高新技术企业商业模式评价指标体系研究

王金凤，刁莹莹，冯立杰，岳俊举，张 珂

（郑州大学管理工程学院，河南郑州 450001）

高新技术企业是一种知识密集、具有高附加值的经济实体［1］。“互联网+”时代下，生物制药、电子通信及新能源等高新技术的兴起使得全球的产业结构、价值网络及经济增长方式发生了深刻改变［2］，高新技术企业成为增强综合国力的重要力量［3］。而商业模式作为企业价值创造、传递和获取的逻辑［4］，是企业进行技术商业化和创造竞争优势的有效利器［5-6］。因此，在当今高新技术企业日益增多、竞争愈加激烈的全球化背景下，如何对高新技术企业的商业模式进行合理评估以不断去粗取精，进而实现可持续发展成为一个关键问题。

目前，学者们基于财务、价值链及平衡记分卡等视角对诸多行业的商业模式进行了评价研究［7-11］，为后续开展进一步探索奠定了基础，但亦存在一些待改进之处。一方面，由于不同学者评价方法及目的的迥异性，致使现有的评价指标体系差异性较大、总体共识性较低，且定量测度方法较为单一［12］，基于大样本的实证研究较少，商业模式评价体系实用性被大幅削弱；另一方面，对于高新技术企业而言，现有研究多是基于技术角度对其进行评估，而较少涉及综合性更强的商业模式评价方面。

基于此，本文将首先在已有研究的基础上进行评价指标初选，然后结合专家知识，利用群组决策特征根法识别关键指标，继而通过实证方式对指标进行验证分析，最终形成一套符合高新技术企业特点的商业模式评价指标体系，以期为高新技术企业进行商业模式评价和优化提供借鉴。

1 高新技术企业商业模式初始评价指标体系构建

本文依据科学性、合理性和可操作性等准则选取评价指标，具体分为评价指标初选及关键指标识别两部分。

1.1 高新技术企业商业模式评价指标初选

借助知网、Web of Science、Google Scholar 及浏览器等渠道搜集现有商业模式评价的相关资料发现，国内外学者主要通过专家打分或实证等方式开展商业模式评价：王雪冬等［13］首先通过文献梳理进行指标初选，进而利用专家打分进行定量筛选和合理性判断，并以此确定最终评价指标体系；Amit 等［14］、胡保亮［15］通过让学生依据问卷内容对企业商业模式打分的方式进行商业模式评估；而周辉等［16］通过实证方式对其提出的商业模式评价指标体系进行了验证分析。此外，学者们亦提出了多种商业模式评价标准：Morris 等［17］提出了盈利性、独特性、模仿性、全面性、一致性、健壮性、可持续性及创新性等八大商业模式评价维度；王雪冬等［13］从创新性、效率性、成长性、盈利性、区隔性、包容性及稳定性等七方面建立了初创企业的商业模式评价指标体系；朱兆珍等［18］基于财务管理视角从盈利、偿债、发展和营运等四方面对企业的商业模式进行了评估。

与其他领域相比，高新技术企业研发投入力度更大，高技术人才更为密集，创新性、成长性、收益性及知识共享水平更高，具有一定的行业特殊性。结合高新技术企业的特点及商业模式评价相关研究，本文确定了高新技术企业商业模式评价的6 个维度：（1）创新能力，即企业采纳并执行新思想、新技术或新产品的能力［19］；（2）学习能力，即学习知识与技能并以此解决问题的能力，是组织核心素养的核心关键［20］；（3）运营能力，即企业内外部合作形成稳定的知识和技术链条以实现高效率运营的能力［21］；（4）盈利能力，即企业获取利润的能力；（5）成长能力，即企业的规模和收益等持续增长的能力［22］；（6）隔离能力，即企业的商业模式阻击外侵者、保持竞争优势的能力［13］。

1.2 高新技术企业商业模式关键评价指标识别

1.2.1 群组决策特征根理论模型

群组决策特征根法（Group Eigenvalue Method）是依靠专家智慧或经验进行打分及统计分析决策的一种方法，主要优点包括：（1）融合了多种专家意见，削弱受某一专家的主观偏好影响；（2）操作过程简单，能够更加便捷、科学地处理问题；（3）应用范围广泛，能够处理结构和非结构化问题。

1.2.2 关键评价指标识别

本文采用群组决策特征根法识别和筛选高新技术企业的商业模式评价指标，邀请了包括郑州市高新技术领域专家、郑州大学及上海海事大学教授共20 人，使用5 级李克特量表对初选指标进行打分，以确保评价指标体系能够兼顾实践应用与理论研究。其中1 为很不重要，5 为非常重要。采用群组决策特征根法，同时借助MATLAB 软件，得到高新技术企业商业模式指标权重结果，并进行单位化处理，详见表1。

表1 单位化处理后的高新技术企业商业模式评价指标权重

表1 中评价指标权重数值越大，说明该指标对评价系统的重要程度和解释力度越强，因此应重点关注数值异常大或小的指标并思考原因。参照相关研究及专家意见，并结合数据有效性，本文删除权重明显低于其他值的指标8（员工平均培训次数），保留剩余27 个指标，按照目标层、准则层和指标层三级架构构建高新术企业商业模式初始评价体系，详见表2。

表2 高新技术企业商业模式初始评价指标体系

2 实证分析

2.1 问卷设计及数据收集

（1）本文的高新技术企业商业模式评价问卷共设计了2 个部分，一是企业概况及受访者信息；二是以上述27 个指标为基础编制题目，使用7 级李克特量表进行打分。测量题项确定过程中与课题组30名成员进行了三轮讨论，对每个题目均进行了认真分析，以确保每个题项尽可能地清晰表达。

（2）数据收集。本文采用两种方式进行问卷数据收集。一是走访河南和山东部分高新技术企业，进行实地调研和数据收集；二是采用问卷星方式依靠校友支持邀请相关企业管理者进行问卷填写。课题组历时9 个月，共收集问卷492 份，回收有效问卷431 份，涵盖河南、山东、江苏和上海等地区的电子信息、新材料及新能源等多类高新技术企业。被访者职务中董事长17 人（占3.94%），总经理48人（占11.14%），其他高层管理者211 人（48.96%），基层管理者155 人（35.96%）；被访者所属行业中电子信息70 人（占16.24%），生物与新医药76 人（占17.63%），航空航天36 人（占8.35%），新材料54 人（占12.53%），高技术服务51 人（占11.83%），新能源及节能47 人（占10.91%），资源与环境41 人（占9.51%），先进制造与自动化56人（占12.99%）。

（3）样本分拆。本文将获得的431 份有效样本随机分拆为135 和296 两部分，分别进行探索性和验证性因子分析。探索性因子分析可检验量表的题项，找出多元观测变量的本质结构；而验证性因子可对测度模型进行检验。

2.2 探索性因子分析

利用SPSS21.0 分析问卷数据，得到校正的项总计相关性（CITC）值均大于0.415，克隆巴哈系数为0.931，表明量表信度较高，可对上述27 个题项进行因子分析。

因子分析前，首先进行KMO 和Bartlett 的球形度检验，KMO 值为0.874，Bartlett 的球形度检验P＜0.001，表明适合做因子分析。然后对27 个测量条目进行探索式因子分析，按照主成分分析、最大方差法旋转因子、特征值大于1 的方式提取关键因子，提取了6 个成分因子，累积方差贡献率为65.221%，共同度介于0.522～0.777 之间，因子效果显著，且与预设的创新能力、学习能力、运营能力、盈利能力、成长能力及隔离能力6 个维度一致。最后，进行信度和效度检验，6 个维度的克隆巴赫系数值分别为0.747、0.834、0.795、0.819、0.848、0.853，均大于可接受信度值0.7，且CITC 值均大于0.454，问卷结构良好，测量模型可接受。

2.3 验证性因子分析

2.3.1 变量正态性检验

结构方程模型要求数据服从正态分布［23］，因此在验证性因子分析前，需进行变量正态性检验，结果见表3。由于最大偏度系数绝对值为0.971（＜3），最大峰度系数绝对值为1.446（＜8），符合多元正态检验准则，故可以认为数据符合正态分布要求。

表3 正态性检验

2.3.2 一阶验证性因子分析

利用MPLUS 软件进行一阶验证性因子分析，信度和效度检验结果见表4，模型拟合结果见表5，验证性因子分析模型和完全标准化路径系数如图1所示。

表4 题目信度、组成信度、收敛效度与区别效度分析表

由表4 可知，题目信度介于0.438 ～ 0.857 之间，均大于0.36，组成信度均大于0.7，平均方差萃取量AVE 大于0.5（m3为0.494，可接受），满足Fornell和Larcker 提出的信度和效度检验标准［24］，测量条目对构念的解释能力较好，内部一致性良好。且各潜变量AVE 的开根号值均大于其他潜变量相关系数，表明各变量间区别显著。此外，由于各变量间相关系数较高（均大于0.4），表明有可能存在高阶共同因子［25］。

表5 一阶模型拟合指标

由 表5 可 知，1＜2/dfχ ＜3，RMSEA＜0.08，CFI ＞0.9，TLI ＞0.9，SRMR＜0.08，满足拟合度标准，模型整体拟合度良好。从一阶因子模型来看，测量题项的标准化路径系数均大于0.6，且均通过显著性检验，模型整体结构和质量良好。

图1 一阶因子模型

2.3.3 二阶验证性因子分析

为进一步简化模型，本文将创新能力、学习能力、运营能力、盈利能力、成长能力及隔离能力作为一阶因子，将高新技术企业商业模式作为二阶因子，构建二阶验证性因子分析模型，模型拟合效果见表6，二阶验证性因子分析模型及标准化路径系数如图2 所示。从结果来看，1＜2/dfχ ＜3，RMSEA＜0.08，CFI ＞0.9，TLI ＞0.9，SRMR＜0.08，模型整体拟合效果良好；所有标准化路径系数均介于0.604 ～ 0.934之间且均通过显著性检验，表明结果与理论预期模型相符，创新能力、学习能力、运营能力、盈利能力、成长能力及隔离能力能够收敛至高新技术企业商业模式这一构念中。而与一阶模型相比，二阶模型更加简洁，因此在实际评价高新技术企业商业模式时，倾向于采用二阶模型进行分析。

表6 二阶模型拟合指标

3 结术语

（1）在现有高新技术企业和商业模式相关研究基础上，本文通过理论分析、群组决策和实证检验，构建了一个符合高新技术企业实际特点且具有较高信度和效度的商业模式评价指标体系。该指标体系由高新技术企业商业模式评价总目标，创新能力、学习能力、运营能力、盈利能力、成长能力和隔离能力等6 个准则，新颖性、异质性、自主知识产权水平、技术创新性、学习与激励机制、研发投入力度、科技成果转化水平、外部供应链效率、内部运营效率、资产周转水平、产业链协同水平、沟通结构整合度、总资产报酬率、成本费用利润率、年总产值、毛利率、产品投资回收期、成长空间、新产品比例、新产品研发周期、可持续增长率、可扩展性、客户黏性、优势资源、难以模仿性、屏蔽竞争者和品牌价值等27 个指标构成，能够较为科学、合理地对高新技术企业商业模式进行评价，为相关工作者或企业探究商业模式评价有关问题提供了便利。

（2）本文在高新技术企业日益增多、商业模式竞争愈发激烈的背景下，根据高新技术企业的特点和要求，构建了一个科学合理的高新技术企业商业模式评价指标体系，为企业进行商业模式评价和优化提供了理论借鉴和思路指引，拓展和丰富了高新技术企业的商业模式评价体系。

（3）囿于主客观原因，本文未对6 个维度间的影响关系进行深入探究。由于6 个维度间的关联性较强，有可能存在路径或层级影响关系，未来需对此开展进一步研究。此外，后续研究期望能建立高新技术企业的商业模式监测体系以动态引导企业进行商业模式优化。