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
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(为华教授称其为“倒数逆变换法”[1]),写成公式为:

y

=C/x ij(1)

ij

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,下同.

由表1可见,与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;和的原值分别为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 ij

ij ij i n

y x x y x ≤≤=-=-或

对适度指标正向化公式为

1max ||||||ij ij ij ij ij i n

y 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。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 n

i ij n

i ij n

i 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

j

j

ij 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

j

ij ij x x y =

(5)

均值化后各指标的均值都为1,其方差为

222

2

2

)(

)var()(])1[()var(j

j

j

j j

j 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j

j

x 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]为华.多指标综合评价理论与方法研究[M].,中国物价,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).

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fj。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: yij=C/xij (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xij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 (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

综合评价指标体系构建方法

大庆石油学院学报 JOURNA L OF DAQI NG PETRO LE UM I NSTIT UTE 第28卷 第3期 2004年6月V ol.28 N o.3 Jun. 2004 收稿日期:2004-03-09;审稿人:赵俊平;编辑:王文礼 基金项目:黑龙江省自然科学基金资助项目(G 01-25) 作者简介:邵 强(1963-),男,副教授,主要从事经济评价、企业经济活动分析等方面的研究. 综合评价指标体系构建方法 邵 强1,李友俊1,田庆旺2 (1.大庆石油学院经济管理学院,黑龙江大庆 163318; 2.大庆石油管理局人才劳动力交流中心,黑龙江大庆  163453) 摘 要:针对评价指标体系构建中存在的问题,提出用数理方法构建综合评价指标体系.给出了指标体系构建原则 的数学表达式,同时,根据指标重要程度是否相同分别建立了指标体系构建模型,并给出了指标体系构建的程序. 关 键 词:综合评价;指标体系构建;原则;方法;程序 中图分类号:F091.345 文献标识码:A 文章编号:1000-1891(2004)03-0074-03 多指标综合评价作为全面认识事物的重要方法,近年来受到了广泛的关注,据不完全统计,1994~2002年我国中文期刊发表的有关综合评价方面的学术论文达2770多篇,其研究范围涉及到了社会、经济、技术等方面.在多指标综合评价技术中,指标体系的构建是关键问题之一.构建合理的评价指标体系是科学评价的前提.目前,我国政府机构和专家学者们提出了涉及社会、经济乃至军事的上百种评价指标体系,由于缺乏严格的优选方法和程序,往往就同一评价对象给出了多种相差甚远的指标体系,因此,迫切需要对综合评价指标体系的构建方法进行研究.笔者从综合评价指标体系构建的原则出发,提出指标体系构建的数理方法,并给出指标体系建立的程序. 1 评价要素集与指标集的关系 综合评价某一事物所涉及的各相关要素构成评价要素集.各个要素的重要程度可能相同,也可能不同.用以评价该事物的一系列指标构成评价指标集.评价指标集是评价要素集的一个映射.一个评价要素集存在多个映射指标集.建立合理的评价指标体系就是在多个映射指标集中寻优.评价要素集和评价指标集之间存在4种映射关系,见图1.图1(a )是一对一关系,即一个评价指标只反映一个评价要素;图1(b )是多对一关系,即一个评价指标反映多个评价要素;图1(c )是一对多关系,即有多个指标共同反映同一个评价要素;图1(d )是多对多关系,即同时存在图1(b )和图1(c )的2种情况. 在4种映射关系中,一对一的关系最简单,也最理想,但在现实中很难找到;在一对一或多对一的映射关系中,指标间不存在重叠或交叉;在一对多或多对多的映射关系中,指标间存在重叠和交叉. 2 指标体系构建原则 关于建立指标体系的原则,目前有2种典型的表述:一是全面、不重叠(或交叉、或冗余)和指标易于取得;二是科学性、合理性和适用性[1-3].比较而言,第1种要比第2种更加明确.一套科学的指标体系首先应根据评价目的反映有关评价对象的各方面状况,如果指标体系不全面,就无法对评价对象做出整体判断;其次,指标间不能重叠过多,过多的重叠会导致评价结果失真,即使对重叠进行适当的修正[4],也会增加计算的难度和工作量;最后,计算指标所需要的数据应是容易采集的,指标容易计算或估计,否则指标体系就无法应用.因此,建立指标体系应遵循评价指标尽可能全面、不重叠和易于取得的原则. ? 47?

数据的无量纲化处理及示例

数据的无量纲处理方法及示例 在对实际问题建模过程中,特别是在建立指标评价体系时,常常会面临不同类型的数据处理及融合。而各个指标之间由于计量单位和数量级的不尽相同,从而使得各指标间不具有可比性。在数据分析之前,通常需要先将数据规范化,利用规范化后的数据进行分析。数据规范化处理主要包括同趋化处理和无量纲化处理两个方面。数据的同趋化处理主要解决不同性质的数据问题,对不同性质指标直接累加不能正确反应不同作用力的综合结果,须先考虑改变逆指标数据性质,使所有指标对评价体系的作用力同趋化。数据无量纲化主要解决数据的不可比性,在此处主要介绍几种数据的无量纲化的处理方式。 (1)极值化方法 可以选择如下的三种方式: (A )' max min i i i x x x R = =- 即每一个变量除以该变量取值的全距,规范化后的每个变量的取值范围限于[-1,1]。 (B)' min min max min i i i x x x R --= =- 即每一个变量与变量最小值之差除以该变量取值的全距,规范化后各变量的取值范围限于[0,1]。 (C) ' max i i x x =,即每一个变量值除以该变量取值的最大值,规范化后使变量的最大取值为1。 采用极值化方法对变量数据无量纲化是通过变量取值的最大值和最小值将原始数据转换为界于某一特定范围的数据,从而消除量纲和数量级的影响。由于极值化方法对变量无量纲化过程中仅仅对该变量的最大值和最小值这两个极端值有关,而与其他取值无关,这使得该方法在改变各变量权重时过分依赖两个极端取值。 (2)规范化方法 利用'i i x x x s -= 来计算,即每一个变量值与其平均值之差除以该变量的规范差,无量纲化后各变量的平均值为0,规范差为1,从而消除量纲和数量级的影响。虽然该方法在无量纲化过程中利用了所有的数据信息,但是该方法在无量纲化后不仅使得转换后的各变量均值相同,且规范差也相同,即无量纲化的同时还消除了各变量在变异程度上的差异。 (3)均值化方法 计算公式为:' i i i x x x =,该方法在消除量纲和数量级影响的同时,保留了各变量取值差异程度上的信息。 (4)规范差化方法 计算公式为:'i i x x s = 。该方法是规范化方法的基础上的一种变形,两者的差别仅在无量纲化后各变量的均值上,规范化方法处理后各变量的均值为0,而规范差化方法处理后各

多指标综合评价方法

技术资料3: 多指标综合评价方法 评价是根据确定的目的来测定对象系统的属性,并将这种属性变为客观定量的计值或者主观效用行为,整个过程离不开评价者的参与,而综合评价作为评价的一种也需要评价者做出相应反应或指示,而很多综合评价过程易受到评价者的干预,使评价结果产生偏差。 主成分分析能将高维空间的问题转化到低维空间去处理,使问题变得比较简单、直观,而且这些较少的综合指标之间互不相关,又能提供原有指标的绝大部分信息。而且,伴随主成分分析的过程,将会自动生成各主成分的权重,这就在很大程度上抵制了在评价过程中人为因素的干扰,因此以主成分为基础的综合评价理论能够较好地保证评价结果的客观性,如实地反映实际问题。主成分综合评价提供了科学而客观的评价方法,完善了综合评价理论体系,为管理和决策提供了客观依据,能在很大程度上减少了上述不良现象的产生。 所以在社会经济、管理、自然科学等众多领域的多指标体系中,如节约型社会指标体系、生态环境可持续型指标体系、和谐社会指标体系、投资环境指标体系等,主成分分析法常被应用于综合评价。 一、主成分分析原理和模型 (一)主分成分析原理 主成分分析是设法将原来众多具有一定相关性(比如P个指标),重新组合成一组新的互相无关的综合指标来代替原来的指标。通常数学上的处理就是将原来P个指标作线性组合,作为新的综合指标。最经典的做法就是用F 1 (选取的第 一个线性组合,即第一个综合指标)的方差来表达,即Var(F 1)越大,表示F 1 包 含的信息越多。因此在所有的线性组合中选取的F 1应该是方差最大的,故称F 1 为第一主成分。如果第一主成分不足以代表原来P个指标的信息,再考虑选取 F 2即选第二个线性组合,为了有效地反映原来信息,F 1 已有的信息就不需要再出 现再F 2中,用数学语言表达就是要求Cov(F 1 , F 2 )=0,则称F 2 为第二主成分,依 此类推可以构造出第三、第四,……,第P个主成分。(二)主成分分析数学模型 F2=a12ZX1+a22ZX2……+a p2ZX p …… F p =a 1m ZX 1 +a 2m ZX 2 +……+a pm ZX p

评价指标体系构建原则及综合评价方法

评价指标体系构建原则及综合评价方法设置评价指标体系时一般要遵循以下原则: (1)区域性原则 衡量一个研究对象的运行情况,要从特定的区域出发因地制宜、发挥优势,评价指标要具有针对性。 (2)动态性原则 研究对象是一个动态的过程,指标的选取不仅要能够静态的反映考核对象的发展现状,还要动态的考察其发展潜力。选取的指标要能够具有动态性,可以衡量同一指标在不同时段的变动情况,并且要求所选指标在较长的时间具有实际意义。 (3)可量化原则 数据的真实性和可靠性是进行监测的前提条件和重要保障,需要大量的统计数据作为支持。选取的指标应该具有可量化的特点,在保证指标有较高反映考核对象的前提下,能够直接查到或者通过计算间接得到指标数据,以保证评价的可操作性,同时数据来源要具有权威性,这样能保证正确评估研究对象。(4)层次性原则 一级指标同时分别设立多个具体的子指标。在众多指标中,把联系密切的指标归为一类,构成指标群,形成不同的指标层,有利于全面清晰的反映研究对象。 综合评价方法的选取: 随着计算机技术飞速发展和普遍应用,用于定量评价多指标问题的多指标综合评价法被广泛应用到经济、生活的各个方面,特别是SAS、SPSS等统计软

件的使用更加提高综合评价法的实用性。目前用于分析多指标体系的综合评价方法主要有模糊综合评价法、灰色综合评价法、数据包络分析法(DEA 法)、层次分析法、主成分分析法以及因子分析法以等多种方法,不同方法的评价结果都是依据指数或分值对参评对象的综合状况进行排序评价。 在综合评价过程中,指标权重的确定十分重要。对指标赋值主要有主观赋值和客观赋值,也有将主观、客观赋值法结合起来的。对于指标数量比较大时,采用传统的主观赋值法确定指标的权重则难以全面把握众多指标,依赖主观判断会增大或降低一些指标的重要程度,导致实证的结果难以反映客观实际情况。客观赋值法如主成分分析法、变异系数法、熵值法等,权重的确定是根据各项指标的变异程度或者各指标之间的相互关系。具体采用哪一种方法需要根据所构建指标体系的特点以及实证的目的来确定。 综合评价方法的选取要依据研究对象的特点而定,采用客观赋权法的主成分分析能避免主观因素的影响,且提取主成分也能减少工作量。以下对常用的层次分析和主成分分析两种综合评价方法做简单介绍。 (1)层次分析法 层次分析法(The Analytic Hierarchy Process )简记AHP ,是美国运筹学家等人提出的一种定量和定性分析相结合的多准则决策方法,广泛应用于分析复杂的社会、经济以及科学管理领域的问题。其基本原理是通过构造层次分析结构,排列组合得出优劣次序来为决策者提供依据。具体步骤如下:首先构建包括目标层、准则层和指标层三个层次的层次分析结构模型,反映系统各因素之间的关系。其次是构造判断矩阵,将各层因素进行两两比较,对于各因素之间重要性的比较可以通过专家咨询法,判别主要依据常用的1-9标度法。然后对1.0<=RI CI CR

数据的无量纲化处理及示例

数据得无量纲处理方法及示例 在对实际问题建模过程中,特别就是在建立指标评价体系时,常常会面临不同类型得数据处理及融合。而各个指标之间由于计量单位与数量级得不尽相同,从而使得各指标间不具有可比性。在数据分析之前,通常需要先将数据规范化,利用规范化后得数据进行分析.数据规范化处理主要包括同趋化处理与无量纲化处理两个方面.数据得同趋化处理主要解决不同性质得数据问题,对不同性质指标直接累加不能正确反应不同作用力得综合结果,须先考虑改变逆指标数据性质,使所有指标对评价体系得作用力同趋化。数据无量纲化主要解决数据得不可比性,在此处主要介绍几种数据得无量纲化得处理方式。 (1)极值化方法 可以选择如下得三种方式: (A) 即每一个变量除以该变量取值得全距,规范化后得每个变量得取值范围限于[-1,1]。 (B) 即每一个变量与变量最小值之差除以该变量取值得全距,规范化后各变量得取值范围限于[0,1]。 (C),即每一个变量值除以该变量取值得最大值,规范化后使变量得最大取值为1。 采用极值化方法对变量数据无量纲化就是通过变量取值得最大值与最小值将原始数据转换为界于某一特定范围得数据,从而消除量纲与数量级得影响。由于极值化方法对变量无量纲化过程中仅仅对该变量得最大值与最小值这两个极端值有关,而与其她取值无关,这使得该方法在改变各变量权重时过分依赖两个极端取值。 (2)规范化方法 利用来计算,即每一个变量值与其平均值之差除以该变量得规范差,无量纲化后各变量得平均值为0,规范差为1,从而消除量纲与数量级得影响.虽然该方法在无量纲化过程中利用了所有得数据信息,但就是该方法在无量纲化后不仅使得转换后得各变量均值相同,且规范差也相同,即无量纲化得同时还消除了各变量在变异程度上得差异. (3)均值化方法 计算公式为:,该方法在消除量纲与数量级影响得同时,保留了各变量取值差异程度上得信息。 (4)规范差化方法 计算公式为:。该方法就是规范化方法得基础上得一种变形,两者得差别仅在无量纲化后各变量得均值上,规范化方法处理后各变量得均值为0,而规范差化方法处理后各变量均值为原始变量均值与规范差得比值。 综上所述,针对不同类型得数据,可以选择相应得无量纲化方法。如下得示例就就是一个典型得评价体系中无量纲化得范例. 示例:近年来我国淡水湖水质富营养化得污染日益严重,如何对湖泊水质得富营养化进行综合评价与治理就是摆在我们面前得任务,下面两个表格分别为我国5个湖泊得实测数据与湖泊水质评价规范。 表2-2全国五个主要湖泊评价参数得实测数据

指标标准化方法

3.2.2指标数据的标准化方法 (1)正向指标的标准化 正向指标指数值越大表明经济状况越好的指标。设:x ij –第i 个评价地区第j 个指标的隶属度,v ij –第i 个评价地区第j 个指标的值,m –被评价地区的个数。根据正向指标的打分公式[19],则x ij 为 111min()max()min()ij ij i m ij ij ij i m i m v v x v v ≤≤≤≤≤≤?=? (1) (2)负向指标的标准化 负向指标指数值越小表明经济状况越好的指标。设:x ij –第i 个评价地区第j 个指标的隶属度,v ij –第i 个评价地区第j 个指标的值,m –被评价地区的个数。根据负向指标的打分公式[19],则x ij 为 111max()max()min()ij ij i m ij ij ij i m i m v v x v v ≤≤≤≤≤≤?=? (2) (3)适中指标的标准化 适中指标指越接近某一个规定的值越好的指标。设:x ki –第i 个被评价年第k 个指标规范化处理后的值; q –第i 个被评价年第k 个指标理想值;V ki –第i 个被评价年第k 个指标的值。 根据适中指标的打分公式[19],则x ki 为 11111,max(min(),max())1max(min(),max())1,ki ki ki ki i n i n ki ki ki ki ki i n i n ki q V V q q V V q V q ,x V q V V q V q ≤≤≤≤≤≤≤≤????????=??? q (3) (4)最佳区间型指标的标准化 最佳区间型指标指数值在某一个特定区间内都是合理的指标。设:x ij –第i 个评价地区第j 个指标的隶属度;v ij –第i 个评价地区第j 个指标的值;m –被评价地区的个数。 根据最佳区间型指标的打分公式[19],则x ij 为 111211*********,max(min(),max())1max(min(),max())1,ij ij ij ij i m i m ij ij ij ij ij i m i m ij q v v q q v v q v q v q x q v v q q v q ≤≤≤≤≤≤≤≤???=???????,≤≤? (4) 其中,q 1–指标最佳区间左边界;v ij –第i 个评价地区第j 个指标的值;q 2–指标最佳区间右边界。

多指标综合评价方法及权重系数的选择

多指标综合评价方法及权重系数的选择 来源:中国论文下载中心 [ 09-02-01 10:17:00 ] 编辑:studa20 作者:王晖,陈丽,陈垦,薛漫清,梁庆 【摘要】由于计算机的发展及一些相关领域的不断深入研究,综合评价方法得到了不断的发展和改进。而指标权重系数的确定方法作为综合评价中的重中之重,近几年来也取得了一些新的进展。本文对多指标评价方法和权重系数的选择进行概括介绍。 【关键词】多指标综合评价;评价方法;权重系数;选择 基金项目:广东药学院引进人才科研启动基金资助项目( 2005ZYX12)、广州市科技计划项目( 2007J1-C0281)、广东省科技计划项目(2007A060305006) 综合评价是利用数学方法(包括数理统计方法)对一个复杂系统的多个指标信息进行加工和提炼,以求得其优劣等级的一种评价方法。本文就近年来国内外有关多指标综合评价及权重系数选择的方法进行综述,以期为药理学多指标的研究提供一些方法学的资料。 1 多指标综合评价方法 1.1 层次分析加权法(AHP法)[1] AHP法是将评价目标分为若干层次和若干指标,依照不同权重进行综合评价的方法。 根据分析系统中各因素之间的关系,确定层次结构,建立目标树图→ 建立两两比较的判断矩阵→ 确定相对权重→ 计算子目标权重→ 检验权重的一致性→ 计算各指标的组 合权重→计算综合指数和排序。 该法通过建立目标树,可计算出合理的组合权重,最终得出综合指数,使评价直观可靠。采用三标度(-1,0,1)矩阵的方法对常规的层次分析加权法进行改进,通过相应两两指标的比较,建立比较矩阵,计算最优传递矩阵,确定一致矩阵(即判断矩阵)。该方法自然满足一致性要求,不需要进行一致性检验,与其它标度相比具有良好的判断传递性和标度值的合理性;其所需判断信息简单、直观,作出的判断精确,有利于决策者在两两比较判断中提高准确性[2]。 1.2 相对差距和法[3] 设有m项被评价对象,有n个评价指标,则评价对象的指标数据库为 Kj=(K1j,K2j,……,Knj),j=1,2,……,m。设最优数据为K0=(K1、K2、……Kn)。最优单位K0中各数据的确定如下:高优指标,取所有m个单位中该项评价指标最大者;低优指标,取所有m个单位中该项评价指标最小者。各单位与最优单位的加权相对差距和

评价指标的无量纲化处理

评价指标的无量纲化处理 在多指标综合评价中涉及到两个基本变量:一是各评价指标的实际值,另一个是各指标的评价值。由于各指标所代表的物理涵义不同,因此存在着量纲上的差异。这种异量纲性是影响对事物整体评价的主要因素。指标的无量纲化处理是解决这一问题的主要手段。无量纲化,也称作数据的标准化、规格化,是一种通过数学变换来消除原始变量量纲影响的方法。 (1)直线型无量纲化方法 基本思想是假定实际指标和评价指标之间存在着线性关系,实际指标的变化将引起评价指标一个相应的比例变化。代表方法有:阈值法、标准化法(Z-score 法)、比重法等等。 a. 阈值法 阈值也称临界值,是衡量事物发展变化的一些特殊指标值,比如极大值、极小值、满意值、不允许值等。阈值法是用指标实际值与阈值相比以得到指标评价值的无量纲化方法。常用算法公式有: n i i i i x x y ≤≤=1max (2.24) n i i i n i i n i i i x x x x y ≤≤≤≤≤≤-+=111max min max (2.25) n i i n i i i n i i i x x x x y ≤≤≤≤≤≤--=111min max max (2.26) n i i n i i n i i i i x x x x y ≤≤≤≤≤≤--=111min max max (2.27) q k x x x x y n i i n i i n i i i i +--=≤≤≤≤≤≤111min max max (2.28) b 标准化法 统计学原理告诉我们,要对多组不同量纲数据进行比较,可以先将它 们标准化转化成无量纲的标准化数据。而综合评价就是要将多组不同的数 据进行综合,因而可以借助于标准化方法来消除数据量纲的影响。标准化 (Z-score )公式为:

多指标评分加权综合法

多指标评分加权综合法 这一方法的内容就是:对每项指标的实际值,按评分标准打分,一般按五级评分,最优5分,最差1分。除评分外,对各项指标还要确定权数。最后用权数(w)对各项指标的得分(p)进行加权综合,其结果即为多项指标的综合评价值。这种方法的一般步骤就是: 第一步,选择进行评价的各项指标并收集指标值。 第二步,对指标进行评分。首先规定各指标值的评分标准,制定评分标准的方法 就是:用各项指标最大值减最小值的差除以所定的评分等级数,得出每个分数段的“组距”;然后以此组距从最低值开始,划出各分数段的上限与下限。用计算公式表示,即: n R R A min max -= 式中,R max 代表指标最大值;R min 代表指标最小值;n 代表评分级数,采用5分制时,n =5;100分制时,n =100;A 代表组距。 有了评分标准后,对各指标实际值评出相应的分数: 0~A 1; A~2A 2; 2A~3A 3; 3A~4A 4; 4A~5A 5 第三步,确定各指标的权数。各项指标对信息化发展水平的作用不完全相同,为了能正确衡量信息化总水平,需分别确定各个指标的权数。权数大小应根据各个指标的作用或影响程度的大小而定,各指标权数之与应等于1或100%。 第四步,加权综合,得出总分,并做出分析。具体做法就是:将各项指标的评分乘以相应的权数,然后进行综合得出总分,即多项信息化指标的综合评价值。 上述计算过程可归结为下列公式: F =P 1W 1+P 2W 2+P 3W 3+……+P n W n =∑P i W i (i=1,2,……,n) 式中,F 代表多项指标综合评价值;p i 代表第i 项指示的评分;w i 代表第i 项指标的

多指标安全综合评价方法

多指标安全综合评价方法 概述 对指标体系的安全综合评价方法,叫多指标安全综合评价法,它是把多个描述被评价对象不同方面且量纲不同的定性和定量指标,转化为无量纲的评价值,并综合这些评价值以得出对该评价对象的一个整体评价。多指标安全综合评价法具有多指标、多层次特性,能较好地处理大型复杂系统的安全评价问题,因而得到了广泛的应用。其评价步骤包括: 明确评价对象; 建立评价指标体系; 定性与定量指标评价值的确定; 评价指标权系数的确定; 确定指标间合成关系,求综合评价值; 根据评价过程得到的信息,进行系统分析和决策。 其中,最为关键的问题是指标体系的建立、指标评价值和权系数的确定以及合成关系的处理。只有解决好上述问题,才能得到较为切合实际的安全评价结果。 指标体系的建立的原则 安全评价的核心问题,是确定评价指标体系。指标体系是否科学、合理,直接关系到安全评价的质量。为此,指标体系必须科学地、客观地、合理地、尽可能全面地反映影响系统安全的所有因素。但是,要建立一套

既科学又合理的安全评价指标体系,却是一个非常困难的问题。为此必 须按照一定的原则去分析和判断,才有可能较好地解决这一难题。 ⒈目的性原则 指标体系要紧紧围绕改进系统安全这一目标来设计,并由代表系统 安全各组成部分的典型指标构成,多方位、多角度地反映系统的安全水 平。 ⒉科学性原则 指标体系结构的拟定,指标的取舍,公式的推导等都要有科学的依 据。只有坚持科学性的原则,获取的信息才具有可靠性和客观性,评价 的结果才具有可信性。 ⒊系统性原则 指标体系要包括系统安全所涉及到的众多方面,使其成为一个系 统: 相关性--要运用系统论的相关性原理不断分析,而后,组合设计安全评价指标体系; 层次性--指标体系要形成阶层性的功能群,层次之间要相互适应并具有一致性,要具有与其相适应的导向作用,即每项上层指标都要有相应的下层指标与其相适应; 整体性--不仅要注意指标体系整体的内在联系,而且要注意整体的功能

量纲分析法原理

量纲和谐原理 我们经常遇到许多物理量,如长度、时间、质量、力、速度、密度及动量等。它们的名称、记号和量纲如表所示。 表1 流体力学中常见物理量的量纲 速度v 表示单位时间内所经历的距离,它的单位是[米/秒]。距离是长度l ,它的量纲是[L ],而时间t 的量纲是[T ],故速度v 的量纲是[1LT -]。 动量是质量m 和速度v 之积。质量的量纲是[M ],故动量的量纲是[1MLT -]。 如果我们选定三个相对对立的,例如长度l 的量纲[L ]、时间t 的量纲[T ]、质量m 的量纲[M ]为基本量纲,那么其他物理量的量纲都可用这三个基本量纲来表示。如表5-1中所示,例如,加速度a 的量纲可表示为[2LT -],力F 的量纲可表示为[2LMT -]。当我们把一些物理量进行组合、分析或作比较时,用量纲表示就比较便利。 如果我们要写出一个流体微团的运动方程 F ma =∑v v 式子左边是作用在微团的各力和,它可以包括:重力W v 、压力P v 、粘滞τv 、力弹性力E v 等;右边是微团的惯性力ma v 。于是得到 +++W P E ma t =v v v v v (5-1) 上式中的每项都是力,所以各项的量纲都是[2 LMT -]。又如,关于理想流体的伯努利方程

2 ++=2v p z H g g r 表示流管中三项能头之和保持常数,即等于总能头H 。每项的单位都是米,故它们的量纲都是[L]。不仅如此,在力学上任何有物理意义的方程或关系式,每一项的量纲必定相同。这称为力学方程的量纲和谐性原理,又称为“量纲齐次性规律”。量纲和谐原理是由傅里叶1822年提出来的,它是量纲分析法中具有基本重要性的一个概念,也是量纲分析法的理论基础,并可具体表达成:只有相同类型的物理量才能相加减,也就是相同量纲的物理量才可以相加减或比较大小;不同类型的物理量相加减没有任何意义。例如,速度可以和速度相加减,但绝不可以加上粘性系数或压力。当然,相同量纲和不同单位的物理量之间是可以相互加减和比较大小的,因为只要将其单位稍加换算即可完成。 一个量纲齐次性的方程,可以化为无量纲方程,只要用方程中的任意一项除其他各项。例如,在式(5-1)中,用惯性力项遍除其他各项,于是各项都变成无量纲量,而各无量纲量之和等于1,即 +++1W P E ma ma ma ma τ=v v v v v v v v 由以上讨论可见,运用量纲可以更明显地指出物理量的性质。 不同量纲的物理量不能相加减,但它们可以根据某种需要进行乘除,从而导出另一量纲的物理量。 量纲和谐原理可以用来检验新建方程或经验公式的正确性和完整性,也可以用来确定公式中物理量的未知指数,还可以用来建立有关方程式。对于量纲齐次的方程,只要用方程的任一项量纲去除其余各项,就可以使方程的每一项都变成无量纲量,方程变为无量纲方程。量纲分析就是基于物理方程具有和谐原理,通过量纲分析和计算,将原来含有较多物理量的方程转化为含有比原物理量少的无量纲方程,使得为研究这些变量关系而进行的实验大大简化。 量纲分析法原理 在量纲和谐原理基础上发展起来的量纲分析法分为瑞利法和p 定理白金汉定理法。 为了简单地说明量纲分析法,我们先来讨论理论力学中熟悉的单摆周期,其关系式为 =2t π (5-2) 假设,我们先前只见过单摆的物理现象,而还不知这个表明单摆周期的关系式时,可以

多指标综合评价方法汇总

多指标综合评价方法汇总 一、 指标正向化 (1)指标:1. 正向指标(越大越好) 2. 逆向指标(越小越好) 3. 适度指标(不能太小也不能太大,接近某一值最好) (2)逆向指标正向化 1. 倒数法: 1i i y x = 上式作为指标的正向化公式时,当原指标值ij x 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。 2. 最小阈值法:min i i x y x = 3. 最大阈值法(互补法)max 1i i x y x =- 4. 倒扣逆变换法 {}1max i ij ij i ij i n y x x y x ≤≤=-=- 或 (3)适度指标的正向化 1. 绝对值倒数法:反应了实际值与标准值之间的偏差,偏差越小越好,对应的转化后的值越大,达到正向化的目的; 2. 距离倒数法:跟绝对值倒数法类似 3. 1max k k k i ij ij i ij i n y x x y x ≤≤=---=-- 或 二、 指标的无量纲化 (1) 极差正规化法 {}{}{}min max min ij ij l i n ij ij ij l i n l i n x x y x x ≤≤≤≤≤≤-= 多指标综合评价中不可取。 (2) 标准化法—目前最普遍使用的无量纲化方法。 ij j ij j x x y σ-= 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,会导致综合评价的结果不准确。 (3) 均值化法 ij ij j x y x 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。 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。 叶宗裕. 关于多指标综合评价中指标正向化和无量纲化方法的选择[J]. 统计科学与实践, 2003(4):24-25.

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

人效指数评价方法20160629

人效指数的评价方法 郭昀 现代企业发展,钱(财力资源)重要还是人(人力资源)重要? 对这一问题的回答,85%以上企业家都会说人重要,但85%以上的企业家又都会用财力资源指标评价企业的效益。这是为什么呢?我们以为,从定性来说,企业家普遍意识到人的重要性;从定量来说,缺乏有效的定量的评价指标评价人力资源的效率。 本文试图用经济指标与人力指标相结合,定量化的评价人力资源的效率(人效),形成评价企业的竞争力和价值的人效指数。 一、什么是人效指数? 顾名思义,人效是指人创造的产出效益,指数是反映现象总体数量变动的相对数。人效指数就是反映人力资源创造效益的计量指标,不仅是度量人力资源管理成效的核心指标,而且是反映企业竞争力的关键指标,反映企业价值的基础性指标。 (一)理论基础 人效指数的理论基础是劳动生产率论和现代企业效益理论。 1、劳动生产率 劳动生产率理论最早可以追述到古希腊。到机器大工业时代,生产率理论体系逐步建立并日臻完善起来。由于研究者研究问题的角度

不同,对生产率认识的层次不一,研究方法的多样,形成了不同的认识。主要集中在以劳动价值论为基础和以西方经济学经济增长理论为基础的生产率质的研究:二是劳动生产率的计量经济模型等领域,并且推及到全员劳动生产率。 从计量来说,劳动生产率是指劳动者在一定时期内创造的劳动成果与其相适应的劳动消耗量的比值,可以用同一劳动在单位时间内生产某种产品的数量来表示,单位时间内生产的产品数量越多,劳动生产率就越高;也可以用生产单位产品所耗费的劳动时间来表示,生产单位产品所需要的劳动时间越少,劳动生产率就越高。全员劳动生产率指根据产品的价值量指标计算的平均每一个从业人员在单位时间内的产品生产量,反映从业人员在生产经营过程中的劳动效率,也是是企业生产技术水平、经营管理水平、职工技术熟练程度和劳动积极性的综合表现。一般以平均每个职工在一定时期内完成的总产值(量)表示。计算公式是:期内完成的总产值(量)/期内平均职工人数 2、现代企业业绩理论 产值是以货币形式表现的,企业在一定时期内生产的工业最终产品或提供工业性劳务活动的总价值量,包括已经卖出的和没有卖出的部分。它表明企业生产总规模和总水平,反映的是生产总成果,但不能反映市场的接受程度,不是准确的产出指标。在计划经济时代,由于产品是按统一的计划生产和销售的,售价也是相对固定和统一的,产值基本上等于销售收入;因此,在计划经济时代,用产值衡量产出的状况是准确和真实的。企业作为商品的生产者和经营

(完整版)第一节量纲分析方法

第一节量纲分析方法 量纲分析是物理学中常用的一种定性分析方法,也是在物理领域中建立数学模型的一个有力工具。利用这种方法可以从某些条件出发,对某一物理现象进行推断,可将这个物理现象表示为某些具有量纲的变量的方程,从而可以用此来分析个物理量之间的关系。 1.1量纲 当对一个物理概念进行定量描述时,总离不开它的一些特性,比如,时间、质量、密度、速度、力等等,这种表示不同物理特性的量,称之为具有不同的“量纲”。概括来说,将一个物理导出量用若干个基本量的乘方之积表示出来的表达式,称为该物理量的量纲式,简称量纲(dimension)(量纲又称为因次)。它是在选定了单位制之后,由基本物理量单位表达的式子。在国际单位制(I)中,七个基本物理量长度、质量、时间、电流、热力学温度、物质的量、发光强度的量纲符号分别是L、M、T、I、Q、N和J。按照国家标准(GB3101—93),物理量?的量纲记为dim?,国际物理学界沿用的习惯记为[?]。

实际中,有些物理量的量纲是基本的,成为基本量纲。系统因选定的基本单位不同,而分成绝对系统与工程系统两大类。工程系统的基本单位:质量、长度、时间、力。绝对系统的基本单位:质量、长度、时间。绝对系统以长度(length)、质量(mass)、时间(time)及温度(temperature)为基本量纲,各以符号L 、M 、T 、θ表示其量纲。其他可由基本量纲推导出的量纲称为导出量纲。但在工程系统中,除了长度L 、质量M 、时间T 及温度θ等基本量纲外,也将力定义为基本量纲,而以符号F 表示其量纲。此外在探讨热量 (heat)时,热量亦被定义为基本量纲,而以H 表示。而其他的物理量的量纲可以由这些基本量纲来表示,比如: 速度v = ds/dt 量纲:[]V =1 LT - 加速度a = dv/dt 量纲:2 []a LT -= 力F = ma 量纲:22[][][]F M LT MLT --== 压强P = F/S 量纲: 22[]P MLT L --= 21MT L --= 实际中,也有些量是无量纲的,比如,e π等,此 时记为[][]1e π==。 有量纲的物理量都可以进行无量纲化处理量纲有赖于基本量的选择,是外加的有关量的度量手段。模型所描述的规律应该独立于量纲的影响。机理模型的

关于多指标综合评价中指标正向化和无量纲化方法的选择

关于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 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,也称为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。为了消除由些带来的不可公度性,还应将各评价指标作无量纲化处理。指标的同趋势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。本文就如何选择同趋势化和无量纲化方法作些讨论。 一、关于指标的正向化方向 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。比如徐国祥等在《上市公司经营业绩综合评价及其实研究》载统计研究2000年第9期一文中将指标资产负债率、流动比率、速动比率作为适度指标,对它们的正向化方法为: x ij =k x ij -1 (1) 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,因而不有真实反映原指标的分布情况。笔者选取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2001年中的资产负债为例,用1式进行正向化变换,可得变换后的值见表1。 由表1易见,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。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,对逆向指标正各化方法应为: x ij =max {}ij x -x ij 或x ij =-x ij ≤1i ≤n 对适度指标正向化方法应为: x ij =max k x ij --k x ij - 或x ij =-k x ij - ≤1i ≤n 这种线性变换不会改变指标值的分布规律,是比较好的变换方法。

数据的无量纲化处理

常用的数据无量纲化处理方法,主要包括如下几种: (1)总和标准化。分别求出各聚类要素所对应的数据的总和,以各要素的数据除以该要素的数据的总和,即 ),,2,1;,,2,1(1n j m i x x x m i ij ij ij ==='∑= (2.4.1) 经过总和标准化处理后所得到的新数据ij x ',满足 ∑==='m i ij n j x 1),,2,1(1 (2)标准差标准化,即 ),,2,1;,,2,1(n j m i s x x x j j ij ij ==-=' (2.4.2) 式中: ∑==m i ij j x m x 1 1 ∑=-=m i j ij j x x m s 1 2)(1 经过标准差标准化处理后所得到的新数据ij x ',各要素(指标)的平均值为0, 标准差为1,即有: 011 ='=∑=m i ij j x m x ∑=='-'=m i j ij j x x m s 1 21)(1 (3)极大值标准化,即 ),,2,1;,,2,1(}{m a x n j m i x x x ij i ij ij ===' (2.4.3) 经过极大值标准化处理后所得的新数据ij x ',各要素(指标)的极大值为1,其余各数值小于1。 (4)极差的标准化,即

{} {}{}),,2,1;,,2,1(m i n m a x m i n n j m i x x x x x ij i ij i ij i ij ij ==--= (2.4.4) 经过极差标准化处理后所得的新数据ij x ',各要素(指标)的极大值为1,极小值为0,其余的数值均在0与1之间。

相关文档
最新文档