综合评价研究方法综述

来源:用户上传      作者:

　　摘 要：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。
　　关键词：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。
　　2.模糊综合评价法
　　该综合评价方法是建立在模糊数学基础上的，利用模糊数学的隶属度理论将定性指标定量化，对制约事物的多种因素做出一个综合的评价。该方法逻辑严谨，系统性情，结果易于解读，能很好地解决一些非确定性、难以量化的问题。
　　（1）模糊综合评价法的优点
　　该方法能够将模糊的评价对象利用数字手段进行精确处理，并对结果做出全面、准确并且合乎实际的量化评价结果。并且评价结果信息量丰富，能够准确地对评价对象进行画像，并对其进行加工，为决策提供参考。
　　（2）模糊综合评价法的缺点
　　①权重向量主观性强。该方法计算量大，计算步骤复杂，指标权重向量的确定主要依靠专家的经验，主观性较强。
　　②指标数量过多，会影响评判结果。当指标个数较多时，在权矢量和为1的条件约束下，相对隶属度权系数往往偏小，权矢量与模糊矩阵R不匹配，结果会出现超模糊现象，分辨率很差，无法区分谁的隶属度更高，甚至造成评判失败，此时可用分层模糊评估法加以改进。
　　二、客观评价法
　　1.主成分分析法
　　主成分分析方法由卡尔（karl）和皮尔逊（pearson）于1901年提出。该方法利用指标之间的相关关系，利用降维的思想，将多个指标融合成几个包含原有指标主要信息的主成分，从而达到降低指标维度的目的。
　　主成分分析的目的是将原来众多且具有一定相关性的变量，转化为几个相互无关的主成分来代替原有变量。它原理是将原来的变量做线性组合，每个组合均包含原有信息一定的信息量，该信息量用方差var来衡量，如方差var大于一定的阈值，则该组合保留，反之去除。各组合之间根据信息量的大小进行排序，信息量最大的组合记为综合变量F1，即包含最大信息量，如F1不能包含所有信息，则继续选取F2，记为第二住成分，F2的信息量不包含在F1中，即COV（F1，F2）=0，同理选取出p个主成分。
　　（1）主成分分析法的优点
　　①能够消除指标之间的相关关系，增强模型的稳定性。构造出的主成分相互独立，且能包含原有指标之间的信息量，并不影响测量结果。且实证表明，变量直接相关关系越强，模型效果越理想。
　　②减小筛选指标的工作量。构建指标过程中，为了全面地评价事物，往往会将影响因素的指标全部选取出来，同时指标直接可能存在很强的相关性。利用主成分分析方法，能够快速地消除指标之间的相关关系，并最大限度地保留原有信息量。从而减小筛选指标时的精力。
　　③当评级指标较多时还可以在保留绝大部分信息的情况下用少数几个综合指标代替原指标进行分析。
　　（2）主成分分析法的缺点
　　①指标之间需要有强相关性。指标之间强相关性才能保证主成分的方差累积贡献率达到较高的水平，评价结果才会理想。其次对这些被提取的主成分必须都能够给出符合实际背景和意义的解释（否则主成分将空有信息量而无实际含义）。
　　②结果有时难以解释。在计算过程中为了让主成分更加好计算，需要进行因子旋转。因子旋转之后的结果有时难以进行经济上的解释。
　　2.topsis评价法
　　topsis（Technique for Order Preference by Similarity to an Ideal Solution）法由C.L.Hwang和K.Yoon于1981年首次提出，其基本原理是在对原始矩阵进行归一化处理之后，找出计算最优解与最差解，并计算出计算出评价对象与最优解距离A、评价对象与最差解之间的距离B，根据距离大小，来评价结果。如距离A最大且距离B最小，则结果最理性，否则不理想。
　　（1）topsis平均法的优点
　　①对样本资料无特殊要求。TOPSIS对样本数据吴特殊要求，计算简单，使用范围广泛。
　　②能够充分第利用原有的数据信息，与实际情况吻合。
　　（2）topsis平均法的缺点
　　①当两个评价对象的指标值关于最优方案和最劣方案的连线对称时，无法得出准确的结果。
　　②只能对每个评价对象的优劣进行排序，不能分档管理，灵敏度不高。
　　本文在前人研究的基础上，对综合评价研究方法进行了整理分析。综合评价研究方法很多，各有其优缺点以及适用范围。研究中要根据具体数据特性，科学、客观、严谨地选择评价方法，得出正确的研究结论。
　　参考文献：
　　[1]虞晓芬.多指标综合评价方法综述.
　　[2]王清华.几种常规综合评价方法的比较[J].统计与信息论坛，2003，3：30-33.
　　[3]王一任.医用综合评价方法研究进展[J].中南大学学报（医学版），2005，2：228-231.
　　[4]李双海.无形资产评估的模糊综合评判模型[J].统计与决策，2003，8：87-88.
　　作者简介：雷右喜（1990- ），男，汉族，湖南衡阳，学生，管理学硕士，单位：湘潭大学商学院管理科学与工程，研究方向：管理信息系统
转载注明来源:https://www.xzbu.com/3/view-11353583.htm