9.4 本章小结
2025年09月26日
9.4 本章小结
本书提出的XGBoost决策树方法提供了一种评估企业创新效率的方法。基于中关村示范区的数据,当对于企业研发投入、产品商业化投入的效率进行评估时,本书运用的受试者工作特征曲线和精确率—召回率曲线证明了XGBoost决策树优于基本决策树、随机森林和神经网络模型。XGBoost决策树的高精度以及可解释性都为学者在之后的研究中选用此模型解决类似问题提供了参考。
本书在实验中发现了与之前的理论模型相近似的结果,即企业可以根据其在知识生产、知识商业化过程中的投入来预测它们未来的创新效率。更重要的是,企业能够结合其自身特征,如企业规模大小、技术并购数量的不同、所处园区的不同、加入联盟类型的不同,运用本书的几种模型来预测未来的创新表现,这使得企业的管理者能够基于预期进行决策。因此,相关模型可以为企业建立智能决策支持系统,对于企业在复杂的环境下进行决策有很大的帮助,并且有利于企业在与其他企业的长期动态竞争中提升自身的创新效率。