评价指标相关性的处理方法研究

评价指标相关性的处理方法研究

引言所谓综合评价是对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。目前对评价问题的研究大致可以分为两类：一类是对评价指标体系的研究；另一类是对综合评价方法的研究。前者解决个性问题，后者解决共性问题。后者是在前者研究的基础和方向上的深入研究。指标体系的建立是进行预测和评价研究的前提和基础，它是将抽象的研究对象按照其本质属性和特征的某一方面的标识分解成为具有行为化、可操作化的结构，并对指标中每一构成元素(即指标)赋予相应权重的过程，也是对客观事物认识过程的继续深化和发展。在对指标体系的研究中，指标的相关性问题被日益重视，在指标体系建立的早期，指标的设计者往往片面地追求指标体系的全面性，企图指标体系包含所有的因素，造成指标过多，指标间相互重叠，不但引起专家判断上的错觉和混乱，而且导致指标权重的减少，指标结构失真，从方向和数量两方面扭曲真实的信息，使得人们对评价的客观性和有效性提出质疑。所以处理指标相关性可以简化指标体系，又能增加评价的客观性和真实性，提高评价功效。一、研究现状1．评价方法对指标相关性的处理层次分析法：层次分析法在进行相对重要程度的对比中，将各因素看为独立的个体，它的应用前提就是指标之间较小的相关性。主要应用于效益决策、资源分配次序、冲突分析等等。主成分分析法：主成分分析法考虑到了系统内部的因素的相关性问题，将高维变量系统综合为一个低维变量系统，并且新变量系统中各个变量是不相关的，但计算结果并不能很好地消除变量间重复信息和相关信息的对综合评价值的影响，也不利于系统管理时的跟踪控制。主要适用于对评价对象进行分类。模糊综合评价法：在解决系统内部问题时，将其模糊化，通过隐含层到输出层，确定风险权数使期望值与实际值得方差最小。克服了传统数学“唯一解”的弊端，符合现代管理中“柔性管理”的思想。但隐含层是否有效剔除了冗余的情况，这种方差最小的结果是不是所有方法中比较好的，为什么隐含层会进行这种处理等一系列的问题都不能解答。不能解决评价指标间相关造成的信息重复，隶属函数、模糊相关矩阵的确定方法有待进一步研究。主要应用于对消费者偏好的识别决策中的专家系统，证券投资分析，银行项目贷款对象的识别等等。因子分析法：用R型聚类将变量分类，通过多元变量的降维来降低分析问题的复杂性。R型聚类将原始变量相关性强的归入一类，相关性小的归入不同的类。这种方法在解决问题时受到限制，相关性问题没有得到根本解决，对于一些指标相关，l生很大或需要细化指标的系统评价都不适用。熵值法：熵值法的应用主要分两类：绝对信息熵方法和相对信息熵方法，后者对不同方案的重要性进行比较，得到相对重要性测度，并可以引入评价者主观判断权值，合成一个实用权值。该方法计算结果可信度大，可排除人为因素。风险因素的干扰，自适应功能强，但会受模糊随机性的影响，没有对评价指标相关性的直接处理而转嫁到发生的概率上。适用于具有数据的样本，目前主要应用在宏观财税政策评价。2．处理指标相关性的办法随着科学的发展，不同知识领域相互交融和交叉的趋势越采越显著，管理科学的发展也是如此。一方面管理科学不断引入系统科学以及许多技术方法；另一方面，不同方法的综合和交叉也促进新方法和新思想

的产生的研究成果，以全新的视觉和方法促进管理科学取得新的突破。对指标相关性的研究也是这个趋势中的一支，归纳起来近年来对指标相关性的研究主要可分为以下几个方面：(1)修正指标权重。通过建立指标的相关矩阵，将重叠部分转化为指标影响权重，修正权重消除重复计算；(2)限制指标数量。指标数量越少重叠的可能性就越小，指标的相关性也就越小。因此在构建指标体系时在反映整体特征的前提下精选指标，减少指标总量；(3)分离重叠源。将相关的指标分别进行分解，分析各个指标的重复因素，然后把重复因素分离得到独立的指标；(4)确定相关性。用关联度法、相关系数法、夹角余弦法、Theil 不等系数法以及相关性的组合预测将指标间的相关性定量化然后进行相关处理；(5)按格兰特一施密特正交化方法是指标间互不相关。将指标按其对评价内容的重要性进行排序，重要的在前面，用施密特正交化法使他们的相关系数为零，为互不相关的指标；(6)使指标等价类的相关性最小。在指标评价相关矩阵的基础上，首先用相关系数法确定指标相关度，根据具体问题取水平值对指标集合进行等价类划分，然后利用随机向量线性相关性，对指标等价类加以优化求解，使得指标等价类之间的相关，性最小，进而得到等价类的指标综合函数。分别求得所有等价类指标的线性综合函数后，用等价类指标函数作为最终评价指标进行系统综合评价；(7)最小独立变量模糊聚类方法。该方法认为一个单项指标由若干个变量按一定的数学运算法则复合而成，若指标存在相关性，可以从其组成变量体现出来，按此数学法则可找出指标的真正元变量，但有时很困难。最小独立变量模糊聚类方法的思想是由所有单项评价指标组合成评价集，由评价集中所有的单项指标的独立变量组成因素集，然后根据评价集中几种元素的模糊隶属度进行模糊聚类分析；(8)集成价值链绩效综合评价思想(价值链集成化)。哈佛大学迈克尔·波特在《竞争优势》中引入价值链分析方法，将企业以及相关联的主体看作创造同一个价值的整体。集成价值链(integrated value chain．IVC)综合评价方法注重企业的整体绩效：一方面对顾客价值采用定性评价方法；另一方面对供应链进行全过程评价，得到综合绩效。这种方法体现了20世纪管理的发展趋势，是一种全新的思想，有广泛的研究前景。但是目前还没有比较好的定量化模型可以准确表示价值链集成化的评价思想；(9)分级指标设计方法。文献认为主成分分析法不能很好地消除变量间重叠信息的影响，当采用一些毫无意义的信息时会扭曲事实。在没有认识这一点而选取指标时会采取“多多益善”的原则。建议采用“分级指标设计方法”(如平衡记分卡法)，在指标体系中从上到下对指标间的独立性要求可适当放松，从而尽可能避免指标间信息的重复。以上几种方法是在评价过程中的不同阶段如前三种方法是在指标体系构建过程尽量减少可能产生指标相关性发生的因素，而后五种方法是在确定权重时消除指标的相关性，在运用综合评价方法时，可以有针对性地将它们结合使用。二、新的研究方向指标相关性的研究是伴随着评价方法的发展而不断完善和发展的，所以，它的研引言所谓综合评价是对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。目前对评价问题的研究大致可以分为两类：一类是对评价指标体系的研究；另一类是对综合评价方法的研究。前者解决个性问题，后者解决共性问题。后者是在前者研究的基础和方向上的深入研究。指标体系的建立是进行预测和评价研究的前提和基础，它是将抽象的研究对象按照其本质属性和特征的某一方面的标识分解成为具有行为化、可操