多层次模糊评价

多层次模糊评价（精选11篇）

多层次模糊评价 篇1

0 引言

中小企业是中国数量最多、最具创新活力的企业群体,在促进国民经济增长、推动创新、吸纳就业等方面具有不可替代的作用。然而与大企业不同,中小企业与商业银行信贷业务上经常存在信息不对称的问题,加上中小企业特有的风险特征,使得商业银行在处理中小企业信贷业务时存有较大的运营风险。因此,建立起一套适用于中小企业信用风险的评价方法有着重要的意义。

目前,我国信用风险评级方法主要有以5C为代表的专家评判法、统计模型法、神经网络分析法等,这些方法在实际运用中,主要把企业信用风险评价的指标界定为财务类与非财务类因素,然而由于非财务类因素受人的主观影响较大,又很难确定定量指标和定性指标之间的比例关系,所以会导致评判的结论带有一定的模糊性。因此,为了更加准确地对中小企业的信用风险进行评价,找到一种能够同时处理多因素、主观性以及模糊性的评价方法是很有必要的。

据此,本文运用多层次模糊综合评价法对中小企业的信用风险进行全面分析评价,构建了结合定性指标和定量指标的多层次评价指标体系,并且利用AHP法确定各评价指标的权重,实现了评价指标和评价方法的有效结合。

1 中小企业信用风险评价指标体系的构建

本文按照评价指标体系的系统性、科学性、可操作性等原则,综合考虑企业内部和外部的各个因素,构建了由目标层、准则层以及指标层组成的递阶层次结构的指标体系。与以往中小企业信用风险评价不同,本指标体系将主观与客观、定性与定量指标相结合,因此能够更加客观有效地评价中小企业的信用风险状况。具体的指标体系如下表1所示。

2 中小企业信用风险的模糊综合评价

模糊综合评价法根据模糊数学的隶属度理论把定性指标转化为定量评价,动态与静态分析相结合能较好地解决难以量化的、模糊的问题,能够综合有效地分析企业信用风险问题。

2.1 确定评价因素集

根据表1中的评价体系,信用风险的评价因素集共有三层:目标层U为评估中小企业信用风险,准则层A={行业状况A1、市场竞争A2、管理水平A3、财务状况A4、履约状况A5,创新水平A6}共六个因素,指标层a={a11,a12,…,a64}等共23个因素。

2.2 确定评语集

评语集是由评价因素可能出现的评价结果组成的集合,本文确定评语集为V={V1,V2,V3,V4,V5},其中V1,V2,V3,V4,V5分别代表信用风险很低、信用风险较低、信用风险一般、信用风险较高、信用风险很高。

2.3 AHP法确定评价指标权重

指标的权重采用层次分析法计算,在目标层、准则层、指标层等层次的基础上进行定量与定性分析相结合的权重分析方法。

2.3.1 构造两两比较判断矩阵

根据T.L.Saaty教授提出的1-9比例标度法,邀请专家组比较两两因素间的重要程度,构造出比较判断矩阵。

2.3.2 计算评价指标的权重

2.3.3 判断矩阵的一致性检验

2.4 确定隶属度

因为多层次评价体系中各个目标之间缺乏统一的度量标准,难以对指标进行比较,所以在综合评价之前,首先确定体系中各个指标的评价值,即计算隶属度函数值。在确定各指标的隶属度时,应该区别定性指标和定量指标。

2.4.1 定性指标的隶属度

定性指标难以定量表示,通常采用模糊统计法确定其隶属函数关系,即让参与评价的专家按照规定的评语集确定各评价指标所属的等级,统计指标属于各评语等级的频数mi,专家人数为n,则其隶属度向量raij=mij/n,raij表示评价指标ai隶属于评语等级j的隶属度。

2.4.2 定量指标的隶属度

假设评价因素集中每个因素对于其信用风险评价的隶属度函数都是按照一定的线性关系变化的,那么如果因素的指标值和其信用有严格的正相关关系,就可以得出第i级评价指标的隶属度计算方法:r(x)=(x-xi)/(xi+1-xi),xi<x<xi+1;如果各因素与企业信用呈现负相关关系,第i等级的隶属度可计算为:r(x)=(xi+1-x)/(xi+1-xi),xi<x<xi+1。

2.5 计算多级模糊综合评价向量

模糊综合评价向量是由各指标的权重向量与隶属度向量构成的模糊评价矩阵组成的模糊合成运算。准则层的模糊综合评价向量用各指标层因素对应指标的权重与其模糊评价矩阵的乘积表示,即FAi=WAi·RAi(i=1,2,…,6),目标层的模糊综合评价向量运用同样的方法可得FU=WU·RU。最后根据最大隶属度原则确定中小企业信用风险等级。

3 应用多层次模糊综合评价法的算例分析

本文选取南京市中小企业A公司为算例进行信用风险综合评估分析。

(1)首先向专家发放调查问卷,要求专家根据各层次指标间的重要度进行两两比较赋值,构造判断矩阵,利用AHP法计算的各指标如下:

WU=(A1,A2,A3,A4,A5,A6)=(0.066,0.193,0.101,0.231,0.379,0.077)

WA1=(a11,a12,a13,a14)=(0.172,0.135,0.270,0.422)

WA2=(a21,a22,a23)=(0.571,0.286,0.143)

WA3=(a31,a32,a33,a34)=(0.246,0.192,0.426,0.136)

WA4=(a41,a42,a43,a44)=(0.167,0.262,0.118,0.453)

WA5=(a51,a52,a53,a54)=(0.413,0.292,0.187,0.108)

WA6=(a61,a62,a63,a64)=(0.192,0.384,0.301,0.123)

(2)采用专家评分法,让各位专家依据评语表对该企业的定性和定量评价指标进行综合评级,其中定量指标隶属度的计算方法与上文一致,结合企业的经营数据以及行业的平均值计算。得出各指标的隶属度向量构成模糊评价矩阵R,从而确定各指标的模糊综合评价向量,如行业状况A1的模糊综合评价向量为:

同理得出其它指标的模糊综合评价向量,由FA1,FA2,FA3,FA4,FA5,FA6构成中小企业信用风险的模糊评判矩阵为:

所以中小企业信用风险的模糊综合评价向量为:

FU=WU·RU=(0.0127,0.3496,0.5398,0.1447,0.0009),根据最大隶属度原则以及评语表,可知V3的综合评定值0.5398高于其它等级,所以判定该企业的信用等级处于V3水平,信用风险一般,针对该企业进行授信的整体风险在一定程度上是可以预估把控的。

4 结论

由于中小企业信息不透明、不对称等特性,很难用以往传统的评价方法对其信用风险进行评估,所以本文结合层次分析法与模糊综合评价法,充分发挥模糊综合评价法在分析定性和定量指标时的优越性,建立起一套多层次、完整、有效的中小企业信用风险评价模型,最后结合算例分析也说明了该方法的实用性。但是由于中小企业关系复杂、种类繁多,使其评价指标之间可能存有关联性,这一点在本文中未深入探讨,在以后的研究中我们会继续研究,加以完善。

参考文献

[1]邹琳.我国中小企业信用风险评价方法研究[D].天津:天津财经大学,2009.

[2]张益.基于层次分析法的中小企业信用风险评估[J].商,2015,(45):180-181.

[3]Altman E I.Credit risk measurement:Developments over the last20years[J].Journal of Banking and finance,1998,(21):1721-1742.

[4]申菲,刘碧玉,颜爱民等.我国中小企业信用风险度量模型与实证研究[J].金融经济,2015,(02):128-130.

[5]李强.中小企业信用风险研究[D].济南:山东财经大学,2012.

[6]刘萍,申婧.模糊综合评价法在中小企业信用评级中的应用[J].科技与管理,2012,(06):51-54,59.

[7]王新红,陈燕杰,仲伟周.我国中小企业信用风险评价指标体系构建[J].西北师大学报(社会科学版),2009,(04):129-132.

[8]Yue He,Zeshui Xu,Jing Gu.An approach to group decision making with hesitant information and its application in credit risk evaluation of enterprises[J].Applied Soft Computing,2016,(43):159-169.

多层次模糊评价 篇2

摘要：借鉴有关承载力的研究成果,利用多层次模糊综合评判法对河北省海域承载力进行了评价分析.结果表明:-间河北省近海海域承载力一直处于超载状态,但承载状况总体趋于好转;人口和环境污染的加剧、环境治理能力和科技发展水平缓慢、资源供给能力不足是导致河北省海域承载力超载的.主要因素.基于此提出了改善河北省海域承载状况的对策建议.作 者：崔力拓 李志伟 Cui Lituo Li Zhiwei 作者单位：崔力拓,Cui Lituo(中国环境管理干部学院,河北,秦皇岛,066004)

李志伟,Li Zhiwei(河北农业大学,海洋学院,河北,秦皇岛,066003)

多层次模糊评价 篇3

1目前国内外研究现状

关于学风评价体系的研究比较代表性的有：张丽丽、何军、何冬冬（2014）通过构建学风综合评价指标体系，建立高校学风综合评价模型。通过该模型，不仅可以确定影响学风的主要因素，而且可以了解被评价单位的学风综合状况；宋志鹏（2011）将学风分解为学习行为、思想品德行为和日常行为等三个方面，并具体细化为学习成绩、政治态度、集体观念等10个二级指标，在此基础上建立了高校学风评价模型，并进行了实际测评；从田飞、曹威麟（2008），认为高校学生学风是一个抽象概念，研究学风时要将抽象的学风转化为可观察的具体指标（测量指标），体系框架由第一级的抽象概念、第二级的维度和第三级的测量指标组成，学风的维度归类分为五种，采用李克特五级量表的形式来获取最优指标体系。

这些研究都为本文基于模糊层次综合评价法的学风评价体系实证研究奠定了基础。

2基于模糊层次综合评价法的学风评价模型的构建

本研究是从狭义的角度来研究，特指学生的学习风气评价，将学风评价这一重要概念界定为：学风评价是对学生学习风气的客观测评，通过系统的数据搜集和信息蹄选，对高校学生学习风气现状、过程和结果作出客观的分析和判断，在此基础上依据评价结论提出建议对策，以到达提升高校学风水平和效果之目的。

2.1构建学风评价指标体系

本研究广泛征求专家的意见和建议，专家中包括3位专业教授（具有丰富教学科研经验）、2位学院领导（做过学生工作）、5位一线教师、教学督导组专家，根据专家、学者的反馈意见，最终确定了学风评价指标体系。

2.2层次分析法确定各指标权重

合理准确的构建判断矩阵是层次分析法的关键所在，同时也是解决问题的核心。根据图1中的层次结构模型，本文采用常用的T.L Saaty1-9标度方法，通过取加权平均值来构建合理的判断矩阵。判断矩阵A（即A-Bi，i=1，2，3）表示相对总目标来说目标层各指标的相对重要程度；判断矩阵A1（即A1-Ci，i=1，2，3）表示相对于目标A1来讲，其子目标层各指标的相对重要程度；判断矩阵A2（即A2-Ci，i=4，5，6，7）表示相对于目标A2来讲，其子目标层各指标的相对重要程度；判断矩阵A3（即A3-Ci，i=8，9）表示相对于目标A3来讲，其子目标层各指标的相对重要程度；判断矩陣A4（即A4-Ci，i=10，1，12）表示相对于目标A4来讲，其子目标层各指标的相对重要程度。

根据层次分析法的计算规则，确定一级指标和二级指标的权重如表2-2所示。

活动效果C120.2970

3基于模糊综合评价方法的学风评价实证案例分析

3.1收集数据

为了准确评价机场学院的学风情况，本研究邀请了30位评委，其中包括教授5人、管理者5人、一线教师代表10人、学生代表10人，请他们对学风评价指标体系打分表中每一项指标进行考评。评价结果如下表所示，其中“评价结果”栏中数据表示评委中n名评委对该项工作的相应评价占评委总人数的比例。

3.2模糊评价法进行综合评价

1.第二级因素集进行综合评判

同理计算：

2.计算第一级因素集进行综合评判

A=（0.45500.2627 0.14110.1411）

3.计算模糊综合评价值P

P=BV=*（95，85，70，60，50）T=88.53，说明机场学院的学风目前处于良好的状态。

4总结

学风建设是高校基础性的，也是最重要的一项工作。学风不仅直接体现了学生的学习态度，学习氛围，还彰显了高校的管理理念和管理水平，并最终关系到人才培养的质量。本文利用层次分析法构建了学风评价指标体系并确定了各指标的权重，构建了模糊综合评价方法的模型，并以机场学院为例，应用该模型进行了学风评价。

参考文献：

[1]教育部.国家中长期教育改革和发展规划纲要（2010- 2020年）.教育部网站，2010；

[2]教育部.普通高等学校本科教学工作水平评估方案.教育部网站，2004；

[3]张丽丽、何军、何冬冬.高校学风综合评价模型研究[J].西南民族大学学报，2014，07：573-577；

[4]宋志鹏.高校学风评价指标体系设计与实际测评[J].青岛大学师范学院学报，2011（3）：30-32；

[5]田飞、曹威麟.学风指标体系实证研究[J].高教发展与评估，2008，24（2）：15-21；

[6]王圣.高校学风评价指标体系研究[J].时代教育，2013（15）：37-37；

多层次模糊评价 篇4

团队共享心智模型是团队成员共享的知识结构, 这种知识结构使团队成员形成对于任务的准确解释和期望, 从而协调各成员的行为, 并适应任务和其他成员的需求[1]。团队共享心智模型的概念被提出来后, 学者们开始建立测量指标, 采用不同的测量方法对团队共享心智模型进行测量。相似性、准确性和分布性是团队共享心智模型3个常用的测量指标[2]。Marks等人的研究表明, 相似性和准确性对团队绩效的影响不同, 两者存在交互作用[3]。而在专长分布式团队中, 各成员拥有不同的知识、角色和分工, 此时知识的分布方式就更可能影响团队绩效。因此, Hollenbeck等人又提出了分布性的测量指标, 用来描述知识在团队中的分布状态[4]。由于团队共享心智模型反映了团队成员不同的认知特征, 所以James等人 (1993) 提出了一个组内一致性指标, 用来衡量团队成员判断的一致性[5]。建立测量指标对团队共享心智模型进行定性分析, 便于形成基于定性描述的团队共享心智模型评价结果, 但定性分析有较强的主观成分。因此, Marks等人 (2000) 又采用赋值的方法求取团队共享心智模型指标[3], 试图通过量化的手段反映团队共享心智模型的内隐特征, 标志着团队共享心智模型的测量从单一的定性分析向定量化方法的转变。随着信息技术的发展, 计算机软件成为测量团队共享心智模型的有效工具, 使得测量过程更加规范化, 且更具有实际的可操作性。Rentsch和Klimoski (2001) 则采用多维标度法, 通过对偶比较获得矩阵, 进行相似性评定[6]。该方法具有一定的科学性, 但较强的主观性也会导致测量结果出现各种不稳定的现象。上述各种测量方法, 都需要通过在团队作业的过程中分析和抽取核心概念或步骤, 刺激和引导出团队成员的心智模型, 因而具有一定的局限性。本文通过德尔斐法结合层次分析法确定团队共享心智模型评价指标的模糊权重, 利用模糊数学引入隶属度的概念, 使团队共享心智模型评价指标的模糊概念定量化, 构造出模糊评价矩阵进行定量评价, 计算出团队共享心智模型二级指标的评价等级, 再通过评价模型, 采取由下而上的方式, 逆向推算进行综合加权评价, 从而得到团队共享心智模型一级评价指标的评价等级, 实现对团队共享心智模型的评价, 以期弥补该领域研究的不足。

1 评价指标体系

1.1 团队共享心智模型的影响因素分析

Kraiger和Wenzel (1997) 提出了影响团队共享心智模型的4类因素:个体、团队、组织和环境[7]。其中, 团队成员的同质性、团队认知的差异化以及团队成员的个性特征, 特别是团队领导者的个性特征是影响团队共享心智模型的重要因素。Cannon和Edmondson (2001) 的研究表明, 团队领袖的示范和指导行为会促使团队形成一致的态度, 从而促进团队学习[8];Marks等人 (2000) 的研究也支持团队领袖的行为对团队共享心智模型达成的重要作用[3]。其次, 团队的运行特征会直接影响团队共享心智模型。Levesque等人 (2001) 研究发现, 随着团队运作的深入, 团队成员的职责分化日益明显, 成员之间的相互作用反而减少了, 导致团队共享心智模型的降低[9]。这表明不能仅考虑团队组建时间的影响, 团队成员间的交互作用会在团队共享心智模型的过程中起到中介变量的作用。Stout等的研究也表明团队成员交互作用的重要性[10]。再次, 组织文化、组织的薪酬和激励体系、组织培训等众多组织因素也会影响团队共享心智模型。以团队为单位的薪酬体系, 充分的基于团队的组织培训会促成团队共享心智模型的建立。Marks等人 (2000) 的研究直接证明, 交叉培训能够促进团队共享心智模型的建立[11]。最后, 各种环境因素对团队共享心智模型的影响复杂而微妙。例如, 企业对团队的重视程度, 个体主义或集体主义的文化取向等因素, 都会对团队氛围的形成产生作用, 并在团队运行的过程中影响团队的凝聚力和向心力, 进而影响团队共享心智模型。

1.2 评价指标体系的构建

根据对团队共享心智模型各种影响因素的分析, 结合团队运行的特点, 本着指标与评价对象的一致性、同体系内指标的相容性、各评价指标的相对独立性的原则, 本文构建了团队共享心智模型的多层次模糊评价指标体系, 如图1所示。

图1将团队共享心智模型的影响因素分成二级:一级指标集为ai (i=1, …, 4) , 二级指标集为aij (i=1, …, 4;j=1, …, 4) 。各指标的评价等级hg可以划分为5级:优秀、良好、一般、差、很差, 因而有hg={h1, h2, …, h5}[12]。

2 模糊综合评价模型的构建

2.1 权重的确定

为了保障评价结果的准确性和可靠性, 本文采用德尔斐法结合层次分析法来确定权重, 即在专家知识和主观经验的基础上, 利用具有严密逻辑性的数学方法尽量剔除主观成分, 根据判断矩阵是否具有满意的一致性来检验权重的合理性, 使权重更符合客观实际并易于进行量化表示。

2.1.1 构造判断矩阵

采用德尔斐法, 聘请k名专家组成专家组 (本研究中k=5) , 根据Saaty教授引用的1～9标度法, 先将团队共享心智模型评价指标体系中的第i (i=1, …, 4) 个二级指标与第j (j=1, …, 4) 个二级指标进行两两比较, 其相对重要程度为bij, 据此构造团队共享心智模型二级评价指标判断矩阵:

其中, 相对重要程度bij满足以下条件:bij>0 (i, j=1, …, 4) ;bii=1 (i=1, …, 4) ;bij=1/bji (i, j=1, …, 4) 。因此, 团队共享心智模型二级评价指标判断矩阵bi= (bij) i×j为正互反矩阵。由于团队共享心智模型评价的复杂性和主观判断的多样性, 难以将同一准则下不同评价指标的相对重要程度bij判断得十分准确, 因此必须对团队共享心智模型二级评价指标判断矩阵bi= (bij) i×j进行一致性检验, 使之达到满意的一致性标准。

设CI为团队共享心智模型二级评价指标判断矩阵的偏差一致性指标, 则:

$\text{C}\text{Ι}=\frac{\text{λ}{}_{\max }-\text{j}}{\text{j}-1}$ (2)

式中, λmax为团队共享心智模型二级评价指标判断矩阵的最大特征值。

设RI为随机一致性指标 (可查表得出) , CR为团队共享心智模型二级评价指标判断矩阵的一致性比率, 则:

$\text{C}\text{R}=\frac{\text{C}\text{Ι}}{\text{R}\text{Ι}}(3)$

当CR越小时, 团队共享心智模型二级评价指标判断矩阵的一致性越好。一般认为, 当CR≤0.1时, 团队共享心智模型二级评价指标判断矩阵符合一致性标准, 层次单排序的结果是可接受的;否则需要修正团队共享心智模型二级评价指标判断矩阵, 直到检验通过。

2.1.2 计算评价指标权重

(1) 计算团队共享心智模型二级评价指标判断矩阵每一行元素的乘积ci:

$\text{c}{}_{\text{i}}={\displaystyle \prod _{\text{i}=1}^4\text{b}}{}_{\text{i}\text{j}}$ (j=1, …, 4) (4)

(2) 对ci开j次方根, 得di:

$\text{d}{}_{\text{i}}=\sqrt[\text{j}]{\text{c}{}_{\text{i}}}(5)$

(3) 对向量di进行归一化处理, 所得结果即为团队共享心智模型二级评价指标的权重wij:

$\text{w}{}_{\text{i}\text{j}}=\text{d}{}_{\text{i}}/{\displaystyle \sum _{\text{i}=1}^4\text{d}}{}_{\text{i}}(6)$

2.1.3 层次单排序

层次单排序是求某一层所有指标对上层某一指标的优先权重排序的过程, 通过构造该层所有指标对上层某一因素的判断矩阵求其最大特征值及相应的特征向量, 该特征向量经过归一化处理后就是相应的优先权重向量[13]。

2.1.4 层次总排序

根据k名专家对团队共享心智模型二级评价指标的判断矩阵bi= (bij) i×j, 分别求出团队共享心智模型各二级评价指标权重的排序向量$\overline{\overline{\text{w}{}_{\text{i}\text{j}}}}=(\overline{\overline{\text{w}{}_{11}^{(1)}}}‚\cdots ‚\overline{\overline{\text{w}{}_{\text{i}\text{j}}^{(\text{k})}}}){}^{\text{Τ}}$, 则团队共享心智模型各二级评价指标的综合权值为:

$\overline{\text{w}{}_{\text{i}\text{j}}}={\displaystyle \prod _{\text{i}=1}^4}$$\overline{\overline{\text{w}{}_{\text{i}\text{j}}^{(\text{k})}}}$βk? (j=1, …, 4; k=1, …, 5) (7)

其中, k代表专家个数;βk是每位专家的权威系数, 是对专家能力水平的综合数量表示。本文以专家从事管理咨询行业的时间为依据, 从业时间越长权威系数越大。设第k位专家从事管理咨询行业的时间为tk, 则该专家的权威系数为:

$\text{β}{}_{\text{k}}=\frac{\text{t}{}_{\text{k}}}{{\displaystyle \sum _{\text{k}=1}^5\text{t}}{}_{\text{k}}}(8)$

而且, ${\displaystyle \sum _{\text{k}=1}^5\text{β}}{}_{\text{k}}=1$。

按照下式对$\overline{\text{w}{}_{\text{i}\text{j}}}$ (i, j=1, …, 4) 进行归一化处理[14], 即可获得团队共享心智模型各二级评价指标的权重wij。

$\text{w}{}_{\text{i}\text{j}}=\frac{\overline{\text{w}{}_{\text{i}\text{j}}}}{{\displaystyle \sum _{\text{i}=1}^4\overline{\text{w}{}_{\text{i}\text{j}}}}}$ (j=1, …, 4) (9)

团队共享心智模型一级评价指标的权重wi同样按照上述方法计算后获得。

2.2 模糊综合评价

2.2.1 计算二级模糊评价矩阵

模糊评价是在考虑多种因素的影响下, 运用模糊数学工具对事物进行综合性的评价[15]。团队共享心智模型多层次模糊评价采用问卷调查法, 首先对团队共享心智模型评价指标体系中的每个二级指标aij按照相应的等级评价标准进行评价, 统计整理得到每个二级评价指标aij相应的评价等级hg的个数e${}_{\text{i}\text{j}}^{(\text{g})}$, 且${\displaystyle \sum _{\text{i}=1}^4\text{e}}{}_{\text{i}\text{j}}^{(\text{g})}=\text{m}$ (j=1, …, 4; g=1, …, 5) , m为被调查者的有效人数, 则团队共享心智模型评价指标体系中的二级评价指标aij对于评价集hg={h1, h2, …, h5}第hg级的隶属程度, 即隶属度为:

$\text{r}{}_{\text{i}\text{j}}^{(\text{g})}=\text{e}{}_{\text{i}\text{j}}^{(\text{g})}/{\displaystyle \sum _{\text{i}=1}^4\text{e}}{}_{\text{i}\text{j}}^{(\text{g})}$ (j=1, …, 4; g=1, …, 5) (10)

隶属度向量为:

r${}_{\text{i}\text{j}}^{(\text{g})}$= (r${}_{\text{i}\text{j}}^{(1)}$, …, r (5) ij) (11)

由此可得团队共享心智模型评价指标体系中的二级评价指标aij的模糊评价矩阵:

2.2.2 进行多层次模糊评价

本文采用加权平均型模糊评价模型, 求得团队共享心智模型评价指标体系中的一级评价指标评价矩阵为:

ri=wij×rij (i, j=1, …, 4) (13)

其中, ri为团队共享心智模型评价指标体系中的一级评价指标ai对于评价集hg={h1, h2, …, h5}第hg级的隶属度;wij为团队共享心智模型评价指标体系中的二级评价指标权重, 由前文德尔菲法结合层次分析法获得;rij为团队共享心智模型评价指标体系中的二级评价指标aij的模糊评价矩阵。

因此, 团队共享心智模型评价指标体系的多层次模糊评价结果为:

a=wi×ri (i=1, …, 4) (14)

其中, wi为团队共享心智模型评价指标体系中的一级指标权重, 由前文德尔菲法结合层次分析法获得;ri为团队共享心智模型评价指标体系中的一级评价指标ai对于评价集hg={h1, h2, …, h5}第hg级的隶属度。

2.2.3 模糊评价集清晰化

团队共享心智模型多层次模糊评价结果a是一个模糊向量, 不能准确反映团队共享心智模型现状, 因此本文采用分段赋值法为每个评价等级hg={h1, h2, …, h5}赋值sg, 则团队共享心智模型评价总分为$\text{s}={\displaystyle \sum _{\text{g}=1}^5\text{h}}{}_{\text{g}}\times \text{s}{}_{\text{g}}$, 从而将团队共享心智模型多层次模糊评价集清晰化。

3 实证研究

按照多层次模糊评价的方法, 本研究聘请5名资深的管理咨询师组成专家组, 确定团队共享心智模型评价指标体系中的各级评价指标的权重;利用到不同企业从事管理咨询活动及为MBA学员授课的便利, 选取江、浙、沪等地企业的高层梯队 (董事会和高管团队) 作为样本, 通过现场发放、邮寄或E-mail方式共发放650份调查问卷, 回收问卷478份, 剔除无效问卷 (答错太多或回答不全) 43份, 得到有效问卷435份, 问卷有效回收率为66.92%。样本中的高科技企业占38.21%, 一般制造业占61.79%;样本企业的规模分布中, 大型企业占21.36%, 中型企业占65.49%, 小型企业占13.15%;被调查者的平均年龄为43.5岁, 其中男性387人, 女性263人。

3.1 计算评价指标权重

本研究聘请的5名专家的权威系数如表1所示, 其中βk系根据公式 (8) 计算后获得。

5名专家先对高层梯队共享心智模型评价指标体系中的二级评价指标进行两两比较, 确定相对重要程度, 构造出团队共享心智模型二级评价指标判断矩阵。限于篇幅, 本文仅给出专家1对高层梯队共享心智模型评价指标体系中的二级评价指标3个个体因素的判断矩阵及根据公式1～6计算的权重结果, 其余以此类推。

3.2 层次单排序及总排序

根据5名专家对高层梯队共享心智模型二级评价指标的判断矩阵及各二级指标权重, 进行高层梯队共享心智模型二级评价指标层次单排序:

a11= (0.57 0.49 0.69 0.68 0.64) ;

a12= (0.34 0.31 0.19 0.22 0.29) ;

……

a42= (0.17 0.18 0.27 0.37 0.28) ;

a43= (0.07 0.10 0.12 0.07 0.10)

根据公式 (7) 计算高层梯队共享心智模型评价指标体系中的各二级评价指标的综合权值:

$\begin{array}{l}\overline{\text{w}{}_{11}}=(0.57){}^{0.20}\times (0.49){}^{0.16}\times (0.69){}^{0.27}\times (0.68){}^{0.23}\times (0.64){}^{0.14}=0.62\\ \cdots \cdots \\ \overline{\text{w}{}_{43}}=(0.07){}^{0.20}\times (0.10){}^{0.16}\times (0.12){}^{0.27}\times (0.07){}^{0.23}\times (0.10){}^{0.14}=0.09\end{array}$

根据上述计算结果, 分别对$(\overline{\text{w}{}_{11}}‚\overline{\text{w}{}_{12}}‚\overline{\text{w}{}_{13}})$、$(\overline{\text{w}{}_{21}}‚\overline{\text{w}{}_{22}}‚\overline{\text{w}{}_{23}}‚\overline{\text{w}{}_{24}})$、$(\overline{\text{w}{}_{31}}‚\overline{\text{w}{}_{32}}‚\overline{\text{w}{}_{33}}‚\overline{\text{w}{}_{34}})$、$(\overline{\text{w}{}_{41}}‚\overline{\text{w}{}_{42}}‚\overline{\text{w}{}_{43}})$进行归一化处理, 可得高层梯队共享心智模型评价指标体系中的各二级评价指标的综合权值向量为:w1j= (0.63, 0.26, 0.11) ;w2j= (0.54, 0.27, 0.14, 0.05) ;w3j= (0.52, 0.26, 0.17, 0.06) ;w4j= (0.66, 0.25, 0.09) 。

同理, 根据5位专家对高层梯队共享心智模型评价指标体系一级指标的判断矩阵可以得出高层梯队共享心智模型一级评价指标的综合权值向量为:w= (0.49, 0.28, 0.15, 0.07) 。

3.3 进行二级评价

根据问卷调查结果, 高层梯队共享心智模型评价指标体系中的二级评价指标的评价集如表3所示:

其中, ${\displaystyle \sum _{\text{i}=1}^4\text{e}}{}_{\text{i}\text{j}}^{(\text{g})}=435$ (j=1, …, 4; g=1, …, 5) , 为有效调查问卷所获得的调查人数。根据公式 (9) 可得高层梯队共享心智模型二级评价指标的单因素评价矩阵:

$\begin{array}{l}\text{r}{}_{1\text{j}}^{(\text{g})}=\left(\begin{array}{ccccc}0.20& 0.42& 0.18& 0.14& 0.06\\ 0.12& 0.49& 0.23& 0.13& 0.02\\ 0.16& 0.45& 0.21& 0.13& 0.05\end{array}\right)\\ \cdots \cdots \\ \text{r}{}_{4\text{j}}^{(\text{g})}=\left(\begin{array}{ccccc}0.10& 0.35& 0.31& 0.13& 0.10\\ 0.13& 0.29& 0.41& 0.14& 0.02\\ 0.09& 0.35& 0.29& 0.17& 0.11\end{array}\right)\end{array}$

根据公式 (12) , 计算高层梯队共享心智模型二级评价指标的综合评价结果为:

$\text{r}{}_1^{(\text{g})}=(0.63‚0.26‚0.11)\times \left(\begin{array}{ccccc}0.20& 0.42& 0.18& 0.14& 0.06\\ 0.12& 0.49& 0.23& 0.13& 0.02\\ 0.16& 0.45& 0.21& 0.13& 0.05\end{array}\right)=(0.17‚0.44‚0.20‚0.14‚0.05)$

;

……

$\text{r}{}_4^{(\text{g})}=(0.66‚0.25‚0.09)\times \left(\begin{array}{ccccc}0.10& 0.35& 0.31& 0.13& 0.10\\ 0.13& 0.29& 0.41& 0.14& 0.02\\ 0.09& 0.35& 0.29& 0.17& 0.11\end{array}\right)=(0.11‚0.34‚0.33‚0.14‚0.08)$

由此可得高层梯队共享心智模型一级评价指标的综合评价矩阵:

$\text{r}{}_{\text{i}}^{(\text{g})}=\left(\begin{array}{ccccc}0.17& 0.44& 0.20& 0.14& 0.05\\ 0.15& 0.39& 0.27& 0.13& 0.06\\ 0.16& 0.37& 0.28& 0.12& 0.07\\ 0.11& 0.34& 0.33& 0.14& 0.08\end{array}\right)$

3.4 进行一级评价

由上述计算所获得的高层梯队共享心智模型一级评价指标的评价矩阵r${}_{\text{i}}^{(\text{g})}$及其综合权值向量wi, 根据公式 (13) , 计算高层梯队共享心智模型的多层次模糊评价结果:

$\text{a}=(0.490.280.150.07)\times \left(\begin{array}{ccccc}0.17& 0.44& 0.20& 0.14& 0.05\\ 0.15& 0.39& 0.27& 0.13& 0.06\\ 0.16& 0.37& 0.28& 0.12& 0.07\\ 0.11& 0.34& 0.33& 0.14& 0.08\end{array}\right)=(0.16‚0.40‚0.24‚0.14‚0.06)$

采用分段赋值的方法, 令“优秀”为90分, “良好”为70分, “一般”为50分, “差”为30分, “很差”为10分, 利用加权算法将高层梯队共享心智模型多层次模糊评价集清晰化:s=0.16×90+0.40×70+0.24×50+0.14×30+0.06×10=59.20分, 表明高层梯队共享心智模型的评价等级介于“一般”和“良好”之间, 更接近于“一般”水平。

4 研究结论

本文的研究主要得出以下结论:

(1) 团队共享心智模型受到多种因素的综合影响, 各种因素对于团队共享心智模型的作用程度各不相同。本研究的结果表明, 个体因素是影响团队共享心智模型的最主要因素, 尤其是团队领袖对于团队共享心智模型发挥着至关重要的作用。这是因为团队领袖是团队与外部环境的中介, 负责协调、整合、指导和激励团队成员[16];团队领袖的示范作用和指导行为有助于团队形成一致意见, 促进了团队成员间的相互学习, 从而验证了Cannon等人的研究结果。其次是团队因素对于团队共享心智模型也具有十分重要的作用, 尤其是团队沟通会影响到团队成员间的互动关系, 是团队行为的重心[17];团队内部的认知冲突有助于集思广益和协调一致, 情感冲突则削弱了团队成员间的相互理解[18], 不利于团队共享心智模型。最后是组织因素和环境因素对于团队共享心智模型的影响相对较弱, 这可能是因为组织因素中所包括的组织文化、组织薪酬和激励体系等因素对于团队共享心智模型的作用比较复杂;而环境因素中所包括的团队氛围、团队凝聚力和团队向心力则难以进行有效地衡量, 仅凭专家个人的主观经验较难准确地加以判断。

(2) 对江、浙、沪等地企业的高层梯队共享心智模型的实证研究结果表明, 高层梯队共享心智模型更接近于“一般”水平。从调查数据统计结果的分布情况来看, 调查对象对于高层梯队共享心智模型评价指标体系中的各因素的评价结果基本上呈现出正态分布的特征, 即调查对象将各因素的评价等级界定为“优秀”、“差”和“很差”的数量相对较少, 而将高层梯队共享心智模型评价指标体系中的各因素的评价等级界定为“良好”和“一般”的数量相对较多, 从而表明评价指标体系中的各因素对于高层梯队共享心智模型的影响仅表现为中间状态, 还有许多潜力可以进一步挖掘。此外, 高层梯队共享心智模型多层次模糊评价的计算结果进一步验证了上述研究结论。因此, 为了有效促进高层梯队共享心智模型, 应充分发挥高层梯队领袖的重要作用, 努力培养积极向上的组织文化, 营造出轻松、和谐的团队氛围, 鼓励各种认知冲突, 抵制高层梯队成员间情感冲突的产生, 以促进高层梯队内部的团队沟通。

多层次模糊评价 篇5

关键词：模糊层次分析法 电力企业财务效绩 综合评价

随着我国电力工业市场化改革和实行厂网分开，电网公司已成为一个独立的运营实体，参与市场经济的运行，以建立现代企业制度为目标的电力企业逐渐成为独立的市场竞争主体。在新的市场机制的运营体制下，有必要建立一套新的、符合市场经济需要的、适应电力体制改革发展需要的、能满足企业所有者、债权人、生产经营及国家、社会要求的电网公司的综合评价体系。1999年，国家财政部、国家经贸委等部委颁发了《国有资本金效绩评价规则》等文件，根据这个文件，国家电力公司制定和颁发了《国家电力公司法人资本金效绩评价暂行办法》。这些评价办法在执行中，组织工作庞大、操作程序复杂、指标体系过多，许多评议性指标难以把握，评价结果的目标模糊，行政色彩浓厚。

因此，怎样建立符合电力市场需要，适应电力体制改革发展趋势，科学、客观地评价电力企业的效绩与经营者的绩效，成为当前电力企业经营管理事务的迫切需要。本文通过对电力企业财务效绩评价指标的选择，并将模糊层次分析法应用到电力企业财务效绩评价体系中，构建电力企业财务效绩综合评价模型。

电力企业财务效绩评价体系构建的指导思想与评价标准

（一）财务效绩评价指标体系构建的指导思想

评价指标的选择应以系统分析的思想为指导，以实现财务效绩评价系统的目标为依据，旨在满足全面反映经营单位实际财务状况，遵循目标一致性、战略相符选择、客观公正等原则，从多层面构建能够全面反映集团下属经营单位实际财务状况的合理可行的评价指标体系。本文以反映电力企业财务效益状况、资产运营状况、偿债能力状况、发展能力状况四个角度构件财务效绩评价指标体系。具体的评价指标如图1所示。

图1电力企业绩效评价指标体系

（二）评价标准

评价标准是对评价对象进行分析评判的标尺，是评价体系的关键与核心。确定了评价标准才能使评价有据可依，以便准确计算各项评价指标的实际得分，对评价对象效绩做出公正，恰当的判断；同时制定详细、规范的评价才可以减少评价工作中人为因素对评价结果的影响，增强了评价的可操作性，也使评价结果具有客观和权威性。

基于模糊层次分析法的电力企业财务效绩评价体系

（一）模糊层次分析法的含义

层次分析法（Analytic Hierarchy Process，AHP）是一种目前被广泛应用的确定权重的方法它是美国著名运筹学家T.L.Satty于20世纪70年代中期提出的解决非数学模型决策问题的方法。它从系统的观点出发，把复杂的问题分解为各个组成因素，将这些组成因素按照一定的关系进行分组，形成有序的递阶层次结构，通过两两比较确定每一层次中各因素的相对重要性，进而得到决策因素相对于目标的重要性分值。随着层次分析法的发展和实际应用的需要，人们把模糊思想和方法引入层次分析法中，提出了模糊层次分析法。

模糊层次分析法（Fuzzy Analytic Hierarchy Process，简称FAHP）是在模糊数学中的综合评判法的基础上，在权重集的构建上使用基于层次分析法的思想引入的模糊一致性矩阵对电力企业财务效绩进行评价的一种方法。它是一种对非定量事件作定量分析的简便方法，也是对人们的主观判断做客观描述的一种手段。利用模糊层次分析法计算评价指标的权数分配，与综合评判法相比可以有效地减少主观因素。这是一种定性与定量相结合，综合化程度较高的评价方法。

模糊层次分析法（FAHP）同普通层次分析法的区别在于判断矩阵的模糊性，它简化了人们判断目标相对重要性的复杂程度，借助模糊判断矩阵实现决策由定性向定量方便、快捷的转换，直接由模糊判断矩阵构造模糊一致性判断矩阵，使判断的一致性问题得到解决。

由于电力企业财务效绩具有广泛的模糊性，对这类不肯定和不精确的现象，常常采用模糊理论中的隶属规律，对不确定现象进行较为客观的数量描述。本文重点研究用模糊层次法评价电力企业财务效绩，提出了基于改进的模糊层次分析法的评价模型，其中所建立的判断矩阵采用客观赋权法，即通过各指标值的差异程度来确定各个指标的权重，最后进行了实例分析。

（二）模糊层次分析法的基本步骤

1、选择评价指标体系，建立因素集。将复杂问题概念化，找出研究对象所涉及的主要因素，通过分析各因素的关联、隶属关系，构建有序的多层次结构模型。进而建立评判对象的因素集U=（U1，U2，…，Un）为评判对象的各因素组成的集合，其中Ui（1

2、建立模糊判断矩阵，一致化，确定权重集。第一，模糊判断矩阵F表示针对上一层某元素，本层次与之有关元素之间相对重要性的比较。模糊一致判断矩阵可表示为：

数量标度。

表11-9标度法

相对重要度定义说明

1同等重要因素i和j同等重要

3略微重要因素i和j略微重要

5相当重要因素i和j相当重要

7明显重要因素i和j明显重要

9绝对重要因素i和j绝对重要

第二，将矩阵按列归一化（即使列和为1）。首先对模糊判断矩阵F按行求和，记为：

并施之如下数学变换：

则由此建立的矩阵W是模糊一致的。

第三，由模糊一致化判断矩阵W求元素的权重集A=（A1，A2，…，An）表示各因素的权数分配。

模糊一致矩阵每行元素的和（不含自身比较）为：

不含对角线元素的总和为：

由于li表示指标i相对上层目标的重要性，所以对li归一化即可得到各指标权重：

3、确定判断集。模糊评判集V={V1，…，Vn}为评语组成的集合，表示由高到低的评语。如采用“劣，中，良，优，最优”的五级评语或“最差，很差，差，较差，中，较好，好，很好，最好”的九级评语。具体方式应该根据具体场合和具体情况确定。

4、评判矩阵。对单因素Ui的评判，得到V上的模糊集（ri1，ri2，…，rim），所以它是从U到V的一个模糊映射f，可以确定一个模糊关系R，称为评判矩阵。

rij表示单因素Ui被评为Vi的隶属度。

5、综合评判。U上的权重集A=（A1，A2，…，An）与评判矩阵R的合成，就是对各因素的综合评判B=A•R，对于多层次系统而言，还需要由底层向上递推计算上一层次的评价结果，先对底层每一类进行综合评判，将其结果看成是一个单因素评判，有：

（三）模糊层次分析法应用实例

以某电力企业财务为例运用模糊层次分析法进行综合评价：

第一步，选择评价指标体系，建立因素集。其多层结构如图1所示。

第二步，根据1-9标度法（如表1），建立电力企业财务模糊判断矩阵F，将F一致化得到矩阵W，在此基础上确定权重集A。

由公式（2）、（3）得到模糊一致化矩阵：

根据公式（5）、（6）、（7）计算权重集：

A=（0.283，0.309，0.241，0.167）

同理，计算U1，U2，U3，U4对应的权重集A1，A2，A3，A4：

A1=（0.267，0.367，0.366）

A2=（0.201，0.408，0.391）

A3=（0.466，0.267，0.267）

A4=（0.500，0.450）

第三步，确定判断集。

本例选用判断集V={优秀，良好，一般，较差}四级评语。

第四步，建立评判矩阵。

第五步，综合评判。

B1=A1•R1=（0.400，0.347，0.153，0.100）

B2=A2•R2=（0.337，0.440，0.160，0.061）

B3=A3•R3=（0.253，0.253，0.340，0.154）

B4=A4•R4=（0.185，0.38，0.29，0.095）

B=A•R=（0.216，0.358，0.222，0.099）

该结果表明，优秀的占21.6%，良好的占35.8%，一般的占22.2%，较差的占9.9%。由结果可知，该电力企业财务绩效仍需要进一步的改进。

结束语

由于电力企业财务绩效具有广泛的模糊性，对这类不肯定和不精确的现象，常常采用模糊集论中的隶属规律，对不确定现象进行较为客观的数量描述。本文探讨了用模糊层次法评价电力企业财务绩效，这是运用定性和定量相结合、专家评价与科学计算互为补充的综合评价方法，有效地解决了多指标的模糊性和相对性问题，克服了层次分析法中判断的一致性问题与综合评判中人的主观判断、选择对结果的影响，使评价结果更趋客观，具有一定的理论依据和实用价值。

（作者单位：西安建筑科技大学管理学院）

参考文献

1、苏文凤,陈宏明,卢凤君.电力企业财务效绩评价体系构建方法研究[J].经济师,2003(1).

2、杨茂盛.运筹学[M].陕西人民出版社,2005.

3、彭祖赠,孙玉.模糊数学及应用[M].武汉大学出版社,2002.

多层次模糊评价 篇6

航运企业外派人员的工作绩效及表现直接关系到劳务派遣双方的经营业绩甚至成败[2]。当前对外派人员绩效考核的方法主要有, 目标管理 (MBO) 导向KPI的绩效考核、平衡计分卡 (BSC) 导向KPI的绩效考核、员工标杆学习导向KPI的绩效考核等[3]。这些方法有各自的适用范围和优点, 但往往忽视了将考核指标作定量化处理以及将外派人员所处工作环境的特殊性考虑进来。因此文章针对航运企业外派人员特殊的工作环境构建了一套多层次关键业绩指标考核体系, 在此基础上运用模糊数学理论将各层指标作定量化处理, 同时引入情境指标对考核结果进行调整修正, 以尽量减少环境因素对航运企业外派人员绩效考核结果的影响。

1 航运企业外派人员关键指标体系的设计

1.1 绩效考核指标体系设计的思想

由于航运企业外派人员工作性质的特殊性, 对其进行绩效考核指标体系设计时不仅要考虑外派人员自身所具备的各项技能和素质, 更要将其所处的国际环境及公司环境等情境因素作为一项重要的考核内容。基于上述思考, 本研究将考核内容分为综合指标和情境指标两大方面。综合指标是综合反映航运企业外派人员各方面能力和素质的指标, 一般是对外派人员的岗位职责的履行情况、态度和能力等方面进行考察。情境指标是指外派人员绩效发生时的环境变量[3], 如不同的国家和地区有着各自不同的法律法规, 不同的世界经济区经济发展程度不同并各自有其市场特点, 而不同的航运企业经营状况及政策也千差万别, 在绩效评估时要充分考虑这些环境因素。最后, 在评估中把这些指标有机结合起来, 有针对性、有重点的突出关键指标, 保证考核结果的公平性、公正性和客观性。

1.2 绩效考核指标体系的结构

航运企业外派人员绩效考核指标体系由4个层次组成:最终绩效层, 综合、情境指标层, 一级指标层、二级指标层。现设最终绩效F={P, S};综合指标P={P1, P2, P3}, 情景指标S={S1, S2};一级指标P1={P11, P12, …, P1m}, P2={P21, P22, …, P2n}, P3={P31, P32, …, P3r}, 国际环境S1={S11, S12, …, S1S}, 雇佣公司S2={S21, S22, …, S2t}, 指标体系结构如图1所示。

2 航运企业外派人员绩效考核模型的建立

航运企业外派人员的绩效评价体系是一套典型的多层次、多指标的综合评价体系。目前已有的评价方法包括层次分析法、灰色关联度评价法、模糊综合评价法、数据包络法、人工神经网络法、因子分析法等。本研究将采用模糊综合评价法对航运企业外派人员的绩效进行评价。

模糊综合评价法是运用模糊数学方法对受多种因素影响的事物做出全面评价的一种有效的多因素评价方法[4]。模糊数学中模糊逻辑以模糊集合形式体现, 能将定性问题转化为定量的数学模型, 其最大特点是可以比较自然地处理人类思维的主观性和模糊性[5]。同时由于其在处理各种难以用精确数学方法描述的复杂系统问题方面所表现的独特优越性, 近年来已在许多学科领域得到广泛的应用[6]。

2.1 模糊综合评价模型的构建

(1) 设计模糊评语集。A={A1, A2, …, An}, 其中, A1, A2, …, An分别表示n种评语等级, A表示由n种评语等级构成的集合。例如A={优秀, 良好, 中等, 一般, 差}。

(2) 确定各层次指标权重。W={w1, w2, …, wm}, ∑wi=1, 其中, w1, w2, …, wm分别表示m个评价指标的权重, W表示由m个评价指标权重构成的向量。

(3) 建立模糊关系矩阵。设各级指标到评语集

A的模糊关系为R, 则。其中, 且。

(4) 进行模糊变换。评价对象在评语集上的模糊评价矩阵C=w*R={c1, c2, …, cn}, ck (k=1, 2, …, n) 的值对应评语集A中的评语等级Ak的隶属度。若在模糊评价矩阵C的所有分量中ck的取值最大, 则模糊变换后的评语等级就是Ak。

(5) 评语等级定量化处理。若A={优秀, 良好, 一般, 差}= (90, 80, 70, 60) , 然后取模糊变换后所对应的分数即可将指标作定量化处理。

(6) 考核结果的修正。通过以上几个步骤, 可分别得出各一级指标的分值, 进而可得出综合指标的分值, 最后根据情景指标的量化结果来修正的取值, 从而得到最终绩效的分值。

2.2 绩效考核模型的应用

航运企业船员外派包括高级船员外派和普通船员外派, 文章主要针对外派高级船员的绩效考核进行研究。高级船员包括船长、轮机长、大副、二副、三副、大管、二管、三管, 由于船长是船舶管理第一责任人, 同时其知识结构、能力及技能具有特殊要求, 因此绩效考核有别于其他高级船员[7]。文章将以航运企业除船长之外的高级船员的绩效考核为例构建绩效指标考核体系, 并利用上述考核模型的普遍适用性对外派高级船员进行绩效考核。由于航运企业人员外派多涉及国际性外派, 因此假定对某一国际外派高级船员的绩效进行考核。

由于一般情况下船员都可顺利完成出海任务, 因此其任务完成情况可以不列入其绩效考核指标体系中。通过专家咨询、参考大型咨询公司以及阅读以往文献总结出高级船员绩效考核指标, 并在此基础上设计出航运企业高级船员的关键业绩指标体系, 具体见表1。

(1) 设计模糊评语集。现将综合指标中的每一评价指标的评价等级分为优秀、良好、合格、不合格4个等级, 则该外派高级船员绩效考核指标体系中综合指标的模糊评语集为M={优秀, 良好, 及格, 不及格}。同理, 情境指标的模糊评语集为N={非常有利, 有利, 一般, 不利, 恶劣}。

(2) 确定各层次上指标的权重。在确定各层次指标权重时, 建议综合使用德尔菲法和层次分析法。但由于本研究中指标数目相对较多, 层次分析法的使用会使得计算过程繁杂、任务加大, 因此指标权重来自多个专家根据实际经验给出的综合结果。最终经过专家打分形成了各层次指标相对权重及专家评分统计结果, 见表2和表3。

由表2和表3可知, 该外派船员各层次考核指标的权重具体为:WP= (0.3, 0.25, 0.45) , WS= (0.4, 0.6) , WP1= (0.25, 0.2, 0.2, 0.1, 0.1, 0.1, 0.05) , WP2= (0.2, 0.2, 0.15, 0.1, 0.15, 0.1, 0.1) , WP3= (0.2, 0.15, 0.05, 0.15, 0.15, 0.1, 0.2) , WS1= (0.4, 0.6) , WS2= (0.5, 0.5) 。

(3) 建立二级指标的模糊关系矩阵。由表2可知, 对于该高级船员在二级指标团队合作上的表现, 有2位专家们认为优秀, 4位专家认为良好, 3位专家认为合格, 1位专家认为不合格。依此类推, 可分别得出从P1、P2、P3到评语集M的模糊关系矩阵:

同理, 可得出从S1、S2到评语集N的模糊关系矩阵:

(4) 进行模糊变换及评语等级定量化处理。P1的模糊评价矩阵为:

类似地, Cp2= (0.375, 0.33, 0.24, 0.055) , Cp3= (0.38, 0.335, 0.21, 0.075) 。

若将评语集M量化为M={优秀, 良好, 合格, 不合格}= (90 80 70 60) , 则P1的综合得分为P1=Cp1*MT= (0.28 0.395 0.23 0.075) (90 80 70 60) T=79.2分, 类似地, P2=80.25分, P3=80.2分。因此, 综合指标P得P=Wp* (P1P2P3) T= (0.3 0.250.45) (79.2 80.25 80.2) T=79.91分。

同理, 情境指标S的模糊评价矩阵为:

, 在此矩阵中评语“有利”的隶属度在评语集N的五个等级中最大, 根据隶属度最大原则, 情境指标S的评语应为“有利”。

(5) 考核结果的修正。经以上过程可知, 该外派船员的考核成绩为79.91分。由于该外派船员的绩效评价的情境指标S的评语等级为“有利”, 及说明该外派船员的考核值79.91分是在有利的国际环境和公司环境下取得的, 因此可取一个相对较小的修正值。若将S的评语集N量化为N= (非常有利, 有利, 一般, 不利, 恶劣) = (P值减小10%, P值减小5%, P值不变, P值增大5%, P值增大10%) , 则修正后的绩效值为:F=P* (1-5%) =79.91* (1-5%) =75.91分, 即该外派高级船员的最终绩效考核成绩为75.91分。

3 结论

文章所设计的绩效考核模型有以下几方面优点:第一, 指标体系设计合理, 既包括综合指标, 又针对航运企业外派人员的特殊性设计了情境指标以最大限度的减少情境因素对考核结果的影响, 二者有机结合, 增强了绩效考核指标体系的全面性和科学性;第二, 采用德尔菲法合理分配指标权重, 并运用模糊综合评价法对指标作定量化处理, 增强了绩效指标体系考核的实用性和可操作性;第三, 将模型应用到外派高级船员中来验证模型的有效性。文章中所构建的模型还可以推广到其他企业外派人员的绩效考核中去, 只需对绩效考核指标做出相应的调整即可, 因此具有较强的适用性和实用性。

摘要：针对航运企业外派人员工作环境的特殊性, 设计一套多层次关键业绩指标体系, 在此基础上结合模糊数学理论建立多层次模糊综合评价模型, 将考核指标作定量化处理, 并运用情境指标对考核结果加以修正。还以外派高级船员为例验证该模型的有效性, 以期为航运企业外派人员绩效考核的理论和实践提供一些新的思路和方法。

关键词：航运企业,外派人员,高级船员,绩效,多层次,模糊综合评价法

参考文献

[1]尹红莲.外派人员的绩效评价分析[J].现代商贸工业, 2010 (4) :122-124

[2]HARRIS H, BREWSTER C.International Human Resource Management[M].London:Chartered Institute of Personnel and Development, 2004:12-15

[3]罗帆, 郭剑.跨国公司外派人员绩效的多层次模糊综合评价[J].价值工程, 2009 (8) :38-42

[4]唐幼纯, 范君晖.系统工程方法与应用[M].北京:清华大学出版社, 2011, (1) :96-100

[5]邵文明.绿色供应链管理的绩效评价研究[D].同济大学, 2008

[6]胡长深, 马卫东.多层次模糊综合评判法在企业战略选择中的应用[J].价值工程, 2009, (9) :126-130

多层次模糊评价 篇7

随着信息化时代的到来，越来越多的企业准备实施企业资源计划(Enterprise Resources Planning, ERP)系统或类似的信息系统，以合理计划与配置所有资源，提高企业竞争力。据美国生产与库存控制学会(APICS)统计，企业成功应用ERP后库存下降30%～50%;延期交货减少80%;采购提前期缩短50%;生产能力提高10%～20%[1]。到2003年为止，我国已有千余家企业购买了MRPⅡ/ERP或类似的信息系统，但应用成功率只有10%～20%，局部应用成功率为30%～40%。信息系统供应商选择是企业信息系统建设项目至关重要的环节[2]。只有采用科学合理的决策方法，才能避免盲目选型，为项目成功打下良好的基础，所以对信息系统供应商选择方法的研究很有必要。

本文将三角模糊层次分析法和模糊评价方法结合，建立综合评价模型，并应用于企业信息系统供应商选型。本文提到的模糊层次分析法仅指三角模糊层次分析法。

2 模糊层次分析法和模糊评价法的在信息系统供应商评价中的适用性

2.1 常用的供应商评价方法

常用的供应商评价方法有线性规划法、决策树法、经济批量法、数据包络分析法等[3]，这些方法要么主观性太强，要么需要大量的先验数据，计算过程过于复杂。故本文使用一种新的综合评价方法。

信息系统供应商是一种特殊的供应商，他们不仅供应产品，而且侧重在供应前后的相关服务，还有企业自身和供应商等多方面内容，既有内外部因素，也有短期目标和长期规划，而且有些因素很难直接进行量化评价。对于信息系统的评价，出现了不少的方法，有的学者提出基于熵权的TOPSIS评价方法[4]，文献[5]利用了层次分析法(AHP)方法，还有学者结合AHP和DEA方法进行选型[6]，还有人利用模糊积分给出了评价框架来计算排名[7]。此外有学者结合了TOPSIS和ANP方法进行了评估[8]，但操作比较复杂，不易理解和处理。

2.2 本文提出的方法在信息系统供应商评价中的适用性

T.L.Saaty在20世纪70年代提出层次分析法(Analytic Hierarchy Process, AHP)[9]，AHP法由于理论简单，操作容易，且具有实用性，应用领域广泛，因此，Narasimhan认为[10]AHP法非常适用于解决供应商评价问题，可用于确定准则权重与供货商排序。它有以下优点： (1) 一般评估准则的系统方法使采购经理人员更易产生主观性; (2) 使按步循序的方法量化，使供货商评选问题简化; (3) 虽然主观性不能避免，但可通过评选来降低主观性; (4) 供货商准则权重与排序可由计算机运算得到。

AHP方法作为一种定性与定量结合的决策方法，得到了迅速的发展。由于客观事物的复杂性和人们对事物认识的模糊性，如何使AHP方法更客观、更确切地反映所研究的问题，一直是大家关注的课题。1983年荷兰学者Van Loargoven提出了用三角模糊数表示Fuzzy比较判断的方法[11]，并运用三角模糊数的运算和对数最小二乘法求得元素的排序。1994年我国的常大勇教授提出了利用模糊数比较大小的方法来进行排序[12]。模糊评价法是以模糊数学为基础，应用模糊合成的原理，将一些边界不清、不易定量的因素定量化，进行综合评价的一种方法。

本文从实际应用出发，采用的模糊AHP方法保留了AHP方法的优点，对文献[12]提出的方法进行了一些补充，并结合文献[13]和模糊评价方法，运用到多层(两)层指标体系中，提出了一个多级综合模糊评价模型。先利用三角模糊AHP方法给出各级指标的权重，再利用模糊评价方法，通过相关专家对某个待评信息系统供应商各指标进行打分，得到一系列评价矩阵;最后用模糊评价法来处理评价矩阵，得到某个待评信息系统供应商的评价结果。

3 基于模糊层次分析和模糊评价的多级综合评价模型

3.1 模糊层次分析法

3.1.1 准则指标评价体系

由于供应商选择所涉及的因素很多，使得供应商评选成为一项多准则决策。Mohanty和Deshmukn[14]认为影响供货商评选决策的主要准则是价格、质量、交期与服务。具体到信息系统供应商选择的问题，信息系统的选择涉及多方面内容，既有内部、外部因素，也有短期目标和长期规划等众多指标因素的影响。本文据此进行了综合分析，并参考有关文献[2,5,7]，给出6个一级准则，每个一级准则还有3～4个二级准则，基本概括了各个方面的因素，最终建立了层次模型(见图1)ㄢ

3.1.2 三角模糊数概念、隶属度及其运算

定义1设M为三角模糊数，记为M=(l, m, u)，则M的隶属度函数um (x), R→[0, 1]可以表示为：

三角模糊数的运算有加法、乘法、倒数、数乘运算等，这里不多叙述，详见文献[12]。

定理1:M1=(l1, m1, u1), M2=(l2, m2, u2)为两个三角模糊数，则有M1≥M2的可能性程度定义为：

d为M1, M2交点横坐标。可以证明其等价于：

3.1.3 模糊判断矩阵建立

对于k-1层次的某一因素(准则)，与之相关的第k层全部个因素进行两两比较时采用三角模糊数定量表示，即模糊判断矩阵中的元素是，一个以mij作为中值的闭区间，而mij就是AHP方法中比较判断所采用的1～9中的整数[9]。模糊矩阵A仍为正负反矩阵，即。令mij-lij=uij-mij=δ, δ为常数, 则根据定理1不难证明, 当0<δ<1/2时, mij取相邻两级标度时, μ (d) =0, 没有完全反映人们认识上的模糊性;当δ>1时, 模糊度过大, 置信度下降;常大勇证明1/2<δ<1比较适宜[13]。

关于三角模糊数判断矩阵的一致性检查问题，目前在相关文献中无行之有效的方法，本文采用一种近似方法[15]加以判定。

3.1.4 计算模糊综合程度值和指标权重值

为第t个专家给出的模糊数, nk为第k层的因素个数。根据公式:

求得第k层次的综合三角模糊数，由此得到第k层全体因素对第k-1层次的所对应因素的综合判断矩阵。再根据公式(3)求出模糊综合度值：

再根据定理1计算：

然后计算指标Ci的权重：

可得各指标权重，之后再对以上的权重向量进行归一化即可，仍记为Wi (Ci)ㄢ

3.2 模糊层次分析法与模糊评价法结合

模糊评价方法，即：, W为各因素的权重，E为根据相应因素集和评语集由专家评价得到的评价矩阵。

由上节模糊层次分析法可得到各个指标的权重。建立评语集G(很满意，满意，一般，不满意)，可以运用Delphi法等调查统计方法，对各个(比如4个)方案的相应指标评价得评价矩阵，然后采用模糊评价方法：，相当于利用Ei对权重进行修正。再将各因素的隶属度组成的关系矩阵Bi组合，得B=(B1, B2, B3, B4, B5, B6) T。其中W (k) i上标表示层次码, 下标表示相对上一层次中的因素码。再参照前面由模糊AHP法确定的一级指标权向量并进行模糊合成, 即可得到该供应商的最后评价结果:

G是一个向量，其4个分量均在0～1间，分别表示(很满意，满意，一般，不满意)的程度。最后可以利用最大隶属度原则来判断选择供应商。

4 信息系统供应商评价方法实例计算

4.1 实例简介

国内某中型企业要购买和实施信息系统，有包括SAP、Oracle、用友、金蝶等4家国内外软件公司的信息系统供应商可供选择，企业聘请了有关专家、咨询顾问，加上企业自身技术骨干组成了信息系统选型小组，负责选型工作，分为3组，给待选4个供应商打分。

4.2 指标体系

由以上3.1.2的分析，可得指标评价体系(见图1)ㄢ

4.3 计算指标权重

以功能满足程度指标为例，其4个二级指标的三角模糊判断矩阵见表1ㄢ

利用(2)式求出模糊综合度矩阵(见表2)ㄢ

利用MATLAB编程求解，易得：CR=CI/RI=0.051 9<0.1，通过一致性检验。

再用(3)、(4)、(5)式计算各指标权重。归一化得到4个评价指标相对功能满足程度的权重：W=(0.534 3 0.280 90.163 0 0.021 8)即W1 (2)。同理不难得出：W2 (2), W3 (2), W4 (2), W5 (2), W6，其中，Wi (k)上标表示层次码，下标表示上一层中的因素码。

4.4 模糊合成矩阵

由10个专家给待选4个供应商打分，评判对6个一级指标的各个因素的满意程度，得到由各二级指标隶属度组成的模糊评价矩阵：

已经计算出第i个指标的权重。然后利用Bi=W2 (2)塥Ei, i=1，…，6，可得Bi，令：B=(B1, B2, B3, B4, B5, B6) T，将各因素隶属度组成的关系矩阵E1～E6与利用模糊AHP求得的权向量W2 (2)分别按照上述合成方法进行模糊合成，即可得评价结果：

以上结果表明，该待选信息系统供应商对于本企业而言，评价很满意的占48.27%，评价满意的占23.98%，评价一般的占20.91%，评价不满意的占6.86%，根据最大隶属度原理可得结论：该待选信息系统供应商最后评定等级为“很满意”。同理可依次对其他待选供应商进行评判，确定它们对评语集G的隶属度，最后根据最大隶属度原理比较确定最终方案。

5 总结

多层次模糊评价 篇8

1 安全评估系统分层

民航系统是典型的人—机—环境系统, 依据其结构关系, 该系统可分为3层, 由上而下分别是综合安全评估层、部门安全评估层、科室安全评估层。具体评估的程序是由下而上的。由图1可以直观的反映出来。

评估系统的安全度有2部分组成, 分别是系统管理安全度和系统现实安全度。其中, 单位领导的安全度就是系统的管理安全度;而系统的现实安全度由飞行安全度、机务安全度、航务安全度、后勤安全度以及安保安全度等5部分组成, 如图2所示。

整个评估过程中, 首先需要计算现实安全度 (具体评估指标数据见表1) 和管理安全度 (具体评估指标数据见表2) , 再对这2个结果做进一步处理, 得到系统综合安全度。

2 模糊综合评判模型

人—机—环境的计算是二级模糊综合评判的问题, 计算方法如下:

将评价系统分为3个层次, 最高层 (目标层) 、中间层 (一级评价指标si, i=1, 2, …, m) 和最底层 (二级评价指标sij, i=1, 2, …, m;j=1, 2, …, n) 。一级指标集为S={s1, s2, …, sn}, 二级指标集为Si={si1, si2, …, sin}。

1) 建立权重集。 权重指标根据历史数据统计、现场调研以及专家分析综合得出。

中间层 (一级指标) 对应的权重wi (i=1, 2, …, m) , 最底层 (二级指标) 对应的权重wij (i=1, 2, …, m;j=1, 2, …, n) 。一级指标权重集W={w1, w2, …, wm}, 二级指标权重集Wi={wi1, wi2, …, win}。

2) 建立评判集。 评判集是可能评判结果的集合, 表示为V={v1, v2, …, vk}, 其中各元素vt (t=1, 2, …, k) 代表各种可能的评判结果。

3) 一级模糊综合评判。 它是综合一类因素中各个因素对评判对象取值的贡献得出的单因素模糊评判。假设对评判对象按一级指标集中第i类指标的第j个因素进行评判, 第j个因素对评判集中第t个元素vt的隶属程度为eijt (i=1, 2, …, m;j=1, 2, …, n;t=1, 2, …, k) , 可得一级指标中第i类指标的隶属度矩阵Ei, 则一级模糊评判向量Bi=Wi·Ei= (bi1, bi2, …, bij) 。对Bi采用加权平均算子M (·, ♁) 计算, 即

$\begin{array}{l}b{}_{it}={\displaystyle \sum _{j=1}^{n}w}{}_{ij}e{}_{ijt},\\ i=1,2,\cdots ,m;j=1,2,\cdots ,n;t=1,2,\cdots ,k.(1)\end{array}$

隶属度矩阵Ei和以bij为元素组建的一级模糊综合评判矩阵分别为

$\begin{array}{l}E{}_i=\left[\begin{array}{cccc}e{}_{i11}& e{}_{i12}& \cdots & e{}_{i1k}\\ e{}_{i21}& e{}_{i22}& \cdots & e{}_{i2k}\\ ⋮& ⋮& ⋮& ⋮\\ e{}_{in1}& e{}_{in2}& \cdots & e{}_{ink}\end{array}\right]\begin{array}{l}\\ \\ \\ ‚\end{array}\\ B=\left[\begin{array}{cccc}b{}_{11}& b{}_{12}& \cdots & b{}_{1k}\\ b{}_{21}& b{}_{22}& \cdots & b{}_{2k}\\ ⋮& ⋮& ⋮& ⋮\\ b{}_{m1}& b{}_{m2}& \cdots & b{}_{mk}\end{array}\right]\begin{array}{l}\\ \\ \\ .\end{array}\end{array}$

4) 二级模糊综合评判。 一级模糊综合评判能够反映出某类指标对评价对象的影响, 得到的矩阵B作为二级模糊评判的单因素评判矩阵E。按照单因素评判方法, 二级模糊综合评判向量G=W·E= (g1, g2, …, gk) , 式中, gt (t=1, 2, …, k) 是综合考虑所有一级指标时, 评判对象对评价集中第t个元素的隶属度

$g{}_t={\displaystyle \sum _{i=1}^{m}w}{}_{i}b{}_{it},t=1,2,\cdots ,k.(2)$

5) 评估结果处理用加权平均法处理最后结果[5]

$V=\frac{{\displaystyle \sum _{t=1}^{k}g}{}_{t}v{}_t}{{\displaystyle \sum _{t=1}^{k}g}{}_t}.(3)$

管理安全度的计算是单因素模糊评判问题, 评判方法同上。

系统综合安全度ηsym是管理安全度ηman和现实安全度ηreal的综合反映

$\eta {}_{\text{s}\text{y}\text{n}}=a{}_1\eta {}_{\text{m}\text{a}\text{n}}+a{}_2\eta {}_{\text{r}\text{e}\text{a}\text{l}}.(4)$

其中, a1和a2分别是管理安全度和现实安全度的权重, a1+a2=1。

3 实例分析

3.1 现实安全度的计算

在航空安全检查中, 通常采用5分制, 将模糊评判集分为5级, 5-1级分别表示优 (v1) , 良 (v2) , 中 (v3) , 差 (v4) , 很差 (v5) 。评判集为V={v1, v2, v3, v4, v5}。

根据某民航单位的的实际情况, 采用同行评议统计法确定指标隶属度, 在实际操作过程中, 邀请10位专家组组成评判小组进行评判:$e{}_{ijt}=\frac{n{}_t}{n}$。

式中:nt表示赞同某指标归属于第t个评判集的评价人数;n表示参加评估的专家总人数[6]。

该系统的现实安全度评估指标体系见图2, 具体评估指标数据见表1。

运用式 (1) 通过计算, 得到各一级评价指标模糊评判向量分别为

$\begin{array}{l}B{}_1=(0.3630,0.2990,0.2640,0.0660,0),\\ B{}_2=(0.2300,0.4200,03000,0.0500,0),\\ B{}_3=(0.3900,0.4000,0.2100,0,0),\\ B{}_4=(0.3100,0.2700,0.1100,0.0700,0),\\ B{}_5=(0.2650,0.2500,0.3550,0.0350,0.0650).\end{array}$

将其组成评判矩阵, 运用公式 (2) 进行二级模糊综合评判得

$\begin{array}{l}G=[0.250.250.200.150.15]\cdot \\ \left[\begin{array}{ccccc}0.3630& 0.2990& 0.2640& 0.0660& 0\\ 0.2300& 0.4200& 0.3000& 0.0500& 0\\ 0.3900& 0.4000& 0.2100& 0& 0\\ 0.3100& 0.2700& 0.1100& 0.0700& 0\\ 0.2650& 0.2500& 0.3550& 0.0350& 0.0650\end{array}\right]=\\ (0.3125,0.3377,0.2527,0.0448,0.0098).\end{array}$

以结果向量为权重, 运用式 (3) 对评价集加权后的计算结果为3.938 2, 该结果就是系统现实安全度, 与模糊评判集相对照, 系统得现实安全度处于中与良之间, 且接近良。

3.2 管理安全度的计算

该系统的管理安全度由安全管理、组织领导、培训质量和设施设备4个模块组成, 具体评估指标数据见表2。

同理通过计算可得到下列4个一级评价指标模糊评判指标分别为

$\begin{array}{l}B{}_1=(0.3350,0.3850,0.2250,0.0550,0),\\ B{}_2=(0.4400,0.3900,0.1400,0.0300,0),\\ B{}_3=(0.3800,0.3600,0.1800,0.0800,0)‚\\ B{}_4=(0.6500,0.3000,0.0500,0,0).\end{array}$

则可得B5= (0.4250, 0.3675, 0.1620, 0.0455, 0) , 对其进行加权后的计算结果为4.1720, 该结果就是系统的安全管理度。与评判集对照, 该结果位于良与优之间。

3.3 系统综合安全度的计算与分析

依据对历史数据的统计和专家分析, 取a1=0.6, a2=0.4, 根据综合安全度的计算式 (4) , 得

ηsyn=0.6×4.1720+0.4×3.9382=4.0785

介于良与优之间, 比良稍好。

4 结束语

综上所述, 运用多层次模糊评估法可以对所有因素按照权重的大小均衡兼顾, 解决了定性指标难于评价的困难, 在定性与定量之间通过模糊数学的理论架起了一座桥梁, 能较客观的反映被评估对象的真实情况, 评价过程严谨, 评价方法思路清晰明确, 具有较强的可操作性, 具备一定的现实意义。

当然, 构建完整的评价指标体系及赋予不同评价指标以合理的权重分配是该方法的关键所在。分析以上数据也不难发现系统中评价为差的因素以及评价为一般的得分较大的因素都是薄弱环节, 都需要改进。当然, 各指标的隶属度是根据专家评议统计得出的, 其结果难免粗略。因此, 为了使评估结果更好的发映出当前的安全状态, 还需要对各指标的隶属度函数进行深入研究[6,7]。

摘要：从系统工程的角度出发, 以提高民航系统安全水平为目的, 运用系统分析技术-多层次模糊评估法对某民航单位航空安全进行评估, 建立相应的评估实施办法和评估指标体系, 计算得出系统的综合安全度, 从而依照安全度等级分析系统的安全状态。通过实例分析计算, 说明系统分析方法在民航系统安全应用研究中的可行性和有效性。

关键词：民航系统,安全评估,模糊综合评判,安全度

参考文献

[1]陈团生, 毛保华.改进TOPSIS法在航空公司安全评估的运用研究[J].中国安全生产科学技术, 2005, 1 (4) :69-73.

[2]孙瑞山, 刘汉辉.航空公司安全评估理论与实践[J].中国安全科学学报, 1999, 9 (3) :69-73.

[3]LEE W K.Risk assessment modeling in aviation safetymanagement[J].Journal of Air Transport Management, 2006, 12 (5) :267-273.

[4]JANIC M.An assessment of risk and safetyin civil avia-tion[J].Journal of Air Transport Management, 2000, 6 (1) :43-50.

[5]李士勇.工程模糊数学及应用[M].哈尔滨:哈尔滨工业大学出版社, 2004.

[6]马国忠, 米文勇, 刘晓东.民航系统安全的多层次模糊评估方法[J].西南交通大学学报, 2007, 42 (1) :105-109.

[7]霍志勤.民航管制员综合素质评价研究[J].空中交通管理, 2004 (3) :53-55.

多层次模糊评价 篇9

关键词：雇主品牌,层次分析法,模糊评价,人力资源管理

自2001年国际著名咨询公司Hewitt拉开亚洲最佳雇主评选的序幕之后,国内有关雇主评选的活动此起彼伏,雇主品牌在人力资源市场上倍受关注和追捧。目前影响较大的全国性雇主品牌评选活动有国际著名咨询公司Hewitt组织的“中国最佳雇主研究”、中央电视台举办的“CCTV中国年度雇主调查”和中华英才网举办的“中国大学生最佳雇主调查”等。这些评选活动对于企业传播雇佣主张、塑造良好形象、吸引和激励优秀人才等方面具有十分重要的现实意义。但是,由于各个机构存在着不同的评价指标、评选标准和评审方式,其评价结果也各不相同。所以,这些评选活动到底能否真实体现雇主品牌的竞争力也招致了人们的一些怀疑。建立一个更加科学、有效的雇主品牌综合评价模型对于雇主品牌价值的彰显很有必要,但从可以检索到的文献资料来看,目前这方面的研究十分匮乏。笔者拟在分析雇主品牌竞争力影响因素的基础上,提出一种雇主品牌竞争力的模糊综合评价模型,并通过一个算例说明该方法的应用过程及有效性。

一、雇主品牌竞争力的影响因素

雇主品牌是英国资深管理专家Ambler和Barrow于20世纪90年代初提出的概念。Ambler和Barrow(1996)认为,雇主品牌体现为由雇佣行为提供并与雇主联系在一起的功能、经济和心理利益的组合[1]。作为雇主的形象标志,雇主品牌是企业人力资源管理水平的综合体现,它深刻影响着现有员工以及潜在员工的雇佣体验,并进而改变着雇主与雇员的关系。雇主品牌竞争力是指雇主在人力资源市场上吸引、保留和激励优秀人才并能够区别于其他竞争对手的独特能力。雇主品牌竞争力主要表现在对员工的吸引上,那么,到底哪些因素会对员工产生吸引力呢?Lievens和Highhouse(2003)发现,求职者在找工作的过程中看重功能性和象征性两方面的特征,功能性特征包括工资、升迁机会、工作稳定性、工作繁忙度、工作地点和福利;象征性特征包括诚挚、创新、能力、声望、健康五个维度[2]。Han和Collins(2002)认为,雇主品牌资产价值表现在三个维度上:(1)品牌知名度/雇主熟知度。求职者的应聘决策受到企业知名度的影响。(2)品牌联想。如同消费者一样,当求职者对某雇主品牌具有强烈、愉悦和独特的联想时,便很可能选择该雇主。(3)感知质量。求职者受到企业是否符合他们要求这一判断的影响[3]。

这些研究拓宽了雇主品牌竞争力的视野,有很多值得借鉴的地方。但受经济发展阶段、制化程度、员工素质水平、文化差异等方面的影响,我国企业的雇佣关系、雇主承诺和员工体验与国外也不尽相同。我们认为,影响雇主品牌竞争力的主要因素分为两个方面:一是外部的社会认可度;二是内部的员工满意度。(1)社会认可度。代表外部公众及潜在员工对雇主形象的认可程度,主要考察人才理念先进性、发展前景、承担社会责任、行业排名、销售收入增长率和年新增员工比率。(2)员工满意度。代表内部现有员工对雇主承诺的满意程度,主要考察薪酬竞争力、个人晋升空间、培训机会、工作条件和文化氛围。由此,利用AHP法可以将雇主品牌评价影响因素的递阶层次结构自上而下分为三层:第一层总体目标层为雇主品牌价值U,第二层为两个评价主因素(一级指标)社会认可度U1和员工满意度U2,第三层为两个主因素下的11个子因素(二级指标),如图1所示。

二、雇主品牌竞争力模糊综合评价模型

(一)一级模糊综合评价模型

1.确定雇主品牌竞争力评价的因素集。 雇主品牌质量评价的因素集可以设定为U=(u1 ,u2 ,…,un),其中ui为影响评价对象的因素,i=1,2,…,n。这里,根据前面建立的影响因素递阶层次结构,可以设定为U=(u1 ,u2)=(社会认可度,员工满意度),其中,u1= (u11, u12, u13, u14 ,u15 ,u16)=(人才理念先进性,发展前景,承担社会责任,行业排名,销售收入增长率,年新增员工比率),u2= (u21, u22,u23, u24 ,u25)=(薪酬竞争力,个人晋升空间,培训机会,工作条件,文化氛围)。

2.确定雇主品牌质量评价的评语集。设评语集为V=(V1,V2,…,Vn},其中Vi表示评价结果,i=1,2,…,n,评语等级的个数n可以根据需要来确定,等级太少,评价结果不够细化,难于比较和取舍,等级太多,等级之间难以准确区分,评价效果反而不好。评价等级个数n一般在4-9之间,这里取等级数n为5,等级分别为优秀,良好,一般,较差,很差,则评语集V={V1,V2,V3,V4,V5}={优秀,良好,一般,较差,很差}。这里,对各等级赋值V分别为(1.0,0.8,0.6,0.4,0.2)。

3.确定各评价因素之间的权数分配。设A=(a1,a2,…,an)是U的一个模糊子集,成为权重分配集;其中,undefined表示第i个因素在综合评价中的重要程度。

4.建立模糊变换矩阵。通过对每一个因素的判断,给出每个因素的评语等级,这样就建立起了评价因素与评语等级之间的关系,即U到V的模糊关系。这可以用模糊变换矩阵R来描述。

undefined

其中rrij(i=1,2,…,n; j=1,2,…,m)表示评价者对第i个评价指标作出第j级评语的隶属度。

5.建立一级多因素模糊综合评价模型。鉴于单因素模糊评价只能反映一个评价因素对评价对象的影响。为了取得所有因素对评价对象的综合影响结果,需要进行综合评价。由因素集U上的模糊集A=(a1,a2,…,an)和模糊变换矩阵R可构造如下单级模糊综合评价模型。

B=AoR=(b1,b2,…,bn)

其中0≤bi≤1,i=1,2,…,n。这里o为模糊合成算子,本文选择M(·,⊙)算子做模糊变换(“·”为普通实数乘法)[4]。

(二)多级模糊综合评价模型

在复杂系统中,由于要考虑的因素很多,多因素间往往还有多层次之分。对于这类多层次问题,可以先对诸子问题分别进行综合评价,然后再对总体进行综合评价,即先对低层次因素进行综合,再对高一层的因素进行综合,直至最顶层[4]。对本文来说,只需构造出如下二级模糊综合评价模型。

undefined

式中A为模糊综合评价中n个因素的ui的权数(本文中n=2),即ui层对上一层的权重;Ai为ui(ui1,ui2,…, uik)中第i个因素uij的权重分配,即uij层对ui层的权重分配;R和Ri分别为第一层和第二层的模糊评价变换矩阵。B综合为U的综合评价结果,这里采用德尔菲法和层次分析法(AHP)来确定A和Ai的权重值。

三、模型的应用

对雇主品牌进行评价,是企业深刻审视自我的过程,也是促使其不断改进人力资源管理模式,提高人力资本产出水平,增强自身竞争力的有效途径[5]。但是,由于雇主品牌的评价是一个典型的多维度、多因素评价问题,其中许多因素难以用一个具体的数值来加以度量,只能用相应的优劣等级来表示,常规统计方法对此无能为力。本文选取的研究样本DF公司和WG公司2008年均入选湖北省“十佳雇主”。两个公司皆为所属行业的重要骨干企业,员工规模庞大,在各自的发展历程中形成了差异化的人才经营模式。同为人力资源市场上的知名雇主品牌,到底哪个雇主品牌更有竞争力,现有的评选方式往往无法令人满意[6],而采用本文所建立的模糊多属性群决策综合评价方法却能够较好的处理多因素、模糊性及主观判断等问题。具体评价过程如下。

(一)确定评价指标权重

运用德尔菲法和AHP两两比较矩阵,统计并计算出uij层对ui层的权重。其中社会认可度的影响因素权重A1=(0.047,0.105,0.076,0.063,0.168,0.090),员工满意度的影响因素权重A2=(0.165,0.119,0.050,0.069,0.047)。ui层对最顶层U的指标权重A=(0.55,0.45)。

(二)建立评价矩阵

通过收集调研数据建立模糊评价矩阵。调研分为两个方面:(1)内部员工满意度调查,采取问卷的方式进行。DF公司发放问卷200份,回收有效问卷176份,WG公司发放问卷200份,回收有效问卷157份。(2)外部社会认可度,由组委会组织15位专家进行打分。然后,对其结果进行统计得出uij层上的每个因素对评语等级上的每个等级的隶属度,综合汇总建立评价矩阵如表1、表2所示。

(三)进行模糊综合评价

DF公司的模糊综合评价结果,由Bi=AioRi(i=1,2),可得:

BDF1=(0.275,0.211,0.061,0.003,0.000),BDF2=(0.278,0.361,0.242,0.098,0.031)。

所以,undefined。

undefined归一化处理后,B′DF 综合=(0.365,0.368,0.188,0.060,0.018)。

规定评语集中各元素的量化值为V1=1.0,V2=0.8,V3=0.6,V4=0.4,V5=0.2,最终评价结果的值介于1与0.2之间,通常越接近1,雇主品牌竞争力越高,越接近0.2,雇主品牌竞争力越低。

DF公司的最终评价值CDF= B′DF 综合VT=(0.365,0.368,0.188,0.060,0.018)(1.0,0.8,0.6,0.4,0.2)≈0.80,计算结果表明,DF公司的雇主品牌竞争力属于“良好”。

同理,可求出WG公司模糊评价结果:

undefined归一化处理后,B′WG 综合=(0.246,0.250,0.288,0.145,0.070)。

WG的最终评价值C= B综合VT≈0.69。计算结果表明,DF公司的雇主品牌竞争力属于“一般”。

(四)结果分析

经过上面的计算和比较发现:(1)DF公司的雇主品牌综合竞争力比WG公司强;(2)无论是DF公司还是WG公司,其员工满意度均低于社会认可度;(3)DF公司与WG公司的社会认可度皆为“优秀”,WG公司雇主品牌综合竞争力低于DF公司的主要原因在于其员工满意度比较低;(4)WG公司要提升雇主品牌竞争力,必须改革内部人力资源管理系统,通过增强薪酬竞争力,优化员工晋升通道,改善工作条件等措施大力提高员工满意度。

四、结语

雇主品牌竞争力评价是衡量企业人力资源管理水平的重要依据之一。基于层次分析法和模糊评价思想构建的雇主品牌竞争力多层次综合评价模型是定性与定量结合、专家经验与科学计算互为补充的系统评价手段。经验证,该模型不仅能够较好的保证雇主品牌评价工作的客观性、适用性和操作便利性,也能够根据评价结果对雇主品牌竞争力进行更加深入细致的分析,便于企业采取具有针对性的雇主品牌建设策略。

参考文献

[1]Ambler T.and Barrow S.The employer brand[J].Journal of Brand Management,1996,4(3):185-206.

[2]Filip Lievens,Scott Highhouse.The relation of instrumental and symbolic attributes to a company’S attrac-tiveness as an employer[J].Personnel Psychology,2003(56):75-102.

[3]Jian Han,Christopher J Collins.The effects of company recruitment practices on job seekers’perceived em-ployment brand equity and intentions to pursue job opportunities[R].Academy of Management Proceedings,HR,A-A6,2002.

[4]杜栋,庞庆华.现代综合评价方法与案例精选[M].北京:清华大学出版社,2005:62-84.

[5]殷志平.雇主品牌研究综述[J].外国经济与管理,2007,29(10):37.

多层次模糊评价 篇10

关键词：模糊层次分析法；房地产项目风险；俊发·空港城

一、模糊层次分析法

由于房地产项目规模大，系统复杂，模糊层次分析法可以将房地产项目转换为有序的构造递阶层次结构，通过构造各层次元素的模糊判断矩阵，可以使项目能使用简单的两两比较形式导出[1]，进行风险管理的评估。

模糊层次分析法的一般步骤有：

第一，选定构成评价指标集的相应因素。比如总目标的第一层分为p个元素，在评价体系中表述为u={u1，u2，up}其中第一层因素还可以进行细分，分成相应的n个子因素，即un={u11，u12，u1p}，依照此方法对影响因素进行逐层分解。其中rij表示根据因素集中因素ui进行评价时，对评价集中第j个因素Vj的隶属度。例如，在对风险大小进行评判时，rij表示对风险做出第j个判断的人数占参加评判人数百分比。

第五，确定模糊综合评判矩阵，进行一级二级或者多级模糊评判，从而得出综合隶属度。

第六，对评判结果进行分析，并作出选择。

二、昆明俊发·空港城房地产项目的风险实证分析

由于房地产项目不仅投资回收周期长，涉及的利益方众多，而且风险不确定性大，因此，俊发公司对俊发·空港城房地产项目的各种风险进行评估，首先经过分析，构造了该房地产项目的风险评价体系，具体如图1所示。

图1 俊发·空港城房地产项目风险分析

按照模糊层次分析法的步骤对该房地产项目的风险进行评估。将该项目的总目标确定为俊发·空港城房地产项目风险U，构成U的一级子因素为投资决策阶段U1、前期准备阶段U2、开发建设阶段U3、销售运营阶段U4四个因素，即U={u1，u2，u3，u4}，以此类推确定一级风险因素的子风险因素，即u1={u11，u12，u13，u14}，u2={u21，u22，u23，u24}，u3={u31，u32，u33，u34，u35}，u4={u41，u42，u43}。评语集V={1，2，3，4，5}，其中1、2、3、4、5分别表示风险非常小、风险比较小、风险中等、风险比较大和风险非常大。

构造关于各个一级子因素评判矩阵。俊发公司针对该房地产项目的风险，专门聘请了富有经验的有关专家，分别对影响该项目的各个要素给予了风险评级，并根据专家评判的分值算出各个因素的模糊评判矩阵如下：

采用层次分析法（AHP）对俊发·空港城房地产项目风险因素的权重加以确定。

房地产项目风险的影响因素多而复杂，难以明细，并且对各风险因素的评价很难量化，所以，本论文选用层次分析法确定各风险因素的权重。先根据美国学者T.L.Saaty教授提出的1-9标度法对一级影响因素构建的两两比较判断矩阵。并根据矩阵对数值进行归一化处理，最终可知U1、U2、U3、U4的权重向量W=（0.0601、0.1093、0.3254、0.5054）。这时由AW=λW计算出最大特征值为4.26，CI为0.087，小于0.1。同时对其进行判断一致性，其中RI表示A的不一致性容许的范围，经验值，据此计算出CR为0.096，小于0.1，所以A的一致性程度在容许范围之内。

运用同样的方法，对俊发·空港城房地产项目的二级风险因素U1进行分析，经过计算，其λmax=4.1588，CI=0.0529<0.1，CR=CI/0.90=0.0588<0.1，所以投资决策阶段U1的不一致性程度在容许范围之内。

同理，运用同样的方法，对俊发·空港城房地产项目的二级风险因素U2、U3、U4进行分析，经过计算，其λmax分别为4.1975，4.1655，3.0125，CI分别为0.0658，0.0552，0.006，CR=CI/0.90分别为0.0732，0.0613，0.099，所以投资决策阶段U2、U3、U4的不一致性程度在容许范围之内。

根據前面的计算结果，对此项目进行模糊综合评价，首先对一级风险因素进行评价，计算得到R投资决策阶段=[0.65 0.27 0.08 0 0]，R前期准备阶段=[0.53 0.39 0.08 0 0]，R开发建设阶段=[0.15 0.28 0.27 0.19 0.13]，R销售运营阶段=[0 0.07 0.31 0.36 0.25]。然后对二级风险因素进行综合评价，评价结果R=[0.17 0.22 0.25 0.21 0.15]。

由上面的计算结果可以知道俊发·空港城房地产项目风险在其评语集V={1，2，3，4，5}，其中1表示风险非常小、2表示风险比较小、3表示风险中等、4表示风险比较大、5表示风险非常大，它们的隶属度分别是0.17、0.22、0.25、0.21、0.15，所以俊发·空港城房地产项目的风险=0.17×1+0.22×2+0.25×3+0.21×4+0.15×5=2.96，2.96介于2和3之间，即俊发·空港城房地产项目的风险介于比较小与风险中等之间，并且接近于风险中等。同时，由专家判断表格中的数据也可以大致知道决定其风险大小的主要阶段为销售运营阶段。

三、结束语

本文将模糊层次分析法运用于房地产项目风险管理的过程中，并对风险识别中的各个影响因素的权重进行合理确认，从而结合了项目风险管理中的定量分析与定性分析，为房地产项目风险的管理提供了一个有效的方法。

但是在本文的分析过程中，对各房地产项目的影响因素的权重进行确定中主要使用德尔菲法，其客观性不足，带有一定的主观性，因而对结果会有一定的影响，若能加以该井，减少其带来的影响，会使得此法在房地产项目风险管理中有较广泛应用。（作者单位：云南大学滇池学院）

基金项目：云南省教育厅科学研究基金项目（2015C098Y）云南大学滇池学院校级课题（2015D012Y）。

参考文献：

[1] 吴承锋，张国金.BOT项目融资风险的模糊综合评价方法研究[J].探讨与研究，2005（06）.

[2] 王恬.海南XX房地产项目风险管理研究[D].四川：西南交通大学，2011

[3] 陈德强，潘高.几种项目风险评估方法比较[J].合作经济与科技，2011（05）.

多层次模糊评价 篇11

我国拥有众多水库, 其中大部分为当时群众运动的“三边”工程, 几十年来一直带病运行, 存在很大安全隐患。部分坝体出现塌陷、隆起现象, 坝基局部渗水, 护坡和排水设施不全等问题。2011年中央1号文件从国家战略角度分析了水利在国民经济中的地位, 把病险水库除险加固作为“十二五”期间的重要任务。

以往的水库大坝安全鉴定方法只片面的注重水库大坝的结构安全性, 对其生态及社会效益重视不足。作者认为水库大坝安全的综合评价应包括对其结构安全评价、社会效益经济评价及生态效益评价。近年来, 模糊数学理论得到了飞速发展和广泛应用, 本文将层次分析法与模糊理论结合起来研究各种因素对水库大坝安全的影响, 旨在为研究水库大坝安全提供一种更加合理的新思路。

1 水库大坝综合鉴定多层次模糊评价模型

1.1 水库大坝综合鉴定多层次模糊评价模型的建立

影响水库大坝安全的因素众多, 可以概括为影响大坝安全结构因素和社会经济因素, 然后以简约型、代表性和综合性为原则, 再对各影响因素进行细化, 建立指标体系如图1。

1.2 多层次模糊评价原理

水库大坝安全受多个因素的影响, 这些因素之间的相互关系及各因素对大坝安全的影响程度难以精确衡量。假设有m个因素, 每一种因素用一个评语来代表, 这些评语构成一个评语论域U:

U={u1, u2, …, uj, …, um} j=1, 2, …, m

式中, uj代表第j个评语。对于每一个评语, 采用主观经验判断法和专家征询法相结合[1], 把它适当的分成若干等级, 以衡量其优劣的程度。若每个评语分成n个等级, 则这些评语将构成等级评语论域V:

V={v1, v2, …, vi, …, vn} i=1, 2, …, n

式中, vi代表第i个等级, 任一个评语uj (j=1, 2, …, m) 对任一个等级vi (i=1, 2, …, n) 都有一个隶属度, 记作rij。一个评语对所有的等级的隶属度构成一个模糊向量Y′, 第j个评语的模糊向量可表示为

Y′= {r1j, r2j, …, rij, …, rnj}

所有评语的模糊向量构成一组模糊关系, 记为模糊变换矩阵undefined:

根据每种因素对水库大坝安全影响程度的大小, 对每种因素评语赋予适当的权重, 这些权重构成一个模糊向量undefined:

undefined={a1, a2, …, ai, …, am}

式中, aj是第j个评语的权重。

将模糊矩阵undefined和模糊向量undefined进行模糊变换的合成运算:

undefined=undefined·undefined= (y1, y2, …, yi, …, yn )

其中 yi =undefined (ak∧rik)

式中符号∨代表求最大值, ∧代表求最小值。

通过模糊变换可以得到评语论域V上的一个模糊子集undefined:

undefined={y1, y2, …, yi, …, yn}

即为所要得到的综合评判结果, 其中yi代表对水库大坝总的安全性对第i个等级的隶属度, 从而判断水库大坝的安全性大小。

2 某水库大坝模糊综合评价实例

2.1 工程概况

某水库坝址位于坐落在清水河支流沙江上游, 属珠江流域西江水系。坝址以上集雨面积70.4 km2, 总库容8 672万m3, 调洪库容2 452万m3。正常蓄水位146.64 m时, 相应库容6 187万m3。水库设计灌溉面积12万亩, 坝后电站总装机容量800 kW。是一座以灌溉为主, 兼顾防洪、发电等综合利用的中型水利枢纽工程[2]。

枢纽主要建筑物有主坝1座, 副坝6座, 正常溢洪道1座, 输水隧洞3座, 坝后电站1座。

2.2 影响水库大坝安全因素的等级确定

根据评价决策的需要, 将评判等级划分为五个级别以衡量各项评语的优劣程度, 为了便于理解, 对各项评语的每个等级所代表的优劣程度说明见表1。

2.3 权重集A的确定

模型中, 对于可以定量的指标, 应在运用各种公式的基础上, 采取定量的方法确定。当指标难以采用定量预测评价时, 通常采用的确定权重办法有:①主观经验判断法②专家征询法③评判专家小组集体讨论投票表决法④层次分析法。为保证所确定的权重系数客观、科学、公正, 本工程采用专家征询法与层次分析法 (AHP) 相结合的方法确定, 即聘请一批专家打分, 然后将专家的意见统计集中, 作为确定权重的依据。

2.3.1 构造判断矩阵

依据图1中各层指标及相互间的关系, 分层构造判断矩阵。B系统层的2个指标对A目标层构造1个判断矩阵, C指标层对B系统层构成2个判断矩阵。以图1中B系统层中B1、B2对A目标层的构造的判断矩阵见表2。

以图1中指标层C1, C2, C3, C4, C5, C6对B1系统层构造的判断矩阵见表3。

同理, 可以构造指标层C7, C8, C9, C10, C11对B2系统层构造的判断矩阵见表4。

2.3.2 计算总权重集

根据各层判断矩阵, 采用方根法计算各层指标相对于上一层指标的权重, 然后各层相关指标相对权重的乘积即为多层并合的各评价指标相对于水库大坝安全评价的总权重[3]。经过综合专家和技术员的意见, 得到各指标相对应的权重集 (正常工况) , 详见表5。

2.3.3 确定隶属度

第j个评语uj对第i个等级vi的隶属度rij可由下式确定:

rij =undefined

式中, n为样本总数;uj∈vi表示第j个评语属于第i个等级的次数。很明显, n越大, rij就越具有代表性。经过征询不同专家的意见和技术人员的评价, 并根据表1, 对水库大坝安全进行调查统计, 得出大坝安全的隶属度表 (见表6) ,

2.3.4 评价结果

根据表6中调查统计的隶属度, 可以得到模糊变换矩阵undefined, 由 (4) 式, 此水库大坝综合安全评价的模糊变换矩阵为:

undefined

undefined

然后根据表3得出的表示权重的模糊向量undefined:

undefined, 将undefined与undefined合成, 进行一次模糊变换, 可以得出代表评价结果undefined, 计算过程如下:

undefined

作归一化处理, 即

Pi=undefined (11)

得出undefined= (0.106, 0.162, 0.220, 0.252, 0.260)

从上面分析结果可知, 此水库大坝对状态优的隶属度为0.106, 而对状态差几略差的隶属度为0.512。由此可见, 此水库大坝运行状况不佳, 大坝的工程质量差、结构不安全和渗流等对坝体的安全造成威胁, 需要进行除险加固。以上结论与此水库大坝安全鉴定为三类坝的结论一致, 说明多层次模糊评判法运用于水库大坝的安全鉴定是正确可行的。

摘要：基于模糊数学理论与层次分析法, 综合考虑了水库大坝的工程安全、经济效益、生态环境效益, 为水库大坝安全鉴定提供了一种新思路。

关键词：模糊评价,层次分析法,矩阵,隶属度

参考文献

[1]金菊良, 魏一鸣, 丁晶.基于改进层次分析的模糊综合评价模型[J].水利学报, 2004 (3) :65-69.

[2]广西南宁水利电力设计院.广西宾阳县清平水库大坝安全评价报告[R].2008 (9) .