基于主成分分析、交叉效率DEA和熵權(quán)法的物流企業(yè)績(jī)效評(píng)價(jià)

郭 瑛， 丁 斌

(1.蕪湖職業(yè)技術(shù)學(xué)院 經(jīng)濟(jì)管理學(xué)院，安徽 蕪湖 241003；2.中國(guó)科學(xué)技術(shù)大學(xué) 管理學(xué)院，合肥 230026)

我國(guó)經(jīng)濟(jì)正處于高速發(fā)展中，與之相應(yīng)的是國(guó)內(nèi)貨物運(yùn)輸量及各類運(yùn)輸方式下貨物運(yùn)輸周轉(zhuǎn)量的急劇倍增。然而，我國(guó)物流企業(yè)始終面臨著對(duì)內(nèi)物流企業(yè)成本增長(zhǎng)較快且居高不下、對(duì)外服務(wù)費(fèi)用高昂兩大基本問題。只有采用更加科學(xué)的監(jiān)督管理方式，才能讓物流企業(yè)在激烈的競(jìng)爭(zhēng)環(huán)境中脫穎而出并得到長(zhǎng)期穩(wěn)定的發(fā)展。因而，構(gòu)建一個(gè)科學(xué)的物流評(píng)價(jià)體系并進(jìn)行相應(yīng)的績(jī)效評(píng)價(jià)分析對(duì)于物流企業(yè)制定戰(zhàn)略、調(diào)整及明確其發(fā)展方向有著重要意義。

一、文獻(xiàn)綜述

作為一種企業(yè)監(jiān)督管理的有效方法，近年來(lái)物流企業(yè)的績(jī)效評(píng)價(jià)得到了國(guó)內(nèi)學(xué)者廣泛的關(guān)注。其中，王瑛等建立了物流系統(tǒng)的綜合指標(biāo)評(píng)價(jià)體系[1]，林敏等對(duì)林產(chǎn)品的物流企業(yè)績(jī)效提出了基于層次分析法(AHP法)的績(jī)效評(píng)價(jià)體系[2]，孫曉東等則綜合AHP法和主成分分析提出了類加權(quán)主成分模型[3]，趙麗君等對(duì)綠色物流企業(yè)績(jī)效運(yùn)用AHP法和模糊綜合評(píng)價(jià)法進(jìn)行了評(píng)價(jià)[4]。AHP法基于決策者的主觀感覺并設(shè)定相應(yīng)的成對(duì)比較矩陣,因此AHP法的優(yōu)點(diǎn)在于其構(gòu)造的比較矩陣相對(duì)穩(wěn)定，而缺點(diǎn)則是該方法忽視了決策單元的具體客觀數(shù)據(jù)。

此外，數(shù)據(jù)包絡(luò)分析法(DEA法)也是諸多物流企業(yè)績(jī)效評(píng)價(jià)方法中較為有效的一種，它基于相對(duì)效率的概念并適用于多投入及多產(chǎn)出的復(fù)雜動(dòng)態(tài)系統(tǒng)。DEA可通過(guò)對(duì)評(píng)價(jià)結(jié)果的分析得出影響效率的有效或非有效因素及相關(guān)因素的改進(jìn)方向從而為物流管理提供決策層面的依據(jù)[5]。其中，陳芝等[6]、楊克磊等[7]對(duì)物流企業(yè)績(jī)效采用DEA法進(jìn)行了評(píng)價(jià)；Tongzon運(yùn)用DEA法對(duì)16個(gè)國(guó)際集裝箱港口企業(yè)進(jìn)行效率評(píng)測(cè)[8]；Ross等應(yīng)用DEA法對(duì)美國(guó)的一個(gè)大型石油配送網(wǎng)絡(luò)中的各配送中心運(yùn)營(yíng)效率進(jìn)行供應(yīng)鏈效率評(píng)價(jià)[9]；張寶友和黃祖慶采用C2R和C2GS2模型分析并研究2002-2005年間的中國(guó)物流上市公司績(jī)效[10]；楊德權(quán)等則提出了基于DEA-AHP和超效率DEA-IAHP的主客觀相結(jié)合的綜合績(jī)效評(píng)價(jià)方法[11-12]。然而，DEA法有著自身的缺陷，例如在C2R-DEA和BC2-DEA傳統(tǒng)模型中，各決策單元為達(dá)到最優(yōu)的效率評(píng)價(jià)值往往會(huì)對(duì)各投入和產(chǎn)出指標(biāo)進(jìn)行不合理地權(quán)重分配。此外，研究易忽略DEA的兩個(gè)重要使用前提[13]，即決策單元總數(shù)應(yīng)不小于投入指標(biāo)和產(chǎn)出指標(biāo)個(gè)數(shù)之和的兩倍而且投入或產(chǎn)出集內(nèi)指標(biāo)間應(yīng)避免存在強(qiáng)線性關(guān)系。

鑒于上述方法的局限性，本文提出了一種新的基于主成分分析、交叉效率DEA和熵權(quán)法的物流企業(yè)績(jī)效評(píng)價(jià)方法體系并以文獻(xiàn)[1]中的數(shù)據(jù)為例對(duì)物流企業(yè)進(jìn)行評(píng)價(jià)。如上所述，由于文獻(xiàn)[1]的綜合指標(biāo)評(píng)價(jià)體系中存在較多的二層指標(biāo)無(wú)法滿足DEA的兩個(gè)重要使用前提，本文先應(yīng)用主成分分析法將原來(lái)的多個(gè)二層指標(biāo)在保證丟失最少信息的前提下，將其綜合成為幾個(gè)較少的新二層指標(biāo)以滿足DEA的使用前提，之后運(yùn)用交叉效率DEA對(duì)各決策單元給出一層指標(biāo)的優(yōu)劣排序評(píng)價(jià),最后用熵權(quán)法確定一層指標(biāo)相對(duì)總績(jī)效的客觀權(quán)重并進(jìn)一步得出總績(jī)效的綜合評(píng)價(jià)和排序。本文提出的評(píng)價(jià)模型完全基于對(duì)客觀數(shù)據(jù)的分析，因而能最大程度避免主觀因素對(duì)評(píng)價(jià)結(jié)果的影響。

二、物流企業(yè)績(jī)效評(píng)價(jià)指標(biāo)體系的建立

對(duì)物流企業(yè)建立科學(xué)的評(píng)價(jià)體系有利于從整體上分析該物流企業(yè)的現(xiàn)狀,發(fā)現(xiàn)限制企業(yè)效率提升的瓶頸并研究其相應(yīng)的改進(jìn)方向。評(píng)價(jià)指標(biāo)的選擇和建立應(yīng)基于以下原則[14]：一是整體性原則：績(jī)效評(píng)價(jià)指標(biāo)應(yīng)不局限于對(duì)局部成本的考察和控制,而應(yīng)從整體上對(duì)物流的績(jī)效進(jìn)行評(píng)價(jià)；二是可比性原則：指標(biāo)體系應(yīng)參照國(guó)際和國(guó)內(nèi)同行業(yè)的物流管理基準(zhǔn)，不僅需考慮數(shù)據(jù)在時(shí)間上縱向的可比性，還應(yīng)考慮到與其他物流企業(yè)的兼容及橫向的可比性；三是經(jīng)濟(jì)性原則：指標(biāo)評(píng)價(jià)體系的大小和規(guī)模必須適中，體系過(guò)小會(huì)引起評(píng)價(jià)結(jié)果的不全面，體系過(guò)大則導(dǎo)致采集數(shù)據(jù)的成本上升且增加了評(píng)價(jià)過(guò)程的復(fù)雜性；四是定量與定性結(jié)合的原則：物流企業(yè)績(jī)效評(píng)價(jià)中遇到的一些難以量化的指標(biāo)，例如風(fēng)險(xiǎn)和客戶滿意度等，可以通過(guò)評(píng)定等級(jí)的劃分加以量化處理。

以文獻(xiàn)[1]中收集到的物流企業(yè)評(píng)價(jià)指標(biāo)為例，本文將其歸納為五個(gè)一層指標(biāo)，即運(yùn)輸、倉(cāng)儲(chǔ)、庫(kù)存、信息化和經(jīng)營(yíng)性，而每個(gè)一層指標(biāo)則進(jìn)一步細(xì)分為更具體的二層指標(biāo)。依據(jù)這些指標(biāo)間的影響關(guān)系及包括關(guān)系就可以建立起物流企業(yè)績(jī)效評(píng)價(jià)的多層次綜合指標(biāo)體系如下頁(yè)圖1所示。將每個(gè)待評(píng)價(jià)的物流企業(yè)作為一個(gè)決策單元(DMUi)并按照DEA模型的要求，二層指標(biāo)中數(shù)值越小越好的指標(biāo)被認(rèn)為是投入指標(biāo)(以I開頭)，而數(shù)值越大越好的指標(biāo)被認(rèn)為是產(chǎn)出指標(biāo)(以O(shè)開頭)[15]，累計(jì)共13個(gè)二層投入指標(biāo)及20個(gè)二層產(chǎn)出指標(biāo)。

圖1 物流企業(yè)績(jī)效評(píng)價(jià)指標(biāo)體系

三、基于主成分分析、交叉效率DEA和熵權(quán)法的組合評(píng)價(jià)方法的構(gòu)建

(1) 主成分分析法 主成分分析法是一種將多個(gè)相關(guān)變量轉(zhuǎn)化為少數(shù)幾個(gè)不相關(guān)變量的降維方法。物流企業(yè)的評(píng)價(jià)指標(biāo)體系是一個(gè)基于客觀性、可比性和全面性的多層次綜合體系，而每一層代表物流企業(yè)的各特征指標(biāo)所反映的信息可能會(huì)有一定程度的重疊。該方法在盡可能避免原有信息量損失的前提下消除各指標(biāo)之間的相關(guān)性,并根據(jù)累計(jì)貢獻(xiàn)率構(gòu)建出相應(yīng)的新指標(biāo)。

(2) 交叉效率DEA法 傳統(tǒng)DEA和超效率DEA中，由于決策單元可以自行選擇最優(yōu)的權(quán)重組合以最大化各自效率，導(dǎo)致評(píng)價(jià)中權(quán)系數(shù)會(huì)出現(xiàn)過(guò)于極端和不現(xiàn)實(shí)的情況，因而缺乏公平性且難以實(shí)現(xiàn)客觀的評(píng)價(jià)。針對(duì)這個(gè)缺陷，Sexton等人提出交叉效率DEA評(píng)價(jià)方法[16]并采用待決策單元的自評(píng)和他評(píng)兩種策略以評(píng)價(jià)各決策單元的相對(duì)效率，從而避免了單純依靠自評(píng)體系進(jìn)行評(píng)價(jià)的弊端[17]。此外，交叉效率DEA可以對(duì)決策單元給出優(yōu)劣排序評(píng)價(jià)，而通過(guò)交叉評(píng)價(jià)得到的交叉評(píng)價(jià)矩陣也能與熵權(quán)法契合并運(yùn)用到多層次復(fù)雜系統(tǒng)的績(jī)效評(píng)價(jià)中。

(3) 熵權(quán)法 熵在信息論中被用于度量數(shù)據(jù)體系的無(wú)序程度及有效信息量。信息熵越小代表其信息有效性越高，反之信息熵越大則代表其信息有效性越低[18]。不同于基于主觀經(jīng)驗(yàn)判斷的AHP法，熵權(quán)法是基于各指標(biāo)的變異程度先計(jì)算出熵權(quán)，再進(jìn)一步利用熵權(quán)對(duì)各指標(biāo)權(quán)重的修正以得到較為客觀的指標(biāo)權(quán)重。利用信息熵來(lái)計(jì)算權(quán)重實(shí)際上是基于各指標(biāo)信息的有效性程度，有效性越高則即權(quán)重越高，因此可以衡量不同指標(biāo)對(duì)評(píng)價(jià)結(jié)果的影響程度。

熵權(quán)法的具體步驟包括對(duì)數(shù)據(jù)進(jìn)行歸一化處理，計(jì)算得出各指標(biāo)的信息熵并通過(guò)進(jìn)一步計(jì)算得到各指標(biāo)的相應(yīng)權(quán)重，參見文獻(xiàn)[18]。

(4) 基于主成分分析、交叉效率DEA和熵權(quán)法的新績(jī)效評(píng)價(jià)模型 由上述的分析可知，交叉效率DEA不僅能避免傳統(tǒng)DEA和超效率DEA自評(píng)體系的固有缺陷，并且能對(duì)決策單元給出優(yōu)劣排序評(píng)價(jià)從而可以和熵權(quán)法結(jié)合在一起做進(jìn)一步的分析。DEA法的使用前提包括:一是所有決策單元的投入產(chǎn)出指標(biāo)必須為正數(shù)；二是決策單元總數(shù)應(yīng)不小于投入指標(biāo)和產(chǎn)出指標(biāo)個(gè)數(shù)之和的兩倍；三是從技術(shù)角度來(lái)看，應(yīng)避免投入或產(chǎn)出集內(nèi)指標(biāo)間存在強(qiáng)線性關(guān)系。因此，在使用交叉效率DEA之前應(yīng)先使用主成分分析法對(duì)二層指標(biāo)進(jìn)行降維，并在盡可能避免原有信息量損失的前提下，構(gòu)建出起主導(dǎo)作用且互不相關(guān)的新二層指標(biāo)，從而滿足交叉效率DEA的使用前提。最后，通過(guò)熵權(quán)法得到的指標(biāo)權(quán)重可以更客觀地衡量不同指標(biāo)對(duì)評(píng)價(jià)結(jié)果的影響，從而規(guī)避因?yàn)檫^(guò)分依賴人們經(jīng)驗(yàn)所帶來(lái)的主觀因素的影響。因此，將主成分分析、交叉效率DNA和熵權(quán)法有機(jī)地結(jié)合在一起能對(duì)物流企業(yè)績(jī)效進(jìn)行更準(zhǔn)確客觀的評(píng)價(jià)。

四、實(shí)例分析

首先，用IBM SPSS Statistics 25.0對(duì)運(yùn)輸、倉(cāng)儲(chǔ)、庫(kù)存、信息化和經(jīng)營(yíng)性各一層指標(biāo)下的二層投入和產(chǎn)出指標(biāo)進(jìn)行主成分提取。在應(yīng)用主成分分析法之前首先應(yīng)進(jìn)行KMO檢驗(yàn)及巴特利球體檢驗(yàn)，KMO檢驗(yàn)可以檢查不同變量之間的相關(guān)性及偏相關(guān)性，KMO值越接近于1代表變量之間的相關(guān)性越強(qiáng)且運(yùn)用主成分分析法進(jìn)行分析的效果越好，KMO值小于0.5時(shí)則不適合做主成分分析。Bartlett球形檢驗(yàn)則用于檢驗(yàn)數(shù)據(jù)的分布及變量間的獨(dú)立情況，sig值小于0.05代表數(shù)據(jù)呈球形分布。本文以“運(yùn)輸”一層指標(biāo)下面的4個(gè)二層產(chǎn)出指標(biāo)為例，即運(yùn)力利用率O1，裝載效率O2，時(shí)間利用率O3，正點(diǎn)運(yùn)輸率O4, 其KMO值為0.682，大于0.5且sig值小于0.05, 適合進(jìn)行主成分分析。根據(jù)提取主成分的條件——累計(jì)貢獻(xiàn)率大于85%和特征根大于0.5，提取前兩個(gè)主成分作為一層指標(biāo)下面的新的二層產(chǎn)出指標(biāo)如下:

nou1=0.927*O1+0.882*O2+0.930*O3+0.828*O4

(1)

nou2=0.275*O1-0.446*O2-0.320*O3+0.526*O4

(2)

由前文圖1的物流企業(yè)績(jī)效評(píng)價(jià)指標(biāo)體系可知，由于經(jīng)營(yíng)性的二層投入指標(biāo)僅為1個(gè)，因此無(wú)須進(jìn)行主成分提取。對(duì)其他二層投入和產(chǎn)出指標(biāo)進(jìn)行主成分分析可得到新二層指標(biāo)的因子得分系數(shù)矩陣，依據(jù)所有KMO值均大于0.5且所提取的新的二層主成分/指標(biāo)的累計(jì)貢獻(xiàn)率應(yīng)大于85%的要求，經(jīng)營(yíng)性的二層產(chǎn)出指標(biāo)需提取3個(gè)主成分而其他則均為兩個(gè)主成分。經(jīng)過(guò)主成分提取之后，每個(gè)一層指標(biāo)的投入和產(chǎn)出指標(biāo)之和均為4個(gè)，滿足DMU總數(shù)(即8個(gè))不小于投入屬性和產(chǎn)出屬性個(gè)數(shù)之和的兩倍的條件，因此可繼續(xù)應(yīng)用交叉效率DEA。經(jīng)主成分分析后的物流企業(yè)績(jī)效評(píng)價(jià)新的二層投入/產(chǎn)出指標(biāo)值如表1所示。

表1 經(jīng)主成分提取后的物流企業(yè)績(jī)效評(píng)價(jià)新投入/產(chǎn)出指標(biāo)及其指標(biāo)值

續(xù)表

然而需要指出的是，部分新二層指標(biāo)向量(即nin2,nou2,nin4,nou4,nin6,nou8)中的有些值為負(fù)數(shù)，因此，需要先對(duì)這些向量做正數(shù)化處理以滿足DEA計(jì)算條件。正數(shù)化處理常用的方法包括：一是冪指數(shù)的方法，即以數(shù)e(約為2.718 3)為底數(shù)而通過(guò)主成分分析法計(jì)算得到的數(shù)據(jù)作為指數(shù)[19]；二是對(duì)某一個(gè)指標(biāo)向量，用它的每個(gè)數(shù)據(jù)減去該指標(biāo)向量中的最小值[20]。然而，前者對(duì)小數(shù)點(diǎn)后位數(shù)太多且數(shù)據(jù)很相近的情況不適用，后者則會(huì)產(chǎn)生0值也不滿足DEA運(yùn)算要求。因此，本文采用了陳軍飛等提出的正數(shù)化方法[21]如下面公式所列，并得到經(jīng)過(guò)正數(shù)化處理后的最終的評(píng)價(jià)投入/產(chǎn)出指標(biāo)及其指標(biāo)值。

(3)

(4)

其中：ninxj，nouyj表示前文表1中經(jīng)過(guò)主成分分析計(jì)算得到的投入變量和產(chǎn)出變量，ninxj'，nouyj'則表示進(jìn)行正數(shù)化處理后得到的新的投入變量和產(chǎn)出變量。

其次，經(jīng)過(guò)主成分分析的二層投入和產(chǎn)出指標(biāo)，使用數(shù)學(xué)軟件Matlab2017b對(duì)8個(gè)待評(píng)價(jià)的物流企業(yè)的5個(gè)一層指標(biāo)進(jìn)行交叉效率數(shù)據(jù)包絡(luò)分析。以一層運(yùn)輸指標(biāo)為例，8個(gè)決策單元的交叉評(píng)價(jià)矩陣如下：

其中矩陣中主對(duì)角線元素是自我評(píng)估的效率值。由矩陣可以看出，自我評(píng)價(jià)值取得最大值1的DMU1、DMU2、DMU4在一層運(yùn)輸指標(biāo)上都是相對(duì)有效的，然而無(wú)法進(jìn)一步區(qū)分它們的優(yōu)劣，因此需要通過(guò)計(jì)算交叉效率值，即矩陣e的列向量平均值，以進(jìn)行優(yōu)劣排序如下：DMU4(0.869)>DMU1(0.833)>DMU3(0.636)>DMU7(0.625)>DMU2(0.621)>DMU6(0.364)>DMU5(0.340) >DMU8(0.276)。同理，對(duì)其他幾個(gè)一層指標(biāo)計(jì)算可得到所有一層指標(biāo)的交叉效率值如表2所示。

表2 決策單元一層指標(biāo)的交叉效率

再次，采用熵權(quán)法用Matlab2017b求出相應(yīng)的二層各指標(biāo)的熵權(quán)指標(biāo)權(quán)重并通過(guò)疊加得到一層指標(biāo)(運(yùn)輸、倉(cāng)儲(chǔ)、庫(kù)存、信息化和經(jīng)營(yíng)性)的熵權(quán)指標(biāo)權(quán)重，計(jì)算結(jié)果如圖2所示：

圖2 物流企業(yè)績(jī)效評(píng)價(jià)的熵權(quán)指標(biāo)權(quán)重

最后，綜合步驟三的運(yùn)輸、倉(cāng)儲(chǔ)、庫(kù)存、信息化和經(jīng)營(yíng)性的指標(biāo)權(quán)重(圖2)及步驟二得到的各一層指標(biāo)的交叉效率值(前文表2)，計(jì)算得到各企業(yè)的最終績(jī)效評(píng)價(jià)及排序?yàn)椋篋MU1(0.816)>DMU3(0.655)>DMU7(0.606)>DMU4(0.601)>DMU6(0.594)>DMU2(0.549)>DMU5(0.497)> DMU8(0.478)。

五、評(píng)價(jià)結(jié)果分析

基于文獻(xiàn)[1]的數(shù)據(jù)進(jìn)行分析的主要有DEA-AHP法[1][11]和超效率DEA-IAHP法[12]190等，然而這些分析均未考慮到DEA法的使用前提，即決策單元總數(shù)應(yīng)不小于投入指標(biāo)和產(chǎn)出指標(biāo)個(gè)數(shù)之和的兩倍以及應(yīng)避免投入或產(chǎn)出集內(nèi)指標(biāo)間存在強(qiáng)線性關(guān)系，因而得到的最終績(jī)效評(píng)價(jià)未必能客觀地體現(xiàn)各物流企業(yè)的真實(shí)績(jī)效情況。此外，通過(guò)與這些文獻(xiàn)的結(jié)果進(jìn)行對(duì)比分析可以發(fā)現(xiàn)，基于互評(píng)體系的交叉效率方法計(jì)算得出的效率值是相對(duì)公平和客觀的且低于CCR-DEA和超效率DEA計(jì)算得出的效率值，這是因?yàn)楹髢煞N方法會(huì)因?yàn)闆Q策單元自行選擇最優(yōu)的權(quán)重組合以最大化各自效率，導(dǎo)致評(píng)價(jià)中出現(xiàn)了不合理的權(quán)重從而過(guò)高估計(jì)了其效率值。另一方面，AHP法受決策者主觀影響較大，而本文提出的方法則是基于熵權(quán)法確定指標(biāo)權(quán)重，一切源自客觀數(shù)據(jù)，可以消除主觀因素的影響并避免過(guò)分依賴專家經(jīng)驗(yàn)。因此本文提出的基于主成分分析、交叉效率DEA和熵權(quán)法的新的物流企業(yè)績(jī)效評(píng)價(jià)方法應(yīng)更為客觀和合理。此外，本文的分析結(jié)果對(duì)物流企業(yè)應(yīng)如何提高其總體績(jī)效也有著一定的指導(dǎo)意義，例如在前文表2的一層指標(biāo)的交叉效率分析中，通過(guò)橫向?qū)Ρ瓤梢员容^各個(gè)決策單元的同一種一層指標(biāo)，然后追本朔源找出相對(duì)薄弱的其二層投入指標(biāo)并加以改善，而縱向?qū)Ρ葎t可立刻發(fā)現(xiàn)本決策單元中嚴(yán)重影響總績(jī)效的薄弱環(huán)節(jié)，例如DMU2的經(jīng)營(yíng)性及DMU4的信息化，作為以后改善績(jī)效的重點(diǎn)方向。

六、結(jié) 語(yǔ)

本文在研究了現(xiàn)有文獻(xiàn)對(duì)物流企業(yè)績(jī)效評(píng)價(jià)的基礎(chǔ)上，提出了一個(gè)基于主成分分析、交叉效率DEA和熵權(quán)法的新的評(píng)價(jià)方法。鑒于物流企業(yè)評(píng)價(jià)指標(biāo)的復(fù)雜性和多樣性，應(yīng)用主成分分析法可以對(duì)二層指標(biāo)進(jìn)行降維并構(gòu)建出少數(shù)幾組起主導(dǎo)作用、互不相關(guān)的主成分。經(jīng)過(guò)主成分提取之后的新的二層指標(biāo)經(jīng)過(guò)正數(shù)化之后滿足應(yīng)用DEA法進(jìn)行分析的條件，即所有決策單元的投入產(chǎn)出指標(biāo)必須為正數(shù)，決策單元總數(shù)應(yīng)不小于投入指標(biāo)和產(chǎn)出指標(biāo)個(gè)數(shù)之和的兩倍，且避免投入或產(chǎn)出集內(nèi)指標(biāo)間存在強(qiáng)線性關(guān)系。交叉效率DEA一方面可以避免CCR-DEA和超效率DEA中由于自評(píng)體系帶來(lái)的權(quán)系數(shù)極端和不現(xiàn)實(shí)導(dǎo)致對(duì)決策單元績(jī)效評(píng)價(jià)不公平的情況，另一方面能夠?qū)Ω鳑Q策單元給出優(yōu)劣排序評(píng)價(jià)從而可以和熵權(quán)法結(jié)合在一起做進(jìn)一步的分析。其次，通過(guò)熵權(quán)法得到的指標(biāo)權(quán)重可以更客觀地衡量不同指標(biāo)對(duì)評(píng)價(jià)結(jié)果的影響從而規(guī)避因?yàn)檫^(guò)分依賴人們經(jīng)驗(yàn)所帶來(lái)的主觀因素的影響。最后，筆者用文獻(xiàn)[1]的數(shù)據(jù)進(jìn)行了實(shí)例分析驗(yàn)證了本方法可行性。