健康评价模型

健康评价模型（精选10篇）

健康评价模型 篇1

0引言

在当今世界发展中,科技和创新已经成为生产要素和经济增长的重要影响因素,科技实力和创新能力已经成为各国经济社会发展的决定性要素,成为度量国家综合国力的重要指标。企业在技术创新中具有无可替代的地位和作用,只有以企业为主体,才能坚持技术创新的市场导向,有效整合产学研的力量,加快技术创新成果的产业化[1]。创新型企业作为自主创新的重要主体,是建设创新型国家的重要依托和支撑。要建立创新型国家,本质上就是要建立创新型企业。创新型企业是创新的最重要力量,是未来产业发展的主角。因此,创新型企业是否能健康发展就显得尤为重要,要了解创新型企业是否健康,就需要有一套适用于创新型企业的、科学的、准确的、系统的评价体系和模型去评价其健康状态。

1创新型企业健康度的内涵界定

OECD(经济合作与发展组织)和OCDE(欧盟统计局)的《奥斯陆手册》将创新型企业定义为“在一定的时间段内经济增长与发展主要通过创新实现的企业,或者指可持续地通过创新取得经济增长与发展的企业”[1]。2006年4月,国家科学技术部、国务院国资委、中华全国总工会三部委在《关于开展创新型企业试点工作的通知》中提出了创新型企业的初步定义,创新型企业即是在技术创新、品牌创新、体制机制创新、经营管理创新、理念和文化创新等方面成效突出的企业[2]。

创新型企业的内涵有以下几个特点:首先,创新型企业具有明确的创新战略;其次,创新型企业的创新是全面而持续的,并不是单纯意义上的技术创新[3];第三,创新型企业的创新主要是自主创新,拥有自主知识产权的知名品牌是创新型企业综合实力的一个主要标志和特征[4];第四,创新型企业的创新在同行业中有带头作用。

世界卫生组织(WHO)在1946年对健康的含义做了科学的界定:“健康不仅仅是没有疾病和虚弱的状态,而是一种在身体上、心理上和社会适应方面的完好状态。”这意味着健康的基本内涵应包括生理健康、心理健康和社会适应良好3个方面[5]。

本文借用世界卫生组织阐释“健康”的定义来诠释创新型企业健康度的内涵:创新型企业健康度是一种在创新能力健康、持续发展能力健康和获取效益能力健康等方面的完好状态。

1.1创新型企业健康度的3个维度

根据对创新型企业和健康的内涵及特征的理解,本文认为创新型企业健康度包括以下3个维度。

第一,创新能力健康。

创新型企业的最基本特征是创新,创新型企业与一般企业最根本的区别在于创新型企业是把创新作为企业的内在驱动力。创新能力健康不单纯指技术创新能力的健康,而是系统的、全面的创新能力的健康,是创新型企业健康的最基本特性。

第二,持续发展能力健康。

创新型企业的创新是具有战略性和持续性的。创新型企业的创新战略通过对企业创新发展的系统设计和整体规划来保证企业能够持续进行创新活动,不断增强创新能力,其是否健康决定了创新型企业是否能够持久生存和持续发展,本文把这类属性归为持续发展能力。

第三,获取效益能力健康。

根据创新型企业的内涵及特点,创新型企业应该是综合实力较强,财务状况与创新产出等具有稳定上升之势的企业。这里所说的获取效益能力是一种具有持续性的能力,并具有较强行业带动能力,笔者把这类属性归为获取效益能力。创新型企业的获取效益能力健康在一定程度上是对创新能力健康以及持续发展能力健康状况的直观体现,创新能力及持续发展能力是否健康发展最终需通过能否为企业带来效益来衡量。

1.2创新型企业健康度的3个维度之间的关联性分析

创新能力健康、持续发展能力健康与获取效益能力健康三者共同组成了创新型企业健康,三者缺一不可。创新能力健康是创新型企业健康的最基本要求,持续发展能力健康是创新型企业健康度的长期驱动力,获取效益能力健康是创新型企业健康度的直观体现。

创新能力健康、持续发展能力健康以及获取效益能力健康三者在一定程度上存在着相互影响,但不存在必然的因果联系。

创新型企业的创新能力和持续发展能力的健康状态会影响到获取效益能力的健康状态,在一定程度上创新能力和持续发展能力的健康状态会通过获取效益能力的健康状态体现出来[6]。

创新能力与持续发展能力是“软指标”,获取效益能力是“硬指标”。如果一个创新型企业的“硬指标”处于健康状态,而其“软指标”处于非健康状态,说明该创新型企业存在“内伤”,会影响到企业未来的发展;如果一个创新型企业的“软指标”处于健康状态,而其“硬指标”处于非健康状态,说明该企业不能被市场所接受,因此其“软指标”的发展需要一个导向,那就是市场[7]。

2创新型企业健康度的构成要素分析

根据马斯洛需求层次理论,人的需求分为生理需求、安全需求、社交需求、尊重需求和自我实现需求,这5种需求的发展逐层递进。当较低层次的需求基本得到满足后,就会产生更高一级的需求,未满足的需求才具有激励作用,而高层次需求和主导需求具有更重要的激励意义。

为了实现创新型企业的健康,其也存在三大层次需求:最基本的需求是实现创新能力健康的需求,中间层次为持续发展能力健康的需求,最高需求是实现创新型企业的自身价值(包括自我价值和社会价值)——也就是获取效益能力健康的需求。

只有在创新能力的健康需求达到满足的基本前提下,才有可能去满足持续发展能力的健康需求;在持续发展能力的健康需求达到满足的前提下,才可能去实现最高层次的获取效益能力健康需求。

创新型企业的创新不仅仅是技术上的创新,而且是系统性的、全面的创新,创新型企业创新能力包括技术创新能力、制度创新能力、管理创新能力、组织创新能力等。因此,创新型企业创新能力健康包括:技术创新能力健康、制度创新能力健康、管理创新能力健康、组织创新能力健康等。

创新型企业的持续发展能力健康是创新型企业能够获得持续发展的一种长期驱动力,包括:企业财务健康、企业战略健康、企业文化健康等。

创新型企业的获取效益能力健康是创新型企业健康的直观体现,包括:创新成果转化能力健康、偿债能力健康、营运能力健康、盈利能力健康和社会带动能力健康等。

根据创新型企业健康度的内涵及创新型企业健康的需求层次,可以得出创新型企业健康度的构成要素。

评价一个创新型企业是否健康,要从创新能力健康、持续发展能力健康和获取效益能力健康三方面去评价。首先要了解创新能力是否已达到健康状态,如果作为创新型企业最基本特性的创新能力都未达到健康状态,则可认定该企业处于非健康状态;在创新能力已达到健康的前提下,再去了解持续发展能力是否已达健康状态,进而再去了解获取效益能力是否已达健康状态。

3创新型企业健康度评价指标体系与模型构建

3.1评价指标体系设计的基本原则

系统性原则:创新型企业健康度评价指标体系不是若干指标简单的堆积,指标间应具有一定的内在联系,要求指标追求整体与局部的统一、长期与短期的平衡,从宏观和微观上反映所评价创新型企业的健康度。

科学性原则:指标分类、数据收集和计算方法等要求真实规范且有科学依据;指标体系的设计要客观真实地反映创新型企业健康度的内在规律,同时结合必要的专项调查和考证,通过综合评价,得出科学、客观的评价结果。

可行性原则:评价指标体系只有应用于实践,才能产生应有的作用,因此,建立指标体系要考虑到指标的可测性和可获得性。指标的可测性要求指标体系中各项指标易于观察和测度,以保证准确的测度和评价。指标的可获得性要求指标值容易获得,数据资料易于收集。

目的性原则:评价指标要有明确的研究目的。研究创新型企业健康度的目的在于了解创新型企业“创新能力、持续发展能力和获取效益能力”三方面的健康状况。

导向性原则:指标体系的构建要突出创新型企业健康度评价的导向功能,尽可能选择具有足够代表性的综合性指标和专业性指标,以便准确、简洁地评价创新型企业健康度,引导人们找出创新型企业存在的问题。

3.2评价指标的具体含义

根据对创新型企业健康度的内涵和构成要素的分析,分别从创新能力健康、持续发展能力健康和获取效益能力健康3个方面设置了12个二级指标和31个三级指标。创新型企业健康度评价指标体系见表1。

3.2.1 创新能力健康评价指标的具体含义

创新型企业的最基本特征是创新,不仅是技术方面的创新,而是全方位的创新。本文用技术创新能力、制度创新能力、管理创新能力和组织创新能力来衡量创新型企业创新能力是否健康。

一是技术创新能力。技术创新是指从新思想、新技术的出现到开发和应用的一系列动态过程,创新型企业的技术创新能力是决定企业生产和发展的关键要素,主要通过对技术创新的资金与人才投入2个方面进行评价。评价技术创新能力的指标包括:R&D投入强度(研发费用/企业总费用)、技术人员素质、专利转化率(实现产业化的专利/企业申请专利总数)、新产品平均开发周期。

二是制度创新能力。制度创新是指为了适应生产力不断发展变化的需要,对企业的制度进行变革。制度创新能力的指标包括:对创新项目和人员的激励力度、薪酬制度满意度。

三是管理创新能力。管理创新是指在管理方法与方式上的创新,目的是为了使得企业的运营更具效率。评价管理创新能力的指标包括:管理创新投入强度(管理创新费用/营业收入)、企业家创新精神。

四是组织创新能力。组织创新是指通过调整和变革组织结构、组织关系来提高组织对外部环境的适应度,从而提高组织活动效益。评价组织创新能力的指标包括:员工培训支出比重(培训员工支出/企业总费用)、职工创新建议通道的流畅度。

3.2.2 持续发展能力健康评价指标的具体含义

持续性作为创新型企业的基本特性,不仅应该反映创新型企业的发展是健康的,还应该包括创新型企业的创新是持续的。根据对持续发展能力健康的分析,长期驱动力主要体现在3个方面:一个是企业战略,一个是企业文化,而企业财务是支撑企业持续健康发展的基础。所以本文用企业财务、企业战略和企业文化3个方面来衡量创新型企业持续发展能力是否健康。

一是企业财务。企业只有不断的发展,才能在日益激烈的竞争环境中生存,通过对企业财务发展能力的分析,可以看出企业的持续发展能力如何,从而了解企业未来的经营状况是否会健康。企业财务指标包括:销售收入增长率、净利润增长率、资本积累率。

二是企业战略。企业战略是企业维持创新持续性的一个保障。创新型企业的产品大都属于技术性产品,其在研发阶段所投入的时间与资金较大,也很可能面临失败,所以企业的战略决策就显得尤为重要。企业战略指标包括:创新战略完善度、创新战略协调度。

三是企业文化。创新型企业的创新是全面的、系统的、持续性的创新,这就需要在企业中培育一种企业文化,使得企业各部门员工对创新有一个统一的认识,并且付诸行动。企业文化指标包括:企业职工对创新的认同度、企业氛围对创新人才的吸引力。

3.2.3 获取效益能力健康评价指标的具体含义

创新型企业获取的效益最直接的体现应该是企业通过创新而获得的效益。本文从以下3个方面来衡量创新型企业获取效益能力是否健康。

一是创新成果能力。创新成果能力是对创新型企业通过创新而获取效益的直观体现,考虑到管理创新、制度创新和组织创新的成果难以通过获取的效益直接体现,所以创新成果能力这一指标主要通过技术创新、产品创新等来体现。创新成果能力指标包括:专利拥有数、新产品销售比率、新产品利润率等。

二是财务健康能力。看一个企业运行、管理是否正常,其盈利能力如何等等,往往都能从其财务指标上获取信息,本文主要从偿债能力、营运能力和盈利能力3个方面来评价财务健康能力。

偿债能力是指企业负债用其资产偿还长短期债务的能力。企业有无偿债能力是投资者、债权人以及企业相关利益者都非常关心的问题,也是直接反映经营者绩效评价的重要因素。偿债能力指标包括:产权比率、速动比率、现金流动负债比率、已获利息倍数。

营运能力反映了企业资金周转的状况,可以反映出资金的利用效率,对创新型企业的健康度评价十分重要。营运能力指标包括:流动资产周转率、应收账款周转率、总资产周转率。

盈利能力是指企业赚取利润的能力,盈利是企业的重要经营目标。盈利能力指标包括:资产收益率、主营业务利润率。

三是社会带动能力。社会带动力作为创新型企业的内涵之一,其获取效益能力不仅包括自身企业的获益还应包括在行业内的带动力。社会带动能力指标包括:社会贡献率、参与标准的制定。

创新型企业健康度由若干复杂的、无法确定统一标准的能力要素综合而成,所以在评价过程中将无法避免主观因素对评价结果的影响和干扰,从而使评估的企业健康状况与现实存在一定的差距。为了减少主观因素对评价结果所引起的误差,对于权重的确定可以考虑采用近年来发展较快、应用较为广泛的层次分析法(AHP)。采用AHP法可由若干名专家根据创新型企业的特性分别进行评判,并将由专家评判产生的若干组指标权重进行整理,最终得出企业健康度评价体系各指标在各层次的权重。而对于评价模型的选择,可以考虑采用模糊综合评价方法。

3.3创新型企业健康度评价模型

根据以上分析,可以得出创新型企业健康度评价的模型为:

W=∑RijUij

其中:W为创新型企业健康度综合评价值;Rij为创新型企业健康度第i层目标层第j项具体指标的评价值;Uij为创新型企业健康度第i层目标层第j项具体指标对总目标的权重。

由这一模型可以计算出创新型企业健康度综合评价值W,根据创新型企业健康度相对得分值由高到低分布在5个区间中的具体位置,将创新型企业健康度分为超健康状态、健康状态、亚健康状态、不健康状态、濒临死亡5个档次[8]。企业处于超健康状态、健康状态,表明企业发展很健全;企业处于亚健康状态,因其隐性的某些因素影响了健康状态,应引起有关管理部门和企业的高度重视,以防患于未然;企业不健康,患较大疾病,应该查找病因,采取有针对性的措施进行整改;企业已濒临死亡,救治无效。

除了关注创新型企业的综合健康度外,还应通过创新能力健康、持续发展能力健康和获取效益能力健康这3个维度的健康状态进一步来确定创新型企业存在的问题。

本文将创新型企业健康度的健康状态进一步分成以下5种状态,其健康程度从上到下逐级递减(见表2)。

4结论

创新型企业健康度是评价企业在创新能力健康、持续发展能力健康和获取效益能力健康等方面的状态,体现为创新能力健康、持续发展能力健康、获取效益能力健康3个目标层的综合评价值。本文建立了一个多级模糊综合评价模型,依据创新型企业健康度的内涵、特征及构成要素分析,把创新型企业健康度进一步分成5种状态。创新型企业健康度的评价是一个复杂问题,牵涉到的因素很多,目前还处于探索阶段。本文构建的创新型企业健康度的评价模型的具体应用、具体评价过程与步骤将在未来进一步开展研究。

摘要：在创新型企业理论、人体健康理论的基础上,将创新型企业人体化,界定了创新型企业健康度的内涵,提出了创新型企业健康度的构成要素;遵循指标体系的设计原则,将创新型企业健康度评价指标体系设计为“创新能力健康、持续发展能力健康、获取效益能力健康”3个维度,选取12个二级指标,并细分为31个三级指标,建立了较为完整的创新型企业健康度评价指标体系和评价模型。

关键词：创新型企业,企业健康度,健康度构成要素,评价指标体系

参考文献

[1]蔡齐祥,张威,卢霞.创新型企业评价标准研究的若干问题探讨[J].科技管理研究,2007(1):40-42.

[2]张金水,张志彤.创新型企业衡量标准研究[J].科技管理研究,2006(10):27-29.

[3]胡琛.创新型企业的创新团队建设研究[D].合肥:合肥工业大学硕士学位论文,2010.

[4]武欣,吴志明.国外团队有效性影响因素研究现状及发展趋势[J].外国经济与管理,2005(1):47-50.

[5]徐汉文.民营企业文化健康度评价研究及FD公司实证分析[D].南京:南京理工大学硕士学位论文,2007.

[6]Cooke P,Schienstock G.Structural competitiveness and learningregion[J].Enterprise and Innovation Management Studies,2001(3):265-280.

[7]Alessandro Muscio.From regional innovation systems to local in-novation systems:evidence from Italian industrial districts[J].European Planning Studies,2006(6):773-777.

[8]郭百钢,韩玉启,赵湘莲.高新技术企业健康度评价系统探讨[J].江苏商论,2004(10):112-114.

健康评价模型 篇2

摘 要：目前有很多的经济学家对经济增长点的进行了长期的研究，从不同方面运用不同理论作出了自己的解释，但在评价经济增长点上面至今没有形成一致的看法。本文尝试从经济增长点的形成机理以及在经济发展中的地位和作用上，就应用自组织数据挖掘方法建立某一个国家或者地区经济增长点的评价模型可行性进行论述。

关键词：自组织;经济增长点

引言

在研究复杂经济系统时，系统内多个因素间的相互作用、相互影响，用经济理论从众多影响因素中揭示出对经济对象有重要影响的因素时，不容易找到一个客观公正的标准。自组织数据挖掘方法为解决这一问题提供了有效途径。用自组织数据挖掘方法建模体现了复杂事物由简单到复杂的演化过程，竞争、优胜劣汰的生物进化过程，中间模型不断重组的模型自组织过程，它能客观、自动地选择出对研究对象有重要影响的因素。

1.经济增长点理论概述

一般认为，经济增长点理论来源于经济不平衡增长思想和内生经济增长思想，即认为经济增长不会同时在经济体的每一处出现，而是出现不同的增长的触发点，也就是所说的经济增长点。它的实质上是经济体内在的刺激因素，它自身的发展可以向外产生扩散和辐射，进而启动整个经济体的增长。但是现在理论界对抽象的经济增长点内涵具体表述并不相同。

尽管经济增长点首先是一个“点”的概念，但是研究的目的是实现整个经济体的增长，因此必须从经济总量的角度来看增长点的形成机理。目前已经从经济史、产业组织等角度提出了各种解决的办法。主要有罗斯托的“经济成长阶段理论”、钱纳里的“工业化阶段理论”、霍夫曼的“霍夫曼工业化经验法则”与“ 霍夫曼系数”。但是这些划分没有经济的微观基础，只从历史的表面联系来分析经济现象，因而有一定的局限性。我们认为只有从经济增长点的形成机理以及在经济发展中的地位和作用，结合宏观经济学与微观经济学建立一个评价模型对其才能作出最好的评价。由于经济增长点对于发展中国家的巨大作用，本文就尝试对这种经济增长点的评价模型的建立问题作出研究，找出一种方法能够建立适应于某一个具体的国家或地区的经济增长点评价模型，以指导他们的经济发展方向。

2.复杂性科学与经济学

自组织理论与方法源于神经网络科学和自动控制理论。随着神经网络和计算机科学的迅速发展，自组织建模方法也得到取得了较快的进步。20世纪90年代由德国J.A.Muller教授在上述成果基础上发展并完成的自组织数据挖掘算法，使它成为研究复杂系统模拟预测的有效工具。如今在数据挖掘、知识发现、预测、系统建模和模式识别等领域，自组织方法已经成为人们在信息爆炸时代、信息不完全下进行系统分析和决策的有效方法。

自组织方法在人类活动的很多领域都有重要运用，尤其在经济领域，因为经济涉及的广泛性和与人们生活的息息相关性。自组织是运用一种新的方法对重要的经济问题进行分析。已经证明了经济系统是一种被大量的环境因素所影响的自然系统，当我们应用自组织方法来解决宏观经济指标预测问题时，用自组织方法中的模糊规则来集成影响因素，由于不用考虑所有的因素，所以肯定了自组织应用的有效性。用自组织方法得出的模型，其分析效果要好于其它方法得到的模型，体现了自组织在复杂系统运用中的优越性，解决了复杂系统变量多等其它方法难以解决的困难。

我国自1992年开始使用这一方法对一些复杂的经济问题进行了探讨，在贺昌政、刘光中教授以及一批学者的推动下，自组织在我国的运用有了较大的发展，并且取得了令人满意的效果。

3.自组织数据挖掘

数据挖掘的概念于1995年在美国计算机年会(ACM)上被提出：“数据挖掘就是从大量的、不完全的、有噪声的、模糊的`、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程”。数据挖掘是从大量数据中提取知识，即从存放在数据库、数据仓库或其它信息库中的大量数据挖掘有价值知识的过程。它涵盖了统计学、机器学习、数据库、模型识别、人工智能等多门学科领域。数据挖掘从它刚产生开始就是面向应用的，它的任务就是从数据中发现模式，为决策活动提供决策模型。

自组织数据挖掘方法在考虑到我们对与这个复杂世界所知甚少的情况下，对复杂世界的规律进行预测。其理论的基础之一是遗传算法。生物的遗传在不断地受到外界的制约并与周围的环境协调的过程中，物种将逐步地发生变化。在大批量进行育种的过程中，为了得到新的一代，每一次大批量淘汰的过程都应该筛选出具有某些最好特性的，但还需要继续改进的那些生物，并利用这些生物继续育种。经过一些阶段选择以后，就可以培育出理想的物种。

对于经济系统，其特征是组织的产生(经济对象的形成与设计、改造、重构等)、动态平衡的自动调节(为了达到指定的目的而控制经济过程)、管理、组织的变革。用经济数学模型的自组织原则来研究经济系统，应该满足经济现象的自身的性质。利用自组织数据挖掘理论建立复杂经济系统动态模型时，根据影响因素的样本数据及建模者感兴趣的输出变量，在计算机上采用人机对话方式产生大量的竞争模型，用恰当的选择准则选择一部分“最有希望”的模型，再利用这些模型产生大批新的竞争模型。按这样的方式将模型的结构从简单到复杂逐步改进，最后选择出最优的复杂模型来。

自组织算法选择竞争模型的选择准则又称外准则，因为它基于某些补充信息，即是在估计模型参数时没有使用过的信息。外准则对模型质量的判断应保证其结果与模型参数估计过程的最大无关性。使用外准则筛选竞争模型，是自组织数据挖掘算法的特色。它也符合奥坎姆剃刀原则，即如无必要，勿增实体。

自组织算法的终止法则由自组织原理给出：当模型的复杂度(模型所含变量个数与次数)逐渐增加时，模型的外准则值有一个先减小再增大的过程。外准则的最小值定义了最优复杂度模型。

要建立经济增长点评价模型，我们把样本集分为学习集、检测集，用GMDH客观地产生最优复杂度模型。

4.总结

建立某一个国家或者地区经济增长点的评价模型所应用的自组织方法，是利用了GMDH黑箱输入输出以及用基本函数的网络互连来表达基本函数等两种方法的。它有以下几种优势：首先它实用性好;只需要采集确定目标的样本集即可，确定好外准则即可产生最优复杂度模型。其次它客观性强;由计算机筛选这些数据之间的相关性，减少了人为的主观判断。最后它综合了已知的各种经济学理论，充分利用了我们的先验知识。应用自组织方法来建立经济增长点评价模型是现在我们已知的最可行的方法之一。

参考文献：

[1]成思危.复杂科学与管理，中国科学院院刊，.(3).

[2]钱学森，于景元，戴汝为.一个科学新领域-开放的复杂巨系统及其基本方法论，自然杂志，1990.(1).

[3]杨小凯，黄有光.专业化与经济组织，经济科学出版社，1999.

[4]Ivakhnenko A.G， Kozubovski S.F，Yu.V.Kostenko.Objective System Analysis of Macroeconomic Systems.Syst.Anal.Model.Simul.I，1990，3：201.

企业员工能力评价模型研究 篇3

[关键词] 能力模型共生关系整体能力潜能力

人力资源管理的最高理念就是做到“能岗匹配”，但是我们如何对员工进行科学的能力评价并且帮助其能力的成长方向与企业目标保持一致呢 ？目前在很多企业中对员工的能力评价方式存在着很大的主观性，在此，我们探讨一下如何更加客观有效的对员工能力进行评价。

一、能力模型的建立

在本文中，我们采用浙江大学王勇（2003）博士在其博士论文中对企业员工能力的划分的观点，将员工个人能力元素分为五类:（1)价值，品质与特质能力元素。这类能力元素主要是与个人价值观、个人品性等相关的能力元素的集合。如：正直诚心，责任心等;（2)情感能力元素。指调整和控制个人感情和心绪，以满足工作和需要的能力。如：抗压能力、自我控制力、毅力等。（3）行为能力因素。这类元素大多属于情绪能力的范畴。如:团队合作、成就动机、人际交往等能力因素。（4)知识技能能力元素。这类能力元素包括同工作相關的各种信息知识、程序性知识与经验性知识等。（5)元能力。这类元素不仅是具有高度通用性的能力，而且是形成其它能力的基础，使得整体能力呈现非线性增长的能力。主要包括自我发展能力、学习能力、解决问题的能力等。

对组织变革来说，关键的问题不在于现有能力的大小，而是在于提高能力的难易程度。能力的提高取决于决定能力的各种要素，以及改变这些要素的难易程度。我们将影响能力的因素构成能力成长模型。

不同性质的工作在五个维度上的能力具体要求不同，且每一能力维度在工作中都是不可缺少的。不同能力维度之间不存在替代关系，也就是说某一维度上能力的不足是不能用另一维度上超常的能力予以弥补的。个体在工作中表现出的综合能力是各维度在特定结构关系下平衡后表现出的结果。我们将能力维度之间的这种关系称为共生关系。现实中个体所具有的能力结构不一定恰好同工作要求的能力结构完全吻合，所以个体相对工作而言的综合有效能力，是由个人能力中最弱的能力维度决定的，类似于经济学中的木桶原理。可以推断，在个体能力中，较强能力维度中的能力元素，由于受维度能力元素的制约，存在部分富余，富余能力是作为潜能力存在的，对现实工作业绩没有增量影响。这部分能力也不能弥补其他维度能力的不足。因此，我们提出以下观点：如果某一能力维度水平低于工作对其的要求，那么该能力维将抑制其它维度的能力的发挥，企业在评价企业员工的能力时，不能只考虑员工的知识和技能，应该从以上五个维度对员工进行科学评价，然后根据评价结果，为其选择合适的岗位和合适的培养机制，以帮助员工提高个人的综合能力，适应组织不断发展变化的需要。

二、基于能力维度间共生性质的整体能力水平评价法

现在我们讨论基于各能力维为共生关系的能力水平评价法。 我们用β1,β2,β3,β4,β5分别表示具体工作所要求的任职者在五个能力维度上的能力结构系数，且，对n位任职者的各项能力维度的考评结果为Xij，Xij表示对第j位任职者的i能力维度的考评结果。据此求出第j位有效的综合工作能力步骤如下:

1.将任职者的各维度能力评价分值归一化，求出各任职者的实际能力结构。

2.计算任职能力结构同任职要求结构之间的偏离度找出偏离最大的能力维度。

偏离度θij=βi-βij，选取最大的偏离度。

3.根据任职者在最大偏离度θ*ij对应的能力维度i上的实际得分Xij和任职要求能力结构系数对任职者各维度的原始评价值进行修正，计算出各维度的有效能力分值;假设第j位任职者最大结构偏离的能力维度对应的认职要求结构系数为β’,。任职者在该能力维度的实际得分为Xij，可以计算出修正后的各能力维度的分值X*ij:

4.根据各能力维度的修正分值,以及能力结构系数,综合得出最终整体分值,即:效能水平评价值。

该方法能够反映能力维度之间的这种复杂的有机关系，相对传统的简单加权法，该评价方法的优点主要表现在以下几点:（1）使得最终能力评价结果能够真实地反映任职者的效能水平。 (2）很好的反映了不同能力维度之间的互补共协作用。（3)对任职者能力的发展有很好的导向作用。

三、小结

组织的首要目标就是不断的提高企业的绩效，即不断的提高组织的能力，而组织的能力是以组织成员的个人能力为基础的，因此，提高组织成员的个人能力应作为组织目标的重要组成部分。组织应在对员工能力科学评价的基础上，发现制约员工能力发展的瓶颈所在，并为其提供培训或者其他的学习机会，发展导致其综合能力下降的某一维度的能力，以提高其工作的整体能力。这对不断提高知识经济时代的企业竞争力、国际竞争力具有极其重要的现实与深远的意义。

参考文献:

[1]王树禾侯定丕:经济与管理科学中的数学模型.北京:中国科学技术大学出版社2000

[2]（美）麦克尔·茨威尔著王申英唐伟何卫译:创造基于能力的企业文化.华夏出版社，2002

[3]王勇:基于能力的人力资源管理理论研究.浙江大学，2003

健康评价模型 篇4

河流生态系统是指河流水体的生态系统,是陆地与海洋联系的纽带,在生物圈的物质循环中起着重要作用。近年来大量水利工程的建设,严重影响着天然河流的水文地貌条件,并对河流及其周边生态环境造成巨大影响,随着生活条件的不断改善和对河流健康重要性认识的提高,人们对河流综合功能的实现提出了越来越高的要求,为了实现经济社会可持续发展、人与自然和谐共处,以及充分发挥河流的生态、经济、娱乐等价值,研究如何对河流健康进行评价具有重要的理论和现实意义。

当前河流健康的研究工作主要着眼于评价方法的研究。众多研究人员提出制定评价准则和标准的迫切性,以开展河流健康的评价工作,遗憾的是至今还没有对评价标准和评价方法有一个理想的、统一的共识[1],其中评价方法大致分成两个方面,一方面分类依据主要体现在人的主观能动性和客观事实性,即主观分析法和客观分析法,主观分析法主要包括:层次分析法、理性区间法、模糊层次分析法等,客观分析法主要包括:熵值法、主成分分析法、人工神经网络算法等;另一方面主要体现在评价原理的不同,即预测模型法和多指标综合评价法;预测模型法主要对在原始资料缺失的情况下对河流的健康体系进行预测评价,代表性的是神经网络算法;多指标综合评价法即综合评价,多采用层次分析、模糊层次分析法、德尔菲法等。由于神经网络算法可以最大程度地挖掘和探索原始数据信息,鉴于河流健康评价的复杂性和广泛性,可以掌握和利用的原始数据毕竟有限,神经网络算法采用内插法构造网络训练样本,将河流健康分级评价标准值作为“预测”样本进行“预测”,对已有的原始数据作为训练的样本进行多次训练,以此寻求原始数据中隐藏的各评价因子的贡献度大小,通过对与河流健康相关的多个单一指标的原始数据进行收敛计算,即可输出河流总体健康的评价数值。训练函数对数据具有一定的敏感性和记忆性,通过训练后获得训练函数,在取得其他河流的实际原始数据后,即可代入趋于稳定后的训练函数,以此对江苏省整体河流的健康状况进行预测评价,但是神经网络算法会出现不稳定性,并且当前用于预测的神经网络函数较多,无法真正辨别适应于江苏省河流健康的训练函数。多指标综合评价通过综合分析,依据专家咨询意见确立评价指标权重,计算过程简便且稳定,但是不同于预测模型法的是,多指标综合评价方法由于人的主观臆断性易产生系统偏差。本文尝试结合预测模型法和多指标综合评价法,提出了预测-综合指标评价模型,此评价模型由3种预测模型和3种多指标综合评价方法组成,即先应用此模型对具有流域代表性的部分骨干河流的健康进行探索性评价,通过比对预测模型法和多指标综合评价的结果,选取与多指标综合评价结果相似度最高的预测函数作为最适用于江苏省河流的预测训练函数,最后应用此精简后的模型对江苏省整体河流的健康状况进行评价和预测,并取得了良好的效果。

1 江苏省河流健康评价模型

江苏境内河流纵横,湖泊众多,其中主要河流727条,大于0.5km2的湖泊共计137个,水域面积占全省国土面积的16.91%。得天独厚的江河湖泊资源,是江苏最大的自然资源和发展优势[2]。随着城镇化、工业化进程的快速推进,河流生态环境问题日趋突出,尤其是太湖蓝藻集中爆发而引发的无锡供水危机,深刻地警示我们,加强河湖管理,维护河湖健康生命,保障水资源可持续利用,俨然已经成为全社会一项重要而又紧迫的任务。

根据《湖泊健康评估指标、标准与方法(试点工作用)》、《环境影响评价技术导则与标准》等已有的国家、行业、地方或国际标准,首先应构建河流健康评价指标体系,鉴于河流健康评价的多样性与复杂性,利用层次分析建立梯级层次结构评价指标体系,如表1,目标层为江苏省河流健康评价,准则层分为自然属性和社会效益两个方面,指标层包含11个详细指标:河岸带状况(RS)、河流连通阻隔(RFC)、生态流量满足程度(EF)、河流水质综合指数(WQ)、岸坡植被结构完整性(SVS)、河流生物多样性(AL)、防洪工程达标率(FLD)、岸线利用管理(SUM)、公众满意度(PP)、供水水量保证率(WSG)、水功能区水质达标率(WFZ),各指标分别反映河流多层次和深层次的作用效益。

2 预测-综合指标评价方法简介

鉴于当前越来越繁多的评价方法,可能导致河流健康评价出现“多端寡要、好谋无决”的分极现象,所以研究出一种或者多种准确而客观的方法系统越来越显示其重要性和迫切性。尽管神经网络算法受评价指标的标准取值和上下限值的影响,会出现不稳定性,但可以最大限度地克服人的主观性;综合指标评价方法的优点在于计算过程非常稳定,但河流健康评价因“河”而异、因“时”而异[3],综合指标评价法在不同河流的不同时段,均需依赖于专家的问卷意见,存在一定的主观性和局限性。预测-综合指标评价模型融合了神经网络算法和综合指标评价法的各自优势,即配置综合指标评价模型的校验,预测模型会逐步趋向稳定;存在预测模型的计算,综合指标评价模型会更为客观准确。

在预测模型上选用BP神经网络、径向基神经网络(RBF)、广义回归神经网络(GRNN)3类神经元算法;在综合指标评价模型上选用层次分析法(AHP)、网络分析法(ANP)、模糊层次分析法(F-AHP)3类,模型运行过程如图1所示,即先用3种神经网络算法对河流健康进行初步评价,选取最合适该流域健康的预测评价模型,然后使用3种综合指标评价方法进行校验,两者结论进行比较,留用与综合指标评价方法数值相接近的算法,作为该流域或者区域的预测评价模型,最后对总体以及全部河流进行整体评价。这样就可以最大限度地发挥预测模型的灵活性和通用性,与流域的基本特点和变化规律有很大程度的吻合。

由于前人对层次分析法和BP神经网络算法已有较为详尽的研究,本文仅对其余4种子方法进行简要介绍。

2.1 径向基函数神经网络(RBF)

RBF神经网络又称为径向基函数神经网络,是一类常用的三层前馈网络,多用于函数逼近及分类[4],常用的RBF网络为n-h-m结构,即网络具有n次输入(输入层),h个隐节点(隐藏层),m次输出(输出层),计算的模型如图2所示。

2.2 广义回归神经网络(GRNN)

广义回归线性网络(General regression neural network,GRNN)是由德国人Donald Specht于1991年首先提出的新型神经网络算法[5],由输入层、模式层、求和层及输出层4个层次网络组成计算模型如图3所示。

GRNN的主要优势在于学习迅速,在样本数量巨大的时候达到快速逼近,尤其在处理实时环境下的稀疏数据效果显著。当前,该神经网络在系统辨识和预测控制等方面得到了尝试性的应用。GRNN神经网络的创建需要将所有数据划分为输入向量、输出向量、训练数据和测试数据[6]。

2.3 模糊层次分析法(F?AHP)

荷兰学者VanLaarhoven WP在1983年首次将模糊数学应用与层次分析法相结合,提出了模糊层次分析法[7],集层次结构、模糊数学、权衡比较于一体,在科学决策问题上卓有成效。

2.4 网络分析法(ANP)

ANP(Analytic Network Process),又称网络层次分析法,是Satty T.L.教授于1994年提出的,基于层次分析法(Analytic Hierarchy Process,AHP)发展而成的一种应用系统分析全面解决问题的方法[8]。ANP应用网络结构替代层次结构,充分考虑各因素之间的相互影响和依存关系,与系统工程和科学决策的问题特点相符,所以ANP具有越来越广阔的前景。

3 方法应用

本文首先评价江苏省16条骨干河流的健康状况,即中运河、里运河、通榆河、苏北灌溉总渠、大沙河、北六塘河、新洋港、长江干流、新通扬运河、秦淮河、句容河、九圩港、江南运河、望虞河、张家港、大滆运河(按排序先后进行计算),作为参比。

对于预测模型法,本文首先将评价指标进行标准化,令数据处于[0~1]范围内,利于神经网络对数据的快速学习,以每一指标的极限值插值得到100个训练样本,在每次进行评价之前,均进行3 000次学习训练,训练结束后,再导入河流健康指标的实际值进行模拟,即可使训练函数对江苏省骨干河流的原始数据存在一定的敏感性和记忆性,得出评价结论。

对于多指标综合评价方法,本文首先建立相应的层次结构和网络结构,AHP和F-AHP均通过MATLAB程序实现[9,10],而ANP则借助超级决策软件[11](Super Decisions)实现。综合两者评价结果形成比对表2。

预测模型法与综合指标评价法对应的评价分值比对图如图4所示。

由图4可知在多指标综合评价模型的3类方法中,ANP和F-AHP的分值接近,AHP的分值误差过大,故采用ANP和F-AHP的分值作为校验标准,与预测模型法进行比较,通过比对分值,BP算法与多指标综合评价方法的整体结论相差甚远,而RBF和GRNN算法与F-AHP和ANP的评价分值相近,故采用RBF和GRNN算法均可作为江苏省河流健康的预测模型,由此,精简后的模型由RBF、GRNN、F-AHP及ANP4类子方法组成,F-AHP和ANP作为校核标准方法,而RBF和GRNN作为计算标准,需要注意的是,在开始进行其他河流的评价前,必须对RBF和GRNN进行学习训练,使预测模型趋于稳定。秦淮河和张家港处于“不健康”水平,枝源派本,秦淮河大部分在南京市境内,是南京市最大的地区性河流,随着城市规模和逐步扩大,人类活动严重影响着天然河流的水文地貌条件,并对河流及其周边生态环境造成巨大影响,水域面积和城市周边绿地覆盖率逐年减少,导致河流健康水平严重恶化;张家港的主要河流功能为排涝、供水以及航运,存在的主要问题为水功能区水质达标率和岸坡硬质化程度高。但总体而言,江苏省骨干河流的健康状况较为良好。

4 江苏省河流健康状况

河流健康评价采用分级评分法,划分等级标准,河流健康初步分为4级,即:健康、亚健康、不健康及病态。河流健康等级如表3。

通过对上文所述的骨干河流建立的训练函数,并查阅大量文献,缺漏或者无法确立的评价指标值通过变化特征插值来获取统计,再将RBF和GRNN预测模型应用于整个江苏省其他河流的健康评价,并取得了良好的效果,证明预测-综合指标评价具有很强的实用性和准确性。

江苏省整体河流健康状况分布情况如图5所示。

以GRNN为例,所得结果显示,江苏省整体河流健康状况达到“健康”级别的河流占38%,达到“亚健康”级别的河流占56%,“不健康”级别的河流占6%,总体上江苏省河流处于“亚健康”(Ⅱ等)及以上状态,“亚健康”状态属于“健康”和“不健康”的过渡状态,过渡状况下的河流的健康变化显著、转变敏感,在此时期,加强河湖管理、维护河湖健康生命显得尤为重要。

5 结论与展望

(1)本文提出预测-综合指标评价模型,分别将F-AHP、ANP、AHP、BP、RBF、GRNN共6种方法作为其构成要素。首先对江苏境内16条骨干河流的健康进行了探索性评价,通过分值比对、优胜劣汰,选用F-AHP、ANP、RBF、GRNN这4种方法纳入预测-综合指标评价体系来评价江苏省整体河流的健康状况,结果与实际情况较为接近;而AHP和BP的评价分数与其他4种方法相比相差过大,不能准确地评价河流健康,建议在江苏省河流健康评价系统中予以淘汰。

(2)从评价方法上看,基于预测模型法的RBF和GRNN神经网络评价结论几乎一致,说明两种神经网络算法均可用于江苏省河流健康评价,进行河流健康预测的目的在于克服资料缺失和人为主观性,只要取得通过训练后趋于稳定的训练预测函数,并存在和部分存在其他河流的健康评价指标原始值,通过代入即可对其他整体河流健康状况进行预测。尤其是在以后江苏省内中小河流评价可以以此作为预测评价模型,建立预警系统。尽管较多研究成果提出GRNN神经网络具有收敛速度快、预测精度高和鲁棒性良好等优点,但河流健康评价应当同时考虑地方经济发展水平的差异、流域自然环境的特点以及季节气候的变换,因地制宜地选取河流生态修复评价的标准以及权重,即河流生态修复评价应因“河”而异、因“时”而异,所以寻求最适用于江苏省河流及流域特点的预测模型也是关键性的因素,由此可知,通过多指标综合评价的结论来筛选和检验预测评价方法的适用性和准确性具有重要的理论和现实意义。

预测-综合指标评价最大程度上克服了人的主观臆断性,并可以准确而客观地预测河流健康状况,不失为河流健康评价的一类新方法。在以后的研究,应尝试将更多方法持续纳入预测-综合指标评价模型中,以提升模型的适用性和灵活性。鉴于江苏省整体河流健康状况不容乐观,因此加强河流管理至关重要,维护河流青春活力刻不容缓。

摘要：针对江苏省河流健康状况,提出一种新的河流健康评价方法体系,即预测-综合指标评价模型,此模型由3种预测方法和3种综合指标方法构成。首先对江苏省16条骨干河流进行探索性评价,筛选模型体系中对江苏省河流健康评价的最适方法,再将精简后的模型应用于江苏省整体河流的健康评价。结果表明,江苏省河流总体处于“亚健康”(Ⅱ等)水平,故需重视河湖健康管理、维护河流健康。

关键词：预测-综合指标,RBF,GRNN,评价模型,亚健康

参考文献

[1]吴阿娜,车越,徐启新,等.上海地区河流健康评价方法探讨[J].生态与农村环境学报,2007,23(4):90-94.

[2]江苏省主要河流健康状况报告[R].2012.

[3]孙雪岚,胡春宏.关于河流健康内涵与评价方法的综合评述[J].泥沙研究,2007,(5):74-80.

[4]乔俊飞,韩红桂.RBF神经网络的结构动态优化设计[J].自动化学报,2010,36(6):865-872.(下转第33页)

[5]崔东文.RBF与GRNN神经网络模型在河流健康评价中的应用---以文山州区域中小河流健康评价为例[J].中国农村水利水电,2012,(3):56-61.

[6]张娅莉,喇果彦.GRNN神经网络在信息分析预测中的应用[J].数据采集与处理,2009,24(10):100-103.

[7]P J M Van Laarhoven WP.A fuzzy extension of Satty's priority theory[J].Fuzzy Sets and Systems.1983,3(11):199-227.

[8]Satty T L.Fundamentals of decision marking and priority theory with the analytic hierarchy process[M].Princeton:RWS Publications,1994:35-127.

[9]张德丰.MATLAB神经网络应用设计[M].北京:机械工业出版社,2009.

[10]MATLAB中文论坛.MATLAB神经网络30个案例分析[M].北京:北京航空航天大学出版社,2010.

健康评价模型 篇5

构建了水质模糊综合评价模型,并以雅安市青衣江龟都府水质监测断面为例,对比分析了水质的`单因子评价法和模糊综合评价方法的特点.结果表明:雅安市青衣江龟都府水质的单因子评价结果为Ⅲ类,模糊综合评价结果对Ⅰ、Ⅱ、Ⅲ类水质标准相应的隶属度分别为0.771 6,0.178 1,0.050 3,反映尽管断面水质在单因子评价中为Ⅲ类,但大部分监测指标能达到Ⅰ、Ⅱ类标准,模糊综合评价比单因子评价法更能全面地反映水质状况.

作 者：何锦峰 刘艳艳 舒兰 刘邵权 HE Jin-feng LIU Yan-yan SHU Lan LIU Shao-quan  作者单位：何锦峰,刘艳艳,HE Jin-feng,LIU Yan-yan(重庆交通大学,河海学院,重庆,400074)

舒兰,SHU Lan(重庆交通大学,人文学院,重庆,400074)

刘邵权,LIU Shao-quan(中科院、水利部成都山地灾害与环境研究所,成都,610041)

刊 名：重庆工商大学学报（自然科学版） 英文刊名：JOURNAL OF CHONGQING TECHNOLOGY AND BUSINESS(NATURAL SCIENCES EDITION) 年，卷(期)：2009 26(2) 分类号：X37 X322 关键词：水质   模糊综合评价   单因子评价   隶属度  

健康评价模型 篇6

“河流健康”的概念已提出20余年,由于各国学者从不同方面对其内涵进行了阐述和诠释,加之研究目的和研究背景的差异,对河流健康概念的理解至今仍未能达成共识[1]。河流健康可以理解为在河流生态系统良好状态下,河流能够维持其生态系统结构完整性,充分发挥其自然生态功能,并提供相应的社会服务功能[2,3,4]。河流健康状况的表征和评价技术不仅能够应用于对河流现状的客观描述和评估,而且可以有效评价受损河流生态修复的成效,对于河流的可持续管理、区域生态环境建设都具有非常重要的意义[5]。河流健康评价的方法众多,但从评价原理上主要可分为预测模型方法和多指标方法[6,7]。多指标方法由于是对河流各方面特征的综合评价,其结果更加全面、客观,是河流健康状况评价的一种发展方向[4]。多指标评价系统难于或不适宜建立常规数学模型,只能借助诸如人工智能、模糊识别、知识工程等方法建立模型,以处理多指标系统的综合评价问题[8]。目前,模拟智能方法已成为建立和评价这类复杂系统最为有效的途径之一,而人工神经网络则是这类智能算法中运用最为广泛的算法之一。本文参考相关文献[9,2],利用层次分析法构建符合区域中小河流健康评价指标体系和等级标准,基于网络结构较为相似的径向基神经网络(RBF)和广义回归神经网络(GRNN)原理,分别构建河流健康评价模型对区域中小河流健康进行综合评价,为区域河流的可持续管理和生态环境建设提供参考依据。

1 河流健康评价模型

1.1 RBF神经网络模型[10,11,12,13,14,15]

径向基神经网络(RBF,Radial Basis Function Neural Network)是以函数逼近理论为基础而构造的一种前向网络,它是由输入层、隐藏层和输出层组成的3层网络,如图1所示。输入层由信号源节点组成,第2层是隐藏层,该层的变换函数采用RBF,第3层为输出层,对输入模式作出响应。

RBF网络的基本思想是:用RBF作为隐单元的“基”构成隐藏空间,隐含层对输入量进行变换,将低维的模型输入数据变换到高维空间内,使得在低维空间的线性不可分问题在高维空间线性可分。RBF网络结构简单、训练简洁而且学习收敛速度快,能够逼近任意非线性函数,近年来的研究表明:无论在逼近能力、分类能力(模式识别)和学习速度等方面RBF均优于BP网络。RBF网络的输出为:

采用Gaussian函数作为径向基函数。

式中:x为输入样本;y为输出;CK为高斯函数的中心;‖xCK‖为欧式范数;σ为高斯函数方差;ωik为隐含层到输出层的连接权值;N为隐含层节点数。径向基函数网络算法步骤如下:

(1)从输入向量中选一组初始中心值CK;

(2)计算方差值:

式中:d为最大的距离;K为CK的数量。

(3)由输入x(n)计算^yi(n)

(4)更新网络参数

式中:

式中:yd(n)为网络期望输出;μN,μC,μσ为3个参数的学习步长。

(5)如网络收敛,则计算停止,否则转到步骤(4)。

1.2 GRNN神经网络模型[10,11,12,13,14,15]

广义回归神经网络(GRNN,Generalized Regression Neural Network)是一种高度并行径向基网络,它是由输入层、模式层、求和层和输出层组成的4层网络,对应网络输入X=[x1,x2,…,xn]T,其输出为Y=[y1,y2,…,yn]T,如图2所示。

GRNN在结构上与RBF网络较为相似,具有很强的非线性映射能力和柔性网络结构以及高度的容错性和鲁棒性,适用于解决非线性问题。GRNN在逼近能力和学习速度上较RBF网络有更强的优势,网络最后收敛于样本量积聚较多的优化回归面,并且在样本数据较少时,预测效果也较好。此外,网络还可以处理不稳定数据。GRNN网络算法步骤原理如下:

(1)输入层。输入神经元数目等于学习样本中输入向量维数,各神经元是简单的分布单元,直接将输入变量传递给模式层。

(2)模式层。模式层神经元数目等于学习样本数目n,各神经元对应不同样本,模式层神经元传递函数为:

式中:X为网络输入变量;Xi为第i个神经元对应的学习样本;σ为光滑因子。

(3)求和层。求和层中使用2类神经元进行求和。一类计算公式为:

对所有模式层神经元的输出进行算术求和,模式层与各神元的连接权值为1,传递函数为:

另一类计算公式为:

对所有模式层神经元的输出进行加仅求和,模式层中第i个神经元与求和层中第j个分子求和神元之间的连接权值为第i个输出样本Yi中的第j个元素,传递函数为:

输出层。输出层中的神经元数目等于学习样本中输出向量的维数n,各神经元将求和层的输出相除,神经元j的输出对应估计结果Y(X)的第j个元素,即

2 河流健康评价的指标体系构建

2.1 评价指标及标准

鉴于国内外河流健康评价指标体系及等级标准的多样性与复杂性[1,2,3,4,5,6,7],本文参考文献[9],结合丰水地区区域中小河流特征及评价指标数据获取的难易程度,利用层次分析法构建适用于丰水地区河流健康评价的指标体系和分级标准,将区域河流健康评价分为目标层A、准则层B和指标层C3个层次。目标层A主要用于综合评价河流健康状况;准则层B用于反映河流健康状况的内部协调性,分别由河流动力、生态功能和经济社会服务功能3部分构成,它将河流健康的各个方面有机地结合在一起;指标层C反映河流健康评价中各个准则层的具体指标,由反映河流动力等准则的15个评价指标组成,它是河流健康评价的基础。以下建立适用于丰水地区中小河流健康状况评价的标准和尺度,并将河流健康分5个等级,详见下表1、表2。

2.2 河流健康评价的实现

2.2.1 指标数据标准化处理

表1中的河流健康评价指标分为正向指标和负向指标,为了消除不同量纲对评价结果的影响,首先需对评价指标数据进行标准化处理。对河流健康评价等级起正作用的指标,如单位面积径流量、生境多样性指数等,其处理方法为:

对河流健康评价等级起负作用的指标,如河段弯曲度、水土流失面积比例等,其处理方法为:

式中:为经过标准化处理的数据;x为原始数据;xmax为数据序列中的最大数。

经过标准化处理后,数据处于[0~1]范围之内,有利于网络训练。

2.2.2 训练样本设计

依据表1,以各评价因子上下限(极小极大值)为限值,利用线性插值方法将标准化的各评价因子插值得到50个训练样本作为网络的输入,将0~1插值得到50个训练样本作为输出;将标准化的河流健康分级评价标准值作为“预测”样本进行“预测”,并将结果作为河流健康综合评价等级的划分标准,对区域中小河流健康状况进行评价分析。

2.2.3 网络训练

本文采用RBF与GRNN神经网络对河流健康状况进行评价,见图1和图2。以表1中各评价指标作为输入向量,即输入层神经元个数为15个;以0~1插值结果作为输出向量,即输出层的神经元数为1个。对于RBF和GRNN神经网络,由于人为调节的参数少,只有一个阈值,因此网络根据训练算法和训练样本集即可开始学习训练,当网络训练好以后,各个隐节点的数据中心相应的输出权值将不再改变,此时的神经网络可以进行河流健康评价。本文采用MATLAB软件编写RBF和GRNN神经网络算法程序对河流健康状况进行评价,程序采取循环训练算法,最终确定RBF和GRNN神经网络的SPREAD分别选取为1.2和0.2时,网络达到最佳评价效果。为验证RBF与GRNN网络的有效性,本文选用目前应用最为广泛的BP网络作为对比网络,经反复验证,模型结构为15-62-1,隐含层和输出层传递函数分别采用tansig和logsig,训练函数采用traingdx,阀值和权值的学习函数采用learngd,性能函数采用mse,设定期望误差为1×10-4,最大训练轮回为2 000次。经过试算,网络达到了较好的训练精度和评价要求。

3 实例应用

3.1 研究区域概况

文山州位于云南省东南部,属亚热带低纬度高原季风气候区,全州总面积31 456km2,辖文山、砚山、西畴、麻栗坡、马关、丘北、广南、富宁8县,现人口345万。境内河流分属珠江流域和红河流域,珠江流域为西江水系,面积17 145km2,占全州总面积的54.5%,主要有清水江、驮娘江、西洋江、普厅河、那马河等;红河流域为泸江水系,面积14 311km2,占全州总面积的45.5%,主要有盘龙河、八布河、南利河、斋河、那么果河等。境内降水量及水资源总量相对丰富:多年平均降水量1 178.5mm,水资源总量157.7亿m3[18]。近年来,由于流域内水土资源的开发利用,尤其是引流式水电站的无序开发,使得减水河段占河段总长的比重不断加大,水土流失加剧,对河流生态环境造成不良影响。因而,河流现状的客观描述和评估,对于河流的可持续管理、区域生态环境建设都具有重要的意义。

3.2 评价结果及分析

依据表1、表2河流健康评价指标体系及分级标准,利用上述训练好的RBF和GRNN神经网络模型分别对河流健康分级评价标准值和区域中小河流健康状况进行评价,结果见下表3和表4。

分析表3、表4可以得出以下结论:

(1)文山州各评价河流健康状况评价等级为Ⅱ~Ⅲ级,即处于健康与不健康之间,基本反映了区域中小河流现状特征,符合区域河流自然状态与开发利用现状,表明研究建立的RBF与GRNN神经网络河流健康评价模型和评价方法均是合理可行的,评价结果可以作为区域河流综合治理与健康评判的依据。

注:区域河流数据主要来源于《文山州水资源综合规划》、《文山州水资源开发利用》等。

(2)从表4可以看出,处于亚健康的河流除河段弯曲度、比降、森林覆盖率等自然因素外,主要受河流水能资源开发利用、水土流失以及水体污染的影响,使得河流处于亚健康状态。

(3)从评价方法上看,RBF与GRNN神经网络评价模型对河流健康评价结果完全一致,与BP神经网络评价结果基本相同,说明RBF与GRNN神经网络评价模型均可作为河流健康状况评价的选用模型。

(4)BP神经网络隐含层神经元个数需要人为确定,是一个较为复杂的问题,确定个数的合理与否,直接影响到预测的精度。与BP相比,RBF神经网络不但学习速率快,而且克服了BP网络易陷入局部极值的缺点;调整的参数较少,只有一个SPREAD(径向基函数的分布密度)参数。由于SPREAD的大小不但影响网络的逼近精度,而且还影响着网络的预测精度,本文在网络设计过程中,采用循环算法确定SPREAD最优值为1.2[15,20]。

(5)与BP神经网络相比,GRNN神经网络有收敛速度快、预测精度高、不易陷入局部极小值等优点;而且GRNN需要调整的参数较少,只有一个SPREAD参数,可以更快地预测网络,具有较大的计算优势。尤其是GRNN神经网络在样本量少而且噪声较多时预测效果也较好,这是诸如BP网络无法比拟的[20]。

(6)GRNN网络在逼近能力和学习速度上较RBF网络有更强的优势,网络最后收敛于样本积聚较多的优化回归面,并且在样本数据较少以及存在不稳定数据时,预测效果也较好。

4 结语

(1)本文分别构建基于RBF和GRNN神经网络的河流健康评价模型对区域中小河流健康状况进行评价,评价结果完全一致,表明研究建立的网络模型应用于河流健康评价是合理可行的,评价结果令人满意。

(2)参考相关文献[9]建立了区域中小河流健康评价指标体系及分级标准,采用线性内插法构建训练样本,将分级标准值作为“预测”样本进行“预测”,并将结果作为河流健康等级评价的划分依据,最大限度地克服了主观臆断成分,使评价具有客观性和通用性。但评价结果往往受评价指标标准值和评价指标上下限极值范围的影响较大,这也是如何客观综合评价此类“系统”的难点和关键所在。

健康评价模型 篇7

健康教育是改善健康素养水平的有效手段,学校健康教育可以有效地减少学生健康危险行为的发生,有研究提示,预先对健康教育内容进行评价是提高学校健康教育效力的理想方法[13,14]。健康教育通常以说服为主,说服模型涵盖了影响说服效果的所有因素[15,16],精确概率劝导模型(Elaboration Likelihood Model of Persuasion)是目前较有影响力的说服模型。

本研究以该模型为理论基础,对提升大学生健康素养的健康教育信息进行实施前评价。通过对信息源特性和信息渠道进行控制,从大学生角度选取健康教育内容,以提高健康教育效力,也可为相关部门制定健康教育政策提供理论依据和参考。

1 对象与方法

1.1 对象

采取分阶段目的抽样和方便抽样结合的方法,按照行政区域和经济发展水平划分[17],在全国七大城市(北京市、昆明市、广州市、武汉市、南京市、哈尔滨市和西安市),各选取4所不同类型非医学高校(地方重点大学/部属院校、地方院校、师范院校和职业技术学院各1所)的大学生共1 357名。其中男生725名,女生632名;大学一年级学生413名,大学二年级学生602名,大学三年级学生325名,其他年级学生(包括大四年级和研究生一年级)17名;重点院校/部署院校学生360名,地方院校学生361名,师范院校学生303名,职业技术院校学生333名。调查对象的年龄范围17～27岁,平均(20.17±1.23)岁。

1.2 方法

采用自编问卷,以卫生部《健康66条-中国公民健康素养读本》[18]为基础,综合回顾国内外相关研究[6,19,20,21,22],结合高校大学生健康现状和社会特点等编制,并经专家审核和现场预试。共55条信息内容,包括健康生活方式(15条)、疾病预防(15条)、安全应急与避险(13条)、心理健康(6条)和生殖健康(6条)5个维度,包含基本知识理念、生活方式、基本技能3个方面内容。根据精确概率劝导模型从信息特性和接受者特征2方面来设定核心信息评价,涉及信息的重要性、适用性、易忽略性以及大学生对信息内容的需要性、可接受性及理解性6个方面。采用3级评分法对每条信息进行评分并赋值(1～3分)。因6个评价方面对每条信息的贡献率不同,为增加信息间评价的可比性,采用主观赋权法(专家赋值法)和客观赋权法(主成分分析法)相结合的方法[23]对6个评价方面分别赋权重;同时对信息评价原始值加权后量化并按照百分制计分,以便更直观的展现信息间评价的比较。分值越高,表明对信息内容的认同度越高;反之,则表明对信息内容的认同度低。

1.3 统计分析

使用EpiData 3.0软件进行数据的平行双录入,采用SPSS 13.0软件包进行统计分析。

2 结果

2.1 信息评价得分排序情况

对信息按照信息评价得分进行排序,55条核心信息评价得分最高72.24分,最低62.79分,平均(68.29±2.32)分。由表1知,前10位信息内容中,大学生对健康生活方式、安全应急与避险、疾病预防和心理健康维度的部分信息认同度较高,涉及基本技能和生活方式2个方面内容。而大学生对基本知识理念的某些信息认同度较低。

注:健康生活方式信息维度包括1,2,3,5,12,13,14,15,16,17,18,19,22,23,24;安全应急与避险信息维度包括条目6,11,20,25,34,35,36,37,38,39,41,43,44;疾病预防信息维度包括条目7,8,9,10,21,26,27,28,29,30,31,32,40,42,45;生殖健康信息维度包括条目33,51,52,53,54,55;心理健康信息维度包括条目4,46,47,48,49,50。

2.2 核心信息综合评价

图1所示,核心信息得分分布符合正态分布,用离差法筛选[23,24,25]出信息条目得分低于undefined的信息条目,评为大学生认同度不高的信息。共筛选出9个核心信息条目,所分属的维度为健康生活方式、疾病预防和安全应急与避险。

2.3 不同人口统计学特征大学生健康素养核心信息得分比较

从表2可知,在信息的评价得分上,性别、评价对健康知识和对健康相关技能的了解程度3个方面差异有统计学意义。表现为女生对健康素养信息内容的认同度高于男生,对健康知识的了解程度越高和对健康相关生活技能的了解程度越高的学生对健康素养核心信息内容的认同度越高。

对大学生的一般特征等因素进行多元线性回归分析,结果发现,性别和个体对健康相关技能的了解程度进入了多元线性模型。见表3。

3 讨论

结果显示,大学生对能够促进身体健康、心理健康和提升健康相关生活技能的部分信息认同度较高,而对疾病预防、健康生活方式等维度的某些信息认同度较低。这与大学生的自身健康状况及对健康的认识有关,由于其低发病率和低死亡率而未引起大学生对疾病预防的重视[26]。2005年中国青少年健康相关危险行为调查综合报告指出,中国大学生由于焦虑、学习压力大而产生心理问题的发生率高达15%[27]。受社会环境影响,大学生中存在着多种不良健康行为,如缺乏体育锻炼、饮食结构不合理等,严重影响其身心健康[12,28]。在西欧、美国、日本等发达国家,约有75%的青少年死亡与健康危险行为有关[29]。提示在未来的健康教育实施中,应考虑增加大学生关于健康生活方式及疾病预防方面的信息。

多因素分析发现,性别及个体对健康相关生活技能的了解是大学生健康素养核心信息评价的主要影响因素,女生对核心信息内容的认同度高于男生。余小鸣等[12]对全国七省市高校大学生健康素养调查结果显示,大学生的基本知识理念及格率较高(89.3%),而在基本技能方面比较欠缺(及格率仅为55.0%)。也证实了大学生对基本技能和生活方式的某些信息认同度较高,对基本知识理念某些信息认同度较低,提示高校健康教育应考虑信息受众人群的特征。在健康教育的内容设置上考虑大学生的实际需求,健康教育不仅提供知识理念,还要考虑加强对实践技能操作的培训,而技能的掌握更有助于大学生对自身健康的管理与维护。

国外健康教育的研究结果发现,很多干预项目没有得到持续的行为改变,因为研究者和信息接受者的角度可能存在差异[30,31]。而精确概率劝导模型理论则强调从信息接受者的角度考虑健康教育信息的设置和评价,能预测健康教育信息对学生在说服或态度改变方面的效果,并可选择被学生认同或认同度较高的信息,从而提高健康教育项目的效果。

余小鸣等[12,13]采用劝导模型对中学生健康教育信息进行评价发现,在健康教育项目实施前对相关的教育信息进行预先评价,可提前发现对健康教育效果影响较大的因素,筛选出更加有效的信息,进而提高健康教育的效力。美国健康促进政策的一项研究也提示,信息可读性和信息接受者特点两大因素可独立地影响公众的健康素养水平[14]。精确概率劝导模型在对健康教育信息评价上具有一定的优势,本研究发现,多种因素影响大学生对提高健康素养核心信息的评价,因此在开展大学生健康教育时,应针对大学生性别特点和实际需求,选择更易被大学生所认同的信息内容,从而更为有效地提高大学生的整体健康素养水平。

摘要：目的 以精确概率劝导模型对大学生健康素养核心信息进行健康教育实施前评价,为提高大学生健康教育效力提供依据。方法 采用分阶段目的抽样和方便抽样相结合的方法,在北京、昆明、广州、武汉、南京、哈尔滨和西安7个城市各选取4所不同类型非医学高校的1 357名大学生进行调查。使用自编信息评价表,对大学生健康素养核心信息进行评价。结果 大学生不同信息得分存在差异。55条核心信息评价得分最高72.24分,最低62.79分。大学生对健康素养核心信息评价的影响因素为性别、个体对健康知识和对健康相关技能的认知。结论 在大学生健康教育中,应考虑大学生性别的影响,并根据大学生对信息的认同度来设置健康教育信息内容。

健康评价模型 篇8

1 对象与方法

1.1 对象

某金融机具工程项目主要产品包括防伪点验钞机系列、复点机系列、中小型纸币清分机系列、纸币鉴定工作站、静态鉴别仪系列、票据鉴别仪6种, 年产量共15万台 (套) 。主要采取白班制。本次选择电子车间插件、电子车间焊接、组装车间装配、组装车间检验、机加车间车工、铣工、磨工7个关键岗位为研究对象。

1.2 方法

ICMM职业健康风险评估模型有矩阵法及定量法2种评估方法[1]。

1.2.1 矩阵法技术原理

通过绘制每一种可识别的健康危害在可能的暴露水平下的潜在健康后果和危害发生或存在的可能性可以确定风险等级。风险等级可以用于评估现有控制措施的适当性。见表1。

1.2.2 定量法技术原理

式中:RR—风险等级 (赋值见表2) ;C—后果 (赋值见表3) ;Pr E—暴露概率 (根据超过职业接触限值的可能性赋值, 低:3, 中:6, 高:10) ;Pe E—暴露频率 (赋值, 每年1次:0.5;一年几次:1;每月几次:2;每个班次连续暴露2~4 h:6;每个班次连续暴露8 h:10) ;U—不确定性 (危害风险和暴露评估的不确定性赋值, 确定:1;不确定:2;非常不确定:3) 。

注:OEL—接触限值。低—OEL的0~50%;中—OEL的50~100%;高—高于OEL。

2 结果

2.1 职业卫生学调查

电烙铁焊接线路板过程中可产生二氧化锡, 波峰焊机、回流焊机焊接线路板过程中可产生二氧化锡、铅烟。电动螺丝刀固定螺丝过程中可产生手传振动。检验岗位补焊线路板过程中可接触到二氧化锡。车床、铣床、磨床等设备运转过程中可产生噪声, 且均为中高频噪声, 容易对听力造成损伤。为降低空气中毒物浓度, 焊接岗位设置可移动式吸烟仪, 回流焊和波峰焊顶盖首、尾部安装有与其紧密连接的集气罩, 气体经集气罩收集、净化装置净化后, 排入大气。为降低噪声, 设备选型时优先选用低噪声设备, 并采用隔振、减振等方法降低声源的传播, 同时在条件允许情况下采用密封门窗等。该项目关键岗位存在的职业病危害因素情况及防护措施, 见表4。

2.2 职业健康风险评估

根据职业卫生学调查、工程分析和流行病学资料, 分别采用矩阵法和定量法综合分析各车间关键岗位主要职业病危害因素的职业健康风险水平, 见表5。该模型矩阵法和定量法得出结果一致的岗位有2个, 不一致的岗位有5个。矩阵法将机加车间车工、铣工、磨工接触噪声所致噪声聋和组装车间装配接触手传振动所致手臂振动病定为中风险, 与现场检测结果、相关研究一致。定量法将电子车间焊接岗位二氧化锡和铅烟的健康风险定为潜在风险, 与现场检测结果和相关研究一致。其他岗位职业健康风险两种评估方法基本一致。

注:除组装车间装配岗的个体防护有棉线手套外, 其他岗位均无个体防护措施。

注:OEL—接触限值;C—后果;Pr E—暴露概率;Pe E—暴露频率;U—不确定性;RR—风险等级。

3 讨论

职业健康风险评估克服了类比评价中缺乏类比资料或类比资料不全面, 工艺及工作环境可比性不强的弱点, 结论比类比评价结论可操作性强, 有助于职业病危害风险的持续改进。风险低而控制措施严是对企业管理、防护资源的浪费, 增加了建设单位的生产成本;风险高而控制措施宽松, 将无法有效地控制作业场所的健康风险, 增加了劳动者患职业病的可能性。健康风险评估的目的在于优化需优先处理的职业病危害因素, 并选择与其风险相适应的控制措施以有效地控制职业病危害因素的影响。能否有效地落实职业病危害控制措施是降低职业健康风险的关键。

吸入高浓度铅烟可引起铅中毒。研究表明, 未安装吸烟仪等防护设施的焊锡车间铅烟超标较严重, 焊锡过程中有铅中毒事故发生[2,3]。本次调查电子车间插件、焊接岗位和组装车间检验岗位的二氧化锡浓度和铅烟浓度均低于最低检出限, 与文献[4]报道的一致。究其原因为采取了有效局部排烟设施。该模型定量法将电子车间焊接岗位铅烟的健康风险定为潜在风险, 将电子车间插件和组装车间检验岗位二氧化锡定为可容许风险, 与现场检测结果、相关研究一致。企业在日常检查中应抽样检测, 并对局部排烟设施进行定期维护与检测, 确保其处于正常运行状态。

手传振动广泛存在于各行业中, 对接触手传振动工人健康造成不同程度的危害。工人接振强度大, 缺乏有效防护, 接振工人的健康危害风险较大[5]。近年, 手臂振动病在部分地区呈现高发趋势[6]。本次调查机加车间车工、铣工、磨工接触的噪声和组装车间装配接触的手传振动虽然未超标, 但噪声均超过80 d B (A) , 手传振动超过OEL的50%, 此水平的暴露有可能突破职业接触限值, 对易感人群可能产生健康损害。该模型矩阵法将上述岗位定为中风险, 与现场检测结果和相关研究一致。定量法将其定为不可接受风险, 其原因为定量法的健康后果等级间距大, 其赋值只要不选择1, 判定结果为高风险的可能性就很大。因此定量法较矩阵法易出现风险高估现象[7]。

本次调查中机加车间车工、铣工、磨工接触的噪声和组装车间装配接触的手传振动为需优先处理的职业病危害因素。对在工作场所中采样应进行质量控制, 并对控制措施实施检查;对接触水平超过0.5OEL的劳动者, 安排医学监护。接振工人佩戴棉线手套对其起不到保护作用[5]。为降低工人接触噪声和手传振动的强度, 企业应为工人配备防噪耳塞、专业防振手套等个体防护, 并定期检查防护用品的佩戴使用情况。

综上, ICMM风险评估模型可用于职业健康风险评估, 矩阵法和定量法各有优缺点, 还需更多现场研究验证, 进一步的探索和改进, 使其成为更符合我国现状的风险评估模型。

摘要：目的 探讨国际采矿与金属委员会 (ICMM) 职业健康风险评估模型在某金融机具工程项目职业健康风险评估中的适用性, 为我国制定相关标准或规范以及职业卫生评价提供科学依据。方法 运用该模型的矩阵法和定量法分别对某金融机具工程项目关键岗位的职业病危害进行职业健康风险评估, 并对2种方法结果的一致性进行比较, 同时运用现场检测结果和相关研究进行结果验证。结果 该模型矩阵法和定量法得出结果一致的岗位有2个, 不一致的岗位有5个。矩阵法将机加车间车工、铣工、磨工接触噪声所致噪声聋和组装车间装配接触手传振动所致手臂振动病定为中风险, 与现场检测结果和相关研究一致。定量法将电子车间焊接岗位的二氧化锡和铅烟的健康风险定为潜在风险, 与现场检测结果和相关研究一致。其他岗位职业健康风险2种评估方法基本一致。结论 ICMM职业健康风险评估模型可用于某金融机具工程项目职业健康风险评估, 矩阵法和定量法各有优缺点。

关键词：ICMM职业健康风险评估,职业病危害

参考文献

[1]International Council on Mining and Metals.Good Practice Guidance on Occupational Health Risk Assessment[M].London.UK:Pennington Fine Colour, 2009:44-49.

[2]和芳.焊锡引起的3例亚急性铅中毒的调查分析[J].中国实用医药, 2012, 7 (3) :201.

[3]杨惠平.焊锡引起4例亚急性铅中毒的调查分析[J].职业与健康, 2001, 17 (7) :28.

[4]姜雪松.某手机配件生产企业职业病危害控制效果评价[J].中国工业医学杂志, 2013, 26 (3) :228-229.

[5]陈青松, 肖斌, 陈嘉斌, 等.6种接触振动岗位作业工人手传振动危害现况调查[J].中国职业医学, 2012, 39 (4) :298-299, 302.

[6]李天舒.新产业催生新危害——广东省职业病疾病谱变化大[N].健康报, 2010-12-30 (2) .

基于模糊评价的营销力评价模型 篇9

自20世纪90年代营销力的概念被提出以来，以促进和改善企业营销力为目的的企业评价活动日益引起企业及学术界的高度重视。然而,目前对企业营销力评价的研究，大多停留在定性分析，在对客体进行评价时往往根据个人主观经验和直觉进行哲学的思辩，而后提出一些看法，因此无法避免的带有主观性信息(如偏好、要求、满意、评价、习惯等)，难以将复杂流动的营销力简单数量化和标准化，无法从微观层面进行细致准确的评价。威廉·汤姆森先生曾经说过:“不能量化,就不能很好的认识。”而运用定量的分析方法，可以了解企业自身的优势和劣势，为企业的发展提供客观依据，同时为企业自身营销力进行战略性管理提供数据支持，对培育和提升企业营销力具有重要意义。

2 营销力评价指标体系

2.1 营销力的概念及内涵

对于营销力评价模型的探讨首先必须严格界定营销力的概念，根据营销力内涵和营销力构成的要素的分析，再建立可识别的评价指标体系。本文从资源与竞争这两个理论基点出发，认为营销力是企业有效整合内外资源，在市场营销层面上加以优化配置和高效运用，并在动态环境中不断强化和提升，进而转化为企业竞争力，并最终依靠这种竞争力获得市场竞争优势、支撑企业可持续发展的合力。

2.2 营销力评价指标体系的构建

构建科学合理的指标体系是选择有效营销力评价模型的另一个重要条件。目前，由于对营销力界定不同，因而不同学者提出了不同的指标体系，至今仍未形成统一的认识。本文根据对营销力界定，认为企业营销力由文化力、渠道力、品牌力、产品力、协同力、销售力、价格力和执行力这八大基本力构成，即企业营销力的测评也须以八大基本力作为评价指标。由于所处的环境不同、行业不同、企业发展阶段不同，企业八大基本力的指标权重在进行测评时各有不同。

3 营销力的评价模型

对企业营销力测评的各项具体指标中，一部分可以定量计算，一部分难以定量且具有“模糊性”。一是企业营销力的分类具有模糊性，类属标准不明确;二是企业营销力的影响因素具有模糊性，因为企业营销力受多种因素影响，有些因素不能简单地用一个数值来评价，难以用一般数学方法来处理。考虑到以上原因，运用模糊理论和采用模糊数学方法对企业营销力进行测评。

模糊理论(Fuzzy Theor y)是由美国自动专家、加里福尼亚大学教授查德(L.A.Zadeh)于1965年创建的，它是用数学方法研究和处理具有“模糊性”现象的数学，对无法用通常的简单数字来表达的客体用模糊数学来处理，模糊数学法是对模糊性问题进行定量处理的一种方法。模糊理论的原理即，首先考虑到影响营销力的量是模糊的，也就是在确定了营销力指标体系之后，由评估专家对各因素指标进行模糊选择，然后统计出专家群体对评估因素指标体系的选择结果，再按照所建立的数学模型进行计算。

3.1 营销力构成各要素的权重分析

比较法的基本思想是：每两个指标进行比较，根据其相对重要程度给出估计分值，得出判断矩阵，求出指标的权系数。运用对比评分法进行评分，即把某个评价指标同其它评价指标逐个进行对比，按对比分值进行评分，然后计算该指标同其他指标两两比较时的评分之和，取得该评价指标的评分。为了充分反映指标重要性的差别，环境不同，营销亚力的重要性程度也不同。实际操作中，可以选定某一个参照性企业作为基础，假定为5，运用9∶1、8∶2、7∶3、6∶4和5∶5等多种比例，拉开评分差距，突出各亚力的重要性，使评分结果更加客观。在该评分方法中，重要性相等记为5∶5,一方比另一方略微重要就记为6∶4，依次上推，差距很大就记为10∶0。

决策者经过次n(n-1)/2比较，得到判断矩阵：

在A中，显然有ai i=5,i=1,2,…,n。

其中wi,wj分别为第i,j个指标的权重。设

若满足则称ai j(i=1,2,…,n)是一次性估计值。

实际上，决策者对指标进行比较时，其重要程度很难精确把握，当ai j不满足一致估计值，故A≈B，亦即

专家评分法的机理是:某个效益型指标值增加,方案值增加,指标越重要,所对应的分值越大;某个成本型指标值增加,方案值减少,所对应的分值越小。因此权系数的计算公式为:

表一以营销亚力权重的评价为例进行说明,而对于营销亚力的分力权重的评价可以采用同样的方法。见表一(其中，营销力包括文化力C1、渠道力P2、品牌力B3、产品力P4、协同力H5、销售力S6、价格力P7、执行力E8)。

假定某企业的营销亚力重要性如下表所示，可以求得相应的指标权重(如表一)。

设营销力(Mar ket i ng For ce)中各个营销亚力的权重可以表示为：

其中,C1,P2,B3,P4,H5,S6,P7,E8分别为文化力、渠道力、品牌力、产品力、协调力、促销力、价格力和执行力在营销力MF中所占权重:

且再设营销亚力中各个要素(影响营销亚力的因素)的权重分别为：

xi=(xi 1,xi 2,…,xi J),其中J表示各营销亚力中三级指标的个数。

表示各营销亚力三级指标在各营销亚力中所占的比重。

如假定企业文化力的四要素为：导向力、组织力、凝聚力和领导力，则(c11,c12,c13,c14)分别为在文化力中所占的比重，企业文化力的各要素的权重分别c1=(c11,c12,c13,c14)。

3.2 评分

在确定构成企业营销力的各要素权重的同时，专家还对企业的营销力进行评分，对营销各个亚力进行具体的量化。对于定性指标，可以根据指标的不同特点分别采用德尔菲法和问卷调查法给它们打分。对于涉及特殊指标诸如文化力的情况、企业的协调能力等指标宜采用德尔菲法，请专家和专业人士进行评分。而对于其他诸产品力等指标则可采用问卷调查法。将营销亚力进行评分，可以假定各个营销亚力满分均为100分，首先确定本行业最好水平的营销亚力数值，然后以此为参照确定本企业营销亚力水平。

3.3 企业营销力的评价

对于企业营销力的评价采用加权平均的方法，由表一可知不同营销亚力在企业营销力中所占的权重，由专家打分法可知不同营销亚力各自的分值，因而用加权平均的方法可确定企业营销力的分值。

设Xi为第i个营销亚力(二级指标)的权重，为该营销亚力对应的评价分值，则企业营销力的分值为：

而企业营销亚力的评价可以采用同样的方法，分析各个要素权重并确定各自的分值，然后求得，如对文化力的评价：

依此类推……

企业渠道力的评价：

本文认为企业营销力是文化力C1、渠道力P2、品牌力B3、产品力P4、协同力H5、销售力S6、价格力P7和执行力E8八个变量的函数，即营销力显然，无论忽略那一个变量，营销力分析都不可能反映企业的真实情况。

这种基于模糊评价的营销力的评价模型，从定性的模糊选择入手，通过模糊变换原理进行运算取得结果，再将定量的数据和定性评价相结合进行综合评价，比一般的线性加权评价方法更为合理，能使企业管理者客观、正确地认识和评价自己的市场竞争力，了解和掌握企业的优劣势，为企业进一步提高自己的经营管理水平提供科学有效的理论依据，对企业合理运用自身资源，提升整体竞争优势具有重要意义。

摘要：在全球竞争和世界经济一体化的浪潮下,任何企业单是依靠外在的或显性化的职能战略,只能获得暂时的优势。营销力作为整合企业内部资源和提升竞争能力的合力,已成为现代企业获取竞争优势的重要因素。本文通过对营销力概念的界定,提出了营销力测评指标体系,并运用模糊评价原理,探讨了基于该指标体系的营销力评价方法,进而在此基础上提出了营销力评价模型。

关键词：模糊评价,营销力,指标,模型

参考文献

[1]Philip Kolter.How to Create,Win and Dominate Markets[M].Simon & Schuster Adult Publishing Group,1999,(3).

[2]Philip Kolter.Mar keting Management.(11thed.)[M].Prentice Hall Inc.,2002.

[3]Brandenburger,A.M.,Nalebuff,B.J.,Co一oPeration,Doubl eday[J].New York,1996.

[4]Herman,M.,Intelli gence Power in Peace and war,Canl bridge[J].Cambr idge University Press,1996.

健康评价模型 篇10

1. 现有项目投资评价模型概述。企业现在广泛使用的项目投资评价模型主要是项目收益现值法, 该模型的计算公式为:

NCFt代表的现金流量, 是指投资项目所带来的增量现金流量。i代表项目的必要报酬率, 即给予投资者的最低资本回报率。n是指项目的持续经营年限。

2. NPV投资评价模型缺陷分析

(1) 模型在NCF计算上的缺陷分析。NCF作为持续经营过程中每年产生的现金净流量, 计算公式如下:

NCF=税后净利润+折旧

税后利润=息税前利润-所得税-债权资本成本

该公式只考虑了债权资本成本而没有考虑权益资本的成本。如果企业创造的净利润小于等于股东把资本投入到金融市场上获得的收益, 表明企业并没有为股东创造财富, 甚至是在毁灭股东的财富, 这样就不能解释“投资者为什么把钱投入其他企业, 而不是自己运营”的原因。为了进一步说明这个原理, 我们对华北制药股份有限公司2 0 0 7年度的财务数据计算分析如下:

①息税前利润 4.22亿元

②所得税 0.7亿元

③税后利润[ (1) - (2) ] 3.52亿元

④投入资本 66.7亿元

⑤综合资本成本率 8.44%

⑥资本成本[ (4) × (5) ] 5.63亿元

⑦企业实际创造的财富 -2.11亿元

计算结果表明, 尽管该公司2 0 0 7年度账面上反映出了3.5 2亿元的利润, 然而, 实际上并没有为股东创造出新的财富。

(2) 模型在折现率选择上存在的不足。在传统的项目投资评价模型中, 折现率的选择方法有两种:一种是以企业的加权资金成本来确定, 另一种是根据企业要求的最低资金利润率来确定。前一种办法, 计算资本成本比较困难, 可操作性差;后一种办法则受人为因素影响较大, 带有很大的主观性。

二、修正的企业项目投资评价模型

1. EVA思想的阐述。

EVA (Economic Value-added) 经济附加值的最初目的在于使公司管理者以股东价值最大化作为其行为准则。用公式表示为:EVA=EBIT-ATKW;上述公式中, EBIT是指息税前利润;AT代表绩效考核期企业占用的资产数额, 包括债权资本和股权资本, K W代表绩效考核企业的综合资本成本率。经济附加值将企业股权成本作为一种成本扣除, 将会计账面价值转化为经济账面价值。它与传统净利润的不同可以用以下公式表述:

税后净利润=息税前利润-债权资本成本率-所得税

经济附加值=税后净利润-股权资本成本率

2. 引入EVA的RNPV投资评价模型概述。

引入EVA的项目投资评价模型用公式表达如下:

其中:

RNPV——修正的净现值;

RNCF——修正的净现金流量, 用公式表达为:

RNCF=税后净利+折旧—项目的股权资本成本=税后净利-债权资本成本-股权资本成本+折旧=EVA+折旧

项目的股权资本成本=项目投资中的股权资本×股权资本率

I——折现率, 即项目的必要报酬率。本项目投资评价模型用企业的加权资本成本率作为折现率。

三、模型运用实证研究

1. 对本模型进行实证研究的意义。

本文认为, 运用修正的投资评价模型对项目进行投资价值评价, 可以增强企业经营财务能力, 使企业保持良好的成长性, 防止企业出现由于投资项目过多过滥而导致财务状况及盈利能力恶化的情况。为了分析企业财务状况下滑的原因, 本文采用引入E V A的项目投资评价模型以华北制药股份公司为例, 对企业的投资情况进行分析。

2. 华北制药案例说明。

华北制药1998年~2007年的项目投资数据如下:筹资29960000元, 用于105车间的GMP改造项目;筹资34490000元, 收购华北制药集团环A车间;筹资5376000元, 收购华北制药集团制剂有限公司80%的股权;筹资120000000元, 用于国家1998年批准的第一批技术创新项目中的4个项目;筹资49900000元, 用于维生素B12生产线技术改造;筹资2500万美元, 用于头孢菌素的生产。1998年~2007年每年的固定资产、无形资产, 以及其他长期资产投资现金流量如图1所示:

进一步分析得出:企业资产负债率呈现出逐步上升的趋势 (见图2) , 同时, 资产利润率和股东权益利润率也呈现下滑趋势 (见图3) 。由此可见, 该企业虽然有大量的项目投资上马, 但是这些投资项目并没有使得企业的盈利能力增强。从1998年到2007年十年之间的平均股东权益利润率为2.7%, 远远低于同期央行公布的5年期5.15%的存款利率。

四、模型修正的意义总结

项目投资决策中的E V A思想, 是一种项目价值创造的净增值理论。该理论认为, 一项决策的价值取决于它与替代方案相比所增加的净收益, 因此对于股东来说, 如果企业的投资收益总是不能达到其投资期望, 他们就会放弃对企业的继续投资, 而转向投其它的项目或企业, 这样企业将不得不依靠债权投资以及自身的盈余积累来维持发展。而对于收益较低的企业, 债权融资将提高企业财务风险, 加大企业破产的边际成本, 危害企业的可持续发展能力。因此无论是为了吸引股东的投资, 还是平衡企业的风险, 都将要求企业提高自身的经营能力, 选择可以为企业创造剩余财富的项目进行投资, 而一味追求利润规模和资产规模, 盲目投资, 只能是导致企业价值链的破坏。

RNPV投资评价模型对现金净流量的修正体现了净收益观念, 在进行投资决策分析时投入资金的机会收益已经在每年的净现金流量中得到体现。此模型在财务上保证了项目在运行周期内的剩余价值创造, 使企业创造财富的能力得到了保障。

摘要：目前企业普遍使用的项目投资评价模型为收益现值 (NPV) 模型, 本文认为, 此模型涉及到的主要经济技术参数——年现金净流量在传统的计算方式中忽略了权益资本成本, 据此计算评价得出的可行性项目, 潜伏着较大的投资风险。为此, 本文在企业投资项目评价模型中引入EVA全要素补偿思想, 对该模型进行了修正, 并以华北制药股份有限公司为例进行了实证研究。

关键词：项目投资评价模型,收益现值法,EVA全要素补偿

参考文献

[1]新浪财经网:http://finance.sina.com.cn/realstock/company/sh600812/nc.shtml

[2]胡玉明:高级管理会计[M].厦门大学出版社, 2005年第二版

[3]尹凌青:战略绩效考核——可持续发展企业素质及经济增加值考核[M].中国经济出版社, 2006年第一版

[4]步淑段主编:财务管理理论模型[M].中国财政经济出版社, 2006年第一版

[5]中国注册会计师协会.财务成本管理[M].经济科学出版社, 2008年版

[6]AI.埃巴.经济附加值——如何为股东创造财富[M].中信出版社, 2001年

[7] (美) Madhavan.Ananth.项目投资决策理论[J].Journal of Investing, 2004.01:32-37