评估指标权重（精选十篇）
评估指标权重 篇1
关键词：专业学位,评估指标,指标权重
2010年5月7日, 国务院学位办下发的《关于开展新增硕士专业学位授予点审核工作的通知》, 新增了金融、国际商务、应用统计、税务等硕士专业学位类别, 教育种类由原来的19种增加到38种。教育规模的扩大、专业种类的增加, 以及推行招收应届本科毕业生为全日制专业学位研究生的重大举措, 进一步推动了我国专业学位研究生教育的发展。如何建立科学有效的教育质量评估体系是专业学位研究生教育健康发展的重要保障, 科学合理地分配评估指标权重则是量化评估的关键。本文通过对以往专业学位研究生教育质量评估体系中的五项共同指标———招生、课程教学、学位论文、管理、办学特色与社会评价等指标权重进行归纳分析, 从而展开述评, 为建立科学合理的专业学位研究生教育质量评估体系提供借鉴。
一、招生———权重居中指标
“招生”是目前专业学位研究生教育质量评估体系中的权重居中指标。招生质量是控制专业学位研究生教育质量的首要环节, 生源的好坏影响着应用型人才的培养质量, 招生工作在教育质量保障中起着举足轻重的作用。但是在不同类别的专业学位研究生教育质量评估体系中, “招生”权重有较大差别。
全国工程硕士学位教育指导委员会制定的《全国工程硕士专业学位研究生培养质量评估方案》[1]、2004年华中科技大学《机械工程领域工程硕士培养质量试评估情况汇报》[2]、北京航空航天大学2005年制定的《北航工程硕士研究生培养质量评估方案》[3]、李春英和李传武所撰写的《对工程硕士专业学位研究生培养质量评估的思考》[4], 以及潘泉等的《控制工程领域工程硕士培养质量评估的方法与实践》[5]等五篇文献中, “招生”权重为0.200, 在教育质量评估体系中占据重要地位。但在其他类别的专业学位研究生教育质量评估体系中, “招生”的权重则有所不同, 如李冬梅在其硕士学位论文中所涉及的《全国农业推广硕士专业学位研究生培养质量评估方案 (讨论稿) 》将“招生”权重设为0.150[6], 比上述工程类硕士研究生教育质量评估中的“招生”权重降低了0.050。佟福锁等在《农业推广硕士专业学位研究生培养评估体系研究》一文中, 通过对初步的评估体系进行同行专家问卷调查与统计分析, 得出“生源状况”指标权重为0.130[7], 与管理和社会评价并为该指标体系中权重最小的指标。与此同时, 同类别的专业学位研究生教育质量评估由于评价方法等不同, 所得的指标权重也有所不同, 如陈祎鸿、蔡慧琳在《工程硕士专业学位研究生培养质量的模糊综合评价方法》一文中, 通过模糊综合评价法将“招生”的权重设为0.058[8], 大大降低了“招生”对教育质量的影响。而《专业学位研究生教育质量评估的研究》[9]、《石油与天然气工程领域工程硕士培养质量评价指标体系》[10], 以及《教育硕士专业学位研究生质量评估方案初探》[11]等文献则由于评价目标和指标选取等方面的不同, 没有将“招生”设为其评估指标。
总的来说, “招生”指标在专业学位研究生教育质量评估中具有一定重要作用。严格的报考条件和资格审查是保障生源质量的关键, 考生的专业背景以及实践经验对日后的专业学习有着重要影响。综合考虑专业学位研究生教育的特点, 专业学位研究生“招生”需要体现专业特色, 除了考察考生基础理论知识以外, 还需重加强实际的工作能力及科研能力。随着教育部2009年2号文件推出以应届本科毕业生为生源对专业学位研究生进行全日制培养的重大举措, 报考条件和生源限制进一步放宽, 加上不同类别专业的培养目标, 招生指标的权重也应作出相应调整。
二、课程教学———权重较大指标
“课程教学”是专业学位研究生教育质量评估中权重较大的指标。专业学位研究生教育的课程应根据学科发展的规律以及职业岗位对人才规格和口径的要求来设置, 充分体现课程设置的科学性、针对性和适应性。
其中, 《全国工程硕士专业学位研究生培养质量评估方案》、《机械工程领域工程硕士培养质量试评估情况报告》、《北航工程硕士研究生培养质量评估方案》、《对工程硕士专业学位研究生培养质量评估的思考》和《控制工程领域工程硕士培养质量评估的方法与实践》等文献中的评估体系, 将“课程教学”权重设为0.300, 成为教育质量评估中的重要指标。《教育硕士专业学位研究生质量评估方案初探》一文和《全国农业推广硕士专业学位研究生培养质量评估方案 (讨论稿) 》中的评估体系, 则将“课程教学”权重提高到了0.330[12]和0.350[13], 进一步加大了课程教学在评估中的重要程度。韩从梅在其《专业学位研究生教育质量评估的研究》一文将“课程教学”的权重提高到0.389[14], 成为其评估体系中的首位指标。虽然《项目管理领域工程硕士点建设质量评价指标体系方案》, 以及《农业推广硕士专业学位研究生培养评估体系研究》和《工程硕士专业学位研究生培养质量的模糊综合评价方法》等文献中, 将“课程教学”的权值定为0.250[15]、0.150[16]和0.160[17], 没有达到0.300, 相比上述文献中的“课程教学”权重要小, 但相对其评估体系中其他指标的权值, “课程论文”仍是权重最大的一项指标。
总的来说, 课程教学是评估专业学位研究生教育质量的重要指标, 应当占据较大比重。上述研究文献虽然在专业类别、指标选取、评估目标、评价方法等方面有所不同, 但都对“课程教学”赋予了较高权重, 说明高质量的课程设置, 以及具有行业特色的教材课件和严谨科学的教学实施是保障专业学位研究生质量的一项重要措施。专业学位研究生培养主要是通过课程教学来完成的, 课程的设置应该实际工作的需要相符合, 反映用人单位的实际需要, 从而进一步提高学生的实践能力。
三、学位论文——权重最大指标
“学位论文”为这五项指标中权重最大指标。作为教育质量评估的一项重要指标, 论文质量的好坏是衡量专业学位研究生专业知识水平、实践操作技能、科研能力和教育质量的重要标准。但是在不同的专业学位研究生教育质量评估中, “学位论文”的指标权重还是有所差别的。
《全国工程硕士专业学位研究生培养质量评估方案》、《机械工程领域工程硕士培养质量试评估情况汇报》和《对工程硕士专业学位研究生培养质量评估的思考》等三篇文献中, “学位论文”权重均为0.300, 与课程教学的比重相同, 并列成为评估其教育质量的重要指标。《北航工程硕士研究生培养质量评估方案》、《控制工程领域工程硕士培养质量评估方法与实践》和《全国农业推广硕士专业学位研究生培养质量评估方案 (讨论稿) 》, 则将“学位论文”的指标权重提高了0.050, 加大了“学位论文”的权重, 成为评估体系中的首位指标, 体现了论文质量对教育质量评估的重要性。《工程硕士专业学位研究生培养质量的模糊综合评价方法》和《石油与天然气工程领域工程硕士培养质量评价指标体系》两篇文献中更是将“学位论文”的指标权重提高到了0.538[18]和0.600[19], 权重比例超过50%, 大于其他所有评估指标的权重, 成为评估专业学位研究生教育质量的首要指标。《农业推广硕士专业学位研究生培养评估体系研究》、《教育硕士专业学位研究生质量评估方案初探》以及《高等院校项目管理领域工程硕士点建设质量评价指标体系研究》三篇文献中的“学位论文”权重分别为0.160[20]、0.200[21]和0.220[22], 均没有达到0.300, 但主要是因为这三篇文献在其评估体系中设置的指标较多, 与其他指标权重相比, “学位论文”指标权重仍然占据重要位置。“学位论文”权重设置最低的是《专业学位研究生教育质量评估的研究》一文, 仅为0.153[23]。文中指标权重的确定更注重培养过程中课程教学与社会评价对专业学位研究生教育质量的影响, “学位论文”在质量评估中的作用相对较低。
总体来说, “学位论文”是专业学位研究生教育质量评估中必不可少且十分重要的评估指标。学位论文的质量直接关系到专业学位研究生学位授予的质量, 是培养过程中的关键环节。与此同时, 专业学位研究生的论文选题大多来自企业实践或工作中的实际问题, 具有很强现实性、针对性和应用性。学位论文的完成充分体现了专业学位研究生教育培养的成果, 并解决实际工作中的问题和技术难题, 为社会带来经济效益。对于“学位论文”权重应更注重体现专业学位教育的应用性, 避免与学术型评估指标趋同。
四、管理———权重较小指标
“管理”也是专业学位研究生教育质量评估中的一项主要指标, 大多数文献将其权重设为0.150, 也有部分文献提高到0.200, 但相对“招生”、“课程教学”和“学位论文”的权重所占比例较小。管理的好坏也关系到专业学位教育质量提高, 管理机构设置是否健全、责任是否落实;规章制度是否齐全;档案管理是否合理规范等都有相应的要求和权值分配, 以确保专业学位研究生管理工作的顺利进行。重视专业学位研究生培养中的管理工作, 给“管理”评估指标赋予合理科学的权重是评估专业学位研究生教育质量的重要环节。
五、办学特色与社会评价———权重最小指标
五项指标中, 权重最小的指标是“办学特色与社会评价”。虽然国内已有部分学者开始重视“办学特色与社会评价”对专业学位教育质量的影响, 如《专业学位研究生教育质量评估的研究》 (0.389[24]) 与《教育硕士专业学位研究生质量评估方案初探》 (0.330[25]) 两篇文献中“社会评价”的权重超过0.330, 与“课程教学”并为其评估体系中的权重最大指标, 但是国内大多数评估体系并未把“办学特色与社会评价”设为教育质量评估体系中的一级指标, 仅为一项附加指标, 且权重为0.100。相对国外的专业学位教育质量评估重视社会评价与学术声誉, 并与办学资格认证、、职业资格认证相关联, 通过市场和用人单位对毕业生进行评价的做法而言, 我国的专业学位研究生教育评估指标权重的设置还缺乏外适性、目的性和绩效性。
六、结论与建议
由于我国专业学位研究生教育质量评估工作起步较晚, 还没有形成一个统一的评价体系, 但是实践的基础上已经形成了一些较为成熟的评估体系。同时, 美国、英国、法国等欧美国家关于专业学位研究生教育发展中的成功经验, 也为我国专业学位研究生教育质量评估体系的建立提供了借鉴基础。通过对专业学位研究生教育质量评估指标权重的整理述评, 我们可以发现, “学位论文”与“课程教学”仍是评估专业学位研究生教育质量的重要指标;“招生”与“管理”对教育质量的保障也发挥着一定的作用;逐步加大“办学特色与社会评价”指标权重。同时在建构专业学位研究生教育质量评估体系时, 我们需要注意以下问题。
第一, 突出指标权重应用性, 避免与学术型指标趋同。在确定“学术论文”与“课程教学”等指标的权重时, 应注意体现专业学位研究生教育的专业性、实践性和应用性, 避免与学术型研究生教育评估指标趋同。与此同时, 强调专业学位研究生教育的外适质量, 但不能以忽视学术质量为代价, 专业与学术协调发展。
第二, 把好入口和出口大关, 培养过程重视服务意识。招生规模的扩大、招生条件的放宽, 不等于教育质量的放松与下降, 把好研究生入学和毕业两项大关, 加大对考生实际工作能力、理论基础和潜在科研能力等方面综合考察, 提高生源质量、增强毕业生社会竞争力;同时在培养过程中重视培养单位服务意识的投入, 推出“管理+服务”的双重模式, 从而保证专业学位研究生顺利完成学业, 提高教育质量。
第三, 强调高校办学特色建设, 重视社会评价指标作用。培养单位办学特色和效果要求高校在师资、教学方法、办学思路上积极探索创新, 师资上吸纳有深厚理论知识与丰富实践经验的优秀教师;教学方法上加大理论知识与案例教学相结合的创新教学模式的运用;办学思路上, 加大高校学科建设, 重点发展优势学科以带动其他学科发展, 重视社会评价指标在教育质量评估中的作用, 加强毕业生的综合素质和社会竞争力, 将高校的办学特色与市场和用人单位的需求和评价纳入到今后的评估方案中, 以促进我国专业学位研究生教育事业的健康发展。
参考文献
[1]全国工程硕士专业学位教育指导委员会[2005]第5号.关于全国工程硕士研究生培养质量评估实施办法的通知[EB/OL].[2010-11-15].
[2]华中科技大学.机械工程领域工程硕士培养质量试评估情况汇报[R].2004.
[3]北京航空航天大学.建立评估监督的质量保证机制促进工程硕士教育的健康发展[R].2005.
[4]李春英, 李传武.对工程硕士专业学位研究生培养质量评估的思考[J].黑龙江教育:高教研究与评估版, 2005, (4) .
[5]潘泉, 王雄, 程咏梅, 刘勇.控制工程领域工程硕士培养质量评估的方法与实践[J].学位与研究生教育, 2007, (3) .
[6][13]李冬梅.农业推广硕士教育质量保障体系研究[D].北京:中国农业大学, 2004.
[7][16][20]佟福锁, 李勇, 刘晓萍.农业推广硕士专业学位研究生培养评估体系研究[J].南京林业大学学报:人文社会科学版, 2004, (2) .
[8][17][18]陈祎鸿, 蔡慧琳.工程硕士专业学位研究生培养质量的模糊综合评价方法[J].学术纵横, 2009, (7) .
[9][14][23][24]韩从梅.专业学位研究生教育质量评估的研究[D].合肥:合肥工业大学, 2005.
[10][19]陈海红, 姚光庆, 周锋德.石油与天然气工程领域工程硕士培养质量评价指标体系[J].重庆石油高等专科学校学报, 2004, (3) .
[11][21][25]朱建伟, 左显兰.教育硕士专业学位研究生质量评估方案初探[J].黑龙江高教研究, 2002, (1) .
评估指标权重 篇2
建立包括科学的指标权重在内的`评估体系,是高校教师绩效评估顺利实施和提高教师教学水平的关键.层次分析法(AHP)为准确的确定高校教师绩效评估指标间的权重提供了可靠的途径.要准?确的评估高校教师绩效,在确定各指标间的权重时,应重点考虑指标之间的重要性的量化问题.
作 者：黄云凯 作者单位：吉首大学,湖南,吉首,416000刊 名：文学界・人文英文刊名：LITERATURE HUMANITIES年，卷(期)：“”(4)分类号：G647关键词：教师绩效评估 指标体系 权重 层次分析法
评估指标权重 篇3
【关键词】 财务预警;AHP;指标权重
一、引言
在市场经济条件下,伴随外部环境的变迁和内部控制的失效,企业将面临巨大的财务风险,有可能发生财务困难、危机,甚至破产。因此,对企业财务状况进行预警研究,进而尽早识别和发现企业存在的风险,对确保企业的健康发展具有十分重要的意义。
国外对财务预警的研究起步较早,已有多年历史,产生了许多有效的财务预警模型。较有影响的预警模型主要有:Beaver(1966)提出的单变量模型;Altman(1968)提出的Z计分模型;Martin(1977)引入logistic回归分析法建立预警模型,有效提高了预测的准确度;Odom与Sharda(1990)等将人工神经网络(ANN)引入财务预警系统中,克服了以往模型的诸多缺点,实现对传统模型的拓宽和突破。国内该领域的研究较晚,但也作了大量积极的探索和分析,比较有代表性的有杨淑娥(2003)提出的Y计分模型。
上述模型以及目前的财务预警分析主要注重对财务数据的统计、财务指标和财务模型的计算分析,但在指标的权重设计上存在明显的不足,本文拟使用层次分析法来弥补上述不足。
二、层次分析法(AHP)
层次分析法(Analytic Hierarchy Process),简称AHP,是由美国运筹学家T.L.Satty于20世纪70年代提出的一种决策方法,它是一种定性和定量相结合,将人的主观判断用数量形式表达和处理的方法。AHP的基本思路是评价者首先将复杂问题分解为若干组成要素,并将这些要素按支配关系形成有序的递阶层次结构,然后通过两两比较建立比较矩阵,进而运用相应的数字方法进行分析和处理,确定层次中诸要素的综合评价值,判断各因素相对重要性的总排序,并据此进行决策。
三、运用AHP设计财务预警指标权重
(一)构建层次结构模型
AHP的基本结构模型是递阶层次结构模型,一般分为三层:(1)目标层,是解决问题想要达到的目标;(2)中间层,又称准则层;(3)最低层,又称措施层,是解决问题的具体措施或方案。财务预警指标体系是一个综合的多因素的复杂问题,所选指标应能评价企业经营状况的各个侧面,能有效综合地反映企业财务状况。基于上述考虑,本文选择盈利能力、偿债能力、营运能力和增长能力四个方面13个指标进行研究,如表1所示。
2.建立判断矩阵
采用Satty1~9标度法,对不同情况的比较给出数量标准来描述各指标的相对重要性,以使定性的因素量化。其中,aji=1/aij,如表2所示。
最后,进行一致性检验。理想的判断矩阵应该很好地满足一致性条件,但在实际应用中由于各人偏好、知识水平的差异和系统的复杂性,上述各矩阵并不能保证完全的一致性,因此必须对判断矩阵进行一致性检验。一般采用一致性指标CI (Consistency Index)来衡量判断矩阵的一致性:
4.计算最低层各指标的综合权重
权重的计算如表5所示。
由此,可得出反映企业状况的财务预警关系式为:
Z=0.3110X1+0.0804X2+0.1388X3+0.0320X4+0.0220X5+0.0129X6
+0.0754X7+0.0387X8+0.0221X9+0.0085X10+0.0352X11+0.0616X12
+0.1614X13
上述模型中, Z值越大,说明企业的财务状况越好,陷入财务困境的机率越小;反之说明财务状况越差。企业财务危机并非一朝一夕形成,而是有一个较长的潜伏期。企业应尽早识别潜在经营和财务风险,提前发出警报,使管理者及时采取有效对策,防止企业陷入危机,保护相关主体的利益。
四、结论及局限
在财务预警体系中,单个指标不能很好地反映企业各比率交替变化的情况,而AHP在指标分析的基础上,将各项指标形成统一完整的体系,能够对企业的财务状况做出更全面、更客观的评价。AHP提高了企业财务预警指标体系的科学性、合理性,从而提升了财务预警机制的有效性。AHP使用灵活,有效弥补了定性分析的不足,能较好地解决传统财务预警方法的局限性。
然而,根据AHP建立的模型也有一定的局限性。首先,两两指标间的相对重要程度主要依靠专家的主观评价和赋值,因此准则层和指标层的判断矩阵因人而异,会对设计结果产生一定影响。其次,该模型的指标所使用的数据主要来源于公开发布的财务报表,而目前我国不少企业会计信息失真现象仍然存在,财务数据存在被操纵的可能。
此外,公司的非财务指标,如企业内部风险控制能力、行业影响能力和发展创新能力等都会对财务预警结果产生一定的影响,而在上述模型中却未得到体现,在企业的财务预警实务中应对非财务指标加以考虑。
【参考文献】
[1] 阎达五,张友棠.财务预警系统管理研究[M].北京:中国人民大学出版社,2004.
[2] 钱颂迪.运筹学[M].北京:清华大学出版社,1990.
[3] 李长永,陈玉萍. AHP在财务预警分析中的应用[J].中国管理信息化,2008(12).
[4] 张瑞龙.层次分析法在财务综合评价中的应用[J].财会通讯:理财版,2007(10).
[5] 胡杨,冯武.我国上市公司财务危机预警系统研究[J].经济研究,2006(2).
物流园区评价指标权重的研究 篇4
要建立一套科学合理的物流园区综合评价,除了评价指标的选取和评价指标体系的设计,还包括评价指标权重的确定。指标的权重即各个指标在整个评价指标体系中相对重要性的数量表示。在目前进行的评价活动中,大多数采用德尔菲法与层次分析法相结合的方法,即初始权重的确定采用德尔菲法,之后通过层次分析法对初始权重进行处理和检验,以生成各层指标权重。
1 德尔菲法
1.1 德尔菲法简介
德尔菲法是由美国兰德公司于20世纪40年代末期创立,正式提出者是该公司研究人员诺曼·达尔基(N Dekey)和奥拉夫·赫尔默(O.Helmer)。它是以匿名方式,通过多轮函询专家对预测事件的意见,由组织者进行集中汇总,最终得出较为一致的专家预测意见的一种经验判断法。德尔菲法主要目的在于获取专家们的共识,以寻求专家们对特定预测对象的一致性意见。
1.2 德尔菲法的优缺点
德尔菲法的优点:(1)能充分发挥各位专家的作用,集思广益,准确性高。(2)能把各位专家意见的分歧表达出来,取长补短。但是德尔菲法在现实使用中也有明显的缺陷:按照德尔菲法的要求,需要聘请大量的专家为指标权重进行打分,而且打分过程是一个不断“反馈—集中”的过程,通常需要几个来回才能达到较为理想的效果[2]。为了使专家意见趋于一致而反复进行的次数增多,进而造成成本的增加,在当前软科学项目研究经费本就捉襟见肘的情况下是不可取的。
2 建立物流园区评价指标权重体系的构想
物流园区评价指标权重体系,是通过分析总结我国各类物流园区在规划和运营过程中所关心的因素的优化目标,收集各类物流园区的评价指标及指标权重数据,应用模糊聚类分析法将各种因素进行分类,包括土地利用、产业布局、交通条件、主要货物品种及流向等,而建立起来的涵盖各类物流园区指标及其权重的体系。这样对不同类型的物流园区进行评价时,便可以直接使用从权重体系中调用相关数据,避免因为大量聘请专家对权重反复打分而造成的巨大花费,这里我们需要介绍一下物流园区的分类,以便于后续研究的使用。
(1)按物流园区的依托对象,将物流园区划分为以下4种:
·交通枢纽型。依托空运或海运或陆运枢纽而规划,至少有两种不同的运输形式衔接,提供大批量货物转换的配套设施,实现不同运输形式的有效衔接,主要服务于国际性或区域性物流运输及转换。
·生产服务型。依托经济开发区、高新技术园区等制造产业园区而规划,提供制造型企业一体化物流服务,主要服务于生产制造业物料供应与产品销售。
·流通商贸服务型。依托各类大型商品贸易现货市场、专业市场而规划,为商贸市场服务,提供商品的集散、运输、配送、仓储、信息处理、流通加工等物流服务,主要服务于商贸流通业商品集散。
·综合服务型。依托城市配送、生产制造业、商贸流通业等多元对象而规划,位于城市交通运输主要节点,提供综合物流功能服务,主要服务于城市配送与区域运输。
(2)按服务对象和服务范围的不同,物流园区的形式主要划分为以下3种:
·国际型物流园区。依托港口、陆路口岸,与集装箱运输和海关监管通道相结合的大型转运枢纽。
·区域型物流园区。跨区域的长途运输和城市配送体系之间的转换枢纽。
·市域配送型物流园区。支持商贸和城市生活的物流园区。
(3)根据物流园区其功能的侧重点不同,可分为如下几种:
·综合型物流园区。是集区域配送、市域配送、国际物流、综合运输或多式联运、商贸、采购供应、供应链管理、企业物流、物流CBD和综合配套服务等多种经营功能于一园的大型物流园区,但这种综合不一定是所有功能的综合,往往是上述大多数功能的不同组合。如苏州综合物流园区、南京龙潭物流园区、青海朝阳物流园区。
·货运枢纽型物流园区。货运枢纽型物流园区是围绕交通枢纽而建的,服务于物流的转运型物流节点,除了具有转运、仓储等主要功能外,还包括拆拼箱、再包装等加工功能,如围绕大型港口、铁路货运场站等建设的货运枢纽、卡车终端等都属于该类型。
·仓储型物流园区。仓储型物流园区可以看成是集货中心,将分散生产的零件、生产品、物品集中成大批量货物。这样的物流园区可建在小企业群、农业区、果业区、牧业区等地区。主要功能:集中货物、初级加工、运输包装、集装作业、货物仓储。
·配送型物流园区。配送型物流园区以配送功能为主,是配送中心企业集中的场所。配送中心可视为连锁商店、零售商以及消费者组织配货供应,以执行实物配送为主要职能的流通型物流节点,具有集货、储存、分货、加工、配送、信息处理等综合物流功能。
·商贸中心型物流园区。依托于各类物资、商品交易市场,进行集货、储存、包装、装卸、配货、送货、信息咨询和货运代理等服务。该类物流园区通过对货物集疏,实现物流系统管理过程。
(4)按服务对象进行分类可分为:
·工业物流园区。为生产企业服务的物流园区。如北京空港物流园区周边紧邻天竺出口加工区、空港工业区、林河工业区、北京现代汽车城及奥运会场馆,周边有日本VC,SONY、松下通信、西铁城(中国)钟表,韩国LG电子,欧美的摩托罗拉、空中客车、爱立信移动通信、皇冠制罐,以及中国国际航空公司、万科城市花园、空港国际仓储和人类基因研发中心——华大基因等30余个国家的百余家著名企业,为发展现代物流产业提供了得天独厚的条件。
·商业物流园区。面向流通领域,为商业零售服务的物流园区,如深圳笋岗———清水河物流园区。
·社会物流园区。面向全社会开放的社会型物流园区。
(5)根据物流园区发展的行业导向不同,将物流园区划分为专业型和综合型两大类:
·综合型物流园区。综合型物流园区在行业导向方面以混合行业导向为主,可以由零散的多个行业构成,例如由石油产品制造业、汽车制造业、家电制造业、家具制造业等共同构成的物流园区。现有国外物流园区多数均为综合型物流园区。
·专业型物流园区。专业型物流园区在行业导向上常以某个行业为主导,例如德国的德累斯顿、沃尔夫斯特等物流园区均是以汽车制造业为主的物流园区,埃姆斯兰则是以造纸业为主的物流园区。
(6)根据开发主体和发起者的不同,可将物流园区划分为以下3种:
·公共投资型物流园区。这种类型的物流园区在德国较为多见,国内规划的也有相似实例,如深圳平湖物流基地、上海西北物流园区。根据对德国物流园区的考察分析表明,德国现有物流园区多数为公共投资型物流园区,但也不排除个别的私营企业完全投资行为。对德国11个物流园区的分析结果显示,其中10个为公共投资或公共-私人合作投资型物流园区,1个为完全企业投资型。
·私有投资型物流园区。没有公共机构的资金支持,完全或绝大部分由私有公司投资开发的物流园区为数较少,但也不乏有人投资这种回报率较低、回收期较长的大型基础设施项目。如法国的普洛罗吉斯公司创建并经营的9家物流园区以及其1999年兼并的位于巴黎附近奥尔列菲斯-波伊斯的加诺罗尔物流园区均属此类。英国的达芬奇物流园区的发展和资金筹集也是主要通过私人投资者来实现的。这种情况在国内也有体现,如台湾高雄物流园区。
·公共-私人合资型物流园区。实际上,绝对的公共机构或绝对的私人财团独资投资物流园区这种大型公益性的物流基础设施的例子并不多见,国内外现行的物流园区大多均为公共机构主导、多渠道融资建设开发的。
3 模糊聚类分析法
3.1 模糊聚类分析法的基本原理
按一定的规律和要求,通过对事物的数量关系的分析,对事物进行分类的方法叫做聚类分析,应用于模糊事物的聚类分析叫做模糊聚类分析。
明确聚类对象,设论域U=x1,x2,…,xn为被分类对象,每个对象又有m个指标表示其性状,即
于是,得到原始数据矩阵为
其中xnm表示第n分类对象的第m个指标的原始数据。
3.2 模糊聚类求解的一般过程
(1)数据标准化
在实际问题中,不同的数据一般有不同的量纲,为了使不同的量纲也能进行比较,通常需要对数据做适当的变换。但是,即使这样,得到的数据也不一定在区间0,,1,上。因此,这里说的数据标准化,就是要根据模糊矩阵的要求,将数据压缩到区间0,,1,上。
经过变换后,每个变量的均值为0,标准差为1,且消除了量纲的影响。但是,再用得到的xi'k还不一定在区间0,,1,上。
(2)建立模糊相似矩阵
设论域,依照传统聚类方法确定相似系数,建立模糊相似矩阵,xi与xj的相似程度,。确定,的方法主要借用传统聚类的相似系数法、距离法以及其他方法。计算,的方法有很多,这里介绍一下最大最小法:
(3)聚类
模糊聚类通常有3种方法[3]:编网聚类法、最大树法和模糊等价法。前两者可用模糊相似矩阵直接求值,而后者只能用模糊等价法。具体做法为给定不同的置信水平λ求矩阵R,找出R的λ显示,得到普通的分类关系R(λ从0到1取值),最后可得到一个动态的聚类谱系图。
3.3 最佳阈值λ的确定
在模糊聚类分析中对于各个不同的,可得到不同的分类,许多实际问题需要选择某个阈值λ,确定样本的一个具体分类,这就提出了如何确定阈值λ的问题。一般有以下两个方法:
(1)按实际需要,在动态聚类图中,调整λ的值以得到适当的分类,而不需要事先准确地估计好样本应分成几类。当然,也可由具有丰富经验的专家结合专业知识确定阈值λ,从而得出在λ水平上的等价分类。
(2)用F统计量确定λ最佳值。设论域为样本空间(样本总数为n),而每个样本xi有m个特征:。于是得到原始数据矩阵,如下表所示,其中,称为总体样本的中心向量。
设对应于λ值的分类数为r,第j类的样本数为nj,第j类的样本记为:第j类的聚类中心为向量,其中为第k个特征的平均值,即,k=1,2,…,m∧,作F统计量
为与x间的距离,为第j类中第i个样本x,与其中心x,间的距离。称为F统计量,它是遵从自由度为r-1,n-r的F分布。它的分子表征类与类之间的距离,分母表征类内样本间的距离。因此,F值越大,说明类与类之间的距离越大;类与类间的差异越大,分类就越好。
4 结束语
德尔菲法是目前确立评价指标权重最常见的方法,但是专家打分过程需要不断地重复反馈,这不但加大了评价的工作量,而且也增加了评价的成本,所以我们试图利用模糊聚类分析法,通过对以往评价数据的收集分类,建立一个指标权重体系,针对不同类型的物流园区评价,可以直接从中获得不同的指标权重。但是该方法也具有一定的局限性,首先体系的建立需要大量的数据,这需要长时间的协调沟通和收集处理;其次所收集的权重数据时效性可能会随着社会和经济的发展而被减弱,不能很好的反映出物流园区的现状。
摘要：论述了物流园区评价的重要性,介绍了德尔菲法的基本原理及德尔菲法在物流园区评价过程中应用:阐述了德尔菲法的优点以及弊端。在此基础上,提出基于模糊聚类分析法建立评价指标权重的构想,最后介绍模糊聚类分析法的基本原理和求解过程。
关键词：物流园区,指标权重体系,德尔菲法,模糊聚类分析法
参考文献
[1]缪立新.区域物流系统及物流园区规划方法[J].清华大学学报(自然科学版),2004(3):398.
[2]朱孔来.国民经济和社会发展综合评价研究[M].济南:山东人民出版社,2004.
评估指标权重 篇5
基于指标区分权重的未确知测度综合评价模型及其应用
摘要：分析了指标对区分样本所属类别所作贡献的大小,定义了指标的区分权重.建立基于指标区分权重的未确知综合评价模型,并用于滏阳河水质污染综合评价.作 者：庞彦军 王小胜 栗文国 PANG Yan-jun WANG Xiao-sheng LI Wen-guo 作者单位：河北工程大学,理学院,河北,邯郸,056038期 刊：大学数学 PKU Journal：COLLEGE MATHEMATICS年，卷(期)：,24(1)分类号：X824关键词：地面水质量 未确知测度 综合评价 区分权重
评估指标权重 篇6
关键词：层次分析法；实践教学评价；指标权重
基金项目：高校经管类专业实践教学评价改革的研究与实践，2013JSJG127。
中图分类号：G647
引言
本文主要采用层次分析法（AHP）确定指标权重。层次分析法由美国运筹学家萨蒂于20世纪70年代初期提出的。其基本思路是：将评价对象或问题视为一个系统，根据问题的性质和要达到的总目标，将问题分解成不同的组成要素，并按照要素间的相互关联度及隶属关系，将要素按不同层次聚集组合，从而形成一个多层次的分析结构系统，从而把问题条理化、层次化。它是将定量分析与定性分析相结合，采用比例标度法，对不同情况的评比给出数量标度，用决策者的经验判断各衡量标准之间的相对重要程度，构造两两比较判断矩阵，采用方根法对建立的两两判断矩阵进行求解，进而求取权重，最后对求取的权重进行一致性检验，通过一致性检验方可認为所求权重合理，否则对判断矩阵进行调整，重新计算，直至通过检验为止，在此基础上，利用权数求出各方案的优劣次序。层次分析法对于求解指标的权重值具有较好的适应性和准确性，能有效地处理那些难以用定量方法解决的问题。
1研究对象
本研究选取了7位长期从事经济管理专业教学管理工作的资深专家教授进行专业咨询。其中2人有担任校级教学管理单位主管经历，5人为现任或曾任商学院的教学与行政主管，2人为商学院基层骨干。他们一直从事经管类相关实践环节的教学以及二级学院和学校的教学管理工作，平均高校工作年限超过25年，均为高级职称，对经管类专业的实践教学体系有深切的体会与管理心得。总体上可以认为几位专家据偶较强的代表性和权威性。
2研究方法
本研究采用了层次单排序和总排序的AHP法。所谓层次单排序是指根据判断矩阵计算对于上一层某因素而言本层次与之有联系的因素的重要性次序的权值，先将指标体系分为一级指标和二级指标两个层次，再分别得出这两个层次的指标权重，最后将两个层次的指标权重相乘得出最终的指标权重。层次总排序是基于层次分析法中层次单排序的基础上给出的。层次总排序的过程与层次单排序的过程大致相同，是为了得到层次结构中某层指标对于总体目标组合权重和它们与上层指标的相互影响，需要利用该层所有层次单排序的结果，计算出该层元素的组合权重，这个过程称为层次总排序。层次总排序这一步，需要从上到下逐层排序进行，最终计算结果得到最低层次元素，即要决策方案优先次序的相对权重。整个过程可分为以下几个步骤：
1）建立层次结构
本研究在前期研究中通过多批次的访谈与问卷调研，运用主成分分析和因子分析相结合的方式，构建了以CIPP模型（背景评价C、投入评价I、过程评价P和效果评价P）的四个要素作为经管类专业实践教学评价指标体系的第一层指标，在此基础上构建第二层8个指标和第三层15指标的评价体系。
针对经管类专业实践教学评价的27项指标构建了AHP分析模型。该模型主要分4个层次，即：目标层T，是模型的最终核算和决策最终目标，即实践教学质量；准则层A，是该模型指标要素层的分类要素，即CIPP四类要素为一级指标；中间层B，指CIPP四个要素所包含的8个二级指标；指标层C，为模型中衡量实践教学质量的具体指标，共15个三级指标。本研究针对指标层、中间层和准则层对实践教学质量的权重进行研究。
2）构造判断矩阵
建立层次分析结构模型之后，需要对每一层次中各指标相对于上一层的重要性进行两两比较，构造出比较判断矩阵，判断矩阵的构建采用1-9比例标度法，分别对每一层次评价指标的相对重要性进行定性描述，并用准确的数字进行量化表示，判断矩阵中数字1表示两元素对某一属性具有同样重要性，数字9表示两元素相比较前者比后者极端重要，中间数字表示意义以此类推，并最终得到多个判断矩阵，课题组根据前期的指标体系构建结果设计专家调查问卷，请具有丰富经验的专家进行AHP法问卷调查，调查内容是请他们按照九级判断尺度表分别为一二三级指标两两之间的相对重要性评分，从而得到相应的判断矩阵（例见表1）。下表为甲专家对实践教学质量准则层CIPP四个要素在经管类专业实践中的重要性程度进行两两评价的评价矩阵，其余类推。
从表1可以看出背景评价A1和投入评价A2相比较，A2明显重要，背景评价A1和过程评价A3相比，后者比前者明显重要，投入评价A2和效果评价A4相比，两者同等重要。过程评价A3和效果评价A4相比，A4稍微重要，相反A3比A4稍微次要。
3）层次排序结果及判断矩阵一致性检验
层次分析法分为层次的单排序和层次总排序。层次单排序就是指根据判断矩阵计算对于上一层某因素的排序而言本层次与之有联系的因素的重要性次序的权值。可以归结为，求解矩阵的最大特征根和对应的特征的向量，即对判断矩阵A，计算满足：AW=λmaxW的特征根与特征向量。式中，λmax为A的最大特征根；W为对应于λmax的正规化特征向量；W的分量Wi即是相应因素单排序的权值。
层次的总排序为确定某层所有因素对于总目标相对重要性的排序权值过程。这一过程是最高层次到最低层次逐层进行的。对于最高层下面的第二层，若上一层次A包含m个因素， A1，A2，… Am，其层次总排序权值分别为a1，a2，… am，下一层次B包含n个元素B1，B2，… Bn，它们对于因素Aj的层次单排序权值分别为bj1，bj2，… bjn（当Bi与Aj无联系时，bji=0），此时B层次总排序权值分别为 ，当然。
比较判断矩阵的办法虽能减少其它因素的干扰，较客观地反映出一对因子影响力的差别，但为了避免出现A比B重要，B比C重要，而C又比A重要这样的矛盾情况出现，需要检验判断矩阵是否具有满意的一致性，以便确定是否接受。判断矩阵的一致性用随机一致性比率CR表示，CR=CI/RI，其中，RI为平均一致性指标，CI为一致性指标，CI=（λmax-n）/（n-1），λmax-n越大，CI越大，矩阵的一致性就越差。当CR<0.1时，认为判断矩阵的一致性是可以接受的，否则应该对判断矩阵做适当修正以使其具有满意的一致性。层次单排序和总排序的一致性比率的计算原理是相同的，总排序的一致性比率CR=CI/RI=/
4 结果与分析
1）通过计算，第一层CIPP四个要素的权重分别为：0.17、0.17、0.23、0.43，其中成果评价A4所占比重最大，背景评价A1和投入评价A2所占比重最小。说明专家们一致认为实践效果评价最为重要，背景评价和投入评价的重要性最低，这和本课题中另一项学生实践满意度调查分析中的结论是一致的，学生满意度与投入评价的相关性较弱。
第二中间层要素中：背景环境A1中管理机制B2比目标定位B1更重要（0.62>0.38）；投入环境A2中师资B3比实践基地与经费投入B4更重要 （0.62>0.38）；过程评价A3中教学过程的组织B6远远重要于实践资料B5（0.83>0.17）；对于成果评价A4要素中，满意度与成果B8的重要性远大于就业率B7（0.8>0.2）。总体而言，第二层指标的重要性依次为满意度与成果>教学过程的组织>师资队伍>目标定位>就业率>管理机制>基地经费>教学资料。
在第三层次要素中，排除师资和就业率指标外，重要性排在前5位的分别为实践成果C15>实践教学过程的考核与反馈C13>实践教学定位C2>实践教学方法C11>学生的实践教学满意度C14，排在倒数后5位的重要性为教学文件C9<实践管理机构与人员C5<实践教材C8<实践基地C6<实践教学内容C10。从排序情况看，专家们更多的关注结果，包括实践绩效和满意度；而对实践基地以及实践教学资料中的三个因素（实践教材、教学内容的个性化差异化以及可操作性、教学文件）的关注度都很低。
2）对于各项指标的重要性程度，专家们的意见也存在差异，甚至做出完全相反的结论。
在所有的指标中，大家一致认为实践教学过程的组织相对于教学资料非常重要，学生满意度和体现实践的成果相对于就业率而言更加重要，实践管理机构与人员的安排在相应体系中重要性最低。其余指标的重要性各位专家都有不同的看法甚至完全相反。
判断完全相反的指标主要有：一级指标中的背景评价（2人认为很重要）和成果评价（5人认为很重要）；二级指标中管理机制与目标定位（6人认为管理机制相对重要或特别重要）以及师资与基地经费（5位专家认为师资非常重要）；三级指标中经费投入比实践基地更加重要（5位赞成），教材的选用建设不重要（5位专家赞成），实践的考核反馈特别重要（6人赞成），实践过程的安排（只有1位专家认为很重要），对于学生的满意度与体现成果的要素比较中，只有1位专家强调学生满意度的重要性。
在这些判断相反的指标中，易考核与衡量的指标权重较高，相反权重较低，同时专家直接负责的领域权重赋值也较高。基地的建设管理由于社会关系的问题难以稳定，多数专家自动忽略，而经费的投入是非常容易考核衡量的，因此只有负责实践基地的专家以及一直从事实习工作的专家认为基地建设很重要，对于实践教材的重要性只有曾经在学校教务部门从事工作的专家更加关注。尽管学校常规检查重点针对教学文件以及教材的选用，但多数专家认为教学文件的重要性相对很低。可是教学内容的重要性尽管重要，但由于专业知识的特点导致内容的考核难以进行。
5 結论
从前文的分析中可以得出专家们更多的关注实践的结果、实践过程的组织、师资的实践能力以及实践定位，对于难以控制、难以考核的要素关注度都较低。对各项指标重要性的确定各方面，往往结合了专业实际使用情况，同时不同专家所处位置以及从事实践教学活动的种类的差异性对各要素的重要性的人是也不同。
参考文献：
基于综合权重的装备指挥效能评估 篇7
信息化战争对装备保障的依赖性日益增强, 而装备指挥又决定着装备保障的整体行动和综合效能, 影响和制约着战争的进程与结局[1]。对装备指挥效能的评估成为一项重要的工作, 通过评估可以找出装备指挥运行中的薄弱环节, 为改进装备指挥方案提供数据支持和决策建议。
效能评估两个关键性的问题, 一是指标体系的建立, 二是权重的确定。指标体系的建立是评估的前提, 而权重计算方法的合理性直接关系到评估的准确性。目前权重的计算方法主要有主观赋权法和客观赋权法两大类[2,3], 主观赋权法的权重是由专家根据主观判断得出, 应用最广泛的是层次分析法, 这种方法能够将复杂问题层次化, 定性问题定量化。客观赋权法是根据各个指标在指标总体中的变异程度和对其他指标影响程度来确定权重, 典型的方法是熵值法。主观赋权法带有较强的主观随意性, 受评估者的知识结构、工作经验及偏好等影响;客观赋权法确定的权重虽然具有较强的数学依据, 但未考虑决策者的意向。
装备指挥效能评估指标中既有动态效能指标又有静态效能指标, 每个指标提供的信息量大小也不尽相同。因此, 为了更科学地确定各个指标的权重, 提高装备指挥效能评估的精确性, 本文采用了一种层次分析法和熵值法相结合的主客观综合集成赋权算法, 对装备指挥效能进行评估。
1 综合集成赋权法原理
主观赋权法由于人为因素会造成评估结果主观随意性较大, 客观赋权法虽然具有较强的数学依据, 但未考虑决策者的意向。针对主观赋权法和客观赋权法各自的优缺点, 为了使评估结果更加符合实际情况, 本文在进行装备指挥效能评估时采用了一种主客观集成、强调系统均衡协调发展的评估模型。在权重的确定上达到主观和客观的统一, 而且可根据对评估结果进行修正。
1.1 基本思路
1) 利用层次分析法构造评估指标体系的判断矩阵, 并对判断矩阵的一致性进行检验, 确定各个指标的主观权重。
2) 将原始数据的决策矩阵标准化, 利用熵值法确定各个指标的客观权重。
3) 将主客观权重进行综合, 得到综合权重。
4) 利用排名次序计算评估系统的协调系数, 并对评估值加以修正。
1.2 具体步骤
1.2.1 指标值的标准化处理
由于各指标的量纲不一致而存在不可公度性, 需要对各指标进行标准化处理。
对于保障计划工作量预计准确率、保障力量编组合理性等效益型指标, 要求指标越大越好, 令
x*ij = xij/max{ xij} 或 (1)
x*ij = (xij-minxij) / (max{ xij} -min{ xij}) (2)
对于决策时间、保障计划生成时间等成本型指标, 要求指标越小越好, 令
x*ij = min{ xij} /xij 或 (3)
x*ij = (max{ xij} -xij) /max{ xij} (4)
其中x*ij—标准化处理后的指标值
xij—为原始指标值
max{xij}—指标允许值的上界
min{xij}—指标允许值的下界
1.2.2 计算各指标的主观权重
用层析分析计算第i个子系统下第l个指标的主观权重, 记为W
选取指数标度构造判断矩阵, 然后用求和法或求根法求出判断矩阵的特征值即为各指标权重W
1.2.3 用熵值法计算各指标的客观权重
熵是信息论中测定不确定性的量, 它可以度量数据所提供的有效信息程度, 代表多目标决策问题中各指标提供有效信息的多寡程度。当评价对象在某项指标上的值相差较大时, 熵值较小, 说明该指标提供的有效信息大, 该指标的权重也应较大。
假设有n个备选方案, m个评估子系统, 第i个子系统下有J (i) 个指标, 则第l个评估指标的熵定义为:
Hil=-K
式 (5) 中fijl=
则第i个指标的客观权重为:
W
1.2.4 将主客观权重综合求得综合权重
为了使权重达到主客观的统一, 需要将专家对各目标给出的主观权重与熵值法确定的客观权重进行结合, 最终确定各目标的综合权重。权重的组合方法通常有乘法合成法和加法合成法, 乘法合成法突出权重较小的方法的作用, 比如某指标的主观权重较大而客观权重较小, 则最终计算的综合权重较小。加法合成法体现了线性补偿的原理, 实质上是对主观权重和客观权重进行平均。本文采用加法合成法对主客观权重进行综合
Wil= (W
式 (7) 中, W
1.2.5 计算系统的协调系数, 并对评估值进行修正
用层析分析法求第i个评估子系统的权重, 记为Wi (i=1, 2, …, m) 。
因此, 评估值的变异系数vj为:
Vj=
式 (8) 中, Aij—第j个方案在第i个评估子系统下的评估值Aij=
Zj—第j个方案的评估值
修正后第j个方案的评估值
Z*j=Zj (1-Vj) (9)
2 综合集成赋权法在装备指挥效能评估中的应用
装备指挥系统是一个要素复杂、影响因素众多的多维系统, 其效能受到人力和物力两方面因素的制约, 人力因素包括指挥员的指挥因素和参谋人员的作业因素, 物力因素主要是指挥自动化系统的信息化水平。为评估装备指挥效能, 本文从信息效能、决策效能和作业效能三个方面对装备指挥效能进行了分解, 如表1装备指挥效能评估指标所示:
2.1 具体计算步骤
2.1.1 指标的标准化处理
分别有三个装备保障方案, 利用仿真运行后的基础数据, 通过式 (1) 、式 (4) 进行标准化处理, 得到二级指标的效能值, 如表 2装备指挥效能评估值所示。
2.1.2 求各指标的综合权重
利用层次分析法和熵值法分别求各个二级指标的权重, 取主观赋权法和客观赋权法的合成系数α=0.6, β=0.4, 使用加法合成得到综合权重, 如表 3装备指挥效能评估各层指标权重值所示。
2.1.3 求各方案下, 每个评估子系统以及整个方案的评估值
第一个方案下, 第一个评估子系统 (信息保障效能评估子系统) 的评估值。
A11=0.16×0.459+0.308×0.34+0.277×0.201=0.233 837。
同理, 第一个方案下, 第二和第三个评估子系统评估值A21=0.422 186, A31=0.345 153。
第一个方案的评估值Z1=0.233 837×0.3+0.422 186×0.535+0.345 153×0.165= 0.352 971。
同理, 第二个方案:A12=0.366 285, A22= 0.267 343, A32=0.429 316, Z2=0.323 753。
第三个方案:A13=0.321 317, A23=0.377 824, A33=0.471 802, Z3=0.376 378。
2.1.4 求各方案的变异系数
第一个方案的变异系数
同理V2=0.197 39, V3=0.041 832 7。
2.1.5 求修正后各方案的评估值
第一个方案修正后的评估值Z*1=Z1 (1-V1) =0.270 323。
同理Z*2=0.259 847, Z*3=0.360 633。
2.2 结果数据分析
本文在指标值的合成以及主客观权重的综合上都采用了线性综合法, 线性综合法使各指标能够线性补偿, 任何一个指标的提升都会导致整个系统评估值的增加。某些局部优势较大, 而整体发展不协调的系统可能会有较高的评估值。针对这个问题, 本文利用各评估子系统的排名次序计算系统的协调系数, 对原评估值进行修正, 相当于对整体发展不协调的系统施加一个罚函数, 使整体发展不平衡的系统的评估值降低, 体现了“短板效应”的原则。
从评估结果值可以看出, 第一个方案中A11明显小于A21和A31, 说明第一个方案信息保障效能评估子系统效能较低, 与整个系统发展不平衡;第二个方案中A22明显小于A12和A32, 说明第二个方案指挥决策效能评估子系统效能较低, 与整个系统发展不平衡。而第三个方案整体发展比较平衡, 因此, 第三个方案的变异系数V3明显小于V1和V2, 从最终评估结果可以看出, Z*3>Z*1>Z*2, 可以得出, 第三个方案是最优的。
3 结论
装备指挥效能评估是一个复杂的工作, 权重的计算方法是整个评估的关键, 权重确定的合理与否直接关系到评估的准确性。本文利用层次分析法和熵值法的结合确定的权重同时体现了主观信息和客观信息, 并利用排名次序计算评估系统的协调系数, 对整体发展不平衡的系统进行修正, 使评估结果更加合理。
摘要：分析了基于综合权重的多目标决策的方法, 以实例说明了该方法在装备指挥效能评估中的应用。通过计算结果表明, 该方法较好地解决了指标权重分配问题, 使评估结果更加合理, 是一种有效的装备指挥效能评估方法。
关键词：综合权重,装备指挥,效能评估
参考文献
[1]郑怀州, 宋华文.装备保障指挥理论体系研究.装备保障指挥技术学院学报, 2002;13 (4) :15—17
[2]叶义成, 柯丽华, 黄德育.系统综合评价技术及其应用.北京:冶金工业出版社, 2006
[3]易华辉, 宋笔锋, 王远达.基于组合权重与vague集的多目标决策方法及应用.军械工程学院学报, 2007;19 (5) :58—63
[4]许国志, 顾基发, 车宏安.系统科学.上海:上海科学教育出版社, 2000
科学家形象的指标权重分析 篇8
1科学家形象指标体系的构建
1. 1科学家形象绘画测验 ( Draw - A - Scientist Test,简称DAST)
DAST最初是Chambers[1]受心理学的一项研究方法Draw - A - Person - Test的启发创立的。他试图通过分析孩子们画的关于科学家的图画,来研究孩子们心中存在着怎样的刻板印象以及 “刻板” 程度。为了分析图画的方便和研究的系统性,他综合了前人的研究成果,并结合图画情况,设定了7类编码指标,分别是实验服、眼镜、面部胡须、头发、 研究象征指标 ( 科学仪器和实验室中的各种器材) 、 技术 ( 科学的产品) 、相关的文字 ( 公式、科学家的语言 “我发现了”等等) 。在Chamber的研究中, 图画上每出现上述一种指标就记一分,得分越高说明刻板印象越严重。这是学界对科学家视觉形象进行分析的第一次尝试。DAST打破了语言、文字甚至文化的障碍,因而被之后的研究者广泛使用,成为研究科学家形象的经典方法。
1. 2学界对DAST的修正
DAST在被广被使用的过程中,也面临着一系列修正。既有学者立足于方法本身,认为图画不足以完整地表达受众的观点应该增加一定的语言描述, 单画科学家的形象不足以突出科学家的职业特点, 应该再画一个其他职业的人物以方便对比等。也有学者认为7项指标过于简单化,从而对指标进行了一系列修正,其涉及到指标体系的建构,与本研究直接相关,下文将重点讨论对指标体系的修正。
Finson,Beaver和Cramond[2]为了给分析科学家图画提供更有效率的指标,提出了总共包含15类指标的DAST - C ( Draw - A - Scientist - Checklist) ,包括: 实验服、眼镜、面部毛发、研究的象征、知识的象征、技术、相关字幕、男性、白人、中/老年、 神话人物、秘密、在实验室 工作、危险、微笑。 Finson[3,4]还在后续的研究中通过方差分析证明了以DAST - C为指标体系可以带来高的评分者间信度, DAST - C对不同种族群体的图画分析都是有效的。
虽然Finson已经证明了自己所做出的修正的有效性,但需要注意的是,15条指标体系确实过于繁杂,且某些指标由于其归属于同一大类并经常一起出现,是可以合并的。再结合本研究的实际需要, 是探索科学家形象的指标体系的相对重要性,而非分析科学家图画。故而,结合学界的相关研究成果, 对以上指标进行修正,构建本研究将使用的指标体系是必要的。
1. 3指标体系构建
首先,实验室、眼镜、面部毛发都属于科学家的体貌特征,且大多数时候三者都是同时出现的, 故而将这三者合并为人物体貌指标。
其次,对科学家形象的相当一部分研究表明, 受众眼中的科学家形象存在着明显的性别和年龄成见,认为大部分科学家都是中老年男性,这是DAST未涉及到而DAST - C补充了的。人物性别指标和人物年龄指标也被纳入本研究的指标体系中。
上述3项是关于科学家的视觉形象的,除此之外,DAST和DAST - C都还涉及到了一部分与科学家活动相关的指标,本文将其归纳为: 人物状态指标、科学环境指标和科学术语指标。人物状态指标描述科学家的行为,如实验研究、理论研究、科学演讲等。科学环境指标是指科学家的工作环境,包括办公室、实验室、野外等。科学术语指标就是科学家在工作过程中所使用到的专业名词。如此修正之后,指标体系涵盖了更广阔的内容,使其不只能分析图画中的科学家形象,还可以用来分析受众眼中的科学家形象。
最后,还有一部分是与科学形象相关的指标, 如DAST中所说的研究象征指标、技术等。本研究将其归为两类: 仪器/设备指标和科学象征指标。具体来说,仪器/设备指标是指科学研究所依靠的一系列小至试管、量筒,大至大型计算机、离子对撞机等研究所需的工具。科学象征指标,则指的是与科学密切相关模型、图表等和科学产品,即对科学的具体呈现。科学家形象本来就是科学形象的重要组成部分,将科学形象这一类指标明确加入体系之中, 可以更好地探索公众对科学的态度。
综上,本研究构建的指标分为3个大类,共8个指标,分别是: 第一类,科学家视觉形象,包括人物体貌指标、人物性别指标、人物年龄指标; 第二类,科学家行动,包括人物状态指标、科学环境指标、科学术语指标; 第三类,科学形象,包括仪器/ 设备指标、科学象征指标。以下将利用层次分析法, 对这3类8个指标进行权重排序,探索其相对重要性。
2层次分析法
层次分析法 ( Analytic Hierarchy Process,简称AHP) 是一种将定性与定量分析方法相结合的多目标决策分析方法。该法的主要思想是通过将复杂问题分解为若干层次和若干因素,对两两指标之间的相对重要程度做出比较判断,建立判断矩阵,通过计算判断矩阵的最大特征值以及对应特征向量,就可得出不同方案重要性程度的权重。
本文借用层次分析法,目的在于研究科学家形象各项指标的权重。但考虑到 “在运用AHP方法时,无论是建立层次结构还是构造判断矩阵,都有可能存在着决策者偏好、性格、经验及其主观判断方法等方面的影响”[5],且科学家形象在公众中存在的普遍性,笔者将AHP中请专家对相对重要性进行赋值的做法修改为: 在中国科学院大学选取20位研究生,并由调查员向他们说明各项指标的实际意义, 让其在充分了解的基础上对8项科学家形象指标的相对重要性赋值,并对通过一致性检验的有效问卷所得出的各指标的权重求平均值,以期避免过度的主观性。由于本研究只探讨各项指标相对重要性的程度,不涉及决策,故对层次分析法也只借用到判断矩阵这一步。
需要说明的是,为方便让被调查对象进入语境和说明各项指标体系的具体所指,在被调查进行重要性赋值之前,调查员放映了一系列利用科学家形象的广告,比如众所周知的高露洁牙膏广告。考虑到广告对科学家形象的利用是建立在受众心中刻板印象的基础上,且由于其重复性,被调查对象对这些广告都是熟知的,故而笔者认为,这些视频所起的主要作用应该是让被调查对象进入研究语境,唤醒其头脑中的科学家形象,而并无过多引导性影响。
( 1) 构造判断矩阵。在建立了如上所述的科学家形象指标体系之后,下一个步骤就是通过两两比较的方式确定每一个因素的相对重要性,并对其赋值,具体赋值记做aj( 见表1) 。ajk表示第j项指标与第k项指标相比的重要程度,ajk= 1 / akj( j,k = 1, 2,…n) 。ajk同样则是矩阵中第j行第k列的元素。
( 2) 指标权重的求解。在得到各项指标的相对重要性的值即ajk之后,也就是知道了判断矩阵各元素的值,按以下方法求解各指标的权重:
1 ) 将判断矩阵 ( 记为A ) 的列做归 一化处理:
2 ) 求判断矩阵A各行元素之各:
( 3 ) 判断矩阵的一致性检验 。 方法如下:
2 ) 计算一致性指标为指标个数 。
3 ) 1 - 10阶的平均随机一致性指标RI ,如表2所示,查表可得, 8阶的一致性指标RI = 1. 41 :
4 ) 计算一致性比率:则通过一致性检验,接受结果。当CR 0. 1时,一致性检验不通过,拒绝接受结果。当一致性检验不通过时,则需要征求更多被调查者的意见或对判断矩阵进行调整,直到CR < 0. 1。
( 4) 数据代入。在本题的语境中,n = 8。对20位广告受众进行调查,其中一份的各指标相对重要性如表3所示。
其判断矩阵为:
按上述步骤,计算出一致性检测通过 。 与此步骤相同,共有7位被调查对象通过了一致性检验,将所得的各项指标的权重求平均值,所得结果如表4所示。
3发现
3. 1科学象征指标权重最大: 公众视野里科学的功利性
从上面的权重分析可以看出,科学象征指标占到了近20% 的比重,是所有指标中权重最大的一项。上文已经指出,科学象征指标,是指与科学密切相关的模型、图表等和科学产品,是对科学的具体呈现。从某种意义来讲,公众对实验室里的科学、 科学过程,以及纯理论的科学研究都相对来说缺乏了解。他们对科学产生印象的最重要的是科学的产出结果,即科学产品。
当今社会,公众直接进入实验室、接触科学家的机会有限,这使得公众对科学、科学家的认知往往来源于大众媒体。而大众媒体的报道需要依据新闻事件进行议程设置。科学的产出结果,明显比日常的科学活动更容易成为新闻事件,也更能吸引受众眼球。加之,科学的正确与否、对社会的贡献如何,几乎是判断科学家、科学事业成功与否的标准。 从这个意义来讲,新闻媒体对科学的报道,甚至整个社会对科学的关注似乎注定是充满功利色彩的。
然而科学中不只有成功,也有一些科学本身就是非应用型的。如果媒体、公众乃至整个社会都陷入一种功利主义思潮,只关注科学的成果,关注科学的应用,而不了解科学研究的常态,那么这必然会导致公众误解科学,对科学产生片面化的理解。 一般的大众媒体或许没有强制的义务去报道科学活动的过程,然而科学共同体却承担着让公众更充分理解科学的责任。如果说以报道热点为业的大众媒体充满功利色彩的报道本身无可厚非的话,那么由科学共同体发起的科学传播就应该更多地致力于对科学常态的描绘,适当让公众了解不唯结果为导向、 不唯社会应用为导向的科学。
3. 2指标体系的分层: 科学家视觉形象最弱
本研究所使用的8项指标,如上所述可以分为3个类别,分别是科学家视觉形象、科学家活动和科学形象,按上述权重,得出3类指标所占权重分别是25. 56% 、43. 17% 、31. 26% 。考虑到科学家视觉形象这类的指标共有3项,却只有25. 56% 的权重, 公众眼中的科学家的视觉形象可以说相当弱。
各项关于科学家形象的研究都表明,在公众眼中存在着相当刻板且类似的科学家形象,但相较于科学家活动和科学形象,科学家的视觉形象所占比重相当小,至少表明公众对科学家形象或者说科学的理解并不是片面、单一化的。虽然白大褂、中老年男性几乎是科学家刻板印象的必备组成要素,但公众认为科学象征、科学活动是科学家形象更重要的组成部分。也就是说,公众认知的科学家是从事科学工作的人,而并不只是穿着白大褂的中年男性。 科学家的行为、所处的环境等比科学家的视觉形象重要很多。这是可喜的。
但从另一个方面来说,公众眼中科学家的视觉形象既相当刻板,又最不重要,这其实表明了公众对科学家在科学活动中的主体作用缺乏细节、生动的认识。科学家在公众心目中只是从事科学活动的影子,只是一个模糊的存在。除此之外,公众对科学家并无其他具体、深刻的了解。而事实上,科学家在科学实验中承担着相当重要的主体地位,从进行科学猜想到科学实验到最后的科学发现、科学应用,如果缺少科学家的主体作用这都是不可能实现的。这似乎提示我们,在进行科学家形象的描述或者报道时,应该对科学家的主体作用进行更多的强调。
3. 3科学家活动和科学形象背后的客观性
相较于权重占比相当低的科学家视觉形象,科学活动和科学象征的权重显得很高。如果说上文科学家的视觉形象代表的是科学家在科学活动中的主体性的话,那么,科学活动和科学象征所代表的无疑就是科学的客观性。在受众眼中,客观性明显是科学的重要特点。
关于科学的主客观问题,学界已有过争论。虽然科学社会学早已将科学的客观性进行了一定程度的解构,认为仪器设备也根本不能保证科学的客观性,只是可以带来更好的主体间性。然而在公众心中,对科学背后存在的一系列复杂的社会过程并没有太多了解。公众对科学的理解仍然停留在18世纪的实验传统,认为科学就是以纯粹客观的方法,发现本来就隐藏在事物中的规律。这样的理解固然有助于科学的权威建构,甚至还有助于把科学作为绝对正确的真理性存在,但且不说这种思维模式存在的主客体对立问题会加剧人与自然的矛盾程度,单是把科学神化的理解,就会因与时有出现的关于科学的负面信息产生巨大的反差,从而带来崩溃效应, 以至于产生巨大的信任危机。
高高在上的地位对于当今的科学来说,并不是多么荣耀或者合适。科学作为一种社会建制,天然地面临着各种利益纠葛,在当代,这种利益纠葛较之过去表现得更为明显。如果科学仍然处于神坛之上,公众对其过失的容忍程度必然很低,很可能科学的正常姿态也会被看作 “自甘堕落”。与其让公众经受信任危机,损害科学的公信力,还不如让科学回归到社会语境里,让公众真正地认识到科学非神性,甚至某种程度上非客观性的复杂意义。为此, 在进行科学传播时,就必须尽可能把科学置于广阔的社会背景之中,摒弃单纯的赞扬或批判的立场, 尽可能地显示其中的利益纠葛。
4结论: 细化分析带来的启示
在关于科学家形象的研究的得出近乎统一的刻板印象这一研究背景下,本文尝试进行了探索性的细化、深入分析,从而得出3点结论: ( 1) 公众通过科学产品认知科学形象; ( 2) 公众对科学家在科学活动中的主体地位并不了解; ( 3) 科学在公众心目中的形象相当客观。针对这3项科学传播中存在的问题,需要切实去除传播中存在的功利化倾向, 丰富科学家的主体形象,将科学置于社会的语境中进行传播。
除了上述之外,本文更大的意义在于以探索性、 尝试性的分析对科学家形象进行了进一步的研究。结果表明,细化分析之后确实得出了以科学家形象为整体进行研究未曾确切得出过的结论。从这个意义来讲,虽然本文的研究结果还有待更多研究检验, 但这种方向性的探索也许可以为科学家形象这一研究议题提供新的突破点和发展空间。
摘要：目前关于科学家形象的研究都局限在整体形象方面,对各项指标缺乏深入分析。以层次分析法研究各项指标权重,从而得出,科学象征指标所占权重最大,视觉形象权重很小,科学活动、形象等客观性指标权重很大。这意味着1)公众通过科学产品认知科学;2)公众对科学家在科学活动中的主体地位并不了解;3)科学在公众心目中的形象相当客观。对此,在科学传播中应坚持去功利化、丰富科学家主体形象、加入社会语境等思路。
评估指标权重 篇9
1 构建企业信息化评估指标体系
本文紧紧围绕企业信息化建设实际, 结合顶层设计思想, 从支撑层、基础层和应用层3个层面上进行指标确定和评估体系构建。在支撑层上选取信息化实施环境、信息化人才素质, 基础层上选取信息化基础建设、信息安全, 应用层上选取信息化效益、信息化应用总共六大要素作为一级指标, 每个一级指标下又选取若干二级指标, 这样便构成了企业信息化评估指标体系的基本方案, 如表1所示。
2 层次分析法的改进
层次分析法 (Analytic Hierarchy Process, AHP) 是美国运筹学家T.L.Saaty教授于20世纪70年代初提出的一种综合评估方法, 适用于解决结构比较复杂、决策指标较多且不易量化的多目标决策问题, 它的主要特征是:合理地把定性与定量决策结合起来, 按照思维心理的规律把决策过程层次化、数量化。
2.1 层次分析法的步骤
层次分析法大体分为4个步骤, 即: (1) 建立层次结构模型; (2) 构造判断矩阵; (3) 层次单排序及其一致性检验; (4) 层次总排序及其一致性检验。
2.2 标度的改进
传统层次分析法使用的是Saaty教授首次提出的1~9标度, 这种标度在实际应用中存在不足之处, 如“稍微重要”的标度值为3, 即把比“同样重要”大3倍的情况认为是“稍微重要”, 这与人们通常的认识相差太大。引用该标度值进行计算, 得到的权值不精确、不可靠。因此, 根据参考文献[3], 本文采用性能更好的10/10~18/2标度进行计算, 它与1~9标度的对应关系如表2所示。
两者对应的平均随机一致性指标RI如表3所示, 其中n=1, 2时, RI值为0。
3 权重确定及对比分析
下面通过实际计算来验证改进AHP的科学性和优越性。笔者进行问卷调查并向有关专家咨询, 依据表1所示体系结构, 首先得到传统标度下的一级指标判断矩阵A, 然后经过转换, 得到改进标度下的一级指标判断矩阵A*。
运用Matlab计算, 精确求出矩阵A的CR=0.091 6, A*的CR=0.007 1。根据层次分析法的原理, 当CR≤0.1时则可认为判断矩阵具有满意的一致性, 因此, 矩阵A和A*的特征向量可以作为指标权重。其权重如表4所示。
同样, 邀请专家对各二级指标按照1~9标度进行打分, 构造判断矩阵如下:
经一致性检验, 以上判断矩阵皆满足要求。标度改进后, 得到新的二级指标判断矩阵Ai* (i=1, 2, 3, 4, 5, 6) , 通过检验, 也均具有满意的一致性。利用二级指标层次单排序的结果, 计算层次总排序, 得最终权重结果如表5所示。
经计算, 传统标度下的层次总排序CR=0.071 4, 改进标度下的层次总排序CR=0.006 9, 因此两种层次总排序结果均具有满意的一致性。
由表5可知, 采用传统的1~9标度计算, 指标间的权重值差距很大, 其中权重最大的为“企业联网率”, 权重值为0.159 0;最小的为“办公自动化水平”, 权重值为0.002 5, 前者是后者的63.6倍。而采用改进的10/10~18/2标度计算, 两者则相差6.5倍, 差距明显缩小, 各指标在系统中的重要性更接近实际情况, 这证明改进标度是科学的、有效的。
4 结语
从以上计算可以看出, 运用改进标度对判断矩阵进行调整, 增强了层次分析法的实用性, 使权重值差距控制在合理范围。而且由于是对判断矩阵进行整体调整, 并没有改变原矩阵的重要性排序, 因此若原判断矩阵满足一致性要求, 那么改进后的判断矩阵也满足一致性要求。实际上, 企业信息化评估是一个复杂过程, 要得到更加客观的评估数据, 还必须广泛征求专家意见。
摘要：科学评估企业信息化水平对加快推进企业全面建设具有重要意义和作用。本文首先建立了企业信息化评估指标体系, 然后运用改进AHP对指标体系进行分析, 在确定指标权重的同时也验证了该方法的科学性和优越性。
关键词：改进AHP,企业,信息化评估,指标权重
参考文献
[1]马莉, 孙延明, 田志军, 等.企业信息化评价指标体系及其评价方法的研究[J].现代制造工程, 2005 (3) :41-43.
[2]李钢, 陈萍, 齐二石.综合评价指标体系设计及其在企业信息化中的应用[J].计算机集成制造系统, 2008, 14 (1) :96-101.
[3]曲生.层次分析法的改进及在安全决策中应用的研究[J].中国安全生产科学技术, 2009 (5) :111-114.
评估指标权重 篇10
关键词：学生满意度,专家评分法,层次分析法,权重
高校学生满意度是学生作为享受学校教育服务的顾客对接受教育过程中各种经历的满足程度, 是学生参照自己的“内在标准”和“内在标准满足度”对学校进行的一种评价[1]。随着高等教育招生人数的持续增加, 2007年全国高等教育毛入学率达23%, 在校生规模已超过2, 700万[2], 生源竞争的不断加剧促使“以学生为本”理念的提出, 学生满意度也越来越受到重视。学生满意度调查是“以学生为本”管理理念在实践中的“着陆点”[3], 是科学评价指导科学决策的关键, 可以进一步促进高等教育的改革与发展。
在以往研究中, 高等医学院校学生满意度相比其他类型高校, 不满意比显著最高, 满意比最低[4], 因此有必要针对医学生进行满意度测量。科学的指标权重可以对医学生满意情况进行准确判断, 为指标量化及测量结果提供可靠依据, 因此确定医学生满意度量表的一级指标及其权重是测量的首要问题。本研究通过查阅文献及专家讨论确定了学生管理工作、教师职业素质、学生个人发展、教学基础设施、后勤服务、教学课程管理、校风学风、校园文化生活等8项指标为医学生满意度量表的一级指标, 并采用较有代表性的专家评分法和层次分析法对一级指标权重进行了分析。
1 专家评分法
专家评分法 (Delphi法) 是用书面形式广泛征询专家意见, 计算平均值或者频数得到的, 又称专家调查法。该方法具有匿名性、反馈性和统计性3个特点。匿名性是指专家单独表态, 填写的调查表也不记名, 以免受权威意见影响而改变自己的意见。反馈性是指经过一轮特尔斐活动后, 把调查结果反馈给专家, 为专家提供了解舆论和修改意见的机会, 在一定期限内回收, 再进行汇总分析, 该过程可多次反复。统计性是指采用统计方法进行汇总, 以期作出符合客观情况的结论。
设计专家调查表。从“以学生为本”和学校建设的角度出发, 将学生管理工作等8个一级指标作为调查内容。调查表设计要简单明了, 不得有任何提示性语言, 以免引起误导。
确定专家范围。挑选专家需考虑专家的权威性和代表性, 人数以不超过30人为宜。如专家人数超过30人, 可分成若干小组, 每组人数保持在15-30人之内。本研究挑选具有副高职称以上教师, 在高校教育管理和卫生事业管理领域工作多年的专业人士和有10年以上学生管理经验的资深辅导员共15人参与调查。
第一轮调查。向专家简要介绍研究的背景和目的, 附上专家调查表。请专家分别给各指标的相对重要性打分, 采用100分制评分法。回收调查表后对专家的评分情况进行加权处理, 完成统计归纳, 得出初步结果, 并与专家的评分进行比较。在不考虑专家的权威程度时, 可通过计算各评价指标的平均分数确定指标权重, undefined、undefined即为第i个指标的平均权值, aij是第j位专家对第i个指标的评分, n为指标的个数, m为专家的人数。如果考虑专家的权威程度, 则应计算每一指标的加权平均分数, 并以此确定各指标的权重。
第二轮调查。向专家反馈第一轮的统计结果以供参考, 并询问专家是否改变原来的评分, 对与统计结果有较大差距的的评分, 而专家又坚持自己的意见, 要请专家充分陈述自己的理由。最后, 回收整理第二轮调查结果并进行统计分析。本次调查中, 经过两轮调查专家意见已经基本达到一致。若本轮调查后结果仍不满意, 可进行第三轮甚至更多轮的调查, 以期使专家的意见达成一致。
以上每轮调查不是简单的重复, 而是一种螺旋上升的过程。每循环和反馈一次, 专家都吸收了新的信息, 并对调查对象有了更深刻、更全面的认识, 评分结果的精确性也逐轮提高。
2 层次分析法
层次分析法由美国科学T.L.Saaty于20世纪70年代提出[5], 是用系统分析的方法, 参照评估目标将评估对象进行连续性分解, 得到各层评价目标, 通过两两比较下层元素对于上层元素的相对重要性计算出一综合评分指数, 即为各指标的权重。层次分析法目前多用于卫生事业管理方面, 具体步骤如下。
2.1 建立目标树图
对医学生满意度这一目标进行连续性分解, 形成总评价目标、一级指标、二级指标这一目标树图, 见图1。
2.2 建立优选判断矩阵
对目标树图自上而下分层次两两比较下层元素对于上层元素的相对重要性, 建立成对比较的判断矩阵。按层次分析法的要求, 相对重要性的比较通常采用1-9标度法, 评分标准见表1。由于篇幅所限, 在此只给出一级指标对比表 (见表2) , 其余部分略去。
列出判断优选矩阵后, 通过方根法求出各指标的初始权重系数undefined, 按照公示undefined对W'i归一化处理权重系数W'i, 得到Wa1=0.126, Wa2=0.245, Wa3=0.258, Wa4=0.087, Wa5=0.047, Wa6=0.095, Wa7=0.091, Wa8=0.051。
2.3 一致性检验
由于客观事物的复杂性和人们认识的多样性, 在建立判断优选矩阵的过程中可能会出现逻辑混乱, 这种情况下, 需要计算随机一致性比率CR, 即判断矩阵的一致性指标CI与同阶平均随机一致性指标RI之比, RI取值见表3, 当CR<0.1时, 认为其不一致程度在容许范围之内, 一致性检验通过。当检验未能通过时, 需重新构建判断优选矩阵直到满意为止。首先计算各指标特征根λi, 根据公式undefined求得λ1=8.171, λ2=8.056, λ3=8.012, λ4=8.074, λ5=8.010, λ6=8.067, λ7=8.253, λ8=8.243。最大特征根undefined, 一致性指标CI= (λMax-m) / (m-1) =0.016, 随机一致性比率CR=0.016/1.41=0.011<0.10, 可以认为该判断矩阵无逻辑错误。
3 结论
以上两种方法均是在调查的基础上通过数学计算得到医学生满意度量表一级指标的权重, 所不同的是专家评分法计算较简单, 在实际应用中具有较强的操作性, 但专家的个人主观性较强, 在评分时存在随意性较大的问题。层次分析法则较好的实现了定性分析与定量分析相结合, 比专家单纯凭借经验和知识来判断更为科学准确, 并且借助专门的AHP计算软件可以轻松完成冗长的计算过程, 提高工作效率。但不足之处是其专业性要求较强, 在建立判断优选矩阵的过程中, 特别是在指标阶数较高的情况下容易发生逻辑错误, 从而无法通过一致性检验。高等医学院校可以根据自己的实际情况进行选择, 确保指标权重能够得到合理体现, 为医学生满意度调查的顺利实施奠定基础。
参考文献
[1]杜红梅, 王葵, 邵小佩, 等.高校研究生对研究生教育现状满意度的调查[J].重庆大学学报 (社会科学版) , 2003 (6) :161-163.
[2]教育部.2007年全国教育事业发展统计公报[EB/OL].http://www.moe.edu.cn/edoas/website18/level3.jsp?tablename=1068&infoid=1209972965475254, 2007/5/5.
[3]韩玉志.学生满意度调查在美国大学管理中的作用[J].教育发展研究, 2006 (5) :62-65.
[4]赵伶俐, 潘莉.高校学生对教学、任课教师和课程满意度的调查[J].重庆大学学报 (社会科学版) , 2001 (3) :119-124.