多层次模糊综合评价（精选12篇）
多层次模糊综合评价 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.
多层次模糊综合评价 篇2
以西北某灌区为例,利用模糊层次综合评价法对工程生态环境影响进行了评价,首先将总体生态环境评价作为最高层次的`评判对象,将自然、生态和社会环境3个子系统作为第2层次评判对象,将生态环境组成要素如土质、地表水文等8个要素作为第3层评判对象,将水质、植被等15个要素作为第4层次评判对象.模型建立后,对各因素的权重进行了分析,对灌区最后的综合评价是很好,模型分析结论与实际情况相符.
作 者：刘俊民 杨平方增强 马玉峰 作者单位：刘俊民,杨平(西北农林科技大学水利与建筑工程学院,陕西,杨凌,712100)
方增强,马玉峰(安徽省水利水电勘测设计院,安徽,合肥,230022)
多层次模糊综合评价 篇3
[关键词] 多层次模糊综合评判法 优序图法 评价指标 企业技术创新绩效
一、引言
在知识经济时代，企业的生产、经营环境将发生重大变化：新技术不断涌现，产品的技术生命周期不断缩短；知识产权对技术创新成果的保护更加有效，技术贸易壁垒更加森严。在这种形势下，企业不进行技术创新就会灭亡。技术创新是转变经济增长方式的关键，是企业发展动力的源泉。对企业技术创新绩效进行系统分析和综合评判, 对于企业科学地认识自身的技术创新状态, 采取有效的技术创新战略, 保持和提高企业竞争优势, 获得最佳经济效益和社会效益具有特别重要的理论意义和现实意义。企业技术创新绩效中所包含的事物往往具有多种属性,为多层结构，层次难以界定，是一个典型的模糊性问题。企业技术创新绩效的评价存在也许多不确定性，可从不同角度去评价。建立科学、合理、严谨、量化的评价模型已成为急需解决的重要课题。多层次模糊综合评判法能将定性问题转化为定量的数学模型，使定量评价建立在定性分析的基础上，并直观地指出关键的评价问题所在，使评价更有实用性。
二、多层次模糊综合评判模型
多层次模糊综合评判法首先是根据项目的实际特点, 建立评价因素指标体系, 将所涉及到的诸因素按照某些属性划分为几类, 从低向高层次的顺序,先对每一类进行初层次的综合评价, 在此基础上再对每类所得的评价结果进行类间的更高层次的综合评价, 从而得到一个既定量化又较符合实际的评价结果。 同时在多层次评价过程中, 应用优序图法来确定各因素指标的权重。具体步骤如下：
1.技术创新绩效评价指标体系的建立
结合技术创新的本质内涵、特点、创新过程特征和中国企业的创新实际，本着科学性、完备性、可比性、可操作性原则，针对企业的创新特征设计出企业技术创新绩效评价指标体系见表1。
表1 技术创新绩效评价指标体系结构
2.建立各因素的评价集V
评价集是对各层次因素评价结果的直接描述和表征形式。显然, 对每一层次的每一个因素都需要建立相应的评价集。确定模型中各个因素的评价结构均为4个等级, 即V中的元素为4个(m=4)表示为={优，良，中，差}。对第二层次各因素(共22个)而言, 它们是综合评价的基因素, 即直接调查评判的因素。而第一层次的因数和总目标因素是若干基因素评判结果的综合反映。评价集是以隶属度的形式来表征综合评价结果的。它能全面地反映评价的情况。在实际运行中, 为了使评判结果更加直观，往往要对评判结果给出具体的分数，因此设优，良，中，差分别为95分，85分，75分，65分。
3.建立因素的权重集
根据每一层次中各个因素对上一层次因素的重要程度,分别赋以相应的权数。第一层次因素权重集，第二层因素权重集(n为第一层次各因素中分别包含二次因素的个数,)。权重集的确定由多种方法，如层次分析法，本文， 权重集的确定采用优序图法。其基本步骤是: 在因素层次划分模型的基础上, 由若干专家根据经验得出各层次、各因素的权重数。简单优序图是一个棋盘格式的图式, 在两两比较中,用“1”表示两两比较中相对“重要的”、“大的”、“优的”, 用“0”表示相对“不重要的”“小的”“劣的”, 用“0. 5”表示两两对比中同等重要。将每人所得的权重数按上法比较填入优序图中, 并进行优序图的互补检验。然后将所有人的优序图进行汇总综合得到各层次、各因素的权重数。
4.计算模糊评判矩阵R
(1)建立单因素模糊评判矩阵R～i
这是对每一个基因素分别作出特定的等级评判的过程。通过现场调查获得全体评判者认为因素属于评价等级的程度，让各专家或各用人单位在评价集={优，良，中，差}上针对各因素打分。例如:有n个专家对指标在V上打分,4个等级选择的频数分别是,则指标的隶属度为:。从而R～i可表示为:
，其中
其中:R～i的行数n决定于各中所含基因数的个数;R～i的列数m决定于评价集V中元素的个数。
(2)多层模糊综合评判对于多层次的综合评判问题
模糊综合评判过程是由低层次向高层次逐步进行的。首先,根据及R～i,有第二层次的模糊综合评价集:，其中(j=1,2,…n;i=1,2,3;m=1,2,3)它表示二层次中,对决定中的因素(j=1,2,…n)进行综合评判时, 评价对象Ui对各元素的隶属度。并对进行归一化处理。在上面的基础上, 再进行第一层次的模糊综合评价。此时, 模糊综合评判是按第二层次的评判矩阵综合而成的。即:
5.计算模糊向量
6.计算评价的结果C
三、应用实例
针对某一企业的技术创新能力绩效，现对其进行档案评价.邀请0位专家对起进行评价，采用优序图法确定了企业技术创新能力绩效评价中所有指标在评价集上的评定频率以及利用前文所述的权重确定方法得到的各指标因素的权重系数.评价结果如表2：
表2 10位专家对企业技术创新能力绩效的评价结果
于是，可得到一级综合评判为：
同理计算得到：
因此，可得到二级综合评判为：
综合评价结果为:。
因此,该企业的技术创新能力绩效的综合评分为87.7分，属于技术创新能力好的企业。
四、结论
本模型因素权重集的确定采用了优序图法, 极大地消降了传统权数确定过程中的主观随意性成分。该方法建立在分层次、单目标、单准则两两对比判断基础上, 最易区别优劣高低, 并容易检验, 避免了繁杂计算的错误。多层次模糊综合评判法采用模糊线性加权变换的方法处理, 避免了按“最大”“最小”运算法则只突出隶属度很大, 或隶属度很小的项的作用的不合理现象。汇总了各类人员的意见, 较全面地反映了评价对象的优劣程度, 因而评价结果具有较好的客观性, 评价者可通过该方法发现企业技术创新绩效中的薄弱环节, 为加强环节管理提供科学依据，为科学、合理地评价档案提供了依据，也为定量评价开辟了新的方法，具有一定的推广价值。
参考文献:
[1]常玉刘显东:层次分析法、模糊评价在企业技术创新能力评估中的应用[J].科技进步与对策，2002，9（24）：125—127
[2]姜炳鳞谢廷宇:企业技术创新能力评价指标体系及其多级模糊评价方法[J].商业研究，2004，18（302）：77--79
[3]王青云饶扬德:企业技术创新绩效的层次灰色综合评判模型[J].数量经济技术经济研究，2004，5：55--62
[4]陈劲陈钰芬:企业技术创新绩效评价指标体系研究[J].科学学与科学技术管理，2006，3，86—91
[5]张曙光李伟:层次分析法在建设决策方案信息处理中的应用.[J].情报科学，2006，3，302—305
[6]蓝顺碧阕向红赵甫哲:《高等医学院综合实力评估研究》权重系数的确定与程序设计.[J].医学信息学教育, 1998, 11 (4):30～33
[7]杨伦标:模糊数学原理及应用[M］.广州：华南理工大学出版社,1995，234—235
[8]何新贵:模糊知识处理与技术［M］.北京：国防工业出版社，1998，198--200
多层次模糊综合评价 篇4
企业信息化,包括生产过程控制的信息化、企业管理的信息化、企业供应链管理的信息化、企业信息化组织建设及硬件配套等部分,实质上是将企业从原料采集到产品销售的整个过程所涉及的业务过程数字化,通过信息系统的支撑,实现企业资源的高效、合理配置。企业信息化要走出表面信息化的误区,搞好企业信息化管理系统建设,通过信息化基础设施及相关配套建设,实现企业的信息化,达到充分开发和高效利用信息资源、有效配置企业资源的目的,最终实现全面的信息化管理和信息化决策。
企业信息化是一项复杂系统性工程,具有多层次、多因素和多目标的特征。单靠定性研究很难对企业信息化的设计和建设提供有效支撑。本文运用模糊综合评价方法建立定量评价模型,以期为企业信息化的发展提供支持。
2 企业信息化评价方法
2.1 企业信息化评价指标
参考信息化主管部门关于企业信息化建设的基本指标构成方案(试行)和其他学者研究成果[1],本文从企业信息化内部组织建设评价指标(V1)、企业信息化基础设施建设评价指标(V2)、企业信息化系统应用评价指标(V3)、企业信息化系统管理评价指标(V4)和企业信息化综合反馈评价指标(V5)五个方面来设计评价指标体系,具体指标如表1所示。
企业信息化内部组织建设评价指标包括企业信息化部门工作人员综合素质(V11)、企业信息化部门组织结构合理程度(V12)、企业信息化部门内部信息安全保证机制(V13);企业信息化基础建设评价指标包括基础设施覆盖情况(V21)、硬件平台运行状况(V22)、网络支持平台效果(V23)、企业信息化投入与总值比(V24);企业信息化系统应用评价指标包括企业信息化部门管理机制(V31)、企业信息综合收发能力(V32)、企业生产运营销售等一体化的信息化程度(V33)、企业管理和决策的信息化程度(V34)、企业信息化目标实现情况(V35);企业信息化系统管理评价指标包括信息化长远战略和规划(V41)、信息系统的安全保障和维护支持机制(V42)、信息系统的引进培训再投入和奖励机制(V43)、企业信息化系统项目开发管理能力(V44);企业信息化综合反馈评价指标包括国家政策支持力度(V51)、企业领导层重视程度(V52)、直接经济效益(V53)、间接经济效益(V54)。
2.2 企业信息化模糊综合评价方法
鉴于企业信息化的多层次、多因素特征,本文将模糊综合评价方法与层次分析法综合起来建立评价模型。模糊集合理论是一种基于模糊数学的综合评价方法理论。模糊综合评价方法主要包括评价因素、评价因素值、平均评价值、权重、加权平均评价值和综合评价值等几个方面。[2]为便于权重分配和评议,首先要考虑的就是评价因素,评价因素是指对所讨论事务或对象有关系的一些因素分成若干类,每一类都被看作是单一评价因素,即第一级评价因素。第一级评价因素可以设置各自下属的第二级评价因素,因此类推。一般常用的只到第二级评价因素。评价因素值、评价值和平均评价值则分别是评价因素的具体值、评价因素的品质好坏和平均评价因素本身的品质好坏。有了上述几个参考值,再赋予各因素相应的权重,就可以得到加权平均评价值,将每个级别的所有加权平均值加和后就会得到综合评价值。
由于企业信息化的评价指标体系的层次性,本文采用层次分析法,对各个指标层进行权重确定,即通过对该层的所有要素按照一定的规则都两两互相比较,结果以比较判断矩阵R=(bij)形式展现。[3]根据线性代数知识,计算出矩阵的最大特征值和相应的特征向量,从而得到每一层的各个因素对该层准则的权重。设大类指标Wij是对应的各层具体因素Vij的权重,i,j=1,2,…同时,每一层满足Wi1+Wi2+Wi3+…+Win=1。特别地,第一级因素满足w1+w2+w3+w4+w5=1。
对结果的评价,即评价者对最后得出的结论给予企业信息化水平的合理总结性质的综合性评价。为简便起见,分为“好”“较好”“一般”“较差”“差”5个等级。
限于篇幅,仅对过程和结果进行简要说明和分析。确定隶属关系后,就可以建立模糊评价矩阵进行定量的分析了。按层次分析法得出的结论,列出判断决策矩阵Ri=[rij|i,j=1,2,…,n]。需要说明的是,对隶属度的计算要将定性指标和定量指标分开来分别分析。对于定性指标,可以根据评语标准进行分类,如,0.85以上为上等,0.70以上为中上等,0.6以上为中等,0.5以上为中下等,其他为下等,以此为标准进行量化处理。接下来,要对得到的数据进行最后的权重计算。
将权重向量Wi和隶属度函数Ri进行耦合,得到的结果就是评价结果向量,再根据一级评级标准,进行相应的评价结果分析,最终给予企业相应的评级。计算结果,决策矩阵如下:
最终的权重计算结果如下
由以上数据就可以计算出相应的企业信息化评价等级(见表2)。
同理可得出其他几项的隶属度。结果得出后要进行可靠性和正确性分析,进一步确定该模糊综合评价方法的有效性。可靠性分析,即通过计算过程中提供数据的连贯性和一致性来判断。方法研究过程中,测量的数据随机误差越小,可靠性越高。[4]
3 结语
从信息化建设角度来看,只有先建立起良好的内外部环境,企业才能成功进行信息化项目。现根据信息化的要求,深度挖掘企业自身的内在缺陷,这一点,是企业信息化之前应当系统化进行的企业行为。企业的信息化建设包括财务维度、外部环境、内部流程和创新与学习等几个方面,企业信息化模糊综合评价方法对企业信息化建设方案的设计和实施具有很好的作用。[5]
总之,企业信息化建设是一个耗时长的复杂过程,同时,各企业的信息化建设的具体情况又各不相同,给企业信息化的标准确定带来了模糊性,因此,建立企业信息化多层次模糊综合评价方法非常必要。笔者将在进一步深化对评价指标、评价模型研究的基础上,加强应用研究,为提高我国企业信息化水平提供有效服务。
参考文献
[1]刘路,张强.基于多层次模糊综合评价的CPFR合作计划研究[J].中国企业运筹学,2009,(8).
[2]李永宁.企业信息化多层次模糊综合评价方法[J].情报,2007,(2).
[3]彭国,姚俭.不确定性供应链风险的模糊综合评判[J].上海理工大学学报,2010,(4).
[4]雷中英.多层次模糊综合评判模型与建设投资项目后评价[J].北方凯贸,2010,(2).
多层次模糊综合评价 篇5
【中文摘要】本文研究的是针对现有评价指标的弊端,根据中层管理者的特殊性,建立了中层管理人员绩效考核的指标体系,同时运用多级模糊综合评判算法确定该中层管理者的最终绩效考核情况,从而使得中层管理者的绩效考核更加的公正、科学。为中层管理者的晋升、培训和奖惩等提供了科学的依据。并基于B/S架构开发了企业中层管理者绩效考核信息系统。主要从以下几个方面展开:首先,在综述和研究意义的基础上,分析了国内外绩效考核以及绩效考核信息系统的研究现状,阐述了绩效考核理论的基础知识以及模糊数学的基本思想,从而奠定了本文的理论基础。其次,分析了中层管理者绩效考核的现状及问题,指出了企业中层管理者的特殊性,在借鉴前人经验的基础上,利用平衡计分卡确定了其主要的绩效考核指标。然后,利用改进的层次分析方法确定企业中层管理者绩效考核的指标权重,建立了中层管理者绩效考核指标体系。再次,在确定绩效指标权重的基础上,针对中层管理者各个指标得分的情况,运用多级模糊综合评价计算出中层管理者的最终得分情况。并且把多级模糊综合评价用ASP编程语言实现。最后,根据前面的知识和方法,建立了企业中层管理者绩效考核信息系统,把多级模糊综...【英文摘要】This paper focuses on how to make use of multi-levels fuzzy comprehension evaluation to implement the performance evaluation of mid-level managers.And use computer
lanuagage to realize it.And obtain the indexes of the performance evaluation of mid-level managers, deep understand the particularity of mid-level managers.At last find out a proper way to evaluate the performance of the mid-level managers.With the great effort to improve the objective and science of the mid-level managers performance.Accord...【关键词】绩效考核 中层管理者 多级模糊综合评价 改进的层次分析法 绩效考核系统
【英文关键词】Performance appraisement mid-level managers multi-grade fuzzy comprehensive appraisement improvd AHP performanceappraisement system 【索购全文】联系Q1：138113721 Q2：139938848
【目录】企业中层管理者绩效考核体系研究5-6Abstract6-7
11-12
摘要
1.1 问题
第1章 绪论11-191.1.1 问题的提出的提出及研究意义11-1212-17状14-161.1.2 研究意义121.2 国内外研究现状
1.2.2 国内研究现
1.3 本文1.3.2 1.2.1 国外研究现状12-141.2.3 国内外研究现状评述16-17
1.3.1 研究内容17-18研究内容和方法17-19研究方法18-1919-38
第2章 相关概念与理论基础
2.1.1 企业中层管理者2.1 中层管理者19-20的界定19效考核20-3123-252.1.2 企业中层管理者的特点19-20
2.2.1 绩效20-23
2.2 绩
2.2.2 绩效管理25-29
2.2.4 绩效2.2.3 绩效考核的基础内容考核与绩效管理的区别29-3131-37
2.3 模糊数学
2.3.2 模糊数学2.3.1 模糊数学的概念31-32的应用范围3232-33
2.3.3 模糊数学应用于绩效考核的优点
33-36
2.3.5 模糊第3章 中层管理2.3.4 模糊数学的基础理论综合评判36-372.4 本章小结37-38者绩效考核现状及对策38-50要性38-4138-40
3.1 中层管理者绩效考核的重
3.1.1 中层管理者在企业中的地位和作用3.1.2 中层管理者绩效考核的意义40-41
3.2 中层管理者绩效考核的现状41-43核的特点41-4242-4343-4643-4444-45
3.2.1 中层管理者绩效考
3.2.2 中层管理者绩效考核的方法3.3 中层管理者绩效考核存在的问题3.3.1 中层管理者的绩效考核与企业战略相脱节3.3.2 针对企业中层管理者的绩效考核系统欠缺3.3.3 绩效考核主要采用定性方法45
3.3.4 绩效考核缺乏统一的标准45-4646
3.3.5 忽视绩效考核结果
3.4 解决中层3.3.6 绩效考核指标体系不科学46管理者绩效考核问题的对策46-49略目标保持一致4747-48
3.4.1 绩效考核与企业战
3.4.2 中层管理者绩效考核系统
3.4.4 明3.4.3 定性考核与定量考核相结合48
确定义考核标准48-494949-5050-6750-5350
3.4.5 注重绩效反馈，建立面谈制度
3.5 本章小结3.4.6 完善绩效考核指标体系第4章 中层管理者绩效考核指标体系的构建4.1 中层管理者绩效考核指标基础分析4.1.1 中层管理者绩效考核设计的难点4.1.2 中层管理者考核指标项设计原则50-53
4.2 指标种类的确定53-57指标体系5353-55
4.2.1 应用平衡积分卡构建企业绩效
4.2.2 基于平衡计分卡的中层管理者的业绩指标
4.3 4.2.3 中层管理者绩效考核的内容55-57
4.3.1 指标权重设计原则权重的确定57-6657-584.3.2 指标权重设计方法58-60
60-66
4.3.3 改进的第5章 5.1 模5.2 考层次分析法的应用4.4 本章小结66-67模糊综合评价在中层管理者绩效考核中的应用67-78糊综合评价对于企业中层管理者绩效考核的适用性核主体的选择67-7068-69
5.2.1 考核主体的形式
675.2.2 考核主体的确定69-705.3 模糊综合评价过程70-7570
5.3.1 确定绩效考核指标项和权重
5.3.3 多级模糊综合评
5.5 5.3.2 考核主体打分70-73价73-755.4 模糊综合评价算法代码实现75-76
5.6 本章小结
77-78考核结果分析76-77第6章 中层管理者绩效考核系统分析与设计78-10478-826.1.1 系统需求分析81
6.1 总体设计6.1.2 系统实现框架
81-8282-8383-87块88-896.1.3 系统设计原则826.3 系统功能实现83-1036.3.2 系统登陆模块87-886.3.4 人力资源管理模块
6.2 系统的功能设计6.3.1 IIS 配置6.3.3 系统管理模89-97
6.3.5 考核指标设置模块97-101101-103
6.3.6 模糊综合评价
结论104-1066.4 本章小结103-104参考文献106-110成果110-111
攻读硕士学位期间承担的科研任务与主要致谢111-112
多层次模糊综合评价 篇6
[关键词] 集成电路芯片投资风险层次分析模糊评价
一、引言
当今世界已经从工业化进入信息化的发展阶段，信息产业作为新型生产力的代表，其发展水平已成为衡量一个国家综合国力的重要标准。而集成电路技术是信息产业和高新技术的核心，是推动国民经济和社会信息化的关键技术。因此，集成电路产业就成为当今促进全球经济发展的核心动力，也是目前世界上发展最为迅速和竞争最为激烈的一个产业。
集成电路是一个完整的产业。一般说来，它包括集成电路设计、芯片制造、封装和测试、集成电路专用设备和材料制造，以及集成电路产品的应用开发和信息服务。其中又以集成电路芯片制造业为集成电路产业的核心和主体。
我国集成电路产业经过四十年的发展，虽已取得了长足的发展，自从国务院出台鼓励集成电路和软件产业的发展政策以来，我国芯片产业在规模、技术水准、创新能力等方面取得诸多进步。目前，我国已建和在建的芯片生产线已达50多条，工艺技术达到0.13微米。
集成电路在我国的迅猛发展导致了我国芯片生产线投资过热，产生了诸如内部无序竞争、外商有限合作、投资模式缺乏、管理体制落后等一些问题。由于在芯片生产产业投资金额巨大，盲目的进行投资只会给国家及投资者带来巨大的风险损失，2001年我国重点扶持的华虹NEC出现高达8亿元的亏损就是生动的一例。因此，要避免芯片产业的投资风险，就必须对这个产业的投资过程中可能出现的种种风险因素做出科学的分析。由于芯片产业投资风险系统具有明显的层次性，且各风险的评价具有主观不确定性，即模糊性，这对采用模糊层次分析法进行芯片产业投资风险度量提供了可能。芯片产业投资风险模糊综合评价就是在对投资过程中的各单一风险进行识别的基础上，运用层次分析法建立风险评判指标体系，然后通过模糊评价将所面临的各种风险对系统风险的影响用权重的形式具体的表现出来，并最终通过综合评判确定芯片厂投资系统风险度。运用这种方法可以克服以往只能衡量芯片产业投资中某单一风险的弊病，而如此将芯片产业作为一个系统来衡量其整体的风险程度，最后以芯片生产投资风险度作为一个指标来衡量其整体风险度，知道国家或投资者采取恰当有效的措施对风险进行科学管理，以减少芯片产业的投资风险损失。
二、因素集的建立
以芯片生产线开发投资过程中的客观系统风险为评价目标，将目标的要求逐渐分解到具体指标，根据指标因素内涵大小和指标间的相关程度，划分为目标层，准则层和指标层三级（如下图）。本文将从现实的角度出发，将具体的AHP-FUZZY方法的操作步骤融入某一具体投资项目风险评价实例中予以论述。
实例：某一外资企业，现欲于2007年2月对山东省某市占地约200亩的地块进行一期投資额约12.6亿美元的8英寸集成电路芯片生产线项目。根据该情况企业邀请了有关专家数十名，从投资风险角度确定其是否适合开发投资。
芯片产业投资风险评价指标体系
三、评语集的建立
根据上述各位专家的建议，从各种风险因素对整个项目影响程度的大小考虑，最终将评语集确定为V={高风险，较高风险，中等风险，较低风险，低风险}。
四、权系数的确定
1.构造判断矩阵。通常以上一级的某一要素作为比较准则，对本级的要素进行两两比较确定矩阵元素，现以“政策风险”中各组成因素的权系数的确定为实际判断对象，说明判断矩阵权系数的确定过程，其相对重要程度依据表1确定，其评判结果见表2。
表1 判断矩阵相对重要度及其含义
表2评判结果
1.计算相对重要度。依方根法得各因素归一化的权系数(见表2),其中。
2.一致性检验。计算一致性指标，将表二中数据代入上式得，=3.078，则=0.039。计算一致性比例CR,CR=如果CR<0.1，就可以人为判断矩阵的一致性是可以接受的，其中随机一致性指标R由表三查得，对于此判断矩阵CR=0.039/0.58=0.067＜0.1，所以接受。
表3随机一致性指标RI数值
3.权系数的值。同理可得投资项目中经济、资源、社会和技术风险中各组成因素的权系数如下：
A1={0.673,0.204,0.123} A2={0.667,0.111,0.222}
A3={0.281,0.630,0.094} A4={0.166,0.139,0.695}
A5={0.761,0.166,0.073}
五、模糊综合评价
常用的模糊综合评价模型有乘积取大型和加权平均型，本文采用加权平均型，首先根据专家调查法由十名专家每人分别对各投资风险指标依据各自的经验得出每一投资风险指标对各类风险的隶属度，最终归一化的以及评价矩阵，以下仍仅以“政策风险”中各因素的一级评价矩阵为例予以说明。其一级评价矩阵见表4：
表4 一级评价矩阵
1.一级模糊综合评价。应用加权平均模型模糊评价理论，计算投资风险一级模糊综合评价各指标的模糊分布值， 代表一级模糊综合评价指标值，代表权系数，为一级评价矩阵，仍以计算一级政治评价指标“政治风险”值为例，将在上述过程中所得的与代入公式中，得，其值为“政策风险”指标对评语集中各项的隶属度，同理可得：
2.二级模糊综合评价。在求得一级模糊综合评价中各一级指标对评语集的隶属度后，可以依下式求得二级模糊综合评价指标的模糊分布值，其中，将Ａ与代入上式得最终芯片产业投资风险的综合评判指标的模糊分布值,。
六、结论
根据最大隶属度原则，可以判定该投资项目风险适中，单从风险规避角度考虑可以进行投资。当有多个投资方案可以选择时，可以通过各方案风险隶属度的比较决定是否对其进行投资。
多层次模糊综合评价 篇7
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.
多层次模糊综合评价 篇8
20世纪50年代，Galbraith指出,低成本创新的时代已经过去,由于研发成本的提高,只有掌握众多资源的企业才能承担起技术创新的重任[1]。在知识经济中，技术创新步伐加快、产品生命周期缩短、市场全球化、知识产权地位不断提升、信息网络技术广泛应用，仅仅依靠企业内部的有限知识和资源进行研发将变得日益困难，即使非常大的企业也难以独立开发一些新技术[2]。于是，一些企业寻求与其它企业合作，共同完成研发工作，即合作创新。尽管合作创新分散了原来由单个企业独立进行技术创新的风险，但是企业合作创新过程中仍存在巨大的不确定性，并由此引发巨大的风险[3]。在实践中，除合作创新项目本身科学性外，合作伙伴与合作方式的选择不正确，以及在合作进行过程中风险的控制不当都可能导致合作项目的失败，而且合作项目终止越晚则沉没成本越高[4]。因此对企业合作创新风险进行科学全面的分析和评估就显得十分的重要。基于此，本文对企业合作创新风险的在本质及其系统构成进行了初步分析，在此基础上构建了企业合作创新风险评估指标体系，建立了多层次模糊综合评价模型对企业合作创新风险进行了尝试性评价。
2 企业合作创新风险的内在本质及其系统构成
2.1 企业合作创新风险的内在本质
风险理论把风险分成两种类型[5]:一种是只能给人们带来损失而不能给人们带来收益的风险，称为纯粹风险;一种是既存在损失可能，又存在获利机会的风险，称为投机风险。显然，合作创新风险属于投机性风险，其中既包含获取经济利益、市场份额、竞争优势、发展后劲的机会，又包含经济损失、时间损失、机会损失等危险。因此，合作创新风险的因素应包括以下几个方面。
(1)合作创新风险承担主体。合作创新必须要有一定的风险承担主体，合作双方或者多方都应该是风险的承担主体。合作方从事创新活动有其目的和利益追求，是创新活动可能带来的收益的享有者和损失的承担者。不进行创新的主体，也就不存在创新风险，但是不创新将会面临被创新者超越的风险。
(2)合作创新风险发生的客体。合作创新一般是以一定的项目为载体，创新项目也就是风险发生的客体。合作创新项目具体包括产品创新和工艺创新，两者密切相关。产品创新是创新的核心、工艺创新是产品创新的必要条件和基础。合作创新项目的选择与确定、项目的难度以及项目从产生设想到市场实现的过程至关重要。同时，合作方围绕项目的配合也是产生风险的主要方面。
(3)合作创新风险的形成过程。合作创新过程包括从创新构思产生、合作对象选择到创新实现，直至创新成果投放市场及市场利润分配等一系列活动及其逻辑关系。影响合作创新匹配程度不高、外界环境因素变化太大，市场不确定强、合作创新结果与预期目标发生偏离活动的因素既有正向的也有负向的，负向因素是不利于创新成功的因素。例如合作双方资源等。在合作创新过程的每一个环节都可能发生风险[6]。
基于以上分析，合作创新风险是指合作创新主体在创新过程中，由于合作双方的匹配程度、各种环境因素的不确定性、项目的难度以及合作主体综合创新实力的制约，所导致的合作创新活动的中止、撤消、失败，或达不到预期经济技术指标，而造成损失的可能性及其后果。
2.2 企业合作创新风险的系统构成
企业合作创新风险受多方面因素的影响，这里企业合作创新风险因素主要由技术风险、市场风险、组织管理风险、知识产权风险、合作关系风险等5个方面构成。
(1)技术风险。技术风险是由于技术可行性、技术先进性、中试、生产等的不确定性而带来的风险。在合作创新过程中，可能由于技术开发难度大、对关键技术预料不足、企业获取技术的手段缺乏等原因(如组织学习、攻关或研究手段缺乏，思维定式影响)，导致合作创新失败。
(2)市场风险。市场风险是指由于市场大小和范围的不确定性，顾客需求的不确定性，新产品竞争优势的不确定性，市场接受的时间、产品寿命及市场开发的不确定性等而导致的风险。
(3)组织管理风险。组织管理风险是指在合作创新过程中，由于管理失误而导致创新失败的可能性。如组织协调不力、其他部门配合不好、高层领导关注不够、调研不充分、市场信息失真、创新主体的领导人固执己见做出错误的决策、市场定位不准、营销组合失误、风险决策机制不健全、研发过程不协调等[7]。
(4)知识产权风险。合作创新知识产权风险不仅指法律层面上的风险，还指在合作创新过程中与知识管理相关的、对知识产权所有权持有人的当前或潜在权益带来负面影响的事件及其可能性[23]。尽管合作创新的本意在于增加企业创新活动的柔性、减少创新风险，但是在合作过程中由于自身利益不免产生冲突和风险，合作双方存在一种非完全共同利益。
(5)合作关系风险。合作关系风险是指合作创新企业不完全合作的可能性及由此带来的技术创新合作不确定性。其产生有2个主要原因:一是成员企业的理性不合作动机，即成员企业为追求自身利益而采取的不合作行为，对于个体企业理性而言不合作可能出于提高自身效率，但对虚拟创新组织而言则意味着低效率;二是成员企业的非理性不合作动机，即成员企业对合作创新的信心弱化而采取的不合作行为。
3 企业合作创新风险评估指标体系与评估模型构建
3.1 企业合作创新风险评估指标体系
根据创新型企业成长的系统构成，我们采用5个一级指标、21个二级指标构成企业合作创新风险评估的指标体系，如表1所示。
3.2 企业合作创新风险的模糊综合评估模型构建1）一级模糊综合评价模型[8]
(1)确定企业合作创新风险评估的因素集。
企业合作创新风险评估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，可定义U=(u1,u2,u3,u4,u5)，即U=(技术风险，市场风险，组织管理风险，知识产权风险，合作关系风险)。
(2)确定企业合作创新风险评估的评分集。
设评分集为F=(f1,f2，…，fm)，其中vj表示评价结果，j=1,2，…，m，评价等级个数m通常在4～9之间，这里取m=5,f=(f1,f2,f3,f4,f5)，即F=(大，较大，一般，较小，小)。
(3)确定各评价因素间的权数分配。
设w=(w1,w2，…，wn)是U的一个模糊子集，称为
权重分配集;其中，,wi表示第i个因素在综合评价中的重要程度。
(4)确定模糊评价变换矩阵R。
通过对每个因素的判断，给出各个因素的评分等级，这样就建立起了评价因素与评语等级之间的关系，即从U到V的模糊关系，这可用模糊评价变换矩阵R进行描述。
其中，rij表示因素ui对评分等级vj的隶属度，0≤rij≤1。
(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)和模糊评价变换矩阵R可构造如下单级模糊综合评价模型。
其中，bj=(w1·*r1j)*+(w2·*r2j)+*…(wn·*rnj)(j=1,2，…，m)，算子M(*·，*+)是运算符号，选取不同的模糊算子，便可得到不同的评价模型。在解决实际问题的过程中，可以根据不同的情形及要求，灵活地选择合适的模型进行运算，使问题得到圆满解决。
2)多层次模糊综合评判模型
通过对因素集的分层划分，可将上述模型扩展为多层次模糊综合评判模型。它就是将初始模型应用在多层因素上，每一层的评估结果又是上一层评估的输入，直到最上层为止。在对因素集X={x1,x2，…，xn}作一次划分P时，可得到二层次模糊综合评判模型，其算式为
其中，W为X/P=(x1,x2，…，xn)中n个因素xi的权重分配;wi为xi={xi1,xi2，…，xik}中k个因素xij的权数分配;R和Ri分别为X/P和xi的综合评判的变换矩阵;B综则为X/P同时为X的综合评判结果，这里采用德尔斐法和层次分析法(AHP)确定W和Wi的权重值。
若对X/P在作划分时，则可以得到三层次以至更多层次综合评判模型。据此，可根据不同待优选对象的不同综合评估值B综的大小排出其优劣次序。
4 模型应用
假设现在需对某企业合作创新风险进行评估，通过德尔斐法和层次分析法得到了如下有关该企业合作创新风险评估指标体系的具体数据:
(1)权重系数。一级评估指标U的权重向量为w=(w1,w2,w3,w4,w5)=(0.23,0.22,0.19,0.18,0.18);
二级评估指标Vi(i=1,2，…，12)的权重分别为
(2)模糊评价变换矩阵(先采用德尔斐法评价打分，然后对其结果进行统计得出的vij层上的每一个因素对评分等级上的每个等级的隶属度)为
由Bui=wui×Rui(i=1,2，…，5)可得一级综合评价结果为
由一级评价结果可得变换矩阵
则该企业合作创新风险的综合评价结果B为
规定评分集中各元素的量化值为F1=100,F2=80,F3=60,F4=40,F5=20。
则实例中
由此可看出该企业合作创新风险程度较高，因此须采取一定的应对措施来防范风险。
5 结语
企业合作创新风险评估对正确认清企业在合作创新中风险程度大小有着十分重要的意义。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不但能评定出企业合作创新风险程度的等级，而且有助于在分析企业在合作创新过程中存在的问题，并在此基础上进行适时的改进。
参考文献
[1]HAGEDOORN J.Research partnerships[J].Research Policy,2000,29(4/5):567-586.
[2]张清辉,张爱.合作技术创新风险分析[J].经济师,2003(12):150-151.
[3]刘学,庄乾志.合作创新的风险分摊与利益分配[J].科研管理,1998(5):31-35.
[4]VYASN M.An analysis of strategic alliance:forms,functions and framework[J].Journal of business,1995,10(3):47-52.
[5]宋明哲.现代风险管理[M].北京:中国纺织出版社,2003.
[6]DUYSTERS G.Craftying successful strategic technology partner-ships[J].Research and Deuelopment Management,1999,29(4):345-351.
[7]郭晓川.合作技术创新:大学和企业合作的理论和实证[M].北京:经济管理出版社,2001.
多层次模糊综合评价 篇9
虽然我国煤矿事故死亡人数从2004年的6027人减少到2011年的1973人[1],下降了67.3%,但仍占全世界煤矿事故死亡总人数的70%左右。如何利用煤矿应急资源,构建应急管理体系,预防、控制事故的发生,减少生命财产损失,降低社会负面影响,进而形成可持续发展的煤矿,已成为各级政府和煤矿企业日益关注和亟待解决的问题[2]。
为了提高煤矿的应急管理能力,首要任务是确定应急管理过程中的风险因素,从相关文献[3,4,5,6,7]可以看出,它们对煤矿应急管理的研究停留在体系建设、模型建立,并未从风险因素角度去评价煤矿应急管理状况。虽然这些理论在我国应急管理风险评价领域具有一定的指导意义,但仍然存在一些不足。首先由于煤矿企业应急管理风险评价的影响因素很多,使得评价系统的整个过程复杂。其次是对风险因素评价指标权重的确定,往往是主观臆断,可信性不高。因此,研究设计一整套煤矿应急管理风险评价指标体系及评价标准对煤矿有着重要的意义,而基于层次分析—模糊综合评价就是运用科学的标准、客观的数据来提升煤矿企业的应急管理能力,进而降低煤矿风险,使煤矿企业的应急管理工作逐步科学化、安全化和规范化。
1 煤矿应急管理风险评价模型
1.1 确定评价指标体系
风险评价指标体系的确定首先要明确指标体系的构成,弄清楚煤矿应急管理的风险所包含的指标因素、各因素之间的关联程度及上下层的隶属关系,这样才可构成系统完整的多层次评价指标体系。本文采用1-9标度法[8]构建指标体系并量化,假设煤矿应急管理包含有n个风险因素,则建立判断矩阵P。
1.2 AHP确定各层因素的权重分配
根据判断矩阵P所反映的信息,通过下列公式依次进行计算:首先每一行元素的乘积;其次Pi的n次方根;最后对向量ωi进行归一化处理得。那么Xi=(x1,x2,…,xn)就是各指标的权重,即风险各指标因素的概率。为了保证风险评价指标权重的合理性,还需要经过一致性检验,验证公式是CR=CI/RI=(λmax-n)/(n-1)RI<0.10,式中RI为平均随机一致性指标,对于1-9阶判断矩阵,RI的值如表1所示。
1.3 FCE确定指标的综合评价矩阵
通过专家调查法,咨询10位从事煤矿应急管理工作风险评价方向的专家,对应急管理风险涉及的二级指标进行综合分析,结合评语集V=(v1、v2、v3、v4、v5)=(好、较好、中等、较差、差),赋予评语集以不同分值,本文采用百分制W=(95,85,75,65,45)[9],运用概率统计方法,以达到对指标的评价,确定出模糊综合评价矩阵。例如10位风险评价专家对指标的投票结果是:1人认为较好,3人认为中,4人认为较差,2人认为差,则该指标的模糊评价向量为(0.0、0.1、0.3、0.4、0.2)。以此类推确定出各指标的评价矩阵R1、R2、R3、R4、R5。然后通过合成算子Yi=Xio Ri(“o”称为模糊合成运算符)合成相应的各因素评价矩阵,归一化后建立总评价矩阵Y=[Y1、Y2、Y3、Y4、Y5]T。
1.4 确定煤矿应急管理风险评价的等级
煤矿应急管理风险评价矩阵Z=XoY,然后,确定应急管理风险评价总得分,即F=Z×WT,其中F为风险评价总得分;WT为评语集的赋值。将总得分与评价等级表比照,就可得到煤矿的应急管理状况。
2 煤矿应急管理风险评价实例分析
以山西亚美大宁煤矿为例进行应急管理风险评价,通过调研得到该煤矿的评价指标体系如图1所示。
2.1 确定各层因素的指标权重
2.1.1 构造风险评价的三层递阶结构
根据煤矿应急管理风险评价所涉及的方面,确定了评价的三层因素,即目标层:P=(煤矿应急管理风险评价);指标层:pi=(p1,p2,p3)=(人的风险、物质和设备的风险、环境的风险、管理的风险、技术的风险);二级指标层:pij=(p11,p12…p51,p52,p53)[10]。
2.1.2 确定指标层相对于目标层的权重
根据1.2中的计算步骤及公式,求出特征向量、特征值,并对其进行一致性检验。
X=(0.1226、0.1306、0.1144、0.4453、0.1871),其中X表示p1、p2、p3、p4、p3这五个指标因素相对于目标层的权重。
2.1.3 确定二级指标层相对于指标层的权重
根据煤矿应急管理的实际状况,各二级指标对指标层的影响也不可忽视,运用上述方法对二级指标层进行权重分配。
X1=(0.1579、0.5916、0.2505),其中X1表示p11、p12、p13相对于p1的权重。
X2=(0.1340、0.5098、0.2802、0.0760),其中X2表示p21、p22、p23、p24相对于p2的权重。
X3=(0.2385、0.1365、0.6250),其中X3表示p31、p32、p33相对于p3的权重。
X4=(0.2427、0.1257、0.4656、0.0318、0.0506、0.0836),其中X4表示p41、p42、p43、p44、p45、p46相对于p4的权重。
X5=(0.1047、0.6370、0.2583),其中X5表示p51、p52、p53相对于p5的权重。
2.2 建立综合评价矩阵
依据1.3,对二级指标进行模糊综合评判,得出:
则人的风险对应急管理风险评价的评价矩阵为Y1=X1oR1=(0.0592、0.2183、0.3341、0.2816、0.1068)。同理可得Y2=X2oR2=(0.1809、0.2943、0.2695、0.1644、0.0566);Y3=X3oR3=(0.2114、0.3114、0.2273、0.1987、0.0512);Y4=X4oR4=(0.2557、0.2886、0.2419、0.1908、0.0315);Y5=X5oR5=(0.2532、0.2895、0.2105、0.2000、0.0468)。归一化后建立总评价矩阵Y=[Y1、Y2、Y3、Y4、Y5]T,即:
2.3 确定该煤矿应急管理风险评价安全等级
煤矿应急管理风险评价矩阵Z=Xo Y=(0.1813、0.2964、0.2606、0.2103、0.0514)。参照评语集的不同赋值,可得煤矿应急管理风险评价的总得分F=Z×WT=0.1813×95+0.2964×85+0.2606×75+0.2103×65+0.0514×45=77.945。将总得分对照风险评价等级表(见表2),可得该煤矿的应急管理能力属“较强”。
3 结论
通过大宁煤矿应急管理的风险评价可以看出:大宁煤矿应急管理风险评价等级是较强的,说明了该煤矿不仅对风险因素做到了很好的控制,而且应急管理体系的整体建设水平亦趋完善。
将层次分析法和模糊综合评价法结合起来运用于煤矿应急管理风险评价中,对煤矿应急管理的风险因素做到了全面考虑,构建了完善的评价指标体系,克服了层次分析法的数据不充分,降低了个人主观所造成的弊端,使评价结果更具合理性与准确性。但是,风险因素权重的确定仍带有一定的主观色彩,后继需要进一步对此项工作深入研究。
参考文献
[1]国家煤矿安全监察局.2011年全国煤矿安全生产情况[DB/OL].(2012-01-14)[2012-07-20].http://www.chi-nasafety.gov.cn/newpage/Contents/Channel_4181/2012/0114/167213/content_167213.htm
[2]席煜宸.煤矿应急管理体系建设探讨[J].中国安全科学学报,2010,20(1):159-164
[3]史波.煤矿企业应急管理系统构建与应急能力评价研究[D].哈尔滨:哈尔滨工程大学,2008
[4]张宇.煤矿事故应急救援能力评价体系的构建研究[D].大连:大连交通大学,2011
[5]谷威丽,李新春.煤矿企业应急能力评价研究[J].煤炭工程,2011(9):106-108
[6]邱永强.煤矿突发事件应急管理体系建设[J].能源与环境,2008(4):112-113
[7]于国强.煤矿事故应急预案关键技术初探[J].科技情报开发与经济,2008,18(14):208-209
[8]王汉斌,杨鑫.一种基于AHP-RS的组合权重确定方法[J].中国安全生产科学技术,2010,6(6):155-160
[9]张付涛,李宇,李新春.煤矿事故应急管理体系后评价[J].煤矿开采,2012,17(2):102-105
多层次模糊综合评价 篇10
建设坚强的智能电网具有重要意义[1]。文献[2]结合我国国情, 基于国内外智能电网发展模式, 从可靠性和电压质量、发展灵活性和协调性、设备利用率和技术设备水平以及经济性和社会效益五个方面建立了智能电网综合评估指标体系;文献[3]遵循全面性、对比性等原则, 实现定性分析和定量评估相结合, 采用对比分析法对智能电网的社会效益进行梳理与评价;文献[4]基于我国智能电网发展现状, 从发电、电网、用电和其他经济效益四个方面构建了智能电网经济效益评价指标体系, 并以模糊综合评价法为基础, 建立了基于区间数的智能电网经济效益评价模型;文献[5]考虑到环境对智能电网低碳效益的重大影响, 提出了基于三阶段-超效率DEA方法的针对智能电网低碳效益的评价模型;文献[6]从环境、经济、社会和安全性四个方面建立了智能电网综合评价指标体系, 并利用记分函数和指标的确信度及D-S合成法进行综合评估, 实现了智能电网的综合效益评价。
本文在上述研究的基础上, 综合智能电网的各个方面, 从技术、经济、社会和环境效益四方面构建智能电网综合效益评价指标体系, 然后结合AHP法和模糊综合评价法, 建立智能电网综合效益评价模型, 实现智能电网综合效益的合理、全面评价。
1 智能电网综合效益评价指标体系
智能电网效益体现在各个方面, 包括技术、经济、社会和环境等多个方面, 依据准确性、规范性、可比性、可靠性、客观性和全面性的智能电网综合效益评价指标体系构建原则[2], 本文从技术、经济、社会和环境四方面构建评价指标体系, 如图1所示。
2 评价模型
智能电网综合效益评价模型的基本思路为:利用层次分析法确定指标权重, 在此基础上采用模糊综合评价方法进行智能电网综合效益的评价。
2.1 层次分析法
层次分析法 (Analytic Hierarchy Process, 简称AHP) 是通过建立递阶层次结构, 再经过两两比较确定层次中各要素的相对重要程度, 实现了定性与定量的结合, 使复杂的评价问题明朗化, 使得到的分析结果更加客观。运用AHP法大概需要如下四步:
1) 建立指标体系的递阶层次结构。
2) 对同一层次的各元素关于上一层中某一准则的重要性确定两两比较的评判矩阵, 得到各阶层的判断矩阵A= (aij) m×n;其中, 确定判断矩阵的标度见表1。
3) 进行层次单排序和一致性检验, 层次单排序即确定各层次要素的权重以及λmax, 然后计算一致性指标CI,
计算一致性比例CR,
其中, RI为平均随机一致性指标, 其取值见表2。
当CR<0.1时, 认为判断矩阵具有一致性, 否则需要调整判断矩阵的标度。
4) 进行层次总排序, 得到各指标相对于目标层的组合权重, 即各指标在智能电网综合效益评价中的重要程度。
2.2 模糊综合评价法
模糊综合评价法是利用精确的数学手段处理模糊的评价对象, 能对模糊现象做出较为科学、合理的量化评价。具体步骤如下:
1) 确定因素集U和评语集V, 其中因素集由具体的评价指标体系得出, 评语集是评价者对被评价对象可能的评价结果的评语等级的集合。
2) 建立模糊关系矩阵, 即确定各个因素对评语集的隶属度, 得到各个指标的单因素评判结果, 组合可得到模糊关系矩阵。在确定隶属度时, 针对于定性指标采用模糊统计的方法, 针对于定量采用半梯形隶属度模型。
3) 利用AHP法确定各评价指标的权重向量。
4) 进行模糊综合, 首先将各一级指标下的二级指标的权重与其模糊评判矩阵进行综合, 得到各个一级指标的评价结果;然后, 将各一级指标的评价结果组成其评判矩阵与各一级指标的权重向量进行模糊合成, 得到总的评价结果。
5) 根据最大隶属度原则, 进行评价结果分析。
3 算例分析
现以云南省智能电网建设为例, 运用前面所述的综合效益评价指标体系及模型, 对该省的智能电网综合效益进行评价分析。
3.1 确定因素集和评语集
由所构建的指标体系可知, 第一层因素集U={u1, u2, u3, u4}={技术效益, 经济效益, 社会效益, 环境效益};第二层的因素集分别为u1={u11, u12, u13}={故障恢复能力, 电网协调运行能力, 线路及设备的先进性}, u2={u21, u22, u23}={降低建设及运行成本, 降低停电损失成本, 增加电网企业收益}, u3={u31, u32}={促进相关产业发展, 提高保障国家能源安全能力}, u4={u41, u42}={减少温室气体及污染气体排放, 提高能源利用率}。评语集V={v1, v2, v3, v4, v5}={好, 较好, 一般, 较差, 差}。
3.2 建立模糊关系矩阵
基于前文建立的智能电网综合效益的因素集和评语集, 在确定单因素评判矩阵时, 对于“增加电网企业收益”这一正指标采用升半梯形隶属度模型确定;对于“降低停电损失成本”和“减少温室气体及污染气体排放”这两个逆指标采用降半梯形隶属度模型确定;对于其余的定性指标采用模糊统计的方法确定。由此, 可得出该省市智能电网综合效益的模糊评判矩阵, 如表3所示。
3.3 确定权重向量
依据层次分析法的具体步骤, 采用专家调查的方式, 邀请10位资深专家根据表1中的标度定义, 对每个层次中各元素的重要性进行两两比较, 并对所有专家的评价结果进行简单的统计整理, 得到表5的判断矩阵 (限于篇幅, 仅对一级指标的权重向量进行详细计算, 其余判断矩阵不再列出) 。
运用Matlab2011b计算, 得到上述判断矩阵的最大特征值λmax=4.071, 该特征值对应的特征向量为ω= (0.293, 0.411 8, 0.187 2, 0.108) , 其一致性指标, 当n=4时, 查表2可知RI=0.89, 那么, , 通过一致性检验。同理, 我们可以得到各二级指标权重向量:
ω1= (0.623 2, 0.239 5, 0.137 3) , λmax1=3.018 3, CI=0.009 2, CR=0.018<0.1, 通过一致性检验;
ω2= (0.163 8, 0.539, 0.297 3) , λmax2=3.009 2, CI=0.004 6, CR=0.009<0.1, 通过一致性检验;
ω3= (0.25, 0.75) , λmax3=2, 通过一致性检验;
ω4== (0.666 7, 0.333 3) , λmax4=2, 通过一致性检验。
3.4 模糊运算
针对各二级指标进行一级模糊综合评价Bi=ωi·Ri, 得到总的模糊评判矩阵
3.5 二级模糊综合评价
做二级模糊综合评价, 结合一级指标权重, 得到最后的评价结果
根据最大隶属度原则, 我国云南省智能电网的综合效益评价结果为“较好”, 即该省智能电网的综合效益较为乐观, 符合其智能电网建设发展态势良好的现状, 今后该省可继续加强智能电网建设, 进一步提升其综合效益。
4 结束语
文中从技术、经济、社会和环境四方面构建了智能电网综合效益评价指标体系, 并基于层次分析法和模糊综合评价法建立了智能电网综合效益评价模型, 并以云南省的智能电网建设为例进行了实例分析。评价结果表明该省智能电网的综合效益较为乐观, 与实际相符, 验证了指标体系和评价模型的合理性, 为其智能电网提供战略指导。
参考文献
多层次模糊综合评价 篇11
【关键词】煤矿；安全文化；安全评价；层次分析法；模糊综合评价法
2015年，我国煤矿百万吨死亡率为0.157，再创历史新低，十年内我国的煤矿百万吨死亡率下降到原来的1/20。然而，与世界发达国家相比，仍差距较大。以美国为例，作为世界第二大产煤国，煤矿年死亡人数30人左右，百万吨死亡率长期控制在0.1以下，特别近几年来，其百万吨死亡率降到了0.03。因此，“软”的安全管理水平成为制约我国煤炭安全的最重要的因素。
一、国内煤矿安全文化研究现状
我国安全文化建设取得了较好的成效：在建设方面，出现了具有社会主义市场经济条件下的企业安全文化模式；在传播方面，出现了全民安全文化，决策层的安全文化，管理层的安全文化和员工层的安全文化；在理论创新发展方面，很多的新理论和新成果已经渗透到安全文化的器物层次、制度层次、精神智能层次和价值规范层次，2008年，资深教授郝占刚应用了一种基于DEA的评价模型，为大型煤矿企业提供了一种比较准确复杂的的评价系统。
二、建立煤矿安全文化评价指标体系
结合国内外研究现状及煤矿安全管理的实践经验，可以从人、机、环、管4个方面分别建立评价的一级指标，一级指标之下又分别有以下12个二级指标：
三、模糊综合评价法建立模型
1.层次分析法
层次分析法是将决策问题按总目标、各层次目标、评价准则直至具体备选方案的顺序分解为不同的层次结构，然后用求解判断矩阵特征向量的办法，求得每一级的各指标的优先权重，最后再加权和的方法求得对总目标的最终权重，此最优权重者即为最后结果。
2.综合评价得到结果
对二级指标做完单因素评价后，要对一级指标做综合因素评价，用各一级指标对应的二级指标的评判结果左乘以一级指标的權重，即可以达到最后的评价结果。即
四、实例应用
由于应用模糊综合评价法和层次分析法模型评价煤矿企业安全文化需要进行问卷调查，为了增加权重计算的权威性，选取了30位安全工程专业的专家和煤矿一线通风、安全管理者进行了访问调查，前后总共发问卷30份，收回30份。经过一次性检验，合格问卷30份，共同构成了独立完整的评判矩阵。
1.初级评判
（1）对环境的安全文化指标进行评价
对环境的安全文化打分构成的模糊矩阵：
五、结论
该煤矿安全文化的综合得分为74.02，等级为三级，安全文化需要发展。可以从以下两个方面进行改善：1.重点抓管理，首先建立专业性的管理机构，建立健全的管理制度，必要的话，可以引进国外先进的管理模式。除此之外，更重要的是聘请专业的、高水平的安全管理人员，加强企业各方面的安全管理，并且制定必要的奖罚制度，提高员工积极性。2.在环境方面，重点改善作业场所安全环境，严格执行国家和行业标准，有效控制影响员工生理、心理的作业环境，进而改善作业环境。
参考文献：
多层次模糊综合评价 篇12
最近几年,太阳能光伏发电行业作为可再生能源开发利用当中的佼佼者,取得了快速的发展。但是在我国太阳能光伏发电行业取得快速发展的背后,我们也应该看到其潜在的风险。由于太阳能光伏发电行业发展历史不长,人们对其所蕴含的风险也关注不够,所以对我国太阳能光伏发电行业存在的风险进行评价研究具有十分重要的现实意义。最近的一些关于太阳能光伏发电行业风险的研究普遍注重于对风险的分析和介绍,而没有进一步研究风险的严重程度,以及对目前我国太阳能光伏发电行业的风险等级做一个定量的评价。
本文在目前研究的基础上,借助于多层次模糊评价法的数学模型,结合实例分析,来对我国太阳能光伏发电行业风险的严重程度做定量的评价,从而得出目前我国太阳能光伏发电行业的风险等级。
1 多层次模糊综合评价法基本原理
1.1 建立评价指标体系
记undefined,其中U为因素集,Ui为因素集中的第i个因素,并且满足undefined,Ui∩Uj=ϕ(i≠j),将undefined称为第一级因素集。设undefined,称其为第二级因素集。
1.2 各指标权重值的确定
为进行模糊评价需确定各指标的权重,本文采用层次分析法来确立。AHP法是美国运筹学家沙旦于20世纪70年代提出的,是一种定性与定量分析相结合的多目标决策分析方法。特别是将决策者的经验判断给予量化,对目标结构复杂且缺乏必要的数据情况下,这一方法更为适用[3]。
1.2.1 构造判断矩阵
运用专家打分法来对各层指标两两比较的重要程度在标度(见表1)范围内进行打分,给予量化,从而形成判断矩阵。
1.2.2 权重的确定及一致性检验
根据判断矩阵,求出最大特征值λmax对应的特征向量,该特征向量即为各评价指标重要性排序,也是各指标的权重,得到权重集W={(W1,W2,...,Wn}) 。由于人们对复杂事物存在估计误差,不可能做到判断的完全一致性。往往当判断矩阵具有满意一致性时,认为基于层次分析法得出的结论是基本合理的。检验公式如下:
undefined
CR=CI/RI
其中,CI为判断矩阵的一致性指标,RI为修正系数(见表2),CR为修正后的一致性指标。
当CR<0.1时,一般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并使之具有满意的一致性。
1.3 建立评价集
对每一个指标进行等级评定,假设可以分为p个等级。记评价集合undefined。
1.4 多层次模糊综合评价
1)先对第二级因素集中的各因素Ui(i=1,2,...,n)进行单因素模糊评价,且undefined表示因素Ui含有m个子因素。通常各子因素的重要程度不同,利用AHP法得到因素Ui的权重集undefined且undefined,元素wik(k=1,2,...,m)可称为各子因素对Ui重要性的隶属程度。从一个因素Ui出发进行评价,以确定评价对象对评价集元素Vk的隶属程度rij(i=1,2,...,m;j=1,2,...,p)称为单因素模糊评价[4]。根据专家投票结果,得到Ui的单因素模糊评价矩阵为:undefined,作一级模糊综合评价undefined,其中undefined。根据上述方法,可构造出总模糊评价矩阵undefined。
2)对于第一级因素集undefined,由undefined的权重集undefined,再根据总模糊评价矩阵undefined,作二级模糊综合评价得undefined。其中bτ(τ=1,2,...,p)是综合考虑所有因素的影响时,评判对象对评价集中第τ个元素的隶属程度。由所求出的矩阵undefined,根据最大隶属度原则,可确定出评价对象对应的等级[5]。
2 实例分析
2.1 我国太阳能光伏发电行业风险指标体系的构建
根据目前我国太阳能光伏发电行业的发展情况,通过调查分析,可以确定当前我国太阳能光伏发电行业所存在的风险类型有市场风险、产业技术风险、管理风险、外部环境风险[6,7,8]。建立如下图所示的我国太阳能光伏发电行业风险评价指标体系层次结构。
2.2 多层次模糊综合评价法的具体应用
2.2.1 各单因素权重的确定
首先构造层次A-B的比较判断矩阵为undefined。计算出矩阵A的最大特征值λmax=4.12,相应的特征向量即权重向量为undefined。一致性指标CI=undefined,查表2可知修正系数RI=0.90,从而修正后的一致性指标CR=0.04/0.90=0.044<0.1,通过一致性检验。接着构造B-C比较判断矩阵:
undefined
对成对比较矩阵B1,B2,B3,B4分别求出其对应的权向量及进行一致性检验,计算结果如表3所示。
从上表可以看出B1,B2,B3,B4均通过一致性检验。
2.2.2 风险评价
本文重点是对我国太阳能光伏发电行业存在的风险进行评价,根据已构建的风险层次分解,利用专家调查结果,采用多层次模糊综合评价法来进行风险评价。
根据风险层次结构,第一层因素集U=(U1,U2,U3,U4),第二层因素集分别为
U1=(u11,u12,u13),U2=(u21,u22,u23,u24),U3=(u31,u32,u33,u34),U4=(u41,u42,u43)。风险评价集undefined,本文是针对我国太阳能光伏发电行业进行风险评价,记Vi(i=1,2,...,5)表示风险等级,可依次记V1,V2,V3,V4,V5为高,较高,中,较低,低。
对每个Ui(i=1,2,3,4)进行单因素评价,由10位专家组成的评价小组,用投票的方法,得到相应的单因素评价矩阵。根据投票结果,再综合各单因素的权重向量,可组成太阳能光伏发电行业风险综合评价结构表,见表4。
对于第二级因素集Ui(i=1,2,3,4),有U1=(u11,u12,u13),权重集为undefined,单因素U1模糊评价矩阵为undefined。作一级模糊综合评价,由undefined,得undefined。同理可得出undefined依次为undefined,undefined,undefined。
对第一级因素集U=(U1,U2,U3,U4),权重集为undefined,总模糊评价矩阵为undefined
undefined
作二级模糊综合评价,得undefined。由bτmax=0.484,根据最大隶属度原则,评价对象对应的风险等级为较高,即得到目前我国太阳能光伏发电行业的风险级别为较高这一结论。
3 结语
本文通过运用多层次模糊综合评价法来对我国目前太阳能光伏发电行业所面临的风险进行风险等级评价,主要得出的结论有以下两点:
1)通过建立多层次模糊综合评价法模型,结合实证分析,得到我国太阳能光伏发电行业的风险级别为较高,这与当前的社会状况基本符合,由此也证明了模型的正确性。
2)太阳能光伏发电行业是新兴行业,有着广阔的发展前景。对我国太阳能光伏发电行业进行风险严重程度研究,有助于投资者全面准确的了解风险,从而采用切实有效的方法规避风险,这样可以杜绝盲目投资,有利于科学决策,从而可以推动我国太阳能光伏发电行业的健康发展。
参考文献
[1]张超.金融危机下我国太阳能行业的机遇与挑战[J].宁波职业技术学院学报,2009,13(3):61-64.
[2]张荣辉.我国光伏行业发展概述[J].科技资讯,2010,26(6):213-214.
[3]钱颂迪.运筹学[M].北京:清华大学出版社,2008:455-460.
[4]杨林,张德模,等.模糊综合评价法判断监测断面的主要污染物[J].西北大学学报,2003,12(6):26-30.
[5]张宁,陶庆.基于多级模糊综合法的工程项目风险评价[J].建筑经济,2009,6(3):27-29.
[6]李莹霄.我国太阳能光伏发电投资风险分析[D].长春:吉林大学,2008.
[7]庚晋.太阳能光伏发电存在的问题及促进措施[J].光源与照明,2010,3(1):42-44.