第9章 企业规模影响企业创新效率的实验研究

第9章 企业规模影响企业创新效率的实验研究

尽管本书已经用统计回归的方法检验了企业规模与效率之间的关系及其调节因素,但在很多情况下,即使经过了严密的逻辑推理和严谨的统计回归,人们也难以对企业创新过程做出可靠的预测。因为人类是基于主观判断而做出决策的,在信息和知识受限的情况下,人类的有限理性可能会导致错误的决策(Chen et al.,2012)。而且很多时候,人们并没有充足的时间来进行数据分析。

在这种情况下,通过数据建模进行实验研究的方法,包括基于大数据和机器学习的实验法,可以通过源于数据库的客观、全面和精确的结果,来提升企业在经营管理方面的决策能力,有助于企业避免大量无谓的损失,甚至还能帮助企业取得更高的创新效率。

机器学习技术能够帮助人类更好地认识数据。随着互联网、计算机以及相关技术的发展,人们已经建立起数量庞大的数据库。为了更好地了解和使用这些数据,大数据分析和人工智能这样有效的工具是必不可少的。近年来,计算机领域的学者一直致力于将机器学习技术应用于现实生活中。机器学习使得跨设备连接成为可能,企业也可以使用数据挖掘了解用户的出行习惯(Makridakis,2017)。机器学习方法也可以直接帮助工程师们改进工作,如优化建筑结构和估计建筑物的生命周期(Zhou et al.,2012;Gandomi et al.,2015)。目前被用于企业管理的机器学习方法主要集中在企业的生产过程中,管理者可以通过机器学习方法来估计项目的单位成本或者净现值,从而做出更理智的投资决策(Tseng et al.,2010)。机器学习可以帮助企业对金融市场进行预测,进而进行下一步的生产安排(Relich,2010)。跨国公司可以使用机器学习方法为新公司选择最合适的地址,企业营销部门也可以利用机器学习来预测客户的行为(Nasir et al.,2000)。

本章将通过引入一种新的实验方法来判断企业创新效率,以丰富现有的模型。本章研究使用基于机器学习的实验方法来分析企业研发投入以及所产出的创新成果,可以相对准确地预测企业的创新效率。这一方法可以帮助企业管理者在技术飞速变革的时代做出更好的企业创新决策。