分析评估模型范文

分析评估模型范文（精选12篇）

分析评估模型 第1篇

关键词：企业价值评估,现金流量折现模型,期权定价

随着我国企业改革的推进, 企业日益成为市场的主题。企业是一个生产性组织, 使人们写作劳动生产物质资料的社会存在形式, 企业价值就是衡量企业在市场中通过交换获取价值的能力, 使企业能够获得的价值总和。企业价值是企业管理和决策中最重要的驱动目标, 也是价值驱动管理的核心, 企业价值评估是分析和衡量企业的公平市场价值并提供有关信息以帮助投资人和管理当局改善决策的一种经济评估方法, 日益受到重视, 为企业带来最大的效益。

一、现金流量折现模型

现金流量折现法, 它是在考虑资金的时间价值和风险的情况下, 将发生在不同时点的现金流量按既定的贴现率统一折算为现值再加总求得目标企业价值的方法。企业价值的计算公式为:

现金流量折现法认为企业的价值是将今后得到的全部现金流量加以资本还原得到的现在价值的总和, 这种估价法注重的是现金流量而不是会计报表的盈利。现金流量不仅涉及目标企业的财务状况、盈利能力, 还考虑了目标企业的未来发展前景。这种方法将资产价值与该资产预期未来现金流量的现值联系起来, 具有坚实的理论基础, 对于企业并购决策也具有现实的指导意义。其缺陷表现在:

1. 计算公式的缺陷。

在现金流量的计算过程中, 已经扣除了利息, 而在计算企业的现金流量时还要用i折现, 但i包含了债务资金成本, 从而使前后计算过程产生矛盾, 导致最终计算结果存在误差。

2. 应用的缺陷。

现金流固然与企业价值紧密相关, 是评价整体项目或投资的良好指标, 但不是一个用于日常管理的好指标。现金流量折现模型在价值评估的时点上或者从价值评估的整个周期来看是有效的, 但在价值实现的过程中却很难用来作为监督实施的工具。

二、期权定价模型

期权价值评估法考虑了目标企业所具有的各种机会与经营灵活性的价值, 弥补了传统价值评估法的缺陷。期权价值评估法能够使并购方根据风险来选择机会、创造经营的灵活性, 风险越大, 企业拥有的机会与灵活性的价值就越高。利用期权理论能够更加准确地评价目标企业的真实价值, 但这种方法操作较为困难, 因此, 实务中很少单独采用该方法得到最终结果, 而是在运用其他方法定价的基础上考虑并购期权的价值后, 加以调整从而得出的评估值。

在企业价值评估中, 实物期权的价值评估必须综合考虑企业内外部因素对期权价值的影响。但是过于复杂的应用框架同样会失去实用性, 应用框架的构造必须在考虑问题的全面性和解决问题的实用性之间做出适当的权衡。

1. 实物期权的初步识别。

实物期权的识别并非易事, 有些实物期权并非管理者有意所为, 而是内外部的客观因素所造就, 需要评估者仔细加以识别。实物期权总是伴随不确定性而产生, 不确定性越高的领域期权出现的几率越高, 这就要求评估者运用实物期权的思想对存在较高不确定性的领域尤其是战略领域进行分析, 分析不能简单停留在分析对象单一的运动轨迹中, 而要扩展到分析对象运行轨迹的所有可能范围, 在管理者所拥有的策略空间中寻找或有决策。尽管实物期权种类繁多, 但评估者可以按照以下分类思路识别实物期权:

(1) 经营期权:当资产正在使用或经营时, 该期权能针对不确定性提出灵活的策略, 如输入、输出以及关闭等期权。

(2) 投资和非投资期权:这些期权包括对投资规模的决策 (扩张、收缩或处置) 。

(3) 合约期权:这是一些特殊的合约条款, 它们改变了资产所有者面临的风险特征。如企业的合资条约中关于合资期限到期后资产处置的条款中往往存在着对合资企业的购买期权。

2. 判断期权的可获得性。

对金融期权而言, 只要支付了期权费就可以立即获得期权, 其价值来源于期权有效期外部环境的变化。但实物期权的获得则是一个复杂的长期过程, 初始投入 (期权的执行价格) 并不能保证期权的获得。实物期权的获得实质上包括两个过程:创造过程和持有过程, 创造过程能否顺利完成对期权价值具有决定性的影响。金融期权的价值来源于期权的持有过程, 而实物期权的价值来源于创造过程和持有过程, 创造过程对期权价值的影响很可能超过持有过程而成为影响期权价值的主要因素。通过可获得性分析, 可以将获得性低的实物期权剔除在企业价值评估范畴之外, 不仅可以避免企业价值的高估, 同时简化了实物期权评估的应用框架, 不必进一步考虑这些期权与内部期权的互动关系以及与外部期权的竞争关系。

3. 分析实物期权之间的互动性。

企业尤其是高科技企业往往蕴含着不止一个实物期权。企业的发展存在着发展的阶段性和决策的动态序列性, 其技术创新活动一般要经过研究开发、中间试验、商业化等阶段, 后一阶段的实物期权价值要受制于前一阶段期权的实现和执行。企业生产经营的不同环节也会同时存在着不同类型的实物期权, 这些期权之间也可能存在着互动性。不论是横向还是纵向, 实物期权互动的性质可以分为两种:增益性和排斥性, 增益性是指一个期权的存在和实施会增加另一个期权的价值, 例如采购柔性必然会提高制造柔性, 即采购期权会提高制造期权的价值。排斥性是指一个实物期权的实施排斥另一个实物期权的实施或减少其价值, 但有限的资源可能只允许企业根据市场变化对其中的一个项目进行商业化投资。分析实物期权的互动性不仅能够得到客观的期权价值, 而且可以对经过上述两步留存的期权进一步筛选。如果期权之间是排斥性的, 则通过可获得性的比较将可获得性低的期权排除在评估范围之外。如果期权之间是增益性并具有直接的序列关系, 则可以将期权进行合并从而减少互动期权的数量。目前互动期权、组合期权的价值评估仍然是理论研究的难点, 并不存在成熟的评估方法, 尽可能减少互动期权的数量非常必要, 否则很可能使评估框架因过于复杂而失去实用性。

三、经济增加值模型

经济增加值是指一定经济期间企业使用一定量的资产创造的全部收益减去该资产使用成本后的余额, 是从超过投资者要求的报酬率中得来的价值。计算公式:经济增加值=息前税后利润-资本成本=息前税后利润-期初投资资本总额*加权平均成本=期初投资资本总额 (期初投资资本报酬率-加权平均资金成本)

经济增加值衡量的是企业资本收益与资本成本之间的差额, 其最重要特点是从企业所有者的角度重新定义企业的利润, 充分考虑企业全部所用资源的成本, 而不是仅考虑债务资本的成本, 把股权资本也作为企业的一项重要资本来源经济增加值的改善是同企业价值的提高相联系, 为了增加公司的市场价值, 经营者就必须真正关注股东的权益, 使权益资本收益超过由其他风险相同的资本需求者提供的报酬率 (加权平均资本率) , 所以经济增加值有利于企业经营者进行符合股东利益的决策, 激励经营者进行能够给企业带来价值创造的投资决策, 杜绝企业经营者的短期行为。而且经济增加值指标可以进一步分解成一系列指标体系, 而这些指标体系可以构成公司的价值树, 公司可利用价值树分析关键价驱动因素, 找出关键的业务驱动因素, 并据此设立相应的关键业绩考核指标, 从而确保公司战略的有效实施。同时经济增加值 (EVA) 可以作为财务管理模式, 用于投资决策、资本预算、并或出售等几乎财务管理的所有方面, 有利于企业内部财务管理体系的协调和统一。但经济增加值毕竟只是一个财务指标, 能反映过去的货币信息, 在企业未来发展的判断和非货币化信息的揭示方面存在不可避免的局限。为了保证经济增加值评价企业价值的准确性, 根据有关会计数据计算EVA时需要对若干会计项目进行调整, 其目的就是要剔除一些与本期收益不匹配的支出。否则, 企业经营者就有可能只考虑那些能增加企业EVA的经营决策活动, 这样不利于企业的长远发展。

参考文献

[1]陈睿:《创业企业价值的实物期权评估方法》.《价值工程》, 2004年, 第12期

[2]朱锡庆黄权国:《企业价值评估方法综述》.《财经问题研究》, 2004年, 第18期

区域旱情评估模型 第2篇

旱灾是我国主要的自然灾害之一,不同程度的.旱灾所采取的措施和投入将是不同的.认清旱情等级作出相应的对策,对抗旱减灾是十分重要的.本文分析了影响区域旱情的因素并给出了区域旱情评估的模型和实际的应用.

作 者：郭韧 曹光源 GUO Ren CHAO Guang-yuan 作者单位：郭韧,GUO Ren(华侨大学,工商管理学院,福建,泉州,36)

曹光源,CHAO Guang-yuan(合肥工业大学,管理学院,安徽,合肥,230009)

分析评估模型 第3篇

股票价值评估无论在经营管理学领域还是在财务会计领域都是重要的研究课题，并取得了一定的研究成果。但是，绝大部分研究是基于上市公司的公开信息进行的，因而，不能解决非上市公司股票交易和增资时对其股票价值评估的需要。基于此，近年来产生了许多经营学者和财务会计学者所关心的股票价格评估模型，企业价值评估的剩余收益模型（Residual Income Model）就是其中之一。以该模型为基础的股票价值评估，试图利用企业资产负债表和利润表所提供的会计核心信息，计算得出各个企业的理论上的股价。本文通过对股票价值评估的主要方法进行了整理和对比，发现和探讨剩余收益模型所具有的优点的根本所在，以期为实际工作中关于非上市公司股票价格评估的需要提供参考。

二、股票价值评估的主要方式

包括股票在内的所有资产评估的基本方法有成本法、市场法和收益法三种方法。在股票价值评估方式上存在股票本身价值评估方式和以企业整体价值评估为基础的评估方式。

在股票价值评估时，成本法是对持有的股票按照包括取得该股票时所发生的手续费等必要费用在内的实际支出额进行评估；市场法按照股票市场的实际价格进行评估；收益法是以持有的股票未来产生的红利等收益，给投资者的投资回报作为资本成本，选择适当的折现率计算得到的现值作为股票价值。

上述评估方法，都是对评价对象——股票本身的直接评估方法，股价代表其发行企业的所有权，以股票发行企业的整体评估价值为基础，除以其发行的股票股数的值，就可以认为是该股票的价值。由于非上市公司的股票几乎没有其市场价格形成的基础，因此，利用企业整体价值评估推导出股票价值的方法的使用范围就更广些。

现将股票价值评估方式和方法相结合的结果整理如表1所示。

三、各股票评估方式的特征及其与会计指标的关系

其一，成本法。利用成本法对股票本身价值进行评估时，是按照持有股票取得时的支出额进行评估的，由此，会产生较早取得股票的历史成本与现行市价相差较大，同样，利用成本法计算得出的公司现在时点上的净资产额作为股票估值的净资产价格方式会存在很多问题。但是公司的资产、负债是经常变动的，因此净资产价值评估方式至少反映了自股票取得时点到评估时点的净资产变动，避免了利用股票本身取得的历史成本方式的许多弊端。

净资产价值评估方式又可以进一步分为账面净资产价值方式和以市价进行计量的净资产两大方式。虽然是账面净资产价值方式，但绝不是所有的资产和负债都是利用取得时的历史成本计量评估得到的净资产。这是因为，现行的会计制度下，资产用于经营投资和金融投资两大类投资的大部分和经营投资的一部分是按照市场价值进行评估的。因此，在公司资产负债表所有者权益中主要包含：实收资本、价值变动和换算差额，在合并资产负债表中还包括少数股权。

采用账面净资产价值评估方式时，以最近的合并资产负债表为基础，利用实收资本和计入资产负债表中的公允价值价值变动损益、汇兑差额之和作为净资产价值，除以已发行的股票数量，就可以取得每股价值的估值。

其二，市场法。以股票市场的实际交易价格，作为股票评估价值的方法是公认的最值得信赖的方法。但是，市场法却不适用于评价对象是非上市公司股票。在这种情况下，以同行业或类似行业某上市公司股票的平均价值为比较基准，把影响该股票价值形成的因素进行加权计算，得出被评估对象股票价值的方法，也是市场法的一种（即比照同行业价值的方式）。如选取同行业上市公司股价（A）作为比较基准，选取每股收益额、每股红利分配额、每股净资产额账面价值为比较的加权因素，同时考虑到企业规模等综合因素，可以将被评价企业股票的价值计算公式表达如下：

式中：A表示表示比较基准企业的股价；EPS、DPS、NPPS表示被评价企业的每股收益、每股红利、每股净资产账面价值；AEPS、ADPS、ANPPS表示比较基准企业的每股收益、每股红利、每股净资产账面价值；f1、f2、f3分别表示各要素所占的比重；SIAF表示企业规模等综合影响倍率。

一般情况下，非流通股因流通性低是需要进行折价的，企业规模与企业股票价格之间存在正相关关系，同时考虑到同类上市公司平均股票价值信息比非上市公司股票价值更可信，因此，也更能受到投资者的青睐，非上市企业股票价格应不超过同类规模上市公司的股票价值。反映不同规模的非上市公司对股价影响倍数应小于1。大、中、小型企业的具体影响倍数可以通过测算得到。

利用类似行业因素比较方式可以计算被评价对象企业的股票价值，构成了市场法的另一个特征。

其三，收益法。成本法以被评估企业期末资产负债表为依据，评估客观性较好，但是存在不能反映一个企业的资产作为一个整体创造收益的能力的问题，即成本法不具有一个公司以清算价格为基础的评估价值的性质。把反映收益能力的指标引入股票评估之中的方法就是收益法。收益法按照反映收益能力的财务指标的不同，可以进一步进行细分类。

作为企业经营业绩指标得到广泛认可的当属净利润，以资本成本为折现率计算得到的未来所创造的净利润的折现值作为股票的评估价值的方法，称之为收益还原法或简称为收益法

以净利润为基础的模型中，净利润指标容易受到会计政策和方法变更的影响，该指标存在容易被人为操纵的缺点。为此，将净利润指标更改为不易被操纵的现金流量，主张利用未来现金流量折现值作为股票价值的评估方法，称之为DCF法。

另外，为了维持企业向股东红利分配的稳定性，当红利分配额与企业的收益能力具有某种程度的相互联系时，就可以利用红利分配额来代替收益能力指标。于是，用未来的红利额的折现价值作为股票的价值评估的方法，就是广为人知的红利还原方式。

作为衡量业绩折现对象的红利、利润、现金流量等反映收益能力的收益法的重要性不断提高。在传统的企业经营中，不论是商业还是制造业，先进的设备投资是重要的经营战略，但是，在资本密集型的传统产业中，不能直接计入资产价值中的研究开发活动费用不断提高，特别是以风险投资型企业为代表的知识型企业数量和规模增加，其自行创造的无形资产的持有量左右着企业业绩，但按照现行的会计制度，只有企业能够证明开发支出符合无形资产的定义及相关确认条件，才可将其确认为无形资产。不是所有开发阶段支出都可以资本化的，研究费用和部分开发费用只能费用化处理，不能反映在资产负债表中。由此可以认为，在股票价值评估三种方法中，收益法比成本法和市场法会适合更多评价对象企业。

三、红利折现模型、现金流量折现模型和剩余收益模型的一致性分析

假设企业第i期的红利分配为DIVi，ri表示第i期资本成本，则本期期初的股票内在价值VE0为：

假设股东权益的账面价值为BVEi，净利润为NIi，则存在如下关系式：

BVEi=BVEi-1+NIi-DIVi （3）

根据剩余收益AEi的定义，其表达式为：

AEi=NIi-ri*BVEi-1（4）

即剩余收益是从净利润中扣除期初股东权益账面价值与资本成本后的余额。因此，

NIi=AEi+ri*BVEi-1（5）

将（5）式代入（3）式可以得到（6）式。

DIVi=ri*BVEi-1+AEi+BVEi-1-BVEi

=（1+ri）BVEi+AEi-BVEi（6）

将（6）式代入（2）式的展开式可以得到：

红利折现模型与剩余收益模型是等价的，将红利分配额用自由现金流表示，可见红利折现模型与DCF模型的等价性。因此，在不考虑数据取得难易程度和数据预测估计差额所引起的误差，在理论上三个模型的股票价值评估结果是一致的。

四、收益评价模型的定性判断与比较

其一，红利折现模型的定性判断。红利模型以红利分配额作为被评价企业价值创造能力即企业股票价值指标，只要红利分配比例达不到100%，那么，红利分配就只是企业价值的一部分，对分配额进行折现就是不充分的，这是红利分配模型与其他收益模型相比较存在的最大缺陷之一。由此，该模型存在许多无意义或不能使用的情形。例如，对那些长期采用不分配红利战略的企业来说，就不能使用红利模型。另外，对于红利分配比例较低的企业会过低估计企业的股票价值，特别是采取与每股业绩无关的定额分配政策的企业，显然不能采取这种方法。为克服这一缺陷，折现金额应包含未来企业清算时支付给股东的预测金额。但是，准确地预测清算时剩余财产的分配以及未来长期的红利分配额是十分困难的。因为，企业获得的收益何时向股东分配存在着很大的自由裁量。相对于其他收益模型，红利折现模型预测对象的终值较大。企业留存收益形成企业的未来的红利或净资产，增大了预测对象的终值，通常情况下，该数值越大伴随其产生的预测误差就越大。

从实践的角度来看，红利分配模型的未来分配额和终值的精确度比其他模型要低。

其二，DCF模型的定性判断。DCF模型也存在不适用和无意义的情况。即预测折现对象的自由现金流量时很可能出现负值，这种情况往往产生在企业的成长期，处于成长期的企业，会需要大量的新设备投资，新投资超过当期收益时就会出现负数。当然，现金净流出是不会长期持续下去的，不然会使得企业面临破产。

对出未来长期自由现金流量的准确预测的难度和对红利的预测存在着同样的难度。其精确程度受到以利润表为出发点的自由现金流量的构成项的直接影响，自由现金流量的主要构成项可以用其计算公式来表示为：

自由现金流量=营业利润*（1-所得税税率）+折旧-设备投资额-营业成本的增加额

另外，在计算包含在负债中的加权平均资本成本时，必须考虑到带息的外部资本成本的融资与返还等问题。

企业设备投资和带息的资本成本的融资与返还，是与企业的经营战略和经营方针等多种因素紧密相连的，因此，各年度波动幅度很大，对其作出准确的预测是很困难的。为提高DCF模型预测的准确度，可以结合未来5年经营计划的设备投资和资金的筹措方式，预测相对可信的未来5年左右的现金流和未来5年的股票终值。在这里仍然存在终值预测精度的影响问题，其对DCF模型的影响远小于对红利模型的影响，但是，大于对剩余利润模型的影响。

其三，剩余收益模型的定性判断。如前所述，红利折现模型和DCF模型都存在以下不足：模型不适应的情况；模型所需要的未来数据的预测困难；预测对象有限期间内对终值的过度依赖等问题。

剩余收益模型却能够较好地解决上述不足，首先，无论企业收益是负数或为零，不影响剩余收益模型的合理性，模型几乎不存在不能使用或者无意义的情形。其次，剩余收益模型所必须的对未来收益的预测数据，要比未来红利分配或未来现金流量预测数据可信度高。这是因为现行的利润核算采用的是权责发生制，对企业的现金流出与流入采取的是期间配比的处理方式，收益和费用的预计波动幅度较小。例如退休金支付问题，按照权责发生制原则，从业人员未来退休时的支出额已经事先分配到了各期，只要没有大的结构变化，以本期的退休金支付的费用为起点对未来进行预测，就不会造成很大的预测差额。但是，要对从业人员退休时所支付的现金流进行直接预测是十分困难的。概括的说就是利润要比现金流的期间变化小，所以。预测的可靠性程度就提高。另外，剩余利润模型在限定的时期内对终值的依存度明显比其他模型要小。红利折现模型终值预测，必须首先对未来各期红利分配进行预测。DCF模型终值的预测，必须首先对以后各期的自由现金流量进行预测。但是，剩余收益模型本身不需要对未来期间的净利润进行预测，而需要的是从净利润中扣除自有资本成本的差额，这个差额的绝对值会小于红利和现金流量的值，由此，对剩余利润预测误差会小些，其可信度就会提高。剩余利润模型在实践方面优于其他模型的根本原因是由权责发生制的特性所引起的。将三个模型的优劣对比见表2所示。

五、结论

非上市公司股票交易和增资及其相关的税务实践，都要求对公司股票价值进行作出科学的评估，本文通过主要的股票价值评估模型的对比分析，得出了以下主要结论：第一，成本法、市场法和收益法等股票价值评估方法中，收益法的重要性将进一步提高。第二，在收益法中，剩余收益折现模型是对净利润扣除权益性资本成本差额后的折现，其结果是股票价值由企业期初资产负债表中的股东权益账面价值和未来超额利润的折现值构成，因此，这种评估方法就自然将账面净资产方式和收益还原方式结合到了一起，其优势是显而易见的。第三，收益法中的红利折现模型、现金流量折现模型和剩余收益模型在理论上是一致性。第四，剩余收益模型与红利折现模型和DCF模型相比较具有以下优势：模型不存在不适应的情况；模型所需要的未来数据的预测精度相对较高；预测对象有限期间内对终值的依赖度较低。

参考文献：

［1］王燕、王煦：《资产评估基本方法的比较与选择》，《现代管理科学》2010年第3期。

［2］赵强、苏一纯：《企业价值评估中股权缺乏流通性减值折扣的研究》，《中国资产评估》2002年第1期。

（编辑刘姗）

分析评估模型 第4篇

加强自然灾害对电网系统影响的监测预警, 对于降低和防止自然灾害对电网系统的灾变影响, 保证其安全、稳定运行有重要的意义。本文研究以云南电网为区域, 研究该区域自然灾害的分布特征、电网系统承灾脆弱性、风险评价模型及风险区划、预警模型等。通过对云南电网地质灾害, 地震灾害, 气象灾害等灾害进行风险评估研究, 建立风险评估理论模型, 为云南电网建立完善的监测预警系统和风险管理控制提供关键科学理论和技术, 提高电网系统抵御自然灾害能力。

1 地质灾害风险评估模型

滑坡泥石流监测与预警应用是建立在整合数据基础上的, 以怒江州为区域, 研究该区域滑坡泥石流的空间分布特征、电网系统承灾体的脆弱性、灾变耦合破坏规律、风险评价模型及风险区划、预警模型, 并根据以上研究成果建立的监测预警系统。

泥石流发育环境背景因子包括地形坡度、先对临界高差和地震烈度, 泥石流发生气象条件因子包括临界雨量和临界雨强。泥石流发育环境背景因子和气象条件因子通过划分各因子属性类型和建立因子敏感性计算模型计算各因子属性敏感性。再建立综合指数计算模型得出泥石流危险度指数, 对危险度指数进行等级划分得出泥石流卫星等级划分标准, 再结合前期雨量属性类型敏感性和预报雨量属性类型敏感性的预报危险度指数得出最后的预报泥石流危险等级。如图1所示:

由于通过上述评估模型得到的地质灾害综合危险性指数的变化级差较小, 不利于对地质灾害的空间分级区划进行深入分析, 因此还需对综合危险性指数进行标准化处理。如式 (1) :

式 (1) 中:

U'为地质灾害危险度综合评价指数的归一化值;

U为地质灾害危险度综合评价指数;

Umin为地质灾害危险度综合评价指数的最小值;

Umax为地质灾害危险度综合评价指数的最大值。

根据标准化后的地质灾害危险度综合评价指数, 将云南省地质灾害危险度分为三级见表1。

Ⅰ级:对水电工程可能有直接危险, 间接影响明显;对城镇建设有严重危害。影响水库的长期效益。

Ⅱ级:对水电工程有一定直接威胁, 间接影响较小;对城镇建设存在明显危害;影响水库的长期效益;公路交通破坏较大。

Ⅲ级:对水电工程无直接威胁危害, 对城镇局部形成威胁;对水库效益影响较小;公路交通在雨季部分毁坏。

2 覆冰灾害分析与评估研究

通过架设在杆塔上的输电导线拉力传感器, 获取输电线路导线拉力值。设定无覆冰时导线拉力值作为导线基础拉力值。对导线基础拉力值进行修正。修正值根据当地环境和覆冰历史记录提出。当地环境包括气象环境:温度湿度、风速风向、降雨降雪, 和地理环境:杆塔线路海拔、地形地貌;覆冰历史记录包括覆冰发生时间日期、当地环境、导线覆冰厚度、对应的导线拉力数据;综合当地环境和覆冰历史两个因素, 对导线基础拉力值提出修正值, 使其能够准确反应同一条输电线路中由杆塔间隔开的每段导线, 在无覆冰的情况下, 在不同的地理环境、气候环境条件下, 依据覆冰历史记录, 提出不同的基础拉力修正值。

若当地温度小于等于0°、湿度大于80%, 则假设导线已开始覆冰, 开始估算导线覆冰厚度。估算流程如下:

通过架设在高压输电线路杆塔上的传感器, 获取绝缘子串的顺线方向夹角和垂线方向夹角两个参数, 计算得到绝缘子串的风偏角:

根据金具重量Gjj、实测综合拉力值Fsc推导得到覆冰导线重量Gfd

带入导线两端杆塔的垂直距离Lcz和导线分裂数DXFLS, 得到覆冰导线单位重量Gfdm:

将覆冰导线单位重量Gfdm、导线单位重量Gdm、导线初始直径φ0、覆冰密度ρ (采用900kg/m3) 带入覆冰厚度计算公式

得到覆冰厚度Hfb。

3 电网系统承灾脆弱性模型

电网系统承灾脆弱性主要从两个维度考虑, 重点管控等级和自然灾害风险等级。

自然灾害风险等级是根据理论评估模型计算出来的结果, 一般分为三级, 重点管控等级是由地州各供电局根据每年受灾情况以及电网设备重要程度综合评估出来的, 由供电局上报给电网公司, 电网公司统一汇总以后分析整理出来的结果, 一般分为四级。

根据重点管控等级和自然灾害风险等级, 并综合云南省各地州历年来的地质灾害, 根据模糊算法, 最终叠加得出电网系统承灾脆弱性模型, 如图1所示。

最终得出电网系统承灾脆弱性等级, 一共分为6级。

4 结束语

本文着重研究了影响云南电网稳定运行的地质灾害, 地震灾害, 气象灾害的成因, 影响范围, 分布特征等因素。综合这些因素, 制定了云南电网地质灾害, 地震灾害, 气象灾害的风险分析评估理论模型, 并综合云南电网重点设备管控等级, 形成了电网系统承灾脆弱性模型。通过以上研究, 为云南电网建立完善的监测预警系统和风险管理控制提供关键科学理论和技术, 提高电网系统抵御自然灾害能力。

摘要：论文以云南电网为区域, 通过研究该区域自然灾害的分布特征、电网系统承灾脆弱性、风险评价模型及风险区划、预警模型等, 为云南电网建立完善的监测预警系统和风险管理控制提供关键科学理论和技术, 提高电网系统抵御自然灾害能力。

关键词：分析评估模型,地质灾害,地震灾害,气象灾害,脆弱性

参考文献

[1]刘毅, 黄建毅, 马丽.基于D EA模型的我国自然灾害区域脆弱性评价[J].地理研究, 2010, 7 (29) .

[2]李鹤, 张平宇, 程叶青.脆弱性的概念及其评价方法[J].地理科学进展, 2008, 27 (2)

[3]程正刚, 房鑫炎, 俞国勤, 等.电力应急体系的脆弱性评价研究[J].电力系统保护与控制, 2010, 38 (19) .

[4]潘护林.系统响应气候变化脆弱性定量评价国内研究综述[J].环境科学与管理, 2008, 9.

[5]谢强, 李杰.电力系统自然灾害的现状与对策[J].自然灾害学报, 2006, 15 (4) .

翻译质量评估系统模型的研究 第5篇

翻译质量评估系统模型的研究

描述了翻译质量评估模式的概念及其分类,分析了量化评估模式,进一步提出了评估系统模型及其开发标准,为实现翻译质量评估系统建立理论基础.

作 者：肖立勤 XIAO Li-qin  作者单位：山西水利职业技术学院,山西,太原,030027 刊 名：科技情报开发与经济 英文刊名：SCI-TECH INFORMATION DEVELOPMENT & ECONOMY 年，卷(期)： 17(32) 分类号：H159 关键词：翻译质量   评估模式   系统模型   系统开发  

企业形象评估“六站”模型等 第6篇

企业成功的关键因素之一，在于企业的有效管理及企业形象的打造。企业形象模型能帮助企业更好地了解企业形象在开发、评估过程中的具体情况。

在建立企业形象分析模型的过程中，本文设定了“六站”(six-slafion)模型，以此分析影响企业形象的变量及其相互之间的关系，进而清晰地锁定影响企业形象的要素，进行企业形象建设，并对企业形象建设进行管理。此项调研参考了很多关于企业形象建设的文献，并对现有的企业形象建设模型进行评估，最终确立了企业形象建设十项标准。本文的“六站”模型便是基于这十项标准建立起来的。随后，调研小组从定性和定量两个方面，对“六站”模型进行检验。

调研结果表明，“六站”模型具有可操作性和有效性。这就意味着，企业管理者和企业顾问可以运用“六站”模型，分析企业形象并制定企业形象战略，开展企业形象建设活动。依靠“六站”模型，企业可以有效地分析企业形象开发、建设流程并进行流程优化。而且，一旦掌握了影响企业形象的关键因素，就可以有针对性提高企业的管理能力，调整工作方向和重心。

青少年的压力、性别以及着迷性购买现象

人们对于年轻消费者着迷性购买的现象越来越关注，然而很多调研都集中在揭示消费者着迷性购买的阴暗面。因此，该调研目的则是帮助人们更好地了解青少年着迷性购买的真实情况，并指出这只是一个年龄段群体应对社会压力时的自然反应。

对于广大的青少年而言，他们必须面对普遍存在的生活和学业压力。因此，此项调研针对这些情况进行调研，并探讨社会压力对着青少年迷性购买产生的影响，研究对象是12～13岁的七年级学生。此外，性别不同是否会对这种压力一着迷性购买影响起到缓和作用，也是此项调研探讨的内容。

调查结果表明，之所以出现越来越严重的青少年着迷性购买问题，与他们承受的压力情况有关。青少年承受的学业压力越大，那么他们便会将更多的注意力放在着迷性购买上。令人惊讶的是，性别并没有对这种影响起到缓和作用。不管是男孩还是女孩，都存在这种高学业压力一高着迷性购买的情况。调查结果表明，对于青少年而言，着迷性购买只是他们普遍应对压力的一种方法，男女青少年都是如此。

不管着迷性购买是一种有益的还是无益的压力应对方法，必须对年轻消费者的压力一购买现象给予足够的重视。青少年人群是一个需要运用独特方法才能争取到的人群，此项研究有助于营销者在产品开发、营销时更深入地考虑受众心理，挖掘受众的潜在需求，开发出有助于改善人们生活的产品，实现共赢。

走向更大的成功：运用展会信息

企业在展会上获得的信息，这些信息对企业有什么样的价值?应该如何利用?能为企业带来什么样的回报?

此项调研希望探讨影响展会信息价值回报的关键变量以及相关变量之间的关系，从而帮助企业更好地搜集展会信息并利用展会信息。在展会结束60天后，调查小组开始搜集展会参与者获取的信息，并综合分析这些信息，建立模型。而在建立模型的过程中，核心是研究影响信息价值的变量，以及信息获取、信息传播和信息使用等变量之间的关系。

调查结果显示，上述各个变量之间存在非常密切的联系，这些变量相互影响，忽视其中任何一个变量，都将使得信息获取一运用循环流程无法充分地发挥作用。通过建立模型，能够以量化的形式，更好地了解企业参加展会之后，对于展会信息的应用情况。

分析评估模型 第7篇

股票价值评估无论在经营管理学领域还是在财务会计领域都是重要的研究课题, 并取得了一定的研究成果。但是, 绝大部分研究是基于上市公司的公开信息进行的, 因而, 不能解决非上市公司股票交易和增资时对其股票价值评估的需要。基于此, 近年来产生了许多经营学者和财务会计学者所关心的股票价格评估模型, 企业价值评估的剩余收益模型 (Residual Income Model) 就是其中之一。以该模型为基础的股票价值评估, 试图利用企业资产负债表和利润表所提供的会计核心信息, 计算得出各个企业的理论上的股价。本文通过对股票价值评估的主要方法进行了整理和对比, 发现和探讨剩余收益模型所具有的优点的根本所在, 以期为实际工作中关于非上市公司股票价格评估的需要提供参考。

二、股票价值评估的主要方式

包括股票在内的所有资产评估的基本方法有成本法、市场法和收益法三种方法。在股票价值评估方式上存在股票本身价值评估方式和以企业整体价值评估为基础的评估方式。

在股票价值评估时, 成本法是对持有的股票按照包括取得该股票时所发生的手续费等必要费用在内的实际支出额进行评估;市场法按照股票市场的实际价格进行评估;收益法是以持有的股票未来产生的红利等收益, 给投资者的投资回报作为资本成本, 选择适当的折现率计算得到的现值作为股票价值。

上述评估方法, 都是对评价对象股票本身的直接评估方法, 股价代表其发行企业的所有权, 以股票发行企业的整体评估价值为基础, 除以其发行的股票股数的值, 就可以认为是该股票的价值。由于非上市公司的股票几乎没有其市场价格形成的基础, 因此, 利用企业整体价值评估推导出股票价值的方法的使用范围就更广些。

现将股票价值评估方式和方法相结合的结果整理如表1所示。

三、各股票评估方式的特征及其与会计指标的关系

其一, 成本法。利用成本法对股票本身价值进行评估时, 是按照持有股票取得时的支出额进行评估的, 由此, 会产生较早取得股票的历史成本与现行市价相差较大, 同样, 利用成本法计算得出的公司现在时点上的净资产额作为股票估值的净资产价格方式会存在很多问题。但是公司的资产、负债是经常变动的, 因此净资产价值评估方式至少反映了自股票取得时点到评估时点的净资产变动, 避免了利用股票本身取得的历史成本方式的许多弊端。

净资产价值评估方式又可以进一步分为账面净资产价值方式和以市价进行计量的净资产两大方式。虽然是账面净资产价值方式, 但绝不是所有的资产和负债都是利用取得时的历史成本计量评估得到的净资产。这是因为, 现行的会计制度下, 资产用于经营投资和金融投资两大类投资的大部分和经营投资的一部分是按照市场价值进行评估的。因此, 在公司资产负债表所有者权益中主要包含:实收资本、价值变动和换算差额, 在合并资产负债表中还包括少数股权。

采用账面净资产价值评估方式时, 以最近的合并资产负债表为基础, 利用实收资本和计入资产负债表中的公允价值价值变动损益、汇兑差额之和作为净资产价值, 除以已发行的股票数量, 就可以取得每股价值的估值。

其二, 市场法。以股票市场的实际交易价格, 作为股票评估价值的方法是公认的最值得信赖的方法。但是, 市场法却不适用于评价对象是非上市公司股票。在这种情况下, 以同行业或类似行业某上市公司股票的平均价值为比较基准, 把影响该股票价值形成的因素进行加权计算, 得出被评估对象股票价值的方法, 也是市场法的一种 (即比照同行业价值的方式) 。如选取同行业上市公司股价 (A) 作为比较基准, 选取每股收益额、每股红利分配额、每股净资产额账面价值为比较的加权因素, 同时考虑到企业规模等综合因素, 可以将被评价企业股票的价值计算公式表达如下:

式中:A表示表示比较基准企业的股价;EPS、DPS、NPPS表示被评价企业的每股收益、每股红利、每股净资产账面价值;AEPS、ADPS、ANPPS表示比较基准企业的每股收益、每股红利、每股净资产账面价值;f1、f2、f3分别表示各要素所占的比重;SIAF表示企业规模等综合影响倍率。

一般情况下, 非流通股因流通性低是需要进行折价的, 企业规模与企业股票价格之间存在正相关关系, 同时考虑到同类上市公司平均股票价值信息比非上市公司股票价值更可信, 因此, 也更能受到投资者的青睐, 非上市企业股票价格应不超过同类规模上市公司的股票价值。反映不同规模的非上市公司对股价影响倍数应小于1。大、中、小型企业的具体影响倍数可以通过测算得到。

利用类似行业因素比较方式可以计算被评价对象企业的股票价值, 构成了市场法的另一个特征。

其三, 收益法。成本法以被评估企业期末资产负债表为依据, 评估客观性较好, 但是存在不能反映一个企业的资产作为一个整体创造收益的能力的问题, 即成本法不具有一个公司以清算价格为基础的评估价值的性质。把反映收益能力的指标引入股票评估之中的方法就是收益法。收益法按照反映收益能力的财务指标的不同, 可以进一步进行细分类。

作为企业经营业绩指标得到广泛认可的当属净利润, 以资本成本为折现率计算得到的未来所创造的净利润的折现值作为股票的评估价值的方法, 称之为收益还原法或简称为收益法

以净利润为基础的模型中, 净利润指标容易受到会计政策和方法变更的影响, 该指标存在容易被人为操纵的缺点。为此, 将净利润指标更改为不易被操纵的现金流量, 主张利用未来现金流量折现值作为股票价值的评估方法, 称之为DCF法。

另外, 为了维持企业向股东红利分配的稳定性, 当红利分配额与企业的收益能力具有某种程度的相互联系时, 就可以利用红利分配额来代替收益能力指标。于是, 用未来的红利额的折现价值作为股票的价值评估的方法, 就是广为人知的红利还原方式。

作为衡量业绩折现对象的红利、利润、现金流量等反映收益能力的收益法的重要性不断提高。在传统的企业经营中, 不论是商业还是制造业, 先进的设备投资是重要的经营战略, 但是, 在资本密集型的传统产业中, 不能直接计入资产价值中的研究开发活动费用不断提高, 特别是以风险投资型企业为代表的知识型企业数量和规模增加, 其自行创造的无形资产的持有量左右着企业业绩, 但按照现行的会计制度, 只有企业能够证明开发支出符合无形资产的定义及相关确认条件, 才可将其确认为无形资产。不是所有开发阶段支出都可以资本化的, 研究费用和部分开发费用只能费用化处理, 不能反映在资产负债表中。由此可以认为, 在股票价值评估三种方法中, 收益法比成本法和市场法会适合更多评价对象企业。

三、红利折现模型、现金流量折现模型和剩余收益模型的一致性分析

假设企业第i期的红利分配为DIVi, ri表示第i期资本成本, 则本期期初的股票内在价值VE0为:

假设股东权益的账面价值为BVEi, 净利润为NIi, 则存在如下关系式:

根据剩余收益AEi的定义, 其表达式为:

即剩余收益是从净利润中扣除期初股东权益账面价值与资本成本后的余额。因此,

将 (5) 式代入 (3) 式可以得到 (6) 式。

将 (6) 式代入 (2) 式的展开式可以得到:

红利折现模型与剩余收益模型是等价的, 将红利分配额用自由现金流表示, 可见红利折现模型与DCF模型的等价性。因此, 在不考虑数据取得难易程度和数据预测估计差额所引起的误差, 在理论上三个模型的股票价值评估结果是一致的。

四、收益评价模型的定性判断与比较

其一, 红利折现模型的定性判断。红利模型以红利分配额作为被评价企业价值创造能力即企业股票价值指标, 只要红利分配比例达不到100%, 那么, 红利分配就只是企业价值的一部分, 对分配额进行折现就是不充分的, 这是红利分配模型与其他收益模型相比较存在的最大缺陷之一。由此, 该模型存在许多无意义或不能使用的情形。例如, 对那些长期采用不分配红利战略的企业来说, 就不能使用红利模型。另外, 对于红利分配比例较低的企业会过低估计企业的股票价值, 特别是采取与每股业绩无关的定额分配政策的企业, 显然不能采取这种方法。为克服这一缺陷, 折现金额应包含未来企业清算时支付给股东的预测金额。但是, 准确地预测清算时剩余财产的分配以及未来长期的红利分配额是十分困难的。因为, 企业获得的收益何时向股东分配存在着很大的自由裁量。相对于其他收益模型, 红利折现模型预测对象的终值较大。企业留存收益形成企业的未来的红利或净资产, 增大了预测对象的终值, 通常情况下, 该数值越大伴随其产生的预测误差就越大。

从实践的角度来看, 红利分配模型的未来分配额和终值的精确度比其他模型要低。

其二, DCF模型的定性判断。DCF模型也存在不适用和无意义的情况。即预测折现对象的自由现金流量时很可能出现负值, 这种情况往往产生在企业的成长期, 处于成长期的企业, 会需要大量的新设备投资, 新投资超过当期收益时就会出现负数。当然, 现金净流出是不会长期持续下去的, 不然会使得企业面临破产。

对出未来长期自由现金流量的准确预测的难度和对红利的预测存在着同样的难度。其精确程度受到以利润表为出发点的自由现金流量的构成项的直接影响, 自由现金流量的主要构成项可以用其计算公式来表示为:

自由现金流量=营业利润* (1-所得税税率) +折旧-设备投资额-营业成本的增加额

另外, 在计算包含在负债中的加权平均资本成本时, 必须考虑到带息的外部资本成本的融资与返还等问题。

企业设备投资和带息的资本成本的融资与返还, 是与企业的经营战略和经营方针等多种因素紧密相连的, 因此, 各年度波动幅度很大, 对其作出准确的预测是很困难的。为提高DCF模型预测的准确度, 可以结合未来5年经营计划的设备投资和资金的筹措方式, 预测相对可信的未来5年左右的现金流和未来5年的股票终值。在这里仍然存在终值预测精度的影响问题, 其对DCF模型的影响远小于对红利模型的影响, 但是, 大于对剩余利润模型的影响。

其三, 剩余收益模型的定性判断。如前所述, 红利折现模型和DCF模型都存在以下不足:模型不适应的情况;模型所需要的未来数据的预测困难;预测对象有限期间内对终值的过度依赖等问题。

剩余收益模型却能够较好地解决上述不足, 首先, 无论企业收益是负数或为零, 不影响剩余收益模型的合理性, 模型几乎不存在不能使用或者无意义的情形。其次, 剩余收益模型所必须的对未来收益的预测数据, 要比未来红利分配或未来现金流量预测数据可信度高。这是因为现行的利润核算采用的是权责发生制, 对企业的现金流出与流入采取的是期间配比的处理方式, 收益和费用的预计波动幅度较小。例如退休金支付问题, 按照权责发生制原则, 从业人员未来退休时的支出额已经事先分配到了各期, 只要没有大的结构变化, 以本期的退休金支付的费用为起点对未来进行预测, 就不会造成很大的预测差额。但是, 要对从业人员退休时所支付的现金流进行直接预测是十分困难的。概括的说就是利润要比现金流的期间变化小, 所以。预测的可靠性程度就提高。另外, 剩余利润模型在限定的时期内对终值的依存度明显比其他模型要小。红利折现模型终值预测, 必须首先对未来各期红利分配进行预测。DCF模型终值的预测, 必须首先对以后各期的自由现金流量进行预测。但是, 剩余收益模型本身不需要对未来期间的净利润进行预测, 而需要的是从净利润中扣除自有资本成本的差额, 这个差额的绝对值会小于红利和现金流量的值, 由此, 对剩余利润预测误差会小些, 其可信度就会提高。剩余利润模型在实践方面优于其他模型的根本原因是由权责发生制的特性所引起的。将三个模型的优劣对比见表2所示。

五、结论

非上市公司股票交易和增资及其相关的税务实践, 都要求对公司股票价值进行作出科学的评估, 本文通过主要的股票价值评估模型的对比分析, 得出了以下主要结论:第一, 成本法、市场法和收益法等股票价值评估方法中, 收益法的重要性将进一步提高。第二, 在收益法中, 剩余收益折现模型是对净利润扣除权益性资本成本差额后的折现, 其结果是股票价值由企业期初资产负债表中的股东权益账面价值和未来超额利润的折现值构成, 因此, 这种评估方法就自然将账面净资产方式和收益还原方式结合到了一起, 其优势是显而易见的。第三, 收益法中的红利折现模型、现金流量折现模型和剩余收益模型在理论上是一致性。第四, 剩余收益模型与红利折现模型和DCF模型相比较具有以下优势:模型不存在不适应的情况;模型所需要的未来数据的预测精度相对较高;预测对象有限期间内对终值的依赖度较低。

参考文献

[1]王燕、王煦:《资产评估基本方法的比较与选择》, 《现代管理科学》2010年第3期。

分析评估模型 第8篇

当今被广泛应用于产品开发的计算机辅助设计 (CAD) 技术以及计算机辅助工程 (CAE) 技术已经日趋成熟, 但平台间的脱节却严重影响了产品设计过程中的协同, 也难以从设计源头对设计数据进行性能检验与评估, 设计正确的理念在当前仍很难实现。

展开对面向设计全过程的产品建模与评估以研究产品从设计要求、概念设计到初步设计和详细设计全过程中产品性能的可靠性评估为目的的理论, 在面向设计全过程的产品研发中, 不同的阶段需要满足不同的性能要求, 本文提出了以智能主模型新概念为核心的产品设计方法。以主模型为产品数据集, 通过开发智能接口实现产品数据与分析系统对接实现面向设计过程的产品结构控制与分析评估。

1 复杂产品智能主模型技术

智能主模型技术是在主模型技术内涵上扩展而发展出来的概念, 用以满足多学科综合设计以及产品设计全生命周期的完整性, 在产品完整结构控制基础上集成多学科工程应用的语义知识, 以及满足多学科应用的工程与产品各模块交互的通信接口。从本质上, 产品综合智能主模型是一种可执行的集成产品模型, 它包括三部分功能结构:1) 产品主模型;2) 工程语义知识描述模型;3) 工程分析组件接口。

产品主模型主要指基于骨架模型产品的结构控制方法, 骨架用于描述一个产品在概念设计过程中所要表达的初始意图, 从用于概念设计的总骨架发展出用于初步设计的各级子骨架, 在各子骨架中进行产品各模块的详细设计产生最终产品的详细设计模型。从实现方法上来说, 骨架主要以设计参数化以及由设计约束产生的参数关系方程和一组由点、线、面构成的基准构成, 这些要素共同确定了产品的空间位置布局和功能布局。

工程语义知识描述模型以用于满足多学科分析需求为导向的知识库, 产品的使用性能需要满足不同学科要求, 不同的学科分析 (例如气动、强度、振动等) 对主模型数据的描述要求不同, 通常不同学科数据为主模型数据在该学科的一个视图。主模型数据与不同学科数据间具有特定规则的映射关系。

主模型到多学科应用模型数据的映射通过工程分析组件接口实现。工程分析组件接口, 又称联结产品模型至仿真分析环境的接口, 它定义了主模型数据到工程语义知识数据的转化描述集, 主模型数据在接口作用下对数据进行过滤、重配置、封装等操作形成用于工程语义知识描述所需要的数据模型来完成多学科分析。数据描述集通常以结构化组织语言或数据文档进行管理。

通过智能主模型, 通过主模型实现面向全过程的产品设计, 在不同设计阶段定义的工程语义知识规则集通过组件接口实现全过程的性能分析评估, 如图1所示描述了智能主模型的三大组成部分的功能关系以及各部分的定义。

2 基于骨架控制的产品结构建模

以智能主模型为指导思想解决产品从概念设计、初步设计到详细设计全周期内的结构性能评估与校核, 需要主模型在设计全过程中通过不同的接口输出不同的数据实现结构分析评估。对于集成了几何数据与非几何数据的主模型通过以下方面完成结构建模。

2.1 基于功能分解的产品模块化部署

产品概念设计阶段, 对产品的定义需要从产品功能需求出发将产品分解成不同的功能单元, 通过功能单元的分解, 将产品整体设计分解为多个独立功能模块的设计, 从而降低了产品结构设计复杂度。不同功能模块之间设计需求不一, 需要满足的性能要求也多样, 多学科功能需求也通过基于功能分解得以实现。另外, 不同模块的设计过程不一样, 其工艺实现方法也不一样, 部分模块甚至可直接外购, 而部分模块需要多种制造工艺相结合实现。

2.2 总骨架控制下的多级子骨架

将产品进行模块化分解为产品的骨架控制提供了逻辑清晰的搭建方法, 根据总体需求构建总体骨架, 总体骨架通常控制产品总体性能要求以及产品总体空间包络, 各模块分别通过不同子骨架进行控制, 在总骨架与多级子骨架控制下完成产品的自顶向下设计流程。

2.3 参数以及约束规则

在总体骨架与多级子骨架的搭建过程中, 总体骨架与子骨架间以及子骨架与子骨架间的联系通过建立在骨架中的参数进行控制, 参数依附于骨架起着对骨架描述与约束的功能, 在总体骨架控制多级子骨架过程中, 总体骨架与各子骨架通过基准进行参数传递实现骨架间的关联。另外, 参数在产品后期的详细设计过程中控制着各个模块实体零部件的关键尺寸。

3 工程语义知识实现分析评估

根据性能分析需求, 产品通过主模型数据在不同分析需求中的定义形成包含不同数据集的“视图”, 每个“视图”反映了产品在每个使用要求上的设计要求, 如图2所示。这些数据从主模型骨架中的几何参数以及非几何参数进行提取。非几何参数通过不同的规则实现主模型到不同“视图”数据间的映射, 而几何数据通常采用几何特征过滤实现。

3.1 参数规则集

结构分析所需要的参数通过各级骨架中的参数进行组合输出, 规则集定义了参数的输出方式以及参数的变动范围, 使得在结构分析过程中通过参数的变动评估产品性能。参数的规则描述方式可有很多种, 常见以下方式建立参数规则:

1) 函数映射。函数映射主要指通过参数与参数或者参数与非参数间建立数学关系式, 在很多经典力学问题上通过工程问题抽象为数学模型可以很容易建立数学函数关系式。函数映射的参数描述的一个最大优点在于评估的量化作用明显, 工程分析精确度较高, 缺点在于不易描述过于复杂的工程问题。

2) 型号映射。型号映射主要处理标准化数据参数, 通过选取相应型号映射到指定参数, 或通过特定参数映射到对应型号, 同时根据确定的型号映射到其他数据。型号映射在解决标准件配置时非常有效。

3) 几何映射。复杂的工程问题很多并不能抽象为具体理论, 而往往更需要通过前人的经验总结出规律, 根据规律描述成趋势曲线或者区域曲面或者任何其他特定几何映射, 几何映射解决了实际工程无法抽象为具体学科模型的问题。

3.2 特征过滤

结构分析所需要的数据往往需要经过数据提取生成符合“视图”需求的数据集。骨架控制生成的主模型完整定义了产品从初步到详细的所有数据表达, 产品初步设计数据以及详细设计数据均能通过骨架控制生成并输出。基于特征建模的几何数据通过几何特征过滤生成分析所需要的几何数据。基于骨架控制的主模型特征过滤其实质为骨架控制建模的逆向操作, 通过基准与参数约束建立起来的骨架模型逐步向详细模型过渡, 最终生成完整主模型, 而工程语义知识描述过程需要将完整主模型过滤出必要参数与基准形成语义知识表达新数据。

3.3 接口实现主模型输出数据描述集

通过工程语义知识规则描述生成的数据需要通过工程组件接口实现结构模型与多学科分析间的通信, 这种通信接口通常通过编写结构化组织语言与协议标准描述语言进行定义, 它定义了结构模型以及结构分析间的识别与同步。

1) 标准协议描述语言。通常为打破行业间描述同一事物的不同数据表达所带来的通信障碍所指定的一种公用描述言语, 这种公用描述语言采用统一规范制定, 如IGES (初始化图形交换规范) 被用于表达虚拟几何模型, 包括二维线框模型、三维线框模型、三维表面模型、三维实体模型、技术图样模型等, 该标准被广泛应用于处理结合模型中;ANS文件被用于描述有限元离散数据模型并广泛用于不同平台的有限元分析软件中。

2) 程序化组件接口语言。对于更多的工程语义知识描述所需要的数据接口通常通过程序化组织语言进行描述, 通过计算机语言以及工程语义知识的数据平台提供的程序化组件实现接口通信, 如在Pro/E平台中提供的Pro/Toolkit工具实现从Pro/E平台数据到工程语义知识库的接口, 还有如APDL脚本语言实现从ANSYS数据平台到工程语义知识库的接口, 还有如XML语言实现从个人计算机平台到基于Web网络的分布式工作平台的接口等。

通过接口实现主模型数据过滤到工程语义知识描述集, 以软件工具实现的工程语义描述集完成产品各个设计环节的性能评估与校核, 如图3所示。

4 航天工装结构设计的实例验证

航天工装为适应航天器制造、装配、运输等辅助生产而设计的工具。工装系统根据航天器的需求进行配合研制, 应具有随“机”应变的能力。工装的使用性能对航天器的成功发射起着至关重要的作用, 因此, 工装系统高效稳定的设计过程成为了航天工程领域一个不可忽视的环节。支架车作为航天器运输辅助工装, 对其进行功能分解为以下模块:接口分系统、支撑分系统、移动分系统、调节分系统、牵引分系统、吊装分系统、服务分系统。

根据功能需求分解以Pro/E为三维建模平台建立总骨架以及各分系统子骨架, 在各级骨架中附加产品设计参数以及添加约束, 各骨架间参数通过关系式进行传递, 完成支架车的基于骨架控制的三维模型, 初期设计的骨架、参数约束及最终模型如图4所示初步设计指向的两图与详细设计指向的图。

对支架车的使用性能, 其性能要求体现在以下几个方面:

1) 首先在承载航天器过程中要求支架车整体具有足够强度与刚度, 安全使用系数n=4.5;

2) 用于调整航天器姿态过程中要求支架车的升降螺旋机构具有足够耐磨性、螺杆抗压性、螺母螺牙强度、螺杆抗弯强度以及自锁性;

3) 用于挪动航天器位置过程中要求支架车整体具有防倾覆能力。

根据上述的3点性能要求, 分别从支架车主模型中提取相应数据, 并对数据进行工程语义知识描述规则描述, 通过开发数据转换接口实现支架车在初步设计和详细设计阶段主模型数据在工程语义知识描述集中的转化, 分别对3种使用性能的评估与校核的实现, 如表1所示。

以下以支架车接口部分接口的静力分析为例介绍从初步设计到详细设计的评估与校核, 对于工程语义描述的有限元分析本例采用ANSYS有限元分析软件工具。前期评估通过骨架参数 (如航天器重量、支撑杆均布个数、对接法兰直径、厚度等) 以及约束规则输出, 以Pro/E的Pro/Toolkit以及ANSYS的APDL语言为程序化语言接口, 实现抽象模型的有限元分析。

在详细设计阶段, 产品的实体结构已经完全定义, 需要最终的强度校核, 通过采取对结构强度影响不大的几何特征部分隐含的方式 (如上述结构的两圈法兰上的定位销孔、以及螺栓螺母等) 得到抽象出来的用于分析的几何模型, 工程语义知识描述采用Pro/E的Mechanical模块进行载荷和约束定义, 网格划分, 材料赋值等前处理定义, 通过调用ANSYS求解器功能求解, 通过采用以ANS文件方式定义工程组件接口, 将经过特征弱化后的模型的有限元前处理数据生成可供ANSYS识别的工程文件进行求解, 最终结果如图5所示 (前后系统单位分别为MPa与k Pa) 。

从初步设计的强度评估中最大应力值和最终强度校核中最大应力值相比较可知, 初步设计的评估对后续详细设计具有重要的保障意义。

5 结语

智能主模型通过骨架控制方法实现产品结构从整体到部分、从初步到详细的设计过程。在产品结构整体到部分, 从初步到详细的设计过程中, 通过定义工程语义知识定义了产品的性能分析与评估方案, 实现产品性能的多学科分析支持。

航天工装支架车设计具有周期短、型号多、性能要求高的特点, 通过开发基于智能主模型思想的支架车设计系统, 实现了参数驱动的骨架模型控制, 以及分别支持初步设计和详细设计中螺旋调节机构强度性能要求、防倾覆性能要求、结构有限元强度要求的快速评估与校核。

通过对智能主模型技术研究并进行实际工程验证, 实践显示应用于航天五院的支架车设计分析系统相比传统设计手段, 其研制周期缩短了50%, 人力成本降低了70%。实例显示后通过基于智能主模型技术的结构控制以及分析评估, 表明研制周期缩短和研制可靠性提高的效果是明显的。

摘要：产品智能主模型完整定义了产品的功能结构与多学科分析, 通过骨架控制方法实现了从初步设计到详细设计过程的结构建模;以编写多学科分析需求为导向的工程语义知识, 结合从产品数据模型到工程语义系统间的智能接口开发, 形成产品研制各个阶段中的性能分析与评估, 从而实现产品的面向全过程的设计。以航天工装支架车为例, 验证该方法支持的面向设计过程的结构建模与分析评估的可行性。

关键词：智能主模型,初步设计,评估与校核

参考文献

[1]郭连水, 李峥.叶片设计优化中智能主模型技术的研究[J].汽轮机技术, 2008, 50 (1) :16-19.

[2]韩明红, 邓家禔.复杂工程系统多学科设计优化集成环境研究[J].机械工程学报, 2004, 40 (9) :100-105.

[3]Bajaj M, Rathnam T, Peak R, et al.Federated Product Models for Enabling Simulation-Based Product Lifecycle Management[C]//2005 ASME International Mechanical Engineering Congress and Exposition (IMECE) , 2005, IMECE2005-81663:135-145.

[4]Oizumi K, Aoyama K.Coordination of Product Design Process in View of Product and Organizational Structures[C]//ASME2012 International Design Engineering Technical Conferences and Computers and Information in Engineering Conference, 2012:141-150.

[5]范文慧, 肖田元.复杂产品协同设计、仿真、优化一体化平台[J].科技导报, 2007, 25 (4) :15-24.

分析评估模型 第9篇

1 指标体系的构建

个人信用评估是一个多元的复杂系统，它将个人及其家庭的各类因素纳入统筹范围，采用科学严谨的分析方法，对其可信程度和履约能力进行全面的估价与评判，最后表明其信用状况。本论文采用属性论对其进行评估，建立分层指标体系，它结合了国内文化背景和实际情况，并借鉴国内外成熟的个人信用评估指标体系而成。主要归纳为3大一级指标，及13个扩展二级指标，指标分布情况如表1所示。

2 指标的量化

将个人信用评估的各项指标量化后，就可以利用属性论坐标评估与分析法对个人信用状况进行评估了。由于个人信用从总体上分为“自然状况”、“职业状况”和“与银行的关系”三维，每一维又分别包括其他指标，又构成一个N维的坐标系。这里构建“个人信用空间”，如图1所示，层层递进地分析属性坐标。

2.1 定量指标的标准化处理

在个人信用评估指标中，有“年龄”、“在现单位工作年限”和“年收入”3个属性为定量指标，且近似于正态分布[4]。对于这些属性值可以通过正态函数转换为分布在(0,1)内的数值。表达式如下：

其中，σ>0，μ、σ为常数，X服从均值为μ，方差为σ2的正态分布。

在个人信用评估模型中，取值如表2所示。

例1对于“年收入”属性，通过分布函数进行转换。若“年收入”属性值为10，则得到转换后的属性值：

例2对于“年龄”和“在现单位工作年限”属性，利用密度函数进行转换。若“年龄”属性值为45岁，“在现单位工作年限”属性值为15，则可得到转换后的属性值：

2.2 定性指标的量化

对于个人信用评估中的定性指标，即各项离散指标采取不同的量化方法。例如：“性别”属性，女1，男0.8;“婚姻状况”属性，已婚有子女1，已婚无子女0.8，未婚0.5;或者采用两点线性插值公式或最大最小值等方法量化定性指标。下面主要介绍关于属性论方法中的逆定性映射法。

2.2.1 逆定性映射[5]

逆定性映射可以使个人信用评估中的离散指标纳入科学、量化的研究轨道。在个人信用评估指标中，有“持卡程度”属性，单位：张。分为3个阶段，0-2张为差，3-6张为一般，7-10张为满意(大于10张均记为10张)，若为一般和满意的采用递增公式。若为差的采用递减公式。

递增公式：x(μi)=βi+δi(μi-1)

递减公式：x(μi)=αi+δi(1-μi)

其中：αi和βi是所在程度的边界值，δi=βi-αi。

例3设已知一个人“持卡程度”为“一般”，且程度为0.5，则利用递增公式可得其量化值：

x=0.6+0.3(0.5-1)=0.45

3 评估模型简介

3.1 风险评价的FICO法

在全球得到普遍使用的FICO(Bill Fair&Earl Issac Corporation)信用评分是一种最常用的普通信用评分，它被认为是衡量个人风险的“黄金标准”。其方法主要分为三个步骤：

1)建立评级指标体系

2)从定性到定量的量化评分(量化)

3)从定量到定性的评级(等级化)

令[300,900]=[300,500]∪[500,600]∪[600,700]∪[300,900]∪[800,900]

得到A、B、C、D和E五个等级。

从而，根据借款人的信用评分等级判定其应该发放贷款，还是要求借款人增加担保或干脆拒绝贷款，亦或是需做进一步核查。

3.2 基于属性坐标分析的信用评价模型

从理论上讲，效用值x的最大值即使存在，然而在整个效用值空间中将它找到，也是很困难的。因此，在将决策者的心理权重解释为：“等总分条件下，各决策属性分数的一种满足决策者心理权重的合理性分配”的基础上，提出了基于属性坐标学习和分析的评估决策模型。

核心思想：将其求解分解为一系列求(等总分)局部最满意解的子问题，继而由局部到综合，找出全局满意解，即效用值x的最大值。

综上所述，基于属性坐标学习和分析法信用评价模型具体算法如下：

设xi为第i个用户，xik为第i个用户关于第k个指标属性的评分，其中0xik100,k=1,,m,m为指标属性个数。w=(w1,,wm为决策者的心理权重(或偏好)，满足：

1)确定影响个人信用卡申请的各类指标，即事物的属性，构建个人信用评估指标体系，并对各项指标属性进行量化和评估。

2)设T0为临界总分，在(T0,100m)中，据曲线拟合要求，均匀选取若干点Ti(i=1,2,3,,n-1)，在总分为的每个点上选取若干个个人样本进行学习，按照2)中公式找到总分为Ti的重心坐标，即局部最满意解为：

式中，b({xh(z)})为{xh(z)}的重心点，{xk,k=1,,S}哿ST∩X为总分等于T的样本方案xi的集合，评估者z从{xk}中挑选了t套认为较为满意的方案{xh,h=1,,t}，且分别评分为vh(xh)，vh(xh)为加权平方方法的权重。

3)利用如下插值公式，进行曲线拟合，找到心理标准线(局部最满意解)L(b({xh(z)}))。

4 模拟应用结果

本文运用MATLAB根据属性论的相关步骤编写相应的程序，模拟200位个人信用卡申请用户的信用数据库，并进行评价评判和排序。

首先对200位用户的各项指标属性进行评估和打分。例如，“自然状况”有5项指标：年龄、性别、婚姻状况、文化程度和住宅性质。分别以这5个属性αj,j=1,2,,5为坐标轴，以其评分x(aj)为坐标分量，则每一用户xi,i=1,2,,200在五维决策坐标中对应一个五维坐标点xij=(xi1,xi2,,xi5)。通过对某一评判者的心理偏好及其变化过程进行学习或模拟，得到该评判者的心理标准线。然后，利用全局满意度函数求得各信用卡申请用户的信用满意度。如图2所示。

类似地，可以得到“职业状况”和“与银行关系”两大指标的全局满意度。接着通过满意度和定性映射的关系，将这三大指标作为个人信用评估的三大属性，进行总体信用评估计算，最后根据全局满意度对所有的个人信用进行排序。如图3所示为计算机模拟运算得到的200位申请信用卡用户的信用评估水平从高到低的排序。

5 结论

分析图2可以看出，该评判者的心理偏好为：文化程度和住宅性质最主要，其次是婚姻状况，但是年龄和性别的分数也不能太差。如195号个用户的关键属性“住宅性质”只有60分，128号用户的关键属性“住宅性质”有100分，然而“性别”属性，“文化程度”属性都没有195号用户高，虽然总分相同，但是最后的“自然状况”属性满意度两者相差0.0249，排名差6位，这就充分体现了评判者的心理偏好。这种心理偏好并不是由评判者显性表示出来的，而是由计算机经过多次模拟评判者的评价自动识别的。

通过图3可将个人用户最后的信用全局满意度的排序和总分的排序进行对比，发现总分高的个人用户全局满意度不一定高，总分低的个人用户全局满意度不一定低，这就从侧面反映了个人信用卡申请的评估模型的评判是按照评判者的心理偏好及其心理变化曲线确定的，不同评判者对同一个人信用卡申请用户的信用评估也可以有不用的结果。

综上所述，基于属性论评估与决策法的个人信用卡申请的风险评估模型可以通过学习评判者在若干个总分点的评估过程，模拟出评判者心理标准变化曲线，这是其独到之处。并且本文给出了评判者在局部，或某个档次和全局评估的满意度，并对结果的合理性给出定性和定量相结合的数学解释。随着模拟的次数增多，计算机识别的准确性就越接近评判者的心理偏好，因此，该系统具有不断学习，不断改正和完善的功能。此外，不同偏好的评判者可以根据自己的心理权重进行模拟评估，让计算机自动识别，更具有使用价值。在实际应用中，由于计算机模拟评估者的心理偏好，在模拟评估及指标的评估与量化过程中，最好模拟有丰富经验和准确判断能力的评判者，同时尽可能加大样本数量，这样得出的排序结果才会更为合理。(下转第3828页)

参考文献

[1]尤晓明.后金融危机下信用卡业务的风险防范[J].中国信用卡(专业),2010,(3):53-56.

[2]中国人民银行.2010年第一、二、三季度《支付体系运行总体运行情况》[EB/OL].(2010-11-25)[2010-12-19].http://www.pbc.gov.cn/.

[3]冯嘉礼.核事故严重事故应急决策支持系统及其计算机实现研究[D].北京:中国原子能科学研究院,2001.

[4]张德栋.基于神经网络的信用评估模型的研究[D].山东:山东科技大学,2003.

分析评估模型 第10篇

企业搞好继续教育工作是落实科学发展观、实施“人才强企”战略的重要举措,科学地分析企业继续教育状况,有利于企业更好地构建和完善继续教育体系。本文采用的层次分析法对某国有大型企业专业技术人员继续教育体系进行评估,较好地实现定性分析与定量分析相结合,有利于该企业进一步搞好专业技术人员的继续教育工作。

层次分析法(Analytic Hierarchy Process,简称AHP)是一种把定性与定量分析结合起来的决策方法,是由美国匹兹堡大学T.L.Saaty教授在20世纪70年代初提出。该方法核心思想是针对相互关联影响的多因素决策问题,通过选择评价方案,对决策对象进行优劣排序,取优汰劣。我们采用层次分析法,对企业专业技术人员继续教育体系中包含的各种因素,通过专家分析,确定各种影响因素,划分出其相互间的联系,使之分层次条理化,去除相对次要的影响因子,在定性的判断基础上,提出可判断评价的指标体系。然后,对提出的影响因素指标进行问卷设计,通过较大范围的样本调查,对收集汇总的问卷数据进行统计,采用层次分析法对同一层次元素间的相对重要性给出定量的描述,再利用数学方法确定每一层次元素相对重要性权值;通过计算机编程计算出各级指标的相互关联的数值及其权值,有利于科学确定影响继续教育体系的主要因素,通过综合评价多级指标的权重,能准确地对各种因素进行重要性排序,为企业搞好继续教育提供更加可靠、科学的依据。

1 建立分析系统,确定系统分析评价层次结构和各因素间关系

在对企业专业人员继续教育体系的分析中,我们通过观察法、个别访谈法和专家调查法,从评价系统的结构、层次、功能、联系方式等方面综合地考察,在综合专家意见和调查的基础上,将影响企业继续教育体系的各种因素进行归纳分类,根据各种因素之间的相互联系确定分层指标体系,力求指标体系具有总体完整性与均衡性,使确定的评价指标建立在合理、科学的基础上。

调查表的设计借鉴系统工程学的层次分析理论,构建出如图1所示的企业专业技术人员继续教育体系层次结构图。在该层次结构图中,处于最上层一级指标(A)为总目标层,它体现了企业专业技术人员继续教育体系的整体性能和期望结果;中间层二级指标(B)为主要因素层,有知识来源、经费投入、师资队伍、教学手段、质量保证、组织与制度等6大类主要因素,它们决定了总目标的性能质量;最底层三级指标(C)为基本因素层,有26个指标组成,构成了整个继续教育体系的直接可控制和可考核的因素,也为企业专业技术人员继续教育管理提供可操作的工作思路。各层次之间是一种层层递进、相互影响的关系,但同一层次之间则不发生任何关联。每个指标都有各自的权重,可通过层次分析法计算求得。

2 构建两两比较判断矩阵

由确定的测定指标体系,设计相关的取样调查表,建立递阶层次结构调查表,可以让被调查者清楚系统间各因素的关系,以便构建起两两比较判断矩阵。构造判断矩阵是运用AHP关键的一步,AHP的信息基础要求被调查对象对每一层次各个元素相对于上一层次中某一准则(Hi)的相互重要性给出的判断,判断值的大小按判断尺度的定义来确定;然后由判断值表示出矩阵形式,即判断矩阵。鉴于评价标准对各种因素的关联关系很难有一个明确的统一标度,所以,在采用AHP方法确定各变量的相对重要性时,引入了两个指标间相对重要性的九分位比率标度的判断尺度,即两两指标间的相对重要性比值由1、2、3、4、5、6、7、8、9这九个数值予以说明。1、3、5、7、9从低到高排列,说明两指标间比较的相对重要性由低到高,分别为同样重要、略微重要、明显重要、重要得多和绝对重要;而2、4、6、8则为处在上述相应的两个判断值中间位置的判断值,为两个判断值的中间水平值;如果为以上数值的倒数,则说明两两指标比较值的相对重要性与上述正好相反。判断尺度的定义如表1所示。

从上述步骤中我们可以看出:AHP由于权数的倍数作用,其权数对评价结果起着至关重要的作用,权数差之毫厘,结果会缪之千里。确定权数的关键在于建立判断矩阵,对同一因素,被调查者从不同的角度看会给出不同的判断值。因此,一定意义上说,判断矩阵是每个调查者的主观因素的反映。在大样本调查中,计算的结果相对具有较好的代表性,能够反映出各个指标之间的内在联系及客观规律。

由于该体系设计的多因素的复杂性以及因素之间数理关系的逻辑联系,被调查者如果不了解之间的必然关系,在较大规模问卷调查中,收回的问卷常因为判断选择没有必然的数值逻辑关系而成废卷。本实证研究调查发放问卷500份,尽管在设计问卷中作了详细说明,且被调查者都是受过良好教育的专业技术人员,但收回的有效问卷为338份,占67.6%,造成废卷的主要原因就是由于被调查者不清楚各指标之间的关联关系。

3 各层元素相对权重和各层元素总体权重的计算

3.1 各层次元素相对权重的计算

层次结构图中各级指标对构建企业专业技术人员继续教育体系的影响权重,可以由层次分析法计算获得。要计算各层次指标对综合能力的影响权重,需首先计算各层次元素对于上一层次元素的相对权重,这要借助于构建判断矩阵A=(aij)6×6,B=(bij)n×n。其中A为二级指标层对总目标层的判断矩阵,B为三级指标层对其二级指标层中相关指标的判断矩阵。判断矩阵依据表1的1~9标度法,即依据相同层次中各因素对上一层的相对重要关系来排列矩阵,数值越大,i比j就越重要。下面仅就二级指标对总目标的相对权重计算做一简单介绍,判断矩阵如表2所示。

在该矩阵中,当元素的行数与列数相同时,值为1,即aii=1。显然,aij=1/aji。由方根法可以求出二级指标相对于一级指标(总目标)的相对权重wi:

式中,,(表示判断矩阵(aij)n×n的每一行元素之积);

n为矩阵阶数。

为了减少由于主观判断带来的误差,需要对判断矩阵进行相容性检验,当检验通过时,才认为由判断矩阵计算的相对权重是可以接受的。相容性检验主要通过计算一致性检验指标CI来进行:

CI=(λmax-n)/(n-1)

式中,λmax为判断矩阵A最大特征根,,满足AW=λmaxW

(AW)i表示向量AW的第i个分量,i=1,2,3…,n;

然后,再用一致性比率CR来检验n维判断矩阵是否符合一致性的要求,计算公式为:

查同阶矩阵平均一致性指标RI(如表3所示),计算CR,当CR<0.1时,认为判矩阵满足一致性要求。

3.2 各层元素总体权重的计算

由于各级指标之间相互独立,仅与其紧上一层指标有隶属关系,因此仅仅求出各层次元素(相对于紧上层指标)的相对权重是不够的,还需要计算各层次元素相对于总目标的总体权重。对于本文中的论题而言,即除了计算B对于A、C对于B的相对权重外,还需要计算C对于A的总体权重。实际上,由于B指标的紧上层指标就是总目标A,所以B对于A的相对权重就是其总体权重。

第三层指标(C)相对于A的总体权重可由以下方法求得:

假设总目标A下有m个B层次指标B1、B2、……、Bm,其对于A的总体权重分别为b1、b2、……、bm,下一层次C包含n个因素C1、C2、……、Cn,它们对于因素Bj的相对权重分别为c1j、c2j、……、cnj(当Ck与Bj无关时,取ckj为0),此时C层次的总体权重由表4给出:

可以将最底层指标的总体权重按数值的大小进行排序,权重越大,排序就越前,该指标就对总目标影响程度越大。

我们通过计算机编程对收集的338份有效问卷数据进行了计算,并计算得出三级指标体系的总体权重、相对权重,并通过了一致性检验,结果如表5所示。表中所列各项因素的权重值比较准确地反映出在企业专业技术人员继续教育体系中各个因素之间的相互关系。

4 结论

本次调查表发放对象均为大型国企中层以上领导干部和高层专业技术人员,经过统计分析,在企业实施继续教育的诸多影响因素中,由指标权重排序可以看出,比较一致的看法是:由企业出资进行继续教育经费投入是保证继续教育在企业得以实施的第一要素;而公司与员工共同承担继续教育费用有利于员工增强学习的自觉性和主动性,可以促进学习质量,保证学习的成效。继续教育的成效和质量最终体现在专业技术人员的工作实绩,工作实绩是检验企业专业技术人员继续教育质量的关键要素;由权重分析可以看出,为保证教育质量,在学习结束时进行考核仍是一种非常必要的手段,同时也要注意在学习过程中进行适当的考核,这将有利于于保证继续教育的质量。此外,从组织和制度上,推行职业资格证书制度对于企业技术人员继续教育是一个非常有效的举措,应该更有利于企业继续教育的实施。在师资队伍的选择上,有经验的国内外同行专家为第一选择,针对企业实际,选择有经验的国内外同行专家进行授课将更有利于推行企业继续教育,也更受广大企业专业技术人员的欢迎。被调查者更倾向继续教育的知识来源为同行交流,其次来源于高校。而继续教育教学的手段是否采用远程教育和闭路电视,这两因素的权重值排序在最后,说明这种非面对面的教学手段用于继续教育不被看好,其原因可能在于远程教育缺乏必要的学习互动交流。

参考文献

[1]王莲芬.层次分析法引论[M].北京:中国人民大学出版社,1990.

[2]姜启源主编.数学模型(第二版)[M],北京:高等教育出版社,1993:305-336.

本科教学质量水平评估的数学模型 第11篇

关键词 本科教学质量 评估 层次分析 数学模型

一、问题的提出

对高校教学质量的评价,是高校教学的一个有效调控,为高校办学提供了一个建设性方向。近年来,由于各高校大幅扩招等因素带来的影响,我国高等教育的教学质量备受社会各界关注。如何对高校教学质量进行评估?目前用的较为普遍的是统计分析评价的方法,该方法使用起来比较相当繁琐。因此,为了能深入细致的评估本科教学质量,本文对2006年本科教学质量评估材料中各项评价指标做了量化处理,最终得出了综合评价本科教学质量的简便方法。

二、问题分析

通过对2006年高校本科教学质量评估材料的仔细阅读、分析,结合各个高校的特点,在对专家咨询后,本文应用层次分析法(AHP)建立了本科教学质量评估的层次结构图,结合专家咨询法得到了层次结构中各指标的权重,最终给出了教学质量评估的综合评价的数学模型。并且应用该模型对给定的三所高校进行了教学质量评估,排出了它们教学质量水平的高低秩序。

三、模型的假设及符号规定

假设: (一)专家咨询法得到的数据具有代表性、权威性。(二)本文以师范类高校为例进行研究。(三)Z:高校本科教学质量水平(目标层)

X1:专家对因素Ci的最终评分,I=1,2,……10。

四、模型的建立与求解

(一)评价体系的层次结构

为了能够较为科学地评价各高校的教学质量,本文根据各高校的特点,结合乐山师范学院2006年本科教学质量评估材料,应用著名美国学者T.L.Saaty提出的层次分析法,得出了本科教学质量评估的层次结构图如下:

说明:在方案层(C)中,由于不同的学校可能有所差异。例如,办学指导思想下可设学校定位和办学思路;师资队伍下可设师资队伍数量与质量、主讲教师等项目等;就业下可设省重、国重以及一般中学等(这里就不再赘述)。因此,对不同学校层次结构分支可以适当变通选取,也可由专家组讨论决定,使各层次分支更加合理。

(二)构造比较矩阵。在确定同一层中各因素对上一层的贡献程度时,我们采用专家咨询的方法对各因素进行评分,构造出了各层中的比较矩阵。

通過专家咨询法,我对相关专家进行多次咨询后,在第二层中整理得到B1,B2关于Z的两两比较矩阵B,其中bji表示Bi和Bi 对Z的影响之比,见表—1:

方案层(C)中,对因素C8,C9,C10关于B2的两两比较矩阵C2,其中Cij表示Ci和Cj对B2的影响之比,见表—3:

B2C8C9C10

C811/35

C9318

C101/51/81

表—3

相应的矩阵为:

五、模型的求解及应用

(一)计算矩阵的权向量及进行一致性检验。

对比较矩阵B,C2由于阶数分别为2、3,显然满足一致性检验。利用数学软件(Matlab6.5)编程的分别求出的B(程序见附件一),C2(程序见附件三)的权系数。

关于矩阵B,计算出相应的全向量为:w(1)1 =(w(1)1,w(1)2)T=(0.833,0.167)T。

关于矩阵C2,计算出相应的全向量为:w1(2)=(w1(2), w2(2),w3(2))=(0.2746,0.6571,0.0683)。

关于矩阵C1,计算得出它的最大特征值为:ans0=7.632;相应的特征向量为:

w0(2)=(w1(2),w2(2), ……w7(2))=(0.3842,0.2295,0.0804,0.0409,0.1209,0.0392,0.1050),利用一致性检验指标CI=0.1053和随机一致性检验指标RI(见表--4)算出一致性检验比率CR=0.0798<0.1 ,即是说该矩阵C1通过了一致性检验(程序见附件二)。

n1234567891011

RI000.580.901.121.141.321.411.451.491.51

表—4

(二)综合评价公式及应用。

由上述计算结果得出,准则层的权向量为:w(1)=(0.833,0.167)T;方案层的权向量为:w(2) =(w0(2) ,w1(2))T =(0.3842,0.2295,0.0804,0.0409,0.1209,0.0392,0.1050,0.2746,0.6571,0.0683)T。

因此,容易得出高校教学质量评估的综合评价模型(I)为:0.320X1+0.191X2+0.067X3+0.034X4+0.101X5+0.033X6+0.087X7+0.013X8+0.109X9+0.011X10

其中Xi,表示因素Ci 在专家评价下的最终得分,i=1,2,……,10 。

在本文中采用10分制分别对因素C1,C2,……,C10进行专家评分。不妨假设专家由多人组成,对层次结构中每一个因素如(Ci)分别打分后,先去掉一个最高分,去掉一个最低分,然后对剩下的评分结果求平均值即为该因素的得分(Xi)。

现有甲,乙,丙三所高校需要进行教学质量评估。专家评分后的各个因素最后得分如下表:

X1X2X3X4X5X6X7X8X9X10

甲87641753610

乙5653534579

丙4322263758

把各个因素的得分代入我们的评价模型(I)得出三所高校教学质量的综合水平评分为:6.1127,5.2344,4.0254;因此,它们的综合教学质量由高到低的次序为:甲、丙、乙。

六、模型的评价及推广

本文通过层次分析法建立了高校教学质量评估的综合评价模型,应用该方法得出的三所高校的评价结果也比较合理。该模型具有较强的推广价值,比如应用在大学生综合素质评价,教师教学质量评价等数学问题的处理上。但是,由于层次分析法用的决策矩阵具有一定的主观性,我们的决策矩阵虽然是用的由专家赋值法得到的,数据也具有广泛的代表性,但仍不能确保其准确性与科学性。

参考文献:

[1]姜启源,谢金星,叶俊。《数学模型》第三版,北京,高等教育出版社,224—244 2004.4

分析评估模型 第12篇

近年来, 我国的教育事业蓬勃发展, 尤其是高等教育, 而高考, 作为众多学子进入梦想殿堂的必经途径, 得到了学生与家长的高度关注。与此同时, 如何报考高考志愿, 增加考生被自己心仪学校录取的几率, 也是高考中至关重要的过程。因此, 在高考填报志愿指导中, 高校录取分数线的预测与录取几率的预测对于考生能够准确把握填报志愿尤为重要。基于这样的背景, 建立一个科学的录取分数线的预测模型来指导考生填报志愿是非常具有现实意义。首先, 依据志愿高校以往几年的最高录取线, 平均录取线和最低录取线等已有数据, 结合考虑其他因素, 如国家招生政策改变, 当年所在省考试规则改变, 及志愿高校在考生所在省份的招生计划改变等各种可能影响因素, 预测出该校当年的最高录取线, 平均录取线和最低录取线 (由于平均线反映出该校生源平均水平, 具有较高的参考价值) 。其次, 根据预测出志愿高校录取线和考生总分来预测该考生报考该高校的概率。如果考生倾向于报某个专业, 还需要进一步预测该专业的录取线。通常情况下, 各校名牌专业平均录取线会超过该校平均录取线。

1 高校分数线预测

由于高考录取分数线存在大小年的影响因素, 所以历年的录取分数线序列波动较大, 如果直接用历年数据来预测, 会造成非常大的误差。基于这个原因, 我们尝试对原始数据进行弱化算子的处理, 处理后会改善光滑度, 使得序列变得较为缓和。利用处理后的数据建立灰色模型, 可以提高预测精度。

在弱化算子时, 我们依据新信息优先的原则, 按照时间由远及近进行了权重的分配, 加强了新信息的权重, 所以结合录取分数线与近两年的分数线密切相关, 提出了以下弱化算子的方法:

根据灰色GM (1, 1) 模型的基本原理, 传统的GM (1, 1) 模型中, 背景值的计算如下式:

其原理是用梯形面积代表曲边梯形如图1所示。

根据图1, 由于原始序列仅是一些离散点的数据, 实际曲线未知, 并且梯形面积和曲边梯形面积存在较大误差, 所以ΔS的面积大小非常不确定。由此可见, 对背景值的计算的改进是非常有必要的。

2 志愿高校概率分析

2.1 概率评估模型建立

有关研究证明, 每年高考考生的成绩分布符合正态分布, 并且这一理论可以对历年的高考成绩进行分析。

每年的高考成绩服从正态分布, 但是每年的考生数量太大, 对我们求取正态分布的均值和方差, 造成了很大的困难。根据实际情况, 报考每个院校的考生成绩相对于录取平均值, 具有“两头大, 中间小”的特征, 因此我们建立新的样本正态模型, 来估计录取概率。

2.2 样本正太评估模型

利用改进的灰色预测模型, 根据以往五年志愿高校各个专业的平均录取线, 预测今年的各个专业的平均录取线, 记为ξi。以往五年志愿高校最低录取线预测今年该高校最低录取线, 记为μ。

以将ξi作为样本, μ作为样本的近似均值, 新一年的报考该学校学生的分数大致服从正态分布ξ~N (μ, σ2) , 则标准差

因为有正态分布ξ~N (e, σ2) , 并且正态分布的密度函数为于是有概率

当考生成绩X等于高校预估出的最低分μ, 该生被录取的概率为P=50%, 考生成绩X高于高校预估出的最低分μ时, 该生被录取的概率为P=50%+50%×P1, 考生成绩X高于高校预估的平均值e时, 该生被录取的概率为P=100%。

即

3 层次分析法填报志愿

如何填报一个既能使自己满意, 又能够被录取的高校作为第一志愿, 是每个考生所面临的一个相互关联、相互制约的众多因素构成的复杂系统。为此, 我们采用解决这类复杂问题提供的一个新的、快捷的、实用的系统分析方法———层次分析法。层次分析法是由美国运筹学家教授在上个世纪70年年代中期提出, 在对复杂决策问题的本质、影响因素及其内在关系等进入深入分析之后, 构架一个层次结构模型, 然后利用较少的定量信息, 把决策的思维过程数学化, 从而为求解多准则或无结构特性的复杂决策问题提供一种简便的决策方法。

综合考虑学校的专业、名气、地理位置、置趣能力、自身条件、录取情况, 建立了高考志愿填报定量评价模型图2。

层次分析法最主要的信息是构造两量比较判断矩阵时, 下面我们给出一种称为模糊互补判断矩阵排序方法。

可以看出按表1标度构成的模糊互补判断矩阵A= (aij) n×n具有以下性质:

(1) aij+aji=1; (2) aii=0.5; (3) 0<aii<1。

利用最小方差法 (LVM) 计算权重Wi的公式为:

4 结论

通过对比志愿高校的实际录取线与预测值, 基于弱化算子和改进背景值的GM (1, 1) 模型, 误差小, 具有可参考价值。通过对比各个高等院校的实际录取情况, 概率评估模型的准确性很高。在所填报的志愿中, 综合考虑预测的分数线和考生的投报意愿, 对考生做出的填报指导, 理论结果和实际录取情况符合。研究成果对于广大高考考生有效认识和规避志愿填报的风险, 提高志愿填报的科学性和合理性有着重要指导作用。改进的GM (1, 1) 模型准确率高, 具有可参考价值。模型所需要的样本数量少, 采用偶数, 考虑大小年, 弱化算子增加近两年的权重, 相对于其他模型, 更符合高考的复杂情况。服从正态分布的概率模型, 通过预测每一个专业的预估平均值求出, 对比均值和预估值, 准确度稳定, 令人满意。

参考文献

[1]徐伟, 师义民, 等.概率论与数理统计[M].高等教育出版社, 北京, 2008.

[2]杜轻.基于改进灰色预测模型的分数线预测算法研究[D].2011.