数学建模的评价模型范例(12篇)
时间：2024-03-09
时间：2024-03-09
关键词：因子分析神经网络人才评价电力企业
一、引言
技能人才是电力企业人才的重要组成部分，科学评价人才是促进人才成长、提升企业人力资源管理水平的关键。长久以来，技术技能人才的评价更多地局限于职称评定、职业技能鉴定和竞赛比武等，随着对评价技术认识的不断深入，传统评价手段暴露出信效度不高、程序复杂、成本高昂等不足。这些一定程度上影响了人才评价的基础性、导向性作用，也制约了人才评价在更大范围、更深层次上的发展和应用。大数据技术的出现为解决上述问题提供了一种可能性。随着互联网、云计算、移动应用等科技的发展，基于大数据的特定领域技术将成为现代大型企业的关注焦点。通过建立有效的数学分析方法，对庞大的、历史的、全面的数据进行有效分析，有望促使人才评价技术不断优化和改善。
总体来看，我国在基于大数据人才评价方面的研究还处于起步阶段。李红光等以层次分析法为基础建立数学模型对人才进行评价（李红光，杨晨，2009）；石珊提出以基本素质和工作业绩相结合，现场能力和理论知识相结合的技能人才评价方法（石珊，2013）；吕凤军针对技能人才的特点构建指标体系，利用AHP层次分析法对各指标进行了权重的确定进而计算评价等级（吕凤军，2012）；邢洁等将遗传算法与BP神经网络相结合构建评价模型取得了一定效果（邢洁，刘芳，2012）；张洪燕用熵值法对指标进行筛选然后用结构方程模型的方法对评价指标体系进行实证分析（张洪燕，2012）；陈苏超等运用模糊层次分析法对三级评价指标进行筛选，利用模糊神经网络模型对人才进行评价（陈苏超，薛华，2014）。可见，目前在建立人才评价指标体系是对相关数据的利用和挖掘比较有限，聘请相关专家对人才评价指标进行评定增加了成本；在建立评价模型时，多数研究者通过确定各指标权重得出人才评价结果，这种线性模型要求对各指标精确评分，往往只有行业内经验丰富的人力资源专家才能做到（王媛，马小燕，2006）。基于神经网络的评价模型也往往由于原始数据处理不充分或参数不合理导致结果不理想。
本研究充分考虑与技能人才评价相关的数据指标，采用因子分析法进行指标变量构建，充分利用全量数据的特性，挖掘潜在的相关指标，使指标的选择更加客观。然后经过模糊化处理与变量转换，并以L-M优化算法代替梯度下降法进行神经网络的训练，最终得出技能人才的评价结果。
二、评价指标选择
1.数据采集
作为高风险、高投入的技术密集型企业，电力企业对技术技能人才有着较高的要求。要想客观高效地构建技能人才评价指标体系，体现大数据技术在该领域应用的优势，就必须尽可能多地采集相关数据，并通过一定的技术方法找出对人才评价有潜在影响的指标。为了避免遗漏并保证数据采集的系统性，本文将技能人才评价所有相关的数据进行了分类，简要示例见表1。采集的初始数据基本涵盖了对评价结果有影响的因素，从而构建全量数据集。
2.数据预处理
为了便于计算，并符合神经网络的输入要求，这里将字符型变量变换为数值型变量，然后用S（Sigmoid）函数将变量取值映射到[0，1]区间。通过引入模糊语言变量将属性指标进行量化。若为实数域上的模糊集，其三角隶属度函数如下：
缺失值用该变量取值的中位数代替。根据现有的历史数据，每个样本数据均对应于一个评价等级。样本集基本涵盖了以往技能人才评价的全部信息，据此训练出的神经网络模型可最大限度拟合人才评价的非线性过程，从而得到接近最优的评价结果。
3.评价指标的确定
对于技能人才的评价是一项复杂的系统工程，应从多方位、多角度、多层次对其进行考核与评估（李淼淼，2011）。传统的评价体系构建往往是根据层次分析法（AHP）确定各个参与评价的指标。本研究初步建立的评价指标体系主要根据电力行业技能人才定义的内涵及外延采集全量范围的数据，提取变量后用因子分析法确定参与人才评价建模的指标或指标组合。因子分析法把初始变量表示成各个因子的线性组合，可将现有的变量变成少数几个新的变量进入后续的神经网络学习，同时保证新变量几乎带有原来所有变量的信息，从而在有效降维的同时提高了评价模型的客观性与准确度。最终确定的参与模型评价的指标将由数据集决定。
经过因子分析，将能发现原始数据中的共性因子，挖掘潜在的对人才评价有较大影响的指标，并实现有效降维，从而降低了后面神经网络的结构复杂度，一定程度上提高了模型效率与精度。
三、评价模型的建立
1.确定神经网络模型结构
神经网络模型是一种数学方法，其本质是模拟人类实际的神经网络，由大量的神经元按照某种规律连接而成的复杂网络系统（孟倩倩，2015）。技能人才评价是一种典型的非线性过程，神经网络则能有效地拟合这种过程，完成输入到输出的非线性映射。由因子分析法确定的评价指标几乎代表了与技能人才评价相关的全量数据，用S函数处理之后可作为BP神经网络的输入，神经网络的任务是经过训练后，实现对技能人才的评价。其总体结构图如图1所示。为了简化神经网络结构，防止训练时间过长或陷入局部最优并出现过拟合现象，采用多个神经网络分别训练不同类别样本的策略，并采用L-M优化算法代替梯度下降法。
四、实证分析
总体来看，某电力企业人才总量相对充足，但人才结构不够合理，高端技术技能人才相对匮乏。技能人才的结构性失衡一方面说明培养机制有待改善，另一方面，说明评价选拔方法也有待优化。近年来，某电力企业积极探索新模式，尝试新技术的应用，在技能人才评价方面开展了大量工作。根据目前技能人才评价现状，以岗位胜任力为基础，参考表1的思路采集与技能人才评价相关的全量数据。
1.数据预处理
根据第二部分提出的评价指标选择方法，首先将原始数据进行初始指标提取后用模糊化方法进行量化，然后根据公式对指标取值进行计算得到相关矩阵。本文选取了300条数据进行试验，因子分析简要结果如下：
共提取了5个公因子（主成分），其成分矩阵如表2所示。
为了更利于解释所得因子的逻辑意义，增加了因子旋转分析，并生成了旋转空间的成分图，如图2（前三个成分）：由此可看出各个初始变量在不同成分变量上的权重。这也从侧面反映了不同变量之间的逻辑关系，如：专业知识得分、素质测评平均和平均作业效率三个变量联系紧密，组成了成分2的主要权重。这种方法一方面筛选了主要变量，另一方面降低了数据维度。在本例中原始数据共27个变量，涵盖了表1中基本数据、考评数据、行为数据等三大部分。因子分析后生成5个主要变量并在每个原始变量上取不同权重值。
2.神经网络训练
因子分析在保留初始指标信息量的同时找出变量间共线性，简化输入指标数量，减小了神经网络的结构复杂性。经过上述步骤的处理，神经网络输入变量为五个，其中每个变量值为各个原始变量的加权，模型实际输出变量为对应的评价等级，由第三部分2中所述方法计算得到，模型的期望输出值对应于数据样本集中每条数据的评价等级。确定输入输出及期望值后，按上述训练过程进行迭代计算。
3.模型评估
为了直观反映模型效果，采用clementine进行仿真计算。经过反复尝试，将该神经网络最优迭代次数设置为950，经过950次的迭代后结束训练。数据评价预测准确率为89.3%，如下图，其中正确预测267例，预测错误32例，且错例中评价等级为中的被错判成差与良各6例；评价等级为良的有9例被错判为中，评价等级为优的全部预测正确。由此说明该模型对正向等级预测效果较为稳定。
下列图示是对模型的性能评估（以评价结果“中”为例）。F1为信息增益百分比（Gain）图，指的是信息不确定性的减少量。F2为功效点（Lift）图。它是将每个分位点中成功数占记录数的百分比与在训练样本中成功数所占百分比做比较。对于一个好的模型来说：Gains图将陡峭地升高到100%然后渐渐变得平缓并一直保持下去，而一个较差的模型将从较低的左端以接近斜对角线上升到右端；Lift图描述的是与不利用模型相比，模型的预测能力提升的程度。一个性能较好的模型，其曲线应该从左端高于1.0处开始，能够短暂保持在一个高度稳定的水平上，到图像右端时突然急剧地减小到1.0。性能较差的模型，整个图像中曲线将一直围绕在1.0附近。
具体到本研究中，如果以评价等级“中”为例来对模型的性能进行评估，其中下面两图横坐标均为百分位点，如20百分位，它表示在所有测量数据中，测量值的累计频次达20%。F1纵坐标为信息增益百分比（Gain）。Gain分布的20百分位表示有20%的评价样本数据小于约70%的信息增益，从曲线的整体走势来看，说明信息增益提升非常快，模型区分数据的能力比较强，分类效果明显。F2纵坐标为功效点（Lift）。Lift的走势从左端的4.0处开始，短暂的稳定在3.5左右后急剧减小到1.0。说明与不利用模型相比，本研究的模型预测能力有较大的提升。
整体来说，该机器学习模型较为可靠。相比于传统方法，该评价模型采用因子分析法构建指标体系，模型性能较高，评价结果较准确。
五、结语
本研究在简要分析传统人才评价方法不足的基础上，结合电力行业技能人才的特点与大数据技术，首次将BP神经网络模型引入电力企业的技能人才评价，介绍了一种基于数据模型的技能人才评价方法。该方法以某电力企业为背景，根据技能人才的内涵及特征广泛采集与评价有关的数据并提取指标变量，用因子分析法构建评价指标体系，在最大限度保留全量数据信息的基础上有效精简了建模指标。然后采用L-M优化算法的BP神经网络学习样本数据进而得到技能人才评价模型。解决了经典神经网络评价模型由于原始数据处理不充分或参数不合理导致结果不理想的问题，同时，也解决了传统人才评价方法对相关数据的利用和挖掘比较有限的不足，使人才评价的结果更客观，降低操作成本。当需要对技能人才进行评价的时候，评价指标数据经过处理后输入训练好的模型中即可得到评价结果。相较于传统方法，该评价模型更加准确客观，提升了人才评价工作的效率。有望为今后企业高技能人才的评价、评级提供科学有效的分析手段，具有较强的应用价值与广泛的应用前景
参考文献
[1]李光红，杨晨.高层次人才评价指标体系研究[J].科技进步与对策，2009（4）：186-189
[2]石珊.基于AHP法的重庆市高技能人才评价体系研究[J].现代经济信息，2013（2）：376-377
[3]李光红，杨晨.高层次人才评价指标体系研究[J].科技进步与对策，2009（4）：186-189
[4]吕风军.基于多层面分析的高技能人才评价指标体系构建[J].企业经济，2012（6）：56-58
[5]邢洁，刘芳.基于遗传神经网络的天津滨海新区人才竞争力评价[J].科学管理研究，2012，30（4）：97-99
[6]张洪燕.基于熵值法和SEM的高层次外贸人才评价指标体系研究[J].江苏科技大学，2012
[7]陈苏超，薛华.基于模糊神经网络的高层次创新型科技人才的评价[J].太原理工大学学报，2014，45（4）：420-424
所谓数学模型，即为采用简化与抽象方式，对各种实际问题予以数学语言的描述，实现人们对现实对象的认识与研究，数学模型是一种人们对实际问题的研究与分析。在金融业中，数学模型得到了极为广泛的应用，如期货、对股票指数的分析与研究等，可想而知，很多技术指标都和数学模型之间存在密切的关系。在经济界中，人们通过数学能更深刻的对现实问题进行定位，在金融市场中，通过数学工具可在很大程度上实现对各种风险系数的分析与评估，可见数学模型的重要性。
二、数学模型—资本资产定价模型分析
资本资产定价模型也叫CAPM模型，是Sharpe—Lintner提出的一种证券组合模式，该模型是在一系列理想的假设条件下成立的。假设市场上没有任何风险资产能够得到，当市场处于一个均匀、平衡的状态下，风险资产的市场资产组合超额收益率和每项市场风险资产的超额收益率之间具有以下关系：其中，ri为市场资产，rm为市场组合，rf不存在风险情况下的资产收益率。按照数学模型——资本资产定价模型，当资本市场处于一个均衡状态下时，通常通过β测度的系统风险对资产收益的各种因素进行确定。就非系统风险而言，在资产定价过程中不发挥任何作用，期望收益和β间表现为一种线性模式。资本资产定价模型的意义主要体现为：创建了市场风险与证券收益的内在联系，同时对证券风险的内部架构进行了很好的展示，构建了资产收益与市场资产组合间的关系，进而把证券存在的风险细化为非系统与系统风险两种不同形式的风险。
三、数学模型在商业银行管理中的应用
1.市场风硷评估
对于商业银行的市场风险评估而言，其主要在业务的交易清算阶段来完成，所谓市场风险，即为商业银行在运作过程中，由于各种原因导致市场出现波动，进而影响投资市场产生价值波动，而这种波动对商业银行很可能会造成一些损失，我们把这种市场价值的波动称作为市场风险。由于我们可能看出，构成市场风险的核心因素就是存在于市场中的一些不确定因素。所以，商业银行基于数学模型的建立，创建一个以这些不定因素为变量的数学模型，对市场波动、市场运行机制的可靠性等进行科学分析和研究，对诱发市场风险的发展规律进行系统性的分析，进而为商业银行的正常运作创造一个良好的环境，确保银行利益不受损失。就市场风险而言，其主要是对现阶段资产及今后资产价值发展方向的一个综合性概括，通过概率理论可以明显看出，由于市场风险的存在进而导致的资产价值偏差就是一个随机资产的实际效益，对市场风险造成影响的实际因素，不仅包括货币利率的变化，同时也包括货币利率的波动范围等，这些实际因素在很大程度上存在一定的不定性，正是因为这些因素的存在，在某种意义上将诱发风险出现，就部分市场参数或因素而言，其具有一定的历史发展规律，这些历史规律是通过场市场的市场观察而得。通过创建这种数学模型，在很大程度上可预测和判断市场风险。商业银行须在规定时限内对该银行内部的计量模式进行系统性的回归测试，通过一定的方式来比较、分析银行每天的实际利润与风险测量值，同时将比较后的结果进行记录。待显示测试结果后，以商业银行自身的一些评价标准来调整评价模型，进而来拓展评估模型的包含性。
2.信用风险评估
经济数学是将经济活动中的问题与数学工具、数学方法相结合，通过一定的数学模型，对客观社会中的经济问题进行解答的学科。本文从经济数学的基本内涵和模型出发，谈经济数学在物流企业绩效评价中的应用问题。
一、经济数学与经济数学模型
数学的产生和人类社会生产和经济活动有着密切的关系，人类社会生产和经济生活中不断出现的问题给了数学发展的动力，而数学思想、数学方法和数学工具的不断发展也对人类社会各领域的进步产生了重要的促进作用。数学的思想、方法和工具应用在经济领域，用数学公式、函数和符号语言，对经济领域的现象和问题进行概括和评价，就是经济数学。经济数学对经济问题的解决通常需要借助一定的数学模型，对经济活动中的各种关系，通过设定或获取数学方程、参数以及变量，并采用合适运算方法进行解答和表达。其中，模糊数学理论及相应的数学模型在解决实际生活中的一些模糊性现象有着积极意义，在企业绩效评价中得到了广泛应用。
二、经济数学在物流企业绩效评价中的应用
1.物流企业绩效评价中应用经济数学理论的优势
我国的物流企业在电子商务持续繁荣、人们购物习惯不断从线下向线上迁移的大背景下获得了良好的发展机遇，其规模和数量都呈现爆炸式增长。面对企业自身体量迅速壮大、市场潜力不断挖掘以及激烈的行业竞争，企业的管理理念和绩效评价方式也必须积极进行自我调整和优化。相比之下，将模糊数学应用在绩效评价上，可以通过图表和数学的分析，用科学精确的数学语言对企业的经营状况进行明确表达，使企业管理人员准确把握企业所处环境、业绩情况和问题所在，对企业未来的发展趋势进行科学预测。同时，应用模糊数学所建立的数学评价模型，不仅可以对自身经营情况进行准确预测，还可以对竞争对手进行相应分析，这对企业根据形势变化及时调整应对，更好地实现发展壮大有着积极的意义。
2.物流企业绩效评价体系的建立
物流企业在不同的发展时期，其经营目标、绩效评价标准以及外在影响因素较多且处在变化之中，因此绩效评价的评价指标也相应地存在着复杂的变化因素，也就是模糊性现象。应用模糊数学理论，通过确立指标构建原则、明确指标体系的机构与类别，科学选取合适的指标，建立相应的数学模型，可以较好地解决物流企业绩效评价体系中存在的模糊性问题。
在该评价体系中，首先应对涉及的指标进行筛选和确定，如U=（U1，U2，……Un），I=（1，2，……n），在此基础上确定相应的评语集，如V=（V1，V2，……Vn）。根据这些指标的模糊关系建立相对应的关系矩阵。
R=r11r12…r1nr21r22…r2n………rm1rm2…rmn
通过对矩阵进行定量计算和定性分析，从而得出相对应的绩效评价结果。在进行定量计算和定性分析的过程中，应当采取数据包络分析法，以减少误差、简化算法，并避免进行绩效评价的主体的主观因素影响。
3.物流企业绩效评价体系的优化
对物流企业而言，当前乃至今后一段时期是企业发展的黄金期和挑战期，市场状况、经营环境和经验目标的变化，必然也对绩效评价指标体系的建立和完善带来相应的挑战。因此，在实际中绩效评价体系既可以作为单一评价方法，设定较为单一的评价指标；也可以作为整个企业经营评价体系中的重要组成部分，建立综合性的评价体系。在企业发展到一定阶段之后，单一评价方法将不能全面准确反映企业发展情况，因此越来越多的企业在综合评价方面迈出了步伐。综合评价包括定性、定量两个方面，这就更加需要综合应用模糊综合分析法和层次分析法来对企业发展的全面情况进行综合绩效评价。
总之，应用经济数学理论和方法建立的企业绩效评价体系，具有客观、科学、严谨等方面的特征，在物流企业的绩效评价体系的建立和完善过程中起到了非常重要的作用。但目前我国物流企业在这一方面还缺乏深入研究和应用，所建立的绩效评价体系还存在不够严谨科学全面等问题，需要管理人员结合企业的发展情况，更深入地借鉴经济数学的理论和方法，制定出符合企业实际的绩效评价体系。
关键词：低碳经济；模糊数学；评价
随着绿色环保理念的发展，城市低碳经济开始兴起。低碳经济是指在可持续发展理念的指导下，通过技术创新、制度创新、产业转型、新能源开发等多种手段，尽可能地减少煤炭、石油等高碳能源消耗，减少温室气体排放，达到经济社会发展与生态环境保护双赢的一种经济发展形态。然而在具体实践过程中，尚未有全面而科学的评价方法来确保对城市低碳经济发展做全面而系统的评价，导致出现缺乏科学的依据进行指导低碳经济的有效发展。那么，构建系统而科学的低碳经济评价体系已成为城市低碳经济发展的迫切需要。
1.模糊数学评价在城市低碳经济发展中的应用背景
1.1模糊数学的概念
模糊数学，亦称弗晰数学或模糊性数学。1965年以后，是在模糊集合、模糊逻辑的基础上发展起来的模糊拓扑、模糊测度论等数学领域的统称，是研究现实世界中许多界限不分明甚至是很模糊的问题的数学工具。它在模式识别、人工智能等方面具有广泛的应用。
模糊数学是一门新兴学科，它已初步应用于模糊控制、模糊识别、模糊聚类分析、模糊决策、模糊评判、系统理论、信息检索等各个方面。
1.2城市低碳经济的发展及评价研究情况
（一）城市低碳经济的提出
城市低碳经济的发展是可持续发展的一个具体方面，是全世界范围内新兴的城市发展道路与理念。作为发展中的大国，中国社会经济建设在过去的发展过程中一直在走高耗能、高排放、高污染的粗放型经济发展道路，这已经与可持续发展的道路相背离，因此，在研究如何节约资源与能源，减少污染排放的背景下，提出城市低碳经济的发展目标。
（二）城市低碳经济的评价研究情况
城市作为工业发展的集中区域，汽车、人群的集散地，是重点需要大力进行低碳经济发展的部分。然而，低碳经济的发展处于初级探索阶段，很多关于经济发展指标、发展方式、发展规模、经济投入与产出等数据，未能形成科学的量化与评价体系，因此，未能科学指导低碳经济的发展。当前对城市低碳经济的评价研究手段主要有行政的、经济的、社会的、技术的等若干方面，具体评价方法都需要诸多详细数据，且数据统计加重工作量，统计结果因数据的繁多而未能形成有效的评价指标。因此，研究出科学的评价体系，是有效指导城市低碳经济发展的关键。
2.模糊数学评价方法应用于城市低碳经济的优点
模糊数学评价方法应用于城市低碳经济中，具有几大优点。
2.1相关数学理论的应用为城市低碳经济的发展提供可量化指标
模糊数学首先因其是数学，通过数学建模、数学分析、数学计算，加上信息技术作为支撑，可以提供高效便捷的数据库，花费极少的时间集中解决大量评估内容。例如，城市实施太阳能设备的布设，城区范围内多大面积、多少人口、多少设备，通过数学理论，就可简单总结出来；另外，设备所能收集的太阳能转化为多少内能、电能、热能，取决于全年范围内日照时长等因素，建立相关模型，便会得出结果。
2.2模糊性为城市低碳经济的评价指明方向
城市低碳经济现阶段本身概念是明确的，但具体实施方向是模糊的，得到的结果也是模糊不可轻易量化的，那么，采用精确数据来对其评价，对其产出和投入做出分析，在当前有限的研究水平上，显然是不现实的。那么，模糊数学的应用恰好为其解决当前难题。模糊数学的应用会为其做出一个贴近事实的评价，模糊数学并非不要求精确，而是在条件有限、数据匮乏的情况下为其提供一个相对准确的参考，以便指导低碳经济的下一步发展。
2.3模糊数学与信息技术结合，更具有技术性特点
技术性是城市低碳经济发展的评价手段之一，但是许多技术评价方式都需要精确的数据，因所需数据繁杂而导致低效，在具体实践中难以操作。相对而言，同样是采用技术手段，模糊数学就具有相对优势，因为它是模糊的、数学的、技术的结合。它将技术与数学和模糊结合在一起，起到专业的评价效果。
3.模糊数学评价在城市低碳经济中的具体应用
3.1确定模糊数学要研究的对象
通常情况下，某个城市低碳经济的评价是模糊数学的研究对象，例如，深圳市；也可以是区域内几个城市的低碳经济的情况，例如，深圳市、广州市、中山市；或者是某个城市低碳经济的某个方面、几个方面，例如，二氧化碳排放量等。这些都可以被确定为研究对象，可以从实际情况出发，根据具体需要而定。
3.2确定模糊数学的切入点
模糊数学的切入点的确定需要全面的衡量，不能偏离主题。通常我们以评价为切入点，而不是计算城市低碳经济的经济效益、如何更好地发展城市低碳经济。模糊数学需要撇开一切干扰因素，以冷静的视角专心做评价。
3.3建立起城市低碳经济的评价指标体系
城市低碳经济的评价指标体系的建立，不完全依赖于其他评价手段的方式，但也要有部分借鉴。评价指标体系的建立需要遵循以下几个原则：全面性、科学性、可操作性。全面就是要具体而详实，但不必事无巨细、面面俱到。而是涵盖几个重点部分；科学性就是要建立能为城市低碳经济的发展提供科学理论指导；可操作性就是要能实施，要能通过计算得到数据，要有数据可供计算。
3.4采用层次分析法确定指标权重
所谓层次分析法，是对定性问题进行定量分析的一种简便灵活且实用的多准则决策方法，它将复杂问题中的各种因素划分为相互联系的有序层次，使之条理化，根据对一定客观现实的主观判断结构而把专家意见和分析者的客观判断结果直接而有效地结合起来，将一层次元素两两比较的重要性进行定量描述。而后，利用数学方法计算反映每一层次元素的相对重要性的次序的权值，通过所有层次之间的总排序，计算所有元素的相对权重。
采用层次分析法来确定指标体系中各指标的权重，具有直观性和准确性，可以充分把握其权重。
3.5构建出城市低碳经济的模糊评价模型
在已经确定评价指标体系中各指标权重的基础上，构建出城市低碳经济模糊评价模型。模糊评价模型的建立需要用到集合的概念：首先要确定评价指标集，然后确定u价因素集，运用模糊数学模型进行集合的分析。该模型的构建避免了决策的主观性和经验性，使归因更加科学合理。
3.6应用相应模型对具体城市的低碳经济进行评价并检验该模型是否可行
模型构建后，便可应用到具体某个城市的低碳经济的评价中。在评价结果出来后，请检查结果是否符合一般情况，若符合，则该模型合理，结果具有可参考性，适合推广应用；若不符合，则该模型设置不可行，需要重新设计模型，将以往数据重新选定，再次进行评价，直到确定出合理的评价模型为止。
一、电子资源的绩效评价方法和评价标准
（一）电子资源的绩效评价方法
目前，电子资源的绩效评价方法主要分为定性评价法、定量评价法和综合评价法。
1.定性评价法是指根据评价标准和指标体系对电子资源进行评价的方法。其优点在于：可以对评价对象进行全面、细致和深入的分析，从多种思路、多种视角、多种观点考察电子资源的质量。其局限性在于：主观性较大，有时可操作性较差，合理性和可信性可能会引起争议，规范性、准确性和科学性有待进一步提高，时效性不强等。
2.定量评价法是指按照数量分析方法，利用网络自动搜集和整理网站信息的评估工具，从客观量化角度对网站信息资源进行优选与评价。定量评价方法提供了一个系统、客观、规范、科学的数量分析方法，与定性分析法相比，利用该方法得出的结论更为直观和精确，有着较高的可信度。它的不足之处在于：量化的标准过于简单化和表面化，往往无法对电子资源进行深层次的剖析和考察，不确定性因素较多，技术手段还不成熟等。
3.综合评价法是将定性评价法和定量评价法二者有机地结合起来的方法，这样既能发挥定性方法全面、细致、深入、成熟的优势，又具备定量方法系统、客观、规范、科学的优势，从而达到综合完整地评价网络信息资源的目的。综合评价法中最典型的方法是层次分析法（AnalyticHierarchyProcess，简称AHP）、模糊综合评价法和线性回归法。其中，层次分析法是由美国运筹学家、匹兹堡大学教授T?L?Saaty提出的，AHP的整个过程体现了思维活动中分析、判断、综合的基本特征，并将主观比较和判断用数量形式进行表达和处理，具有一定的有效性、可靠性和广泛的适用性。模糊综合评价法是建立在模糊理论基础上的一种分析方法，由于在评价的过程中需要考虑多种带有一定程度模糊性的因素的影响作用，而且模糊数学中的隶属规律可以对一大类模糊现象进行客观的数量刻画，故而可以应用以模糊集论为基础的模糊数学理论与方法对网络信息资源进行研究和评价。线性回归法是根据线性回归的概念、原理建立多元线性回归模型的方法，该方法中各个评价指标用一个给定的变量x1，x2，…，xp（p≥2）来代替，通过回归方差分析和系数检验得到评价结果。[1]
（二）电子资源的绩效评价标准
国外自上个世纪90年代中期以来非常关注数字馆藏的使用统计及服务绩效评价问题，并开展了很多这方面的研究，出台了一系列电子资源使用及服务绩效评价指标体系。其中，关于数字馆藏使用统计及其服务绩效评价的指标体系项目，包括2003版“ISO2789附录A”、欧洲图书馆协会的电子图书馆服务绩效评价项目“EQUINOX：LibraryPerformanceMeasurementandQualityManagementSystemPerformanceIndicatorforElectronicLibraryServices”、美国研究图书馆协会主持的电子资源评价项目“E-Metrics（Mea-suresforElectronicResources）”，集中代表了1998年以来国外众多关于数字馆藏使用、统计、绩效评价指标研究的成果。
在国外的大学图书馆电子资源的绩效评价研究项目中，颇具影响力的是“E-Metrics”。该项目专为应对在电子资源评价方面所遭遇的挑战而建立，包括耶鲁大学图书馆在内的24个大学图书馆和包括OCLC/FirstSearch、Elservier公司在内的11个数据库提供商共同参与了此项目。这些大学图书馆与出版商或数据商共同合作，研究电子资源的利用统计和绩效评价，重点是数据库的利用统计分析，并以此为基础再对电子资源进行系统化的评估。“E-Metrics”项目在大学图书馆电子资源绩效评价研究方面进行了有益的探索和尝试，其指标体系的制定与具体实施为我国大学图书馆的电子资源利用统计和绩效评价研究提供了宝贵的经验。[2]
由于国内电子资源的数量较少、使用时间相对较短，加之服务与成本意识较为薄弱，电子资源的利用绩效问题尚未引起足够的重视。目前对于电子资源利用绩效评价的研究才刚刚兴起，还没有成熟、科学的评价体系。不过一些数字化程度较高的图书馆和相关机构与学者已开始关注这一问题，并提出了电子资源评价指标体系。
相关论文和文献综述的查新结果表明：绝大多数国内外学者都是从定性的角度探讨指标体系的，极少有学者提到定量指标问题。但近几年，国外已有学者开始探讨定量研究电子资源绩效评价的方法，并取得了一定成效。而在国内，对于电子资源评价指标体系的研究仍然以定性研究为主，即便有定量指标也因没有确定同样的比较单位和环境造成了事实上的不可比性。例如，在比较两个数据库的登录次数时没有考虑每个数据库的数据量和目标读者群的大小；在比较数据库价格或使用成本时同样没有考虑目标读者群和实际读者群的大小。显然，相对于国外，国内在定量评价法上的研究还比较薄弱。除此之外，国内评价指标还存在评价内容单一、适用性和可操作性较差、指标的设立不具有前瞻性等问题。本文基于现有的国内外学者的研究，拟采用定性和定量分析相结合的方法，即模糊分析法，对电子资源绩效评价问题进行探讨和研究。
二、基于模糊决策理论构建电子资源综合评价体系
模糊数学自美国著名控制论专家L?A?Zadeh教授于1965年发表《FuzzySets》一文以来，作为一门新兴学科发展十分迅猛，其应用的触角涉及各个领域。而电子信息资源具有广泛的模糊性，对这类模糊性不确定现象进行数学处理的方法是力求从事物的模糊性中确定广义的排中律。这个广义的排中律就是模糊集论中的隶属规律，使我们可以对一大类不确定现象进行客观的数量刻画，并对这类现象进行计量研究。[3]
（一）建立综合评判决策的数学模型
模糊综合评判决策是对受多种因素影响的事物作出全面评价的一种十分有效的多因素决策方法。所以，模糊综合评判决策又称模糊综合决策或模糊多元决策。
设U={u1，u2，…，un}为n种因素（或指标），V={v1，v2，…，vm}为m种评判，它们的元素个数和名称均可根据实际问题需要自行规定。由于各种因素所处的地位不同、作用不同、权重不同，因而评判也就不同。因此综合评判应该是V上的一个模糊子集B={b1，b2，…，bm}∈（V）。其中bj（j=1，2，…，m）反映了第j种评判vj在综合评判中所占的地位（即vj对模糊集B的隶属度：B（vj）=bj）。综合评判B依赖于各个因素的地位权重，它应该是U上的模糊子集A=（a1，a2，…，an）∈（V）。且其中，ai表示第i种因素的权重。因此，一旦得到权重A，相应地可以得到一个综合评判B。于是，需要建立一个从U到V的模糊变换T。如果对每一个因素ui单独作一个评判f（ui），则可以看作是U到V的模糊映射f，即f：U（V），ui|f（ui）∈（V）。由f可诱导出一个U到V的模糊线形变换Tf，再把Tf看作由权重A得到的综合评判B的数学模型。
（二）模型的操作步骤
第一步：构造因素集U={u1，u2，…，un}。
第二步：构造评判集（决断集）V={v1，v2，…，vm}。
第三步：构造单因素评判矩阵R。由f：U（V），ui|f（ui）=（ri1，ri2，…，rim）∈（V），再由模糊映射f又导出模糊关系Rf∈（U×V），即Rf（ui，vj）=f（ui）（vj）=rij，因此Rf可由模糊矩阵R∈un×m表示：
R=
R称为单因素评判矩阵。由模糊关系R可诱导出U到V的模糊线形变换Tf，即（U，V，R）构成一个模糊综合决策模型，U，V，R是此模型的3个要素。
第四步：综合评判设Ai为评判集权重，将Ai=（a1，a2，…，an）取max-min合成运算，即用模型M（∧，∨）计算，则可得综合评判Bi=Ai?R。其模型转换过程如图所示：
第五步：多层次综合评判由综合评判结果得到多层次模糊关系矩阵R综，并设P为因素集权重，将P=（P1，P2，…，Pn）取max-min合成运算，即用模型M（∧，∨）计算，可得多层次综合评判B综=P?R综。
（三）确定电子资源的绩效评价指标
评价指标体系的选取合适与否，直接影响到评价结果的准确性和可靠性，科学、合理的指标体系是评价准确可靠的基础和保证。按照科学性、系统性、客观性、发展性和可操作性原则，针对电子资源自身特点和属性，初步确定为以下5个方面的评价指标。
1.内容指标包括：①覆盖范围，即本校学科的覆盖率，一般用以考评用户对学科建设与发展的需求满足程度；②信息量，即主要收录的所有类型资源的数量；③准确性，即信息描述与客观对象是否一致；④权威性，即是否有著名专家、学者支持以及一般信息与技术信息的比例；⑤更新率，即内容更新频率。
2.利用指标包括：①检索技术，即系统是否允许用户使用各种检索技巧以便更准确和快速地查找所需信息，如结果的再次检索、高级检索等；②检索功能，包括检索语言、检索策略、导航技术等；③检索结果，即考评用户能否得到使用和下载方便、内容全面的检索结果以及数据检索结果是否准确等；④操作界面，即是否便于读者使用；⑤用户服务，是指在检索功能之外系统还为用户提供了哪些服务，如帮助文件是否完整、有无用户检索历史记录等。
3.学术指标包括：①满意度，即用户总体满意度；②访问量；③下载量；④使用量，即目标读者群中使用过该数据库的人数；⑤准确度，即检索内容的查全率和查准率。
4.效用指标包括：①软硬件购置成本，包括数据库购买费用、服务器及存储设备等硬件费用、软件费用等；②单篇成本；③年涨价幅度；④读者人均服务成本，其计算方法为：读者人均服务成本=数据库软硬件购置成本/目标读者群的人数；⑤数据库平均服务成本，计算方法为：数据库平均服务成本=数据库软硬件购置成本/访问该数据库首页的总人次。[4]
5.其他指标包括传输速度、统计功能、并发用户数量控制、稳定性、售后服务。
三、模型的应用（以哈尔滨商业大学图书馆电子信息资源为例）
（一）构造因素集和评判集
以电子资源评价指标作为因素集，即U={u1，u2，…，un}={内容指标，实用指标，利用指标，效用指标，其他指标}。
由因素集中各分指标构造评判集，即V内={覆盖范围，信息量，准确性，权威性，更新率}、V实={检索技术，检索功能，检索结果，操作界面，用户服务}、V利={满意度，访问量，下载量，使用量，准确度}、V效={软硬件购置成本，单篇成本，年涨价幅度，读者人均服务成本，数据库平均服务成本}、V其={传输速度，统计功能，并发用户数量控制，稳定性，售后服务}。[5]
（二）确定哈尔滨商业大学图书馆电子信息资源综合评价因素权重
按照基于模糊数学决策理论建立的综合评价模型，首先需要确定3个权重值，即指标因素集权重值、指标评判集权重值和各分项指标权重值。哈尔滨商业大学图书馆设计了相关表格，对相关电子数据库设计专家和经常使用图书馆电子资源的用户（共100人）进行了调查，最后利用加权统计方法进行了计算，从而确定了电子资源绩效评价的指标因素集权重值、指标评判集权重值和各分项指标权重值（分别见表1和表2）。
各分项指标权重按中文数据库、外文数据库、电子图书3个大类的电子资源分别制表进行调查统计，表3只是为了说明模型的应用，仅列出中国知网（CNKI）全文数据库的各分项指标权重加权统计结果（其它略）。
（三）构造单因素评判矩阵
从表3可以得出单因素评判的模糊矩阵R。
CNKI的内容指标：
（四）综合评判
从表2得知A内=（0.200.300.200.150.15），则根据综合评判模型可得CNKI内容指标的单因素评判结果为：
同理可得CNKI的实用指标、利用指标、效用指标和其他指标单因素评判结果为：
（五）多层次综合评判
从表1得知因素集权重P=（0.200.300.200.200.10），又由以上综合评判结果，我们可以得到综合评判模糊关系矩阵R综，因此按多层次综合评判公式B综=P?R综。
可得CNKI的多层次综合评判结果为：
评价结论有优秀、良好、一般、较差4种，分别表示评价该项资源优秀、良好、一般和较差的人数占总参评人数的比例。CNKI的多层次综合评判结果表明优秀率为48.85%、良好率为26.18%、一般率为14.12%、较差率为10.85%。
同理，依据上述模型和步骤依次可以计算出我馆其它电子资源的综合评判结果（见表4）。
关键词:定量数学模型;商业银行;内部控制;评价研究
从世界各国大量的银行危机案例中可以看出,尽管其成因是多种多样的,但内部控制不力始终是造成银行危机的重要原因之一。20世纪90年代末,蔓延整个东南亚金融风潮平息后,各国的商业银行和监管机构都将加强内部控制改革和提升内部控制水平作为商业银行风险管理的重中之重,内部控制在商业银行经营管理中的重要性已得到业界的共识。为了进一步提高商业银行内部控制和风险防范的能力,促进商业银行的稳健发展,中国银行业监督管理委员会(以下简称“银监会”)于2004年12月15日颁布了《商业银行内部控制评价试行办法》(以下简称“试行办法”),对完善商业银行内部控制的健全性和有效性起到了重要的作用。但如何克服在商业银行内部控制评价中的主观随意性,体现评价的客观性和准确度,已成为摆在我们面前的现实课题。笔者认为,运用定量数学模型方法,对提高内部控制评价的客观性和准确度,不失为一种有效的手段,值得我们深入研究。
一、运用定量数学模型开展内部控制评价的必要性
(一)传统的评价方法已不能满足内部控制发展的需要。
我国商业银行内部控制评价规范和标准的研究虽然取得一定的成果,但这些研究仍仅仅停留在定性方面,内部控制的评价仍然依靠内部控制调查表、文字描述法、内部控制流程图等基于主观评价的方法。随着内部控制系统的日趋复杂,这些评价方法已暴露出很大的局限性,滞后于内部控制的发展,且其评价效果已无法令人满意。因此,运用数学方法来构建内部控制评价的数学模型,对提高评价的效率和效果,并进一步完善内部控制等方面具有重要的意义。
(二)内部控制的定量评价是提升商业银行内部控制水平的必然要求。
运用数学模型进行的内控评价是一种量化的评价方法,通过给商业银行及其分支机构的内控过程进行评价打分,运用模糊数学综合运算得出各个控制要素和总体的分值。这种量化的结果可以很直观地揭示出各商业银行总体和分支机构内部控制水平的高低,而且各分支机构的得分也可以相互比较,有利于商业银行找出内部控制的薄弱环节所在。通过动态的内部控制评价,并对薄弱环节加以整改提高,使商业银行及其分支机构不断提升“内控短板”。所以,内部控制的定量评价会在很大程度上促使商业银行内控水平的提高。
(三)有利于提高内控评价的科学性。
传统的内部控制评价方法主要依赖于专业人员的主观判断从定性方面进行的评价,缺乏一定的科学性。这种判断不仅受评价人员的知识结构、工作经验、评价能力等的影响,而且容易受周围环境的干扰,难免会出现疏漏或失误,内部控制评价的可靠性难以满足。因此,通过运用模糊数学理论从定量的视角出发,将商业银行内部控制看作是为实现内部控制目标的一系列控制点和与之相应的控制措施,进而建立数学模型进行定量评价,与传统的定性评价方法相比,定量评价方法的应用提高了评价的准确度,减少了主观判断对整体评价的影响,将定性指标予以了定量化处理,并将定性的评价结果转换为定量的结果,提高了评价的科学性。
二、内部控制评价定量数学模型的构建
模糊数学目前是研究现实中许多界限不分明问题的一种数学工具,其基本概念之一是模糊集合。利用模糊数学和模糊逻辑,能很好地处理各种模糊问题。运用数学模型开展的内部控制评价是把模糊数学的综合评价模型应用于内部控制活动中的评价。它首先建立内部控制活动的因素集,然后分配这些内部控制点的权重,对这些内部控制点分别进行评价,最后利用模糊矩阵对其进行内部控制活动的综合评价,得出评价结果。因此商业银行内部控制活动模糊数学评价模型可由因素集、评语集、权重集等若干个集合组成,利用层次分析法确定评价指标的权重,再用模糊评价方法对评价结果进行归类和综合评价。
(一)模糊数学评价模型的建立。
根据“试行办法”和“示例”中的评价指标,运用模糊数学多级综合评价方法建立内部控制综合评价模型。先对内部控制的各因素指标进行综合分类,然后将对各个指标的评价综合成对主因素的评价。
1、建立模糊综合评价因素集。
因为内部控制的评价体系涉及每个因素的指标比较多,所以需要对因素集进行划分,把X分为多个因素子集,并且必须满足:
X=X1∩X2∩...∩Xn。同时,对于任意的i≠j,i,j=1,2,...,n,均有Xi∩Xj=Φ,即这种划分要把因素集X中的诸评价指标分完,而任一个评价指标又应只在一个子因素集Xi中。接着以Xi表示第i个子因素指标集,它有Ki个评价指标,即Xi={xi1,xi2,...xin},i=1,2,...,n。这样,由于每个xi含有Ki个评判指标,于是总因素指标集X有
个评判指标。
2、进行单因素评价,建立模糊关系矩阵R。
在构造了模糊子集后,需要对评价目标从每个因素集XI上进行量化,即确定从单因素来看评价目标对各模糊子集的隶属度(R|Xi),进而得到模糊关系矩阵R。
即R==
矩阵R中第i行第j列元素rij表示某个被评事物从某个因素XI方面的表现,是通过模糊向量(R|XI)=(r11r12…r1m)来刻画的。
3、确定评价因素的权向量A与评语集V。
在模糊综合评价中,权向量A=(a1,a2…an)中的元素ai在本质上是因素XI对模糊子集{对被评事物重要的因素}的隶属度。本文使用层次分析法来确定评价指标间的相对重要性次序,从而确定权系数。并且在合成之前归一化,即=1,ai≥0,i=1,2,...,n。同时假定:
V={V1(优秀),V2(较好),V3(一般),V4(较差),V5(差)}
E={100(优秀),80(较好),60(一般),40(较差),20(差)}
4、由A与各被评事项的模糊评价向量R,生成模糊评价结果向量B。
即AR=(a1,a2...ap)=(b1,b2...bm)=B
其中bm是由A与R的第m列运算得到的,它表示被评事物从整体上看对评语集V的隶属程度。
5、计算内部控制综合评价值。
μ=B*ET,根据得出的μ值做出评价。
三、模糊数学综合评价模型在内部控制评价中的应用
商业银行在应用模糊数学综合评价模型进行内部控制评价时,确定指标权重和评语权重是取得评价效果好坏的关键。指标权重由“银监会”在“试行办法”和“示例”中对相关指标设定的分值确定,而评价矩阵中评语权重可通过专家打分法、多元统计分析法、权值因子确定法等方法设定。本文拟通过专家打分法来确定评语权重,专家打分法是指通过匿名方式征询有关专家的意见,对专家打分情况进行统计、处理、分析和归纳,客观地综合多数专家经验与主观判断,然后确定各评语权重的一种方法。
限于篇幅,下面以某商业银行国际业务内部控制过程评价为例,具体说明如何运用模糊数学综合评价模型开展商业银行内部控制评价。
(一)建立国际业务内控评价多级层次结构。
根据“银监会”在“示例”中规定的相关内容,将国际业务内部控制过程评价中五要素分为二级层次,第一层次为内部控制环境、风险识别与评估、内部控制措施、监督与纠正、信息交流与反馈等五个环节,对每个环节又作为第二层次进行细分,如内部控制环境分为内部控制政策、内部控制目标、组织结构、企业文化和人力资源等六个方面。上述分层如用字母表示,第一层次指标X={X1,X2,X3,X4,……Xn};第二层次指标Xi={Xi1,Xi2,Xi3,Xi4,……Xin},i=1,2,……,n。
(二)按构建的数学模型进行模糊综合运算。
通过对权重矩阵和评价矩阵的综合模糊运算,即B=AR,得出模糊数学综合评价矩阵B。
(三)构造向量ET,将运算结果转换成分数形式。依
根据“示例”对第一层次指标分值的设定,内部控制环境、风险识别与评估、内部控制措施、监督与纠正、信息交流与反馈五个环节的ET分别为(75,60,45,30,15)、(100,80,60,40,20)、(100,80,60,40,20)、(75,60,45,30,15)、(100,80,60,40,20),国际业务总体评价ET为(450,360,270,180,90)。
向量ET的构造基于以下假定:在内部控制环境中,如内部控制环境为优秀得75分(满分),较好得60、一般得45分,较差得30分,差得15分。在风险识别与评估中,如风险识别与评估为优秀得100分(满分),较好得80、一般得60分,较差得40分,差得20分,其他依此类推。在国际业务总体评价中,如内部控制为优秀得450分(满分)、较好得360、一般得270分,较差得180分,差得90分。
(四)模糊数学综合评价具体计算过程。
根据“银监会”在“示例”中对国际业务内部控制评价各层次指标分值设定和受邀32名专家打分结果,得出国际业务内部控制模糊数学评价的指标及评价权重情况表。详见表一。
1、内控五要素模糊数学综合评价。
根据表一中的数据,可得:
A1=(0.26670.20.26670.13330.1333)(2)
(2)式数据已作归一化处理,即A1=(20/7515/7520/7510/7510/75)
根据(1)和(2),则可得b1=X1A1==(0.24800.17740.25070.19470.0587)
同理,b2=X2A2==(0.3140.2220.230.1780.0398)
b3=X3A3==(0.270.2150.2950.160.06)
b4=X4A4==(0.23190.29330.230.1540.0907)
b5=X5A5==(0.3450.23750.1950.18250.04)
将上述b1、b、b3、b4和b5的计算结果转换成分数形式,即可得:
μ1=b1ET=(0.24800.17740.25070.19470.0587)(75,60,45,30,
15)=47.24(分)。
μ2=b2ET=(0.3140.2220.230.1780.0398)(100,80,60,40,20)=70.88(分)
μ3=b3ET=(0.270.2150.2950.160.06)(100,80,60,40,20)=69.5(分)
μ4=b4ET=(0.23190.29330.230.1540.0907)(75,60,45,30,15)=51.33(分)
μ5=b5ET=(0.3450.23750.1950.18250.04)(100,80,60,40,20)=73.3(分)
从μ1、μ2、μ3、μ4和μ5的计算结果可以看出,国际业务内部控制五个要素综合评价得分均介于较好和一般之间,其中风险识别和评估、信息交流和反馈、监督与纠正一般偏向较好,而内部控制环境、内部控制措施则偏向一般。
2、国际业务内控总体状况模糊数学综合评价。
根据以上计算结果,可得X=
而A经归一化后为(0.16670.22220.22220.16670.2222)
则有B=AX==(0.30020.22840.24000.17400.0559)
转换成分数形式,则可得μ=BET=(0.30020.22840.24000.17400.0559)(450,360,270,180,90)=318.47(分)
根据计算结果,国际业务内部控制综合评价得分为318.47(分),用模糊数学表示是一般偏向较好。
受全球性经济金融危机的影响,国际业务面临的内外环境将会更加复杂,如存在内控漏洞或风险隐患,将对商业银行造成较大的负面影响。因此进一步加强内部控制和风险管理,已成为国际业务经营管理中的头等大事。本案例中某商业银行国际业务的内部控制状况虽不算很差,但与较好和优秀相比,尚有较大差距,故根据综合评价结果,该行应认真查找原因,逐项落实整改,尤其要进一步改善内部控制环境、强化内部控制措施,从而不断提高内控水平,促进国际业务的稳健发展。
参考文献:
1、刘宗柳、陈汉文,2000:企业内部控制[M],中国财政出版社。
2、蒋泽军,2004:模糊数学教程[M],国防工业出版社。
3、车迎新、阎庆民,2006:内部控制评价办法实施指南[M],中国金融出版社。
4、潘雪琴,2001:浅谈内部控制及其评价[J],审计理论与实践(11),P10-11。
关键词：DEA；供应链；供应链绩效评价
一、供应链和供应链绩效评价
（一）概述
1.供应链定义
供应链是在大的网络系统当中把随着产品生产和流通过程当中涉及的多个节点成员，包括供应商、生产商、分销商、零售商和最终消费者，连接在一起。
关于现代供应链的定义，至今在学术界没有达成一个统一概念。本文参考国内学者马士华（2010年）在《供应链管理》一书中对供应链定义“供应链是围绕核心企业，通过对工作流、信息流、物料流、资金流的协调与控制，从采购原材料开始，支撑中间半成品以及最终产品，最后由销售网络把产品送到消费者手中的将供应商、制造商、分销商、零售商，直到最终用户连成一个整体的功能网链结构。”
2供应链绩效评价
绩效评价是指综合数量统计和运筹学等多学科分析方法，选取特定的指标体系，对照统一的评价标准，使用定量和定性相结合分析，对特定主体在一定期间内产出效益和取得的成绩，做出客观、准确的综合评价。
供应链系统中最基本是各个节点的成员，对于供应链评价对于节点企业的评价是其组成的一部分，但是又不单只是节点企业绩效，也就是说供应链绩效评价基础是企业绩效评价，供应链评价重心是对整个供应链网络，各个节企业点和节点企业与节点企业之间的运营状况等进行综合性的评价分析。基于供应链评价设计因素的复杂性，供应链绩效采用财务和非财务数据进行分析，这和传统只针对几点企业绩效偏重财务因素是不同的。供应链绩效评价包括供应链整个网络结构的各个节点和节点与节点之间的运营状况。
为适应复杂多变的商业环境，需要对供应链的目的实现程度进行有效性评价，提高决策质量。通过构建高效的供应链绩效评价体系，可以有效监控各个节点级节点之间的运营效率，监督和控制整体效率。强调供应链整体绩效优化，以时间和成本作为优化的目标。
（二）供应链评价常用模型
在供应链绩效评价众多方法当中，供应链运作参考模型（SCOR）、平衡计分卡（BSC）是供应链绩效最常用的评价模型。下面，针对这两类常用模型产生和分析特点进行简要介绍。
1.供应链运作参考模型
供应链运作参考模型（SCOR）。SCOR第一个标准供应链的参考模型，具有标准性通用性参考特点这是因为最初在国际供应链协会支持开发过程当中，参考了不同同业领域供应链的运用特点。
SCOR从开发就受到企业的广泛关注，SCOR作为供应链的诊断工具涵盖了多种行业。SCOR标准的建立促使企业间就供应链问题更好的交流，不因为标准不同而出现歧义，客观地、有效地评测供应链性能，SCOR作为一个标准影响着今后对于供应链管理软件的管理和开发。整个SCOR流程参考模型，通用性定义以便帮助企业开发流程改进的策略，包括一整套流程定义、测量指标和比较基准。
2.平衡计分卡
平衡计分卡（BSC），1990年，由哈佛大学罗伯特・卡普兰（RobertKaplan）教授和来自波士顿的顾问大卫・诺顿（DavidNorton）共同开发的。BSC是根据企业组织的战略要求而精心设计的指标体系。卡平衡计分卡开发者认为，“平衡计分卡是一种进行绩效管理的工具。”BSC主要作用过程包括以下几个阶段：一、通过将企业战略目标逐层分解；二、转化绩效考核指标体系；三、在不同时段和状况下对这些指标进行考核。通过BSC，管理者可以有效的监督企业战略目标完成情况，便于绩效监督和评价。平衡计分卡方法是基于从创新与学习、业务流程、顾客和财务四个组织角度建立分析评价指标，企业可以通过指标数据企业审视自身业绩，也可以横向的针对标杆企业进行学习。而随着平衡记分卡发展，BSC评价方法也引入到供应链绩效评价，成为对供应链评价分析的一种常用方法。
3.其他的供应链绩效评价方法
其他的几种主要的供应链绩效评价体系包括ROF体系、基于经济增加值（EVA）、标杆法、关键绩效指标（KPI）、传统的多因素评价、六个方面量化管理等方法的供应链绩效评价体系。
二、数据包络分析方法概述
（一）DEA方法简介
数据包络分析（DEA），是一门融合数学、管理科学、运筹等的交叉性、综合性学科。于1978年，由运筹学家A.Charnes，W.W.Coooper和E.Rhodes提出的一种综合评价方法。DEA的基础是数学的规划模型，把单输入、单输出的从最初的工程效率概念推广到多输入多输出的概念，尤其是推广到多输出的同类型决策单元（DMU）的有效性评价当中。根据对各DMU观察的数据判断DMU是否为DEA有效，本质是判断DMU是否位于生产可能集的“生产前沿面”。DEA方法的发展是融入多学科知识的，包括经济学背景知识，在使用DEA方法进行分析是可以依据DEA方法、模型和理论，直接利用输入和输出数据建立非参数的DEA模型，可以进行经济分析；相应的，管理信息也可以在对DEA当中DMU决策单元进行效率评价过程中取得。
DEA方法以其独特的优势自提出以来便在很多领域得到了广泛地运用和发展，已成为管理科学、决策分析和评价技术等领域的一种重要的评价分析工具。
（二）DEA模型介绍
1.第一个DEA模型R
1978年，A.Charnes，W.W.Coooper和E.Rhodes提出了评价决策单元相对有效性的DEA模型。第一个DEA模型称为R，这是三位学者的第一个英文字母命名的。初始的DEA模型R是一个分式规划。DEA的基础是数学的规划模型，把单输入、单输出的从最初的工程效率概念推广到多输入多输出的概念，强调是相对效率；由线性规划的对偶理论，可以得到一个对偶规划，该对偶规划经济含义在于它与生产可能集和相应的生产前沿面相联系。判断一个决策单元是否为DEA有效，取决于判定该决策单元（DMU）是否落在生产可能集的一个生产前沿面上。
假设有n个，DMU1，DMU2，…，每个DMU有m种输入和s种输出，的输入和输出向量分别是xj=（x1j，x2j，…，xmj）T，yj=（y1j，y2j，…，ysj）T，j=1，2，…，n。
设DMUj0的单元输入、输出为（xj0，yj0），这里简记为（x0，y0），评估DMUj0单元相对有效性的R模型为：
C2RmaxuTy0vTx0s.t.uTyivTxj1u0，v0
其中分别为v=（v1，v2，…，vm）T，u=（u1，u2，…，us）T分别是m种输入和s种输出权系数。
2.DEA模型的扩展
Charnes等提出的模型，从生产函数的角度看，具有多个输入和输出的DMU单元既满足技术有效性也满足规模有效性。在DEA理论发展过程中，伴随着DEA方法在实践中的具体应用，学者们在DEA基本模型上对DEA模型进行扩展。段永瑞在对DEA模型文献进行整理后认为，DEA模型类型可以归于以下几种类型：综合DEA模型、加法模型和log型模型、锥比率模型，具有无穷多个DMU模型、机会约束模型、动态DEA模型等。因模型差异性问题，具体模型在实际应用过程需要根据不同的特点进行选取。
三、数据包络分析方法（DEA）在供应链绩效评价中的运用
供应链绩效评价方法是以供应链作为评价对象，是供应链绩效评价的具体手段，主要过程是将各指标的评价值经过适当的技术得出综合评价值，根据评价标准得出绩效评价的结论。常用的供应链绩效评价方法有：AHP、DEA、BSC、模糊数学综合评价法、主成分分析法、层次分析法、灰色系统评价法、专家评价法和数据包络分析法等等。
运用DEA方法在供应链绩效评价的整体思路：第一，通过选取合适的指标体系；第二，建立决策单元；第三，通过模型求解，得到供应链TFP变化率、技术进步效率、资源配置效率、纯技术效率以及规模效率变化指数。通过对指数分析，从整体上评价总体、规模效益和技术、DMU在有效生产前沿面有效性。
在结合传统的供应链绩效评价方法基础上，数据包络分析方法被很多学者运用在对供应链绩效的评价当中。以下是对近几年相关学者对DEA方法在供应链绩效评价研究进行整理。
（一）选取指标
张睿（2009）从推入产出的角度建立的指标体系为投入指标为产品成本、订货提前期、信息共效率、产品合格率、生产柔性、供应链管理成本、准时交货率；产出指标是反映生产服务质量的增值生产率、交货柔性和订单完成率。
陈梅，毕晓航（2008）在对绿色供应链绩效进行评价时认为，原有的供应链评价指标体系缺少对环境因素的考虑，基于上述考虑，作者选取“总成本、能量消耗度、退货率、平均单品促销频率、废弃物比率、同比价格优势和顾客抱怨解决时间”作为输入指标；选取“总利润、生态效率和消费者对产品的绿色认同度”作为输出指标。
钟祖昌，陈功玉（2006）从流程和价值增值的视角，将供应链划分为多个单核心系统：原材料供应、生产制造和销售三个子系统。原材料供应子系统中选取采购费用、采购职工人数作为投入指标，选取原材料价值、准时交货率；生产制造过程中共选取原材料投入、生产费用和生产工人数作为投入指标，选取产品产量、产品合格率作为产出指标；在销售子系统中，选取的输入指标包括销售成本、销售人员数，产出指标选取销售量、顾客满意度和销售利润率。
王莹（2003）在对供应链绩效评价的研究中，认为，从考虑资源利用率的角度出发对供应链绩效进行评价符合当前的社会和经济发展趋势的。作者还探讨了基于SCOR模型的供应链绩效评价指标体系和运用主成分分析法对指标体系进行完善对更优的指标体系的构建。
（二）DEA模型在供应链评价中选取
DEA模型从基础模型进行演化，典型模型有十几种，不同的模型类型在对于供应链不同角度评价过程中突出不同重点。
吴婷，曾一帆（2010）选用和模型对十种供应链运作方案DMU的总体有效性和规模效益和技术有效性进行分析。
陈梅，毕晓航（2008）对绿色供应链绩效评价中选取了“有效区分决策单元的DEA方法”，这种方法的特点是虚拟决策单元的构造的引入。
钟祖昌（2006），运用是网络DEA方法，网络DEA特点在于重视系统内部过程的相互作用对企业绩效的影响，区别于传统DEA只把投入与产出之间的转化过程作为黑箱处理。
李雄英，刘南（2010）采用并联输入的合作DEA模型。
（五）DEA供应链绩效评价过程
李雄英，刘南（2010）选取30个泰国龙眼干农民合作社加工企业为分析数据样本，以并联输入的合作DEA作为分析模型，将核心企业（核心企业绩效代替供应链绩效）分解为购入、加工两个子环节，分析了自制与外购混合战略在两个子环节中的整体供应链绩效。
钟祖昌，陈功玉（2006）以制造业为研究对象，把制造业供应链系统分为原材料供应子系统，生产制造子系统和销售子系统三个子系统。构建制造过程三个子系统的输入和输出变量，子系统与子系统之间通过变量之间关系相互影响和依赖，通过对子系统内部和相互间的分析评价核心企业绩效过程，从而分析整个系统绩效过程。
四、展望
DEA模型是能对决策单元的多投入多产出技术相对效率，可以通过对投入产出的权重调整，对决策单元进行相对效率分析，一个很重要特点在于DEA模型无需知道投入产出之间的函数关系；DEA模型是自行计算权重的优势有利于权重主观的随意性；指标在使用前无需量纲化；DEA模型能对决策单元的有效性与否进行分析以及能根据分析的深入给出决策单元的改善建议。值得注意的是DEA具体模型使用的转化方法不同，结果输出会有差异，也就是对评价效果有不同的影响；
结合现代供应链系统的特点，DEA方法应用供应链绩效评价有以下优势：首先DEA方法多输入多输出复杂系统适合供应链管理动态大系统评价特点和要求；其次，DEA的不同模型适应于供应链多角度评价要求（不同的模型在输出时会有差异性）；再次，DEA方法需要考虑指标量纲问题，从而使得其避开了评价指标量纲统一问题，不需要考虑指标量纲问题。DEA通过建立投出产出模型，权重自行确定，减少人为主观性，无量纲化数据处理等特点在对于供应链动态评价中具有重要意义。综上所述，DEA方法在供应链绩效评估方面是可行的。（作者单位：广西大学商学院）
参考文献：
[1]GhalayiniAM，NonbleJS.Thechangingbasisofperformancemeasurement[J].InternationalJournalofOperationsandProductionManagement.1997.16（8）.
[2]魏权龄.数据包络分析[M].北京：科学出版社，2004.
[3]段永瑞.数据包络分析――理论和应用[M].上海科学普及出版社，2006.
[4]马占新.数据包络分析方法的研究进展[J].系统工程与电子技术，2002（3）.
[5]马士华等著.供应链管理[M].华中科技大学出版社，2010.
[6]陈梅，毕晓航.基于有效区分决策单元DEA法的绿色供应链绩效评价方法[J].资源开发与市场，2008（7）.
[7]钟祖昌，陈功玉.基于网络DEA供应链绩效评价的方法[J].物流与技术.2006（4）.
[8]吴婷，曾一帆.DEA方法在供应链绩效评价中的应用[J].物流工程与管理，2010（32）.
[9]杨锋，梁，凌六一，杜少甫.供应链前沿生产函数的DEA估计研究[J].中国管理科学，2008（16）.
关键词：GIS空间模型；土地集约利用；评价；开发区
中图分类号：
文献标识码：A
文章编号：1003-4161(2010)02-0010-04
开发区土地集约利用评价是国土资源大调查“土地资源监测调查工程”的重要组成部分。通过对开发区土地集约利用程度进行评价，能掌握开发区土地利用、用地效益、监管绩效和环境状况等情况，揭示开发区土地利用优势及存在的问题，进一步为开发区土地管理、土地利用、用地挖潜和用地规划提供科学依据，从而实现开发区土地资源参与宏观调控，并促进其土地利用方式根本转变。目前国内多数学者应用基于非信息技术条件下的多因素综合评定法对我国开发区土地集约利用评价的技术方法进行了大量的研究工作，并取得了许多有实践意义的研究成果，在开发区土地集约利用评价中发挥了重要作用。在对城市土地集约利用程度进行评价时，部分学者引进了GIS技术，并取得了较好的效果，但由于开发区土地利用规模和土地利用特点，以GIS为技术手段进行开发区土地集约利用评价的研究还处于研究阶段。为克服传统技术方法在开发区土地集约利用评价中耗时长，主观性强，微观性差和评价成果不易更新等问题，笔者把特定评价对象所采用的土地集约利用评价方法与GIS技术相结合，通过应用构建的GIS空间模型，实现了对开发区土地集约利用程度进行评价。实践证明利用GIS空间模型对开发区土地集约利用程度进行评价切实可行，且评价结果具有微观性、客观性和准确性等特点。
一、GIS空间模型构建思路
GIS空间模型构建是为了实现特定的工作目标，把GIS内嵌单过程模型连接成多过程复杂模型的过程。采用多因素综合评价法对开发区土地集约利用程度进行评价，是开发区土地集约利用评价较为成熟的评价方法，已经广泛应用于实践。据此，在开发区土地集约利用评价的GIS空间模型构建时，其主要思路为：(1)利用多因素综合评价法作为模型构建的理论基础，模型运行过程和运算结果应体现多因素综合评价法的技术特点；(2)GIS空间模型应体现多目标评价特点，且层次清晰，易识别；(3)模型属性数据以矢量数据格式进行输入，模型数据运算基于栅格数据方式进行；(4)空间模型在进行要素图层加载后，通过输入评价目标和评价指标权重、划分评价目标和评价指标评价等级后能自动实现定量评价结果。根据上述GIS空间模型构建的思路，结合GIS空间分析模型建模方法构建多过程图解模型，并应用于评价实践。
二、GIS空间模型构建方法
(一)评价目标确定
评价目标是评价项目首先要解决的基本问题，只有确定了评价项目的评价目标，才能确定评价的原则、评价程序、评价技术方法等。开发区土地集约利用评价是多目标下的综合评价，为使开发区土地集约利用评价结果符合开发区的实际情况，确定合理的评价目标至关重要。为此，国内学者对开发区土地集约利用评价目标进行了深入、广泛的研究，但归纳起来，主要考虑了土地投入产出状况、土地利用状况、环境状况和管理绩效等评价目标。基于上述开发区土地集约利用评价目标以及不同评价目标对应的评价指标，在GIS空间模型构建时，就可以确定单过程模型数据输入理和输出和多过程模型的组合方式以及空间模型数据分析、处理的过程等。
(二)评价要素图层分离
评价要素图层是GIS空间模型数据分析、处理的基本图层，其包含图形数据、属性数据以及相关评价要素的设定等。在GIS空间模型构建时，应根据开发区土地集约利用评价多目标评价指标体系，以评价指标为基础分离出评价要素图层，并分别建立评价要素图层中的评价单元属性数据。评价要素图层分离后，按照评价指标对应的评价子目标和评价子目标对应的评价目标所构成的多目标评价指标体系，构建GIS空间模型的图解框架，为模型功能实现奠定基础。
(三)数据分析模式确定
模型数据分析模式是模型内部数据在流动过程中采取的处理方式。在评价目标及评价要素图层确定后，采用何种数据分析模式实现评价目标，是GIS空间模型构建的关键步骤之一。根据开发区土地集约利用评价方法以及GIS空间模型数据分析的要求，基于栅格数据多图层叠加是GIS空间模型数据分析模式，即先把多要素图层矢量数据转换成栅格数据，然后根据多目标评价指标体系进行子目标到目标的多次图层叠加处理的数据分析模式。至于评价要素图层单元内评价指标数据值，可以预先在属性数据表中进行处理，而GIS空间模型只对评价要素图层单元内处理完善的数据做叠加分析，并输出最终评价结果。
(四)过程模型连接
过程模型连接包括单过程模型连接和多过程模型连接。单过程模型连接标示模型中数据输入、处理和输出时的流动方向，多过程模型连接是把单过程模型进行组合，并标示单过程模型间数据的流动方向。在过程模型连接时，应根据开发区土地集约利用多目标评价指标体系，首先把评价要素图层连接成子目标多过程模型，然后把子目标多过程模型连接成评价目标多过程模型，并最终构建成评价目标层次分明、数据能处理的完整的开发区土地集约利用评价GIS空间模型。
三、GIS空间模型实现方法
(一)评价单元划分
评价单元是开发区土地集约利用评价的基本单位。在对开发区土地集约利用进行评价时，多数学者采用的评价方法是把开发区作为整体进行评价，但也有学者从不同行业选取评价单元，在对单元进行逐一评价的基础上进行综合评价。为从更微观的角度揭示开发区土地集约利用，把评价对象划分为若干个单元进行评价，是开发区土地集约利用评价的主要研究方向之一。考虑到开发区土地利用的实际情况以及宗地权属界线的完整性，对于宗地，则用权属界线作为单元边界线(特殊情况下延伸到道路红线外)，对于非宗地(含道路)，则用工作界线作为单元边界线。
(二)评价要素图层单元评价值计算
评价要素图层是指单指标评价图层。对于单指标评价图层中的单元土地集约利用评价，可以在评价单元指标现状值和标准值均确定了的基础上，在评价要素图层属性数据表中采用公式Smi=Xi／Ti×100(Si：i评价单元评价值；Xi：i评价单元指标现状值；Ti：i评价单元指标标准值)计算出单元评价值。对于正向
指标，若Xi>，Ti，则取值100；对于负向指标，如果没有规定的标准指标值，若Xi
(三)评价目标及指标权重输入
开发区土地集约利用评价的GIS空间模型是严格按照多目标评价指标体系构建的多次图层叠加运算的空间模型，模型数据处理过程是依次从评价指标到评价子目标和评价目标。因此，在模型运行之前必须输入相应评价子目标下的评价指标权重值和相应评价目标下的评价子目标权重值，以及评价目标权重值。在对GIS空间模型输入评价指标、评价子目标和评价目标权重值时，必须遵循评价指标、子目标、指标的权重值在0～1之间，各目标权重值之和、同一目标下的各子目标权重值之和、同一子目标下的各指标权重值之和都应为l。
(四)评价标度及标度值设定
GIS空间模型评价标度设定包括评价要素图层叠加处理后的子目标评价标度设定和评价子目标图层叠加处理后的评价目标评价标度设定以及评价目标图层叠加处理后的总评价目标评价标度设定。评价标识以评价单元最小值为上限和以评价单元最大值为下限进行设定。评价标度值应按叠加表中的输入字段值进行一致性设定，不能随意改变标度值设定，否则将主观改变单元评价值，从而导致评价结果不真实。
四、实践研究
(一)评价对象概况
南昌经济技术开发区(以下简称“南昌经开区”)于1992年6月经江西省委、省政府批准设立，2000年4月经国务院批准为部级经济技术开发区，批准面规划面积为980公顷。南昌经开区辖区面积118平方公里，辖区人口18万，地处有中国十大经济带之一的“昌九工业走廊”南端的起点是江西省和南昌市重点开发建设的外向型经济区域。南昌经开区位于南昌市昌北新城区的北缘，与老市区仅一江之隔，有新八一大桥、英雄大桥、南昌大桥、赣江大桥与之相连。
(二)评价数据采集
1图形数据采集
为了获取评价对象图形数据，采用2008年5月20日拍摄的QUICKBIRD遥感影像数据作为图形数据源。由于遥感影像清晰，分辨率高，且数据现势性强，能较好地反映出评价时点土地利用现状，故无需对遥感影像数据进行野外补测。因此，在MAPGIS6.7系统中仅需对遥感影像格式进行处理后，通过目视解译方法，采用±0.02米精度直接对影像进行矢量化处理。把经过反复检查后的矢量数据与评价对象已有的宗地权属界线图形数据及利用GPS采集的权属界线数据进行叠合后，形成了南昌经开区土地集约利用评价图形数据。
2属性数据采集
南昌经开区土地集约利用评价单元属性数据包括土地利用单元属性数据、非土地利用单元属性数据和混合性单元属性数据。对于有关土地利用单元属性数据，通过建立属性数据库进行地类统计后得到；对于非土地利用单元属性数据，则采用资料收集和实地调查方式获得；对于混合性单元属性数据，则结合已经获取的土地利用单元属性数据和非土地利用单元属性数据，通过统计、计算的方式获得。
(三)多目标评价指标体系及权重确定
根据GIS空间模型的评价目标，结合《开发区土地集约利用评价技术规程》(试行)对开发区土地集约利用评价指标体系建立的要求，建立南昌经开区土地集约利用多目标评价指标体系，并采用特尔菲法确定多目标评价指标体系中评价指标、评价子目标和评价目标的权重值(见表1)。
(四)空间模型构建
根据开发区土地集约利用评价方法和南昌经开区多目标评价指标体系以及基于GIS空间分析模型建模方法，构建南昌经开区土地集约利用评价GIS空间模型(见图1)。
(五)评价对象单元划分及评价指标标准值确定
1评价对象单元划分
依据GIS空间模型实现过程中评价单元划分方法，把评价对象共划分为120评价单元，其中工矿仓储用地74个单元，其他公共管理与公共服务用地22个单元，商服用地3个单元，住宅用地5个单元，已建成农村建设用地7个单元，已达到供地条件未供应土地4个单元，不可建设土地5个单元。
2评价指标标准值确定
评价指标标准值是衡量土地集约利用程度高低或土地集约利用潜力规模大小的重要尺度。单元评价值是评价单元指标现状值与评价指标标准值进行对比计算的结果，因此，相对准确地确定评价指标标准值是开发区土地集约利用评价或潜力规模测算的重要步骤之一。评价对象评价指标标准值是结合当地社会经济发展水平和评价指标现状值，采用目标值法、发展趋势估计法、先进经验逼近法和专家咨询法中一种或多种确定的(见表2)。
(六)评价结果及分析
1评价结果
利用构建的GIS空间模型，载入评价要素图层，输入评价目标及评价指标权重值，设置其他有关要素后，运行模型就可以自动生成南昌经开区土地集约利用评价结果(见图2)。
2评价结果分析
根据南昌经开区土地利用实际情况，遵循“等级内部差异相对一致，等级内部差异小于等级之间差异”的原则，把南昌经开发区土地集约利用程度划分为五个等级，即“高等集约利用一较高等集约利用一中等集约利用一较低等集约利用一低等集约利用”。从评价结果的数量上分析，其中高等集约利用土地面积占评价总面积的26.14％，较高等集约利用土地占59.13％，中等集约利用土地占3.60％，较低等集约利用土地占7.94％，低等集约利用土地占3.19％。从评价结果的空间分部上分析，高等集约利用土地主要分布在高新技术产业用地区及部分工业用地布局较为密集区，较高等集约利用土地主要分布在公共管理与公共服务用地区域和少量的一般产业用地区，中等集约利用土地主要分布在少量的公共管理与公共服务区和土地利用率不高的区域，较低等集约利用土地主要分布在农村建设用地区和面积较大的绿地区，低等集约利用土地主要分布在已经开发尚未供应的土地区域和其他不建设用地区。
关键词：ACSI测评模型；烟叶种植户；顾客满意度
作者简介：黄东兵（1962-），男，贵州财经大学教授，研究方向：技术经济与管理。
中图分类号：TS4文献标识码：Adoi：10.3969/j.issn.1672-3309（x）.2013.02.37文章编号：1672-3309（2013）02-90-04
一、引言
烟叶的生产是现代烟草农业发展的核心，被整个烟草行业誉为“第一车间”，是整个行业的基础；作为烟叶生产主体的烟农，是烟草行业第一车间的生产工人，是烟叶生产价值链上不可或缺的重要环节，更是烟叶发展的基石[1]。然而，近些年来，烟草的种植面临的环境发生了较大的变化，如外出打工造成的劳动力减少导致的劳动力成本的提高、烟叶物资成本不断上升、种烟比较效益持续下降、由种烟的性质决定的费工费时等等，在这些问题面前，我们应该如何稳定烟农种烟的积极性，保障烟农的利益，提高烟农对烟草商业企业提供的服务工作的满意度，已经成为了烟草商业企业乃至整个行业亟待解决的问题；烟农只有在对种烟相关的政策、烟草公司提供的各项服务、种烟的收益以及种烟的比较效益等方面基本上或总体上感到满意时，才能树立种烟致富的信心，奠定整个烟草行业稳定可持续发展的基础。
然而，如何测评烟农的满意度进而采取相应措施提高烟农对烟草商业企业的满意度呢？本文经过大量的调查与统计，发现国内多数烟草商业企业都是沿用传统的调查方式测出烟农的满意度，即根据工作经验总结满意度指标，进而设计问卷实施调查，之后运用李克特量表对问卷答案进行赋值，然后对问卷进行分析整理，找出存在的问题，并提出相应解决方案以提高烟农满意度[2]。从上述的过程可以看出整个满意度测评过程存在三个问题：其一，也是最大的不足就是指标确定的主观性较强，没有依据一套科学的方法设计测评指标体系；其二，没有满意度测量模型，因而无法得出较为真实的客观的满意度数据；其三，问卷的分析结果没有模型进行整合且指标的权重确定具有随意性。因此，企业若以上述的方法测出的满意度及其中存在的问题为依据，做出相应决策，将会导致企业提出不准确乃至错误的烟农满意度改善措施。鉴于上述情形，本文以美国顾客满意度指数模型ACSI为指导，并根据我国烟草商业企业的实际情况，建立一套完整有效的满意度测评指标体系；运用科学合理的方法确定指标权重且借助模糊综合评价法对烟草商业企业满意度进行测评；最后以某企业为例进行了实证研究。
二、基于ACSI模型的评价指标体系的建立
（一）顾客满意度指数研究
一般而言，顾客满意度是顾客在使用某种产品或享受某项服务以后，形成的满意或不满意的态度，具有两种不同的概念，即某种特定交易的顾客满意度和累积的顾客满意度[3]。对于一般企业而言，因其经营业务具有持续性与长期性，而累积的顾客满意度表示的是顾客对不同时间段的产品与服务的总体购买和消费情况的评价，故对企业的顾客满意度评价应采用累积的顾客满意度[4]。作为顾客满意度的定量描述，顾客满意度指数是指根据顾客对企业产品和服务质量的评价，通过建立模型计算而获得的一个指数，是一个测量顾客满意程度的经济指标。
1989年，瑞典构建了第一个顾客满意度指数模型即，瑞典顾客满意度晴雨表（SCSB）模型，SCSB模型包括顾客期望、感知绩效（价值感知）、顾客满意、顾客抱怨、顾客忠诚5个结构变量。1994年，美国开始构建美国顾客满意度指数（ACSI）模型，ACSI模型是在SCSB的基础上发展而来的，包括顾客期望、质量感知、价值感知、顾客满意、顾客抱怨、顾客忠诚6个结构变量，并对结构变量分别设置对应的多个观测变量进行测量，ACSI模型是现今被许多国家和地区采用或借鉴的顾客满意度指数模型。随后德国、欧盟、韩国、新加坡等都相继建立了顾客满意度指数并运行。1999年，清华大学中国企业研究中心构建了新的典型的顾客满意度指数模型（ChinaCustomerSatisfactionIndex），该模型包括品牌形象、预期质量、质量感知、价值感知、顾客满意、顾客抱怨与顾客忠诚7个主要指标。继而广泛的应用于我国政府及各行业的满意度测评。
烟草行业作为第三产业中的支柱性行业，在现代烟草农业建设发展的政策指导下，对烟农服务的改进和发展需要服务对象的肯定和意见为其指明方向，因而，本文选用了被广泛应用的美国顾客满意度指数模型ACSI为指导模型，结合中国烟草商业企业实际情况，探索建立烟草商业企业的烟农满意度测评指标体系及测评模型，并且应用于实际企业当中；对满意度测评理论的完善及模型应用的拓展有一定的作用，对完善烟农满意度的评价研究有一定的指导意义。
（二）指标体系的构建
本文根据ACSI的测量原理，把顾客满意度指数作为总的测评目标，即一级指标；根据烟草商业企业烟农的实际情况，把“烟农期望”、“质量感知”、“烟农满意度”、“价值感知”、“烟农抱怨”与“烟农信任”六方面作为测量顾客满意度指数的潜变量；（1）烟农期望：包括烟农对烟草公司提供各种惠农扶农政策的期望以及烟农对烟草公司在种烟的各个环节服务人员提供的服务内容、质量的期望。（2）质量感知：质量感知描述的是烟农在期望的基础上对实际享受服务之后的一种评价。包括生产组织形式、烟叶种植补贴、种烟技术指导、烟用物资提供、烟基工程建设、病虫防控及气象灾害预警服务、烤烟收购模式以及烤烟生产收入。生产组织形式又分为专业种植户、合作社与家庭农场三种形式；烟叶种植补贴是指烟农在种植各环节中得到的以减少购买成本或提高收购成本或直接对耗用资源进行补贴等形式对烟农进行直接或间接的补贴；种烟技术指导是指导烟农在种植过程中获得的一些如何科学种烟，提高烟叶质量的培训及田间指导；烟用物资提供表示烟草公司提供的在烟叶种植过程中需要用到的各种肥料、杀虫剂及机器设备等；烟基工程建设主要是指为种烟而提供的以修建烟水渠道、排渠疏浚衬砌、修筑机耕路为主，配以灌溉闸、水源引集水工程改造等小型水工建筑物或烟叶烘烤工场工程等；病虫防控及气象灾害预警服务是指烟草公司及时为烟农提供病虫防控方法及气象灾害通知，辅助烟农做好防范措施；烤烟收购模式主要是强调烟农对烟草公司提供的到户分级预检及集中收购烟叶等方式的评价；烤烟收入是指烟农种烟所获得的收入。（3）烟农满意度：主要从烟农对公司各项政策的满意度及对公司各项服务内容及质量的满意情况进行总体评价。（4）烟农抱怨：是指烟农依公司的政策所应享受的权利或服务受到侵害时，对造成损失的一方进行责任追究的过程，主要应用投诉处理的及时性与处理结果的满意度来衡量。（5）烟农信任：通过烟草公司提供的各项服务，烟农对公司的整体信任以及通过个别服务人员提供的具体服务，烟农对个别工作人员的信任来测评。从而，烟草商业企业烟农满意度评价指标体系就有了三层指标（见表1）。
三、烟农对烟草商业企业服务满意度模糊综合评价模型的建立
其基本原理是：首先确定被评判对象的因素（指标）集和评价（等级）集；再分别确定各个因素的权重及它们的隶属度向量，获得模糊证券矩阵；最后把模糊矩阵与因素的权向量进行模糊运算并进行归一化，得到模糊评价综合结果[5]。在整个被评价系统中，每一评价因素由比其低一层次的若干因素进行综合评价，这样逐层进行评价，最后得到目标层的评价值。在本文上述的指标体系设立中，共有三个层级的评价指标，因而设计了两级评价指标体系，第一层是评价指标由第二层评价指标综合评价，第二层是评价指标分别由各自的下一层指标进行综合评价。具体模型建立步骤如下：
（一）确定模糊综合评判因素集
在本文中，对应着上述指标体系建立以下因素集：
（二）建立综合评判的评价集
本文中，将评语分别定义为：非常满意、满意、一般、不满意及非常不满意五类，■对每一等级的评语进行赋值，对应的分值分别为：■，评价定量分级标准如下表所示：
（三）权重的确定
在做模糊综合评价时，权重对最终的评价结果会产生很大的影响，设立的权重不同得到的结论有时会相差悬殊，甚至会导致管理层做出错误的决策[6]。因此，权重选择的合适与否直接关系到模型的成败。本文所涉及的模型相对简单，在这里我们采用Delphi法来确定权重。通过综合有关专家提出的意见，最终确定的模型指标权重如下：
以上权重的确定是根据低层级的各指标对于其上一层级指标的相对重要性进行确定的，权重确定的具体依据有：
1、烟农的满意程度决定于烟农对接受烟草公司服务前后的综合评价，尤其是其实际感受对满意度影响较大，烟农的满意则进一步影响其对公司的信赖程度。
2、政策固然重要，但政策的有效实施而带来的高质量、全方位的服务对于烟农来说具有更重要的意义。
3、与其他经济作物相比，相对于种烟成本而获得的收入仍然是烟农最为关心的问题。
四、实证研究
本次实地调查以某烟草公司各县、区的零售户比例和城乡结构抽取样本，按照分层配额抽样方法，抽取卷烟零售户计划总样本量150份。调查采取由调查员持调查问卷现场直接调查的方法，调查的对象为抽中零售客户的经营者或主要负责人，不包括零售客户店中的被雇人员。共发放问卷150份，收回146份，其中有效数据有140份；通过问卷的回收、整理及统计，得到的评价结果统计如下表所示。
根据上表，可以构造出二级模糊评判矩阵如下：
计算各层级评价指标的模糊综合评价向量：
首先，根据二级评价指标模糊评价矩阵与二级评价指标权重，计算二级评价指标的模糊综合评价向量B1，B2，B3，B4，B5，B6，。接着根据计算结果依次计算一级评价指标的模糊综合评价向量。
相应地，
根据所得的二级评价指标模糊综合评价向量及一级评价指标权重可求得一级评价指标模糊综合评价向量，详细计算如下：
由各级评价指标模糊综合评价向量及评价评语的分值，可以计算出各层级评价指标的综合评价值。
一级指标的综合评价值为：
对上述烟草商业企业烟农服务满意度模型中的数据进行分析可得：在烟农期望、质量感知、烟农满意度、价值感知、烟农抱怨和烟农信任五个二级指标中，烟农期望评价值最高（73.30），一方面说明了烟农对烟草商业企业的服务期望值较高，另一方面由于烟农的期望是建立在上一次接受服务的基础之上，所以也同时说明了烟草商业企业对烟农的服务在逐步的完善当中。此外，烟农信任这一指标评价值相对较高，表明了烟农比较信赖烟草公司及服务人员，相应的也反应出烟草公司对烟农所做的服务工作具有可靠性与实用性。评价值最低的是价值感知（63.62），其次是质量感知。由此可见，一方面，烤烟种植所耗的成本较高，尤其是劳动力成本远远超过其他农作物，加之烟草公司补贴力度不大，同时种烟还伴随着一定的风险，因此烟农对烤烟的收入相对不太满意；另一方面，在种烟的便利性上，烟基工程建设还不完善，现代烟草农业建设要求还需真正全面的落到实处；再者，烟农对于自我身份的认识不够、定位不明确，没有意识到自己作为始终践行“两个至上”行业价值观的烟草行业中第一车间的员工所担负的重任，更没有因自己为国家、企业创造了价值而感到自豪。
针对上述问题，烟草商业企业应致力于以下几个方面的措施对服务工作进行完善：①适当推行多种惠农政策及补贴方式，以制度保障烟农利益；②倡导农民积极参加烟叶种植保险，以转嫁烟叶种植风险，减少在种烟过程中由气候灾害带来的非常损失；③完善作为烟叶种植硬件条件的基础设施建设，以提高烟叶种植的便利性与科学性，降低种烟成本；④建立烟农服务体系，对员工进行培训，制定相应的服务标准，规范服务流程，树立服务品牌形象。
五、结论
本文以美国顾客满意度模型ACSI为指导，以国内烟草商业企业的实情为出发点，对原模型进行了相应的改进，构建了适用于烟草商业企业的烟农顾客满意度指标测评体系，并应用于实际企业中，结合模糊综合评价法有效的测评出了烟草商业企业烟农的顾客满意度指数及各指标评价值。一方面，烟草商业企业烟农满意度指标体系与测评模型的建立基于一定的理论科学基础，其在企业的应用，评价的结果与实际比较接近，表明它具有科学性与实用性，有一定的推广应用的价值；另一方面，根据烟农满意度测评结果，揭示了影响烟农满意度的主要因素，从而有针对性的对烟草商业企业的服务提出相应的改善措施，对在实际工作中提高烟农满意度、稳定烟农种烟的积极性、切实保障烟农种烟利益进而实现烟草行业健康可持续的发展具有一定的现实意义。
参考文献：
[1]浦勇、杨嘉.现代烟草农业建设中职业烟农的培养[J].安徽农业科学，2011，（21）：12658-12660.
[2]沈涵.基于ACSI的经济型酒店顾客满意度测评模型[J].旅游学刊，2011，（26）：58-62.
[3]ClaesFornell、刘金兰.顾客满意度与ACSI[M].天津：天津大学出版社，2006：5-6.
[4]霍映宝.顾客满意度测评理论与应用研究[M].南京：东南大学出版社，2010：8-10.
关键词：DEA虚拟研发联盟绩效评价
虚拟研发联盟是虚拟组织理念渗透于研发机构所形成的一种R&D联盟新模式[1]，打破了传统研发联盟的组织约束、地域限制，实现了人才、技术、信息、知识、设备等资源的无障碍共享[2]。虚拟研发联盟遵循与一般组织结构相似的考核流程，其运行效果的好坏同样是通过绩效反映出来。
一、虚拟研发联盟绩效评价的指标体系整体构架
虚拟研发联盟的绩效评价指标体系不同于一般的战略联盟绩效评价指标体系。它着重从集成性、敏捷性、协同性三个方面出发，涉及到对于整个联盟研发能力的全方位评价，因此其内涵十分丰富，具有很强的系统性和层次性。根据虚拟研发联盟绩效评价的特点，根据科学性，求实不求全，指标数据的可获得性及可比性等原则，经过反复筛选和优化，构建了基于综合评价指数的考核框架，具体如图1所示。
二、虚拟研发联盟的绩效评价方法
（一）基于DEA综合评价模型的指标选择和数据收集
数据包络分析（DataEnvelop-mentAnalysis，简称DEA）是美国著名运筹学家A.Charnes和W.W.Cooper等学者，以相对效率概念为基础发展起来的一种效率评价方法。它不但可以对同一类型的各决策单元（DecisionMakingU-nits，简称DMU）的相对有效性进行评定、排序，而且还可以利用DEA“投影原理”进一步分析各决策单元（DMU）的有效原因及其改进方向，从而为决策者提供重要的管理决策信息。数据包络分析的基本思路是建立输入与输出的评价关系，用这种评价关系来评价输入对输出是否相对有效，即DEA有效性和相对有效的程度。
为了从集成性、敏捷性、协同性三个维度对虚拟研发联盟进行评价，可以将每一个虚拟研发联盟作为一个决策单元（DMU），而后分别从三个维度对其进行DEA分析，得出三个维度的DEA有效性和相对有效程度。为了适应DEA的基本思路，同时方便数据的有效收集，本研究以虚拟研发联盟指标体系为基础，依照输入和输出的模式选取指标体系中重要且数据易收集的指标，构建如表2所示的虚拟研发联盟DEA综合评价指标体系。
为了保证评价的客观性，发挥DEA模型的客观性优势，对于以上指标的数据来源，以被评价虚拟研发联盟的联盟内部统计数据为主，对于少量的综合定性数据，则通过评价组，以专家打分的方式获取。
（二）DEA综合评价模型的构建与分析
为了可以在从三个维度分别评价虚拟研发联盟的同时获得虚拟研发联盟的总体评价结果，构建两阶段DEA综合评价模型。第一阶段，利用虚拟研发联盟DEA综合评价指标体系从三个维度分别评价虚拟研发联盟，求出各个维度的效率值θ，为了全面的分析各决策单元的技术效率与规模效率情况，可以分别从技术效率、纯技术效率以及规模效率三个方面进行分析评价。第二阶段，则利用第一阶段的结果，结合一级指标的权重，经过加权平均，计算出虚拟研发联盟的综合效率值。
根据DEA数据包络分析理论，可以对于集成性、敏捷性和协同性三个维度分别用C2R模型评价技术效率，用BC2模型评价纯技术效率，而用两者的比率评价规模效率。由于各个维度的评价均由多个投入指标和多个产出指标构成，因此用下脚标i表示第i项投入，而用下脚标u表示第u项产出，设所求维度有p个投入指标，q个产出指标。
第一步，利用Charnes和Cooper给出的具有非Archimedes无穷小量的DEA模型（Dε），分析各虚拟研发联盟的技术效率。
其中，θ表示所评价虚拟研发联盟的技术效率值；xij和yuj分别表示第j个DMU的第i项投入指标和第u项产出指标，λj表示n个DUM的线性组合向量，S-i表示第i项投入指标的投入过剩量，S+u则表示第u项产出指标的产出不足量。通过这个C2R模型可以对虚拟研发联盟的技术效率和规模收益进行评价。
（1）技术效率评价：假设该线性规划模型的最优解为θ0，λj0，Si-0，Si+0，则根据DEA理论有：若θ0=1，Si-0=0，Si+0=0，则DUMj0为DEA有效，即该虚拟研发联盟相关维度同时为技术和规模最佳；若仅θ0=1，则DUMj0为弱DEA有效，即该虚拟研发联盟相关维度并非技术效率和规模同时达到最佳；若θ0
（2）规模收益评价：若存在λj0，使得Σλj0=1，则该虚拟研发联盟为规模收益不变；若不存在λj0，λj0，使得Σλj0=1，且Σλj01，则该虚拟研发联盟为规模收益递减。
（3）改进目标。若通过技术效率评价得出结果为弱DEA有效或DEA无效，则应该针对结果对虚拟研发联盟进行改进。若Si-0>0，Si+0>0，即表示该虚拟研发联盟存在投入过剩或产出不第二步，用由Banker给出的（BC2）模型评价虚拟研发联盟的纯技术效率。
该模型将规模效率固定，从而由该模型得出的结果为纯技术效率值。若假设该线性规划模型的最优解为θ0，λ0j，Si-0，Si+0，则根据DEA理论有：若θ0=1，Si-0=0，Si+0=0，则DUMj0为DEA有效，即该虚拟研发联盟相关维度的纯技术效率为最佳，反之则该虚拟研发联盟相关维度的纯技术效率为达到最佳。
通过以上两步，已经从三个维度对虚拟研发联盟分别进行了评价，但这些只能体现虚拟研发联盟在一个维度上的优劣，无法从整体上多虚拟研发联盟进行评价，因而必须在前两步的基础上再运用层次分析法的方法，将各维度的技术效率值、纯技术效率值和规模效率值分别进行整合计算。整合阶段主要有两个部分，第一部分是通过专家打分的方式获取各个维度的权重wj，第二部分则是依照权重对各个维度的效率值进行加权平均，最终获取整体评价效率值R=wj×aj（其中aj为各个维度的各种效率值）。
三、结论与建议
本文基于虚拟研发联盟运作绩效表现出的集成性、敏捷性及协同性特点，构建虚拟研发联盟的绩效评价模型和指标体系，并运用DEA综合评价方法对该模型进行了分析和筛选，在此基础上设计和开发了虚拟研发联盟DEA综合评价指标体系。指标体系包括集成性指数、敏捷性指数及协同性指数三个方面23个指标。通过对虚拟研发联盟技术效率和规模效益的评价，得出需要改进的目标。
本文认为企业要提升虚拟研发联盟的绩效，首先需要联盟形成共同的文化，包括联盟的表象、制度和理念，各联盟成员共同遵守、自觉实践，推动联盟生产经营的团体精神和行为规范结构四个方面；第二，虚拟研发联盟应确立清晰明确的远景和目标，建立健全的管理和激励机制，同时提高联盟的领导力，使得各成员具有强烈的归属感和向心力；第三，要根据联盟的规模、所处的阶段、成员水平、成员地理位置分布等因素构建合适的联盟组织结构：分散的自组织结构形式、系统整合和协调型组织结构形式、核心小组作为系统设计师的组织结构方式、集中化风险团队组织结构方式。
参考文献：
[1]刘慧，吴晓波.虚拟R&D联盟：新产品研发的新模式[J].科学学与科学技术管理，2003（5）
关键词：建设项目；经济评价；多方案比选；数据包络分析；偏好
中图分类号：F283;C934文献标识码：A文章编号：
1引言
在当前我国建设项目可行性研究中，往往仅对单一方案进行评价，但是单一方案并不存在可比性，它只能用一系列数据指标说明其本身是否可行，但是该方案不一定是最佳方案。建设项目的可行性研究是为投资决策服务的，若备选方案是单一的，则不符合投资决策的基本原则。因此，建设项目的经济评价，应当是对建设项目多方案的评价与比选。
在建设项目的经济评价中，制定多个方案并对其进行综合评价及比选是寻求合理的经济和技术方案的必要手段。国家发改委和建设部共同的《建设项目经济评价方法与参数》中规定：按照不同方案所含的全部因素进行方案比较，可视不同情况和具体条件分别选用差额内部收益率法、净现值法、年值法或净现值率法[国家发改委，建设部.建设项目经济评价方法与参数.中国计划出版社.2006-08-01版]。一般情况下，以上几个指标的使用范围如下表。
表1几个指标的应用范围
在以上几个指标的选用中，无论选择哪个指标，对于大型建设项目来说，都没有考虑到资源的使用效率，因此都是不全面的，都没有全面衡量项目的费用与效益，也没有全面衡量项目的盈利能力和清偿能力，因此，也不能全面的考察项目在财务上的可行性，更不能从全局上综合考虑项目对国民经济的贡献程度。因此，单独采取某个指标去评价整个建设项目，都是不完善的，具有较大的局限性。
同时，即使对于采用了单个指标的评价方法，指标选取的不同，最终导致的评价结论也不同。《建设项目经济评价方法与参数》指出：方案比选应注意在某些情况下使用不同指标导致相反结论的可能性。比如：一般情况下，净现值指标和内部收益率指标的评价结果是一致的。但对于投资类型截然不同的方案，应用净现值指标和内部收益率指标进行评价所得出的结论往往是不一致的[吴芸,赵国杰.净现值法和内部收益率法的比较.科学技术与工程,2005年9月,第5卷第18期]。虽然差额内部收益率作为对内部收益率指标的改进方法，有了一定的提高，但是并不能改变其作为单个指标的局限性。
为了解决多方案比选中所遇到的矛盾，应建立一个由多个指标组成的指标体系来综合评价，从而能够更加全面的反应整个项目的全貌和综合经济效果。在这个指标体系中，项目的总投资、经营成本可以作为项目的投入指标；净现值、内部收益率、投资回收期、利润率等可以作为项目的产出指标。这样就可以建立一个相对效率评价模型，利用数据包络分析方法，可以对其多个方案进行效率评价[崔顺英，尤完.建设项目多方案比选的相对有效性评价方法.非金属矿l992NO.6]。
2数据包络分析方法在多方案比选中的应用概述
数据包络分析（dataenvelopmentanalysis）简称DEA，是使用数学规划模型进行评价具有多个输入、特别是多个输出的决策单元（decisionmakingunit,简称DMU）间的相对有效性（称为DEA有效）。DEA方法是一种相对评价方法，可以在众多方案中选取出投入和产出效率较高的决策单元[魏权龄.数据包络分析.科学出版社,2004]。因此，DEA模型对于多方案经济比选具有十分重要的意义。同时，由于DEA模型中投入和产出的计量单位可以有很多个且不需统一或者换算，这就为建设项目多方案比选中指标体系的建立与完善创造了有利的条件。
3数据包络分析的主要数学模型
3.1投入与产出指标体系的选择
建设项目财务评价指标包括投资利润率、资本金利润率、资产负债率、投资利税率利息备付率、偿债备付率、借款偿还期、静态投资回收期、动态投资回收期、财务净现值、净现值率、财务内部收益率、财务外汇净现值等，在此，选取总投资、经营成本、投资回收期作为项目的投入指标；选取财务净现值、年均营业收入、年均利润率作为项目的产出指标。如图1
3.2评价模型的选择
DEA方法中两个最经典的模型是CCR模型和BCC模型。CCR模型是用来评价决策单元规模有效和技术有效的总体有效性的，是在假定规模收益报酬不变的情况下进行评价；BCC模型是用来评价纯技术有效性的，考虑规模报酬变化条件下的评价。但是这两种模型的前提都是假设所有输入和输出指标具有相同的重要程度，具体的指标权重由各DMU按照对自己最有利的原则选取。但是，由于在一般的决策分析中，决策者总是对输入输出指标具有一定的偏好结构，因此传统的DEA方法的效率值并不总是有效的绩效指标。尤其是在传统DEA模型中，DMU可能赋予有利指标很大的权值，而赋予劣势指标很小的权值，甚至为零，以使其成为DEA有效（弱有效）的DMU，这显然是不合适的。本文采用锥比保证域DEA模型（DEA/cone-ratioassuranceregion,简称DEA/CR-AR），将指标权重的偏好锥约束引入到DEA模型中，综合衡量建设项目的盈利能力、清偿能力以及资源使用效率[王新宇，吴瑞明.基于偏好DEA模型的中国纺织业效率评价.中国管理科学，2005年4月，第13卷第2期]。
3.3DEA/CR-AR模型简介
设有n个决策单元,j=1,2，....,n。的输入为，输出为。m为输入指标数目，s为输出指标数目。j=1，...，n，即分量非负且至少有一个是正的。对于决策单元,给出基于输入的描述规模报酬不变（CCR/CR-AR）和规模报酬可变（BCC/CR-AR）模型的统一表述形式：
（1）
模型（1）中变量h是先决变量，若h=0，则对应的是CCR/CR-AR模型；若h=1，则对应的是BCC/CR-AR模型。输入锥和输出锥构成约束，偏好系数矩阵c和d反映出决策者对输入和输出指标的偏好结构，其构成可以通过经验以及与决策者的交互式反馈等方式加以确定。
3.4有效性分析
设模型（1）的最优解为有如下结论：
若，则称为弱DEA有效；
若，且，，则称为DEA有效。
3.5投影分析
在模型（1）的对偶模型基础上，一般利用具有非阿基米德无穷小的模型等价判断决策单元的有效性，其模型为：
其中为非阿基米德无穷小，,。分别是模型（1）中的矩阵c和d的对应列向量。设模型（2）的最优解为，，，，，，则：
1）若=1，则为弱DEA有效。若=1，且=0，=0，则为DEA有效。
2）对于DEA无效的决策单元，可将其在生产前沿面上进行投影，投影后的结果是DEA有效的。设()为DEA无效，其在生产前沿面上的投影为（）。则可知调整输入和输出之后的结果为=―，+。
4结束语
本文应用DEA/CR-AR模型对建设项目的多个可行性方案进行了包含多个指标且反映出决策者偏好程度的相对效率的评价，从中选出最优的方案，同时对DEA无效的方案进行调整，为其提出改进意见。因此，DEA方法对于建设项目的多方案比选具有重要意义，但是在实际工作中仍需到，DEA方法评价出的是相对效率而非绝对效率，是众多方案中相对最优的方案，而不是绝对的最优方案。
另外，本文仅以财务评价为主要内容进行相对效率评价，在实践中，由于DEA模型中投入和产出的计量单位可以有很多个且不需统一或者换算，因此，在指标体系的选择中可以将财务评价指标和国名经济评价指标统筹建立指标体系，从而更加全面的反映整个项目。
参考文献
国家发改委，建设部.建设项目经济评价方法与参数.中国计划出版社.2006-08-01版
吴芸,赵国杰.净现值法和内部收益率法的比较.科学技术与工程,2005年9月,第5卷第18期
崔顺英，尤完.建设项目多方案比选的相对有效性评价方法.非金属矿l992NO.6
论文关键词：适宜性评价，土地适宜性，GIS
0引言
土地适宜性评价作为土地评价的重要组成部分，是根据土地的自然和社会经济属性，研究土地对某一现状用途或预定用途的适宜程度。1976年联合国粮农组织（FAO）正式公布的《土地评价纲要》是最为典型的土地适宜性评价指南。由于土地适宜性评价针对性强，实用性大，应用很广，适宜性评价方法也不断有新的进展。
1评价方法
1.1经验法
评价人员与当地科技人员和有实际经验的人讨论，并依据研究区的具体情况和自己多年土地利用的经验，决定如何将各单项土地质量的适宜等级综合为总的土地适宜等级。该方法的优点是能考虑数学方法所不能包括的各种非数量因子及具体变化情况，缺点是要求评价者对当地条件、土地质量状况和作物生物学特性具有丰富的知识，才能做出正确的判断（夏敏，2000），而且不可避免的是易造成评价结果的主观性。由于这些局限加上新方法、新技术的发展，经验法的受用面越来越小。
徐樵利（1994）在湖北省宜昌县完成的适种柑橘的土地评价系统就采用经验法，参照《土地评价纲要》建立起来的。首先确定影响柑橘生长的限制因素，然后逐项对它们进行分级，最后再综合成总的土地适宜等级。同时，在评价过程中适当考虑管理、投资和柑橘产量等社会经济因素。李秀斌(1989)对黄淮海平原土地做的农业适宜性评价也采用了此法。
1.2极限条件法
该方法主要强调主导因子的作用，运用木桶原理”，将单项因子评价中的最低等级直接作为综合评价的等级（黑龙江省农、林、牧土地适宜性评价，赵松乔等；江苏省宜兴市南部丘陵山区的土地适宜性评价，倪绍祥）。极限条件法简单易操作，能很好体现个别极端决定土地利用适宜性的因素，但该方法未考虑到在一些情况下，土地某种性质的不足可为其他部分所弥补（陈建飞等GIS，1999），因此得出的结论偏于草率和绝对，而且在多数情况下，综合评定出的土地等级偏低。
1.3数学方法
数学方法以权重法为中心，即确定各个参评因子及其权重，然后对两者的乘积加总，以和作为分等级的根据。主要分为多因素综合评定法和模糊综合评判法。
1.3.1多因素综合评定法（指数和法）
该方法将各参评因子按其对土地适宜性贡献或限制的大小进行经验分级或统计分级并赋值，然后用各参评因子指数之和来表示土地适宜性的高低。最后按照指数和大小排序，以经验确定指数和的分等界线。其中各参评因子及其权重系数的确定可依据回归分析法、层次分析法、专家征询法（Delphi）等。采用这些数学方法的目的都是为了获得尽量准确的权重和指数和，以期尽量准确地评价适宜性等级（夏敏，2000），而且非数量化质量性状数量化和不同计量单元无量纲化使得各参评因子间具有了明显的可比性（何敦煌，1994），缺点在于较极限条件法需增加大量计算过程，在地类复杂、评价单元数量较多的区域工作量明显增加（何敦煌，1994），同时不能考虑到非数量因子的具体变化情况（夏敏，2000），而以和值计算土地质量综合指数往往会掩盖某些特别限制因子对评价目标所造成的质的影响（徐丽莎，2008），层次分析法、Delphi法在确定权重系数时主观性过大。
刘胤汉等（1995）在陕西采用专家征询法对农业土地资源作了综合性适宜性评价，经过两轮征询后确定了坡度、高程等6个指标极其权重系数，最后将农业土地分为最佳适宜、中等适宜和临界适宜三等，并按此法对水稻作了单向性土地适宜性评价。吴燕辉等（2008）以湖北省潜江市为研究范围，在GIS技术的支持下，阐述了如何用层次分析法进行土地适宜性评价，得到了潜江市的适宜性等级图，并单独对农用地、林地、建设用地的适宜性评价结果作了分析。
1.3.2模糊综合评判法
这种方法用于评价的原理，是对参评因子和适宜性等级建立隶属函数，对参评因子的评价由参评因子对每一个适宜性等级的隶属度构成，评定结果是参评因子对适宜性等级的隶属值矩阵；参评因子对适宜性的影响大小用权重系数表示，构成权重矩阵，将权重矩阵与隶属值矩阵进行复合运算，得到一个综合评价矩阵，表示该土地单元对每一个适宜性等级的隶属度。模糊综合评判方法较好地体现了主导因素和综合分析的相结合，比较符合客观实际，通过对参评因素隶属度的计算和模糊矩阵的复合运算得出评价单元对应于各等级的隶属度，其计算过程无需再掺入人为因素，减少了主观性的干扰（陈建飞等，1999）。但是根据实地采集的调查数据对模糊综合评判模型进行验证，会发现模型存在一定的误差，有一部分正确的样本数据却得不到正确的结果（焦利民等，2004）。
E.VanRanst等（1994）采用该法对泰国半岛的橡胶生产区做了土地适宜性评价。他们创新地根据每个因素对产量的影响赋予一定的权重系数，并将单项因子的适宜性评价与综合的土地适宜等级结合起来。最后将评价结果与常规的极限条件法、参数法和多元线性回归的评价结果相比较，得出模糊综合评价法的准确性较好，从而证明了该法的潜力。P.A.BURROUGH等（1992）采用加拿大阿尔伯塔农业实验农场的数据，分别用布尔数学法和模糊分类法对每个细胞的土地属性进行分类，得出布尔方法比模糊分类拒绝更多的细胞GIS，选取的细胞也不够毗连。而模糊分类法在所有的阶段都获得更多的有效信息，分类的连续变化性也更好。
姚建民（1994）在典型的黄土残塬沟壑区――隰县针对如何利用农作物、果树、林木和牧草开发土地资源问题，重点筛选出原土地利用类型、坡度、坡向和海拔高程4个指标，运用模糊综合评判法进行适宜性评价，划分出土地适宜性开发类型区。刘耀林等（1995）在十堰市土地利用现状调查的基础上，针对现有坡荒地，通过对制约土地的自然因素和社会经济条件的综合分析，依照土地质量满足对预定用途要求的程度，采用模糊数学的方法完成了坡荒地的宜农、宜林、宜牧、宜园4个适宜类的评价。陈建飞等（1999）应用模糊综合评判(FuzzySet)法、经验指数和法、极限条件法进行长乐市土地适宜性评价，对不同方法及结果进行对比分析，得出模糊综合评判的结果与经验指数和的结果有较大的相似性、极限条件法的结论往往过于简单，着重探讨了模糊综合评判方法的优点――合理、客观。
1.4人工智能方法
人工智能方法基于自学习、自适应系统的样本学习机制，如人工神经网络方法、遗传算法、元胞自动机等。刘耀林、焦利民（2004）基于神经网络来构造模糊系统，建立了土地适宜性评价的模糊神经网络模型；根据神经网络误差反向修正的原理，设计和推导了该模型的学习算法，并通过实验证明该模型应用于土地适宜性评价具有高效、客观、准确等优点。次年（2005），两人将计算智能理论引入土地评价领域，构建了一个全新的土地适宜性评价模型：首先基于模糊逻辑和人工神经网络构造了一个模糊神经网络模型，然后采用改进的遗传算法进行训练，能够快速收敛到最优解，对初始的规则库进行修正，形成了一个自学习、自适应的评价系统。
1.5改进后的方法
以上介绍了在土地适宜性评价中常用的基本方法。近年来，鉴于各种方法本身的局限性，很多学者提出了各种方法相互结合或对原方法加以改进的评价方案，并应用于某地的土地适宜性评价，取得了较好的结果。
厦门大学何敦煌（1994）在福建龙海适宜性评价中尝试采用了极限条件法和指数和法相结合的两次评价，即用极限条件法评价土地适宜类，用极限条件法和指数和法评价土地适宜等并确定土地限制性（适宜级）是同时进行的。这一方法不仅克服了极限条件法和指数和法的缺点，还相互间起了交叉检验的作用。
南京大学彭补拙等在做中亚热带北缘青梅土地适宜性评价时对盛花期温度和土壤PH值这两项对青梅生产发育有重要限制作用的因素采用极限条件法，对其余的评价因子采用逐步回归分析法进行分析，作必要的因子剔除，得到它们的总适宜等级，最后再对这三项评价的结果按极限条件法进行归总，得到该土地利用方式的适宜性等级最后评价结果，该结合体现各土地构成要素的不同贡献，提高评价结果的科学性和合理性。
北大的杜红悦等以攀枝花为例，用模糊数学方法对FAO的农业生态地带法(AEZ)进行改进，并将GIS技术应用于AEZ法中；欧阳进良等针对不同作物进行土地适宜性评价，并据评价结果、各类土地的特点及区位和经济因素进行作物种植分区。
2新技术的应用
随着数学方法的改进和新技术如3S（遥感技术RS、全球定位系统GPS和地理信息系统GIS）、ES（专家系统）的应用，给土地评价，尤其是土地适宜性评价带来了飞跃，它们在数据的获得、处理、分析上的强大功能不仅使工作效率大大提高，还使基于大范围的调查评价成为可能。
JacekMalczewski(2004)对基于GIS的土地适宜型分析做了系统全面的梳理，他先从历史的角度介绍了GIS的知识及其发展过程，然后回顾了基于GIS的土地适宜型评价的相关方法和技术，最后分析了其存在的挑战、未来趋势和前景。胡小华等（1995）通过专家系统的引入、层次分析法的应用以及如何借助地理信息系统强大的空间分析功能及图形和属性的结合，实现了多目标土地适宜性的评价。张红旗（1998）在评价柑桔土地适宜性时，结合GIS技术GIS，改变以往仅考虑自然条件的做法，分别建立柑桔土地的自然、经济、社会属性适宜性评价模型及综合评价模型，提高评价结果的科学性和合理性，也为其他类型的单作物(广义)土地适宜性评价提供了一个可行的模式。
S.Kalogirou(2002)运用专家系统和地理信息系统技术，建立了支持实证研究的土地适宜性评价模型――LEIGIS软件。该模型基于联合国粮农组织的作物土地分类，分为物理评价和经济评价。物理评估选用了17种指标因子，采用布尔分类法，包括了一般种植作物和5种特定作物（小麦，大麦，玉米，棉花种子，甜菜）的评价模型。经济评价考虑了市场限制下的收入最大化问题。专家系统使得评价不同作物时规则可以适当改变，地理信息系统使得空间数据的管理和结果可视化成为可能。该软件支持任何空间数据集的评价和介绍，而且不需要评价者掌握特殊的电脑技能。夏敏（2000）在其硕士论文里探讨了以地理信息系统和专家系统为技术支持，开发农地适宜性评价专家系统的可行性，在Mapinfo地理信息系统的支持下，建立了一个具有一定通用性的农地适宜性评价专家系统，并通过了在邳州市的实证研究。
3结论
我国的土地适宜性评价始于50年代，综合的土地适宜性评价从70年代末全面展开,近l0年来，土地适宜性评价得到了更快的发展，更重视定性与定量相结合、针对特定目标或对象。经验法、极限条件法、多因素综合评定法法、层次分析法等继续得到使用，但通常做适当的改进或与其他方法相结合，弥补各自的缺陷。模糊综合评价法、灰色关联度分析法仍然得到了很广的应用，神经网络模型、遗传算法等新方法开始尝试性应用。科技的发展使得3S技术和专家系统等新技术广泛用于土地评价，尤其给土地适宜性评价中带来了质的飞跃，接下来的土地适宜性评价仍基于上述技术的支持是必然的趋势。
参考文献：
[1]BurroughPa,MacmillanRaandVandeursenW.1992.FuzzyClassificationMethodsforDeterminingLandSuitabilityfromSoil-profileObservationsandTopography[J].JournalofSoilScience,43(2),pp.193-210
[2]E.VanRanst,H.Tang,R.GroenemamandS.Sinthurahat.1996.ApplicationofFuzzyLogictoLandSuitabilityforRubberProductioninPeninsularThailand[J].Geoderma,70(1),pp.1-19
[3]FAO.AFramworkforLandEvaluation[S].FAOSoilBulletin32,Rome,1976
[4]JacekMalczewski.2004.GIS-basedLand-useSuitabilityAnalysis:aCriticalOverview[J].ProgressinPlanning,62(1),pp.3-65
[5]S.Kalogirou.2002.ExpertSystemsandGIS:anApplicationofLandSuitabilityEvaluation[J].Computers,EnvironmentandUrbanSystems,26(2-3),pp.89-112
[6]陈建飞，刘卫民.Fuzzy综合评判在土地适宜性评价中应用[J].资源科学，1999，21（4）：71-74
[7]杜红悦等.土地农业适宜性评价方法研究与系统实现――以攀枝花为例[J].资源科学，2001，23（5）：41-45
[8]何敦煌.关于土地适宜性评价工作的几个问题探讨[J].中国土地科学，1994，8（6）：11-15
[9]胡小华等.GIS支持的多目标土地适宜性评价[J].中国土地科学，1995，9（5）：33-37
[10]焦利民，刘耀林.土地适宜性评价的模糊神经网络模型[J].武汉大学学报信息科学版，2004，29（6）：513-516
[11]李秀斌等.黄淮海平原土地农业适应性评价[J].自然资源，1989，（4）：32-38
[12]刘胤汉等.农业土地资源适宜性评价的理论和方法[J].地域研究与开发，1995，14（3）：11-16
[13]刘耀林等.模糊综合评判在土地适宜性评价中应用研究[J].武汉测绘大学学报，1995，20（1）：71-75
[14]刘耀林，焦利民.基于计算智能的土地适宜性评价模型[J].武汉大学学报信息科学版，2005，30（4）：283-287
[15]倪绍祥著.土地类型与土地评价概论[M].高等教育出版社，1999
[16]倪绍祥.近10年来中国土地评价研究的进展[J].自然资源学报，2003，18（6）：672-683
[17]欧阳进良，宇振荣.基于GIS的县域不同作物土地综合生产力评价[J].农业现代化研究，2002，23(2)：97-10
[18]彭补拙等.中亚热带北缘青梅土地适宜性评价方法探讨[J].自然资源，1994，（2）：14-21
[19]邱炳文等.GIS在土地适宜性评价中的应用与展望[J].地理与地理信息科学，2004，（5）：20-23，44
[20]钱海滨等.土地资源合理利用评价研究综述[J].中国土地科学，2001，15（2）：14-19
[21]吴燕辉等.土地利用规划中的土地适宜性评价[J].农业系统科学与综合研究，2008，24（2）：232-235，242
[22]徐丽莎.土地适应性评价的理论与评价方法综述[J].今日南国，2008，（9）：18-20
[23]夏敏.农地适宜性评价专家系统研究[D].南京农业大学硕士论文.2000
[24]徐樵利，谭传凤等.山地地理系统综论[M].华东师范大学出版社，1994
[25]姚建民.黄土残塬沟壑区土地开发适宜性评价方法研究[J].自然资源学报，1994，9（2）：185-192
[26]张红旗．GIS支持的县级区域柑桔土地适宜性综合评价[J].资源科学，1998，20(1)：62-70
上一篇：初中数学的建模思想(6篇)
热门推荐