AHP综合评价模型

AHP综合评价模型（精选12篇）

AHP综合评价模型 第1篇

关键词：医疗设备,生命周期,AHP-模糊综合评价模型,婴儿培养箱

预防性维护(PM)是保障医疗设备良好运行状态、保证诊疗工作正常开展的重要手段。通过及时地PM,可以提前发现故障,避免故障扩大,节省维修费用,从而提高设备效益。PM可分为基于时间为主和基于状态为主的两种方法。现需建立一种可根据医疗设备自身的状态,并有效结合上述两种维护方法的更优的动态PM。因此,如何通过医疗设备的状态实施相应PM流程就成了讨论的热点问题[1]。

1医疗设备生命周期阶段的划分

本文将医疗设备生命周期分为幼年期、青年期、中年期、 、 老年期4个阶段[2]:1幼年期:在医疗设备的早期使用阶段,因使用人操作不熟练或者操作失误造成设备的故障, , 此时会出现较高的故障率,但因设备的状态较新,不会出现重大故障;2青年期:在医疗设备度过磨合期后,设备各方面性能稳定,处于最佳状态;3中年期:医疗设备使用几年后,状态与性能开始缓慢衰退,部分重要部件的故障率会增加,但较为规律的维护可减缓其性能衰退的速度; 4老年期:医疗设备使用的后期,各部件已接近使用期限, 故障率上升,更细致的PM可增加设备的使用年限。

2医疗设备生命周期评价体系的建立

2.1评价指标的选取

在结合厂家对特定医疗设备PM建议的基础上,从稳定性、维修性、能力性能、使用年数4方面来确定设备生命周期阶段评价指标体系[3]。1稳定性是指在规定的条件下,设备在一定时间内执行其预定功能的能力。描述稳定性的参数指标有可靠度、平均无故障运行时间、平均失效间隔周期数等;2维修性是指在规定时间内,设备保持在或恢复到能够执行其预定功能状态的可能性。描述维修性的参数指标有平均修复时间、维修率等;3能力性能是指设备在临床使用时所表现的达到预期功能及精度等方面的性能体系。主要表现在设备精度的高低对临床使用者的满足程度,设备工作能力与能耗水平比率的高低等方面;4使用年数是指设备役龄、设备剩余使用寿命、设备寿命损耗等指标。

2.2 AHP-模糊综合评价模型

通过建立设备生命周期划分的结构及评价体系,选取评价方法建立评价模型,从设备整体及设备组件两个维度完成设备生命周期阶段的划分。本文采用AHP- 模糊综合评价法建立了综合评价模型,确定设备组件及设备当前所在的生命周期阶段。

模糊综合评价法是一种基于模糊数学的综合评标方法, 能较好地解决模糊的、难以量化的问题。由于模糊评价法多数用于较为复杂的系统中,因此更需要将一个复杂的决策问题描述为一个多层次的复杂结构,判断各个决策在不同准则之下的相对重要度来进行决策[4]。AHP即是一种对复杂现象进行系统化、模型化的决策方法。本文将利用模糊综合评价法,通过AHP确定模糊权值,构造出模糊评价模型完成设备的生命周期阶段的划分[5]。

建立AHP- 模糊综合评价模型的方法:

(1)确定评价因素集U=[u1,u2,…,um],根据上文所述的设备生命周期阶段评价指标体系,医疗设备重要部件的生命周期划分因素集为U=[ 稳定性,维修性,能力性能,使用年数]。

(2)确定评价等级集V=[vl,v2,…,vn],医疗设备生命周期的评价等级集为V=[ 幼年期,青年期,中年期,老年期]。

(3)确定评价指标体系的权重集A=[a1,a2,…,am],其中, ai>0,,各指标权重的确定采用层次分析法。

(4)确定评判隶属矩阵R :

式中,rij表示第i个指标对第j个等级的隶属度。

(5)利用模糊矩阵的合成运算,得到综合评价模型B :

(6)利用向量的乘积,计算最终评价结果Z :

3 AHP-模糊综合评价模型的应用

根据上节所述算法,下面以我院2012年5月投入使用的婴儿培养箱(型号为YP-90,品牌为宁波戴维)为例进行设备生命周期阶段评价层次结构划分,婴儿培养箱包含的子系统有:加温系统(SE1),监测系统(SE2),循环系统(SE3)。SE1的重要组件为加热陶瓷片(J1),控制温度板(J2); SE2的重要组件为箱温传感器(J3),肤温传感器(J4),微处理器检测板(J5);SE3的重要组件为风机(J6), 风道温度传感器(J7)。

现选取SE3的重要组件J6为例进行设备组件生命周期的划分。根据已建立的评价指标体系,评价指标包含2个层次:1对应为评价因素集U=[ 稳定性、维修性、能力性能、使用年数] ;2每个评价因素集的具体内容,这里选取医疗设备无故障运行可靠性、平均修复时间、维修率、 工作性能、工作精度、设备役龄、设备寿命损耗共8个指标。 评价等级集为V=[ 幼年期,青年期,中年期,老年期]。

现用设备生命周期阶段值SD来定量的表示设备的生命周期阶段,SD的取值范围为0~1,并规定当设备投入使用的开始时刻SD为1,设备报废的时刻SD为0。根据设备生命周期划分层次,对应设备生命周期阶段值SD与生命周期评价等级的映射关系为:幼年期SD值为0.8~1,青年期SD值为0.6~0.8,中年期SD值为0.3~0.6,老年期SD值为0~0.3。

下面采用层次分析法确定评价指标的权重,根据前面对层次的划分,层次结构中的目标层为设备组件J6,准则层为上文中提及的单一评价因素。对同一层次中元素进行两两对比,确定其对上一层次中元素的重要性,得到各指标权重因素集A=[0.4338,0.2169,0.0911,0.2581][6]。 通过隶属矩阵R计算出目标层模糊矩阵B=[0.4549,0.4262, 0.1188,0]。

最后,按照隶属度最大原则,可知目标函数属于优的隶属度最高,采用0~1制的打分法进行加权,可得SDJ6=0.755。根据SD的值,其介于0.6~0.8之间,可知J6的生命周期阶段为青年期,类似方法也可得到重要组件的生命周期阶段值SD及其所在的生命周期阶段如下:J1处于中年期,J2处于青年期,J3处于青年期,J4处于青年期, J5处于中年期,J7处于青年期。

最后,结合各子系统的SD值得出婴儿培养箱的生命周期阶段值为SD=0.6648,该婴儿培养箱的生命周期阶段为青年期。

4预防性维护措施及间隔时间的确定

根据AHP- 模糊综合评价模型得出的医疗设备的生命周期阶段,确定不同的预防性维护的时间及方法。

(1)处于幼年期的设备可注重于对使用者进行正确的使用方法的培训,并在医疗设备正式投入使用之前做好调试工作,以防因不当的设置导致医疗事故。预防性维护的间隔时间可适当放宽延长至1年1次,生命支持及急救设备, 例如除颤仪、呼吸机等可半年进行1次预防性维护。

(2)处于青年期的医疗设备,因其使用性能正处于巅峰状态,且磨合期已过,预防性维护的时间可与处于幼年期的医疗设备相同,但是维护重点可放在重要部件的除尘、 保养等,以延长设备处于青年期的时间。

(3)当医疗设备处于中年期时,故障率增高,重要部件老化,预防性维护的间隔时间应更短,分别为3个月和6个月,维护重点除了清洁保养外更注重重要部件工作状态,如检测到部件因老化而产生的性能下降等问题,应及时更换部件,防止医疗设备出现因故障停机的现象。

(4)当医疗设备处于老年期时,该设备已接近报废状态, 出现的故障率急剧增加,此时预防性维护则应在设备每次送修时都进行1次,对设备进行全方面的评估,如性能及稳定性无法达到临床要求时,应及时建议该设备报废[7]。

5改进后PM流程的应用

以婴儿培养箱改进前后的PM流程为例说明[8,9],见表1。

当以改进前PM流程对我院新生儿病房的30台婴儿培养箱(宁波戴维YP-90)进行PM工作时,婴儿培养箱报修率约为2次/ 每月,故障常见为风机报警、箱内温度与设置温度不符、门窗或轮子坏损等。每台婴儿培养箱所需PM时间约为2 h 40 min,30台共需80 h。

通过评估医疗设备的生命周期,30台婴儿培养箱中8台处于幼年期,15台处于青年期,5台处于中年期,2台处于老年期。实施改进PM流程1年后,婴儿培养箱的报修率降至约1.75次/ 每月,报修故障中面板及外观坏损报修率大大降低,减少了临床因故障停机的时间。1年中, 临床工程师约花费60 h进行这30台婴儿培养箱的PM工作。 因此,新生儿病区的30台婴儿培养箱每年可节约近1/4的PM工作时间,故障报修率也相应降低近1/8。

6结语

AHP综合评价模型 第2篇

基于AHP-MF模型的城市生态系统健康评价

建立城市生态系统健康评价的指标体系,构造各层因素的判断矩阵,用Mathematic软件计算出最大特征值及其特征向量,并检验判断矩阵的`一致性,最后用Fuzzy数学的方法进行评价.将模型编成计算机程序和软件,实现了城市生态系统健康评价的计算机操作.

作 者：陈东升 赵丽宾 李科学 CHEN Dong-sheng ZHAO Li-bin LI Ke-xue 作者单位：郑州轻工业学院,信息与计算科学系,郑州,450002刊 名：河南大学学报(自然科学版) ISTIC PKU英文刊名：JOURNAL OF HENAN UNIVERSITY(NATURAL SCIENCE)年，卷(期)：200535(3)分类号：X171.1 O159关键词：城市生态系统健康 判断矩阵 一致性 指标体系 评价

AHP综合评价模型 第3篇

关键词：智慧社区；评价研究；模糊综合评价

自从2009年IBM公司提出了智慧城市的理念，国际上涌起了城市“智慧化”的浪潮，2014年八部委联合发布的《关于印发促进智慧城市健康发展的指导意见的通知》中指出城市管理精细化的建设目标，而智慧社区在城市建设中处于一个相对合适的实践空间，在保障和改善民生服务、创新社会管理中具有举足轻重的地位，现有的研究从社区治理[1]、服务体系[2]、建设与运行模式[3]的角度来研究智慧社区。笔者借鉴北京市智慧社区指导标准的定义[4]，阐述智慧社区的概念是：利用物联网、互联网、云计算、数据仓库、移动互联网等新一代信息技术，将社区居民通过无处不在的感知器联接起来，以实现社区内信息资源共享最大化，从而发现知识，创新服务模式，实现对社区居民生活要素的数字化、网络化、智能化、互动化和协同化。为了能准确地把握智慧社区，本文构建智慧社区指标体系进行评价研究，并结合实例进行分析，根据评价结果提出推动智慧社区更好发展的建议。

1 智慧社区评价指标体系

1.1 智慧社区评价指标的选取

2013年国家住建部发布的《智慧社区建设指南（试行）》（下称《指南》）提出了一个完整详细的评估体系，它涉及了六个领域，87个底层指标，同时也指出了每个底层指标的评价标准。由于《指南》中评价结构繁杂，在实际评价工作中不易操作，本文在其基础上将相近指标融合一起形成一个新的智慧社区评价指标体系。

1.2 智慧社区评价指标体系的构建

根据智慧城市社区指标的选取，构建一个层次指标体系，见表1。

2 AHP-模糊综合评价法

模糊综合评价法是一种基于模糊数学的综合评价方法，它是一种针对多元素影响的决策做出定性与定量结合的方法。本文采用的AHP法与模糊综合评判法相结合的方法来评测智慧社区，具体步骤是：①模糊评价指标的确定，将指标按层级分布整理；②根据评价对象的性质设置评语集，本文中所有评价指标的评语集设置为5个评语元素的集合；③运用AHP法来确定指标的权重，将二级指标按上层层次关系划分为4个矩阵，通过计算这4个矩阵和1个一级矩阵中每一行的特征向量W，使用特征向量做归一化作为指标权重；④对矩阵进行一致性检验，当偏差一致性指标与平均一致性指标的比值小于0.1，则接受判断矩阵的一致性；⑤对指标进行模糊综合评价，将评价矩阵R和权重集A通过模糊算子M（）进行模糊计算，将结果进行归一化处理最终得到评价对象的模糊评语；⑥最后采用5分制来给评语集定权重，即很好、好、良、中、差分别对应分值为5、4、3、2、1。

3 智慧社区实例评价过程

3.1 数据收集 本文的实证研究选取湘潭市的“智慧九华”园区作为研究对象。2014年国家住建部和科技部联合发布第三批国家智慧城市试点名单，湘潭九华经济开发区入选名单，园区实施了“智慧九华”工程成功通过国家验收，其智慧社区的建设也惠及了九华居民的衣食住行，渗透到了社区服务中多处环节上。针对指标判断矩阵，笔者通过德尔菲方法将一级指标与二级指标分层进行两两比较，建立9分比例标度的判断矩阵，本次调研中共发放612份问卷，回收306份，最终有效问卷283份，将统计数据与问卷结果综合起来提交给专家，通过德尔菲法最终确定客观的因素集对评价集的隶属程度。

3.2 数据处理 对智慧九华的数据收据完成后，接下来需要针对判断矩阵计算权重集，并通过权重集对智慧九华指标单因素隶属程度的数据进行模糊计算。第一步，计算指标判断矩阵的特征向量，并做一致性检验，一级指标U1～U4判断矩阵A、二级指标U11～U43的4个判断矩阵A1、A2、A3、A4的特征向量计算结果如下：

WA=（0.072，0.159，0.317，0.351）；WA1=（0.641，0.359）； WA2=（0.352，0.296，0.176，0.176）；WA3=（0.637，0.258，0.105）；WA4=（0.163，

0.297，0.54）。

它们的随机一致性比率计算结果分别为：0.037、0、0.057、0.037、0.01，各值均小于0.1，因此我们承认判断矩阵之间有非常好的适应度，从而接受特征向量值作为智慧九华评价指标的权重值。

4 智慧社区建设与发展建议

本文借鉴了已有研究的智慧社区内涵，构建了一个智慧社区评价指标体系，运用AHP-模糊综合评价法，基于智慧社区实例进行评价研究。研究结果发现当前智慧社区建设发展良好，基本上充分考虑到了国家指南的指标要求，并结合本地特色满足了居民智慧化的需求。然而，现有的智慧社区建设过于的依赖于政府的干预，注意力过多的集中到了物联网、云计算、互联通讯等信息技术的部署上，淡化了智慧社区以人为本的内在意义，在下阶段的智慧社区建设发展中应该更多的关注到居民参与上来，让智慧社区更好地为社区群众服务。

参考文献：

[1]宋煜.社区治理视角下的智慧社区的理论与实践研究[J].电子政务，2015，06：83-90.

[2]郑从卓，顾德道，高光耀.我国智慧社区服务体系构建的对策研究[J].科技管理研究，2013，09：53-56.

[3]吴胜武，朱召法，吴汉元，段永华.“智”聚“慧”生——海曙区智慧社区建设与运行模式初探[J]. 城市发展研究，2013，06：145-147.

[4]北京市社会办，北京市经信委，北京市民政局.北京市智慧社区指导标准（试行）[Z].2013.

AHP综合评价模型 第4篇

所谓海外代购, 就是消费者委托他人代替消费者自己从境外购买需要的商品, 负责购买商品的人从中收取一定的费用。境外代购的商品一般是境内未上市出售的商品, 或者境内该商品价格一定程度上高于境外价格。随着居民消费水平提高, 我国消费者对商品的需求也越来越多元化, 国内商品并不能完全满足消费者需求, 因此海外代购市场也越来越繁荣。互联网的发展将海外代购推向了一个新阶段。代购渠道的多元化既方便了消费者, 也繁荣了我国经济市场。

目前国内对中国代购市场的研究主要是从法学和经济学两个学科视角进行研究的, 但关于消费者对中国代购市场的认知与反馈问题研究的极少。由于消费者对代购市场的评价具有主观性和模糊性, 本文采用层次分析法和模糊综合评价原理, 具体分析我国消费者对海外代购市场的满意度。

二、AHP——模糊综合评价原理

(一) 层次分析法的原理及步骤

层次分析法 (Analytic Hierarchy Process, AHP) 是T.L.Saaty等人在20世纪70年代提出的一种定性和定量相结合的、系统化、层次化的分析方法, 将要分析的复杂问题看做整体系统, 把影响系统的各个因素按照属性构造为若干层次, 对层次下的若干因素分别按相对重要性进行两两比较, 得到比较矩阵, 计算出最大特征值与特征向量, 进行一致性检验, 从而得到下一层次相对上一层次的重要性程度, 得到各因素权重。其具体步骤如下:

1、建立层级结构模型

2、依据Saaty等人提出的1-9尺度理论, 将各因素进行两两比较构造出成对比较矩阵A, 其中A= (aij) n×n, aji>0, aij=1/aij

3、计算矩阵的最大特征值λmax与特征向量W, W的分向量就是被比较元素相对于该因素的相对权重, 经归一化处理后得到相对重要性的权值排序。由于对因素进行的是局部的两两比较, 因此在可能包含因素间相对重要性的非一致性, 需要进行一致性检验, 步骤如下:

(1) 计算一致性指标。当CI=0时, A为完全一致矩阵, CI值越大, A的不一致程度越严重

(2) 为确定A不一致程度容许范围, 引入随机一致性指标RI, 从而确定一致性比率。当CR≤0.1时, A的一致性是可以接受的, 否则应对比较矩阵进行调整

(二) 模糊综合评价法的原理及步骤

模糊综合评价分析方法的基础来源于模糊数学, 将需要考察的模糊对象或概念当成模糊集合, 然后建立适当的模糊隶属函数, 通过模糊集合论的运算与变换, 对这个模糊对象进行定量分析。具体步骤如下:

1、确定模糊综合评价对象的评价指标, 共n个评价指标;

2、确定对象的评语等级域, 每一等级相对与一个模糊的子集;

3、建立隶属度矩阵R。建立起等级模糊子集后, 必须对所选取的评判对象的每个因素ci (i=1, 2, …, n) 进行逐步量化, 获得模糊关系矩阵R, rnm表示某个被评价对象从因素cn来看对vm等级模糊子集的隶属度;

4、确定评价因素的权向量W= (w1, w2, …, wn) 。W中的分向量本质上是因素ci对模糊子集的隶属度, 在这里采用层次分析法确定的权向量; (5) 合成模糊综合评价的评判结果向量。利用层次分析法确定的对应权向量和各个被评事物的隶属矩阵R进行合成, 可以得到各被评对象的模糊综合评判结果向量S。

三、消费者海外代购体验满意度评价的实证分析

(一) 层次体系的确立

消费者海外代购的体验满意度直接受到质量、风险、便利性、多样需求满足与价格五个因素的影响, 因此它们构成了整个层次体系中准则层的五个方面。其中质量包括了商品的物流、销售包装, 到货时初始状态如何, 商品的正品率以及使用效果如何等方面;风险涵盖了交易中受到欺骗, 售后服务质量, 是否符合官方法律以及程序几个方面;便利性的感受要受到挑选商品所花费的时间精力, 发运、接受货物的效率等环节的影响;多样需求的满足则包括了消费者一些个性化需求的满足, 涉及了商品品牌的要求, 功能的要求, 色彩、型号等要求;而价格因素具体指向了商品价格与物流价格。以上这些细化的影响因素便构成了层次体系中的指标层, 依据不同的属性作为分层指向, 从目标层到指标层简要梳理为了表2。

(二) 指标权重的确定

(三) 模糊综合评价

评价的指标选择层次分析法中的二级指标, 构造出评语集V= (V1, V2, V3, V4, V5) = (高, 较高, 一般, 较低, 低) , 再构造隶属子集Rn, rnm表示某个被评价对象从因素来看对vm等级模糊子集的隶属度, rnm=第n个指标选择vm等级的人数/参与评价的总人数。

根据调查数据可得质量B1隶属子集, 即矩阵

利用权重C1进行复核运算, 得到质量模糊综合评价矩阵S1=C1*R1= (0.051, 0.494, 0.365, 0.062, 0.028) , 同理可得:风险的模糊综合评价矩阵S2= (0.123, 0.288, 0.466, 0.077, 0.046) , 便利性的模糊综合评价矩阵S3= (0.042, 0.208, 0.461, 0.234, 0.055) , 多样需求满足的模糊综合评价矩阵S4= (0.104, 0.455, 0.39, 0.018, 0.033) , 价格的模糊综合评价矩阵S5= (0.051, 0.387, 0.459, 0.086, 0.017) 。在得到各一级指标的模糊综合评价矩阵后, 符合运算B*S就能得到消费者海外代购体验满意度的模糊综合评价向量Y= (0.06, 0.41, 0.42, 0.083, 0.027)

四、结论

通过对代购消费者抽样调查数据, 按照层次分析法和模糊综合评价法计算得到质量、风险、便利性、多样需求满足以及价格的模糊综合评价矩阵。消费者海外代购体验满意度的模糊综合评价向量Y= (0.06, 0.41, 0.42, 0.083, 0.027) , 这表明消费者的代购体验整体良好。下面将对五个一级指标矩阵代表的含义进行具体分析。

质量的模糊综合评价矩阵

S1= (0.051, 0.494, 0.365, 0.062, 0.028) , 可以看出消费者对代购商品质量满意度较高, 但认为代购商品质量一般甚至不好的比重也较大, 一方面可能因为消费者对代购商品质量期望较高, 导致对商品质量的整体评价出现较低的情况;另一方面, 代购商品本身的质量也存在一定的问题, 特别是在目前缺乏监管的情况下, 中国海外代购市场上伪劣商品横行, 导致消费者上当受骗。

风险的模糊综合评价矩阵

S2= (0.123, 0.288, 0.466, 0.077, 0.046) , 表明消费者认为代购消费风险整体上不大, 但代购风险满意度一般的占比较大, 这表明即使消费者目前尚未遇到售后、专利、关税等问题, 但仍然对此类风险有担忧。由于中国立法执法的问题, 消费者合法权益难以得到应有的保护, 对不良商家的惩罚也大多是通过社会舆论。消费者对代购风险满意度一般的评价表明消费者希望能有更有效的方法来保护自己的权益。

便利性的模糊综合评价矩阵

S3= (0.042, 0.208, 0.461, 0.234, 0.055) , 说明消费者普遍认为代购便利性一般。代购多通过手机和电脑完成, 由于热衷代购的多为年轻人, 因此操作上问题较小。代购省去消费者逛街的时间和精力, 但在网上挑选商品同样需要花费时间和精力, 并且可能会更多的把时间花费在正品验证中。通过代购购买商品虽然是物流送货上门, 但从付款到收到商品需要一段时间, 这可能是消费者认为代购不够便利的一个原因。

多样需求满足的模糊综合评价矩阵

S4= (0.104, 0.455, 0.39, 0.018, 0.033) , 这表明消费者很大程度上认为代购能够满足他们对商品的多样性需求。消费者选择代购很大部分是因为有的商品国内没有上市, 或者即使有替代产品, 但由于对国内商品质量的怀疑, 导致消费者选择代购。此外, 有的代购商品能满足消费者炫富、崇洋媚外等特殊心理需求。

价格的模糊综合评价矩阵

S5= (0.051, 0.387, 0.459, 0.086, 0.017) , 表明消费者对价格整体比较满意。虽然代购消费中消费者会付出运费和代购费, 但消费者认为这些收费合理, 相比国内商场专柜或专卖店的商品, 代购商品仍然更便宜。

摘要：近十年来, 随着互联网的发展, 中国海外代购市场交易规模几乎每年翻一倍, 增速惊人。通过海外代购, 消费者似乎找到了另一片购物天堂。但由于代购市场发展的不成熟, 存在大量的问题, 可能会影响消费者的代购体验。本文从质量、风险、便利性、多样需求满足以及价格五个方面解剖消费者的海外代购体验, 通过层次分析法和模糊综合评价原理, 得出消费者对海外代购的满意度。

关键词：海外代购,消费者,满意度

参考文献

[1]冯凯.网络海外代购业务分析[J].科技广场, 2012, 05:128-132.

AHP综合评价模型 第5篇

以风险因素的`权重计算为重点,建立了基于层次分析法(AHP)的风险模糊综合评判模型,并尝试将此模型应用于海上油气钻井工程的整体安全性评价中,实际工程运用表明:该模型评价过程简洁、直观,评价结果实用、有效,可为类似工程的安全性评价提供借鉴.

作 者：钱小东 刘祖德 QIAN Xiao-dong LIU Zu-de 作者单位：钱小东,QIAN Xiao-dong(中国石化集团国际石油勘探开发有限公司,北京,100083)

刘祖德,LIU Zu-de(中国地质大学工程学院,武汉,430074)

AHP综合评价模型 第6篇

信用是市场经济的基石，而作为市场竞争主体的企业，其信用状况如何，将直接关系到整个社会主义市场经济的发展。因此，对企业信用进行评价具有重要的现实意义。纵观信用评价的历史，从最初依靠训练有素的专家主观判断的古典信用度量术到现在以统计学、运筹学、模糊数学和现代金融理论为基础的信用风险模型，企业信用评价方法在不断演进中发展和完善。归纳起来大致可以分为三类，第一类是传统的信用评级方法，主要包括以5C法为代表的专家评判法和以5C法为基础发展起来的综合评价法；第二类是统计模型法，其中主要包括线性区别模型、线性概率模型、Logit模型和Probit模型；第三类是以类神经网络法与模糊分析法为代表的新兴评级方法。

在国内外企业信用评价实践和理论研究中，更多地是把企业信用评价内容界定为财务类与非财务类两大因素。通过对企业财务因素的定量分析，可以判断出企业财务状况的好坏程度，从而确定企业还款能力的大小。在此基础上，再对影响企业财务状况的非财务类因素进行分析，就可以对企业的还款能力作出更加全面、客观的预测和动态评估。由于非财务类因素的影响程度是由人们的主观判断确定，并且这种评价不可避免地带有结论上的模糊性。因此，要提高企业信用评价的可靠度，必须找到一种能够处理多因素、模糊性及主观判断等问题的评价方法。本文认为可以借助模糊数学的思想，建立一个模糊综合评价体系。

二、AHP-模糊综合评价模型

AHP–模糊综合评价模型主要由两部分组成，第一部分，层次分析法，它是美国著名运筹学家、匹兹堡大学教授托马斯·塞蒂于20世纪70年代中期正式提出来的。所谓层次分析法就是一种定性和定量相结合的、系统化、层次化的分析方法，强调人的思维判断在决策过程中的作用，通过一定模式使决策思维过程规范化，适合于定性与定量因素相结合、特别是定性因素起主导作用的问题。而品质在对客户的信用评估中是最重要的，因此，我们就用AHP法确定各指标的相对权重。第二部分，模糊综合评价，它是一种应用非常广泛和有效的模糊数学方法。所谓模糊综合评价法就是运用模糊数学和模糊统计的方法，通过对影响某事物的各个因素的综合考虑，对该事物的优劣作出科学地评价。模糊数学是20世纪60年代美国自动控制专家查德（L.A.Zadeh）教授创立的，是针对现实中大量的经济现象具有模糊性而设计的一种评判模型和方法，在应用实践中得到有关专家的不断演进。综上所述，AHP–模糊综合评价模型就是首先利用层次分析法确定企业信用评价体系中各个评价指标的权重，然后利用模糊综合评价对企业信用评价的过程进行模糊综合处理，最终就可以确定企业信用评级等级。

三、运用AHP设计中小企业信用评价指标体系

其一，设立评价指标体系。根据企业信用评价指标体系设立三层评价指标集：目标层指标集U=｛U1，U2，U3，U4，U5｝，分别代表企业的品质、能力、资本、抵押和条件；准则层指标集Uk=｛Uk1，Uk2，…，Ukm｝，其中m为Uk下的指标数；统计指标集Ukm=｛Ukm1，Ukm2，…，Ukmi｝，i为Ukm下的指标数，见表1。评判集是对评价对象可能出现评价结果组成的集合，本文采用五级评价标准，用V表示：V=｛V1，V2，V3，V4，V5｝，其中V1，V2，V3，V4，V5分别代表评价结果优秀、良好、中等、及格、不及格。一般而言來自企业外部的信息比来自企业内部的信息更加可靠，为了保证企业信用信息平台的有效性和准确性，因此，基于“5C”系统建立的信息库要采集并储存来自公共服务部门或管理部门的有关企业以下方面的信用信息。如表1所示：

其二，构造判断矩阵。建立上述层次结构后，就需要确定一个上层次元素所支配的下层若干元素以该上层元素为准则的比较判断矩阵。根据T.L.Saaty教授提出的比例九标度法，通过两两比较，确定层次中诸元素相对于上一层次某一元素的相对重要性，构造出两两比较判断矩阵。

（2）确定定量指标的隶属度。对于定量指标的隶属函数关系的确定方法分为效益型指标（越大越好型）和成本型指标（越小越好型）两种情况考虑。先根据有关金融法规及经济常识确定企业所属行业的各统计指标的平均值、最高标准、最低标准，取平均值与最高水平的中间值得到较高水平、平均值与最低水平的中间值得到较低水平，5个标准构成评价结果Vf（f=1，2，3，4，5）。然后，计算定性指标的实际值，再判断与其最接近的二个标准，即（3）确定模糊综合评价模型。首先，利用（1）、（2）计算出来的隶属度得到统计指标层的模糊变换矩阵Rkm和统计层指标权重集Wkm=（Wkm1，Wkm2，…，Wkmi），采用加权平均法计算得到准则层的模糊变换矩阵Bkm=Wkm·Rkm；其次，利用准则层的模糊变换矩阵Bkm和准则层指标权重集Wk=（Wk1，Wk2，…，Wki），同样采用加权平均法计算得到目标层的模糊变换矩阵Bk=Wk·Rkm；最后，利用目标层的模糊变换矩阵Bk和目标层指标权重集W=（W1，W2，W3，W4，W5），同样采用加权平均法得到目标层的模型构造矩阵B=W·Bk。

四、案例分析

笔者随机选取张家港市A企业的信用进行综合评级。

首先，分别向专家发放调查问卷，要求他们对各层次指标间的重要程度进行两两比较赋值，并根据赋值构造判断矩阵。并运用AHP法确定权重向量，如表2所示：

其次，通过问卷调查，让专家对A企业的定性指标进行打分评级，就可以得到这家企业的评价矩阵Rk，

即R11=0.20.20.30.300.20.20.40.200.30.20.40.100.40.20.20.20，R51=0.20.30.30.200.20.30.20.300.40.40.2 00

R52=0.30.40.20.100.30.30.30.100.20.40.30.100.40.30.20.10

对A企业的以往还款记录评价结果：

B1=B11=W11·R11=（0.080.050.030.54）·0.20.20.30.300.20.20.40.200.30.20.40.100.40.20.20.20=（0.3410.20.2820.1750）

对宏观环境的综合评价结果：B51=（0.250.3250.250.1750）

对行业状况的综合评价结果：B52=（0.270.3360.2640.10）

对条件的综合评价结果：B5=（0.260.3455 0.2570.13750）

由于一些小企业恶意逃废银行债务，致使银行宁可不贷或少贷，从而中小企业很难从银行贷到款，其需要资金时都是向亲戚朋友筹借的，因此这里关于抵押的指标隶属度就用（1000）来表示。通过搜集纺织业的相关资料，可以得到定量指标的最大值和最小值，然后通过分析A企业的财务报表就可以得出这些定量指标值的实际值，从而利用上述确定定量指标隶属函数的方法可确定定量指标的隶属度，如下：

R21=000.50.50000 0.390.61000 1 0000 0.460.54 R22=0000.210.790000.330.67

R31=1000000001R32=000.130.870000 0.620.38

R33=00 0.650.35000.420.580 000.520.480 0

对A企业的偿债能力评价结果：

B21=W21·R21=（0.070.210.430.29）·000.50.5 0000 0.390.610001 0000 0.460.54=（000.0350.6800.285）

对营运能力的综合评价结果：B22=（0000.23040.7696）

对资本结构的综合评价结果：B31=（0.20000.8）

对成长能力的综合评价结果：B32=（000.08710.78750.1254）

對盈利能力的综合评价结果：B33=（00.42560.53240.0420）

对担保资产的综合评价结果：B41=（10000）

对能力的综合评价结果：B2=（000.0230.5320.445）

对资本的综合评价结果：B3=（0.020.2720.3630.2320.113）

对抵押的综合评价结果：B4=（10000）

综上所述，对A企业信用的综合评价结果为：B=（0.2870.1990.2370.21000.067）。然而，为了使综合结果的优劣程度易于区分，我们就引进分数集F=（F1，F2，F3，F4，F5）T=（43210）T，其中 Fj表示第j级评价等级的分数。因此A企业等级综合评价值为：Z=B·F=（0.2870.1990.2370.2100.067）·（43210）T=2.429。由此可见，A企业的信用等级为中等。

五、研究结论

本文在前人和他人已有研究成果的基础上，结合目前我国企业信用评价的实践，进行了尝试性的拓展努力，主要结论如下：一是将模糊综合评价法引入企业信用评价中，运用定量分析与定性分析对企业信用进行评价。二是通过案例分析来验证指标体系及评价方法的实用性和有效性。但是本文中判断矩阵的构建和定性指标隶属度的确定这两个过程都需要专家评定，而笔者由于条件和资金所限，只能尽力找一些有评价经验或与此有关系的中高层管理人士，并非真正的评级专家，可能会对评级结果有所影响。并且凭借该公司所出的年报来做数据分析，难以判断其真实性，可能也会对评级结果有所影响。

参考文献：

［1］曹和平：《信用》，清华大学出版社2004年版。

［2］新华社、发改委：《中小企业在繁荣经济中作用越来越大》，《上海证券报》2007年12月11日。

［3］袁凌：《企业信用缺失的成因与治理》，《湖南大学学报》2003年第3期。

［4］胡笙煌：《主观指标评价的多层次灰色评价法》，《系统工程理论与实践》1996年第1期。

［5］张友棠、成瑶、严碧蓉：《基于“5C”系统的企业信用平台框架设计》，《武汉理工大学学报》2004年第9期。

AHP综合评价模型 第7篇

由于我国资本市场设立时间相比国外仍较短, 系统性风险较大, 基金的绩效相对缺乏稳定性。而单一的风险和收益权衡指标通常只描述了基金的历史表现, 不能全面反映基金的绩效。对基金绩效的评价应综合考虑多方影响因素, 包括基金的风险水平、收益水平、风险调整收益水平、时机选择能力、股票选择能力、绩效持续性和基金经理管理资产能力等。

本文基于层次分析法 (AHP) 将上述因素纳入评价体系建立基金绩效综合评价模型, 并结合样本对模型进行实证分析。本研究对理论界和实践界都有着重要意义。

1 投资基金绩效评价理论基础

1.1 基于CAPM和APT的绩效评价方法

20世纪60年代, 学者们基于资本资产定价模型 (CAPM) 分别提出了夏普指数 (Sharpe) 、特瑞纳指数 (Treynor) 和詹森指数 (Jensen) 来评价证券投资基金的绩效。基于套利定价理论 (APT) 提出了四因素模型、五因素模型, 来评价投资基金绩效。通过这些指标, 学者们可以构建对照的市场指数利用回归分析技术, 来研究投资基金的风险状况、基金的选股和择时能力。但这些指标存在一个明显的缺陷就是过于单一, 包含的基金绩效信息不够全面。

1.2 基于Va R方法的绩效评价方法

Va R即“Value at Risk”, 表示“在险价值”、“风险值”。Va R风险度量方法正是刻画了投资组合达到极限损失的可能性, 已受到国内外学者的广泛关注。Jorion认为:“Va R是给定置信水平和目标时段下预期的最大损失”。Va R在100 (1-α) %) 置信水平时, 表示为Va R1-α (X) :

绩效评估的最终目的是为证券市场的资本流动和配置提供依据, 仅以基金的收益作为评价指标必然会导致风险的过度承担;而仅以风险作为评价指标必然会导致投资的过度保守。基于Va R模型的风险调整的绩效评估方法, 即 (Risk Adjusted Return on Capital) 模型, 其表达式为:

其中:ROC为某一时期基金持有的金融资产或证券组合的收益;Va R为金融资产或证券组合在某一时期和给定的置信区间内的风险值。

2 基于AHP方法的投资基金绩效综合评价模型构建

2.1 模型指标的选取

本文选取基金的收益水平、基金的风险水平、基金经理的择时选股能力、基金经理的基本素质和基金管理公司状况来衡量基金的绩效水平。各指标的详细构成及相互关系如图1所示。

2.2 指标选择依据

前文当中五类指标选择的依据如下:

反映收益水平的指标, 除了基金净值收益率外, 还选择了特瑞纳指数、詹森指数和夏普指数, 主要目的是为了克服单一收益率指标反映信息片面的缺点, 综合考虑各种形式的收益率指标, 有助于全面考查基金收益率对绩效的影响。

风险类指标选择了β系数、标准差和Va R值, 他们分别反映了基金组合所承担的系统风险、总风险和设定置信水平下收益率最大可能损失值, 将这些指标纳入评价体系, 目的是为了从各个层面分析基金所承担的分险。

选股择时能力指标选取T-M模型的回归系数β、δ和H-M模型的回归系数β、γ, 二者从不同的角度反映了基金绩效的来源, 对投资决策有重要影响, 所以把它们纳入模型。

选择绩效持续性指标的理由主要是想考察基金能否取得持续的绩效, 对长线投资者而言是极其重要的指标, 所以本文选择两类经典的绩效持续性考察方法的系数作为构建模型的输入指标。

基金资产的运作效率从基金经理管理资产的年限和公司对研究力量的投资两方面来体现。一般而言, 任职年限越长的经理管理资产的经验越丰富, 对提高基金资产的运作效率有着更大的积极作用。在具体考察基金管理公司研究部门的投资支持能力时, 可以通过对研究部门的人数、人员普遍素质、历史研究成果与市场表现的吻合度等几方面进行分析。

3 实证分析

本文以我国发行的27只资产大于15亿元人民币的开放式基金为样本, 样本期为2001年9月26日到2013年9月26日, 计算相应的收益和风险类指标, 分别利用Va R方法和AHP方法对样本基金进行绩效评价。其中Va R利用蒙特卡罗模拟方法计算而得。

3.1 建立判别矩阵

按照“9标度法”分别建立两两判别矩阵A, M1, M2, M3, M4, M5, 如表1、2、3、4、5、6所示, 表中数字权重反映各指标的相对重要性, 由经验分析而得。

3.2 一致性检验

利用Matlab12.0软件编写程序, 分别对上述判断矩阵A, M1, M2, M3, M4, M5分别计算特征值P和对应的特征向量Q, 并计算一致性比率C.R., 结果如表7所示。由表7可以看出, 各判断矩阵A, M1, M2, M3, M4, M5的一致性比率C.R.均小于0.01, 通过一致性检验, 说明本文对准则层、指标层各指标重要性选取符合要求。

3.3 计算综合评价权重

在判断矩阵通过一致性检验后, 可以计算综合评价权重, 本文选择采用“百分制”, 则基于AHP基金绩效评价模型为:

从百分制绩效评价模型中可以看出, 收益率水平、风险水平和绩效持续性水平等指标占有较大权重, 这说明模型认为基金绩效受此三类指标是影响较大。

4 分析与讨论

4.1 基于Va R的绩效评价模型实证结果

对27只样本基金分别在1%、5%、10%置信水平下计算Va R值, 并计算, 排名结果如表8所示。

从表8中可以发现, 以嘉实债券基金为例, 1%置信水平下, 其Va R值为-4.5181, 风险调整后绩效排名为19;5%置信水平下, 其Va R值为-2.1810, 绩效排名为16;而10%置信水平下, 其Va R值为-1.8748, 绩效排名为26, 这说明Va R值对置信水平的变化很敏感。对基金投资者而言, 依据做投资决策要慎重考虑自己的风险水平, 较小的风险波动都有可能导致过激行为。

4.2 基于AHP绩效综合评价模型实证结果

利用作者所建立的基金绩效综合评价模型, 分别计算每只基金的最终绩效得分及绩效排名如表9所示。

从表9中可以看出, 由于本文建立的模型中收益率水平、风险水平和绩效持续性水平等指标占有较大权重, 所以, 凡是此三项指标得分较高的基金经模型运算后绩效得分较高、排名靠前。

说明:湘财合丰2是周期类, 湘财合丰3是稳定类.

对照已有文献中的基金绩效评价结果可以看出, 银河收益、嘉实增长、大成价值等多数基金绩效排序介于传统评价结果和Va R评价结果之间, 说明综合评价模型因为增加了持续性、资产运作指标, 能够克服收益和风险指标过于单一的现象;同时相对于指标而言, 在综合评价模型中Va R所占权重大幅降低, 能很好地平抑对绩效影响过激的现象。

5 结论

本文利用层次分析法 (AHP) 建立基金绩效综合评价模型, 并选取我国发行过的27只开放式基金的相关数据样本, 对模型进行了实证研究。发现综合评价模型中收益率水平、风险水平和绩效持续性水平等指标占有较大权重;比较绩效排名发现综合评价模型既能克服风险收益权衡指标过于单一的不足, 又能平抑指标决策过激的现象。在基金绩效评价的实务中, 这一方法值得引起相关应用者的关注。

摘要：选取投资基金风险、收益、选股择时能力、绩效持续性和基金资产运作能力等5类共13个指标, 利用层次分析法 (AHP) 建立基金绩效综合评价模型, 并结合我国发行过的27只开放式基金在2001年9月26日到2013年9月26日的相关数据样本, 对模型进行了实证研究。发现综合评价模型中收益率水平、风险水平和绩效持续性水平等指标占有较大权重;比较绩效排名发现综合评价模型既能克服风险收益权衡指标过于单一的不足, 又能平抑指标决策过激的现象。

关键词：层次分析法 (AHP) ,证券投资基金,绩效评价

参考文献

[1]王莲芬, 许树柏.层次分析法引论[M].北京:中国人民大学出版社, 1990.

[2]王性玉, 田军.基金绩效指标评价体系研究[J].经济经纬2001.

[3]何龙灿.证券投资基金业绩评价[M].上海:百家出版社, 2003.

[4]谢明瑞, 段昌文.台湾封闭型共同基金绩效评估之研究[J].台湾银行季刊, 2001.

[5]王春峰.Va R-金融市场风险管理[M].天津:天津大学出版社, 2001.

[6]范英.Va R方法在股市风险分析中的运用初探[J].中国管理科学, 2000, 5 (3) .

[7]刘志东.金融资产组合市场风险度量方法研究[J].工业技术经济, 2005, 24 (4) .

AHP综合评价模型 第8篇

自2001年国内第1家健康管理公司注册到今天, 健康管理在我国出现已有15年。截止到2005年, 全国已有300家以上的健康管理服务机构分布于100个城市的社区。健康管理已然成为一个新兴产业, 并且正在不断的营造一股全民健康的氛围, 不断的扩大, 深刻影响着人们日常起居。

二、健康管理的内涵、发展现状与问题

我国《健康管理师国家职业标准》中关于健康管理师的职业定义, 将健康管理定义为:对个体或群体的健康进行全面监测, 分析, 评估, 提供健康咨询和指导以及对健康危险因素进行干预的全过程。在发展的过程中我们同样看到了, 我国健康管理现状存在下面不利因素:需求很迫切, 但服务形式单一;理念先行但技术研究相对落后;专业人员匮乏。基于AHP-模糊综合评价模型的居民健康管理中心基本情况评价研究, 致力于构建一个全面刻画健康管理中心的基本情况评价指标体系, 规范居民健康管理中心行业, 引领健康管理中心的健康发展。

三、评价模型建立

本文主要针对面对的是居民健康管理中心, 由于整个评价标准具有很大的主观性, 需要将定性与定量进行结合处理, 在充分发挥专家学者的主观经验判断的基础上, 采用平均的方式, 消除一定程度上的主观性和数据之间的不确定性。基于AHP-模糊综合评价模型, 依次经过指标体系建立、构造判断矩阵、层次单排序及其一致性检验等步骤构建模型。

四、健康管理中心基本情况评价

本文以基于AHP-模糊综合评价模型的居民健康管理中心基本情况评价研究, 在走访调查健康管理中心的基础上, 建立各项关于健康管理中心评价标准, 发放问卷。根据上述模型建立过程, 运用m a t l a b编程求解, 获得各项指标值, 并作出有效分析。

(一) 指标体系的建立

从整个健康管理中心的体系系统的角度出发, 科学性原则、综合性原则、可比性原则的指导下, 经文献参考与实地的走访调查, 构建了指标体系如表2所示。

(二) 评价指标权重的确定

对两个因素之间的相互对比中, 量化处理标度方法采用相对重要程度标度表, 如表1所示, 对所得结果进行统计处理, 得到的判断矩阵, 运用数学工具Matlab计算各个判断矩阵的最大特征值和最大特征根对应的归一化向量, 并检验判断矩阵的一致性。

最终确定的权重系数结果如表2所示。

(三) 层次总排序及其一致性检验

带入检验公式, B层总排序随机一致性比例为0.0 8 7 1;CR<0.10, 认为层次总排序结果具有较满意的一致性。

五、评价权重的讨论

由表5 A-B判断矩阵及权重系数表可以看到, 在影响健康管理中心的B层各项指标中, 人员配置的影响最大。诚然, 就目前健康管理行业来说, 虽然从中国传统中医上来说, 早有“治未病”思想, 但是, 以科学的态度来研究健康管理行业, 真正发展健康管理行业只有在进10-20年的时间, 与美国、欧洲等的西方国家有一定的差距。于是, 对于健康管理行业的专业人才培育与健康管理学科体系的合理配置发展, 这将会是健康管理行业发展的首要前提。而且, 注意到居民反馈在健康管理指标中占有的重要地位。对于健康管理行业来说, “以人为本”的思想, 应当摆在重要的位置。将居民在健康管理中的体验放到重要位置, 在居民提出的意见中不断完善, 不断进行自我调整, 不断提高更好更快更高效服务。

同时, 在对C层指标对A层的权重系数中, 前三位影响因素分别是:学科建设 (C12) 、职称比例 (C11) 、了解程度 (C31) 。当前健康管理行业需要不断的推动学科技术的发展, 以此来推动健康管理中心的发展。同样, 在居民的了解程度方面上, 体现较大的比重。潜在原因可能是“健康管理”这样新兴行业, 还没有能够达到广泛普及的程度, 也有可能是对于医院宣传可能所做到的效果没有想象中理想。由此, 我们在今后的健康管理行业发展过程中我们应当更加注意对于“健康管理”理念的宣传, 在不断的通过网络、期刊、报纸等相关平台进行讲解与宣传, 从而达到全民健康管理的水平。

摘要：在健康管理行业的不断发展的同时, 健康管理中心在同时暴露出发展不协调的问题。在探索研究健康管理的国内外研究现状的基础上, 运用AHP-模糊综合评价模型构建能够全面评价居民健康管理中心的基本情况指标体系, 为健康管理中心的实际发展提供行业标准, 从而, 为健康管理中心的发展提供方向。

关键词：健康管理,综合评价模型,层次分析,指标体系

参考文献

[1]吴静娜, 卢建华, 王福影, 吴建国.论健康管理的历史和现实[J].医学与社会, 2008, 21 (7) :31-32.

[2]陈君石.黄建始健康管理概论 (卫生行业特有工种职业《健康管理师》国家职业资格培训教材) 2006:35-80.

[3]张持晨, 燕燕, 童玲, 等.健康管理在应对高校突发公共卫生事件中的作用[J].中国学校卫生, 2 0 1 2, 3 3 (3) :3 7 6-377.

[4]李青.基于AHp一模糊综合评价模型的健康体检中心评价指标体系研究.中南大学硕士学位论文, 2009.

[5]王明旭, 杨建新.可持续技术的筛选方法与评价指标体系研究[J].科技进步与对策, 2009, 26 (22) :128-131.

AHP综合评价模型 第9篇

1 供应链合作伙伴选择模型研究概况及方法选择

国内外对供应链合作伙伴选择的理论和实践进行了大量的研究, 主要集中在两个方面:一方面是研究对供应链合作伙伴进行评价和选择时所采用的指标体系, 另一方面是评价和选择时所用的方法。供应链合作伙伴选择理论方法分为定性和定量两大类, 主要包括直观判断法、招标法、协商法 采购成本法、ABC成本法、层次分析法 (AHP) 、数学规划方法、线性权重法、数据包络分析法 (DEA) 、模糊评价法、人工神经网络算法、TOPSIS法、遗传算法、群决策和灰色关联分析等。当前选择方法有结合应用的趋势, 如ABC法与数学规划相结合、灰色评价与层次分析法相结合、AHP与随机DEA方法相结合、AHP及模糊评价组合等[3,4]。

目前研究中主要存在两方面的问题:以往的模型中指标的建立和模型的产生是没有联系的, 不能用同一种思想把指标体系的建立和供应商的选择模型连贯起来;不能有效地指导企业对已选中的合作伙伴进行完善, 以往的选择模型不能有效地指导制造企业对已选中的供应商等进行后续监督和完善[5]。

由于供应商选择问题中包含大量的不确定性和模糊性, 这既有客观原因 (评价指标的模糊性和难以量化性等) , 又有决策者自身的主观原因 (性格、偏好、价值观念和认知程度等) [6], 为此将模糊集合论的思想和方法引入模型中。由于评价合作伙伴的优劣受多因素的影响, 具有一定的层次性, 运用层次分析法分析具有较大的优越性。本文对现有合作伙伴选择方法进行分析归纳, 构建了基于AHP及模糊综合评价的合作伙伴选择组合方法, 系统设计了供应链的合作伙伴选择评价指标体系, 把指标体系的建立和供应商的选择模型连贯起来;建立了二维评价矩阵模型, 使企业能对已选中的供应商进行后续完善和监控。本文构建的供应链合作伙伴选择模型从总体上改进了合作伙伴模糊评价方法, 在一定程度上弥补了上述研究缺陷。

2 构建基于AHP的多级模糊综合评价供应链合作伙伴评价体系[5,7]

模糊综合评判法由美国控制论专家艾登于1965年创立, 是将模糊数学集合论与层次分析法有机结合进行综合评价的一种方法。以模糊数学为基础, 应用模糊关系合成的原理, 将一些边界不清、不易定量的因素定量化、进行综合评价的一种方法。进行模糊综合评价过程中, 主要工作是因素集合 (指标体系) 的建立、各因素权重的获取和隶属函数的建立, 其次是模糊算子的选择和评价结果的处理。

基于AHP的模糊综合评价是在利用AHP法确定供应链合作伙伴选择评价指标权重分配的基础上, 采用模糊综合评价方法对供应链合作伙伴整体能力及各分项指标展开评价的一种综合评价方法。

2.1 根据供应链合作伙伴选择的影响因素, 建立指标体系, 确定评价的因素集

在选择合作伙伴的过程中应该考虑的因素有很多, 通过查阅相关文献和对企业的分析, 本文认为主要包括素质与资信能力, 质量, 售后服务水平, 信息化, 敏捷性, 柔性与交货能力, 企业环境等6个方面[1]。依据完整性原则、动态性原则、一致性原则、定性与定量相结合原则建立供应链合作伙伴选择指标体系, 具体如图1所示。

2.2 运用层次分析法计算指标权重

美国著名的运筹学专家匹兹堡大学教授T.L.Saaty于20世纪70年代初提出了层次分析法 (The Analytic Hierarchy Process, AHP法) , 其基本步骤为:

(1) 建立层次结构模型, 将影响因素集分层。例如影响因素集分3层, 则最高层是目标层, 中间层是准则层, 次级是指标层。

(2) 对同一层次的各元素关于上一层次中某一准则和重要性进行两两比较, 构造判断矩阵, 判断与量化各元素间影响程度大小。

层次分析法采用1～9标度方法, 对不同情况的评比给出数量标度, 如表1所示。

判断矩阵一致性指标CI与同阶平均随机一致性指标RI之比称为随机一致性比率CR (Consistency Ratio) 。当CR<0.1时, 便认为判断矩阵具有可以接受的一致性。

(3) 计算向量并做一致性检验, 即层次单排序及其一致性的检验。判断矩阵是针对上一层次而言进行两两比较的评定数据, 层次单排序就是把本层所有各元素对相邻上一元素来说排出一个评比的优先次序, 即求判断矩阵的特征向量。根据判断矩阵进行层次单排序的方法有很多种, 本文采用方根法。若判断矩阵不满足一致性的条件 (CR<0.1) , 则需要修正。

(4) 计算组合权向量, 做组合一致性检验并进行排序, 即层次总排序。

利用层次单排序的计算结果, 进一步综合出对更上一层次的优劣顺序, 就是层次总排序的任务。当CR<0.1时认为层次排序结果有一致性, 否则应调整判断矩阵的元素取值。

2.3 进行模糊综合评价法计算各指标得分

具体操作步骤:

(1) 建立评价对象的评语集, Q={q1, q2, q3, , qm}={好, 较好, 一般, 差, 很差}, 即等级集合, 每个等级可对应一个模糊子集。

(2) 确定评价矩阵R。就是对各企业提供的原始数据进行标准量化后, 对准则层各评价指标Xi, 建立模糊评价矩阵R进行单因素评价, 确定模糊关系矩阵R。

undefined

(3) 进行各级模糊评判。采用模糊数学中的 (, +) 运算规则, 其优点是可以充分表示出各个评价因素的权重, 所有的指标对综合评判的作用都将被体现出来。用模糊向量 W将不同的行进行综合就可以得到该被评价事物从总体上来对各等级模糊子集的隶属程度, 即模糊综合评价结果向量B。模糊综合评价的模型为:

undefined

(4) 计算综合评价值。根据对评语等级综合划分得到的评语加权系数矩阵Q, 进而得到备选合伙企业的最终评价结果。综合评价值的大小, 反映了备选企业整体实力的优劣, 从而为客观评价选择提供了科学依据。根据上面所述计算出各候选企业的综合分值, 找出最高分, 即为获选企业, 也即最优的合作伙伴。

P=BQT (3)

式中, P为综合评价值, B为目标层X的综合评价集, Q为评价等级分行向量, QT为Q的转置矩阵。

2.4 评价结果的分析

为有效地指导制造企业对已选中的合作伙伴 (供应商等) 进行完善, 综合直观考察合作企业各项能力的强弱及重要性, 为企业准确规避合作风险提供依据, 本文以 “指标得分”和“指标权重”两个维度构建供应链合作伙伴评价二维矩阵模型, 对基于AHP模糊综合评价最终评估结果中的各项指标得分进行评价和分析。可以把评价指标分为4类。其中“双高”指标为合作伙伴优势能力指标, “双低”指标为一般改进指标。其余为企业一般能力指标和重点改进指标。通过图示可以反映合作企业各指标在评价体系中的优劣地位和状况, 使得制造企业能够有针对性地对合作伙伴进行指导和监督, 使合作伙伴能及时改进企业的状况, 从而不断优化和完善合作供应链。具体矩阵如图2所示[8]。

4 结束语

为了供应链的长期生存和发展, 在选择合作伙伴时, 供应链管理者必须采用科学的伙伴选择方法体系, 以确保供应链顺畅运行。本文构建的基于AHP的模糊综合评价的企业供应链合作伙伴选择模型, 主要在两方面进行了改进和探索:一是系统设计了供应链的合作伙伴选择评价指标体系, 把指标体系的建立和供应商的选择模型连贯起来;二是建立了二维评价矩阵模型, 使企业能对已选中的合作伙伴进行后续完善指导和监控。由于模糊评价本身固有的缺陷, 如模糊评价中诸如因素的选择、权重的分配等含有主观判定的人为因素等, 会在一定程度上影响评价的准确性, 该模型还需不断修改和完善。此外, 该模型的适用性还有待进一步在实证分析中进行检验。

参考文献

[1]关士民.供应链环境下供应商选择方法及其应用研究[D].辽宁:东北大学工商管理学院, 2006.

[2]崔杰.基于模糊评判法的供应商选择问题研究[J].价值工程, 2005 (12) :54-56.

[3]谢君, 胡容兵.供应链的合作伙伴选择方法综述[J].价值工程, 2005 (1) :43-46.

[4]尹传勇.浅析供应商选择方法研究[J].法制与社会, 2007 (3) :306-307.

[5]王宇.企业供应链合作伙伴选择研究[D].大连:大连海事大学, 2005.

[6]李兰芳.模糊层次分析法在供应商选择中的应用[J].宁夏工程技术, 2005 (4) :349-350.

[7]刘晓菊.供应链合作伙伴的评价与选择方法研究[D].太原:华北工学院, 2004.

AHP综合评价模型 第10篇

关键词：层次分析法,Topsis法,综合评价,网球运动员

网球运动员竞技水平的一个重要依据就是其身体素质,目前针对青年运动员的身体素质,已开展了大量的研究工作,但主要是对运动员的身体形态、专项成绩及比赛成绩等方面进行的研究,并且大部分为宏观上的理论阐述。对于身体素质的评价模型研究较少。在青少年网球运动员身体素质评价模型的研究中,研究者所采用的指标各不相同,且大多是通过经验确定各评价指标的权重,缺乏一定的科学性。该研究拟使用层次分析法与Topsis综合评价法建立青少年网球运动员身体素质评价的组合模型,该模型为青少年网球运动员的身体素质评价提供了一个新的思路,并有利于网球运动员在训练中对训练内容进行及时的调整。

1 层次分析法的基本原理

层次分析法是同时使用定性分析与定量分析的系统分析方法,这种方法可以把复杂的问题系统化、量化及模型化,也就是对于一个复杂的问题。首先将其分解成几个组成要素,将这些要素进一步分解成更加明确、具体、可量化的小因素,根据同一层内各因素的重要程度确定其权重,使用权重将各层连接后形成了一个多目标、多层次的统计模型,其基本步骤如下:

(1)建立多层次的递阶结构,形成目标树图。层次分析模型一般包含三层:最高层、中间层和最低层(见图1)。最高层就是目标层,即进行层次分析研究中的总目标;中间层也叫做约束层,是几个影响总目标的主要因素;最底层也叫做措施层,是解决问题的最终措施,这些都是可量化的指标。

(2)构造两两比较判断矩阵,计算权重值。使用Saaty’s权重法,首先将各指标进行对比并给出分值,评分标准见表1。各指标进行对比后得到分值,根据分值建立判断矩阵,求出每个指标的权重,每个指标的近似权重为:

对近似权重按以下方式进行归一化处理:

则各分量就是权重。

(3)一致性检验

一致性指标:

计算随机一致性比例:

RI表示同阶平均随机一致性指标,在阶数不同时它的取值如表2所示。

如果CR值<0.1的话,就可以认为判断矩阵的一致性是良好的。

(4)使用乘积法,计算组合权重。组合权重就是根据不同层中各指标的权重,将其加权相乘所得到的系数。

2 青少年网球运动员身体素质评价模型的建立

通过查阅大量文献并咨询网球界资深专家,最终确定从速度、力量、柔韧度、协调性四个方面对青少年网球运动员的身体素质进行评价,每个二级指标又通过不同的指标进行评定,最终建立了三层的递阶结构,使用Saaty’s权重法,通过构建两两比较的判断矩阵,求出了各层指标的权重及最底层指标的组合权重,结果见表4。对各判断矩阵进行一致性检验,发现均有满意的一致性。

对3名青少年女子网球运动员进行考核,每人的各项成绩见表5。

根据公式9,对各指标进行标准化变换,结果见表6。

根据表6结果,得正理想解和负理想解为:

Z+=(0.61,0.59,0.63,0.62,0.62,0.6,0.63,0.64)

Z-=(0.55,0.55,0.53, 0.51,0.53,0.55,0.53,0.53)

由表4可知,经AHP法确定各评价指标的组合权重集为W=(0.147,0.299,0.039,0.177,0.074,0.047,0.047,0.171),根据公式13和公式14,计算正理想解和负理想解的加权欧氏距离,并使用公式15计算相对接近程度iC值,结果见表7。

根据相对接近程度iC值对三名青少年女子网球运动员进行了排序,反应了各运动员的综合身体素质的差异。

3 结语

AHP综合评价模型 第11篇

关键词：评价系统；层次分析法；模糊综合评价法

中图分类号：TP315 文献标志码：B 文章编号：1673-8454（2015）09-0079-04

毕业论文是高等院校学生为完成学业在教师指导下运用所学知识，就所学专业某一现象或问题进行系统研究后对成果加以系统表述形成的具备一定理论和实践价值的学术文本。它是我国高等院校教学计划中重要的实践环节，是培养大学生基本科研和实践工作能力的重要手段。近年来，随着教育教学改革的深入，毕业论文评价工作越来越受各院校和教育界学者重视。笔者对国内研究的检索表明：1998年至2014年，研究论文数量呈明显上升趋势。[1]然而，与外语专业毕业论文评价有关的论文仅有两篇，简要谈及了英语专业毕业论文的重要性及评价原则。加强毕业论文评价工作的科学化是我国《高等学校英语专业英语教学大纲》的要求，也是国际高教质量保障体系的发展趋势。鉴于此，笔者拟从该项工作的现状出发，基于其特征设计一套科学的综合评价体系，希望推动该项工作的科学性、标准化和公正性。

一、我国高等院校外语专业毕业论文评价工作的现状与不足

1.调查发现

笔者对国内30所各层次外语专业院系[2]的毕业论文评价工作进行调查后发现：

（1）大多数院系都采用了科学的工作流程：指导教师评阅—交叉审阅—答辩评审—综合评分。

（2）大多数院系都采用百分制量化评价方式。

（3）总体上，学校层次越高，工作过程也越科学越严谨。

此外，现代信息技术在该项工作中得到了良好应用，大大提高了工作效率，顺应了当代社会对低碳环保的追求。

2.缺陷和不足

（1）忽视评价工作的模糊性

标准的笼统性和评价的主观模糊性导致作为主观决策过程的毕业论文评价本质上不能做到精确量化，但绝大多数高校均要求参评教师给出精确分数，这与评价工作的模糊性相背。

（2）评价维度不全面、指标不完善、权重分配过于主观

虽然多数院系采用了多元评价，涉及语言表达、论证过程、格式规范、答辩表现等，但诸如选题价值、外文资料翻译、开题答辩、工作态度等与论文质量密切相关的指标都未涵盖。评价成绩主要由指导教师、交叉审阅教师和答辩小组评分等三或两部分成绩按主观比例如4：3：3构成，甚至仅由指导教师或答辩小组判定论文成绩。

（3）缺乏过度主观评价防控设计

评价工作固有的主观性加上师生之间因种种原因产生的人情关系容易导致教师对评价对象作出过度评价，导致评价结果失去公正性。遗憾的是没有院系在评价步骤中加入针对此缺陷的防控设计。

二、外语专业毕业论文评价工作的基本特点、原则与方法选择

1.基本特点

（1）主观模糊性

毕业论文评价工作本质上属于主观决策过程，它要求评价主体对评价对象作出尽量客观公正的评价，但评价标准及过程固有的模糊性导致评价主体无法作出精确的量化评价。此外，作为群组决策，不同评价主体的心理标准难免存在差异，加重了评价的主观模糊性。

（2）系统综合性、指标及权重差异性

评价工作是一项综合的系统工程，必须尽可能涵盖各相关评价维度。就某一维度来讲，指标设计也必须具备科学性、差异性和明确性，方可让评价主体有章可循。此外，各指标贡献率并不相同，必须尽可能赋予合理权重。

（3）评价结果量化要求

尽管评价工作具有不可避免的模糊性，但为了确定毕业论文的优秀率和合格率，绝大多数院系均要求为评价对象打出百分制分数。因此，在进行系统设计时必须将模糊定性操作转化为精确的定量操作。

（4）严肃性和公正性

毕业论文评价是对学生四年学业能力的终极评定，不仅关乎学生能否获得毕业证和学位证等切身利益，而且对我国高等教育质量监控与发展也有重要影响，必须确保严肃性和公正性。

2.基本原则

（1）专业性原则

外语专业毕业论文不同于理工科论文，如表达符号为外语、更注重逻辑推理与系统建构等。其评价体系构建必须考虑专业特殊性来设计评价指标并为其分配合理权重。

（2）静态与动态评价相结合

毕业论文写作是一个阶段性动态过程，评价体系既要涉及对论文的静态评价还应包括对工作过程的动态监控性评价，即做到静态与动态评价相结合。

（3）公平公正原则

鉴于评价工作的主观模糊性及评价主体可能作出的过度主观性评价。评价步骤设计必须想方设法减少种种主观随意性，尽最大努力保证评价结果严肃公正。

（4）可操作性原则

指标设计必须具备可测性、精细性和完整性，避免不必要的要素交叉。同时，具备经济可操作性和信息化优势，以充分发挥现代信息技术的效率优势和绿色环保等特性。

3.方法选择

据此，笔者整合了层次分析法和模糊综合评价法来设计外语专业毕业论文评价体系，并加入了过度主观评价防控设计。层次分析法（AHP）是美国著名运筹学家塞蒂于上世纪70年代创立的一种定性和定量分析相结合的决策方法。该方法充分利用专家级决策人员的丰富经验和精准判断力根据问题性质和决策目标将问题分解为不同的结构要素，并按照要素间隶属关系和相互作用将因素按不同层次聚合为一个递阶模型，从而将决策问题归结为指标层对目标层的相对权重值定量化。模糊综合评价法（FCE）是一种基于模糊数学的综合评价方法。该方法根据模糊数学的隶属度理论，整合主观逻辑分析与客观精确运算把定性评价转化为定量评价，从而对受多种因素制约的现象做出评价。前者能有效避免毕业论文评价体系设计不够全面、指标权重分配过于主观的缺陷；后者可以将主观模糊评价转化为量化评价。整合两种方法系统性强和结果明晰等特点可有效解决外语专业毕业论文评价过程中存在的问题。

三、外语专业毕业论文评价系统的步骤设计

1.建立评价递阶模型

该模型由目标层、准则层和指标层组成。目标层是对评价对象题的概述，准则层是隶属于目标层的具体描述，指标层则是各准则层下属的细化评价内容。

2.建立专家判断矩阵并检验其随机一致性

（1）根据递阶模型相邻层次间的隶属关系，请K位行业专家依据两两比较法对各层指标的重要性比较标度进行打分，构造出判断矩阵。设矩阵有i个元素，则判断矩阵为Pk（1）。

（2）检验各矩阵的随机一致性。由于判断矩阵易受个体认知模糊性及评价系统复杂性的影响，必须对各矩阵的随机一致性进行检验。计算过程如下：首先计算各矩阵的最大特征值λmax。鉴于该计算过程比较繁琐，此处建议直接在Matlab7.1中输入各矩阵Pk后，调用最大特征值计算函数max（eig（Pk））即可获得各矩阵的最大特征值；计算各矩阵的一致性指标CI=（λmax-n）/（n-1）；查询平均随机一致性指标对应的RI值，计算各矩阵的随机一致性指标CR=CI/RI。当n=1或2时，判断矩阵具有完全一致性；当n>2时，若CR<0.1，则判断矩阵具有满意的一致性，否则必须重建判断矩阵，直至满足条件。

（3）计算各指标权重。计算指标权重的方法有和积法、最小对数二乘法等方法。合积法计算过程如下：归一化各矩阵[1]，将归化矩阵按行相加[2]后再次进行归一化处理[3]，计算各个专家的权重[4]，组成专家权重矩阵后将之归一化[5]，然后计算各指标的最终权重[6]。

3.设定模糊评语集及对应评语分值向量集

设评语等级集E={e1， e2， …， eh}， h为评语等级子集的个数。与E相对应，令评语分值向量集F=[f1， f2， …， fh]。

4.构造模糊评价矩阵并检验其离散程度

请R位评价主体按递阶模型为评价对象打分构造出各指标的模糊评价矩阵Ri（2），由于评价结果可能受评价主体特定情感因素的影响，因此必须检验Ri的离散程度。令E={5， 4， 3， 2， 1}。依次计算R位评价主体对各指标评价结果的离散系数CVi（i=1， 2， …， n）[7]及其平均值AVG（CVi）。经过计算，在评价主体少于10人时，若AVG（CVi）>0.15，则说明各评价主体对该指标层的评价存在不公正极值。计算各分值与均值之间的标准差，标准差最大者即为极值，更换该评价主体重新评价，直至评价结果满足要求。

5.计算各准则层的评价结果向量

若模糊评价矩阵Ri通过离散程度检验则将之归一化后计算评价对象在各准则层的评价结果向量Ai[8]。

6.计算评价对象的最终模糊评价结果

综合各准则层的评价结果向量Ai，建立针对目标层的模糊评价矩阵A（3），然后利用准则层的权重矩阵计算评价对象的最终模糊评价结果G[9]。结合不同评语分值向量集F计算评价对象的最终精确得分S[10]。本段提到的矩阵和计算公式如表1所示。

四、应用实例

1.构建评价递阶模型

根据层次分析法原理，笔者整合了国内已有毕业论文评价体系研究成果和校内外专家和专任教师的意见，构建出如下外语专业毕业论文综合评价递阶模型，如表2所示。

2.建立专家判断矩阵并检验其随机一致性

请校内外8位专家和教师对各层指标打分构造出判断矩阵，因篇幅所限，笔者仅对准则层U5对应的矩阵Pk=8为例演示计算过程，如表3所示。

运用Matlab7.1计算各判断矩阵的最大特征值，依次为{3.0092， 3， 3， 3.0092， 3.0092， 3， 3.0037， 3}。计算P1的一致性指标CI=（3.009200-3）/2=0.0046，各专家矩阵的λmax依次为{0.0046， 0， 0， 0.0046， 0.0046， 0， 0.0019， 0}；据公式CR=CI/RI，各专家判断矩阵的随机一致性指标值依次为{0.0079， 0， 0， 0.0079， 0.0079， 0， 0.0032， 0}，均小于0.1，通过检验。

3.计算各指标的最终权重

本节以第一位专家的判断矩阵为例演示计算过程。首先归一化P1；按行相加得M1=[0.2678 1.7608 0.9713]T；再次归一化得1=[0.0893 0.5869 0.3238]T。其他各专家的打分归化矩阵依次为：2=[0.1111 0.2222 0.6667]T、3=[0.1667 0.1667 0.6667]T、4=[0.1638 0.2973 0.5390]T、5=[0.1066 0.1935 0.6999]T、6=[0.1000 0.3000 0.6000]T、7=[0.1299 0.1381 0.732]T、8=[0.1429 0.1429 0.7143]T。计算第一位专家最终权重W1=1/（1+10×CR1）=1/（1+10×0.007931）=0.9265；其他专家的最终权重依次为{1， 1， 0.9265， 0.9265， 1， 0.9691}；归一化各专家权重组成矩阵k=[0.1196 0.1291 0.1291 0.1196 0.1196 0.1291 0.1251 0.1291]T；计算U5各指标的权重值为：W1=k*k=[0.126441， 0.253472， 0.620088]。其他指标的计算结果请见表2。

4.模糊评价过程示例

下面说明运用该递阶模型对某位英语专业学生毕业论文进行模糊评价的过程。因篇幅所限，此处以准则层U1为例演示计算过程。

（1）设定模糊评语集和对应评语向量集为：V={e1， e2， e3， e4， e5}={优，良，中，合格，差}，F=[f1， f2， f3， f4， f5]=[5， 4， 3， 2， 1]（五分制）或[100， 85， 70， 60， 40]（百分制）。

（2）由3位老师对U1各指标按V打分，构造出隶属度矩阵R1；计算该矩阵离散程度AVG（CVi）=0.0787<0.15，通过检验，说明评价小组没有给出极值。

[11]

（3）归一化矩阵R1，计算该论文在准则层U1下的评价结果为：

A1=WT

1×R1=[0.3223， 0.2239， 0.2749， 0.0977， 0.0308， 0.0505]T×R1=[0.2858， 0.4563， 0.2579， 0， 0]

A1可解读为：所有评价主体认为准则层U1为优的概率为28.58%、良为45.63%、中为25.79%、及格和差的概率为0%。其他各层评价结果依次为：A2=[0， 0.6667， 0.3333， 0， 0]； A3=[0.1751， 0.4075， 0.4174， 0， 0]； A4=[0.0327， 0.2925， 0.6748， 0， 0]； A5=[0.0845， 0.5822， 0， 0， 0]。

（4）构造总目标下模糊关系矩阵A，利用准则层权重计算最终模糊评价结果G。

[12]

结合不同评语分值向量集F计算评价对象的等级分或百分制分数：

S=GT×FT=[0.1336， 0.4144， 0.4373， 0， 0]T×[5， 4， 3， 2， 1]T=3.637133≈3.64；S∈[3.5， 4.5）。

S=GT×FT=[0.1336， 0.4144， 0.4373， 0， 0]T×[100， 85， 70， 60， 40]T=79.187≈79.2。

必须指出，运用本法求得的论文最低分为1或40，即本法对质量更差的论文不具备区分度，但这并不影响其适用性，不达标的论文必须退回修改，对学位证发放不会产生决定性影响。

五、结束语

本文从我国高等院校外语专业毕业论文评价工作的现状出发，讨论了该项工作的基本特征和工作原则，在整合AHP和FCE优势的基础上，设计了一种具备良好操作性的评价体系。该体系能有效地解决该项工作中存在的问题，调动学生毕业论文写作的积极性，进一步提高该项工作的科学性、标准化和公正性。此外，鉴于本系统计算过程的数学规律性极强，可以设计基于大型数据库的网络系统，实现全部计算过程的自动化，更好地提高工作效率，为创建节约型社会贡献一份力量。

参考文献：

[1]高等学校外语专业教学指导委员会英语组编.高等学校英语专业英语教学大纲[M].北京：外语教学与研究出版社，2000.

[2]Saaty T L. Decision making with the analytic hierarchy process [J].Int.J.Services Sciences 2008（1）： 83-98.

[3]姜鹏远等.基于AHP和群体决策的土地定级因素权重的确定[J].测绘科学技术学报，2009（1）： 72-75.

[4]池源，李升峰.基于改良模糊综合评价法的城市湖泊水环境质量分析[J].华中师范大学学报（自然科学版），2013（1）：124-128.

基于AHP的网络学习评价模型 第12篇

网络条件下的学习评价方法有许多种, 在众多方法中关键是要选择有效的方法。学习评价对现实的学习活动具有引导作用, 对教师、学生努力的方向起着指挥棒的重要作用。

1 网络学习评价的内容

(1) 对学习环境的评价

考察学习者的学习环境, 分析环境的特点对学习者可能产生的各种影响, 并把信息回馈给教师和管理者, 再由管理者对环境去劣存优。由于网络学习中教师与学生在地理位置上互相分离, 教师的教学与学生所在地、家庭情况、网络条件等一起构成学习者学习的外部因素。对外部因素的评价有助于全面了解学生的情况, 更易达到因材施教的目的。

(2) 对学习者特征的评价

学习特征是学习者的个性因素, 是指学习者的心理、生理和社会特征。学习特征影响学习者的学习行为[1]。有研究表明, 个性因素影响学习者的学习态度、学习方法和上网时间。对学习者特征进行评价能使学习者对自己的学习特点有正确认识, 更好地改进学习策略, 调整学习行为。教师也能因人而异地进行因材施教, 提供恰当的有针对性的学习辅导, 按照学习者的学习进度和能力推荐学习材料及测评。

(3) 对学习方法的评价

学习方法是影响学习效果的重要因素。对学习方法的评价主要包括:识别学习者的学习策略, 评价学习方法的优劣, 对好的方法给以肯定, 对存在的问题给出恰当建议。通过对学习者特征、学习内容和学习方法间的适应性评价分析, 让学习者及时调整学习方法, 使学习效果达到最佳。

(4) 对学习成绩的评价

网络教学的目的与传统教学一样也是让学习者掌握一定的知识及技能。因此, 评测学习者对所学知识的掌握程度, 考核网络在线学习的学习效果是衡量网络教学是否成功的重要标准。目前对学习成绩进行评价采用的方法主要有作业、测试、提问、讨论、演示、考试和考勤等。

(5) 对学习者学习能力的评价

对学习能力的评价通常穿插在学习成绩评价中, 单独列出是为了强调能力评价的重要性。学习能力评价主要有对学生利用资源的能力, 参与协作学习的能力及自主学习能力的评价。但目前对这些能力的考察大多为定性分析。

2 网络学习评价的过程

网络学习评价是一个动态过程, 评价要经历4个阶段:准备阶段、实施阶段、处理阶段和反馈阶段。

(1) 准备阶段

确定评价对象和目标;选择信息来源和信息处理方法。信息来源有考分、系统量化评价指标、评价量表、活动记录日志、轶事记录、反馈信件等。信息处理方法有:生成试卷或评价量表、调查问卷、质量诊断表[2]。

(2) 实施阶段

测试或发放评价量表。获取信息, 去除无效信息, 进行误差诊断。统计下发数量和回收数量, 去除无效量表, 确定此次评价的有效性。

(3) 处理阶段

依据权重对信息自动进行处理和统计。评价人员依据权重对评价量表、活动日志、轶事记录、反馈信息等进行统计和综合判断。

(4) 反馈阶段

估计本次评价的质量, 对评价工作给以评价, 发现评价过程中的问题, 提出改进措施。通过公告和电子邮件等方式对学习者和教师评价进行反馈。教学评价的本身是一个循环过程, 在做出教育决策后, 评价即进入下一个周期。对评价结果的再评价既是一个评价周期的终点, 也是下一个评价周期的起点。

3 层次分析法

3.1 概述

定量分析方法对于社会科学的发展产生了巨大的促进作用, 因此越来越受到重视, 特别是最优化模型, 曾一度在决策问题中得到非常广泛的应用。但在应用过程中, 也出现了一些问题, 主要有: (1) 社会问题的复杂性决定了难以构造合适的模型, 即使构造出数学模型, 有时也难以准确说明问题或者难以执行; (2) 决策问题带有相当多的主观性, 而这很难体现在最优化模型中; (3) 庞大的模型成本太大, 难以理解。由于存在上述问题, 人们重新思考数量方法在社会科学中的作用, 特别是对于决策问题, 如何既考虑数学分析的精确性, 又考虑人类决策思维过程及思维规律, 即定性与定量相结合, 正是在这种背景下产生了AHP。

人们在进行社会的、经济的以及科学管理领域问题的系统分析中, 面临的常常是一个由相互关联、相互制约的众多因素构成的复杂而缺少定量数据的系统。层次分析法为这类问题的决策和排序提供了一种新的、简洁而实用的建模方法。AHP是将半定性、半定量的问题转化为定量计算的一种有效方法[3]。这一方法的核心是将决策者的经验判断给予量化, 从而为决策者提供定量形式的决策依据。首先把复杂的决策系统层次化, 然后通过逐层比较各种关联因素的重要性程度建立模型判断矩阵, 并通过一套定量计算方法为决策提供依据。层次分析特别适用于那些难于完全定量化的复杂决策问题, 他在资源分配、政策分析选优排序等领域有着广泛的使用。

3.2 基本原理

层次分析法的基本原理是排序的原理, 即最终将各方法 (或措施) 排出优劣次序, 作为决策的依据。具体可描述为:首先将决策的问题看作受多种因素影响的大系统, 这些相互关联、相互制约的因素可以按照他们之间的隶属关系排成从高到低的若干层次, 叫做构造递阶层次结构。然后请专家、学者、权威人士对各因素两两比较重要性, 再利用数学方法, 对各因素层层排序, 最后对排序结果进行分析, 辅助进行决策[4]。

应用AHP分析决策问题时, 首先要把问题条理化、层次化, 构造出一个有层次的结构模型。在这个模型下, 复杂问题被分解为元素的组成部分。这些元素又按其属性及关系形成若干层次。上一层次的元素作为准则对下一层次有关元素起支配作用。这些层次可以分为3类:

(1) 最高层:这一层次中只有一个元素, 这是分析问题的预定目标或理想结果, 因此也称为目标层;

(2) 中间层:这一层次中包含了为实现目标所涉及的中间环节, 可以由若干个层次组成, 包括所需考虑的准则、子准则, 因此也称为准则层;

(3) 最底层:这一层次包括了为实现目标可供选择的各种措施、决策方案等, 因此也称为措施层或方案层。

递阶层次结构中的层次数与问题的复杂程度及需要分析的详尽程度有关, 一般层次数不受限制。每一层次中各元素所支配的元素一般不要超过9个。这是因为支配的元素过多会给两两比较判断带来困难。

3.3 递阶层次结构的建立

3.3.1 建立层次结构模型

把各种所要考虑的因素放在适当的层次内, 用层次结构图清晰地表达这些因素的关系。学习者网络学习行为评价层次模型如图1。

3.3.2 确定评价因子

假设集合X有n个评价因子:则有X={x1, , xn}, 根据设定的学习行为评价层次结构模型, 可得:

X={x1, , xn}={学习时间评价, 学习协作评价, 学习成绩评价}

x1={x11, x12, x1n}={按时登录, 登录次数, 在线时间, 浏览学习资料时间}

x2={x21, x22, x2n}={及时回答, 回答提问的次数, 参加讨论的次数, 精华贴数量}

x3={x31, x32, x3n}={平时作业或作品成绩, 阶段测试成绩, 最终测验成绩}

3.3.3 确定评价因子的权重

设现在要比较n个因子X={x1, , xn}对某因子Z的影响大小, 怎样比较才能提供可信的数据呢?美国运筹学家Saaty等人建议可以采取对因子进行两两比较建立成对比较矩阵的办法[5]。即每次取两个因子xi和xj, 以aij表示xi和xj对Z的影响大小之比, 全部比较结果用矩阵A= (aij) nn表示, 称A为Z-X之间的成对比较判断矩阵 (简称判断矩阵) 。容易看出, 若xi和xj对Z的影响之比为aij, 则xj和xi对Z的影响之比应为

关于如何确定aij的值, Saaty等建议引用数字1~9及其倒数作为标度。1~9标度的含义见表1。

从心理学观点来看, 分级太多会超越人们的判断能力, 既增加了判断的难度, 又容易提供虚假数据。Saaty等人还用实验方法比较了在各种不同标度下人们判断结果的正确性, 实验结果也表明, 采用1~9标度最为合适。

4 结束语

应该指出, 一般对权重因子作次两两判断是必要的, 有人认为把所有元素都和某个元素比较, 即只作 (n-1) 个比较就可以了。这种作法的弊病在于, 任何一个判断的失误均可导致不合理的排序, 而个别判断的失误对于难以定量的系统往往是难以避免的。进行2n (n-1) 次比较可以提供更多的信息, 通过各种不同角度的反复比较, 从而导出一个合理的排序。

参考文献

[1]张治勇.近几年我国电子学档研究综述[J].中国教育技术装备, 2011 (3) :25-26.

[2]吴玲艳.网络学习行为分析评价系统的研究与设计[D].地址:长沙:中南大学, 2012.

[3]李延芳, 杨顺坡, 武佳枚.基于层次分析法时水利工程建设监理项目顾客满意度的评价[J].经济研究导刊, 2010 (11) :187-189.

[4]崔辽环.基于AHP层次分析法的企业安全标准化考评指标研究[D].北京:首都经济贸易大学, 2012.