AHP模糊综合评价

AHP模糊综合评价（共12篇）

AHP模糊综合评价 篇1

摘要：加强大学生的综合素质教育是时代的需要, 也是我国高等教育改革的需要.设计和制定科学的、可行的综合素质测评系统, 具有重要意义。对大学生综合素质进行研究, 结合普通高校大学生特点, 应用AHP和模糊综合评价方法构建起普通高校大学生综合素质评价的数学模型, 借助MATLAB软件, 给出计算过程, 期望对大学生素质综合评价问题以及确定合理的人才培养模式提供借鉴。

关键词：模糊综合评价,层次分析法 (AHP) ,大学生综合素质评价,MATLAB

随着社会经济、技术的发展, 对人才的需求也变得和以往不同, 之前单位过多看的是学生的成绩, 而现在则更看重的是学生的综合素质。特别是普通高校学生, 从事科研和专门技术的人较少, 大多数同学从事管理, 后勤, 人力等工作, 学生的综合素质就越发显得重要, 因此对于大学生综合素质的正确, 客观评价就显得尤为重要。模糊综合评价方法是一模糊数学为基础, 应用模糊关系合成的原理, 将一些边界不清, 不易定量的因素定量化, 从多个因素对被评价实物隶属等级状况进行综合性评价的一种方法, 是一种比较容易理解且易于实现的评价方法。

本文根据普通高校大学生人才培养模式特点和以后就业等特点, 应用层次分析法和模糊综合评价方法构建起普通高校大学生综合素质评价的数学模型, 借助MATLAB软件, 给出计算过程, 期望对大学生素质综合评价问题以及确定合理的人才培养模式提供借鉴。

1 大学生综合素质评价的原则

大学生综合素质评价是对学生各个方面的表现做一个总体的评价, 准确地进行评价的关键是制定科学、合理的评价指标体系。而这个评价体系必须起到导向、检查、控制和监督的作用, 又要简明扼要, 便于操作。采用定性和定量相结合的方法来选择指标体系中的各个指标。在利用定性分析的方法预选指标过程中, 应遵循以下几项基本原则:1) 全面性原则:预选的各个指标能够比较全面、科学、准确地反映、覆盖大学生综合素质的内涵和特征。2) 层次性原则:指标体系层次分明, 包括构成大学生综合素质各个要素的子系统指标和各个子系统分解后的指标要素。下层的评价指标对上层应能起到分析和解释作用。3) 独立性原则:指标体系中的各个评价指标彼此之间相对独立, 不存在包含、大部分交叉以及大同小异的现象, 尽量避免信息的重复, 有利于发挥指标的评价作用, 它是制定指标体系的基本要求。4) 可行性原则:所选择的指标建立在准确、科学的基础上, 又要在实际评价中具有可操作性和有效性。

2 确定评价因素集和评价等级集

评价因素集分为两个层次, 第一个层次, 记U1=[政治表现, 法纪观念及诚信, 道德修养及公益活动], U2=[公共课成绩, 专业主干课成绩, 专业选修课成绩], U3=[专业实践和技能, 身体健康和心理健康, 社会工作], U4=[组织领导, 团结合作, 沟通交流], U5=[考证, 竞赛获奖], 第二个层次, 记U=[思想道德, 学习成绩, 技能和素质, 能力, 加分]。

将评价等级分为很好, 较好, 一般, 较差, 差五个等级, 即所建立的评价等级集

3 进行单因素评价和建立评价矩阵

对于二级指标“政治表现”关于评价等级集的隶属向量为[0.4, 0.4, 0.1, 0.1, 0], 意味着该生政治表现这项指标被评为很好的测度为0.4, 被评为较好的测度为0.4, 被评为一般的测度为0.1, 被评为较差的测度为0.1, 被评为差的测度为0, 同样, 可以得到其他二级指标关于评价等级集的隶属向量, 见表2。

根据评价因素集U1, U2, U3, 结合表2数据, 得到相应的模糊综合评价矩阵为

4 确定权向量

层次分析法 (Analytic Hierarchy Process, 简称AHP) 是美国运筹学家匹茨堡大学萨蒂 (T.L.Saaty) 在20世纪70年代提出的, 它是一种定性与定量分析相结合的多准则决策方法, 他将人们对复杂系统的思维过程数学化, 将人的主观判断为主的定性分析定量化, 将各种判断要素之间的差异数值化, 帮助人们保持思维过程的一致化, 是一种被广泛应用的确定指标权重的方法。

利用层次分析法得到一级指标和二级指标的权重。“政治表现”, “法纪观念及诚信”, “道德修养及公益活动”三项二级指标相对于一级指标“思想道德”的权重为W1=[0.3040 0.4635 0.2325], 同样, 其他二级指标相对于一级指标的权重分别为W2=[0.18 0.5086 0.3114], W3=[0.502 0.2686 0.2294], W4=[0.302 0.3686 0.3294], W5=[0.55 0.45]。与评价因素集U相对应, 思想道德, 学习成绩、技能和素质、能力、加分的权向量为W=[0.082 0.292 0.262 0.262 0.1020]。

5 进行模糊合成和做出决策

首先, 对于二级指标进行模糊合成, 应用不同的模糊算子, 会演变出不同的模型。这里选择加权平均算子 (·, +) , 在MATLAB中, 可以直接使用矩阵的乘法符号“*”进行加权平均运算。

然后组合成一级指标的模糊综合评价矩阵R=[S1, S2, S3, S4, S5], 最后, 将权向量W与模糊综合评价矩阵R合成为模糊综合评价结果向量。

根据综合模糊评价结果向量S, 依据最大隶属原则确定该学生的评价等级为“较好”。

参考文献

[1]万远英, 尹德志.大学生综合素质层次分析评价体系及其数学模型[J].西南民族大学学报:人文社科版, 2003, 24 (12) :191-193.

[2]何逢标.综合评价方法MATLAB实现[M].北京:中国社会科学出版社, 2010.

AHP模糊综合评价 篇2

【摘要】

目的:探讨模糊综合评价法在临床科室绩效评价中的应用。方法：运用理论和实证相结合的研究方法。结果：运用模糊综合评价法得到的医院某一临床科室绩效评价结果与实际情况相符。结论：基于AHP的模糊综合评价法能够很好的运用于临床科室绩效评价中，但还需要进一步研究和改进。

【关键词】 层次分析法(AHP)； 模糊综合评价法； 临床科室； 绩效评价

面对日益提高的医疗服务需求，激烈的医疗市场竞争，卫生体制改革的压力，医院的管理者要想从激烈的竞争中获胜，实现医院的可持续发展，就必须对医院作出科学的、客观的评价，而绩效评价作为医院评价的重要组成部分也受到越来越多的重视。目前，国内大多数医院绩效评价体系的研究都是以医院整体评价为基础的，例如以平衡积分卡理论为基础的医院绩效评价体系的研究等,都取得了一定的成果,而以医院临床科室为基础的绩效评价研究较少。临床科室作为医院的基本构成单位，能否对其绩效进行客观、真实的评价，对于医院的发展有重要的影响。本研究以我院所实行的科室分类综合目标管理相关考核项目为基础，结合平衡积分卡的理论［1］建立评价指标体系，利用模糊数学的理论和方法对临床科室的绩效进行评价，旨在对医院绩效评价体系的研究提供参考。

评价指标体系及其无量纲化

1.1 评价指标体系

医院临床科室绩效评价是一个层次复杂、因素众多的多变量系统，其评价指标的选取，不仅要遵循客观性、科学性、可行性、全面性、有效性等普通原则，还需满足层次性和导向性原则［2］。本研究以科室分类综合目标考核项目为基础,参考以平衡积分卡理论为基础所提出的评价指标体系,根据绩效评价的一般特点，共列出17项指标，见表1。

1.2 评价指标的无量纲化

表1中的指标由于各自单位及量纲的不同而存在着不可公度性，难以进行比较，因此在进行评价前，为尽可能反映实际情况，排除由于各项指标的单位不同以及其数量级间的悬殊差别所带来的影响，需要对指标进行无量纲化处理。无量纲化方法从几何角度可归纳为3类：直线型无量纲化方法、折线型无量纲化方法和曲线型无量纲化方法。本研究采用直线型无量纲化方法，常用的直线型无量纲化方法有以下几种：成本型（越小越好型）、效益型（越大越好型）、适中型（既不能太大也不能太小为好型）、区间型（属性值在某一固定区间内为好型）［3］。

表1 医院临床科室绩效评价指标体系（略）

模糊综合评价的数学模型

2.1 基本原理［4］

设因素集U={u1,u2,…,um}，评价集V={v1,v2,…,vn}。由全体单因素评价组成的模糊子集Ri（i =1，2，…，m）构成总的评价矩阵R为：

R=R1

R2 

Rm=r11r12…r1n

r21r22…r2n

…………

rm1rm2…rmn

R就是一个U→V 的模糊关系矩阵。

根据各个因素在总的因素集中所起的作用不完全相同，选用不同权重组成的集合为A=(a1,a2,…,am)，那么综合评价的结果B是V上的模糊子集，B的表达式为：

B=AR=(b1,b2,…,bm)

采用加权平均原则，将评价结果向量单值化，即：

A=mj=1bkj·jmj=1bkj

其中，k为待定系数，目的是控制较大的bj 所起的作用；j为评价等级的分级值。

2.2 建立模型

由表1可知，医院临床科室绩效评价因素集为U={u1,u2,u3,u4,u5,u6,u7,u8}，分别为服务满意、收费合理、诊断准确、治疗有效、资产管理、工作效率、人力资源和发展创新，即u1={u11,u12 }，u2={u21,u22}，u3={u31,u32}，u4={u41,u42}，u5={u51,u52 }，u6={u61,u62 }，u7={u71,u72 }，u8={u81,u82 }。

本研究将各评价指标分为5个等级，即V={v1,v2,v3,v4,v5}={好，较好，一般，较差，差}。

隶属函数的建立

指标隶属函数的构造采用半梯型函数和线性函数相结合的方法。设Di和Di+1 为相邻两级的分级标准，显然 Di>Di+1，则因素对Di的隶属函数为:

r(x)= 0 xDi+1

Di+1-xDi+1-Di Di

对Di+1的隶属函数为:

r(x)= 0 xDi+1

x-DiDi+1-Di Di

权重的确定

权重是指在一个领域中对目标值起权衡作用的数值［5］，系数越大，指标越重要。权重向量采用层次分析法(The Analytical Hierarchy Process，AHP)，该法将决策问题有关元素分解成目标、准则、方案等层次，在此基础上进行定性分析和定量分析的一种决策方法，具有简洁、实用的特点。

4.1 构造判断矩阵

先建立层次模型，如表1所示，在同一层次对各评价因素进行两两重要性比较，获得综合比较矩阵，根据重要程度排序指数构造相应的判断矩阵。各评价因素的重要性评判采用如下准则（表2）。

表2 矩阵中各元素确定参考表（略）

4.2 计算评价指标权重

由判断矩阵A确定权重Wi，可以有许多方法，本研究采用和积法。

设判断矩阵：

A=a11a12…a1n

a21a22…a2n

…………

an1an2…ann

① 将判断矩阵每一列归一化：

ij=aijnk=1akj

i,j=1,2,…,n

② 将每一列经归一化后的矩阵按行相加：

Mi=nj=1ij i,j=1,2,…,n

③ 将向量M=(M1,M2,…,Mn)T 归一化：

Wi=Minj=1Mj i,j=1,2,…,n

所求得W=(W1,W2,…,Wn)T 即为所求特征向量。

④ 计算判断矩阵最大特征根λmax=ni=1(AW)inWi，式中(AW)i表示向量AW的第i个元素。

一致性检验是通过计算一致性指标和检验系数检验的。

一致性指标： CI=λmax-nn-1

检验系数： CR=CIRI

其中，RI是平均一致性指标，可通过查表获得。一般地，当CR＜0.1时，可认为判断矩阵具有满意的一致性，否则需要重新调整判断矩阵。

应用实例

运用上述评价理论方法，本研究采用二级模糊综合评价模型对我院某临床科室2004～2006年的绩效进行综合评价。

首先，将各个评价指标进行无量纲化处理；然后，根据AHP法得到准则层、指标层的权系数（表3）；再根据隶属函数确定各评价指标的隶属程度，得到指标层的评判矩阵R=(rij)mn；通过M(·，）算子模型，计算得到评价向量；最后利用加权平均原则，将评价向量单值化。本研究取待定系数k=2，分别对各影响因子赋予分值{20，40，60，80，100}，见表4。

表3 评价指标的权重（略）

表4 某三级甲等医院某临床科室2004～2006年的绩效评价结果（略）

由此可见，该临床科室绩效水平总体上是逐年提高的，呈现上升趋势。从各准则层、指标层来看，并不是所有指标都呈现良好的发展趋势，有些指标波动较大，也有些指标上升缓慢，与这一临床科室的实际情况相符。6 结语

由于医院的行业特点,医院绩效评价具有很大的模糊性和非确定性,因此运用模糊综合评价方法对临床科室绩效进行评价是可行的。

模糊综合评价法是针对管理过程中评估对象的复杂性和评价指标的模糊性,采用模糊数学的理论和技术,对复杂的评估对象进行综合评价,从而得到定量评估结果的方法，因此医院管理者通过该评价方法可以发现临床科室管理中的薄弱环节,为加强科室管理提供科学依据。

AHP模糊综合评价 篇3

关键词：汽车制造企业；财务风险；AHP-模糊综合评价

改革开放以来，我国汽车制造企业取得了迅速的发展，生产技术、管理水平都取得了巨大的进步。随着我国汽车制造业兼并重组的不断推进，汽车制造业的产业集中度将会逐步提高，规模优势也会日益凸显。然而，面对机遇的同时企业也将承受更大的风险。财务风险、财务危机时有发生给企业带来了巨大的压力。它直接危及着企业的健康发展。为此，本文将对我国汽车制造企业财务风险进行研究，以求能够促进企业持续、健康的发展。

一、基于AHP-模糊综合评价方法构建我国汽车制造企业财务风险评价模型

由于汽车制造企业风险评价是一个复杂的问题，既包括定量指标又包括定性指标，要做到客观、科学的评价，就要从不同的角度进行分析，同时，构建模型时必须遵循科学、全面、可操作和经济性原则，因此，本文选用AHP-模糊综合评价方法对我国汽车制造企业财务风险进行研究。该方法能够从定量和定性两方面进行分析，而且评价结果清晰、系统性强，能够较好的解决汽车制造企业风险评价这个问题。

（一）选取评价指标，构建风险评价指标体系

根据影响我国汽车制造企业财务风险的主要因素，建立我国汽车制造企业财务风险评价指标体系，如图1所示。从图1中可以看出，内部因素可以进行定量分析，而外部因素难以量化，为此，本文将选择模糊综合评价方法解决这个问题。

（二）建立模糊综合评价评价集

设评价指标集

u=（u1，u2），u1=（u11，u12）

u21=（u211，u212，u213，u214），…，u24（u241，u242，u243，u244），u25=（u251，u252，u253）

风险评价集v（v1，v2，v3），其中v1，v2，v3分别表示指标的评语为“优良”、“中”、“差”。

（三）构建模糊评判矩阵

在本文中，对于每个因素ui都会有vj（j=1，2，3）种评判，我们将评判结果rij称为隶属度，rij=（ri1，ri2，ri3）。如果有 m个因素，则由这m个因素的隶属度所构成的矩阵即为模糊评价矩阵R。

（四）构造判断矩阵及确定权重

专家根据判断矩阵的准则，对元素进行两两比较后按照元素的重要性程度赋值1-9：当两两者同等重要时赋值为1，前者比后者稍重要时赋值为3，前者比后者明显重要时赋值为5，前者比后者强烈重要、极端重要时分别标度为7和9，用2，4，6，8表示上述判断的中间值。若元素i与j的重要性之比为aij，则元素j与元素i的重要性之比為1/aij从而得到判断矩阵A=（aij）n×n。

对于得到的判断矩阵要进行层次单排序及一致性检验。首先，通过求解判矩阵的最大特征值及其对应的特征向量，对特征向量做归一化处理得到相应的权重。计算公式如下：

AV=λmaxV

其中：A为判断矩阵、λmax为最大特征值、V为最大特征值所对应的特征向量；其次，对判断矩阵进行一致性检验，以此避免判断矩阵因为指标过多而出现逻辑上的错误。 一致性检验过程如下：

1.计算一致性指标C.I.。计算公式为C.I.=，n为判断矩阵的阶数。

2.确定平均一致性指标R.I.。根据判断矩阵的阶数在“平均随即一致性指标表”中查找相应的R.I.值，如表1所示。

3.计算一致性比率C.R.及判断。计算公式为C.R.=，当一致性比率（C.R.）小于0.1时，判断矩阵不符合一致性要求，应该修正判断矩阵；当一致性比率（C.R.）大于0.1时，判断矩阵符合要求。

（五）进行模糊综合评价

根据指标体系由低到高的顺序，对处于同一层的各指标的指标权重与其判断矩阵进行模糊合成。然后一直重复此步骤，直至到达最高层，得到最终的合成结果。最后，根据最大隶属度原则确定评价对象的模糊综合评价结果。

二、案例分析

由于上市汽车制造企业的财务数据容易获取，也比较准确，本文选取其中的某家汽车制造企业作为例来说明AHP-模糊综合评价模型在我国汽车制造企业中将如何应用。

（一）构造评价矩阵

设计调查问卷，请20位专家们根据宏观经济环境、市场环境、该公司的财务状况等因素，按照各定量指标以及定性指标的重要程度打分，得出评语。对于取得调查结果则根据该指标的各种评语出现的次数除以专家总人数，例如流动比率这一指标， 有8名专家人给出“优”这一评语，7名专家给出“一般”的评语，5名专家给出“差”这一评语，则流动比率的判断向量为（0.40，0.35，0.25），同理，剩余指标也可取得各自的评价矩阵。

偿债能力矩阵（R21）=0.30 0.35 0.35

0.30 0.50 0.20

0.25 0.35 0.40

获利能力矩阵（R23）=0.35 0.25 0.40

0.40 0.25 0.35

0.30 0.30 0.40

成长能力矩阵（R24）=0.45 0.35 0.20

0.50 0.40 0.10

0.40 0.40 0.20现金流量矩阵（R25）=0.30 0.25 0.45

0.35 0.20 0.45

宏观经济环境矩阵（R11）=[0.40 0.35 0.25]

市场环境矩阵（R12）=[0.50 0.35 0.15]

（二）构造判断矩阵及确定其权重

专家由上到下对每一层各指标之间的相对重要程度进行两两比较判断，然后利用算术平均法对数据进行统计，得到各自的判断矩阵。本文中，我国汽车制造企业财务风险（u）问题的综合指标为最高层，第二层是u1，u2，分别代表定量评价指标和定性评价指标，专家通过对，进行两两比较后按1-9标度法打分，然后利用算数平均法统计得到u1u2判断矩阵，用字母A表示，如表2所示。

表2 u1u2的判断矩阵A

本文基于AHP算法的方根法来计算该矩阵所对应的特征值和特征向量。

1.判断矩阵每一行的元素相乘得到元素的乘积M。判断矩阵A的M=[1/3 3]T。

2.各行乘积M开n次方根（n为比较指标的个数）得到V′。判断矩阵A的M开二次方根后得V′=[0.59 1.73]T

3.将V′进行归一化处理，得到判断矩阵的特征向量V，V=。判断矩阵的特征向量为V==0.25

0.75

由此可知U1即定性评价指标的权重为0.25，U2即定量评价指标的权重为0.75。由于二阶矩阵都是满足一致性要求的，所以判断矩阵A不再进行一致性判断。同理，可以得出U1的下一层的判断矩阵为A1=5

，特征向量V1=[0.25 0.75]T。

U2的下一层有U21，U22，U23，U24，U25五个指标，根据专家的打分，统计得到判断举证A2。

A2=1 1/3 3 3 4

3 1 2 3 5

1/3 1/2 1 2 2

1/3 1/3 1/2 1 2

1/4 1/5 1/2 1/2 1

根据上面的三个步骤，同理可解得判断矩阵A2的特征向量V2=[0.26 0.40 0.17 0.10 0.07]T。又由AV=λmaxV，AV=A2V2=1 1/3 3 3 4

3 1 2 3 5

1/3 1/2 1 2 2

1/3 1/3 1/2 1 2

1/4 1/5 1/2 1/2 10.26

0.40

0.17

0.10

0.07=0.50

2.17

0.55

0.44

0.35，解得判断矩阵A2的最大特征值λmax=Σni=1=（++++）=3.12。

因为此处n=5，n值大于2，所以需要进行一致性检验，由一致性指标C.I.===-0.47，在“平均随即一致性指标表”中可查到R.I.=1.12，因此C.R.==-0.42，一致性比率小于0.1，判断矩阵符合要求。如果一致性比率大于0.1，则需要专家组重新打分，得到新的判断矩阵再检验。

同理，对剩余的判断矩阵计算其最大特征向量及最大特征值，并进行一致性检验。具体结果如下：

V21=[0.33 0.53 0.14]T

V22=[0.10 0.59 0.31]T

V23=[0.54 0.33 0.13]T

V24=[0.30 0.54 0.16]T

V25=[0.58 0.42]T

（三）模糊综合评价

1.一级模糊综合评价。由判断矩阵最大特征向量Vi得出相应的指标权重ViT，令ViT和相应的评价矩阵Ri相乘，求出该指标的模糊综合评价。例如偿债能力的模糊综合评价为：

B21=V21T·R21=[0.293 0.4295 0.2775]

专家组认为该汽车制造企业偿债能力“优”的可能性为0.2930，认为“良”的可能性为0.4295，认为“中”的可能性为，认为“差”的可能性为0.2775。同理，其他指标也可以这样分析。

B22=VT22·R22=[0.3065 0.4190 0.2745]

B23=VT23·R23=[0.3600 0.2565 0.3835]

B24=V24T·R24=[0.4690 0.3850 0.1460]

B25=V25T·R25=[0.3210 0.2290 0.4500]

2.二级模糊综合评价。在一级模糊综合评价的基础上，进行二级模糊综合评价，得出：

B2=V2T·R2=V2T·（B21，B22，B23，B24，B25）T=[0.3224 0.3824 0.2932]

B1=V1T·R1=V1T·（R11，R12）T=[0.4750 0.3500 0.1750]

3.三级模糊综合评价。在二级模糊综合评价的基础上，进行模糊计算，得出三级模糊综合评价，也就是最终评价：

B=VTB=V（B1，B2）T=[0.4379 0.3581 0.2050]

据模三级模糊计算结果可知，该汽车制造企业财务风险被认为是 “优良”的程度为，被认为是“中”的为，被认为是“差”的为，被认为是“差”的为0.41。根据最大隶属度原则可知该汽车制造企业财务状况还是比较好的。

三、結束语

根据上述分析可知，AHP-模糊综合分析法从定量指标和定性指标两方面着手对财务风险程度给予评价，而且结果简单明了，能够较好的解决我国汽车制造企业财务风险评价问题。但是该方法也存在着一些缺陷，例如对于不同的企业，需要根据其自身的情况确定各指标权重，只有这样才能更加准确的对企业财务风险进行评价。

参考文献：

1.陈淑航.基于模糊综合评价的房地产财务风险研究[J].财会研究，2010（4）.

2.崔团结.我国汽车制造企业财务风险预警分析[J].北方经贸，2009（7）.

3.李泽红，王薛.谈中小企业财务风险综合评价[J].财会月刊，2008（2）.

AHP模糊综合评价 篇4

经济效益评价方法主要包括数据包络分析法、层次分析法、模糊综合评价法等。数据包络分析法对不同主体之间的效率比较具有很好的评价优势,但这种方法的缺陷是无法对定性指标进行评价[4]。层次分析法是基于两两比较的方法,但对比较模糊概念则较为困难。模糊综合评价法能够对现实生活中大量模糊概念性指标进行良好评价,但缺陷在于各项指标的权重是由专家据经验给出,从而不够客观[5]。鉴于此,综合上诉3种方法的优缺点,本文将层次分析法与模糊综合评价法相结合,充分发挥各方法的优势综合对打 车软件的 经济效益 进行分析。 采用AHP———模糊综合评价模型,先通过层次分析法确定各项研究指标的权重,再基于重庆的调查数据使用模糊综合评价 法对打车 软件的经 济效益进 行评价。

1AHP——模糊综合评价原理

1.1层次分析法的原理与步骤

层次分析法通过建立层次结构模型,将有关的各个因素按照不同属性分解成若干层次,并将每一层次的各要素进行重要程度的两两比较,得到对比较阵, 计算对比较阵的最大特征值及其特征向量,从而得到下一层次相对于上一层次的重要性程度,进而确定各因素间的权重[6]。其基本步骤如下:

1)建立递阶层次结构模型。

2)根据比较尺度理论,构造两两比较阵A :

3)层次单排序及一致性检验。判断矩阵A对应于最大特征值λmax的特征向量W ,经归一化后即为同一层次相应因素对于上一层次某因素相对重要性的排序权值。由于在综合全部比较结果时难免包含一定程度的非一致性,因此需要对其进行一致性检验, 其步骤主要是:

1计算一致性指标CI:

2根据查找的RI计算一致性比例CR:

当CR≤0.10时,认为比较阵的一致性是可以接受的,否则应对比较阵进行适当修改。

1.2模糊综合评价原理

模糊综合评价以模糊数学为基础,将待考察的模糊概念或模糊对象作为一定的模糊集合,建立适当的隶属函数,从而对模糊对象进行定量分析。

其主要步骤如下:

1)确定评价对象的评价指标C :

C = (c1,c2,c3,…,cn),共有n个评价指标;

2)确定评价集V :

V = (v1,v2,v3,…,vm),每一等级对应每一评语集;

3)建立隶属度矩阵R 。在构造了等级模糊子集后,要逐个对被评事物从每个因素上进行量化,即确定从单因素来看被评事物对等级模糊子集的隶属度, 从而得到隶属度矩阵R

4)确定评价因素的权向量W 。在模糊综合评价中,使用层次分析法确定评价因素的权向量:W = (w1,w2,…,wn)

5)合成模糊综合评价结果矩阵S。实际中最常用的方法是最大隶属度原则,但这种方法的缺陷是应用于某些情况下会很勉强,损失信息很多,甚至得出不合理的评价结果。于是提出了使用加权平均求隶属等级的方法,对于多个被评事物可以依据其等级位置进行排序,因此本文中模糊综合评价方法采用“加权平均型”模型,其原理是利用合适的算子将W与各被评事物的R进行合成,得到各被评事物的模糊综合评价结果向量S从而对效益进行评价。即:

其中si表示被评事物从整体上看对Vj等级模糊子集的隶属程度[7]。

2打车软件经济效益评价的实证分析

2.1评价指标体系的建立

2.1.1指标体系建立原则

为了科学系统客观地评价打车软件的经济效益, 其相应的评价指标应遵循以下基本原则:

1)全面性原则。评价指标体系必须据评价目标选择能够切实反映被评价问题各个方面的信息[8]。

2)科学性原则。评价指标体系从基本元素的构成到整体结构的确定,以及每一个指标计算的方法都要求科学、合理、准确。

3)层次性原则。将评价指标体系进行合理分层分级处理,从而更清晰的对评价对象做出分析[9]。

4)与评价方法一致性原则。指标体系的构建要在权衡了不同的评价方法之后再实施,不同的评价方法对指标的要求不尽相同,如果选取的指标与评价方法不同则致使评价结果完全不具有参考性。

5)可操作性原则。一个指标的可操作性是整个指标体系实际应用中最重要的原则,其要求每个指标的数据都是可以搜集到的。

2.1.2评价指标体系内容

根据打车软件主要涉及的对象,可将打车软件的经济效益分为乘客经济效益与司机经济效益。下面将从这两个角度来简介各项指标内容。

1)乘客效益。乘客效益是指乘客使用打车软件所产生的经济效益。主要包括时间、风险、多样化需求满足、福利等指标。乘客等车时间的长短直接关系到打车软件给乘客带来的效益。风险是指乘客使用打车软件所面临的不确定性,包括司机违约风险、移动支付风险以及上黑车安全风险。多样化需求是指偏远特殊地区、节假日、早晚上下班高峰、恶劣天气等使用打车软件的效益。福利是指乘客使用打车软件所产生的流量 耗费与相 应的积分、红包等奖 励[10]。 具体见表1。

2)司机效益。司机效益是指司机使用打车软件所产生的经济效益。主要包括风险、自主选择、福利、 技术等指标。风险是指司机使用打车软件时面临乘客违约的风险以及开车过程中使用软件产生的安全风险。自主选择包括司机能够根据不同乘客的需求选择合适的路线从而降低遇见堵车的概率及自主安排时间。福利是指司机使用打车软件耗费的流量电话费以及使用软件所获得的奖励和由于订单量增加所带来的收入增加额。技术是指司机使用打车软件的操作难易程度与定位精确度。具体见表2。

2.2指标权重的确定

应用层次分析法确定指标的权重,通过两两比较指标间的重要性程度,采用1~9标度法(1)得到判断阵A,以司机效益为例得到判断阵C2:

对各列做归一化处理,2,…,n),如表2。 得到权重 向量w2= (0.569, 0.11,0.254,0.066),根据最大特征根计算公式Aw =λmaxw ,求出λmax=4.5087,对结果进行一致性检验,计算一致性指标CI =0.0196,查看平均一致性指标RI =0.90,故CR =CI/RI =0.0208≤0.1, 说明判断矩阵具有一致性,所得权重向量能够反映各指标间的重要程度。同理,按此方法得到

2.3模糊综合评价

要得到打车软件总的经济效益评价,须先分别对每一个一级指标下的二级指标进行模糊综合评价。 构造出一个评语级:

V = (V1,V2,V3,V4,V5)= (高,较高,一般,较低,低);

再构造隶属度子集Ri,Ri= (ri1,ri2,…,rim),Ri指评价因素中第i个指标对应评语集中的每个V1,V2,…,Vm的隶属度,j= (1,2,…,m)。

1)乘客效益评价。根据实际调查数据可得乘客时间C11的隶属子集,也即模糊评价矩阵:

同时依据w11进行复合运算

同理得到风 险模糊评 价矩阵s12= (0.337, 0.337,0.211,0.079,0.045)

需求多样性满足 模糊评价 矩阵s13= (0.349, 0.367,0.149,0.107,0.049)

福利模糊评价矩阵s14= (0.132,0.162,0.401, 0.249,0.057)

技术模糊评价矩阵s15= (0.324,0.318,0.158, 0.142,0.058)

从而得到乘客效益的一级模糊评 价矩阵S1= (s11,s12,s13,s14,s15)′,再依据w1进行模糊矩 阵的复合 运算Y1′= w1*S1= (0.305,0.353,0.210, 0.120,0.052)

最后进行归一化处理得到乘客效益的模糊综合评价向量

2)司机效益评价。同理根据实际调查数据计算并得到:

司机福利模 糊评价矩 阵s21= (0.070,0.242, 0.220,0.282,0.224)

司机风险评价矩阵s22= (0.117,0.403,0.279, 0.124,0.025)

司机自主选 择模糊评 价矩阵s23= (0.555, 0.300,0.131,0.020,0.003)

技术模糊评价矩阵s24= (0.183,0.306,0.261, 0.160,0.093)

从而得到司机效益的一级模糊评价矩阵S2= (s21,s22,s23,s24)′,再依据w2进行模糊矩阵的复合运算Y2′= w2*S2= (0.205,0.278,0.206,0.189, 0.137)

最后进行归一化处理得到司机效益的模糊综合评价向量:

3)打车软件效益总体评价。根据上面已经得到的乘客效益评价向量Y1、司机效益评价向量Y2构造打车软件效益模糊评价矩阵Y = (Y1,Y2)′,同时与w0进行模糊综合运算得到Z :

3结论与建议

3.1结论分析

基于真实调研数据,通过严密推算得出上述分析结果,针对这一结果将从乘客和司机两方的效益进行深度分析如下:

3.1.1乘客经济效益分析

对上述推算后数据,分别先从乘客的时间、风险、 需求多样性、福利及技术的模糊评价进行分析,再对其总体进行分析。

乘客时间的 模糊评价 矩阵是s11= (0.330, 0.440,0.192,0.097,0.051),从效益结果来看,其评价整体较高,但其中较高评价部分占了主要,说明在时间效益上,乘客的满意度还是有提升空间。而关于风险模 糊评价矩 阵s12= (0.337,0.337,0.211, 0.079,0.045),可以看出对风险收益的评价高与较高的比重较多,一方面说明乘客的信赖度较高,对风险不太担忧,对司机违约、黑车以及支付风险等不太看重;从另一方面说明打车软件市场运行正趋于规范化的过程中。需求多样性满足模糊评价矩阵s13= (0.349,0.367,0.149,0.107,0.049),从结果看乘客多样需求的满足度还未达到最理想程度,但已达到了基本满足状态。在福利方 面,模糊评价 矩阵s14= (0.132,0.162,0.401,0.249,0.057),乘客福利不是很高,打车软件公司的奖励回馈对乘客刺激力度较弱,所以还有待加强。而在技术上,模糊评价矩阵s15= (0.324,0.318,0.158,0.142,0.058),可见乘客的上手软件难度较低,很大程度可能是由于使用群体偏向于年轻一代,故技术上不具有困难。但对于年龄较高的人来说,技术可能成为面向这部分群体推广的最大障碍。

总体来看打车软件对乘客的经济效益评价,其经济效益是较高的,对于乘客来说是十分有利的,但仍然有提高的空间。

3.1.2司机经济效益评价

同乘客经济效益分析,从司机福利模糊评价矩阵可以看出,福利评价水平最终在较低程度上,说明打车软件为司机带来的经济福利还较小,各种补贴与抢单奖励较少,吸引力与激励强度较低。而在风险评价上,虽然存在风险因素,但总体对经济效益的影响是较小的,大部分司机不太看重,因此收益较高。而在自主选择方面,从矩阵中可以看出,司机的效益是十分明显的,说明这个指标成为打车软件最吸引司机的优势,大多数司机很看重路线的选择与碎片化时间的安排。而在技术方面,从技术模糊评价矩阵中可以看出,司机的上手难度还是较小的,效益也是较大的,但是对于年龄偏大的司机来讲还是存在一定的难度。

从司机总体的经济效益评价来看,经济效益较为显著,只是相较乘客来说水平没有那么高,不过对司机本身来说打车软件对其还是很有利的。

3.2总体建议

综上经济效益分析,可见打车软件不论是对乘客还是司机来说总体效益是较高的,其发展对两者都是有利的,但都还存在不同程度效益提升的空间。接下来将会针对打车软件相应的问题提出改进的意见。

从乘客方面:时间、风险、多样性需求满足、福利、 技术都是影响乘客经济效益的重要因素,基于上述关于乘客的经济效益评价部分,可见风险、技术等对乘客经济效益的损害程度都较小,乘客在此基础上获得的收益较大,而时间和多样性需求满足则主要构成了乘客的经济效益部分,乘客普遍在这两个因素上感受到的满足程度较高,但都还未达到完全满意,因此在提高乘客需求满足效用和打车时间效率上还应进一步下功夫,特别是时间效率的优化可结合技术因素中的地图精确定位来实现,乘客和司机双方的对接和沟通时间可因地图的进一步位置精细化和灵敏准确化减少,从而大大提高时间效率;福利是乘客经济效益组成中不够满意的部分,总的来说乘客的福利不算很高,特别是在积分与打车奖励方面明显感觉激励力度较小,因此可以适当加大奖励如:红包的发放、积分累计与兑换、乘客端衍生品的开发与应用客户等级升级等,这不仅能增大乘客福利,还能进一步扩大打车软件的市场份额,提高用户服务体验水平。

从司机方面:福利、风险、自主选择、技术都是影响司机经济效益的重要因素,基于上述关于司机的经济效益的评价部分,可见风险、技术等对司机经济效益的损害程度同样较小,安全与技术收益较高,然而虽然这两个因素并未有太大的不利影响,但鉴于它们的存在还是提倡司机行驶时使用蓝牙耳机听取软件信息,并简化打车软件的使用从而进一步降低使用风险,提高司机与乘客双方安全收益;同时,软件地图精确定位的提升也能减少乘客与司机之间不必要资源的耗费,提升双方软件使用体验,因此可以与专业地图定位或导航公司合作,共同开发更好的定位系统; 针对年龄较大且愿意接受新兴事物的出租车司机,可提供相关技术培训、使用指导等以此扩大司机方市场份额。在自主选择上司机感受到的效益尤其高,大部分司机都特别看重打车软件的这个优点,因此这是打车软件能够吸引住司机的重要原因之一,要注意利用好这一优势。而福利水平在司机方看来总体是不高的,主要是软件公司的补贴力度过小所致,这需软件公司结合自身的盈利模式与市场的开拓计划来改进, 加重奖励力度必然会提高司机经济效益水平,更多的愿意使用打车软件。

摘要：打车软件作为O2O模式下的应用,受到了乘客与司机的广泛关注。通过建立乘客与司机经济效益的多级评价指标,基于重庆实证研究采集的数据,采用模糊数学方法对打车软件的经济效益做出了评价。经实证计算的综合评价结果显示打车软件对乘客的效益较高,突出体现在多样需求满足与乘客候车时间上;而对司机的效益相对较低,主要是受到较低激励水平的影响所致,但对司机较好的方面是能通过软件进行路线、碎片化时间等自主安排。综合乘客与司机两者的经济效益来看,打车软件总体的经济效益较高,基于上述研究的结果,针对打车软件存在的一些问题提出了相应的建议。

基于AHP的综合评价系统 篇5

基于AHP的综合评价系统

用户使用手册

中国科学院软件研究所

基于AHP的综合评价系统 用户使用手册

目录 引言............................................................................................1.1 编写目的...............................................................................1.2 背景....................................................................................2 系统主体介绍.................................................................................2.1 系统概述...............................................................................2.2 系统工作流程.........................................................................2.3 目标用户...............................................................................3 功能详细描述.................................................................................3.1 模型建立功能.........................................................................3.2 模型导出功能.........................................................................3.3 综合计算功能.........................................................................3.4 计算结果导出功能....................................................................3.5 模型与数据导入功能.................................................................基于AHP的综合评价系统 用户使用手册

基于AHP的综合评价系统

用户使用手册 引言

1.1 编写目的

帮助使用者了解基于 AHP(层次分析法)的综合评价系统的使用流程，了解系统中功能模块的划分、操作步骤以及对数据的导入导出操作。从而使用户只需要关注AHP过程的重点部分，而无需繁琐的计算，即可方便的使用AHP方法对某一特定的对象进行综合评价。

1.2 背景

名称：基于AHP的综合评价系统；

使用目标群体：各个行业的决策管理人员。系统主体介绍

2.1 系统概述

AHP(层次分析法)是一种定性与定量分析相结合的多准则决策方法，可以对复杂决策问题的本质、影响因素以及内在关系等进行深入分析之后，构建一个层次结构模型，然后利用较少的定量信息，把决策的思维过程数学化，从而为求解多目标、多准则或无结构特性的复杂决策问题，提供一种简便的决策方法。具体的说，它是指将决策问题的有关元素分解成目标、准则、方案等层次，用一定标度对人的主观判断进行客观量化，在此基础上进行定性分析和定量分析的一种决策方法。它把人的思维过程层次化、数量化，并用数学为分析、决策、预报或控制提供定量的依据，它尤其适合于人的定性判断起重要作用的、对决策结果难于直接准确这都是的场合。因此对于各个行业的管理与决策方面，尤其是在软件工程领域中，在难以获得到准确的定量信息的情况下，如果需要对某个对象作出较为有效的评价，则可以采用AHP方法。

AHP方法的步骤较多，在指标数超过5个时，其计算量也非常大，而其中需要人进行参与的过程只有对同一层次的指标之间两两进行比较其重要性，然后再两两比较各个指标类别之间的重要性，在进行矩阵计算与特征值计算时，可以利用计算机帮助完成。另外，系统清晰的模块划分，可以提示用户按步骤进行AHP方法的操作，从而能够保证计算过程的完整与正确。

在数据保存方面，系统实现了与Excel文件的读取与保存，主要原因是：第一，Excel应用较为广泛，因此采用Excel格式具有很好的适应性。第二，Excel文件对数据的处理功能

基于AHP的综合评价系统 用户使用手册

项卡上。首先，第一步是“确立中间准则”，此处需要用户输入准则层的若干准则名称，如图2所示。用户可在输入过程中修改准则名称或删除准则。

图2模型建立功能第一步：确定中间层准则

在第一步输入完毕后，点击“下一步”或点击第二步的选项卡，可进入“第二步：确定指标层指标”，如图3所示。此时点击左侧列表中在上一步中输入的准则名称，则进入到该准则模式，此时在下方的输入框中输入的指标名称即为该准则的指标。用户同样可以随时修改指标名称或者删除指标。每个准则都必须有至少一个指标，否则不能进入下一步。

图3模型建立功能第二步：确定指标层指标

基于AHP的综合评价系统 用户使用手册

图5 综合计算功能界面

3.4 计算结果导出功能

在得到最终结果后，可以将整个过程导出，包括前一部分建立的模型，以及用户输入的指标数据。这些数据全部存储在同一个Excel文件内，但分别在不同的Sheet上。图6显示了导出后Excel文件的结果页面。

AHP模糊综合评价 篇6

关键词　科技人力资源　竞争力评价　动态模糊评价法

0　引言

科技人力资源指的是实际从事或有潜力从事系统性科学和技术知识的产生、促进、传播和应用活动的人力资源。我国的科技人力资源包括科技活动人员、专业技术人员、研究与试验（R&D）人员等三类。①

科技人力资源竞争力是指科技人力资源自身拥有的综合竞争力，包括规模、结构、科技投入、科技产出、科技创新和科技环境支撑等。②科技人力资源综合竞争力与区域科技创新、经济发展和综合实力密切相关，其综合竞争力强弱直接关系着一个地区的整体经济发展和社会进步。所以如何正确评价科技人力资源的竞争力，直接关系到能否将科技人力资源优化配置以及充分利用，从而促进经济的发展和社会的进步。

1　科技人力资源竞争力评价方法的选择要求

科技人力资源竞争力评价方法虽然有很多，但对其的选择并不是主观随意的。在选择评价方法过程中，应遵循一定的原则，包括一般原则与特殊原则（特定评价对象对评价方法的特殊要求）。评价方法选择的一般原则包括：科学性原则、③系统性原则、可比性原则、④可行性原则等。由于科技人力资源自身的复杂性与发展性，科技人力资源竞争力的评价方法的选择除了要考虑以上一般原则外，还有其自身的特殊要求。

1.1　综合性

由于科技人力资源竞争力涉及到规模、结构、科技投入、科技产出、科技创新、科技环境支撑等多种因素，因此在对其进行评价时，一方面要全面、系统地而不能孤立地单从某一个方面对科技人力资源竞争力进行评价；另一方面要尽量地多考虑与之相关联的一切因素，做到综合分析，统筹兼顾。只有这样，才能完整、准确地去评价一个国家或地区的科技人力资源竞争力的强弱。

1.2　模糊性

在对科技人力资源竞争力进行定性分析过程中，会遇到具有很强不明确性的概念，比如科技环境支撑的好与坏、创新能力的高与低等。其中“好”与“坏”之间没有截然的分界线，这就涉及到了评价数据的模糊性。因此，科技人力资源的竞争力的评价涉及到多因素的综合评价问题，而且影响科技人力资源的竞争力的因素大多具有模糊性，其影响程度一般也是由人们的主观判断决定的，一般的评价方法无法处理，必须采用模糊评价法才能较好地解决多因素、模糊性及主观判断等问题。

1.3　定性与定量方法相结合

一般地，在评价一个地区的科技人力资源的竞争力时，以量化指标为主，通过定量的数据来表达，全面可靠的数据可为评价提供实证基础，我们可据此结果设计出反馈机制来帮助控制和决策。因此，科技人力资源竞争力定量分析十分重要。

1.4　动态性

科技人力资源竞争力评价应该制定科学的评价周期，定期进行评价。评价时不但要进行结果评价，而且要注重过程评价；不但要对工作现状进行评价，而且要对发展趋势进行评价；不但要评价工作状态，而且要评价工作绩效。并在评价过程中还要根据影响因素的变化实时调整评价方法，因此，科技人力资源竞争力评价活动应该是一个动态过程，所选择的评价方法需要在动态变化中分析，在动态变化中评价。

2　现有科技人力资源竞争力评价方法评析

2.1　人工神经网络评价法

人工神经网络方法是一种模拟人脑神经元结构，进行分布式并行信息处理的算法数学模型。人工神经网络是自适应和可以训练，它有自学习能力，如果它的输出不满足期望结果，网络可以不断调整，整个修正过程可以通过训练算法来实现。⑤对于科技人力资源竞争力的定量分析较为有利，但存在难于精确分析神经网络中科技人力资源竞争力的各项性能指标以及体系结构的通用性差的缺点。⑥

2.2　主成分分析法

主成分分析法是一种把变量维数降低以便于描述、理解和分析的方法。主成分分析法能找到表现原始数据阵最重要的变量的组合；能有效地直观反映样本之间的关系；能从最大的几个主成分的得分来近似反映原始的数据阵的信息。但是，对于人力资源竞争力的评价来说，由于主成分分析都依赖于原始变量，也只能反映原始变量的信息，而造成一定的困难，可行性和可操作性较差。而且如果评价指标选取的原始变量都本质上独立，那么降维就可能失败；还有，由于原始变量不同，因子的选取不同，排序可以很不一样，这就容易造成评价结果失真和不一致。⑦

2.3　灰色关联评价方法

灰色关联分析方法，是根据因素之间发展趋势的相似或相异程度，亦即“灰色关联度”，来衡量因素间关联程度的一种方法。它的基本思想是根据序列曲线几何形状的相似程度来判断其联系是否紧密，曲线越接近，相应序列之间的关联度就越大，反之则越小。⑧但是由于该方法在规范性和关联性以及正负相关性上存在一些不足，依旧不是科技人力资源竞争力评价的合适方法。

2.4　层次分析法

层次分析法，是实现思维过程主观判断规范化、数量化的基本方法，为了对较为复杂的问题做出正确的认识以及最终的决策，往往将所涉及决策的相关因素分成目标准则方案等多个层次。⑨虽然层次分析法在人的定性判断起重要作用的、对决策结果难于直接准确计量的情况下具有重要的价值，但在科技人力资源竞争力的评价中涉及很多诸如科技投入、科技人员总数等定量指标，这一点层次分析法不能准确地反映，另外层次分析法中人的主观因素的干扰也不能客观地反映竞争力的强弱。

2.5　模糊综合评价

模糊综合评价法是一种根据模糊数学的隶属度理论把定性评价转化为定量评价，即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价。⑩它对科技人力资源竞争力的优劣程度用优、良、差等模糊概念来描述，对评价指标中诸如创新创业氛围、信任度等模糊的、难以量化的问题能较好地反映，但它的缺点是在科技人力资源竞争力各评价指标的权值分配上，由于专家和工作人员价值观、感情亲疏等人为因素，不能更客观、准确地反映各指标实际的重要程度，此外对被评对象给出唯一的评价值，不能反映其动态变化的过程。豘

3　基于AHP（层次分析）的动态模糊评价法

鉴于以上评价方法都存在这样或那样的不足，本文在结合上述方法的优点基础之上提出一种新的评价方法——基于层析分析（The　analytic　hierarchy　process，简称AHP）的动态模糊评价法。

基于AHP的动态模糊综合评判理论是对传统模糊综合评判理论的改进，不仅考虑了评价过程中的模糊性，也融入了动态性；而层次分析法能够较为客观、准确地分配各评价指标的权值，豙弥补了人为因素过于主观的不足。该方法使定性评价转化为定量评价，使评价结果具有可比性和可操作性。其可行性表现在以下几个方面：

（1）满足科技人力资源竞争力的评价指标具有层次性的特征。一般来说根据不同的需要划分为二级或三级指标，通过对每一层指标的分析最终得出竞争力的强弱。如韩伯棠在《中国科技人力资源评价指标体系构建方法研究》豛一文中制定了二级评价指标，在科研投入、环境支撑、科技创新和储备人才四个方面又下设了子指标，构成评价体系。

（2）适应了科技人力资源竞争力具有模糊性的特征。模糊性主要指客观事物差异的中间过渡中的不分明性。豜对科技人力资源竞争力的评价需要用优、良、差等这些模糊概念来描述。

（3）具有科技人力资源竞争力具有动态性的特征。例如，随着某一地区科技投入增多，人才的引进，其科技人力资源的竞争力就会逐步增强，由于传统的模糊关系矩阵只是静态地显示了因素论域对评判等级论域的隶属关系，模糊关系矩阵与权重系数集一旦确定，也就决定了评判结果的惟一性，豝因而这一动态性的变化传统的模糊评价就不能体现。采用基于AHP（层次分析）的动态模糊评价法恰好弥补了这一不足。

4　结语

AHP模糊综合评价 篇7

随着供应链管理时代的来临,物流企业越来越专注于核心竞争力的建设,业务外包将成为国际物流发展的主流。但物流外包实践的复杂性和高失败率,表明企业物流外包的风险性高,决定了企业实施物流外包风险评价的必然。物流外包风险评价就是要通过对物流外包的风险因素进行分解,找出它们的相对重要性,然后通过适当的评价模型予以综合,确定物流外包项目的整体风险水平,为如何处置这些风险提供科学依据,以保障物流外包的顺利进行。

本文拟引用AHP-模糊综合评价法对物流外包的风险进行综合评价。

二、物流外包风险指标的构建

1、指标体系的设计原则

(1)全面系统的原则。选取的所有指标应尽可能展现评价物流外包风险的各种特征,特别是对于主要影响因素既不遗漏也不重复,保证整体评价时能够全面地反映情况。

(2)充分必要原则。各指标应是最主要的和必不可少的,各个指标之间应尽可能相对独立。

(3)定性指标和定量指标相结合的原则。影响物流外包风险的因素大都是无法用定量指标来描述的,因此选用定性和定量相结合的方法是非常必要的。

(4)科学的原则。指标的选定在理论上应该有足够的根据,能够客观、真实地提供物流外包在某一方面的信息,科学地反映这一方面风险的大小。

2、评价指标的选择

根据以上对物流外包风险评价指标体系的原则,笔者认为可以从以下几个方面构建指标体系。

(1)外部环境风险。主要包括不可抗力的自然环境因素;国家对物流行业发展的宏观政策;物流服务需求趋向、外包市场的成熟程度、物流行业的竞争激烈程度等等的市场环境影响。

(2)信息风险。物流外包合作中,企业与物流外包服务商之间可能会出现沟通不畅、信息反馈滞后、信息失真等现象,导致在整个物流外包合作过程中形成信息风险。主要表现为信息的不对称性;商业机密的外泄。

(3)管理风险。物流外包的管理风险是指企业物流外包的管理决策,以及企业把物流业务外包给物流外包服务商后,外包企业的企业管理模式与物流外包服务商的企业管理模式之间存在着差异,由此造成合作上的管理风险。主要包括企业文化的兼容性;外包服务商的控制力度;决策风险;绩效评价机制的合理性。

(4)财务风险。主要包括交易成本的控制;外包业务成本核算的准确度;隐含成本的控制。

三、物流外包AHP-模糊综合评价模型

物流外包风险评价是一个复杂的系统问题,要做到全面客观的评价,必须从不同的角度来进行考核。同时,物流外包风险评价指标体系中既包括定量指标,又涉及到定性指标,并且定量指标之间的量纲也不尽相同,而许多定性指标又难以量化处理,原始数据的搜集工作也不尽完善。因此,本文引入多级模糊综合评价方法。

1、建立一级模糊综合评判矩阵

(1)确立评价因素集U,U={U1,U 2,U 3……,U n},此处U i(i=1,2,…,m)表示对被评判事物有影响的第i个因素。

根据上述对物流外包因素的分析,U={U 1,U 2,U 3……,U 1 2}={自然环境,宏观政策,市场环境,信息的不对称性,商业机密的外泄,企业文化的兼容性,外包服务商的控制力度,决策风险,绩效评价机制的合理性,交易成本的控制,外包业务成本核算的准确度,隐含成本的控制}。

(2)确定评语集V,V={V1,V2,V3……,Vm},此处V j表示评价的第j个等级。假定评定结果集=(风险很小,风险适中,风险较大,风险极大)。

(3)确定各评价指标的权向量,即W i=(w i 1,w i 2,…,w i n),W=(w 1,w 2,…,w k)。权重是对每一种单因素在总评价中影响程度大小的度量,在一定程度上也代表了单因素评定等级的能力。权重系数越大,指标越重要。

本文采用AHP(层次分析法)来确定各评价指标的权向量,具有思路清晰、方法简单、适用面广、系统性强的特点。AHP法的基本步骤是两两比较所选因素对同一目标的影响,确定它们在目标中所占的比重,从而构造判断矩阵。由判断矩阵计算评价指标权重,并进行一致性检验。

(4)进行单因素评判,建立单指标评价矩阵。单独从一个因素出发进行评判,以确定评判对象对备选元素的隶属程度,便成为单因素评判。通过单因素程度。对每个评价指标Ui进行单指标评价,得出单指标评矩阵Ri,其中rij表示第i个因素对第j个评语的隶属度。

(5)确立一级模糊综合评价矩阵。设经过AH P法求得的各因素的权重为W i=(w i 1,w i 2,…,w i n),结合给定的R i,得出单因素U J的最终评价向量:B i=W i。R i=(b i 1,b i 2,…,b i m)。将每个Ui作为单独元素,Bi作为Ui的单指标评价向量,这样就构成了从U到V的一级模糊综合评价矩阵R=(B 1,B 2,…,B k)T=(b i j)k×m。

2、建立二级模糊综合评价模型

一级模糊评价矩阵反映了单指标对评价对象取值的影响。由于评价过程设计的指标对评价结果的影响各不相同,评估中采用A HP法引入各子集的指标权重W=(w1,w2,…,w k)。通过对模糊矩阵的合成运算,得到二级模糊综合评价集,B=W○R=(b1,b2,…,bm)。

四、实例算法

1、权重计算

假设有数十位专家对物流外包风险指标体系中各因素进行打分,取其算术平均值,得到一级评价指标四个子因素的相对重要程度。通过专家调查法获得各判断矩阵,并计算各指标的权重集(计算过程省略):

2、一级模糊综合矩阵的构建

将因素按评价层次分为外部环境风险、信息风险、管理风险、财务风险4个子集,分别表示为U 1={u 1,u 2,u 3};U 2={u 4,u 5};U 3={u 6,u 7,u 8,u 9};U 4={u 1 0,u 1 1,u 1 2}。请数十位专家通过德尔菲法对某一物流企业的各个因素打分,得出物流外包风险的第一层指标评价矩阵如下:

经过上述(3)(4)计算的权重和评价矩阵可得:

将以上计算结果作为评估目标层的模糊评判矩阵即R.。

3、二级模糊综合评价计算

将上述评价向量当作第二层的指标评价矩阵,可以得出二级综合评价结果如下:

从以上计算结果可以得出,物流业务外包风险的隶属度为0.3 6,为最大值。根据隶属度最大原则可以判断出该企业物流外包的风险较小,可实施外包策略。

五、结束语

企业物流外包风险评价是企业风险管理的一个重要方面,文中给出的模糊综合评价方法是定性与定量结合、专家经验与科学计算互为补充的系统分析方法。应用实例表明,该方法能够方便直观地对企业物流外包风险大小进行综合评判,从而为企业管理者制定相应的企业物流外包风险管理决策提供帮助,具有一定的推广价值。

摘要：随着物流外包的发展,针对企业外包过程中遇到的问题,将市场风险、管理风险、信息风险、财务风险等方面作为评价的模糊因素,建立物流外包风险的评价体系,建立模糊评价模型,为企业物流外包风险进行定量分析提供了科学的依据。

关键词：物流外包,风险指标,AHP,模糊评价

参考文献

[1]、单联宏.物流外包风险的识别及其模糊评价.科技创业,2008(9)

[2]、周柏翔,王永庆,朱拥军.模糊综合评价法在IT外包供应商选择中的应用.中国管理信息化,2006(5).

[3]、张慧.基于AHP-模糊综合评价法在临床科室绩效评价中的应用.数理药医学杂志,2008(1).

[4]、张振红,周经伦.模糊评价法在军队物资采购供应商选择中的应用.物流技术,2007(10)

AHP模糊综合评价 篇8

一、文献综述

(一) 国外文献

Scherer和Acs等多采用单一指标来衡量企业创新能力, R&D经费与技术人员投入是最为常用的指标;也采用专利申请数、技术贸易额等创新产出成果指标来反映企业技术创新的强度与水平。在基于创新过程的企业创新能力评价研究方面, Adier (1990) 等学者的研究认为对企业创新能力的评价不仅需考虑其创新产出, 还需要对企业创新全过程进行比较。在创新绩效考核方面, Souttaris (2001) 采用了创新数量、创新销售比例、专利数以及研发支出比例等指标;而Iromijn (2002) 等选择专利数和产品创新指数等指标;Caloghirou (2004) 等则选用显著改进产品数和新产品销售比例两类指标。

(二) 国内文献

魏江 (1995) 把技术创新过程分为六个阶段, 即:确认机会、形成思想、求解问题、得解、开发、运用并扩散;并据此归纳出技术创新能力的结构要素, 包括R&D能力、市场营销能力、生产能力等。傅家骥 (1998) 将技术创新能力分解为创新资源投入能力、创新管理能力、创新倾向、研究开发能力、制造能力和营销能力六项能力要素。李向波 (2007) 基于企业技术创新过程, 建立企业技术创新能力评价体系, 主要考察企业的资源投入能力、R&D能力、企业管理能力、市场营销能力等方面指标;并采用模糊综合评价法, 对企业技术创新能力进行综合评判。胡恩华 (2002) 提出从经济效益与社会效益两个方面评价企业的创新绩效, 应用模糊综合判断方法, 对企业技术创新绩效进行分析评判。高建 (2004) 特别针对技术创新型企业的特点, 提出应从产出和过程两方面考察企业技术创新绩效, 构建新的技术创新绩效评价概念模型。党兴华 (2004) 则基于人工神经网络, 建立网络环境下的企业技术创新绩效评价模型, 从技术创新网络化、企业知识与信息资源水平、企业技术创新过程组织管理三方面设置绩效评价指标;并通过非线性映射, 揭示企业技术创新绩效与其影响因素之间的作用机理。陈劲 (2006) 立足于中国企业创新的实际, 设计企业技术创新绩效评价体系, 通过对经济效益、直接技术效益、技术积累效益与创新过程绩效的评价, 反映企业技术创新的现实绩效。现有研究多是从某一角度或侧面, 对于企业长期发展与社会贡献等方面指标关注不足。本文认为应将绩效考核与能力考核紧密结合起来, 全面客观的反映企业创新活动的整体水平与综合效益。

二、企业创新评价指标体系构建及应用

(一) 指标体系的内容设计

企业创新包括一系列相互联系的科技、经济与社会活动, 自信息搜集开始, 经创新决策、研究开发、商业化生产直到市场营销的诸多环节构成了企业完整的创新过程。企业创新能力是企业在创新过程各阶段所体现的各项能力的综合体, 创新效益则是指企业创新全过程所产生的综合价值, 包含经济效益、市场效益、社会效益、生态效益等。本文构建企业创新评价指标体系, 将企业的技术创新作为考察重点, 并兼顾制度创新、组织创新、企业文化创新等内容, 具体从创新战略、创新激励、创新投入、创新成果、创新过程、创新综合贡献六个维度考察与衡量企业的创新情况。各项评价指标相互关联, 互为支撑, 共同构成完整的企业创新评价体系, 准确衡量企业创新能力与创新效益的综合水平。其中, 创新战略主要评价企业创新目标、战略、方案的制定、实施、监督与反馈, 以及员工对战略的认可、执行情况。创新激励则包括对于企业创新激励措施制定、执行、反馈的评价, 侧重于衡量企业创新激励措施的可行性、灵活性、有效性。创新投入部分主要考察为企业创新所投入的研发经费、配套设施材料、人员配备与培训、外部联系与合作等。创新成果不仅包括研究开发所获得的科研成果 (如专利、品牌等) , 还涉及到创新活动带来的直接和间接的经济效益。创新过程部分基于创新过程的四个阶段评价企业自主创新能力, 即创新准备阶段、创新决策阶段、研究开发阶段、应用推广阶段, 分别考察信息收集处理能力、分析决策能力、研发能力、营销推广能力等能力要素。创新综合贡献则重点考察创新经济成果以外的综合效益, 包括创新对市场竞争力的影响、创新对企业自身可持续发展的作用、创新的社会价值、创新的环境价值等评价内容。

(二) 构建指标体系

本文在借鉴国内外相关研究成果的基础上, 结合我国实际情况, 按照科学性、目的性、实用性、系统性、可比性的设置原则, 构建企业创新综合评价指标体系。创新综合评价体系分别从六个维度考察企业的创新能力与创新效益, 因而设立6项二级指标, 在各项二级指标下再设若干三级、四级指标。企业创新综合评价指标体系的具体内容如表 (1) 所示。

(三) 确定评价指标权重

(1) 构造层次分析结构。将系统进行层次化分解, 形成若干层次指标构成的多层结构, 即目标层、中间层和指标层。目标层A即总体目标即企业创新综合指数。本文指标体系的中间层又细分为两个层次:主因素层B和子因素层C, 包括了为实现总目标需考虑的各方面因素;指标层X则是由各项创新评价具体指标组成的基础层。 (2) 构造判断矩阵。采取问卷调查和访谈等方式, 征询有关专家、企业高管、主管部门的意见, 确定同一层次各项指标之间相对重要性的两两比较数值, 进而用这些标度值来构造每一层指标的判断矩阵。判断矩阵中的元素Aij是指标Xi相对指标Xj的相对重要性的数值表示;显然, 判断矩阵的任一元素都满足:Aij=1/Aji。以主因素层B层为例, 创新战略、创新激励、创新投入、创新成果、创新过程、创新综合贡献六项指标的相对重 (3) 确定权重, 并作一致性检验。计算判断矩阵的最大特征值和对应的归一化特征向量, 从而得到同一层次指标的权重向量;并用一致性比例CR检验矩阵一致性。一致性检验按照以下步骤进行:计算一致性指标CI=λ (nA1) -n;找出相应的平均随机一致性指标RI;计算一致性比例CR=CI/RI。经计算, 得到矩阵A的最大特征值λMAX=6, 对应的归一化特征向量为 (0.12 0.12 0.15 0.19 0.190.23) T, 也即B层六项指标的权重向量。计算得出:CI=0, RI=1.24, CR=0<0.1, 则矩阵A通过一致性检验, 结果有效。 (4) 确定总权重。运用上述步骤确定C层与D层指标的权重向量, 并分别通过一致性检验之后, 对各层次指标的权重进行总排序;从而得出各项要素对于整体目标A企业创新综合指数的总权重。

(四) 多级模糊综合评价模型

本文将模糊数学集合论与AHP法相结合, 建立企业创新多级模糊综合评价模型。根据模糊理论, 将指标层对子因素层的评价看成第一级评判, 将子因素层对主因素层的评判看成第二级评判, 将主因素层对目标层的评判看成第三级评判;从而构建出三级四层的企业创新模糊综合评价模型。 (1) 建立评价对象的评语集T。模糊评语集T设有优、良、中、合格、差共五个等级;采用专家评分法得到各项指标的评价等级分布情况, 然后对等级评判结果进行统计汇总, 得出各等级评判所占的百分比, 建立起指标Xi的模糊评语集。T={t1, t2, t3, t4, t5}={优, 良, 中, 合格, 差}。 (2) 设立模糊评价矩阵R。R表示某一指标的各项下级因素对评语集各等级模糊子集的隶属度, 将各项指标的评价等级分布情况汇总, 得到模糊评价矩阵R:R中的元素Rij表示第i项因素得到的第j等级评价所占百分比, i为相应层次的评价指标数目, j为评语等级;并满足:例如, R1为创新战略实施各项指标的模糊评价矩阵, 则有: (3) 进行各级模糊评判。第一级模糊评判运算公式为:C*=d*R1。C*为子因素层C各项指标的综合模糊运算结果;d为C层指标所对应下级因素的权重矩阵;R1为模糊评价矩阵, 表示C层指标的各项下级指标对于评语集各等级模糊子集的隶属度。例如, 创新战略实施指标C2的综合模糊运算结果C2*可由C2下级指标权重矩阵d2与下级指标的模糊评价矩阵R1相乘得到第二级评判采用与第一级评判相同的方法, 则得到第二级模糊评判的运算公式:B*=s*R2。B*为主因素层B各项指标的综合模糊运算结果;s为B层指标的下级各因素的权重矩阵;R2为下级各因素的模糊评价矩阵, 表示主因素层B下级各因素对于评语集各等级模糊子集的隶属度。第三级评判方法同上, 可以得到第三级模糊评判的运算公式:A*=k*R3。A*为B层各指标相对于总体目标A的综合模糊运算结果;k为B层各指标相对于A的权重;R3为模糊评价矩阵, 表示B层各项指标对于评语集各等级模糊子集的隶属度。 (4) 计算综合评价值。通过上述三级评判, 最终得到多级综合模糊评价值M, 即企业创新综合评价指数。设与“优、良、中、及格、差”相对应的分数集合向量为:F=[95, 85, 75, 65, 30]T, 则综合评价值公式为:M=A**F。企业创新综合评价指数M的大小, 反映企业创新的最终评价结果, 为客观评价企业创新能力与创新效益提供了科学依据。

三、结论

近年来, 国内外学者在层次分析法和模糊综合评价法的理论研究与实际应用上都取得了很大进展。本文采用基于AHP的模糊综合评价方法, 建立企业创新模糊评价模型, 对企业的创新能力与创新效益进行定量评价。模型的指标体系与评价方法均立足于我国企业改革发展现实情况而设计, 力求反映企业创新的真实水平;对企业创新情况的客观评价, 有助于企业找出问题所在, 制定有效战略, 完善创新机制, 培育和发展创新能力。

摘要：本文从企业的创新能力与创新效益两方面入手, 运用层次分析法构建企业创新评价指标体系, 将模糊数学集合理论与AHP法相结合, 构建基于AHP法的企业创新多级模糊综合评价模型, 对企业创新能力与创新效益进行定量评价, 进而得到企业创新的综合评价结果。

关键词：创新评价,指标体系,层次分析法,模糊综合评价模型

参考文献

[1]王德劲:《企业技术创新能力评价研究综述》, 《科技管理研究》2010年第7期。

[2]陈劲、陈钰芬:《企业技术创新绩效评价指标体系研究》, 《科学学与科学技术管理》2006年第3期。

[3]党兴华、王育晓、刘泽双:《网络环境下企业技术创新绩效评价研究》, 《中国管理科学》2004年第12期。

[4]魏江、许庆瑞:《企业创新能力的概念、结构、度量与评价》, 《科学管理研究》1995年。

[5]胡恩华、单红梅:《企业技术创新绩效的综合模糊评价及其应用》, 《科学学与科学技术管理》2002年第5期。

[6]F.M.Scherer, Concentration, R&D, and Productivity Change.Southern Economic Journal, 1983.

[7]Adler.P, Shenbar.A.Adopting Your Technological Base:The Organizational Challenge.Sloan Management Review, 1990.

[8]Souitaris.V.External Communication Determinants of Innovation in the Context of a Newly Industrialized Country:A Comparison of Objective and Perceptual Results from Greece.Technovation, 2001.

[9]Romijn.H, Manuel.A.Determinants of Innovation Capability in Small Electronics and Software Firms in Southeast England.Research Policy, 2002.

AHP模糊综合评价 篇9

关键词：建筑工程项目,风险评价,层次分析法,模糊综合评价

0前言

任何建筑工程项目施工过程中都存在着风险, 风险会造成工程项目实施的失控, 导致经济效益的降低, 甚至项目的失败。正是由于风险会造成重大的损失, 所以如何有效地去评价风险, 是一个有待解决的重要问题。本文对工程项目风险进行分析与评价, 目的在于寻求度量工程项目风险的有效方法, 以期对项目的风险评价起到一定的借鉴作用。

1 建筑工程项目风险评价

风险评价主要是在识别风险和估计风险基础上, 建立风险系统评价模型, 综合分析风险因素, 并推算各个风险概率及损失大小, 最终得出项目整体风险水平。在风险评价中, 比较被广泛用来确定权重值的方法是层次分析法, 它在风险量化上有较强优势, 但却没有结合各个方面的经验数据。

模糊综合评价方法是基于模糊数学理论的一种综合性评价方法, 但模糊综合评价主观随意性较大, 没有客观的权重量化值。因此, 本文采用层次分析法与模糊综合评价法相结合进行风险评价, 即通过层次分析法确定各指标的权重, 用模糊综合评价法对工程项目进行评价。这样能够形成优势互补, 突出这两种方法的优势, 互补各自的不足。

1.1 运用层次分析法确定指标权重

1.1.1 构建层次分析模型

根据构建的建筑工程项目风险指标体系分为目标层、准则层、指标层, 形成一个层次清晰的结构模型。本文通过对项目风险的分析, 运用德尔菲法向多位有丰富经验的专家进行咨询, 并参考大量相关研究资料, 建立了一套较为合理的建筑工程项目风险评价指标体系, 如表1所示。

1.1.2 构造成对比较判断矩阵

假设比较准则层n个因素U={U1, U2, …, Un}对同一目标的影响, 每次取因素如Ui和Uj, aij表示Ui与Uj对目标的影响程度之比, 其中aij的取值, 由专家利用1-9比例标度法, 分别对每一层次的评价指标的相对重要性进行定性描述, 并用准确的数字进行量化表示。由专家打分得到的两两比较判断矩阵, 采用求和法和方根法来对最大特征值和特征向量进行计算。根据矩阵理论, 正互反型矩阵满足一致性时, 最大特征根等于矩阵的阶数, 即λmax=n。于是用CI来表示评价判断矩阵的一致性指标:CI= (λmaxn) / (n-1) 。用一致性比率CR检验判断矩阵的一致性。当CR越小时, 判断矩阵的一致性越好。当CR≤0.1时, 判断矩阵符合一致性标准, 层次单排序的结果是可以接受的, 否则需要修正判断矩阵的取值, 直到检验通过, 通过一致性检验的权向量可以作为最终决策的依据。

1.2 运用模糊综合评价法进行综合评价

1.2.1 确定项目因素集与评价集

将建筑工程项目风险作为评估对象, 确定评价因素集合U={U1, U2, …, U6}, 其中各单因素子集分别为:U1={U11, U12, …, U1n}, U2={U21, U22, …, U2n}, …, Un={Un1, Un2, …, Unn}。

确定评价等级标准集合V:V={v1, v2, …, vn}, vn表示不同的风险等级, 式中n为元素个数。这一集合决定了某一评价因素的评价结果的选择范围。

1.2.2 建立模糊矩阵R

首先从因素集U中的单个因素出发进行评价, 确定评价对象对因素集中各元素的隶属程度。由此可得模糊评价矩阵R:

1.2.3 建立权重向量

各个因素的重要程度通常是不一样的, 为了反映各因素的重要程度, 对各个因素uj应赋予相应的权数wj。由各权数所构成的向量Wi=[w1, w2…wn]称为因素权重向量。由上文可知, 本文采用层次分析法确定各因素的权重。

1.2.4 模糊综合评价数学模型

首先计算各指标层的指标评价Bi=Wi×Ri (i=1, 2, …, n) , 将其得到的结果作为目标层模糊评价矩阵, 即:

由上可知目标层的权重向量W和评价矩阵R, 进行模糊变换来进行综合评价, 模糊综合评价的数学模型为:

对B进行归一化处理得B', 根据最大隶属度原则, 对B'做出评价判断, 由此确定项目所属的评价等级, 给出评价结论。

2 实例分析

本文选取郑州市高新实业牛砦安置房工程项目作为实例分析的对象, 该项目为住宅小区, 总建筑面积为25 814m2。本文利用构建的评价模型对此工程项目进行风险评价。具体步骤如下: (1) 建筑工程风险评价指标体系的构建, 如表1所示; (2) 构造判断矩阵, 并确定指标权重。

中间层要素对决策目标的排序权重如下:承包商风险U5权重:0.455 3;业主风险U3权重:0.247 8;监理工程师风险U4权重:0.156 1;政策风险U1权重:0.070 4;环境风险U2权重:0.070 4。

1) 工程项目风险因素体系U:一致性比例:0.0461;对“工程项目风险因素体系U”的权重:1.000 0;λmax:5.206 7。

2) 政策风险U1:一致性比例:0.008 8;对“工程项目风险因素体系U”的权重:0.070 4;λmax:3.009 2。环境风险U2:一致性比例:0.051 6;对“工程项目风险因素体系U”的权重:0.070 4;λmax:3.053 6。

3) 业主风险U3:一致性比例:0.037 0;对“工程项目风险因素体系U”的权重:0.247 8;λmax:3.038 5。监理工程师风险U4:一致性比例:0.037 0;对“工程项目风险因素体系U”的权重:0.156 1;λmax:3.038 5。

4) 承包商风险U5:一致性比例:0.037 0;对“工程项目风险因素体系U”的权重:0.455 3;λmax:3.038 5。

5) 进行模糊综合评价。

(1) 确定因素集:因素集为U={U1, U2, U3, U4, U6}={政策风险, 环境风险, 业主风险, 监理工程师风险, 承包商风险}。子因素集为U1={U11, U12, U13}={国家政策变化, 建筑产业结构调整, 建设法规及施工条例的变化}, 其他的同理可得。

(2) 确定评价集:评价集V={V1, V2, V3, V4, V5}={高风险, 较高风险, 一般风险, 较低风险, 低风险}。

(3) 建立模糊评价矩阵R:由专家判断任一指标Ui所属的等级, 然后统一每一指标隶属于V各等级的频数, 各频数与专家总数比例作为各指标的隶属度, 构成各指标子集的模糊评价矩阵。采用专家调查法, 对项目中的风险因素进行评价, 取专家人数50人。

政策风险因素指标评价矩阵:

环境风险因素指标评价矩阵:

业主风险因素指标评价矩阵:

监理工程师风险因素指标评价矩阵:

承包商风险因素指标评价矩阵:

根据模糊综合评价模型可知:

则政策风险因素指标评价为:

同理:环境风险因素的指标评价为:

业主风险因素的指标评价为:

监理工程师风险因素的指标评价为:

承包商风险因素指标评价为:

对建筑工程风险评价指标中的五个一级指标U1, U2, U3, U4, U5的权重为:

建筑工程风险评价指标U的评价矩阵

则建筑工程风险因素指标评价为:

将B归一化处理后得:

根据最大隶属度原则可知, 该建筑工程项目风险评价为较高风险。

3 总结

本文在构建的建筑工程项目风险评价指标体系基础上, 建立风险评估模型:首先, 运用层次分析法逐步确定工程项目风险评价指标体系中各个指标的权重, 对指标进行一致性检验;其次, 采用模糊综合评价法, 评价工程项目的风险程度, 进行单因素模糊评价, 获得评价矩阵R, 并建立权重向量, 建立模糊综合评价数学模型, 由此确定项目所属的评价等级, 给出评价结论, 而且利用层次分析法与模糊综合评价法进行多级模糊综合运算, 不但考虑到了各种因素对所研究问题的影响, 综合了多个评价主体的意见, 而且有效地解决了评价过程中出现的模糊性问题, 进行了科学的定量化处理, 将定性评价与定量计算有机地结合起来。总之, 把层次分析法与模糊综合评价法相结合的评价方法易于实现程序化、直观易懂、可操作性强, 具有非常好的应用价值。

参考文献

[1]韩利, 梅强, 陆玉梅, 等.AHP-模糊综合评价方法的分析与研究[J].中国安全科学学报, 2004, 14 (7) :86-89.

[2]朱建军.层次分析法的若干问题研究及应用[D].沈阳:东北大学, 2005.

[3]周高平, 周直.基础设施项目投资风险模糊综合评价模型[J].重庆交通学院学报, 2005, 24 (1) :107-111.

[4]赵雪红.城市房地产投资风险管理研究[D].济南:山东大学, 2006.

AHP模糊综合评价 篇10

1 高校专任教师绩效考核的内容

高校专任教师是指就职于高校, 在专业领域从事教学、科研及社会服务的专职人员, 是拥有特定专长、称谓的教授、副教授、讲师及助教的统称。兼职教师、客座教授、后勤员工、教辅人员、专职党务或行政人员等不属于这一范畴。

高校专任教师的绩效考核是指为实现高校整体目标、促进教师个人发展, 考评主体根据教学、科研、社会服务等方面的评估标准, 运用定量和定性方法, 评定专任教师的工作任务完成程度、工作职责履行状况和个人发展情况, 并将考核结果反馈给教师、应用于培训、进修、聘用、晋升、奖励等工作的全过程。

高校专任教师的绩效考核包括两方面的内容:一是显性绩效, 即工作实绩和贡献, 它反映了专任教师于过去一个考评周期内在教学、科研、社会服务三方面的业绩, 这是“看得见”、向来被考评双方关注的内容;二是隐性绩效, 考核的是教师的素质和发展能力, 它与专任教师在未来考评周期内的工作绩效直接相关, 某种程度上可以认为是未来绩效的预期。

2 专任教师绩效考核指标体系的设计

2.1 设计原则——SMART原则

设计原则是绩效考核指标体系设计的理论依据。作为世界银行及许多国家政府部门和组织在评价工作中普遍遵循的指标体系设计原则, SMART原则是五个英语单词第一个字母组成的简写。

(1) S (Specific) 特定性原则, 即指标体系设计时要针对特定的评价对象和评价活动, 这是指标体系设计的出发点。

(2) M (Measurable) 可衡量原则, 即所要设计的指标应界定明确、涵义明晰。

(3) A (Attainable) 可获取原则, 即指标体系设计时应考虑到实际评价中可以获取相应的数据资料。

(4) R (Relevant) 相关性原则, 即评价指标体系中的各个指标之间应当具有一定的内在逻辑关系, 相互补充, 构成一个有机的整体。

(5) T (Traceable) 可跟踪原则, 是指设计的评价指标体系应有利于反馈、跟踪监督和控制。

2.2 高校专任教师绩效考核指标体系的内容

从高校专任教师绩效考核的内容及特点出发, 借鉴目前已有的部分研究成果和国内外一些大学的实际做法, 基于SMART原则, 高校专任教师的绩效考核可以分为教学、科研、服务、素质和发展评价等四个一级指标及相应的二级、三级评价指标, 整个评价指标体系 (实际运用时各院系可做差异性调整) 如表1所示:

3 基于熵修正AHP的指标体系权重设计

考核指标体系的权重设计决定了评价的目标导向, 直接关系到专任教师个体发展与学校整体战略的实现。常用的权重设计方法有德尔菲法、因子分析法、层次分析法 (AHP) 、熵值法等。层次分析法是一种定量和定性相结合的专家赋权方法, 在权重设计中被广泛采用。其主要缺点在于专家赋权的主观性, 而通过熵值法, 对专家赋予的权重的差异程度进行衡量, 可以剔除主观性或偶然性较强的权重。因此, 科学的权重应为主观赋权的层次分析法和客观赋权的熵值法的综合度量。具体步骤如下:

3.1 层次分析法 (AHP) 确定初始权重

(1) 根据绩效考核指标体系 (表1) 建立层次分析结构。

(2) 以上一级指标为标准, 根据1-9标度法 (见表2) 判断本层次各指标的相对重要性, 构成判断矩阵C= (Cij) n×n, 其中Cij表示指标i相对于指标j的重要性。

(3) 计算特征向量和最大特征数。

①计算判断矩阵每一行的乘积, undefined;

②计算 的n次方根undefined;

③对undefined进行正规化, undefined;则W=[W1, W2, …, Wn]是特征向量, undefined是最大特征根。

(4) 层次单排序的一致性检验。

①计算度量判断矩阵偏离一致性的指标: CI= (λmax-n) / (n-1) ;查表 (见表3) , 得判断矩阵的平均随机一致性指标RI。

②计算随机一致性比率CR=CI/RI, 当CR<0.1时, 即认为判断矩阵具有满意的一致性, 否则, 就需要调整判断矩阵, 使之具有满意的一致性。

最新研究指出, AHP法中不必检验层次总排序的一致性, 因此不必对层次总排序进行一致性检验。

通过一致性检验的W即初始权重。

3.2 熵修正初始权重

(1) 对已构造的判断矩阵C= (Cij) n×n, 按公式undefined作归一化处理, 得到标准判断矩阵undefined, 则第j项指标对应的熵undefined;第j项指标的偏差度dj=1-Ej, 对其归一化处理:undefined;

(2) 用μj修正AHP法得到的指标权系数W, 得到修正后的指标权系数undefined。

根据某高校的实际情况和发展战略导向, 利用层次分析法 (AHP) 、通过熵修正的最终权重参见表1。

4 专任教师绩效考核的模糊综合评价模型

(1) 确定指标 (因素) 集U。第一级指标集为U= (u1, u2, u3, u4) , ui表示第i个一级指标 (i=1, 2, 3, 4) ;相应的权重集为A= (a1, a2, a3, a4) 。第二级指标集为UK= (uk1, uk2, …, ukm) , uki表示第k个一级指标下第i个二级指标 (i=1, 2, …, m) ;相应的权重集为AK= (ak1, ak2, …, akm) 。第三级指标集为UKL= (ukl1, ukl2, …, ukln) , ukli表示一级指标为k、二级指标为l下的第i个三级指标 (i=1, 2, …, n) ;相应的权重集为Akl= (akl1, akl2, …, akln) 。

(2) 确定评语集V= (优秀, 良好, 中等, 较差, 差) , 对应分值集F= (1, 0.8, 0.6, 0.4, 0.2) 。

(3) 选择算子。考虑到评价结果应充分体现各个指标的影响, 采用加权平均型算子M (· , ⊕) 。

(4) 由下往上逐层进行综合评价。

①对于第三级指标UKL, 从UKL到评语集V的模糊评价矩阵为RKL= (Rij) n×n , Rij表示指标ukli对第j级评语Vj的隶属度。对矩阵RKL作模糊矩阵运算, 得到指标UKL对评语集V的隶属向量BKL=AKL RKL= (bkl1, bkl2, …, bkl5) , 记RK= (BK1, BK2, …, BKm) T。

②对第二级指标UK的评价矩阵RK作模糊矩阵运算, 得到指标UK对评语集V的隶属向量BK=AK RK= (bk1, bk2, …, bk5) , 记R= (B1, B2, B3, B4) T。

③对第一级指标U的评价矩阵R作模糊矩阵运算, 得到指标U对评语集V的隶属向量B=AR= (b1, b2, …, b5) , 对B按公式undefined归一化, 得B*= (b1*, b2*, …, b5*) 。

(5) 综合评定。

根据模糊评价结果B*与评语集对应的分值集F的转置相乘, 得到综合评价值S, S=B* FT。S反映了专任教师的“综合绩效”, 可直接用于教师之间的横向比较。

5 结论

评价指标体系的科学性和合理性是综合评价工作的关键。笔者建立的专任教师绩效综合评价体系包括教学、科研、社会服务、素质与发展评价四方面的多个指标, 较为全面、系统的反映了专任教师的显性和隐性绩效。通过熵修正层次分析法赋权, 使得权重的设计主客观结合, 更为科学合理。繁琐的统计、计算工作都可通过计算机实现, 简单易行。

在模糊综合评价中, 可以根据具体情况引入不同算子, 实际应用中具有较大的灵活性。考核过程中得到的数据和评价结果, 有助于专任教师个体进行纵向分析, 发现教学、科研等方面的优点和不足, 也有利于教师彼此之间的横向比较, 以此作为奖励、聘任、晋升等工作的依据。综上所述, 将熵修正AHP法和模糊综合评价应用于专任教师评价, 具有很强的可操作性和实际意义。

摘要：从高校专任教师绩效考核的内容出发, 基于SMART原则, 建立了一套专任教师绩效评价指标体系, 通过熵修正AHP法为其科学赋权, 并运用模糊数学理论构建了综合评价模型, 以期为评价专任教师绩效提供一套合理可行的方法。

关键词：高校专任教师,熵修正,AHP,模糊综合评价

参考文献

[1]颜海珍.高校教师绩效考核的难点和对策[J].现代经济信息, 2012, (3) :7-10.

[2]孙炎.基于AHP的农村教师流动主要因素分析[J].当代经济, 2011, (11) :156-157.

[3]宋伟玉.高效后勤学习型基层党组织建设研究[D].哈尔滨:哈尔滨工程大学, 2010.

[4]杨贵彬.国防科技工业.寓军于民目标体系建立研究[J].工业技术经济, 2008, (5) :31-34.

[5]柳国辉, 谌国辉.国外教师绩效评价的理念与实践[J].基础教育研究, 2010, (2) :6-9.

AHP模糊综合评价 篇11

关键词 教师评价；多级模糊综合评价；指标

中图分类号：G645 文献标识码：B

文章编号：1671-489X（2015）16-0032-04

Abstract This paper illustrates by the case of Sichuan University for Nationalities， extracts teaching evaluation factor in their teaching evaluation index system with multi-level fuzzy comprehensive evaluation method， analyzes teaching evaluation indicators， model and carrying it out and combining the qualitative description and analysis， and establishes evaluation index system. It evaluates the status of appraisal from a number of factors to reduce the error that subjective evaluation of teaching the traditional factors will ensure the fairness on the evaluation results.

Key words teacher evaluation； multilevel fuzzy comprehensive evaluation； indicators

学生评教是高校教学质量监控的重要环节，对促进教师成长、提高学校教学质量有着重要的作用。现有的教师评价模型有三类：学生打分评教法、层次分析评教法以及模糊综合评价评教法。学生打分法易操作，但准确性不高，主观性强[1]；采用层次分析法的计算量大，需要判断矩阵的最大特征和矩阵的阶数是否相等，需要检验判断矩阵是否具有一致性，而且当判断矩阵不一致时需要通过若干次的调整、检验才能具有一致性，数据量和操作都比较复杂[2]。采用模糊综合评价法建模可以将一些边界模糊、不容易量化的因素量化，将定性分析和定量分析相结合，对被评价事物隶属等级状况进行综合性的评价，是一种比较适合的教学评价方法[3]。

1 多级模糊综合评教模型建立——以四川民族学院为例

四川民族学院地处边远贫困民族地区，区域经济及地理位置等因素在一定程度上影响学校的发展。其作为新建民族本科院校，欲在当前教育改革背景下实现跨越式发展，须积极探寻符合自身实际的改革与发展路径，突出办学特色，提高办学质量。学生评教作为高校教学质量监控的重要环节、提高教学质量的重要保障，其科学性、公正性至关重要。文中采用模糊综合评价法，对四川民族学院现有的评教指标进行建模分析，以期为其他评价提供范例。

教师评价因素——以四川民族学院为例 四川民族学院教师评价体系中，一级指标包括教学内容、教学水平、教学效果和教学态度，所占的分数分别为30分、30分、25分和15分；二级指标包括观点正确、层次清晰、信息量适度等。具体指标和单个指标的总分如表1所示。

将四川民族学院评教的一级指标和二级指标进行定义，其中一级指标用C={C1，C2...Cn}集合表示，二级指标用Ci={Ci1，Ci2...Cij}集合表示，根据单项指标的总分数，得到各个指标的权重，设定衡量尺度包括“非常满意”“比较满意”“满意”“不满意”“非常不满意”这五个等级，表示为S={S1，S2...Sn}，建立四川民族学院教师评价指标体系，如表2所示。

满意度分成非常满意、比较满意、满意、不满意、非常不满意这五个等级，再设定这五个等级相对应的分值为90分、80分、70分、60分、50分。

2 多级模糊综合教师评价模型实施

选取四川民族学院中100名学生，采用表1的各项指标，用问卷调查的方式对一名教师的同一课程进行打分评价，将结果用单因素评判矩阵表示，其中教学内容关系矩阵为R1、教学水平为R2、教学效果为R3、教学态度为R4。

因为A值结果求和不为1，对A进行规整处理，并将最后分数换算成满分为100分所占的分数。由公式（8）和公式（9）得到：

通过多级模糊综合法得出100名学生给该教师打的分数v′为91.7分。为了说明该方法具有较强的客观性，让参与实验的100名学生根据表1的评价方法，采用打分法对该教师进行打分，将总分除以学生人数，最后该教师所得分数为90.3分。假设欲将该教师最后得分提高1分，采用学生打分法只要每个学生在原有的基础上增加1分即可；而采用多级模糊综合评价法，学生在原有的基础上任意增加1分是达不到效果的，因为该方法中每个指标所占的权重不同，而且要通过多级模糊运算，可见比打分法具有较强的客观性。

3 结论

本文将四川民族学院现有的评教体系通过多级模糊评价法进行建模并实施，用指标作为影响因子，建立评判指标和衡量尺度等级的关系矩阵，采用综合模糊评价法对一直指标和关系矩阵进行模糊评判，根据评判结果，再进行二级评判，最后对结果进行规整，换成百分制，得到实验教师最后综合得分是91.7分。同时用打分法进行对比实验，让参与实验的100名学生根据原有的评教方法，对该教师进行打分，最后算出平均分为90.3分。这种方法操作简单，但是主观性强，公正性得不到保证。采用综合模糊评价法进行建模处理的方式，将定性描述和定量分析相结合，减小了因主观因素带来的误差，评价结果更加全面、客观，从而保证评价的公正性，以达到保障教学质量的效果。

参考文献

[1]孙炳海，申继亮.美国教师评价的发展历程与评价模型研究述评[J].比较教育研究，2009（5）：73-76.

[2]叶珍.基于AHP的模糊综合评价方法研究及应用[D].广州：华南理工大学，2010.

AHP模糊综合评价 篇12

关键词：软件质量,模糊综合评价,研究

0 引言

软件作为一个新兴的产业,在人们的生产生活中占据着重要的地位,软件质量的评价结果是指导其开发出高质量软件的重要参考依据。评价方法对评价结果的真实性起着决定作用,因此,寻找科学合理的软件质量评价方法具有重要意义。

1 评价模型

由于软件质量评价的指标很难用定量的指标来描述,即其评价指标具有较强的模糊性,因而在本研究中引入模糊数学的理论对软件质量进行评价。在模糊综合评价中,权重的计算是一项关键的内容,对评价的结果有重要影响,层次分析法是权重确定中常用的一种有效方法,它把问题层次化,根据问题的性质和需要达到的总体目标,将问题分解为不同的组成因素,并按照因素间的相互影响将因素按不同层次聚集组合来确定各指标在总体中的重要性。

因此,本文采用层次分析法来确定软件质量评价的指标权重,运用模糊数学理论中的模糊综合评价来测度软件质量水平。

1.1 层次分析法确定权重

层次分析法(Analytic Hierarchy Process)简称AHP,它是一种定性和定量结合的决策方法,AHP把复杂的问题分解为各个组成因素,通过两两比较方式确定层次中诸因素的相对重要性,然后通过综合判断以决定诸因素相对重要性的顺序。应用步骤如下:

(1)构造判断矩阵A,采用1-9等级9个标度和它们的倒数,对因素集中各评价因素相互相对重要性两两比较,不同等级的重要性所。判断矩阵的一般表达形式为:

式中aij表示第i个因素对第j个因素的重要性程度。

(2)权重的计算,根据判断矩阵用最大特征根法计算权向量T和最大特征根λmax,其具体步骤如下:

计算判断矩阵A每一行元素的乘积,计算Mi的n次方根,对标准化(归一化处理,计算判断矩阵A的最大特征根

a.计算一致性指标:

其中,λmax为判断矩阵A的最大特征根,n为A的阶数,它是衡量不一致程度的数量标准。

b.计算判断矩阵A的随机一致性指标RI。

c.计算随机一致性比率:

当CR<0.1时可以认为判断矩阵具有满意的一致性。否则,就必须重新进行两两比较以调整判断矩阵中的元素,直至判断矩阵具有满意的一致性为止。这时从判断矩阵中计算出的最大特征根所对应的特征向量经标准化后,才可以作为层次分析的排序权值T。

1.2 模糊综合评价模型

美国控制论专家查德提出的处理模糊事物的数学方法,引入“隶属函数”来描述客观事物的差异的中间过渡的模糊数学方法,在许多的领域得到广泛的应用,其具体步骤如下[4,5]。

首先,建立软件质量评价因素集合U=Ui(i=1,2,3),这里Ui代表第一层指标,每一个Ui又由五个二级指标构成,表示为Ui=Uij(j=1,2,3,4,5)。然后确定评语集V,模糊评价矩阵R,令V=(v1,v2,v3,v4,v5)=(很高,高,一般,低,很低)。采用问卷调查的方法,得到指标Uij隶属于评语Vk的人数与参加问卷调查总人数的比值,对评价因素集U中的每一个因素Uij,做一个评价f(Uij),则可得到U到V的一个模糊映射f,即:ui→f(ui)=(ri1,ri2,…,rij)∈F(V)

其中,F(V)是V上的模糊集合全体。根据模糊变换的定义,模糊映射可以确定一个模糊关系R,称为模糊评价矩阵:

在此基础上确定各指标的最终模糊集:分为第一层次模糊综合评价集和第二层次模糊综合评价集,第一层次是在第二层次确定的基础上来构建的,第二层次模糊综合评价集为:

其中i=1,2,3,4;j=1,2,3,4,5

第一层次模糊综合评价集为:

最后去模糊获得单一评价值。

本文采用李克特5级量表对某某软件质量水平进行测度,即V=(v1,v2,v3,v4,v5)=(很高,高,一般,低,很低)=(5,4,3,2,1)。软件质量评价的最终评价值为:

2 人力资源信息系统绩效评价实证研究

2.1 数据来源

本文应用评价模型对质量水平进行评价测度。首先根据评价指标体系设计调研问卷,然后在2010年3月-4月期间,分层次随机抽取到管理层人员为访问对象进行问卷调查,现场填写、现场访谈、现场回收。共发放调查问卷350份,收回有效问卷293份,问卷回收率为84%。调研对象包括91名男性和76名女性,年龄在25-55岁之间,被调研人数是问卷题项数的5倍以上,符合问卷调查要求。同时,通过访谈相关的软件类专家与高校工作人员来获得补充信息。由调研获得的基础数据如表1所示。

2.2 模糊评价

根据前面的分析可知,本研究中软件质量的评价指标集U包含功能性、可靠性、易用性、维护性、移植性、效率6个指标,即U=(Ui)(i=1,2,3,4,5,6)。其中每一个Ui又分别由第2层指标Uij构成,即U=Uij,评语集V=(v1,v2,v3,v4,v5)=(很高,高,一般,低,很低)=(5,4,3,2,1)。根据模糊评价理论与式9得到某某软件的功能性、可靠性、易用性、维护性、移植性、效率的评判矩阵分别为R1,R2,R3,R4,R5,R:

根据式6、式7及各指标的权重值,计算第一层次模糊综合评价集为:A=W×C=(0.1952,0.3781,0.2336,0.1526,0.0415);根据式7对第二层模糊综合评价集根据评语集V进行去模糊计算,分别得到该软件的功能性、可靠性、易用性、维护性、移植性、效率质量评价值P1,P2,P3,P4,P5,P6;根据式8对第一层模糊综合评价集根据评语集V进行去模糊计算,得到该软件质量的评价值Pz:Pz=5×0.1952+4×0.3781+3×0.2336+2×0.1526+1×0.0415=3.5357;最后,软件质量效评价结果:功能性U1=3.5183;可靠性U2=3.3881;易用性U3=3.6072;维护性U4=3.3557;移植性U5=3.5380;效率U6=3.8413;综合评价3.5357。

3 结论

通过数据分析,可以得到一些结论:该软件的易用性、移植性、效率较高,但在功能性、可靠性、维护性方面质量较低,在未来的发展中,应该在提高软件功能的准确性的基础上,进行软件功能适应性的调整,从而加大功能的互操作性,同时也要不断地提高保密安全性,最终实现功能的依从性。

参考文献

[1]石柱,何新贵.模糊软件质量综合评价[J].系统工程与电子技术,2002,24(12):121-122.

[2]李良宝,韩喜双.软件质量的多级模糊综合评价[J].哈尔滨工业大学学报,2003,35(7):812-815.

[3]杨扬.计算机软件质量模糊综合评价方法[J].小型微型计算机系统,2000,21(3):313-315.