多指标综合评价中指标正向化和无量纲化方法的选择
线性综合评价模型中指标标准化方法的比较与选择_张立军

【统 计 理 论 与 方 法 】
统计与信息论坛 Statistics &Information Forum
2010 年 8 月 Aug.,2010
线性综合评价模型中指标标准化方法的比较与选择
张立军,袁能文
(湖南大学 金融与统计学院,湖南 长沙 410079)
变化夸大或缩小了原 始 数 据 的 实 际 差 异,对 于 综 合
评 价 是 不 利 的 ,以 下 通 过 实 例 进 行 说 明 。
11
统计与信息论坛
(二 )样 本 数 据 背 景 及 线 性 评 价 模 型
资 料 ,评 价 指 标 体 系 及 样 本 数 据 见 表 3 和 表 4。
本文通过 SPSS 软 件 随 机 选 择 10 家 上 市 公 司
y = K -|a-x|(其中 K 为正常数,a为指标x 的适度值)
(二 )指 标 无 量 纲 化 方 法
且非线性无量纲化方 法 极 为 复 杂,根 据 不 同 对 象 有
从理论 上 说,指 标 无 量 纲 化 方 法 包 括 线 性 无 量 不同的处理方法,所 以 本 文 只 讨 论 线 性 无 量 纲 化 方
表3中各指标的 权 重 参 照 “国 有 资 本 金 效 绩 评
作为分析样本,以 上 市 公 司 经 营 业 绩 评 价 为 例 进 行 价体系”中对各类指标的赋权并进行适当调整得到。
实 证 分 析 ,数 据 来 源 于 各 上 市 公 司 2008 年 年 报 财 务
表 3 上 市 公 司 经 营 业 绩 综 合 评 价 指 标 体 系 表
X5 0.31 0.21 0.42 0.60 0.98 0.24 0.36 0.20 0.53 0.37
多指标综合评价中赋权方法评析

多指标综合评价中赋权方法评析在多指标综合评价中,赋权方法的选择对于评价结果的准确性和可靠性具有重要影响。
本文将介绍多指标综合评价中常见的赋权方法,并对其优缺点进行分析,旨在为实际应用中合理选择赋权方法提供参考。
多指标综合评价是指通过多个相互关联的指标来评价某一对象或系统的整体性能。
赋权方法是指根据各指标对整体评价的重要性程度,给予相应的权重,以便在综合评价时体现各指标的重要性差异。
常见的赋权方法包括主观赋权法和客观赋权法。
主观赋权法是根据专家的经验、知识和判断力,对各指标赋予相应的权重;客观赋权法则根据指标之间的相关关系或变异程度等客观信息确定权重。
主观赋权法的优点在于能够充分反映专家的经验和判断力,适用于具有不确定性和复杂性的评价问题。
但是,主观赋权法也容易受到专家主观意识的影响,导致赋权结果缺乏客观性和公正性。
客观赋权法的优点在于能够根据客观信息来确定权重,避免主观赋权法的主观性和片面性。
但是,客观赋权法往往忽略了专家的经验和判断力,无法充分反映各指标对评价目标的重要程度。
在实际应用中,可以根据具体问题的特点选择合适的赋权方法。
例如,对于具有较强主观性的评价问题,可以选择主观赋权法来赋予各指标权重;对于客观性较强的评价问题,可以选择客观赋权法来确定权重。
另外,也可以将主观赋权法和客观赋权法相结合,形成一种综合赋权方法,以充分利用两者的优点,避免其缺点。
在多指标综合评价中,赋权方法的选择应根据具体问题的特点进行判断。
在实际应用中,应充分考虑各种赋权方法的优缺点,合理选择和应用,以提高评价结果的准确性和可靠性。
下一步研究方向是多指标综合评价中赋权方法的优劣比较和组合应用。
未来可以进一步探索不同赋权方法的组合方式,以更好地体现各指标对整体评价的重要性;也可以研究如何将多指标综合评价应用于实际问题的解决,例如在环境质量评估、经济发展评价等领域的应用。
这将有助于提高多指标综合评价的应用价值和实用性。
在当今复杂的社会和经济环境中,多指标综合评价方法被广泛应用于各个领域,如经济学、环境学、生物学等。
指标无量纲化方法对综合评价结果可靠性的影响及其实证分析

2
当然从这个模型来看 , 影响综合评价结果可靠 性的因素不仅仅是无量纲化方法 , 还有加权系数 ωj 的合理选择 。 为了突出重点 , 暂且不涉及 ωj 的确定 方法的选择问题 。
三、 评价指标的无量纲化方法介绍
对类型一致的评价指标进行无量纲化时 , 通常 采用如下方法 令
式中 m 、 M 分别为指标观测值 x 的最小值和最大值 。
( 三) “极大化” 处理
令
x ( m > 0) x′= m ( 四) “极小化” 处理 ( 4)
大则表示第 i 种量化方法和第 k 种量化方法在相同 的综合评价方法下得出的排序结果的一致性程度越 高 ( rs ・ik 趋近于 1 表示两种量化方法在同一综合评 价方法下趋于一致) 。 在对斯皮尔曼 ( Spearman) 等级相关系数理论 扩展应用的基础上 , 现利用其对无量纲化方法进行 比较和选优 , 最大程度地避免 “表面上的合理性掩盖
统计与信息论坛
二、 综合评价模型的选择
所谓综合评价问题 , 就是当选定 m 项评价指标
x 1 , x 2 , x3 , …, x m 时 , 对 n 个评价对象的运行状况进
( 以下简称等级相关系数 , 用 rs 表示) 来检验对同一
对象的两种评估排序在统计学意义上是否一致 。 设对某一综合评价的两种排序 ( 排序规则均为 由好到坏) , 分别为 X 和 Y 。 X 的等级 ( 排序) 为 X =
公 司 公司 1 公司 2 公司 3 公司 4 公司 5 公司 6 公司 7 公司 8 公司 9 公司 10 公司 11 公司 12 公司 13 公司 14 公司 15
多指标综合评价方法

多指标综合评价方法
在现实生活中,常常会涉及到对一些事物的全面评价,以便获取更加
准确、全面、客观的信息。
针对这种需求,多指标综合评价方法被广泛应
用于各个领域,包括经济、工程、环境、教育等等。
通过综合考虑多个指标,可以避免单指标评价的片面性和主观性,提高评价的科学性和针对性。
序列法是一种基于顺序比较的多指标综合评价方法。
首先,需要明确
各指标之间的优劣关系,即判断哪个指标对于评价对象的影响最大。
然后,依次对各指标进行比较,根据优劣程度给予相应的得分。
最后,通过统计
各指标得分的权重,得到综合评价结果。
模糊综合评价方法是一种基于模糊数学理论的多指标综合评价方法。
通过模糊集合理论中概念模糊度和隶属度的定义,将评价指标的评价结果
转化为隶属度函数,然后求解隶属度函数的加权平均值,得到综合评价结果。
层次分析法是一种基于专家判断和层次分析的多指标综合评价方法。
首先,需要确定评价指标的层次结构,划分为准则层、准则子层、子准则
层等。
然后,通过专家评分和判断,确定各层次指标的权重。
最后,根据
各层次指标的权重和评价结果,利用层次分析法的计算步骤,得到综合评
价结果。
需要注意的是,不同的多指标综合评价方法适用于不同的情境和领域,选择合适的方法需要根据具体的评价对象和评价目的进行决策。
此外,多
指标综合评价方法也需要考虑指标之间的相关性和相互影响。
因此,在实
际应用中,通常需要结合专家判断和科学分析,灵活运用多种方法,以期
得到更加客观和准确的评价结果。
无量纲化方法比较

无量纲化方法比较无量纲化方法是指将不同量级的数据进行比较和分析时,通过一定的数学方法将原始数据转换为无单位或者统一单位的数据。
常用的无量纲化方法有标准化、区间缩放法、归一化、对数变换等。
下面我将对这几种方法进行比较分析。
首先是标准化方法。
标准化是将数据转化为均值为0,方差为1的正态分布。
标准化能够消除数据之间的单位差异,使得不同特征的数据可进行比较和分析。
标准化的公式为:\[x' = \frac{x - \mu}{\sigma}\]其中,\(x\)为原始数据,\(\mu\)为原始数据的均值,\(\sigma\)为原始数据的标准差。
标准化方法适用于特征之间差异较大或者存在离群点的情况。
但是标准化方法不能保留原始数据的分布信息,对异常值较敏感。
接着是区间缩放法。
区间缩放法是将数据线性映射到一个指定的区间内。
常用的区间是\[0, 1\]或者\[-1, 1\]。
区间缩放法的公式为:\[x'= \frac{x - \min(x)}{\max(x) - \min(x)}\]其中,\(x\)为原始数据,\(\min(x)\)为原始数据的最小值,\(\max(x)\)为原始数据的最大值。
区间缩放法能够将数据映射到一个有限的范围内,避免了不同特征数据之间的量级差异。
但是该方法对于存在极端离群点的数据不适用。
再次是归一化方法。
归一化是将数据转化为\[0, 1\]范围内的数值。
归一化的公式为:\[x' = \frac{x - \min(x)}{\max(x) - \min(x)}\]其中,\(x\)为原始数据,\(\min(x)\)为原始数据的最小值,\(\max(x)\)为原始数据的最大值。
归一化方法能够消除单位差异,保留了数据的分布信息,适用于数据分析和聚类等场景。
最后是对数变换方法。
对数变换是将数据转化为其对数值,常用的对数变换有自然对数变换和对数函数变换。
对数变换的公式为:\[x' =\log(x + 1)\]或者\[x' = \log(x)\]其中,\(x\)为原始数据,\(x'\)为转换后的数据。
综合效益评价中数据的直线化无量纲化方法

・讲座・综合效益评价中数据的直线化无量纲化方法丁昌慧!蔡辉"祁新辉!!问题的提出!在综合效益评价中,各指标间存在不可公度性,它主要体现在两个方面〔!〕:(!)各指标的度量单位(量纲)不一致,即使有些指标单位相同,其实际意义也可能不同,例如出生率与死亡率,其计量单位虽然都是千分数,但其含义不同,每升高或降低!#的意义也不一致,若直接综合,往往会使评价结果无法解释。
(")各指标的属性也不一致:指标的属性可分以下三类:!正指标(高优指标):指标值越大越好的指标;"逆指标(低优指标):指标值越小越好的指标;#适度指标:指标值不应过大或过小,而是达到适度值或适度区间最好。
适度指标也可看作正负指标的组合,只要能找到适度点,也可在适度点前后分别转化为正、逆指标。
由于这种不可公度性的存在,使得各指标不能直接用于计算和比较。
因此,只有对不同属性的指标通过某种数学变换来消除指标的量纲,将指标值转化为指数值,使得各指标值可以直接相加,形成综合指数,才可用于综合效益评价。
本文就线性无量纲方法及其特点进行讨论。
"方法〔!,"〕若某指标值在客观上与评价值之间呈线性关系,即它们之间是等比例变化,可用线性无量纲化方法。
常用的方法有极差法、极值法、$%&’()*法、比重法、百分比次法和秩次法等。
"#!极差法:设有!个指标,作了"次观察,得观察值#,对#进行规范化处理:正指标:$%+#,#-./#-01,#-./#-./"#"#-01逆指标:$%+#-01,##-01,#-./#-./"#"#-01适度指标:(0)最佳值型:$%+!#+##!,$#,##$-01$#,##$#%##2#&#-01或#"#’()-./式中,##为该指标的最佳值。
(3)最佳区间型:$%+!,&!,#-01[&!,#-./,#-01,&"]#*&!!#+[&!,&"]!,#’(,&"-01[&!,#-./,#-01,&"]#,&"2#&#-01或#"#’()-./式中,[&!,&"]为第(个指标的最佳区间,#-01和#-./分别表示该指标的最大值和最小值。
多指标综合评价中指标正向化和无量纲化方法的选择

多指标综合评价中指标正向化和无量纲化方法的选择叶宗裕摘要:本文用实例说明了多指标综合评价中,用“倒数逆变换法”进行指标正向化时会完全改变原指标的分布规律,影响综合评价结果的准确性;对三种常用无量纲化方法——极差变换法、标准化法和均值化法的选择使用问题,用实例进行了比较分析。
关键词:综合评价,正向化,无量纲化,标准化法,均值化法在多指标综合评价中,有些是指标值越大评价越好的指标,称为正向指标(也称效益型指标或望大型指标);有些是指标值越小评价越好的指标,称为逆向指标(也称成本型指标或望小型指标),还有些是指标值越接近某个值越好的指标,称为适度指标。
在综合评价时,首先必须将指标同趋势化,一般是将逆向指标和适度指标转化为正向指标,所以也称为指标的正向化。
不同评价指标往往具有不同的量纲和量纲单位,直接将它们进行综合是不合适的,也没有实际意义。
所以必须将指标值转化为无量纲的相对数。
这种去掉指标量纲的过程,称为指标的无量纲化(也称同度量化),它是指标综合的前提。
在多指标评价实践中,常将指标无量纲化以后的数值作为指标评价值,此时,无量纲化过程就是指标实际值转化为指标评价值(即效用函数值)的过程,无量纲化方法也就是指如何实现这种转化。
从数学角度讲就是要确定指标评价值依赖于指标实际值的一种函数关系式,即效用函数f j。
因此,指标的无量纲化是综合评价的一项重要内容,对综合评价结果有重要影响。
指标的正向化和无量纲化都有多种方法,应用时,应根据实际情况选择合适的方法,否则将会使综合评价的准确性受到影响。
本章就如何选择正向化和无量纲化方法作些讨论。
(一)关于指标正向化方法对于指标的正向化,在实际应用中许多学者常使用将指标取倒数的方法(苏为华教授称其为“倒数逆变换法” [1]),写成公式为:y ij =C/x ij (1)其中C为正常数,通常取C=1。
很明显,用(1)式作为指标的正向化公式时,当原指标值x ij 较大时,其值的变动引起变换后指标值的变动较慢;而当原指标值较小时,其值的变动会引起变换后指标值的较快变动。
数据预处理--无量纲化

数据预处理--⽆量纲化1.⽆量纲化定义⽆量纲化,也称为数据的规范化,是指不同指标之间由于存在量纲不同致其不具可⽐性,故⾸先需将指标进⾏⽆量纲化,消除量纲影响后再进⾏接下来的分析。
2.⽆量纲化⽅法⽆量纲化⽅法有很多,但是从⼏何⾓度来说可以分为:直线型、折线型、曲线形⽆量纲化⽅法。
(1)直线型⽆量纲化⽅法直线型⽆量纲化⽅法是指指标原始值与⽆量纲化后的指标值之间呈现线性关系,常⽤的线性量化⽅法有阈值法、标准化法与⽐重法。
①阈值法是我们最熟悉也最常⽤的⼀种⽆量纲化⽅法,阈值也称临界值,是指衡量事物发展变化的⼀些特殊指标值,如极⼤值、极⼩值等,⽽阈值法就是通过实际值与阈值对⽐得到⽆量纲化指标值的⽅法。
主要公式以及特点如下图中所⽰。
值得注意的⼀点,阈值参数的选取确定却会直接影响分析的结果,这⾥需考虑实际情况加上已有经验进⾏探索,逐步优化,直到寻找最合适的阈值(最合适就是结果可以达到让⾃⼰满意的程度)。
②标准化⽅法就是指标原始值减去该指标的均值然后⽐上其标准差。
⽆论指标实际值是多少,最终将分布在零的两侧,与阈值法相⽐,标准化⽅法利⽤样本更多的信息,且标准化后的数据取值范围将不在[0,1]之间。
③⽐重法是将指标实际值转化为他在指标值总和中所占的⽐重。
(2)折线型⽆量纲化⽅法折线型⽆量纲化适⽤于被评价事物呈现阶段性变化,即指标值在不同阶段变化对事物总体⽔平影响是不⼀样的。
虽然折线型⽆量纲化⽅法⽐直线型⽆量纲化⽅法更符合实际情况,但是要想确定指标值的转折点不是⼀件容易的事情,需要对数据有⾜够的了解和掌握。
(3)曲线形⽆量纲化⽅法有些事物发展的阶段性变化并不是很明显,⽽前、中、后期的发展情况⼜各不相同,就是说指标值的变化是循序渐进的,并不是突变的,在这种情况下,曲线形⽆量纲化⽅法也更为合适,常⽤的曲线形⽆量纲化⽅法如下图所⽰:(4)模糊⽆量纲化⽅法综合评价中的评价指标可以分为正向指标(即指标值越⼤越好)、逆指标(即指标值越⼩越好)和适度指标(即指标值落在某个区间最好,⼤了、⼩了都不好),指标彼此之间“好”与“坏”并没有⼀个标准,在很⼤程度上具有⼀定的模糊性,这时候可以选择此⽅法对指标进⾏⽆量纲化处理,有兴趣⾃⾏搜索学习。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
多指标综合评价中指标正向化和无量纲化方法的选择叶宗裕摘要:本文用实例说明了多指标综合评价中,用“倒数逆变换法”进行指标正向化时会完全改变原指标的分布规律,影响综合评价结果的准确性;对三种常用无量纲化方法——极差变换法、标准化法和均值化法的选择使用问题,用实例进行了比较分析。
关键词:综合评价,正向化,无量纲化,标准化法,均值化法在多指标综合评价中,有些是指标值越大评价越好的指标,称为正向指标(也称效益型指标或望大型指标);有些是指标值越小评价越好的指标,称为逆向指标(也称成本型指标或望小型指标),还有些是指标值越接近某个值越好的指标,称为适度指标。
在综合评价时,首先必须将指标同趋势化,一般是将逆向指标和适度指标转化为正向指标,所以也称为指标的正向化。
不同评价指标往往具有不同的量纲和量纲单位,直接将它们进行综合是不合适的,也没有实际意义。
所以必须将指标值转化为无量纲的相对数。
这种去掉指标量纲的过程,称为指标的无量纲化(也称同度量化),它是指标综合的前提。
在多指标评价实践中,常将指标无量纲化以后的数值作为指标评价值,此时,无量纲化过程就是指标实际值转化为指标评价值(即效用函数值)的过程,无量纲化方法也就是指如何实现这种转化。
从数学角度讲就是要确定指标评价值依赖于指标实际值的一种函数关系式,即效用函数f j。
因此,指标的无量纲化是综合评价的一项重要内容,对综合评价结果有重要影响。
指标的正向化和无量纲化都有多种方法,应用时,应根据实际情况选择合适的方法,否则将会使综合评价的准确性受到影响。
本章就如何选择正向化和无量纲化方法作些讨论。
(一)关于指标正向化方法对于指标的正向化,在实际应用中许多学者常使用将指标取倒数的方法(苏为华教授称其为“倒数逆变换法”[1]),写成公式为:y ij=C/x ij(1)其中C为正常数,通常取C=1。
很明显,用(1)式作为指标的正向化公式时,当原指标值x ij较大时,其值的变动引起变换后指标值的变动较慢;而当原指标值较小时,其值的变动会引起变换后指标值的较快变动。
特别是当原指标值接近0时,变换后指标值的变动会非常快,使得指标评价值的确定,也即指标的无量纲化变得困难。
比如徐国祥等将指标资产负债率、流动比率、速动比率作为适度指标[2],对它们的正向化方法为1||ij ij y x k =-(2)适度值k 取各单位该指标值的平均值。
这种取倒数的方法使得:一些接近k 的指标值之间的差距扩大,而远离k 的指标值之间的差距缩小,因而不能真实反映原指标的分布情况。
笔者选取2001年全国各地区全部国有及规模以上非国有工业企业主要经济效益指标中的资产负债率为例(为节省篇幅选前10个省市的值),用(2)式进行正向化变换,10个省市的资产负债率及其正向化值见表1。
资产负债率的平均值k =58.59。
表1 10省市资产负债率及其正向化值资料来源:中国统计年鉴(2002).中国统计出版社,下同.由表1可见,天津与内蒙古的资产负债率原值为58.28和58.44,相差极小,而变换后的值分别为3.25和6.76,相差很大;北京和上海的原值分别为55.29和46.46,相差很大,而变换后的值为0.30和0.08,相差很小。
但另一方面,从资产负债率对经济效益的影响程度分析,当资产负债率在平均值附近时,其值的变动对经济效益的影响较小;当资产负债率远离平均值时,其值的变动对经济效益的影响较大。
可见用这种取倒数的变换方法完全改变了原指标的分布规律,所得综合评价结果肯定是不准确的,因而是不可取的。
笔者认为,应尽可能不使用这种倒数逆变换法,而使用“倒扣逆变换法”,即对逆向指标正向化公式为1max{}ij ij ijij ij i ny x x y x ≤≤=-=-或对适度指标正向化公式为1max ||||||ij ij ij ij ij i ny x k x k y x k ≤≤=---=--或这种线性变换不会改变指标值的分布规律。
但是,对周转速度类指标(包括库存商品周转速度、流动资金周转速度等等)通常有正向指标“次数”和逆向指标“天数”两种表现形式,二者存在互逆关系:周转天数(天/次)=报告期日历长度(天)/报告期周转次数(次)显然,“次数”的增加能很好地表现实际价值的增加,“次数”是较好的评价指标,所以用倒数逆变换法将逆向指标“天数”变换为正向指标“次数”是较好的正向化方法。
(二)指标无量纲化方法的选择目前人们已提出的无量纲化方法名称很多,如综合指数法、极差变换法、高中差变换法、低中差变换法、均值化法、标准化法、比重法、功效系数法、指数型功效系数法、对数型功效系数法、正态化变换法等等。
苏为华教授将它们归为四类:广义指数法、广义线性功效系数法、非线性函数法、分段函数法[1]。
则广义指数法和广义线性功效系数法包含了前8种,都是线性无量纲化方法;后三种属于非线性函数法,也即曲线型无量纲化方法。
由于指数或对数变换时,曲线的增减速度、凹凸程度很难把握,所以实践中非线性函数法较少被采用。
实践中应用较多的是属于直线型无量纲化方法的极差变换法、标准化法和均值化法。
下面对这三种方法进行比较分析。
设综合评价中共有n 个单位,m 个指标,各指标分别为x 1,x 2,…,x m ,用x ij (i =1,2,…,n ;j =1,2,…,m )表示第i 个单位的第j 个原始指标值,y ij 表示经过无量纲化处理的第i 个单位的第j 个指标值。
极差变换法即令}{min }{max }{min 111ij ni ij ni ij ni ij ij x x x x y ≤≤≤≤≤≤--=(3)式(3)中的分母仅与原始指标的最大值和最小值有关,而与指标的其它值无关。
当x j 的最大值与最小值之差很大时,y j 值就会过小,相当于降低了第j 个指标的权重;相反,当x j 的最大值与最小值之差很小时,y j 值就会过大,相当于提高了第j 个指标的权重。
即指标的两个值就对指标的权重产生了很大影响。
所以在多指标综合评价中,用极差变换法作为无量纲化的方法是不可取的。
目前最普遍使用的无量纲化方法是标准化法,标准化法即令jjij ij x x y σ-=(4)其中j x 和σj 分别是指标x j 的均值和标准差。
经标准化后,指标y j 的均值为0,方差为1,消除了量纲和数量级的影响。
同时标准化法也消除了各指标变异程度上的差异,因此经标准化后的数据不能准确反映原始数据所包含的信息,导致综合评价的结果不准确。
从下例可以看出:例1、对十个省市的全部国有及规模以上非国有工业企业的经济效益进行综合评价。
为直观起见,只选用全员劳动生产率和产品销售率两个指标,指标值见表2。
根据国家经贸委等部门颁布的《工业经济效益评价体系》两个指标的权数分别为10和13。
表2 十省市劳动生产率和产品销售率由表2易见,各地区的产品销售率非常接近,而全员劳动生产率相差较大。
它们的变异系数分别为0.0062和0.3419也说明了这一点。
所以若用这两个指标来评价经济效益,则很显然主要的影响因素应是全员劳动生产率。
但是,若用标准化法对两个指标进行无量纲化,将使两个指标的变异程度相同,因为产品销售率的权数大,因而产品销售率对经济效益的影响会比全员劳动生产率大。
评价结果见表3表3 十省市标准化法评价结果对照从表3可见评价名次与产品销售率名次相差不大,这显然是不合理的。
所以必须改进原始数据的无量纲化方法,均值化方法就是一种较好的方法。
均值化方法即令jij ij x x y =(5)均值化后各指标的均值都为1,其方差为22222)()var()(])1[()var(jjjj jj j j j x x x x x x E y E y σ==-=-= (6)即均值化后各指标的方差是各指标变异系数jjx σ的平方,它保留了各指标变异程度的信息。
对于例1,若用均值化方法对两个指标进行无量纲化,则因全员劳动生产率的变异系数比产品销售率的变异程度大得多,因而全员劳动生产率是经济效益综合评价的主要影响因素。
评价结果见表4表4 十省市均值化法评价结果对照由表4可知,评价名次与全员劳动生产率的名次完全一致,这与实际情况是相符的。
即用均值化法比用标准化法合理。
那么,是否我们就应该用均值化方法作为指标的无量纲化方法呢?这也要具体问题具体分析。
在实际问题中,情况是复杂的,有时需要保留指标的变异信息,有时需要消除指标的变异信息。
用下面的例子即可说明。
例2、某校在对教师进行考核时,其考核方法为根据教师所任教班级的学生打分和由学校领导、教师代表组成的考核小组打分各占50%的比例进行综合。
现选择其中10位教师的分数如表5:表5 10位教师的原始考核分易见学生打分的变异程度远大于考核小组打分的变异程度,若为了保留指标的变异信息,采用均值化方法作无量纲化处理,可得各教师的综合考核分及名次如表6(因两种打分的量纲一致,也可以不作无量纲化处理,所得结果相同)表6 10位教师的均值化方法考核结果除3号和10号教师外,考核名次与学生打分的名次均相同,即考核小组的打分几乎不起作用,这显然极不合理。
一般来说,类似例1这样的由主观打分的综合评价问题,不应保留指标的变异信息,而应消除指标的变异信息。
用标准化方法即能消除指标的变异信息,使两种打分起同等作用。
用此法可得各教师的综合考核分及名次如表7。
显然,表7的结果会更加合理。
表7 10位教师的标准化方法考核结果根据以上分析,当综合评价的指标值都是客观数值时,一般来说应该用均值化方法对指标进行无量纲化;而当综合评价的指标值是主观分数时,则用标准化方法更好。
参考文献[1]苏为华.多指标综合评价理论与方法研究[M].北京,中国物价出版社,2001.[2]徐国祥.上市公司经营业绩综合评价及其实证研究[J].统计研究,2000(9).。