综合评价方法综述
多指标综合评价分析方法综述
２００８／０２总第３６２期摘要：关键词：!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!的计量模型，为下一步的实证分析奠定基础。
参考文献：【１】韩廷春金融发展与经济增长：基于中国的实证分析经济科学２００１３【２】戈德史密斯金融结构与金融发展上海三联出版社１９９０年版【３】肖经济发展中的金融深化上海三联出版社１９８８年版【４】麦金农经济发展中的货币与资本上海三联出版社１９８８年版【５】张军洲中国区域金融分析中国经济出版社２０００年版【６】周立中国各地区金融发展与经济增长清华大学出版社２００３年版【７】陈茹欠发达地区金融发展与经济增长的实证研究：基于面板数据模型的ＧＭＭ估计结果贵州财经学院学报２００７３【８】王文博计量经济学西安交通大学出版社２００４年出版注：本文为教育部人文社科研究项目（０５ＪＤ７９０１３５）《西部地区金融发展与经济增长研究》的阶段性成果（作者单位：新疆财经大学金融学院）一、引言多指标综合评价分析作为现代管理决策的基础，是认识和评价研究对象的基本工具，也被广泛地应用于各个方面：如微观上对企业经营业绩、经济效益和偿债能力的评价，对劳动力和人才的综合素质评价；宏观上对省地市的社会发展水平、城市化水平、社会保障能力评价以及地区或企业的科技进步评价等，这些研究已对社会与经济发展和企业经营产生了积极影响。
多指标综合分析方法按照权数产生方法的不同大致分为主观法和客观法两类。
１．主观法：即根据经验和重要程度人为给出权数大小，再对指标进行综合评价。
主观定权的方法有：层次分析法、综合评分法、功效系数法、指数加权法和模糊评价法等。
２．客观法：构建综合评价模型，根据指标自身的作用和影响确定权数进行综合评价。
这类方法有：熵值法及主成分分析、变异系数法、聚类分析、判别分析等多元分析方法。
上述方法在进行综合评价分析中各有所长，需要根据评价指标性质和评价目的进行选择配合使用。
常用评价方法综述
常用评价方法综述一、定量评价方法1.定量评分法：通过给事物、人员等设定项，然后按照设定的标准给出得分，最后计算得出最终评分。
这种方法适用于对事物进行量化评价，例如对产品的质量、人员的绩效进行评价。
2.统计分析法：通过收集大量的数据并进行分析，来评价事物的性能和表现。
统计分析法可以帮助我们发现数据之间的规律和趋势，从而对事物进行客观的评价。
例如，通过统计分析客户满意度调查结果可以评价产品和服务的质量。
3.成本效益分析法：通过比较投入和产出的关系，来评价事物的效益。
成本效益分析法可以帮助我们确定是否值得继续投资或改进事物。
例如，通过比较不同的项目投入和预期收益，来评价项目的可行性。
二、定性评价方法1.开放式访谈法：通过与相关人员进行面对面的访谈，来获取详细的信息和意见，从而评价事物的性能和质量。
开放式访谈法可以帮助我们了解相关人员的想法和看法，从而对事物进行深入评价。
例如，通过开放式访谈来评价员工对工作环境和领导的满意度。
2.问卷调查法：通过设计和发放问卷调查，来获取大量受访者的意见和反馈，从而评价事物的性能和质量。
问卷调查法可以帮助我们对大规模的受众进行评价和统计分析。
例如，通过问卷调查来评价用户对产品的满意度和需求。
3.案例研究法：通过深入研究少量个案，来评价事物的性能和表现。
案例研究法可以帮助我们了解特定情况下事物的优势和问题，从而对事物进行评价和改进。
例如，通过分析具体案例来评价公司的组织结构和管理水平。
三、综合评价方法1.层次分析法：将评价对象的各个方面进行层次化，然后通过对各个层次进行权重和得分的评估，最终得出综合评价结果。
层次分析法可以帮助我们对复杂的事物进行综合评价和决策。
例如，通过层次分析法来评价不同候选人的能力和背景，从而决定录用对象。
2.模糊综合评价法：通过建立模糊数学模型来对多个评价因素进行加权综合评估，最终得出综合评价结果。
模糊综合评价法可以帮助我们处理评价因素之间的模糊性和不确定性，从而对事物进行客观评价。
多指标综合评价方法研究综述
·开发与创新·0引言多指标综合评价是指人们根据不同的评价目的，选择相应的评价形式，据此选择多个因素或指标，并通过一定的评价方法，将多个评价因素或指标转化为能反映评价对象总体特征的信息[1]。
其中评价指标与权重系数确定将直接影响综合评价的结果[2]。
本文由此从评价指标与权重确定两方面出发，对当前应用神经网络、遗传算法、粗糙集、熵、模糊数学与灰色关联度等相关理论的多指标评价方法作简要综述，并对多指标综合评价方法的未来研究方向作出展望。
1综合评价方法概述[3~6]按照权数产生方法的不同，多指标综合评价方法可分为主观赋权评价法和客观赋权评价法两大类。
其中主观赋权评价法采取定性的方法，由专家根据经验进行主观判断而得到权数，然后再对指标进行综合评价。
如层次分析法、综合评分法、模糊评价法、指数加权法和功效系数法等。
客观赋权评价法则根据指标之间的相关关系或各项指标的变异系数来确定权数进行综合评价。
如熵值法、神经网络分析法、TOPSIS 法、灰色关联分析法、主成分分析法、变异系数法、聚类分析法、判别分析法等。
两种赋权方法特点不同，其中主观赋权评价法依据专家经验衡量各指标的相对重要性，有一定的主观随意性，受人为因素的干扰较大，在评价指标较多时难以得到准确的评价。
客观赋权评价法综合考虑各指标间的相互关系，根据各指标所提供的初始信息量来确定权数，能够达到评价结果的精确，但是当指标较多时，计算量非常大。
由于大多数评价方法其约束条件太多，在实际应用中，经常需要在许多假定的基础上或在进行一系列的变通处理后才能应用相关评价方法。
对此，当前出现了采用神经网络、熵、粗糙集、遗传算法等多种方法集成的思想，来改进评价方法的公正性与精确性。
所谓集成的综合评价方法，就是采用综合集成的思想，将两种或两种以上的方法加以改造并结合，获得一种新的评价方法。
下面就对当前所出现的新评价方法进行比较分析。
2集成的综合评价方法综述2.1基于神经网络的综合评价法人工神经网络ANN （Artificial Neural Network ）具有自组织、自学习、自适应、非线性映射等特性，能对多指标综合评价问题给出一个客观的评价。
质量评价方法综述及其应用
质量评价方法综述及其应用质量评价是一个用于判断、衡量和评定产品、服务或过程质量的重要工具。
随着科技的发展和市场需求的变化，质量评价方法也在不断发展和完善。
本文将对一些常见的质量评价方法进行综述，并探讨它们在实际应用中的价值和意义。
一、传统质量评价方法1. 样本检验法样本检验法是一种基于抽样理论的方法，通过从总体中随机选取样本来进行检验和评价。
在生产过程中，通过检验样本的质量，推断出整体生产质量的水平。
这种方法具有操作简单、成本相对较低的优点，但是在面对大规模生产和服务过程中有一定局限性。
2. 统计质量控制统计质量控制利用统计学原理和方法来进行质量评价和控制。
其中的典型方法包括控制图、质量六西格玛、DMAIC等。
这些方法通过对数据的收集、分析和解读，对质量问题进行识别和改进。
统计质量控制强调对过程的监控和持续改进，具有准确性和可操作性，适用于大规模生产和服务过程。
3. 专家评估法专家评估法是一种基于专家经验和专业知识的质量评价方法。
通过请专家对产品、服务或过程进行评估和判断，得出质量评价结果。
这种方法在缺乏数据或无法量化的情况下，具有很高的灵活性和适用性。
然而，专家评估法受主观因素影响较大，结果可能存在一定的主观性和不确定性。
二、新兴质量评价方法1. 数据挖掘方法数据挖掘方法通过对大量的数据进行分析和挖掘，提取出其中的规律、模式和关联性。
这种方法能够发现隐含的质量问题和潜在的改进空间。
数据挖掘方法在质量评价中的应用越来越广泛，可以用于产品缺陷分析、服务质量预测等方面。
2. 智能算法智能算法是一种模拟人类智能的计算方法，如人工神经网络、遗传算法、模糊逻辑等。
这些算法能够根据输入的数据和规则，自动学习和调整，完成质量评价任务。
智能算法具有较强的自适应性和学习能力，可以处理复杂的质量评价问题。
3. 多指标综合评价多指标综合评价是一种将多个指标综合考虑的评价方法。
通过将不同的指标赋予适当的权重，得出综合评价结果。
综合评价研究方法综述
综合评价研究方法综述本文主要是在前人研究基础上，分析了AHP层次法、模糊评测法、主成分分析法以及topsis等几种评价方法的基本思想、优缺点。
为以后的研究提供参考。
标签：AHP层次法；模糊评测法；主成分分析法；topsis在工作生活中，我们经常讲影响事物的各个因素分析整理成一个综合指标，从而全面面、准确评价一个问题，这就是多指标综合评价方法。
近年来，围绕多指标综合评价方法，多学科知识不断融合，相应的研究方法已有几十种。
根据权重计算方法大致可以分为依靠专家经验打分的专家经验法以及依靠计量模型的客观复制法。
前者主要是专家学者利用学识、工作经验等人为给予指标权重。
如层次分析法；后者主要是依靠指标之间的统计关系来确定指标权重，依据相关检验筛选指标，如主成分分析方法。
下文对相应的研究进行整理。
一、专家经验法1.层次分析法层次分析法美国运筹学家匹茨堡大学教授萨蒂于20世纪70年代初提出的，他的基本原理是将复杂问题划分成几个层次，层次之间元素大致相等并且相互联系，层次之间按照隶属关系构成一个有序的递阶层次模型。
计算方法是，首先根据两两重要性程度，进行两两对比，并按重要性程度评价，构建一个判断矩阵。
其次根据判断矩阵，计算权重向量，并归一化为权值；最后进行一致性检验，在计算判断矩阵的阶数时，难以构建出满足一致性的矩阵，因此必须对判断矩阵的偏离一致性检验程度进行判定。
（1）层次分析法的优点①定性与定量相结合。
该方法把指标进行两两对比，并根据指标重要性，由专家根据经验赋予指标权重，从而将定性指标定量化。
充分发挥定量分析与定性分析优势。
②所需定量数据信息较少。
层次分析法模拟人脑的思维过程，将各要素抽象化，具体化，定量化。
（2）层次分析法的缺点①定量数据少，定性程序多，信服力不够。
由于各指标之间的重要性是人为赋予的，不同指标的重要性在不同专家那儿重要性不够。
主观随意性强，说服力不够。
②元素过多容易出现不一致问题。
当同一层次的元素数量过多时，决策者容易做出错误的判断，从而矩阵很难满足通过一致性检验，预测效果不理想。
综评必备知识点总结
综评必备知识点总结一、研究目的综合评价是对某一领域或某一问题进行全面评价的过程。
其目的是通过对已有研究成果的整合和总结，形成对该领域或问题的全面、客观的认识和评价，为相关决策和实践提供科学依据。
二、研究方法1. 文献综述方法文献综述是综合评价的基础，通过搜集、整理和分析已有的研究成果，形成对研究领域的综合认识。
文献综述方法包括文献检索、文献筛选、文献分析和综合评价等步骤。
2. 调研访谈方法除了文献综述，调研访谈也是进行综合评价的重要方法。
通过实地调研和专家访谈，可以深入了解研究对象的实际情况和专家意见，为综合评价提供有力支持。
3. 统计分析方法在综合评价中，统计分析也是常用的方法之一。
通过对相关数据进行统计和分析，可以更加客观地评价研究对象的特征和规律，提高综合评价的科学性和可靠性。
三、评价指标体系1. 定量指标定量指标是综合评价的重要依据之一。
通过对研究对象的数量特征进行测量和统计，可以形成相对客观的评价，提高综合评价的科学性和可靠性。
2. 定性指标除了定量指标，定性指标也是综合评价的重要依据之一。
通过对研究对象的质量特征进行描述和分析，可以形成相对客观的评价，为综合评价提供多维度的信息。
3. 综合指标最终的综合评价结果通常是通过对定量指标和定性指标进行综合分析得出的。
通过合理的权重分配和综合评分，可以形成对研究对象的全面、客观的评价。
四、评价模型1. 层次分析法层次分析法是一种常用的综合评价方法。
通过构建层次结构和权重分配，可以较为客观地评价研究对象的特征和规律，提高综合评价的科学性和可靠性。
2. 主成分分析法主成分分析法也是一种常用的综合评价方法。
通过对相关指标进行主成分提取和因子分析，可以找出影响研究对象发展的关键因素，为综合评价提供科学依据。
3. 灰色关联分析法灰色关联分析法是一种常用的综合评价方法。
通过对研究对象的灰色关联度进行分析，可以发现不同因素之间的内在联系，为综合评价提供更深层次的认识。
综合评价方法综述
现代综合评价方法综述张晶管理科学与工程现代综合评价方法综述摘要:将现代综合评价方法归纳、分类，讨论了各方法的原理、优缺点及适用领域，并提出综合评价方法研究的趋势及存在问题。
0引言评价是人类社会中一项经常性的、极为重要的认识活动。
对一个事物的评价常常要涉及多个因素或多个指标,评价是在多因素相互作用下的一种综合判断。
综合评价概指对以多属性体系结构描述的对象系统作出全局性、整体性的评价,即对评价对象的全体，根据所给的条件，采用一定的方法给每个评价对象赋予一个评价值，再据此择优或排序。
1现代综合评价方法分类及基本方法评价方法的分类很多，按照评价与所使用信息特征的关系，可分为基于数据的分析、基于模型的评价、基于专家知识的评价以及基于数据、模型、专家知识的评价。
由于本文的定位是现代综合评价方法，根据各评价方法所依据的理论基础，把综合评价方法大致分为四大类：1.1 专家评价方法1。
1.1 专家打分评判法专家评分法是出现较早且应用较广的一种评价方法。
它是在定量和定性分析的基础上，以打分等方式做出定量评价，其结果具有数理统计特性。
主要步骤是：首先根据评价对象的具体情况选定评价指标，对每个指标均定出评价等级,每个等级的标准用分值表示；然后以此为基准，由专家对评价对象进行分析和评价，确定各个指标的分值;最后采用加法评分法、加权评分法、连乘评分法或加乘评分法求出各评价对象的总分值,从而得到评价结果。
专家评分法的最大优点是，在缺乏足够统计数据和原始资料的情况下，可以做出定量估价，专家评价法具有使用简单、直观性强的特点。
但专家评价的准确程度，主要取决于专家的阅历经验以及知识的广度和深度,主观性极强，并且其理论性与系统性不强，一般情况下难以保证评价结果的客观性和准确性。
1.2 运筹学与其他数学方法1。
2。
1 层次分析法（AHP）层次分析法（AHP）是1973年美国学者T。
L。
Saaty最早提出的，经过多年的发展现已成为一种较为成熟的，一种定性与定量分析相结合的多准则决策方法。
科技服务评价指标体系及方法研究综述
科技服务评价指标体系及方法研究综述随着科技的不断发展，科技服务也越来越受到人们的关注。
科技服务评价指标体系及方法的研究，对于提高科技服务质量、促进科技创新具有重要意义。
本文将从指标体系和评价方法两个方面进行综述。
一、指标体系科技服务评价指标体系是科技服务质量评价的基础，其合理性和科学性直接影响到评价结果的准确性。
目前，国内外学者对科技服务评价指标体系的研究主要集中在以下几个方面：1.服务质量指标体系服务质量是科技服务评价的核心内容，其指标体系主要包括服务过程、服务结果和服务环境三个方面。
其中，服务过程包括服务态度、服务效率、服务技能等；服务结果包括服务成果、服务效果、服务满意度等；服务环境包括服务场所、服务设施、服务安全等。
2.创新能力指标体系科技服务的创新能力是评价科技服务质量的重要指标之一。
其指标体系主要包括创新能力的内部因素和外部因素两个方面。
内部因素包括人才、技术、管理等；外部因素包括市场、政策、环境等。
3.社会效益指标体系科技服务的社会效益是评价科技服务质量的重要指标之一。
其指标体系主要包括经济效益、社会效益和环境效益三个方面。
其中，经济效益包括服务收益、服务成本、服务利润等；社会效益包括服务贡献、服务影响、服务口碑等；环境效益包括服务环保、服务可持续等。
二、评价方法科技服务评价方法是科技服务质量评价的具体实现方式，其选择和应用直接影响到评价结果的可靠性和有效性。
目前，国内外学者对科技服务评价方法的研究主要集中在以下几个方面：1.定性评价方法定性评价方法主要采用问卷调查、访谈、焦点小组等方式，通过对科技服务用户的意见、建议和反馈进行分析，评价科技服务的质量和效果。
该方法适用于科技服务质量评价的初期阶段，具有操作简便、成本低廉等优点。
2.定量评价方法定量评价方法主要采用统计分析、模型建立等方式，通过对科技服务数据的收集、整理和分析，评价科技服务的质量和效果。
该方法适用于科技服务质量评价的后期阶段，具有数据准确、结果可靠等优点。
- 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)。
现代综合评价方法综述张晶管理科学与工程现代综合评价方法综述摘要：将现代综合评价方法归纳、分类，讨论了各方法的原理、优缺点及适用领域，并提出综合评价方法研究的趋势及存在问题。
0引言评价是人类社会中一项经常性的、极为重要的认识活动。
对一个事物的评价常常要涉及多个因素或多个指标，评价是在多因素相互作用下的一种综合判断。
综合评价概指对以多属性体系结构描述的对象系统作出全局性、整体性的评价，即对评价对象的全体，根据所给的条件，采用一定的方法给每个评价对象赋予一个评价值，再据此择优或排序。
1现代综合评价方法分类及基本方法评价方法的分类很多，按照评价与所使用信息特征的关系，可分为基于数据的分析、基于模型的评价、基于专家知识的评价以及基于数据、模型、专家知识的评价。
由于本文的定位是现代综合评价方法，根据各评价方法所依据的理论基础，把综合评价方法大致分为四大类：1.1 专家评价方法1.1.1 专家打分评判法专家评分法是出现较早且应用较广的一种评价方法。
它是在定量和定性分析的基础上，以打分等方式做出定量评价，其结果具有数理统计特性。
主要步骤是：首先根据评价对象的具体情况选定评价指标，对每个指标均定出评价等级，每个等级的标准用分值表示；然后以此为基准，由专家对评价对象进行分析和评价，确定各个指标的分值；最后采用加法评分法、加权评分法、连乘评分法或加乘评分法求出各评价对象的总分值，从而得到评价结果。
专家评分法的最大优点是，在缺乏足够统计数据和原始资料的情况下，可以做出定量估价，专家评价法具有使用简单、直观性强的特点。
但专家评价的准确程度，主要取决于专家的阅历经验以及知识的广度和深度，主观性极强，并且其理论性与系统性不强，一般情况下难以保证评价结果的客观性和准确性。
1.2 运筹学与其他数学方法1.2.1 层次分析法（AHP）层次分析法（AHP）是1973年美国学者T.L.Saaty最早提出的，经过多年的发展现已成为一种较为成熟的，一种定性与定量分析相结合的多准则决策方法。
其主要步骤为：首先确定明确问题，将决策问题的有关元素分解为目标层，准则层和方案层。
其次两两比较，一般采用1－9标度及其倒数的标度方法，建立判断矩阵，求解权向量。
然后层次单排序，归一化判断矩阵A的特征根问题AW=λmax W的解W。
并计算一致性指标CI=(λmax –n)/(n-1)，判断一致性，当随机一致性比率CR=CI/RI<0.01时，可认为层次单排序的就够有满意的一致性，否则需要调整判断矩阵的元素取值。
最后层次总排序，计算个层元素对系统目标的合成权重，进行总排序，并进行一致性检验，从而根据分析计算结果，考虑相应的决策。
AHP的优点：首先既有效地吸收了定性分析的结果，又发挥了定量分析的优势；既包含了主观的逻辑判断和分析，又依靠客观的精确计算和推演，从而使决策过程具有很强的条理性和科学性。
其次，AHP把问题看成一个系统，整个过程体现出分解、判断、综合的系统思维方式，也充分体现了辩证的系统思维原则。
但是也存在不足：（1）在应用中仍摆脱不了评价过程中的随机性和评价专家主观上的不确定性及认识上的模糊性;（2）并且判断矩阵易出现严重的不一致;（3）AHP方法得出的结果是粗略的方案排序。
AHP已广泛应用在经济管理规划、能源开发利用与资源分析、城市产业规划、企业管理、人才预测、科研管理、交通运输、水资源分析利用的方面。
1.2.2 模糊综合评判法（FCE）1965年，美国加利福尼亚大学的控制论专家查德，第一次成功地运用精确的数学方法描述了模糊概念，宣告了模糊数学的诞生。
模糊综合评判（FCE）是就是以模糊数学为基础，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一种综合评价方法。
分为如下步骤：1）给出备择的对象集：X=（x1,x2,…,x t）2）找出因素集（或称指标集）：U=﹛u1,u2,…,u m﹜,表明从评判事物的哪些方面进行评判描述。
3）找出评语集：V=﹛v1,v2,…,v n﹜, 一般用﹛优,良,中等,较差,差﹜。
4）确定评判矩阵：R=（r ij）m×n5）确定权数向量：A=（a1,a2,…,a m ）6）选择适当的合成算法并计算评判指标。
模糊综合评判方法很好地解决了判断的模糊性和不确定性问题。
所得结果包含的信息量丰富，克服了传统数学方法结果单一性的缺陷。
模糊综合评判法的缺点:（1）不能解决评价指标间相关造成的评价信息重复问题。
（2）各因素权重的确定带有一定的主观性。
（3）在某些情况下，隶属函数的确定有一定困难。
尤其是多目标评价模型，要对每一目标、每个因确定隶属度函数，过于繁琐，实用性不强。
模糊综合评价法在消费者偏好识别、决策中的专家系统、证券投资分析、银行项目贷款对象识别等拥有广泛的应用前景。
1.2.3 数据包络分析法（DEA）数据包络分析（DEA）是1978年由美国A.Charnes 和W.W.Coope等人首先提出来的，是以“相对效率”概念为基础，根据多指标投入和多指标产出对相同类型的单位（部门）进行相对有效性或效益评价的一种新的系统分析方法。
它是处理多目标决策问题的好方法。
DEA方法应用的一般步骤为：明确评价目的、选择决策单元（DMU）、建立输入输出评价指标体系、收集和整理数据，DEA模型的选择和进行计算、分析评价结果并提出决策建议。
其优点为：在处理多输入－多输出的有效性评价方面，DEA具有绝对优势；在实际应用中，投入指标和产出指标均有不同的量纲，但这并不构成使用DEA 时的困难，决策单元的最优效率指标与投入指标值及产出指标值的量纲选取无关；DEA最突出的优点是无须任何权重假设，每一输入输出的权重是由决策单元的实际数据求得的最优权重，因此，它排除了很多主观因素，具有很强的客观性。
但是DEA只表明评价单元的相对发展指标，无法表示出实际发展水平。
DEA 方法的应用领域也很广泛, 可以用于多种方案之间的有效性评价、技术进步评估、规模报酬评价及企业效益评价等.。
1.3 基于统计和经济的方法1.3.1 TOPSIS评价法TOPSIS（逼近于理想解）是由Hwang 和Yoon于1981年首次提出的，是有限方案多目标决策分析中常用的一种科学方法。
其基本模型为：Ci=Di+/[Di++Di-]{其中Di-为评价方案到最劣方案间的距离。
Di+为评价方案到最优方案间的距离。
Ci为样本点到最优样本点的相对接近度}。
Ci接近于1 时评价方案越接近于最优方案。
它的基本思路是：在基于归一化后的原始数据矩阵中，确定出理想中的最佳方案和最差方案，然后分别计算出评价对象与最优方案和最差方案之间的距离，从而获得该方案与最优方案的接近程度。
TOPSIS法对数据分布及样本量、指标多少无严格控制，数学计算亦不复杂，其应用范围广，具有直观的几何意义；它对原始数据的利用比较充分，信息损失少。
但也存在不足：权重值通常是主观值，具有一定的随意性；当评判的环境及自身条件发生改变时，有可能使“最优点”与“最差点”发生变化，导致评判结果不具有唯一性；该方法同样不能解决评价指标间相关造成的评价信息重复的问题。
TOPSIS法适用于工业经济效益综合评价，由于上述的优点，它即适用于少样本资料，也适用于多样本的大系统，评价对象既可以是空间上的，也可以是时间上的。
尤其适用于数值型的效益性指标的分析。
1.3.2 主成分分析法主成分分析法是由卡尔和皮尔逊最早在1901年提出，只不过当时是应用于非随机变量。
1933年霍林将这个概念推广到随机变量。
它是一种数学变换方法，把给定的一组相关变量通过线性变换转为另一组不相关的变量，这些新的变量按照方差依次递减的顺序排列。
各主因子的线性转换模型为：Fi=Ui T X(i=1,2,…..m) {Uij 是协方差阵的第i大特征值λi对应的标准化特征向量。
在进行综合评价时，首先以累计贡献率≥85为界限，据此定出主因子个数。
再根据公式Z=∑CRi*Fi 作出最后评价。
主次分析法是根据评价指标中存在着一定相关性的特点，用较少的指标来代替原来较多的指标，并使这些较少的指标尽可能地反映原来指标的信息，从根本上解决了指标间的信息重叠问题，又大大简化了原指标体系的指标结构;在主成份分析法中，各综合因子的权重不是人为确定的，而是根据综合因子的贡献率的大小确定的。
这就克服了某些评价方法中人为确定权数的缺陷，使得综合评价结果唯一，而且客观合理。
但是主成分分析法的计算过程比较繁琐，且对样本量的要求较大；主成分分析法是根据样本指标来进行综合评价的，所以评价的结果跟样本量的规模有关系。
主成分分析法假设指标之间的关系都为线性关系。
但在实际应用时，若指标之间的关系并非为线性关系，那么就有可能导致评价结果的偏差。
1.3.3 费用效益法1.4 新型评价方法1.4.1 人工神经网络评价方法（ANN）ANN是模拟人脑的神经网络工作原理，建立能够“学习”的模型，并能将经验性知识积累和充分利用，从而使求出的最佳解与实际值之间的误差最小化。
在综合评价领域研究较多是反向传播（BP）神经网络，它是一种多层次反馈型网络，所使用的是有“导师”的学习算法。
基于人工神经网络的综合评价方法的步骤如下：1) 确定评价指标集，指标个数为BP网络中输入节点的个数。
2) 确定BP网络的层数，一般采用具有一个输入层，一个隐含层和一个输出层的三层网络模型结构。
3) 明确评价结果，输出层的节点数为1。
4) 对指标值进行标准化处理。
5) 用随机数（一般为0~1之间的数）初试化网络节点的权值与网络阈值。
6) 将标准化以后的指标样本值输入网络，并给出相应的期望输出。
7) 正向传播，计算各层节点的输出。
8) 计算各层节点的误差，反向传播，修正权重。
9) 计算误差。
当误差小于给定的拟合误差，网络训练结束，否则转到（7），继续训练,训练后的网络权重就可以用于正式的评价。
基于BP人工神经网络的综合评价方法具有运算速度快、问题求解效率高、自学习能力强、容错能力强等优点，较好地模拟了评价专家进行综合评价的过程，因而具有广阔的应用前景, 但其精度不高，需要大量的熟练样本等。
基于BP人工神经网络方法应用领域不断扩大，涉及银行贷款项目、股票价格的评估、城市发展综合水平的评价等。
1.4.2 灰色综合评价法灰色系统理论主要是利用已知信息来确定系统的未知信息，使系统由“灰”变“白”。
其最大特点是对样本量没有严格的要求，不要求服从任何分布。
灰色关联度便是灰色系统理论应用的主要方面之一。
它是针对少数据且不明确的情况下，利用既有数据所潜在之讯息来白化处理，并进行预测或决策的方法。
灰色关联度分析的基本原理：灰色关联度分析认为若干个统计数列所构成的各条曲线几何形状越接近，即各条曲线越平行，则它们的变化趋势越接近，其关联度就越大。