| 联系我们 |
 |
合作经济与科技杂志社
地址：石家庄市建设南大街21号
邮编：050011
电话：0311-86049879 |
|
|
| 管理/制度 |
| 生物育种企业创新绩效评价研究 |
| 第775期 作者：□文/刘家慧 时间：2026/4/16 11:28:29 浏览：41次 |
［提要］ 在全球农业科技革命加速演进与我国粮食安全战略深入实施背景下，创新成为种业企业核心竞争力的关键支撑。本文以隆平高科为研究对象，立足投入产出视角构建创新绩效评价体系，运用熵权-TOPSIS法对其创新绩效进行量化分析。研究发现，隆平高科创新绩效整体呈现“先降后升、高位趋稳”发展态势，2022年达到观测期峰值；创新投入中研发人员规模、研发经费强度与自主研发无形资产是核心驱动因素，但存在资源配置分散、投入结构不均衡等问题；创新产出中专利转化效率与经营效益的协同性不足，成果产业化能力有待提升。基于此，从优化资源配置、强化成果转化、完善激励机制等方面提出对策建议。
关键词：隆平高科；创新绩效评价；熵权-TOPSIS法；研发投入；创新产出
中图分类号：F27 文献标识码：A
收录日期：2025年12月15日
种业作为农业的“芯片”，其创新发展水平直接关系到国家农业核心竞争力与粮食供给稳定性。我国种业创新仍面临“高端品种对外依存度较高、核心技术创新不足、成果转化效率偏低”等突出问题。隆平高科作为我国种业龙头企业，对其创新绩效的科学评价对于企业优化创新战略、巩固行业领先地位具有重要现实意义。本文立足投入产出视角，构建创新绩效评价体系，运用熵权-TOPSIS法对隆平高科2019～2023年的创新绩效进行量化分析，为企业创新发展提供决策支持。
一、文献综述
学术界关于企业创新绩效评价的研究已形成较为丰富的成果，本文基于投入-产出的核心分析视角，重点对种业及相关领域创新绩效评价的指标体系与评价方法进行系统性梳理，以期为后续研究奠定理论基础。
（一）创新绩效评价指标相关研究。在创新投入指标维度，学者们普遍认为人力、资金与政策支持是核心构成要素。曹桂华等（2018）在研究中选取研发人员占比、R&D经费强度作为衡量企业创新投入水平的核心指标，认为这两项指标能直观反映企业在创新人力与资金方面的投入力度；方海燕（2012）指出，政府补助作为政策支持的重要体现，能够有效降低企业创新风险、缓解资金压力，应纳入创新投入指标体系；孙玉涛（2024）强调，研发费用率是衡量企业创新投入真实性的关键指标，其数值高低直接反映企业对研发活动的重视程度与实际投入力度。针对种业企业的特殊性，部分研究还指出，育种试验基地投入、种质资源收集与保存费用等应作为专项投入指标纳入评价体系，因为这些资源是种业创新的基础支撑。
在创新产出指标维度，技术成果与经济价值是两大核心评价维度。尹凡等（2010）与李露（2016）的研究均指出，专利申请数量、内部研发形成的无形资产（如育种技术、品种权等）能够有效表征企业的技术创新成果；营业收入增长率与营业利润率则能够反映创新活动所创造的经济价值，两类指标需协同考量。
（二）创新绩效评价方法相关研究。创新绩效评价方法的选择直接影响评价结果的科学性与准确性，学术界已形成多种成熟的评价方法并广泛应用。周海娟和李兴光（2024）在京津冀科技协同创新绩效评价中采用模糊综合评价法，综合考量多种模糊因素，实现了对创新绩效的全面系统评价；蔡三发（2023）运用数据包络分析（DEA）方法构建环高校知识经济圈创新绩效评价模型，重点关注投入产出的效率维度；Bashynska等（2024）采用因子分析法衡量企业管理创新活动的有效性，认为该方法能通过多维度矢量导向实现对创新活动的综合评估；朱永明（2024）借助熵权-TOPSIS模型对新能源汽车企业绿色创新绩效进行评价，该方法通过熵权法确定指标权重，有效避免了主观赋权的局限性，再结合TOPSIS法对样本与最优解的贴近度进行分析，提升了评价结果的客观性与精准性；陈昱等（2023）将熵值法与突变级数法相结合，对美的集团股权激励方案的创新绩效进行评价，进一步验证了熵权法在指标权重确定中的科学性。本文借鉴现有研究成果，采用熵权-TOPSIS法作为隆平高科创新绩效评价的核心方法。
二、指标构建
（一）评价指标体系设计。基于投入产出理论及相关文献研究，结合种业“生物技术化、育种智能化、品种绿色化”的创新特征与隆平高科业务实际，本文构建了包含创新投入、创新产出2个一级指标，10个二级指标的创新绩效评价体系。各指标的具体设定如表1所示。（表1）
该指标体系具有以下特点：一是全面性，涵盖创新投入的资金、人力、政策支持等维度与创新产出的技术、经济价值等维度；二是针对性，结合生物育种创新特征，突出研发人员、核心技术无形资产等关键指标；三是可操作性，所有指标数据均来自企业年报或专利数据库，数据获取便捷且可信度高。
（二）熵权-TOPSIS模型
1、熵权法计算权重
（1）数据标准化处理：由于各指标的计量单位与取值范围不同，需进行标准化处理以消除量纲影响，正向指标采用极值法标准化，计算公式为：
Xij′＝■
其中，Xij为原始数据，max（Xj）、min（Xj）分别为第j个指标的最大值与最小值。
（2）计算待评价对象的第j个指标下第i个评价对象的比重：
pij＝■
其中，Xij为第i个评价对象第j个指标的标准化值，m为评价对象数量。
（3）计算第j个指标的熵值：
ej=-■■pijlnpij
当pij=0或pij=1时，pijlnpij=0。
（4）计算第j个指标的熵权：
wj＝■
其中，n为评价指标数量。
2、TOPSIS模型评价创新绩效。TOPSIS法通过比较样本点与最优解点之间的距离对样本进行评价，距离越近样本越好。评价具体步骤如下：假设有m个评价对象、n个指标，构建m行n列的矩阵。
（1）构建规范化矩阵：
zij=Xij×wj
其中，zij为加权规范化值，Xij为标准化值，wj为熵权法计算得到的指标权重。
（2）计算各评价指标与正理想解和负理想解间的差距：
正理想解：zj+=maxzij （i＝1，2，…，m）
负理想解：zj-=minzij （i＝1，2，…，m）
样本与正理想解之间的距离：
Yi+＝■
样本与负理想解之间的距离：
Yi-＝■
（3）计算贴近度：
Yi=■
其中，Yi为评价对象与最优方案的接近程度，数值越接近1，说明结果越理想。
三、实例分析
（一）数据来源与预处理。本文选取隆平高科2019～2023年的相关数据作为研究样本，所有指标数据均来自公开渠道：R&D经费、研发人员数量、营业收入、研发费用率、政府补助、内部研发形成的无形资产等财务类指标数据来源于隆平高科年度财务报告；专利申请数来源于国家知识产权局专利数据库；审定品种数量来源于隆平高科年度社会责任报告及农业农村部发布的农作物品种审定公告。
对原始数据进行整理后，发现部分指标存在微小异常波动（如2020年政府补助因政策调整出现短期变化），但未出现极端异常值，无需进行数据剔除处理。按照熵权-TOPSIS法的要求，对原始数据进行标准化处理，为后续权重计算与绩效评价奠定基础。
（二）指标权重计算结果与分析。依据《上市公司行业分类指引》（2012年修订），选取A股农业高新技术类上市公司作为研究样本。结合隆平高科主营业务特点（种业研发与销售），选取2019～2023年种业及农业生物技术领域上市公司数据，经筛选后共确定包括隆平高科在内的18家样本企业，数据主要来源于企业年报、国泰安数据库、国家知识产权局及中国种业协会。剔除ST企业及数据缺失企业，确保数据的可靠性与完整性。运用熵权法计算得出隆平高科创新绩效评价各指标的熵值与权重，结果如表2所示。（表2）
根据熵权法的原理，指标熵值与权重呈反向关系：熵值越低，说明该指标在行业内的信息差异度越大，对创新绩效的影响越显著，权重越高；反之，熵值越高，权重就越低，影响也越弱。
基于熵权法计算的指标权重显示，内部研发形成的无形资产（0.2252）、研发人员数量（0.2105）与R&D经费（0.1783）是隆平高科创新绩效的三大核心驱动因素，合计权重达61.4%，凸显了种业创新对技术积累、专业人才与持续资金投入的高度依赖。次要影响指标包括政府补助（0.1387）、专利申请数（0.1154）和审定品种数量（0.1032），三者合计权重35.73%，分别体现了政策支持、技术产出与成果应用在创新体系中的补充作用。而营业收入同比增长率（0.0168）、研发人员占比（0.0392）与研发费用率（0.0491）权重较低，主要因其受行业周期性、市场波动及结构稳定性等因素影响，对创新绩效的区分能力有限。整体来看，权重分布反映出隆平高科创新绩效的评价应以技术积累与资源配置为核心，兼顾政策与产出协同，并理性看待经济指标的波动影响。
（三）隆平高科创新绩效评价结果与分析。运用TOPSIS法计算隆平高科2019～2023年创新绩效的正理想距离（Z+）、负理想距离（Z-）及相对贴近度（Y），结果如表3所示。（表3）
结合表3结果与隆平高科年度报告信息，其2019～2023年创新绩效的变化趋势如图1所示。（图1）
2019～2023年，隆平高科的创新绩效呈现出“先降后升、高位趋稳”的发展轨迹。2019年，创新绩效贴近度为0.3265，处于五年中位水平，企业研发投入稳步增长，但成果产出效率有待提升。2020年，绩效下滑至五年最低点0.2763，排名第四。这主要受到宏观经济环境与新冠肺炎疫情冲击的双重影响，市场推广活动受限，部分研发项目进度延迟，导致创新活动的投入产出节奏被打乱。自2021年起，创新绩效强劲反弹，贴近度升至0.3487。随着外部环境趋稳，企业前期积累的研发投入开始加速转化为产出，生物育种等前沿技术布局成效初显，审定品种数量显著增加。2022年，创新绩效达到五年峰值0.4562，排名第一。这一年，隆平高科研发投入强度进一步加大，多个重大新品种成功通过审定并上市推广，内部研发形成的无形资产价值大幅提升，显示出创新体系的强大爆发力和成果转化效率。进入2023年，创新绩效从峰值小幅回调至0.3836，但仍显著高于2020～2021年的水平，稳居五年次席。这种回调可能源于部分创新项目进入周期性调整阶段，或高基数下的正常波动。整体来看，2023年的表现意味着企业的创新体系已度过爆发增长期，进入一个成果持续输出、发展更为稳健的高位平台期，创新能力具备较强的韧性。
从投入产出结构看，权重最高的“内部研发形成的无形资产”与“研发人员数量”在2021～2023年均有显著提升，是驱动绩效上升的核心。然而，“营业收入同比增长率”权重低且波动大，反映出创新成果带来的经济效益存在滞后性或受市场因素干扰较大，技术产出与短期财务绩效的协同性有待加强。
四、对策建议
基于熵权-TOPSIS法的量化评价结果，针对隆平高科创新绩效呈现的波动特征与核心问题，结合投入产出视角与种业行业创新规律，提出以下系统性对策建议，为企业创新绩效提升提供实践参考。
（一）聚焦核心领域，优化资源配置。集中研发资金、人才等核心资源，投向杂交水稻、玉米等优势作物的生物育种、基因编辑等前沿领域，避免资源分散。扩大研发人员规模，引进高端技术人才，优化团队结构，平衡人力与资金投入配比，提升研发投入精准度与稳定性。
（二）健全转化机制，提升产业效能。构建“研发-审定-推广”全链条转化体系，研发初期对接市场需求，缩短审定品种市场导入周期。深化产学研合作，共建中试与推广平台，共享创新要素，提升专利转化效率与产业化率，强化技术成果与经营效益的协同性。
（三）完善激励体系，激发创新活力。建立差异化激励机制，对核心技术人才实施股权激励与项目分红，对基层研发人员给予成果奖励与职称晋升激励。将转化效率、研发强度等纳入考核，同时精准对接政策导向，高效利用政府补助，放大政策支持撬动效应。
（四）夯实创新基础，增强发展韧性。加大种质资源收集与保存投入，升级智能育种平台与试验基地，强化无形资产积累。拓展农业技术服务等配套业务，建立市场风险预警机制，提升创新体系抗周期波动能力，稳固高位平台期发展态势。
（作者单位：湖南农业大学）
主要参考文献：
［1］曹桂华，李登辉.基于熵值法的我国集成电路上市企业创新绩效评价实证研究［J］.理论月刊，2018（12）.
［2］方海燕，达庆利，朱长宁.政府不同研发补贴政策下的企业市场绩效［J］.工业工程，2012.15（02）.
［3］张晓飞，孙玉涛，张晨.医药制造企业技术竞合平衡能提高产品创新绩效吗［J］.大连理工大学学报（社会科学版），2024.45（04）.
［4］尹凡，单莹洁，苏传华，崔研.河北省区域创新绩效评价模型的构建［J］.统计与决策，2011.27（14）.
［5］李露.基于ANP法的科技企业创新绩效评价研究［J］.科学管理研究，2016.34（05）.
［6］周海娟，李兴光.京津冀科技协同创新绩效评价指标体系的研究［J］.中文科技期刊数据库经济管理，2024（01）.
［7］蔡三发，张国强，汪万.基于数据包络分析的环高校知识经济圈创新绩效评价［J］.同济大学学报（自然科学版），2023.51（05）.
［8］Bashynska I，Malynovska Y，Kolinko N，et al.Performance Assessment of Sustainable Leadership of Enterprise’s Circular Economy-Driven Innovative Activities［J］.Sustainability，2024.16（02）.
［9］朱永明，孙豪，毛柯予.新能源汽车企业绿色创新绩效评价探究［J］.财会月刊，2024.45（15）.
［10］陈昱，李彬彬，王虹.美的集团多层次股权激励方案的创新绩效评价——基于熵值-突变级数法［J］.财会通讯，2023（12）.
|
|
|
|
