第二章 多属性综合评价模式
第二章 课程评价
一、课程评价的价值主体与价值客体、评价主体与评价客体
在任何一种评价中，都必然涉及两个最基本的概念——价值主体 与价值客体课程评价也不例外。评价，是判断某一事物能否满足人的 需要的特殊的认识活动。 课程评价是对课程能否满足学生与社会发展的需要以及满足要的程度 做出判断的教育活动。
评价
价值主体 价值客体
第二代评价时期
第二代评价时期称为泰勒时期或者描述时期（1930~1945），大萧条最 重的时期，学校也因缺乏资金以及缺乏乐观精神而停滞不前．载育改革势必 行 ，于是泰勒就参与了著名的“八年研究”进步教育运动。他把课程看成是 一组从方面设计的学校经验，这些经验的设计和执行是为了帮助学生达到特 定的行为结果。泰勒将评价概括为对预定结果与实际结果进行比较，其注意 力是集中在学习结果上，而不是在有组织的和教学的输入上，这种做法既能 做到花费小，又能做到覆盖面的范围更广泛。泰勒对课程评价做出了新的界 定，即将教育或课程评界定为学生学业表现和某种特定目标间的符合程度。 所谓评价，也就是确定学习结果与教育目的之间的达成度。
教育目标对教育结果进行客观描述的过程；评价的关键是确定清晰的可操作
的行为目标；评价不等于“考试”和“测验”，尽管“考试”和“测验”可作为评 价的一部分。二代评价和第一代评价相比，评价走上了科学化的历程。
第三代评价时期
20世纪50~60年代。 斯塔佛比姆继承了克龙巴赫的观点，明确指出：“评价最重要的意图不是为了证明 ( prove)，而是为了改进(improve)”。 他对课程评价定义有三个要点： ①从评价的性质来看，评价是一种事实叙述和价值判断的过程；
因此，他对整个教育，特别是对以后25年的测验和评价产生了巨大的影响。
泰勒评价则是一种目标参照测验，要求预先设定目标，根据目标测定学生的 表现。
多属性决策的模糊理想点法
多属性决策的模糊理想点法
随着经济、社会科技的发展，多属性决策已成为研究领域的一个热门话题。
多属性决策是指需要考虑多个属性的决策问题，例如购买工厂的决策需要考虑几个因素，如价格、性能、可靠性等。
在多属性决策中，用户必须考虑所有因素，这非常困难，而且容易受到某些因素的偏见。
为此，人们提出了模糊理想点法，以帮助用户更好地作出有效的多属性决策。
模糊理想点法也称为多属性决策理论，它的基本思想是，将多个属性量化成一个数，即模糊理想点，然后找出最接近理想点的选择，这样可以使决策结果真实反映用户的期望。
模糊理想点的计算过程是从属性中收集用户的意见，然后将用户的意见量化成一组权重，最后根据这些权重将每个属性评价成一个分数，然后将这些分数叠加以计算模糊理想点，从而找到最适合用户的选择。
为了评估模糊理想点法，研究者们采用了若干个案例来测试它，包括车型选择、旅游决策等。
结果表明，模糊理想点法能够更好地表示用户的多属性决策，并可以更好地实现用户的需求。
此外，模糊理想点法有一些缺点。
首先，在模糊理想点的计算过程中，用户的意见很容易受到影响。
其次，计算权重的复杂性也影响了模糊理想点法的效率，导致计算量大。
总之，模糊理想点法是一个有效的多属性决策方法，可以帮助用户更好地做出有效的决策。
它不仅可以准确地反映用户的期望，而且
可以帮助用户排除偏见，从而作出更有效的决策。
另外，模糊理想点法的实现还存在一些问题，因此，研究者们应继续努力提高模糊理想点法的有效性和效率。
多属性决策方法研究
多属性决策方法研究多属性决策方法是一种有效的决策分析方法，常被用于解决复杂问题和多方利益冲突的决策过程。
它可以帮助决策者综合考虑多个因素和属性，并量化它们的重要性以进行决策。
多属性决策方法有很多种，其中比较常见的包括层次分析法、TOPSIS法、模糊综合评价法等。
下面将分别介绍这些方法，并比较它们的优缺点。
层次分析法（Analytic Hierarchy Process，简称AHP）是一种基于判断矩阵的多属性决策方法。
AHP将问题层次化，通过构建判断矩阵来比较不同因素和属性的重要性。
它具有结构清晰、易于理解和计算的优点，但其结果可能会受到主观因素的影响。
TOPSIS（Technique for Order of Preference by Similarity to Ideal Solution）法是一种基于距离测度的多属性决策方法。
TOPSIS法将问题转化为求解到理想解的距离，选取距离最小的方案作为最优选择。
它考虑了方案与理想解之间的距离，能够较好地反映方案之间的差异，但对数据的标准化要求较高。
模糊综合评价法是一种基于模糊数学的多属性决策方法。
它通过模糊隶属度函数来描述各个方案与评价指标之间的关系，从而进行综合评价。
由于模糊综合评价法考虑了不确定性因素，因此可以应对实际问题中存在的模糊性和不确定性，但需要确定模糊隶属度函数和权重，对决策者的主观判断要求较高。
在比较这些多属性决策方法的优缺点时，可以根据决策问题的具体特点和需求来选择合适的方法。
如果问题结构清晰且属性间关系可量化，可以选择AHP方法；如果关注方案之间的差异程度，可以选择TOPSIS方法；如果问题存在不确定性和模糊性，可以选择模糊综合评价法。
总之，多属性决策方法是一种在复杂问题和多方利益冲突的决策过程中常用的决策分析方法。
通过综合考虑多个因素和属性，量化它们的重要性，并进行决策选择，可以帮助决策者做出科学、合理的决策。
不同的多属性决策方法各有优缺点，具体选择时需结合问题需求和实际情况进行权衡。
第二章多属性决策
2.1.2决策表的规范化方法
决策表中的数据的规范化有三种作用： 第三是归一化。原属性值表中不同指标的属性值的数 值大小差别很大，如总经费即使以万元为单位，其数 量级往往在千、万间，而生均在学期间发表的论文、 专著的数量、生均获奖成果的数量级在个位或小数之 间，为了直观，更为了便于采用各种多目标评估方法 进行比较，需要把属性值表中的数值归一化，即把表 中数均变换到［0，1］区间上。
a*{aj| jarm g aejx}{ }
2.2.1 实数型MADM方法
2、属性权重完全未知时的实数型MADM方法
定义 7. 设函数 OWA : Rn R ， (a1, a2,, an ) 是一组给定的数据，若
n
WAA (a1, a2 ,, an ) jbj j 1
其中 ω (1,2 ,,m )T 是与函数 OWA 相关联的权重向量， j [0,1] ，
raging (OWG) operator)。
2.2.1 实数型MADM方法
上述算子的特点是：对数据 (a1, a2 ,, an ) ，按从大到小的顺
序重新进行排序并通过加权集结。而且元素 ai 与i 没有任何联
系。只与集结过程中的第 i 个位置有关(因此加权向量 ω 也称为
位置向量)．
2.2.1 实数型MADM方法
给属性赋予的权重应综合反映三种因素的作用。通过权 重，可以将多目标决策问题化为单目标求解。
1、 加权求和
加权和法的求解步骤 1、属性表规范化 2、确定各指标的权系数 3、根据指标的大小排出方案的优劣
2、 几何平均
几何平均法在合成候选方案的评价的时候与算 术平均类似。几何平均数是n个变量值连乘积 的n次方根，多用于计算平均比率和平均速度。 如：平均利率、平均发展速度、平均合格率等。
多属性综合评价
一般来说，在建立评价指标体系时，应遵守的原则是： 一般来说，在建立评价指标体系时，应遵守的原则是：
评价指标体系是一个系统，作为一个系统，其评价指标也应有系统性。 （1）系统性： ）系统性： 评价指标体系是一个系统，作为一个系统，其评价指标也应有系统性。 设计的指标体系中各个指标之间应具有很强的逻辑关系,而不是各种指 设计的指标体系中各个指标之间应具有很强的逻辑关系 而不是各种指 标的堆积。 标的堆积。 （ 2）科学性：指标体系的设计必须建立在科学的基础上，评价指标的选择要围绕创 ）科学性：指标体系的设计必须建立在科学的基础上， 新的本质，指标的定义、内涵要明确，计算方法要简便， 新的本质 ，指标的定义、内涵要明确，计算方法要简便，同时结合必 要的专项调查和考证、定性、定量相结合，力求全面、 要的专项调查和考证、定性、定量相结合，力求全面、客观地反映和 描述被评价对象的状况。 描述被评价对象的状况。
4．综合评价模型 ．
所谓多属性综合评价， 就是指通过一定的数学模型 或算法） （或算法） 将多个评价指标值 合 “ 所谓多属性综合评价， 成”为一个整体的综合评价值。可用于“合成”的数学方法较多。问题在于如何根据评 为一个整体的综合评价值。可用于“合成”的数学方法较多。 价目的（或准则）及被评价系统的特点来选择较为合适的合成方法。也就是说， 价目的（或准则）及被评价系统的特点来选择较为合适的合成方法。也就是说，在获得
2．评价指标 ． 各系统的运行（或发展）状况可用一个向量表示， 各系统的运行（或发展）状况可用一个向量表示，其中每一个分量都从某 一个侧面反映系统的现状，故称为系统的状态向量， 一个侧面反映系统的现状，故称为系统的状态向量，它构成了评价系统运行状 况的指标体系。 况的指标体系。 每个评价指标都是从不同的侧面刻划系统所具有某种特征大小的度量。 每个评价指标都是从不同的侧面刻划系统所具有某种特征大小的度量。评 价指标体系的建立，要视具体评价问题而定，这是毫无疑问的。 价指标体系的建立，要视具体评价问题而定，这是毫无疑问的。
多属性综合评价
2、指标的标准化（量纲的统一、指标统一） （1）线性比例变化法
在 X xij m n = xij 1 i m,1 j n yij
xj
*
x max xij 中，对正向指标 f j ，取 j 1i m
解：设购机问题中，6个决策指标的权重向量为
W (0.2,0.1,0.1,0.1,0.2,0.3)T
用线性比例变换法，将决策矩阵 X ( xij )46 标准化，标准化矩阵为：
0.80 1.00 0.72 0.88 0.56 1.00 0.74 0.67 0.95 0.86 1.00 0.95 0.82 0.69 1.00 0.90 0.71 0.43 1.00 0.71 1.00 0.56 0.78 0.56
一、决策指标的标准化
由于指标体系中指标不同的量纲，例如，产值的 单位为万元，产量的单位为万吨，投资回收期的单位 为年等，这给综合评价带来许多困难。将不同的量纲 的指标通过适当的变换，转化为无量纲的标准化指标， 称为决策指标的标准化。决策指标根据指标变化方向， 大致可以分为四类，即效益型（正向）指标、成本型 （逆向）指标、居中型和区间型。效益型指标具有越 大越优的性质，成本型指标具有越小越优的性质。居 中型指标具有越居中越优的性质，区间型指标具有越 接近区间越优的性质。
0 ，则
1 2
min 对于逆向指标，取 xj = 1 i m xij 0 ，则 xj yij ＝ 1 3 1 i m,1 j n xi j
= yij m n 称为线性比例标准化矩阵，经过线性比例变 换后，标准化指标满足 0 yij 1 ，并且正、逆向指标均化为 正向指标，最优值为1，最劣值为0。
基于改进Delphi-AHP法的多属性综合评价模型
基 于 改 进 Ｄ ｌｈ— Ｈ ｅ ｉ Ｐ法 的 多属 性 综 合 评 价 模 型 ｐ Ａ
贾继 兵 ， 中庚 ， 剑 平 ， 占芳 韩 杜 邹
《多属性效用理论》课件
03
多பைடு நூலகம்性效用理论的发展历 程
效用理论的起源和发展
效用理论的起源可以追溯到18世纪， 当时经济学家开始研究消费者行为， 提出了效用概念来描述消费者对物品 的偏好和需求。
随着经济学的发展，效用理论不断得 到完善和改进，逐渐形成了系统的理 论体系，成为经济学中研究消费者行 为的重要工具。
多属性效用理论的提出和演变
研究范围和方法
研究范围
本研究将重点探讨多属性效用理论在消费者购买决策中的应用，不涉及其他相关领域。
研究方法
采用文献综述和实证研究相结合的方法，对多属性效用理论进行深入探讨。通过对相关 文献的梳理和分析，总结多属性效用理论的研究现状和发展趋势。同时，通过实证研究 方法，对多属性效用理论在消费者行为中的应用进行实证检验，以验证该理论的适用性
出购买决策。
随着市场竞争的加剧和消费者 需求的多样化，多属性效用理 论在解释消费者行为方面具有
越来越重要的地位。
研究目的和意义
研究目的
深入探讨多属性效用理论在消费者行 为中的应用，揭示消费者如何在多个 属性之间权衡以做出购买决策。
研究意义
为市场营销和消费者行为研究提供理 论支持，帮助企业更好地理解消费者 需求，制定有效的营销策略。
研究结论
验证了多属性效用理论在消费者决策中的适用性
多属性效用理论为消费者在多个属性之间进行权衡提供了框架，实证研究结果表明该理 论在解释消费者决策方面具有有效性。
揭示了不同属性对消费者决策的影响程度
研究结果表明，价格、品牌、功能等属性在消费者决策中具有不同程度的重要性，消费 者会根据个人偏好和需求对这些属性进行权衡。
详细描述
在投资决策中，投资者通常需要考虑多个属性，如投资 回报率、风险、项目可行性等。多属性效用理论通过综 合评估这些属性的权重和价值，为投资者提供一个全面 的投资方案评估，帮助投资者权衡利弊，从而做出更优 的投资决策。
最高人民检察院关于印发《检察人员考核工作指引》的通知
最高人民检察院关于印发《检察人员考核工作指引》的通知文章属性•【制定机关】最高人民检察院•【公布日期】2021.10.14•【文号】•【施行日期】2021.10.14•【效力等级】司法指导性文件•【时效性】现行有效•【主题分类】检察机关正文关于印发《检察人员考核工作指引》的通知各省、自治区、直辖市人民检察院，新疆生产建设兵团人民检察院：深化检察人员考核工作，是深入学习贯彻习近平新时代中国特色社会主义思想和党的十九届五中全会精神，全面贯彻习近平法治思想，认真落实习近平总书记关于绩效评价和干部考核的重要指示精神，提升检察业务和队伍管理水平，推动新时代检察工作高质量发展的重要举措。
为深入推进这项工作，最高人民检察院制定了《检察人员考核工作指引》，现印发给你们，请结合实际认真贯彻执行。
各级人民检察院要进一步提高政治站位，把检察人员考核作为检察科学管理的重要抓手，以高度的政治自觉、法治自觉和检察自觉，推动新时代能动司法检察工作。
要进一步优化考核方式，落实干部考核、公务员考核各项要求，把讲政治更紧密地融入检察业务，实现对检察人员的全员、全面、全时考核。
要进一步注重考核实效，充分发挥考核“风向标”“指挥棒”作用，强化考核结果运用，区分“干与不干、干多干少、干好干差”，激发检察人员内生动力，以检察工作高质量发展服务保障经济社会高质量发展。
各地执行中遇到的重要情况和问题，请及时层报最高人民检察院。
最高人民检察院2021年10月14日检察人员考核工作指引第一章总则第一条为深入学习贯彻习近平新时代中国特色社会主义思想和党的十九届五中全会精神，全面贯彻习近平法治思想，认真落实习近平总书记关于绩效评价和干部考核的重要指示精神，提升检察业务和队伍管理水平，推动新时代检察工作高质量发展，根据《中华人民共和国公务员法》《中华人民共和国检察官法》《党政领导干部考核工作条例》《公务员考核规定》《公务员平时考核办法（试行）》等法律法规，制定本指引。
多属性决策基本理论与方法
多属性决策基本理论与方法主讲人：张云丰多属性决策基本理论与方法1. 多属性决策基本理论1.1 多属性决策思想根据决策空间的不同，经典的多准则决策（Multiple Criteria Decision Making —MCDM ）可以划分为两个重要的领域：决策空间是离散的（备选方案的个数是有限的）称为多属性决策（Multiple Attribute Decision Making —MADM ），决策空间是连续的（备选方案的个数是无限的）称为多目标决策（Multiple Objective Decision Making —MODM ）。
一般认为前者是研究已知方案的评价选择问题，后者是研究未知方案的规划设计问题。
经典的多属性决策（Multiple Attribute Decision Making —MADM ）问题可以描述为：给定一组可能的备选方案，对于每个方案，都需要从若干个属性（每个属性有不同的评价标准）去对其进行综合评价。
决策的目的就是要从这一组备选方案中找到一个使决策者感到最满意的方案，或者对这一组方案进行综合评价排序，且排序结果能够反映决策者的意图。
多属性决策是现代决策科学的一个重要组成部分，它的理论和方法广泛应用于社会、经济、管理和军事等诸多领域，如投资决策、项目评估、工厂选址、投标招标、人员考评、武器系统性能评定、经济效益综合排序等。
1.2 多属性问题描述设在一个多属性决策问题中，备选方案集合为}g ,,g ,{g m 21 =G ，考虑的评价属性集合为},,,{21n u u u U =，则初始多属性决策问题的决策矩阵为：⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡=mn x m x m x n x x x n x x x X 212221211211 其中，ij x 表示第i 个方案的第j 个属性的初始决策指标值，其值可以是确定值，也可以是模糊值，既可以是定量的也可以是定性的。
多属性决策问题主要包括三个部分：建立属性评价体系、确定属性权重及运用具体评价方法对备选方案进行综合评价。
多属性决策方法概要
, um ) 为属性集，属性权重信息完全未
知．对于方案 xi ，按属性 u j 进行测度，得到 xi 关于u j 的属性 值 aij ，从而构成决策矩阵 A (aij )nm ，如表1.1所示．
表1.1 决策矩阵A
u1
x1 x2 xn a11 a21 an1
f : Rn R ，若
f (a1 , a2 ,
1 , an ) (a1 a2 n
1 n an ) ai n j 1
则称函数 f 为算术平均算子（arithmetic averaging (AA) operator）。
定义2
设函数 WAA : R n R， (a1 , a2 ,
多属性决策方法
决策(decision making)，即抉择、决定的意思。 例1：假期旅游，是去风光绮丽的杭州，还是去迷人的北戴 河，或者是去山水甲天下的桂林。确定一个旅游目的地， 或把3个目的地进行排序即为决策。其中可供选择的旅游目
的地“杭州”，“北戴河”，“桂林”称为方案，或备选 方案。你
会根据诸如景色、费用、居住、饮食、旅途条件等一些准 则去反复比较哪三个候选地点。
, an ) 是一组给
定的数据,若
WAAw (a1 , a2 ,
其中 w (w1, w2 ,
, an ) w j a j
j 1
n
, wn )T 是数据组 (a1, a2 , , an ) 的权重
向量，wj [0,1] 1 j n
w
j 1
n
j
1
R为实数集.则称
函数WAA为加权算术平均算子 (weighted arithmetic
基于信息公理的混合型多属性产品方案评价
基于信息公理的混合型多属性产品方案评价现如今，无论是国内还是国外，客户对于产品的要求越来越高，因此市场竞争也越来越激烈，企业必须更加注重产品品质，并努力提升多属性产品的评价标准，以便更好地满足客户需求。
基于信息公理的混合型多属性产品方案评价技术提供了一种新的评价方法，可以帮助企业准确评价多属性产品，让客户对产品的满意度更高。
基于信息公理的混合型多属性产品方案评价技术主要包括客户信息和产品信息，为企业评价多属性产品提供强有力的支持。
客户信息主要包括客户期望值和决策中客户偏好；产品信息主要包括产品属性值和产品属性偏好。
因此，对于客户期望值，需要采用有效的调查工具来收集，而对于决策中客户偏好，可以通过不同的决策理论来表达；对于产品属性值，可以通过实验室检测等方式收集；而对于产品属性偏好，可以使用诸如施密特正确理论等客观评价模型来构建。
此外，为了在实践中更好地运用基于信息公理的混合型多属性产品方案评价技术，还需要建立一个系统的评价方法，结合数学模型、软件工程技术和复杂网络等技术，加以综合运用，有效地提高评价效果。
例如，采用模糊数学模型和神经网络技术，建立信息公理的混合型多属性产品方案评价方法，以求得更精确和准确的评价结果。
另外，这种评价方法还能够让多个评价指标之间彼此相关联，从而有效地发挥出客户期望和产品属性的完整性。
当前，基于信息公理的混合型多属性产品方案评价技术在多个领域发挥了重要作用，例如服务产业、电信业等等，取得了良好的社会效益和经济效益。
随着科学技术的发展，基于信息公理的混合型多属性产品方案评价技术还将在更多领域发挥重要作用，以指导企业更好地评价多属性产品，提供客户更好的服务。
综上所述，基于信息公理的混合型多属性产品方案评价技术是一种新兴的产品评价技术，旨在帮助企业准确评价多属性产品，并提高客户满意度，提升产品的评价水平。
为了让基于信息公理的混合型多属性产品方案评价技术发挥全部作用，应该把诸如数学模型、软件工程技术、复杂网络以及模糊数学模型和神经网络技术等综合起来，实现精准的评价结果。
云计算环境下实体的多属性高效率评估策略设计
云计算环境下实体的多属性高效率评估策略设计引言随着云计算技术的快速发展，越来越多的企业和机构将其业务部署到云端，将应用程序和存储数据都放在云计算环境中，实现了数据存储和计算资源的共享和利用。
然而，在云计算环境中，如何对实体的多属性进行高效率评估是一个重要的问题。
目前，云计算环境中的实体多数存在多属性和大规模等特点，传统的评估方法无法满足实际需求。
因此，本文将探讨云计算环境下实体的多属性高效率评估策略设计的相关问题。
一、实体多属性评估的相关背景实体多属性评估是指对某种资源或服务的多个属性进行综合评价的过程，其中属性包括数量、效率、安全、可靠性等多个方面。
在分布式系统和云计算环境下，实体的多属性评估在实际应用中扮演着非常重要的角色。
例如，在云计算环境中，多数企业需要将其业务部署到云端，由此产生的大量数据需要进行分析和管理，以评估云服务的可靠性和性能。
虽然传统的评估方法可以对某一个属性进行评估，但是不能同时实现对多个属性的高效评估。
因此，实体多属性评估不仅需要考虑评估对象的多属性特性，还需要考虑评估方法的可扩展性和高效性。
二、实体多属性评估的技术特点在云计算环境中，实体多属性评估存在以下特点：1. 实体属性具有多元性云计算环境中的实体通常有多项属性，例如，数据分散度、访问速度、存储规模等，针对不同的属性，需要采用不同的评估方法。
2. 实体规模巨大在云计算环境中，实体通常以大规模出现，需要通过扩展和并行化集成技术，实现高效的评估过程。
3. 实体属性特征动态性在实际应用中，云计算环境中的实体属性特征会随着业务需求和用户变化不断发生变化，需要采用动态的评估方法以满足评估的实时性和准确性。
三、实体多属性评估的设计方案为了实现云计算环境下实体多属性评估的高效率，需要根据实际需求设计合适的评估方案。
评估方案需要考虑实体的多属性特性和评估方法的高效性。
具体的评估方案主要包括以下三个方面：1. 多目标决策方法多目标决策方法可以综合考虑实体的多个属性，将不同属性进行统一化处理，从而得出实体的总体评估结果。
关于多属性综合评价指标体系理论的研究
关于多属性综合评价指标体系理论的研究定期对内部工作和人员进行评价，能够判断一定时期内工作的实际开展效果。
传统单一的评价标准，无法对工作内容或工作人员进行全面的评判，实际的评价结果并不能准确的反映出当前的工作实际情况。
采取多属性综合评价能够大幅度提升评价的准确性和全面性，为保证多属性综合评价指标体系理论可以更好的应用，本文结合体育教学工作进行实际分析。
标签：多属性综合评价理论;评价指标;评价体系;体育教学引言评价是指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的行为。
多属性综合评价指标体系是指对以多属性体系结构描述的对象系统做出全局性、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，以此保证评价的客观性。
一、多属性综合指标评价指标体系的方法及分析1、多属性综合指标评价指标体系的基本方法多属性综合评价体系，能够提升原有评价体系的规范性和准确性。
多属性综合评价是以传统评价体系为基础，对其不合理和不全面的地方进进行改革创新，最终达到提升评价效果的目的。
多属性综合评价体系拓宽原有评价体系中的评价范围，可以更全面的对工作或人员进行考核。
综合性评价中涵盖自我评价、他人评价、绩效评价等，通过自我评价可以判断出工作人员对自身的了解程度，他人评价能够更加客观展现被评人的实际情况，绩效能够准确的反映出被评人的实际工作情况，将多方评价结果进行融合，能够精准的反映出当前阶段被评人的素质。
2、多属性综合指标评价指标体系的方法分析开展多属性综合评价能够准确的反映出，有关职工当前工作情况，能够为日后工作调动起到参考作用，多适用与事业单位。
多属性综合评价涉及的评价内容比较多会造成评价工作数量激增的情况，对现有的管理团隊提出了更高的要求。
另外，综合评价体系，需要对原有的管理制度进行更改，任何新制度应用前，都需要反复的推敲，以此保证新制度具有适用性。
综合评价制度的应用还会提升评价的公平性，原有的评价制度对不同岗位进行同一标准评价，实际的评价结果有失公正性，综合评价制度会根据不同岗位制定具有针对性的评价标准，能够显著的提升公正性。
多属性模型
一、模型简介态度多属性模型由心理学家Fishbein 在1963 年提出。
Fishbein 认为,人们对客体的态度,可以用下列公式来表述:其中,Ao 的字面意思是人们对客体的整个态度。
这里的客体不仅仅指产品或者服务,还可以指企业形象或品牌形象等等。
i 的含义是,在消费者的认知中,产品或者服务具有哪些重要的物理属性或者特点。
一般而言,产品或者服务的属性很多,如作为五星级饭店,对消费者而言,应该具有的属性包括:方便的交通、合口的饭菜和热情的服务等等。
应该注意的是,这里的属性存在于消费者的认知中,而不是产品或者服务客观存在的属性。
研究表明,由于人类的工作记忆最多能够记住7 —9 个组块的信息,因此,对高度卷入的产品,要考察其7 —9 个重要属性,而对于低卷入的产品而言,要考察1—3 个重要的属性。
bi为客体———属性信念的强度。
其含义是,在消费者的认知中,产品的第i 个属性存在的可能性;也即指消费者对某特定产品或者服务的第i 个重要属性存在与否的信念强度。
ei 为属性—利益信念的强度,指消费者对这类客体中某个属性重要性的评价;简单点说,就是消费者认为,在这类产品中,第i 个属性对自己是有利益的,还是有损害的,程度怎么样。
整个态度模型表明,要考察消费者对某个品牌的态度,必须先知道,在消费者的认知中,这类产品应该具有哪些属性或者特点,即确定i 变量;再确定在消费者的认知中,这些属性对他们的重要程度如何,就是e 变量;然后再确定,在消费者的认知中,某特定品牌的产品在多大程度上具有这些重要的属性,就是b变量。
二、消费者态度测量确定变量i该态度模型要求先确定i 变量,即消费者认为这类产品或者服务中应该具有哪些特点。
这里需要注意的是,虽然在态度测量中,考察的是某特定品牌产品或服务,但是,在确定这个变量时,着眼点是这类产品或者服务应该具有多少个属性特点。
要从消费者的认知中得出该变量的具体值,应该用定性的研究方法,以便穿破消费者的心理阻抗,或防止消费者故意迎合调查者的心理。
- 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)。
第二章 多属性综合评价模式
为了全面的分析、评价n 个系统（即被评价对象）的运行状况，在已获得n 个状态向量),...,2,1(),...,,(21n i x x x x T im i i i ==的基础上，构造系统状态在某种意义下的综合评价函数：
),(i i x w f y = （2.1）
式中T m w w w w ),...,,(21=为非负归一化的参数向量（或指标权重向量）有
2.1式求出各系统的综合评价值),...,2,1)(,(n i x w f y i i ==，并根据i y 值的大小将n 个系统进行排序和分类。
所谓多指标综合评价，就是指通过一定的数学模型将多个评价指标值“合成”为一个整体性的综合评价值。
可用于“合成”的数学方法较多。
问题在于我们如何根据评价准则及被评价系统的特点来选择较为合适的合成方法。
下面就几种常用的合成方法的数学模型、应用场合、特点等作一简要概述。
2.1.1 线性加权综合法（或“加法”合成法）
所谓线性加权综合法是指应用线性模型：
∑==m
j j j x w y 1 （2.2）
线性加权综合法具有以下特性；
(1)线性加权综合法适用于各评价指标间相互独立的场合，此时各评价指标对综合评价水平的贡献彼此是没有什么影响的。
由于“合成”运算采用“和”的方式，其现实关系应是“部分之和等于总体”，若各评价指标问不独立，“和”的结果必然是信息的重复，也就难以反映客观实际。
(2)线性加权综合法可使各评价指标间得以线性地补偿。
即某些指标值的下降，可以由另一些指标值的上升来补偿，任一指标值的增加都会导致综合评价值的上升。
任一指标值的减少都可用另一些指标值的相应增量来维持综合评价水平的不变。
(3)线性加权综合法中权重系数的作用比在其他“合成”法中更明显些，且突出了指标值或指标权重较大者的作用。
(4)线性加权综合法，当权重系数预先给定时(由于各指标值之间可以线性地补偿)对区分各备选方案之间的差异不敏感。
(5)线性加权综合法对于(无量纲的)指标数据没有什么特定的要求。
(6)线性加权综合法容易计算、便于推广普及。
对于线性评价模型(2．2)式来说，观测值大的指标，对评价结果的作用是很大的，即具有很强的“互补性”，具有“一俊遮百丑”或“一见钟情”的突出特征。
如果评价者或决策者长期使用模型(2．2)式对所属的部门或被评价对象进行综合评价，将会诱导被评价对象“走捷径”、想“奇招”，设法保持综合评价指标值的不变(或不减少)，而导致系统(或被评价对象)的“畸形”发展。
2.1.1 非线性加权综合法（或“乘法”合成法）
所谓非线性加权综合法（“乘法”合成法）是指应用非线性模型： ∏==m
j w
j j x y 1
非线性加权综合法具有以下特征：
（1）非线性加权综合法适用于各指标间有较强的关联性的场合。
（2）非线性加权综合法强调的是各备选方案指标值大小的一致性。
即这种方法是突出指标值中较小者的作用。
（3）在非线性加权综合法中，指标权重系数的作用不如线性加权综合法那样明显。
（4）非线性加权综合法对指标值变动的反应比线性加权综合法更敏感。
因此，非线性加权综合法更有助于体现备选方案之间的差
异。
（5）非线性加权综合法对指标值的数据要求较高，即要求无量纲指标值均大于或等于1。
（6）与线性加权综合法相比，非线性加权综合法的计算上要复杂些。
2.2 评价指标的建立及筛选原则
在实际的综合评价活动中，并非评价指标越多越好，但也不是越少越好，关键在于评价指标在评价中所起作用的大小。
一般原则应是以尽量少的主要评价指标用于实际评价。
但在初步建立的评价指标集合中也可能存在一些次要的评价指标，这就需要按某种原则进行筛选，分清主次，合理组成评价指标集。
常用的评价方法主要有以下：（1）专家调研法
这是一种向专家发函、征求意见的调研方法。
评价者可根据评价目标机评价对象的特征，在所设计的调查表中列出一系列的评价指
标，分别征询专家对所设计的评价指标的意见，然后进行统计处理，并反馈咨询结果，经几轮咨询后，如果专家意见趋于集中，则由最后一次咨询确定出具体的评价指标体系。
（2）最小均方差法
对于n 个取定的被评价对象（或系统）n s s s ,...,,21，每个被评价对
象都可用m 个指标的观测值),...,2,1;,...,2,1(m j n i x ij ==来表示。
容易看出，如果n 个被评价对象关于某项评价指标的取值都差不多，那么尽管这个评价指标是非常重要的，但对于这n 个被评价对象的评价结果来说，它并不起什么作用。
因此，为了减少计算量就可以删除这个评价指标。
这就启动我们建立最小均方差的筛选原则如下：
2/11
2))(1(∑=--=n i j ij j x x n s ，m j ,...,2,1= 为评价指标j x 的按n 个被评价对象取值构成的样本均方差，其中：
∑=-
=n i ij x n x 11，m j ,...,2,1= 为评价指标j x 的按n 个被评价对象取值构成的样本均值。
若存在)1(00m k k ≤≤，使得
{}j m j k s s min 10≤≤= 且 00
≈k s 则可删除与0k s 相应的评价指标0
k x 。
（3）极小极大离差法
先求出各评价指标j x 的最大离差j r ，即
{}j k ij n
k i j x x r ,,1m ax -=≤≤
再求出j r 的最小值，即令：
{}j m
j r r min 10≤≤=
当0r 接近于零时，则可以删除与0r 相应的评价指标。
常用的方法还有
相关系数法等，可以参考相关教材。
2.3 评价指标的若干预处理
2.3.1 评价指标的无量纲化。