1.1　问题的提出

党的十九大明确提出要加快建设创新型国家，加大对企业创新的扶持力度，鼓励企业与高校、科研机构开展合作创新。在这个创新创业氛围方兴未艾、科技强国理念深入人心的时代，越来越多的初创企业作为主要的创新载体，积极抓住良好的发展机遇，为我国加速调整产业结构、进入创新型国家行列发挥着至关重要的作用。

自从熊彼特提出大型企业是技术创新的主要来源开始，企业规模与创新绩效之间的关系就受到了学术界的广泛关注（Schumpeter，1942）。由于实证检验中得出了许多与熊彼特假设不同或相反的结论，企业规模与技术创新的关系一直是学者争论的焦点。在企业管理的实践中可以观察到，许多小型、微型企业受到自身资源、能力等具体条件的限制，在技术创新过程中举步维艰。同时，一些大型、中型企业在组织灵活性、路径依赖等方面的劣势，也使得它们的创新能力有待提升（Cohen et al.，1996；Rogers，2004；Hong et al.，2017）。因而，如何促进不同规模的企业开展高效的创新活动，也是企业经营者共同关注的话题。

对于不同规模的企业来说，充分发挥自身优势和特点与外界积极互动，从外部环境中获取自身创新过程所需的资源和支持，可以帮助企业弥补由自身规模带来的限制与不足，有效提高其创新效率。在当今“大众创业、万众创新”的时代背景下，科技园区对企业技术创新的影响和推动作用日趋明显（Ratinho et al.，2010；陈向东等，2014；刘志春等，2015a）。从全国各个国家级高新区的范围来看，中关村示范区已经成为最有生命力和发展前景的园区之一。中关村示范区的总收入、净利润、税费等经济总量指标遥遥领先其他国家级高新区，已连续多年稳居国家级高新区榜首；2015年中关村总收入占国家级高新区的比重达16.1%，规模超过位列第2～5位的高新区收入的总和。软件开发、信息服务与信息制造、生物医药等高新技术企业和知识密集型企业在园区中不断涌现，并且成为中关村示范区的重点培养目标。这些企业如何与科技园区的特点与政策相结合，通过园区内部激励创新的公平竞争环境，技术创新的市场导向机制，以及完善的吸引、培养人才机制，提升企业的创新绩效，是值得园区和企业的管理者与学者深入探讨的重要问题，学者对此开展了大量的研究（Löfsten et al.，2002；龚丽敏等，2012；潘剑英，2014）。但是已有研究多将整个中关村示范区视为一个整体，而忽视了对其“一区十六园”各个园区内部的具体因素具体分析。由于历史沿革、地理位置等复杂因素的影响，每个园区内部的基础设施、人员素质、资源优势等都有着很大的差异。因此，每个园区特有的属性对于其内部企业的创新绩效表现起到了更加决定性的作用，值得进行更深入的研究。

位于科技园区中的企业除了与园区内部的其他企业密切合作，共享信息、知识和创新成果之外，更应注重通过技术并购、企业联盟等形式加强与外部的交流。随着国际竞争的日趋激烈及市场环境不确定因素的增加，企业迫切需要以最快的速度创造出与外界市场环境相适应的知识、产品及服务，这些仅依靠与园区内的企业合作是远远不够的（Link et al.，2003）。为此，企业往往通过共享技术开发和研究成果等知识来扩展本身的有限资源，通过与其他组织的合作与联盟来一起分担成本与风险，从而不断开展知识创新，来实现提高自身竞争力的目的（Gulati，1999；Sampson，2007；Phelps，2010）。因而，在当今信息化和全球化的背景下，研究科技园区中的企业开展技术并购、加入企业联盟的类型与动因，并提出克服企业间知识流通障碍的相应对策是很有必要的。

由于数据可得性等原因，之前的研究主要是对于数量有限的企业进行统计回归，样本涵盖范围不全、假设检验手段不够严谨等问题导致得出的研究结果与实际情况存在一定的偏差，并不完全适用于对不同规模的企业创新效率的分析。目前随着信息技术的进步和处理数据能力的提升，人们可以通过全新的手段和方式来加深对企业创新绩效影响因素及其作用机制的理解。这种采用完全客观数据的模型是对创新绩效评估方法的重大创新，在一定程度上有助于企业突破传统决策理论“有限理性”的基本假设。目前，类似的实验处理方法已被牛津大学技术与管理发展研究中心用于为投资者开发新技术估值模型，并且展现出了良好的预测能力。在本书中，通过神经网络模型的建立，对中关村示范区的企业在2005—2015年期间的数据进行学习，并不断修改参数以确定最优权值，从而在大量模式未知的复杂数据中发现隐藏的规律，提高预测的准确度和效度。神经网络的自学习与自适应特性使其在权值的确定方面具有相当的优越性，因而使用该模型进行企业创新效率的评估成为未来值得研究的方向。