。技术先进性反映技术达到的国际领先、国际先进、国内领先、国内先进或省内领先水平；技术成熟度反映技术可推广性是否满足联盟新技术、新产品研发的需要，可以从技术研究到技术产品规模化经历的实验室阶段、中试、商业化生产等阶段进行考核；优势技术互补性考察伙伴提供的核心技术互补程度；技术设施匹配性考察伙伴的技术设备与技术平台是否匹配。
(7)R&D资金匹配。从伙伴资金积累水平方面考核R&D经费匹配程度，考察资产总额、可投入的R&D经费。
(8)市场匹配。主要考察伙伴市场分布合理性、已有市场互补性和商誉水平。
(9)创新能力匹配。主要考察伙伴拥有专利技术的匹配程度和独特创新技能的匹配性，独特的创新技能包括伙伴拥有的独特知识、独特的技术秘密、独特的技术专长、独特的创新方法等。
(10)投资能力匹配。从利润总额、资产负债率、现金流量等方面考核投资能力的匹配程度。R&D支出的主要支付形式是现金，现金流量比利润更可靠，只有充足的现金流量才能保证投资。
(11)市场能力匹配。从市场信息收集和分析能力、市场定位能力、市场开发能力的匹配性等方面考核联盟伙伴市场能力的匹配程度。市场信息收集和分析能力可以从伙伴信息收集渠道、市场信息收集人员和制度的完备性、市场信息分析水平等方面进行考核；市场定位能力从伙伴研发产品开发可行性报告的科学性、对研发产品市场定位分析的合理性、研发技术及产品市场适应性等方面进行考核；市场开发能力从伙伴市场占有率、新产品市场占有率、市场开发计划编制水平、市场开发战略科学性、市场开发团队水平、市场开发经验和售后服务水平等方面进行考察。
借鉴王宏起等(2011)的研究，评价指标采取20分制4档分值，高新技术企业R&D联盟伙伴匹配性指标的量化规则及标准如表2所示。
表1 高新技术企业R&D联盟伙伴匹配性指标及指标权重
准则层权重一级指标权重二级指标权重组织管理和文化匹配性R10．1220文化融合性F10．0118伙伴价值观融合性X10．0019伙伴创新理念融合性X20．0070学习交流与合作精神X30．0029战略目标兼容性F20．0243伙伴战略目标的相容性X40．0081伙伴战略目标与联盟目标的兼容性X50．0162组织管理和谐性F30．0578管理机制的和谐性X60．0289管理水平的和谐性X70．0289诚信匹配性F40．0281伙伴间诚信认可度X80．0281R&D资源匹配性R20．5584R&D人员匹配F50．0532R&D人员的数量X90．0133R&D人员的素质与技能X100．0399技术资源匹配F60．2607技术的先进性与成熟度X110．0677优势技术的互补性X120．1076技术设施的匹配性X130．0854R&D资金匹配F70．1550资产总额X140．0388可投R&D资金X150．1162市场资源匹配F80．0895市场分布合理性X160．0224市场互补性X170．0224商誉X180．0447R&D能力匹配性R30．3196创新能力匹配F90．1063专利技术的匹配性X190．0266独特创新技能的匹配性X200．0797投资能力匹配F100．1687利润总额X210．0592资产负债率X220．0492现金流量X230．0602市场能力匹配F110．0446市场信息收集和分析能力X240．0143市场定位能力X250．0054市场开发能力X260．0249
表2 高新技术企业R&D联盟伙伴匹配性指标的量化规则与评分标准
二级指标20～16分(中值18)15～11分(中值13)10～6分(中值8)5～1分(中值3)伙伴价值观融合性X1联盟伙伴价值观、发展理念具有很高的一致性联盟伙伴价值观、发展理念较为一致，各自发展理念无冲突联盟伙伴价值观存在分歧，发展理念存在冲突联盟伙伴价值观存在重大分歧，发展冲突较大伙伴创新理念融合性X2联盟伙伴间创新思维方式和行为方式具有很高一致性联盟伙伴间创新思维方式和行为方式一致联盟伙伴间创新思维方式和行为方式存在一些差异联盟伙伴间创新思维方式、行为方式存在较多差异学习交流与合作精神X3伙伴间学习与交流意识很高，科研讨论交流至少两周一次伙伴间学习与交流意识高，科研讨论交流至少每月一次伙伴间学习与交流意识一般，科研讨论交流每季度平均一次以上伙伴间学习与交流意识较弱，科研讨论交流次数达不到每季度一次伙伴战略目标的相容性X4与联盟伙伴合作的动机和目标具有很高一致性与联盟伙伴合作的主要动机和目标一致与联盟伙伴合作的主要动机和目标存在一些差异与联盟伙伴合作的主要动机和目标存在较多差异伙伴战略目标与联盟目标的兼容性X5联盟伙伴合作的动机和目标与联盟成立的目标具有很高一致性联盟伙伴合作的主要动机和目标与联盟成立的目标一致，但少量目标存在冲突联盟伙伴合作的主要动机和目标与联盟成立的目标存在差异，并有冲突存在联盟伙伴合作的主要动机和目标与联盟成立的目标存在较大差异，与联盟成立目标背离程度较大管理机制和谐性X6信息沟通全天候及时通畅，决策方式十分民主，有70%以上R&D人员能够参与有关联盟创新项目决策信息沟通保证工作日期间及时畅通，决策方式较为民主，有40%～70%以上R&D人员能够参与有关联盟创新项目决策工作日期间信息沟通较为通畅，决策人员较为集中，有10%～40%R&D人员能够参与有关联盟创新项目决策工作日期间信息沟通一般甚至滞后不通畅，决策人员高度集中，有10%以下R&D人员能够参与有关联盟创新项目决策管理水平和谐性X7联盟伙伴的组织管理体系完善，管理十分严谨，和谐性高联盟伙伴的组织管理体系较为完善，管理严谨，和谐性较高联盟伙伴的组织管理体系一般，管理和谐性一般联盟伙伴的组织管理比较松散伙伴间诚信认可度X8企业诚信记录好，无任何欺诈行为，无合作失败历史，无侵犯知识产权等记录企业诚信记录较好，无任何欺诈行为，合作失败少于两次且损失较轻，无侵犯知识产权等记录企业诚信记录一般，无任何欺诈行为，合作失败超过两次或失败结果造成一定损失企业诚信记录不好，有过侵犯知识产权、欺诈行为等记录或合作失败超过两次且损失严重R&D人员的数量X9R&D人员占研发、生产、销售等各环节的全部人员比重不少于40%R&D人员占研发、生产、销售等各环节的全部人员比重在40%～25%之间R&D人员占联盟研发、生产、销售等各环节的全部人员比重在25%～10%间R&D人员占研发、生产、销售等各环节全部人员的比重低于10%R&D人员的素质与技能X10联盟R&D人员中硕博研究生人数占总R&D人数比例大于30%联盟R&D人员中硕博研究生人数占总R&D人数比例在30%～20%之间联盟R&D人员中硕博研究生人数占总R&D人数比例在20%～10%之间联盟R&D人员中硕博研究生人数占总R&D人数比例低于10%技术的先进性与成熟度X11其技术复杂程度和先进性很高，属国际领先水平，应用范围多(8个以上)技术复杂程度和先进性高，属国内领先水平，技术应用范围较多(8～5个)其技术有一定复杂程度和先进性，属国内先进水平技术，应用范围一般(5～2个)技术复杂程度和先进性一般，属省内先进水平，技术应用较少(少于2个)优势技术的互补性X12联盟伙伴提供的核心优势技术或专利重复率小于5%联盟伙伴提供的核心优势技术或专利重复率在5%～15%之间联盟伙伴提供的核心优势技术或专利重复率在15%～30%之间联盟伙伴提供的核心优势技术或专利重复率大于30%技术设施的匹配性X13联盟伙伴技术设施处于同行业领先水平，其设施匹配性很好联盟伙伴技术设施处于同行业先进水平，其设施匹配性好联盟伙伴技术设施处于同行业一般水平，设施匹配性一般联盟伙伴技术设施处于同行业较低水平，设施匹配性不够好资产总额X14联盟伙伴的资产总额处于同行业国际先进水平联盟伙伴的资产总额处于同行业国内先进水平联盟伙伴的资产总额处于同行业区域先进水平联盟伙伴的资产总额处于同行业省内先进水平可投R&D经费X15联盟伙伴可投R&D经费轻度超过20%，或在同行业中属于高水平联盟伙伴可投R&D经费投入比例为15%～20%，或在同行业中属于较高水平联盟伙伴可投R&D经费投入比例为10%～15%，或在同行业中属于一般水平联盟伙伴可投R&D经费投入比例为10%以下，或在同行业中属于较低水平市场分布合理性X16国内外市场分布广或70%以上市场具有很大潜力以国内市场为主，分布较广或50%～70%的市场具有较大潜力国内市场分布有固定区域，分布有限或30%～350%的市场具有较大潜力省内部分区域有一定市场分布，市场潜力一般市场互补性X17联盟伙伴提供的市场分布重复部分不超过联盟后市场的20%联盟伙伴提供的市场分布重复部分占联盟后市场的20%～45%联盟伙伴提供的市场分布重复部分占联盟后市场的45～70%联盟伙伴提供的市场分布重复部分超过联盟后市场的70%商誉X18商誉价值处于国际先进水平或国内领先水平商誉价值处于国内先进水平商誉价值处于区域先进水平商誉价值处于省内先进水平或更低
续表2 高新技术企业R&D联盟伙伴匹配性指标的量化规则与评分标准
二级指标20～16分(中值18)15～11分(中值13)10～6分(中值8)5～1分(中值3)专利技术匹配性X19提供授权国际技术发明专利或多项国家发明专利，且匹配性好提供授权国家发明专利或多项国家实用新型专利，且匹配性较好提供授权国家实用新型专利或多项外观设计专利，且匹配性一般提供已授权外观设计专利，或已申请未授权专利，且匹配性较弱独特创新技能的匹配性X20独特创新技能在同行业处于领先水平，属重大技术创新范围独特创新技能在同行业处于先进水平，属重要技术创新范围独特创新技能在同行业处于较好水平，具有一定创新价值独特创新技能在同行业处于一般水平或以下，独特创新技能应用价值较低利润总额X21联盟伙伴的利润总额处于同行业国际先进水平联盟伙伴的利润总额处于同行业国内先进水平联盟伙伴的利润总额处于同行业区域先进水平联盟伙伴的利润总额处于同行业省内先进水平资产负债率X22联盟伙伴平均资产负债率低于40%联盟伙伴平均资产负债率在40%～60%之间联盟伙伴平均资产负债率在60%～70%之间联盟伙伴平均资产负债率高于70%现金流量X23联盟伙伴的现金流量处于同行业国际先进水平联盟伙伴的现金流量处于同行业国内先进水平联盟伙伴的现金流量处于同行业区域先进水平联盟伙伴的现金流量处于同行业省内先进水平市场信息收集和分析能力X24市场销售部门国内外分布较为广泛，联盟伙伴信息网络完善市场销售部门国内分布较为广泛，联盟伙伴信息网络较完善市场销售部门仅在区域设置，联盟伙伴信息网络一般市场销售部门设置不足，联盟伙伴信息网络构建缺失或有待进一步完善市场定位能力X25市场定位准确，国内外消费者认可度高市场定位比较准确，国内消费者认可度较高市场定位一般，区域消费者认可度一般市场定位不够准确，区域消费者认可度较低市场开发能力X26市场调研工作充分，市场营销策划好，市场开发手段先进市场调研工作比较充分，市场营销策划较好，市场开发手段较为先进市场调研工作一般，市场营销策划一般，市场开发手段一般市场调研工作不够充分，市场营销策划不够好，市场开发手段相对落后
注：评审专家对各指标打分过程中，应参考所提供的联盟伙伴选择单位的有关资料，也可通过网上查询方式获取资料
4 R&D联盟伙伴匹配性分形评价
4.1 数据收集
考虑样本数据资料的可获性、真实性、披露全面性等因素，以华为R&D联盟伙伴选择作为实证分析对象。2014年初，华为计划开展一项新的技术项目研发，有意寻求R&D联盟伙伴，待选对象有Z公司、X公司及A公司3家。各指标数据采用专家打分法，为每位参评专家提供拟研发项目有关资料，华为、Z公司、X公司和A公司4家单位的评审资料，以及评分规则(表2)和打分表；打分表保留表2第1行和第1列内容，其它为空白，用于填写分数。共选择35位评审专家，共回收29份打分表，经审核不缺项且符合要求的有25份。
4.2 数据处理
(1)原始数据标准化。采用Z-score标准化法：
(1)
其中，
为指标i均值，xji为第i个联盟伙伴第i个指标的原始数据，σ为指标i的标准差，yi为第j对联盟伙伴第i个指标的标准化值。
(2)消除相关性。令Y=(y1,y2,y3...y25,y26),根据多元统计理论，利用Matlab软件计算Y向量的协方差矩阵B=cov(Y)，计算矩阵B的特征向量A，C矩阵对角线元素为特征值。通过如下变换消除指标间相关性，转换后的指标数据包含指标的所有信息：
(2)
QT为Y消除相关性后的指标数据，根据回收的有效问卷评分结果计算各指标均值，作标准化处理并消除相关性，结果如表3所示。将QT所有指标元素qji进行变换，qji→max{qji，0}，保证qji≥0，qji到原点的距离为dji。
表3 华为与3家联盟伙伴匹配性评价指标数据处理结果
联盟伙伴Z公司X公司A公司X10．274600．4530X20．13260．21100X30．48980．17280X40．439100．4990X500．66560X600．61780．0332X7001．1445X801．40260…………X2600．02620．1882
4.3 R&D联盟伙伴匹配性的分形评价
(1)分形评价方法。R&D联盟伙伴匹配性评价二级指标达26个。其中，高新技术企业R&D部门发展理念、管理结构、技术投资结构、市场分布具有较高相似性。分形理论在评价多维指标特别是评价主体间有较高相似性时具有明显优越性[24]。
本文建立了R&D联盟伙伴匹配性评价指标，QT构成欧式空间EN中N(N=26)维坐标上的点，这些点构成N维欧氏空间EN中的一个子集J(N)。选定任意r>0,设定原点为球心，以r为半径形成球，当dji<r时，有N(r)个点位于球内，选定r扩大跨度值重新作球，直至r=R时所有点包含在球内。球内点数变化的理想状态是从1个到2个、3个直至N个，点数之和为(N2-N)/2，则半径为r的球内点数N(r)占(N2-N)/2的比率为C(r)：
C(r)
(r-100widji)
(3)
H(x)
其中，Wi为指标权重，为避免加权后距离值过小，将其整体放大100倍，当r→R时，C(r)→1；当r→0时，C(r)→0；当r在一定区间内取值时,满足C(r)∝rD，即J(N)具有分形的特性[25]：
D=LnC(r)/
(4)
联盟伙伴匹配性指标数据越大，离原点越远。对任意r>0， C(r)在适当区间内，满足条件：匹配性好的LnC(r)≤匹配性差的LnC(r)。随着r由0.5扩大到R，当一个联盟伙伴匹配性指标的100widji全都十分接近R时，该联盟伙伴匹配性的LnC(r)- Lnr线为逼近于垂直横轴且经过(LnR,0)点的直线，即LnC(r)-Lnr线的斜率趋近于无穷，所以，匹配性好的分形维数大于匹配性差的分形维数。
根据表3的数据处理结果进行Dji→max{Dji，0}变换，100widji的值域为[0,15.5),所以，r可行域选定为[0,15.5]，r扩大跨度定为0.5，计算得到LnC(r)-Lnr对应表，如表4所示。
表4 LnC(r)-Ln r对应关系
rLnrLnC1(r)LnC2(r)LnC3(r)0．5-0．6931-2．7393-3．0112-2．950610-2．6928-2．8394-2．89351．50．4055-2．6928-2．7393-2．839420．6931-2．6928-2．6483-2．83942．50．9163-2．6483-2．6058-2．839431．0986-2．5649-2．6058-2．83943．51．2528-2．5649-2．6058-2．788141．3863-2．5649-2．5649-2．7881……………15．52．7408-2．5257-2．5257-2．5257
注：lnC1(r)、lnC2(r)、lnC3(r)分别对应Z公司、X公司、A公司
(2)分形维数计算。以Lnr为横轴，以LnC(r)为纵轴，利用Matlab软件将LnC(r)-Lnr双对数采用最小二乘法线性拟合求出分形维数D，并求得拟合相关系数。分形维数即R&D联盟伙伴匹配性水平，相关系数越高，拟合效果越好，如表5和图1所示。由拟合结果可知，期望值与实际值相关系数很高，均在0.84以上，拟合结果真实有效。
表5 LnC(r)-Lnr双对数拟合结果
联盟伙伴分形维数相关系数Z公司0．06650．9400X公司0．09590．8436A公司0．15350．9481
因此，以华为作为联盟网络中心的R&D联盟伙伴匹配性分形评价结果为：华为-A公司的匹配性优于华为-X公司，华为-X公司的匹配性优于华为-Z公司。其中，A公司为埃森哲，华为与埃森哲于2014年建立R&D联盟伙伴关系，说明评价方法实用有效，符合实际。Z公司与X公司则可以作为以后的R&D联盟储备对象，且X公司优先于Z公司，3家公司指标对应的100widji散点图如图2所示。
由图2可知，X公司与A公司的差异主要出现在2号区域，2号区域包括指标X11-X21，Z公司、X公司在技术资源、市场资源以及创新能力匹配方面不如A公司。因此，Z公司、X公司应不断提升自身创新能力、积累技术资源、开拓潜在市场，以提高R&D联盟伙伴匹配性水平。其次，X公司的可投R&D经费指标较高，但其它匹配性指标均处于较低水平，说明X公司从R&D资金到R&D成果转化效率较低，X公司应及时投入R&D资金，激励R&D人员，加大市场开发投入。区域1内A、Z公司指标水平总体较低，只有A公司的管理水平融合性X7相对较高。因此，A公司、Z公司应保障组织结构，构建与时俱进的企业文化。由区域3可以看出，A公司、Z公司的投资与市场能力应进一步提高。
当同时存在多个R&D联盟伙伴时，可以两两计算R&D联盟伙伴匹配性分形维度，并求出平均值，最终得到多个R&D联盟伙伴的整体匹配水平。采用此方法也可计算同行业其它R&D联盟中联盟伙伴的匹配性分形维数或行业平均水平，与之比较，分析不足，并采取措施加以改进。
5 结语
本文针对高新技术企业R&D联盟伙伴选择需要，从R&D联盟伙伴匹配性的角度出发，构建了包括3个准则、11个一级指标和26个二级指标的R&D联盟伙伴匹配性评价指标体系，设计了评价指标评分规则和分形评价方法，并以华为R&D联盟伙伴选择为例建立分形评价模型进行实证分析，得出评价结果与实际相符。这表明本文提出的高新技术企业R&D联盟伙伴匹配性评价指标体系与分形评价方法具有一定的科学性和可借鉴价值，适于R&D联盟伙伴匹配性评估，也可为R&D联盟运行过程中伙伴匹配性评价以及联盟伙伴更迭时联盟伙伴匹配性分析提供评价手段和决策依据。
参考文献：
[1] 王宏起，王雪原，王珊珊．产学研联盟：黑龙江省自主创新的重要模式[J]．中国科技论坛，2006(4)：16-18．
[2] 穆文，江旭．联盟管理实践获取与联盟成功:被调节的中介效应[J]．管理科学，2016(1)：28-39．
[3] RAJIV M，TRINA L，BERT R，et al．The impact of cultural differences in U.S.business-to-business export marketing channel strategic alliances[J].Industrial Marketing Management，2006，35(2)：156-165.
[4] BIAO S,YIJU L.Achieving alliance ambidexterity through managing paradoxes of cooperation[J].European Journal of Innovation Management，2014，17(2)：144-165.
[5] HUEI WEN P，HSUEH LIANG W，SHIH-PING H,et al.From partner selection to trust dynamics[J].Journal of Advances in Management Research，2015，12(2)：128- 140.
[6] PEDRO M V，MARIO F.Alliance portfolios and firms′ business strategy:a content analysis approach[J]．Management Research Review，2015，38(11)：1149-1171．
[7] MONIKA G，DOMINIKA L．Alliance portfolio formation and configuration by small and medium ICT firms[J].Baltic Journal of Management，2016，11(1)：65-88．
[8] 孙新波，张大鹏，吴冠霖.知识联盟协同创新影响因素与绩效的关系研究[J].管理学报，2015，12(8)：1163-1171.
[9] OLIVIER M，OLIVIER M，ROMAIN Z．Alliance management capability:the roles of alliance control and strength of ties[J]．Management Decision，2015，53(10)： 2250-2267.
[10] AKHAVAN P，BARAK S，MAGHSOUDLOU H.FQSPM-SWOT for strategic alliance planning and partner selection; case study in a holding car manufacturer company[J].Technological & Economic Development，2015，21(2)：165-185.
[11] 宋志红，李常洪，李冬梅．技术联盟网络与知识管理动机的匹配性——基于1995-2011年索尼公司的案例研究[J]．科学学研究，2013(1)：104-114．
[12] 蔡继荣. 联盟伙伴特征、可置信承诺与战略联盟的稳定性[J]. 科学学与科学技术管理，2012(7)：133-142．
[13] 马雪君，吴洁，周斌．产业技术创新联盟知识转移系统匹配模型的构建与仿真[J]．实验室研究与探索，2015(9)：255-259．
[14] PAWLICZEK A．Lifecycle of enterprises and its dynamics: using fractal analogy model in empirical study of czech and slovak enterprises[J]．Procedia-Social and Behavioral Sciences，2015(181)：331-341.
[15] 王雪原,王宏起.基于资源观的R&D联盟伙伴组合选择方法研究[J]．科研管理，2015，36(1):81-89．
[16] GHOSH A，MORITA H.Competitor collaboration and product distinctiveness[J].International Journal of Industrial Organization，2012，30(1)：137-152.
[17] FARNO B，ANTONIO H，RAFFAELLA C.Governance dynamics in multi-partner R&D alliances[J]．Baltic Journal of Management，2016，11(4)：405-429.
[18] ULRICH L.Alliance portfolio capability[J].Journal of Strategy and Management，2016，9(3)：281-301.
[19] VONORTAS N S，OKAMURA K．Research partners[J].International Journal of Technology Management，2009，48(3)： 280-306.
[20] 钱雨，吴冠霖，孙新波. 产学研协同创新成员协同行为构成要素及关系研究[J]. 科技进步与对策，2015，32(16)：15-21.
[21] 吴绍波，龚英，刘敦虎. 知识创新链视角的战略性新兴产业协同创新研究[J].科技进步与对策，2014，31(1)：50-56.
[22] 马伟，王庆金.协同创新视角下企业可持续发展研究[J].财经问题研究，2014(7)：107-111.
[23] MICHAEL A H, DAVID A，TINA D．The institutional，effects on strategic alliance partner selection in transition economics:China vs Russia[J].Organization Science，2004，15(2)：173-185.
[24] VLASTIMIL H．Fractal geometry for industrial data evaluation[J].Computers & Mathematics with Applications，2013，66(2)：113-121．
[25] 翟丽丽．基于分形理论的建筑施工企业人力资源管理效果评价[J]．经营管理者，2014(8)：137-138．
(责任编辑：万贤贤)
Research on Matching Fractal Evaluation of High & New Technology Enterprises R&D Alliance Partners
Wang Yudong, Wu Chuan, Xu Yulian
(School of Economics, Harbin University of Science and Technology, Harbin 150080, China)
Abstract：In order to realize the optimal combination between R&D alliance partners of high-tech enterprises, improve the operational efficiency of R&D alliance, which can give full play to the R&D alliance's comprehensive advantages. This paper makes systematic analysis on the main factors that affecting partner matching ability of R&D alliance, according to the characteristics and purposes of R&D alliance for high-tech enterprises by defining the R&D alliance partners' matching. Then, the evaluation index system is constructed through designing indicators scoring rules and giving fractal evaluation method. Based on the R&D alliance partners of Huawei as the empirical analysis object, there are specific evaluations on their matching. The evaluation results show that Huawei's R&D alliance partners present a high degree of matching, and in line with the actual situation of Huawei R&D alliance. The research has provided a fresh method and decision-making reference on R&D alliance partners' selection, at the same time, the evaluation of high-tech enterprises.
Key Words：High & New Technology Enterprise; R&D Alliance; Partner Matching; Fractal Evaluation
收稿日期：2016-10-24 基金项目：国家自然科学基金项目(71173063)；黑龙江省科技攻关重点项目(GB14D201)；黑龙江省社会科学研究规划项目(13C024)
作者简介：王玉冬(1961-)，女，黑龙江哈尔滨人，博士，哈尔滨理工大学经济学院教授，研究方向为高新技术企业投融资管理；武川(1989-)，男，河北邯郸人，哈尔滨理工大学经济学院硕士研究生，研究方向为高新技术企业资金管理；徐玉莲 (1980-)，女，黑龙江哈尔滨人，博士，哈尔滨理工大学经济学院副教授，研究方向为科技金融。
DOI：10.6049/kjjbydc.2016080621
中图分类号：F276.44
文献标识码：A
文章编号：1001-7348(2017)05-0112-09
