学历与首次职位升迁对关键研发者职业生涯上升速度的影响——来自于40家中国上市公司的证据

基于1995—2015年中国家电和汽车行业共40个上市公司(20+20个)的全部发明、实用新型专利数据,提取得到219名关键研发者,并将其创造力类型划分为速成型(创造力上升迅速但下降缓慢)和慢热型(创造力上升缓慢但下降速度快)。然后,从个体属性出发,研究学历和首次职位升迁两个因素对关键研发者职业生涯上升阶段创造力的影响。利用Logit模型进行分析,结果发现:在关键研发者职业生涯上升期,其学历越高,就越有可能是速成型而不是慢热型;关键研发者职业生涯上升期如果发生首次职位升迁,他们更有可能是慢热型而不是速成型。从理论上丰富了关键研发者创造力影响因素研究,对如何实现关键研发者快速成长具有实践指导价值,有助于企业完善关键研发者选拔机制与管理策略。

并购企业关键研发者合作网络变化及影响因素研究

在区分关键研发者和一般研发人员基础上,利用24家涉及技术并购的高新技术企业1998-2017年全部发明和实用新型专利数据,从动态角度分两个步骤研究了技术并购对224名并购企业关键研发者合作网络的影响。社会网络与多元线性回归分析结果表明,随着技术并购发生,并购企业关键研发者度中心性、中间中心性、接近中心性整体均有所降低,结构洞有所增多;并购企业关键研发者与目标企业技术相似性、度中心性、中间中心性有显著负向关系,而与接近中心性关系不显著,与其结构洞有显著正向关系。结论从理论上拓展了技术并购对并购企业影响研究的视角,同时对并购企业管理者进行并购选择以及留住自身关键研发者并保持较高的创新绩效具有一定现实意义。

技术并购中主并企业关键研发者合作网络变化对其创造力的影响

当前,技术并购成为企业获取所需知识、信息、技术等资源,维持并提高创新能力的重要途径。然而,企业并购行为会引起主并企业中关键研发者所在的创新合作网络的变化。创新合作网络作为关键研发者发挥创造力的载体,其变化势必带来关键研发者创造力的波动,而关键研发者的创造力又对企业创新绩效的提升起着举足轻重的作用。因此,探究技术并购情境下主并企业中关键研发者创造力的影响因素,有助于企业"抓大放小",增强并购的效果。本文以24家高技术企业中专利数据为样本,采用多元线性回归模型进行实证分析。结果表明:技术并购后,主并企业关键研发者度中心性、中介中心性、接近中心性的增加都会促进其创造力的提高,而主并企业关键研发者结构洞增加会显著降低其创造力。同时,关键研发者的知识宽度对上述关系有着调节作用。具体而言,技术并购后,主并企业关键研发者的知识宽度显著负向调节中心性变化与创造力之间的关系,显著正向调节结构洞变化与创造力之间的关系。研究结论丰富了主并企业关键研发者创造力影响因素的情境研究,对关键研发者在技术并购后,如何维持并提升创造力具有重要的参考意义。

基于新陈代谢-GM(1,N)马尔科夫的轨道交通客运量预测方法

为提高城市轨道交通规划建设的合理性以及相关政策制定的科学性,分析影响城市轨道交通客运量的相关因素,将GM(1,N)预测模型、马尔科夫理论与新陈代谢3种方法的思想相融合,提出一种组合预测模型。首先采用GM(1,N)进行预测,并对预测结果进行残差修正。在此基础上,利用马尔科夫理论构建状态转移概率矩阵,二次修正预测结果,之后融入新陈代谢思想,根据时间序列删除已陈旧的或价值不大的信息,加入已得到的预测结果作为新的预测数据源,对下一时刻进行预测,从而提高模型预测的精度。根据2008-2013年上海市城市轨道交通客运量数据,运用该模型对2015年、2016年上海市城市轨道交通客运量进行预测分析,并与实际结果进行对比。研究结果表明:应用灰色模型,2015年、2016年预测结果分别为335 501. 91万人、382 682. 82万人,相对误差分别为9. 36%,12. 55%。应用提出的方法,预测结果分别为314 724. 28万人、349 397. 59万人,相对误差分别为2. 58%,2. 76%。为了进一步验证模型的准确性,引用北京市轨道交通客运量相关数据进行验证,其结果相对误差分别为2. 87%,3. 27%。可见,轨道交通客运量预测问题属于灰色系统研究范畴,并且所提出的新陈代谢-GM (1,N)马尔科夫模型预测精度较高,满足实际需求,是一种有效的城市轨道交通客运量预测方法,同时使得对客运量预测的研究趋于完整,丰富了该类问题的研究成果。