綜合評價(jià)方法研究進(jìn)展評述

李 紅，朱建平

（廈門大學(xué) 經(jīng)濟(jì)學(xué)院統(tǒng)計(jì)系，福建 廈門 361005）

1 綜合評價(jià)方法

綜合評價(jià)是指人們確定評價(jià)目的后，根據(jù)影響評價(jià)對象的因素或者指標(biāo)的個(gè)性數(shù)據(jù)，選擇恰當(dāng)?shù)脑u價(jià)方法，將影響因素或指標(biāo)的共同信息提取出來，綜合反映評價(jià)對象的總體特征的過程。不同的研究領(lǐng)域都會涉及到評價(jià)問題，針對具體的問題和研究背景，評價(jià)方法也迥然相異。

1.1 單一評價(jià)方法

1.1.1 基于灰色系統(tǒng)理論的評價(jià)方法

灰色系統(tǒng)理論[1]最早由鄧聚龍（1982）提出，是一種研究“少數(shù)據(jù)、貧信息”不確定性問題的方法論，主要用來解決包含未知因素的“灰色地帶”的問題。綜合評價(jià)尤其是多目標(biāo)綜合評價(jià)問題，通常涉及的指標(biāo)非常多，一般來說兼有定性和定量指標(biāo)，各指標(biāo)之間關(guān)系并不明確，可以認(rèn)為處于“灰色地帶”。很多學(xué)者便使用以灰色系統(tǒng)理論為基礎(chǔ)的數(shù)據(jù)分析方法來處理這一類處于“灰色地帶”的指標(biāo)之間關(guān)系的問題。

這類灰色方法可以避免要求大樣本以及樣本需要有較好的分布規(guī)律、計(jì)算的工作量大、評價(jià)結(jié)果與定性分析的結(jié)果不符等問題，數(shù)據(jù)也不必進(jìn)行歸一化處理。比較有代表性的評價(jià)分析方法是灰色關(guān)聯(lián)分析[2]和灰色聚類分析，其主要原理是將統(tǒng)計(jì)數(shù)據(jù)用曲線表示，各曲線的形狀約相近，走勢越平行，就認(rèn)為其相似性大、關(guān)聯(lián)度高。因此可以評價(jià)各個(gè)方案與最優(yōu)方案之間的距離來判斷方案的優(yōu)劣。

在評價(jià)過程中，面對權(quán)重的確定問題，目前研究中常見的是將層次分析法或者熵權(quán)法與灰色關(guān)聯(lián)分析或者灰色聚類分析進(jìn)行組合的綜合評價(jià)方法。但是這類方法在應(yīng)用時(shí)，仍要考慮確定評價(jià)指標(biāo)的權(quán)重，權(quán)重確定方法的科學(xué)與否對基于灰色理論的評價(jià)結(jié)果也會造成很大的影響。為了解決這個(gè)問題，很多學(xué)者將灰色理論與模糊數(shù)學(xué)及粗糙集理論相結(jié)合，力求發(fā)揮三者的優(yōu)勢，得到更優(yōu)的綜合評價(jià)方法。

灰色關(guān)聯(lián)方法有一個(gè)較明顯的缺點(diǎn)，就是其關(guān)聯(lián)度的取值不可為負(fù)，表示因素之間的關(guān)系均為正向，這與現(xiàn)實(shí)不相符，因?yàn)楝F(xiàn)實(shí)中很多事物之間的關(guān)系是反向變化。而且僅僅通過曲線形狀是否平行或者相似來評價(jià)因素的之間的相關(guān)性的方法是否正確。當(dāng)因素之間是反向關(guān)系時(shí)，曲線間的形狀和趨勢也會呈現(xiàn)巨大的變化，交叉、背道而馳都有可能，通過灰色關(guān)聯(lián)度得到的結(jié)果已經(jīng)無法表現(xiàn)因素間真實(shí)的關(guān)系，因此就這個(gè)問題學(xué)者也可以進(jìn)一步進(jìn)行探究。

1.1.2 基于模糊數(shù)學(xué)與粗糙集理論的評價(jià)方法

模糊的概念是1965年美國加利福尼亞大學(xué)的一位控制論專家L.A.Zadeh教授在他的一篇題為《Fuzzy Sets》的論文中首次提出地，文章第一次用精確的數(shù)學(xué)方法描述了模糊概念，宣告了模糊數(shù)學(xué)的誕生。從此開始，眾多學(xué)者開始借助模糊數(shù)學(xué)的工具進(jìn)行綜合評價(jià)方面的研究，產(chǎn)生了模糊綜合評價(jià)（Fuzzy Comprehensive Evaluation）——FCE方法。這一類方法以模糊數(shù)學(xué)為基礎(chǔ)，其突出的能力是可以通過隸屬度函數(shù)和一些模糊統(tǒng)計(jì)方法，將界定模糊或者難以量化的指標(biāo)或者因素量化。然而隸屬度函數(shù)是憑經(jīng)驗(yàn)或者由專家給出的，具有一定的主觀性，并且在多目標(biāo)評價(jià)時(shí)，要確定多個(gè)隸屬度函數(shù)，過程比較繁瑣。

粗糙集理論是波蘭科學(xué)家Z.Pawlak于20世紀(jì)80年代初提出來的一種數(shù)學(xué)工具，主要用來研究不完整數(shù)據(jù)以及模糊和不確定性知識，分析、推理和挖掘數(shù)據(jù)之間的關(guān)系，發(fā)現(xiàn)隱含的知識，探尋數(shù)據(jù)間潛在的規(guī)律。建立在粗糙集理論上的綜合評價(jià)模型，重點(diǎn)仍然是對于權(quán)重的確定，主要將評價(jià)模型中的權(quán)重問題轉(zhuǎn)化成為了粗糙集中屬性重要性評價(jià)問題，利用粗糙集理論中的知識依賴性和屬性重要性評價(jià)方法計(jì)算權(quán)重，從而進(jìn)行綜合評估。這種方法是一種純數(shù)據(jù)基礎(chǔ)的方法，無須建立數(shù)學(xué)模型，也不需要提供研究對象的任何先驗(yàn)信息，因此避開了傳統(tǒng)的綜合評價(jià)中的主觀因素，使得評價(jià)過程和結(jié)果更加客觀。

正因?yàn)榇植诩碚撚幸陨蟽?yōu)點(diǎn)，很多學(xué)者以其為基礎(chǔ)進(jìn)行綜合評價(jià)方法的研究，多次嘗試與模糊數(shù)學(xué)理論、灰色系統(tǒng)理論以及人工神經(jīng)網(wǎng)絡(luò)理論相結(jié)合[3][4][5]，產(chǎn)生了如粗糙集模糊聚類[6]、粗糙集灰色聚類等更有效的評價(jià)方法，簡化了使用人工神經(jīng)網(wǎng)絡(luò)方法進(jìn)行綜合評價(jià)時(shí)的訓(xùn)練集，在不影響數(shù)據(jù)信息量的前提下刪除多余的數(shù)據(jù)，提高了訓(xùn)練速度，增強(qiáng)了神經(jīng)網(wǎng)絡(luò)由于綜合評價(jià)的執(zhí)行力。

1.1.3 基于數(shù)據(jù)包絡(luò)分析（DEA）的評價(jià)方法

數(shù)據(jù)包絡(luò)分析是美國著名運(yùn)籌學(xué)家查恩斯和庫伯教授在“相對效率評價(jià)”概念的基礎(chǔ)上發(fā)展起來的一種數(shù)學(xué)規(guī)劃模型，主要以凸分析和線性規(guī)劃為工具，計(jì)算比較決策單元之間的效果和效率，進(jìn)而對評估對象進(jìn)行評價(jià)，從統(tǒng)計(jì)角度可以將其看做是一種非參數(shù)統(tǒng)計(jì)估計(jì)方法，它能充分考慮對決策單元本身最優(yōu)的方案，尤其適用于多輸入-多輸出的有效性綜合評價(jià)問題。因?yàn)镈EA模型不是直接對數(shù)據(jù)進(jìn)行綜合，而是根據(jù)輸入輸出數(shù)據(jù)，將決策單元分為有效單元和無效單元兩類，因而不僅無須將數(shù)據(jù)進(jìn)行事前的無量綱化處理，也不必進(jìn)行任何的權(quán)重假設(shè)，因此可以理想、客觀地反映評價(jià)對象自身的信息和特點(diǎn)。很多學(xué)者因?yàn)檎J(rèn)識到DEA模型這種自身最優(yōu)化的特點(diǎn)，使用其進(jìn)行綜合評價(jià)[7][8][9]。

可是，也正是因?yàn)镈EA模型這種極度“利己”的方式，對于指標(biāo)單元之間的關(guān)系較少關(guān)注，會導(dǎo)致當(dāng)決策單元的數(shù)量相對于指標(biāo)總數(shù)偏少時(shí)，無法正確的區(qū)分有效、無效單元。有學(xué)者為了解決這個(gè)問題，在DEA的基礎(chǔ)上進(jìn)行了多種方法的改進(jìn)和綜合，如可以反映偏好的錐比率CCWH模型[10]，在模型中加入虛擬單元[11]，結(jié)合灰色理論中的灰色關(guān)聯(lián)約束錐建立了改進(jìn)的DEA模型[12]。這些方法增強(qiáng)了DEA模型進(jìn)行正確評價(jià)的效果。另外也有學(xué)者將DEA理論與模糊理論結(jié)合，提出了很多評價(jià)方法[13]，將模糊數(shù)據(jù)引入DEA模型中[14]。

但是，即使區(qū)分了有效、無效單元，單純的DEA模型對其單元各自優(yōu)劣的程度也無法進(jìn)一步去區(qū)分，如有學(xué)者使用AHP作為DEA模型中權(quán)重的確定方法，構(gòu)建DEA/AHP模型；以網(wǎng)絡(luò)層次分析法ANP確定權(quán)重建立ANP-DEA模型；以CCR模型為基礎(chǔ)，建立超效率DEA（SE-DEA）模型、交叉評價(jià)模型[15]、可變權(quán)重模型；使用動(dòng)態(tài)DEA模型等方法進(jìn)行有效、無效單元的進(jìn)一步區(qū)分。除此之外，DEA模型通常只能對短期效果及內(nèi)部效果進(jìn)行評估，無法考慮模型中的長期因素及外部，學(xué)者們就此提出了DEA-Tobit兩步法、DEA兩階段法以及DEA與Malmquist指數(shù)[16]相結(jié)合的方法來分析不同時(shí)期決策單元的效率演化狀況，擴(kuò)大了DEA模型的利用面。

1.1.4 基于結(jié)構(gòu)方程模型（SEM）的評價(jià)方法

結(jié)構(gòu)方程模型是一類處理多變量之間因果關(guān)系的模型，主要基于變量的協(xié)方差矩陣來分析變量間的關(guān)系，它既能夠考慮模型中因子的內(nèi)部結(jié)構(gòu)，又能夠體現(xiàn)因子之間的因果關(guān)系，這恰好適合用來解決復(fù)雜的綜合評價(jià)的問題?，F(xiàn)實(shí)生活中需要研究的問題的影響因素，有一些是無法用指標(biāo)直接進(jìn)行度量的，這類問題的解決就需要依靠結(jié)構(gòu)方程模型，結(jié)構(gòu)方程模型將此類無法直接度量的抽象的變量稱為隱變量，并且可以通過一些方法，如偏最小二乘法對隱變量之間、隱變量和顯變量之間的關(guān)系進(jìn)行研究。結(jié)構(gòu)方程模型最常用來處理社會學(xué)、心理學(xué)、行為組織學(xué)中的評價(jià)問題，如對城市、地區(qū)或者行業(yè)、企業(yè)創(chuàng)新能力、因素或影響方面的機(jī)制研究。

目前用于綜合評價(jià)的結(jié)構(gòu)方程模型較以往的模型無論從評價(jià)對象的層次還是結(jié)構(gòu)上都發(fā)生了變化，分層結(jié)構(gòu)方程模型、群組結(jié)構(gòu)方程模型及的出現(xiàn)，解決了許多大型機(jī)構(gòu)層次結(jié)構(gòu)復(fù)雜，無法系統(tǒng)進(jìn)行評價(jià)的問題，如通過銀行支行的客戶滿意程度推斷分行乃至總行的客戶滿意程度等。

1.1.5 基于統(tǒng)計(jì)學(xué)習(xí)理論（SLT）的評價(jià)方法

統(tǒng)計(jì)學(xué)習(xí)理論是在傳統(tǒng)統(tǒng)計(jì)學(xué)基礎(chǔ)上發(fā)展起來的機(jī)器學(xué)習(xí)方法，這類方法的產(chǎn)生原因是傳統(tǒng)的統(tǒng)計(jì)學(xué)研究的是樣本數(shù)目趨于無窮大時(shí)的漸進(jìn)理論，而現(xiàn)實(shí)生活中有很多問題的樣本數(shù)目有限，使用傳統(tǒng)的統(tǒng)計(jì)方法處理就會產(chǎn)生誤差，20世紀(jì)60年代起Vapnik開始致力于基于小樣本情況的研究，至90年代統(tǒng)計(jì)學(xué)習(xí)理論逐步發(fā)展成熟，可以從小樣本的原始數(shù)據(jù)出發(fā)通過訓(xùn)練集找到規(guī)律，并利用這些規(guī)律對未知的數(shù)據(jù)進(jìn)行預(yù)測。這類機(jī)器學(xué)習(xí)方法有嚴(yán)格的理論基礎(chǔ)，能夠很好的解決小樣本、非線性、高維數(shù)和局部最小點(diǎn)等問題，因此有學(xué)者將其應(yīng)用在綜合評價(jià)方法的探討中，如利用神經(jīng)網(wǎng)絡(luò)進(jìn)行結(jié)構(gòu)選擇、找尋局部最小點(diǎn)、支持向量機(jī)等方法對現(xiàn)實(shí)問題建立模型并進(jìn)行評估。

近年來，系統(tǒng)科學(xué)理論的加入，壯大了統(tǒng)計(jì)學(xué)習(xí)理論的研究技術(shù)力量，數(shù)據(jù)挖掘技術(shù)的成熟以及系統(tǒng)模擬和仿真等計(jì)算機(jī)技術(shù)的使用，拓展了綜合評價(jià)的應(yīng)用范圍。過去由于高階次、非線性等復(fù)雜特點(diǎn)而無法使用一般的統(tǒng)計(jì)評價(jià)方法進(jìn)行評價(jià)的高速公路、水利工程等大型工程建設(shè)的領(lǐng)域，如今都可以通過這些方法技術(shù)進(jìn)行研究和測評。

1.2 組合評價(jià)法

組合評價(jià)實(shí)際上是將兩種或兩種以上評價(jià)方法或評價(jià)思想集成在一起進(jìn)行評價(jià)的技術(shù)。事實(shí)上，很多學(xué)者在評價(jià)中實(shí)際上已經(jīng)不知不覺使用了這種方法，如模糊灰色系列方法、模糊多元統(tǒng)計(jì)方法等。

組合評價(jià)是多種評價(jià)方法取長補(bǔ)短結(jié)合起來進(jìn)行評價(jià)，既要求方法之間有差別，又要求方法可以相容。傅榮林等（1999）在此基礎(chǔ)上提出了基于“兼容度”與“差異度”概念的優(yōu)化模型。隨后學(xué)者們將注意力集中到如何確定方法組合的權(quán)重問題上，毛定祥[17]（2002）利用線性規(guī)劃求解方法，以最小二乘思想為基礎(chǔ)，提出組合模型的權(quán)重要與各種主客觀賦權(quán)評價(jià)所得權(quán)重的偏差平方和最小的方法。彭猛業(yè)等（2004）拓展了上述思想，提出了加權(quán)平均組合方法，其權(quán)重由各評價(jià)結(jié)果與平均評價(jià)值的相關(guān)系數(shù)來確定。劉麗等（2004）使用遺傳算法確定組合評價(jià)方法的權(quán)重，郭亞軍等（2006）提出了一種基于整體差異的客觀組合評價(jià)法，即存在一種評價(jià)結(jié)果（最佳組合），各評價(jià)方法投影到該評價(jià)結(jié)果后方差最大，體現(xiàn)了少數(shù)服從多數(shù)的思想。陳國宏、李美娟等（2003，2004，2009）[18]等相繼探討了組合評價(jià)中的一些相容方法以及多方法賦權(quán)問題，提出了以粗糙集確定的相容方法集為基礎(chǔ)的可能組合評價(jià)集，從而建立評價(jià)集化模型；運(yùn)用合作博弈的原理，應(yīng)用多種單一評價(jià)方法所得結(jié)論的偏差相對于組合評價(jià)結(jié)論總偏差的貢獻(xiàn)對單一方法進(jìn)行賦權(quán)，進(jìn)而進(jìn)行評價(jià)。陳國宏（2011）結(jié)合云理論，提出了一種針對定性數(shù)據(jù)的組合評價(jià)方法，將問卷調(diào)查中模糊性評價(jià)以及隨機(jī)性評價(jià)轉(zhuǎn)換成具有解釋意義的具體數(shù)值。

通過排序進(jìn)行方法的組合是組合評價(jià)的一種思想，基于這方面的研究發(fā)展較快。常用的組合方法有均值法、Borda法、Copeland法，這些方法的主要區(qū)別是其排序方法的差異，其中如何衡量子方法的優(yōu)劣仍是值得討論的一個(gè)課題。另外，以一種理論為基礎(chǔ)，不同方法與之結(jié)合產(chǎn)生新的方法組合，如模糊Borda法、改進(jìn)型模糊Borda法等。

組合評價(jià)目的是取各種方法的優(yōu)點(diǎn)，結(jié)合在一起摒除其缺點(diǎn)，相互補(bǔ)充相互協(xié)助，更好的進(jìn)行評價(jià)。蘇為華[19]（2007）詳細(xì)的總結(jié)歸納了各種國內(nèi)外綜合評價(jià)集成方法的原理、特點(diǎn)與具體操作方法，并且提出仍有一些基于區(qū)間變量、粗糙集理論、可拓學(xué)理論及ANN方法的評價(jià)問題尚未解決，為方法的組合提供了理論積淀。

值得注意的是，組合評價(jià)方法的應(yīng)用有幾個(gè)前提。首先，各評價(jià)方法獨(dú)自使用時(shí)結(jié)果要有差異，這樣在組合評價(jià)時(shí)才能發(fā)揮各自的特點(diǎn)；其次，組合的過程要注意各方法的兼容性；再次，各方法獨(dú)自評價(jià)時(shí)其結(jié)論要具有可比性，比如都是排序問題的評價(jià)，或者都是指數(shù)問題的評價(jià)等。要注意的是并不是所有方法都可以進(jìn)行組合。具體什么樣的方法可以組合，用什么樣的方法進(jìn)行組合，需要進(jìn)一步探討。

2 綜合評價(jià)中權(quán)重問題的研究進(jìn)展

權(quán)重問題是綜合評價(jià)中十分關(guān)鍵的一個(gè)環(huán)節(jié)，很多學(xué)者就此問題進(jìn)行廣泛的討論。以下通過文獻(xiàn)梳理，比較了綜合評價(jià)中權(quán)重確定技術(shù)的利弊及最新進(jìn)展。

2.1 主觀賦權(quán)法

主觀賦權(quán)法主要包括專家評分法、Delphi法，相鄰指標(biāo)比較法等。其中，層次分析法（Analytic Hierarchy Process，AHP）是應(yīng)用較為普遍的一種。AHP主要用于結(jié)構(gòu)比較復(fù)雜、決策準(zhǔn)則層較多的決策與評價(jià)問題，主要是將評價(jià)對象分為多個(gè)層次和指標(biāo)，然后綜合決策者的主觀判斷和客觀推理，依照不同的權(quán)重，將評價(jià)過程進(jìn)行量化的描述，避免因?yàn)閱渭円揽繘Q策者主觀判斷造成的邏輯錯(cuò)誤等問題。

由于使用AHP決定權(quán)重時(shí)需要滿足一定的前提，可是對一些現(xiàn)實(shí)問題進(jìn)行綜合評價(jià)時(shí)通常無法滿足其條件，因此很多學(xué)者對AHP方法進(jìn)行了改進(jìn)。

首先，AHP的實(shí)施前提是指標(biāo)體系內(nèi)部具有獨(dú)立的遞階層次結(jié)構(gòu)，可是一般的綜合評價(jià)構(gòu)建的指標(biāo)體系中，各指標(biāo)之間難免具有相互依存的關(guān)系，并非獨(dú)立，從而不能簡單的使用AHP法。1996年，美國匹茲堡大學(xué)的T.L.Saaty教授提出網(wǎng)絡(luò)層次分析法（ANP）[20]，這種方法有效的解決了綜合評價(jià)指標(biāo)之間具有非獨(dú)立遞階層次結(jié)構(gòu)的決策問題。

其次，AHP在應(yīng)用時(shí)關(guān)鍵是構(gòu)造、檢驗(yàn)和修正判斷矩陣的一致性，以及計(jì)算判斷矩陣中各要素的權(quán)重?？墒悄壳皩τ谂袛嗑仃嚨男拚啾容^主觀，沒有客觀、統(tǒng)一的修正標(biāo)準(zhǔn)。針對這一問題，有學(xué)者將判斷矩陣的一致性問題歸結(jié)為非線性優(yōu)化問題，提出了使用遺傳算法（GA）以及加速遺傳算法（AGA）[21]，對判斷矩陣進(jìn)行檢驗(yàn)和判斷，模糊綜合評價(jià)模型。

此外也有學(xué)者針對層次分析法進(jìn)行評價(jià)時(shí)判斷矩陣的排序問題進(jìn)行了深入研究，提出了梯度特征向量排序法、區(qū)間數(shù)廣義χ2法、廣義最小平方法（GLSM）等方法。以上方法的提出與改進(jìn)，都充實(shí)了以AHP為權(quán)重確定方法的綜合評價(jià)模型，完善了評價(jià)過程，提高了評價(jià)的正確性。

2.2 客觀賦權(quán)法

主觀賦權(quán)法使評價(jià)結(jié)果波動(dòng)性較大，可比性與研究持續(xù)性較差。因此，近年來學(xué)者們將注意力轉(zhuǎn)向?qū)ふ腋涌陀^、科學(xué)、簡便的權(quán)重確定方法，主要有以下幾類。

2.2.1 神經(jīng)網(wǎng)絡(luò)法

綜合評價(jià)是一個(gè)復(fù)雜的過程，指標(biāo)或者因素之間通常不獨(dú)立，具有一定的相關(guān)性，且這種相關(guān)性往往不是簡單的線性關(guān)系，而是復(fù)雜的非線性關(guān)系。處理這種非線性關(guān)系問題，人工神經(jīng)網(wǎng)絡(luò)是一個(gè)很好的工具。ANN是一種非線性科學(xué)，無須建立數(shù)學(xué)模型，而是通過網(wǎng)絡(luò)訓(xùn)練從數(shù)據(jù)中概括出知識，并將其存儲于神經(jīng)元中，構(gòu)成網(wǎng)絡(luò)知識進(jìn)一步對相似的對象進(jìn)行評價(jià)或者預(yù)測。這一類評價(jià)方法能夠模擬人腦的一些思維模式，具有自學(xué)習(xí)、自組織、自適應(yīng)等特點(diǎn)。它的出現(xiàn)結(jié)合了專家學(xué)者的經(jīng)驗(yàn)和客觀判斷模式，降低了評價(jià)過程中主觀偏誤的可能性，克服了一般綜合評價(jià)方法無法反映評價(jià)指標(biāo)的動(dòng)態(tài)變化過程的問題，同時(shí)提高了問題解決的效率。

以ANN為基礎(chǔ)衍生出來的綜合評價(jià)中權(quán)重的確定方法，如三層BP神經(jīng)網(wǎng)絡(luò)法[22]、Hamming神經(jīng)網(wǎng)絡(luò)法[23]，可以解決以往評價(jià)指標(biāo)體系不夠全面、設(shè)定權(quán)重不夠客觀以及無法動(dòng)態(tài)反應(yīng)指標(biāo)變化的問題，弱化權(quán)重確定過程中的人為因素。但是，這一類方法受限于神經(jīng)網(wǎng)絡(luò)本身無法客觀確定隱含層的數(shù)目的弊端，從而不能完全的避免主觀因素。同時(shí)，當(dāng)評估對象數(shù)目多、評價(jià)規(guī)模比較大的時(shí)候，神經(jīng)網(wǎng)絡(luò)節(jié)點(diǎn)的個(gè)數(shù)通常會比較多，龐大的網(wǎng)絡(luò)結(jié)構(gòu)會降低其推廣能力，評估時(shí)間也會很長，并且經(jīng)常會陷入局部最小的困境。學(xué)者針對這些問題的出現(xiàn)提出了重置變結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)方法[24]，GA-ANN方法加快了網(wǎng)絡(luò)收斂速度，避免了陷入局部最小的困境。除此之外，雖然神經(jīng)網(wǎng)絡(luò)方法確定權(quán)重比較客觀，但是其訓(xùn)練集的選擇是一個(gè)難點(diǎn)。并且目前沒有好的解決辦法。

2.2.2 TOPSIS法

按與理想解的相似性定序偏好的方法（technique for order preference by similarity to ideal solution，TOPSIS）主要用于有限方案的多目標(biāo)決策分析。TOPSIS賦權(quán)法的思路是先在歸一化的原始數(shù)據(jù)矩陣中找到最優(yōu)方案，然后以評價(jià)對象與最優(yōu)方案的距離評價(jià)其優(yōu)劣程度。這種方法對樣本的分布及樣本量沒有嚴(yán)格的要求，計(jì)算過程不復(fù)雜，因此受到很多學(xué)者的鐘愛。但是，由于最優(yōu)方案是在原始數(shù)據(jù)的歸一化之后，根據(jù)矩陣中的無量綱數(shù)據(jù)，通過主觀設(shè)定權(quán)重求得，權(quán)重具有一定的隨意性，導(dǎo)致結(jié)果不夠客觀；另外隨著數(shù)據(jù)的變化，最優(yōu)方案也會發(fā)生變化，最終的評價(jià)結(jié)果不具有穩(wěn)定性和唯一性；余雁（2003，2004）以上述基本理論為基礎(chǔ)，提出了雙基點(diǎn)法，建立靠近理想解和遠(yuǎn)離負(fù)理想解兩個(gè)基準(zhǔn)改善了TOPSIS法。錢吳永等（2009）[25]在雙基點(diǎn)法的基礎(chǔ)上給出了加權(quán)TOPSIS方法，并通過實(shí)例驗(yàn)證其有效性。

2.3 組合賦權(quán)法

主觀和客觀賦權(quán)法在確定權(quán)重時(shí)有不同的側(cè)重點(diǎn)，各有利弊，為了能夠兼顧決策者的主觀判斷和評價(jià)對象的客觀特點(diǎn)，眾多學(xué)者將主觀、客觀兩類賦權(quán)法有機(jī)結(jié)合，產(chǎn)生了一類新的權(quán)重確定方法——組合賦權(quán)法。王先甲（2011）在灰色系統(tǒng)理論基礎(chǔ)上，將AHP和DEA兩種方法有機(jī)結(jié)合[26]，共同確定方案的綜合指標(biāo)權(quán)重向量，進(jìn)而得出方案之間的關(guān)聯(lián)度，對方案進(jìn)行有效、合理的評價(jià)。程啟月（2010）在熵理論的基礎(chǔ)上，將專家意見法與模糊分析法相結(jié)合，給出了結(jié)構(gòu)熵權(quán)法[27]，通過“典型排序”及“盲度”分析，對潛在的偏差數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，從而確定權(quán)重系數(shù)結(jié)構(gòu)。蘇為華（2004，2010）[28]]研究了Delphi-AHP組合賦權(quán)過程中專家意見分歧的度量，在此基礎(chǔ)上進(jìn)一步探討了專家一致性的統(tǒng)計(jì)檢驗(yàn)問題，建立P階對稱指標(biāo)來度量專家意見一致性，通過極差法和蒙特卡洛模擬法給出了兩種確定闕值的方法。余雁（2004）[29]以模糊理論為基礎(chǔ)，通過模糊偏好與現(xiàn)行TOPSIS賦權(quán)法的結(jié)合，提出了一種改進(jìn)的TOPSIS-FP新模型。錢吳永等（2009）將加權(quán)TOPSIS法與灰色關(guān)聯(lián)度結(jié)合，建立有效的評價(jià)模型。

3 結(jié)論與啟示

3.1 數(shù)據(jù)與方法匹配問題

離散數(shù)據(jù)與連續(xù)數(shù)據(jù)采用的統(tǒng)計(jì)方法不同，處理低頻數(shù)據(jù)與高頻數(shù)據(jù)的方法亦有別，而目前很多研究疏于對各種方法應(yīng)用條件的考慮，特別是對不同數(shù)據(jù)類型的要求，從而造成評價(jià)結(jié)果的不準(zhǔn)確甚至錯(cuò)誤。一般來說在評價(jià)之前要結(jié)合方法的應(yīng)用條件考慮數(shù)據(jù)以下幾個(gè)方面：

（1）數(shù)據(jù)的形式。選取的方法可以處理定性數(shù)據(jù)還是定量數(shù)據(jù)或者二種皆可；尤其近些年來高頻數(shù)據(jù)、超高頻數(shù)據(jù)的出現(xiàn)，對研究及評價(jià)的方法提出了新的挑戰(zhàn)。

（2）樣本量的大小。樣本量大小直接影響著評價(jià)方法的正確性，很多方法的應(yīng)用前提是要求大樣本條件；否則結(jié)果會出現(xiàn)極大的偏差甚至錯(cuò)誤。隨著人們對數(shù)據(jù)信息的重視，很多行業(yè)建立了自身的數(shù)據(jù)庫，擁有了大量甚至海量的數(shù)據(jù)，數(shù)據(jù)挖掘技術(shù)的成熟為這類數(shù)據(jù)的評價(jià)提供了新的契機(jī)。但是，如何挑選其中正確的方法進(jìn)行評價(jià)，也是學(xué)者需要提前考慮的。

（3）數(shù)據(jù)的量綱。有些方法要求數(shù)據(jù)無量綱，或者要求量綱統(tǒng)一，這就需要學(xué)者在收集到數(shù)據(jù)之后仔細(xì)查看數(shù)據(jù)量綱的形式，按照方法的要求選擇是否要進(jìn)行歸一化或者無量綱處理。

3.2 檢驗(yàn)標(biāo)準(zhǔn)不統(tǒng)一

綜合評價(jià)與生活聯(lián)系緊密，因此評價(jià)的對象很多，宏觀層面上有整個(gè)國家甚至全球經(jīng)濟(jì)或某方面的評估；中觀層面有區(qū)域性或者城市之間某方面能力或者特點(diǎn)的比較；微觀層面有某行業(yè)、某企業(yè)各自或者彼此之間的評估或排名，評價(jià)也分為單目標(biāo)或者多目標(biāo)決策等等。因?yàn)樵u價(jià)對象的多樣性，就需要我們根據(jù)方法的適用性及研究對象的特點(diǎn)選取適合的方法進(jìn)行評價(jià)，并不能一個(gè)方法放之四海而皆準(zhǔn)。就方法的挑選問題，目前還沒有一個(gè)較為客觀、準(zhǔn)確的標(biāo)準(zhǔn)進(jìn)行參考，學(xué)者通常都是根據(jù)自己的主觀判斷進(jìn)行方法的選擇，或者直接利用一些新穎的方法進(jìn)行評價(jià)，沒有考慮其是否適合研究對象的特點(diǎn)。

組合評價(jià)雖然結(jié)合了多種評價(jià)方法，能起到揚(yáng)長避短的作用，但是就組合方法集中各方法的挑選問題，仍然依靠學(xué)者的主觀判斷，沒有統(tǒng)一的選入標(biāo)準(zhǔn)，相信這也是無論單一評價(jià)法還是組合評價(jià)法都無法避免和解決的問題。

3.3 評價(jià)過程操作性較差

綜合評價(jià)的最終目的是對研究對象或者研究的問題進(jìn)行客觀、準(zhǔn)確的評估，所使用的方法只是手段。方法確定之后，很多學(xué)者會面臨一個(gè)問題就是指標(biāo)數(shù)據(jù)難以搜集。通常，每個(gè)學(xué)者研究的問題都有一定的特殊性，所需用到的指標(biāo)也有其各自的特點(diǎn)，傳統(tǒng)的通過上網(wǎng)查找統(tǒng)計(jì)數(shù)據(jù)、年鑒的方式已經(jīng)難以滿足研究的需要，而很多問題因?yàn)槠鋽?shù)據(jù)涉及到一些企業(yè)或者地區(qū)的“隱私”，通過調(diào)查也未必得到滿意的結(jié)果，即使問卷收集回來，缺失值等現(xiàn)象的存在也是不可避免。這給綜合評價(jià)研究增添了困難，是急需解決的問題。

近幾年統(tǒng)計(jì)學(xué)界很多理論如空間計(jì)量理論、數(shù)據(jù)挖掘理論的交叉應(yīng)用，許多新的統(tǒng)計(jì)分析方法如分位數(shù)回歸、函數(shù)型全信息回歸、面板數(shù)據(jù)聚類、HHT方法及數(shù)據(jù)挖掘方法等不斷涌現(xiàn)，評價(jià)對象的指標(biāo)數(shù)據(jù)形式由傳統(tǒng)的定性數(shù)據(jù)、時(shí)間序列數(shù)據(jù)、截面數(shù)據(jù)，擴(kuò)展到面板數(shù)據(jù)、高頻數(shù)據(jù)、超高頻數(shù)據(jù)等；研究對象的數(shù)據(jù)數(shù)目從大樣本、小樣本也發(fā)展到了擁有超大規(guī)模的數(shù)據(jù)量。無論是數(shù)據(jù)形式的改變，還是數(shù)據(jù)量的擴(kuò)大，研究問題的多樣化均要求我們的評價(jià)方法要更加準(zhǔn)確并且有針對性，這便給學(xué)者們提出了新的挑戰(zhàn)；另外，目前流行的云理論也漸漸廣泛的應(yīng)用于統(tǒng)計(jì)評價(jià)中，這一領(lǐng)域值得學(xué)者進(jìn)一步探討。

[1]鄧聚龍.灰理論基礎(chǔ)[M].武漢：華中科技大學(xué)出版社，2002.

[2]唐萬梅.基于灰色關(guān)聯(lián)分析的多層次綜合評價(jià)研究——風(fēng)險(xiǎn)投資項(xiàng)目綜合評價(jià)模型[J].系統(tǒng)工程理論與實(shí)踐，2006，（6）.

[3]Jelonek J,et al.Rough Set Reduction for Attributes and their Domains for Neural Networks[J].Computational Intelligence，1995，11(2).

[4]Peng C,et al.Multi-valued Neural Network and the Knowledge Acqui?sition Method by the Rough Sets for Ambiguous Recognition Problem[C].Proc.of the IEEE International Conference on Systems,Man and Cybernetics,Beijing，1996.

[5]Yasdi R.Combining Rough Sets Learning and Neural Learning-meth?od to Deal with Uncertain and Imprecise Information[J].Neurocomput?ing，1995，7（1）.

[6]黃定軒等.基于屬性重要性的多屬性客觀權(quán)重分配方法[J].系統(tǒng)工程理論方法應(yīng)用，2004，（6）.

[7]曲文毓等.工業(yè)經(jīng)濟(jì)效益綜合評價(jià)的DEA方法[J].系統(tǒng)工程與電子技術(shù)，1998，（10）.

[8]杜棟.企業(yè)技術(shù)創(chuàng)新評價(jià)的DEA方法[J].系統(tǒng)工程理論方法應(yīng)用，2001,10（1）.

[9]王應(yīng)明，傅國偉.一種用于工業(yè)經(jīng)濟(jì)效益綜合評價(jià)的模型和方法[J].系統(tǒng)工程和電子技術(shù)，1993，15（3）.

[10]魏權(quán)齡.評價(jià)相對有效性的DEA方法[M].北京：中國人民大學(xué)出版社，1998.

[11]劉英平等.有效區(qū)分決策單元的數(shù)據(jù)包絡(luò)分析方法[J].系統(tǒng)工程理論與實(shí)踐，2006，（3）.

[12]許祥鵬.基于改進(jìn)的DEA模型在效率評價(jià)中的應(yīng)用[J].財(cái)金研究，2011，（6）.

[13]李志亮等.基于模糊數(shù)變換的DEA模型與應(yīng)用[J].模糊系統(tǒng)與數(shù)學(xué)，2004，（4）.

[14]柳順，杜樹新.基于數(shù)據(jù)包絡(luò)分析的模糊綜合評價(jià)方法[J].模糊系統(tǒng)與數(shù)學(xué)，2010，（4）.

[15]史成東等.物流公司績效的DEA交叉評價(jià)[J].系統(tǒng)工程，2010，（1）.

[16]徐小欽等.基于DEA與Malmquist指數(shù)法的區(qū)域科技創(chuàng)新效率評價(jià)——以重慶市為例[J].數(shù)據(jù)統(tǒng)計(jì)與管理，2009，（11）.

[17]毛定祥.一種最小二乘意義下主客觀評價(jià)一致的組合評價(jià)方法[J].中國管理科學(xué)，2002，（5）.

[18]陳國宏等.基于方法集的綜合評價(jià)方法集化研究[J].中國管理科學(xué)，2004，（1）.

[19]蘇為華等.綜合評價(jià)技術(shù)的擴(kuò)展與集成問題研究[M].北京：中國統(tǒng)計(jì)出版社，2007.

[20]趙國杰，邢小強(qiáng).ANP法評價(jià)區(qū)域科技實(shí)力的理論與實(shí)證分析[J].系統(tǒng)工程理論與實(shí)踐，2004，（5）.

[21]金菊良等.計(jì)算層次分析法中排序權(quán)值的加速遺傳算法[J].系統(tǒng)工程理論與實(shí)踐，2002，（11）.

[22]戴文戰(zhàn).基于三層BP網(wǎng)絡(luò)的多指標(biāo)綜合評估方法及應(yīng)用[J].系統(tǒng)工程理論與實(shí)踐，1999，（5）.

[23]金聰.基于Hamming神經(jīng)網(wǎng)絡(luò)的經(jīng)濟(jì)效益綜合評價(jià)模型[J].系統(tǒng)工程理論與實(shí)踐，2001，（2）.

[24]徐晉，彭娟.重置變結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)及其在風(fēng)險(xiǎn)投資項(xiàng)目評估中的應(yīng)用[J].系統(tǒng)工程理論方法應(yīng)用，2005，（2）.

[25]錢吳永等.基于灰色關(guān)聯(lián)定權(quán)TOPSIS法及其應(yīng)用[J].系統(tǒng)工程，2009，（8）.

[26]王先甲，張熠.基于AHP和DEA的非均一化灰色關(guān)聯(lián)方法[J].系統(tǒng)工程理論與實(shí)踐，2011，（7）.

[27]程啟月.評測指標(biāo)權(quán)重確定的結(jié)構(gòu)熵權(quán)法[J].系統(tǒng)工程理論與實(shí)踐，2010，（7）.

[28]蘇為華，吳鑒洪.Delphi-AHP構(gòu)權(quán)過程中專家意見一致性的統(tǒng)計(jì)檢驗(yàn)問題研究[J].統(tǒng)計(jì)研究，2010，（7）.

[29]余雁等.一種新的基于模糊偏好的TOPSIS方法[J].系統(tǒng)工程，2004，（8）.