多层次灰色综合评价法及ahp验证

多层次灰色综合评价法及ahp验证（通用3篇）

多层次灰色综合评价法及ahp验证 篇1

针对铁路货运站安全质量水平的评价问题,根据系统工程理论的思想和原则,从人员、设备和环境的角度出发,建立了货运站安全质量水平的.综合评价指标体系,并结合层次分析法与灰色系统理论,提出了多层次灰色综合评价模型.经实例计算,所得的综合评价值可用于描述评价对象的安全状况,且具有横向比较多个评价对象能力的作用.

作 者：陆岳嵘 秦进 LU Yue-rong QIN Jin  作者单位：陆岳嵘,LU Yue-rong(太原铁路局,阳泉曲站,山西,介休,03)

秦进,QIN Jin(清华大学深圳研究生院,广东,深圳,518055)

多层次灰色综合评价法及ahp验证 篇2

但是, 由于对FD I经济效应的系统缺乏有效评估, 其积极作用的发挥及健康发展受到了影响。自加入W TO以后, 我国经济开始发生阶段性的转折, 由短缺经济阶段逐渐进入相对过剩阶段, 以往引进FD I, 大多注重数量的引进和利用, 忽视了FD I质量的提高, 造成了FD I的各类经济效应较低或者不能达到最优化水平, 这成为沈阳利用外资所面临的新的压力。因此, 如何有效评估和提高沈阳FD I的综合经济效应成为具有重要意义的FD I研究课题。本文从FD I经济效应系统的“灰色性”角度出发, 结合FD I的六大主要经济效应, 基于灰色关联分析方法, 构建FD I经济效应灰色综合评价模型, 描述沈阳市利用FD I的经济效果, 进而为优化沈阳市FD I经济效应提供参考依据。

一、建立利用FD I经济效应综合评价指标体系

FD I的经济效应是指东道国 (或地区) 引进并利用FD I的活动满足东道国 (或地区) 经济发展的愿望的能力。即在FD I进入东道国内部时, 其投入的资本、技术、实物、先进管理经验、机会等将逐渐转化为外资企业所在地生产建设所需的要素, 这些要素投入给外资企业带来收益的同时, 也产生了有利于东道国 (或地区) 经济发展的相关经济效应, 满足东道国 (或地区) 经济发展的需要并促进其经济的快速发展。

FD I尤其以跨国公司为代表, 在进行投资活动的过程中必然给投资所在城市带来资本积累 (形成) 、产值增长、贸易机会增多以及技术溢出、产业结构调整和就业机会增加等方面的经济效应。因此, 外商直接投资经济效应主要表现为六个方面:资本形成效应、贸易促进效应、产值效应、技术进步效应、产业结构效应和就业效应。FD I经济效应综合评价指标见表1。

二、FD I经济效应评价矩阵及权重确定

依据表1的评价指标, 根据A H P方法, 结合沈阳近年来对FD I的政策导向, 以及资本积累 (形成) 、产值和贸易、技术溢出、产业结构和就业等各个分效应的计量分析结果, 获取判断矩阵与权重体系。

原始矩阵归一化处理得到标准矩阵, 进而获得各层权重。具体方法为:将每一列元素加总, 再用各列元素分别除以列总和, 最后求得标准矩阵各行平均值, 即得各层次权重。

经一致性检验, 一致性比率CR均小于0.05, 所以FD I的直接经济效应与间接经济效应均通过了一致性检验。因此, 所得权重体系有效。沈阳市FD I经济效应综合评价指标的权重结果见表1的“权重”。

三、沈阳市FD I经济效应综合评价结果

灰色关联分析可以分析FD I经济效应系统中主要因素和次要因素的关系与作用, 从而为制定FD I发展战略提供可靠的依据。同时, 选取环渤海经济圈中有代表性的城市与沈阳市一起参与外商直接投资经济效应综合评价。

根据建立的指标体系, 选取北京、天津、济南和石家庄四个地区1995-2009年的统计数据, 计算获得沈阳、天津等地外商直接投资综合经济效应指标体系原始指标值, 经过无量纲化处理、灰色关联系数计算等, 得到综合评价结果 (见表2) 。

由表2可知:在环渤海经济圈的主要省会城市及直辖市中, 北京为0.8763, 居所评价城市第一位;天津紧随其后, 为0.7660, 两者评价结果均在0.7以上。沈阳为0.4287, 在环渤海经济圈主要省会城市及直辖市中居第三位。而其后的济南与石家庄仅落后沈阳0.0187和0.0646, 综合评价分别为0.4100和0.3641。

四、结论与对策

由评价结果可见, FD I已经成为沈阳经济发展的重要推动力量, 但在环渤海经济圈主要省会城市及直辖市中, 沈阳FD I经济效应整体上仍需要进一步提升。具体可从以下方面着手。

1. 监督引导, 优化FD I直接经济效应。

(1) 内外并举, 促进资本形成效应。加大基础设施建设力度, 进一步改善硬投资环境, 同时要加强软环境建设。 (2) 结构升级, 推动对外贸易效应, 推进标准化。沈阳市推进外商直接投资进出口贸易标准化工作, 实施标准化战略, 是符合世界潮流、努力提高沈阳市外商直接投资经济效益的一种必然选择。

2. 促进溢出, 改善FD I间接经济效应。

(1) 环境支持, 强化技术溢出效应。加强技术转移吸收的机制、体系建设。 (2) 互动转型, 推进产业结构效应。强化区位优势与外商直接投资的互动。沈阳市应抓住在环渤海经济圈中的中心城市地位, 大力发展本土工业, 推进城市化进程。 (3) 增强吸纳, 改善就业效应。要在更宽领域、更大规模、更高层次上创造更多条件, 扩大FD I就业效应的积极影响。参与国际竞争与合作, 加快沈阳市本土企业生产经营与国际接轨, 充分发挥FD I积极的就业效应。

摘要：本文基于AHP方法和灰色关联理论展开研究, 结合外商直接投资的六大经济效应评价模型获得综合评价指标体系, 并根据沈阳市利用外商直接投资特点, 提出了基于灰色关联综合评价的沈阳市利用外商直接投资经济效应综合评价模型。评价结果显示, 该方法能较为有效地进行FDI城市经济效应综合评价, 并且沈阳市利用外商直接投资效果显著。

多层次灰色综合评价法及ahp验证 篇3

胡锦涛总书记发表的“关于树立社会主义荣辱观”的讲话中提出, “以诚实守信为荣、以见利忘义为耻”。诚信是构建社会主义和谐社会的重要基础, 它要求社会成员自觉遵守社会规则、规章制度和公共秩序, 并按这些规范行事。由于主体利益化趋势日益加强, 而对利益的追求又缺乏成熟的制度加以规范, 造成了社会经济交往中的合同欺诈、假冒伪劣等信用缺失现象突出。反映在大学生身上, 则是假成绩、假文凭、假证明、拖欠国家助学贷款等现象屡见不鲜, 尤其给银行带来了巨大的风险。

目前, 我国贷款的信用管理制度很不健全, 大学生信用问题已成为银行“惜贷”的重要原因之一, 是制约银行贷款业务 (如国家助学贷款、大学生创业贷款等针对大学生的无抵押、无担保贷款业务) 顺利开展的“瓶颈”。因此, 加强大学生信用建设已经迫在眉睫。为加强大学生信用建设、推动社会主义和谐发展, 目前可行的办法就是依据高校记载的信用档案以及银行内部信息来评价大学生的信用等级, 以供银行查询和使用, 从而有效降低信用缺失给银行带来的风险, 提高银行信用风险管理的水平。因此, 建立有效的大学生信用评价模型, 是应对当前日益突显的大学生信用问题的有力措施。本文应用多层次灰色综合评价法对大学生的信用进行评价, 旨在建立完善的评价体系, 进而对该问题进行深入的研究。

2 评价方法

2.1 评价方法的选择

大学生的信用评价是一个信息不完全的多因素综合评价问题。目前, 有关多目标评价的方法很多, 但各有不足。例如, 层次分析法太过于依赖人的主观判断;模糊综合评判法在采用模糊子集法来确定隶属关系矩阵时会出现由于指标等级临界值的微小变化而引起隶属度骤升骤降的情况。而灰色评价法可充分利用已有的白化信息, 减少人为的误差。由于采用“半降梯形”的白化权函数, 所以不会因为特征值的微小变化而引起聚类值的较大变化, 它使得描述各灰类程度的评价信息都发挥了作用, 将评价者的分散信息处理成一个描述不同灰类程度的权向量, 对其进行单值化处理, 进而得到被评者的综合值。此法最大程度地“综合”考虑了每一个样本数据对最终评价结果的影响, 所得结论在理论上更符合被评对象的本原属性。因此, 本文运用层次分析法取得加权矩阵, 使用灰色白化权函数统计专家评分, 最后确定被测评大学生的信用等级, 层次分析法与灰色评价法的结合使用, 使得评价结果更科学, 更合理。

层次分析 (Analytic Hierarchy Process) 法, 简称AHP法, 是美国运筹学家T.萨迪 (T.L.Saaty) 教授在20世纪70年代末提出的一种定性与定量分析相结合的多目标决策方法。AHP法是将系统内各因素按同一性质分成相互联系的若干层次, 对相关因素进行定量计算, 确定出每一层次所有因素的相对权重 (即各因素相对于总目标的重要性) , 最后通过计算综合评价值获得资信的高低程度。

灰色聚类方法是灰色评价法中应用的主要方法, 是根据灰色关联矩阵或灰数的白化权函数将一些观测指标或观测对象划分为若干个可定义类别的方法。灰色聚类可以分为灰色关联聚类和灰色白化权函数聚类。灰色关联聚类主要用于同类因素的归并, 以使复杂系统简化。灰色白化权函数聚类主要用于检查观测对象是否属于事先设定的不同类别, 以便区别对待。相比而言, 灰色白化权函数聚类复杂一些, 评价也更为客观。

2.2 评价模型

令U为一级评价指标ui所组成的集合, 即U={ u1, u2, …, um };ui为二级评价指标uij 所组成的子集合, 即ui={ ui1, ui2, …, uiki };Z为受评者的综合评价值。本文进行评价的具体模型如下:

(1) 确定各层次各评价指标的权重。指标ui 对U以及uij对ui的重要程度 (即权重) 不同, 可以利用层次分析法确定这些指标权重, 通过两两成对的重要性比较, 建立判断矩阵, 然后利用矩阵特征值的求解方法得到ui对U的权重向量A和uij对ui的权重向量Ai。

(2) 确定评价等级V以及各等级评分标准。通过制定等级评分标准可以实现定性指标的定量化。V={ v1, v2, v3, …, vg }, 表示g个等级。在实际研究中一般分为优、良、中、差四个等级, 以判断评价结果的优劣。

(3) 组织评价者评分。设评价者序号为n, n=1, 2, …, p, 即组织p个评价者按照等级评分标准给受评者的各项二级指标打分, 一般参照10分制进行。

(4) 确定评价样本矩阵。根据评价者评价结果, 得评价样本矩阵D:

undefined

(5) 确定评价灰类。确定评价灰类就是要确定评价灰类的等级、灰类的灰数及灰类的白化权函数。设评价灰类序号为e, e=1, 2, …, g, 即有g个评价灰类, 可视具体情况选取适当的白化权函数来描述灰类。

(6) 计算灰色评价数。对评价指标uij, 受评者属于第e个评价灰类的灰色评价数, 记为xije;对评价指标uij, 受评者属于各评价灰类的总灰色评价数, 记为xij, 则有:

undefined

(7) 计算灰色评价权向量及权矩阵。所有评价者就评价指标uij, 主张受评者属第e个灰类的灰色评价权记为rije, 即灰色评价权向量rij= (rij1, rij2, …, rijg) 。公式如下:

undefined

综合ui 所含指标uij 对于各评价灰类的灰色评价权向量, 得到指标uij 对于各评价灰类的灰色评价权矩阵Ri:

undefined

若rij中第s个权数最大, 即undefined, 则评价指标uij属于第s个评价灰类。

(8) 对ui 作综合评价。对受评者的ui作综合评价, 其评价结果可记为Bi, 则有:

undefined

(9) 对U作综合评价。首先将ui 的评价结果Bi进行综合, 得到U所含指标ui对于各评价灰类的灰色评价权矩阵R, 然后对受评者的U作综合评价, 其结果记为B, 则有:

undefined

undefined

(10) 计算综合评价值Z。受评者综合评价结果B是一个向量, 这是对受评者综合状况分类程度的描述, 根据B所提供的信息, 可以按取最大原则确定受评者所属灰类等级, 也可使B单值化, 即求出综合评价值Z, 以便直接用于受评者的排序选优。计算公式如下:

Z=B·CT

其中, C为各灰类等级按“灰水平”赋值形成的向量, C={ d1, d2, …, dg }。

3 大学生信用评价指标体系的构建

通过走访部分银行, 发现银行目前主要的精力都在大学生市场的开发上, 对大学生信用的评价工作尚未开展过。在国内理论界, 大学生信用评价指标体系的研究尚处于探索阶段, 其中也出现了一些有关信用评价的指标体系。本文对大学生信用评价指标体系的构建进行了探讨, 意图使其指标体系更完善。本文借鉴美国的FICO信用评分指标体系, 结合大学生本身的特点以及相关领域的研究成果, 最后与专家问卷调查的结果汇总, 确立了由5个一级指标和23个二级指标组成的大学生信用评价指标体系。详细的指标体系如表1所示。

4 应用实例

某商业银行要对一批申请创业贷款的大学生进行信用评价, 我们以其中一个大学生为例, 对其进行信用综合评价。

组织5位专家对该大学生进行评分, 见表1。

制定信用评价指标各等级评分标准, 见表2。

(1) 确定评价指标的权重。利用层次分析法 (AHP) 计算各层次评价指标权重, 结果如下:

ui层对U层的权重向量为:A= (0.040, 0.129, 0.202, 0.546, 0.083) 。

uij层对ui层的权重向量分别为:A1= (0.073, 0.049, 0.398, 0.240, 0.240) ;A2= (0.041, 0.081, 0.176, 0.428, 0.274) ;A3= (0.070, 0.149, 0.243, 0.538) ;A4= (0.339, 0.062, 0.195, 0.065, 0.339) ;A5= (0.122, 0.424, 0.227, 0.227) 。

(2) 根据表2中各等级评分标准, 决定采用四个评价灰类, 因此, e=1, 2, 3, 4, 分别表示“优”、“良”、“中”、“差”。第一灰类“优”, 设定灰数⨂1∈[0, 9, ∞) , 白化权函数为f1, 依此类推, 得到各灰类相应的灰数及白化权函数如下:

undefined

(3) 根据上述方法的步骤对表2中的数据进行处理, 得到ui 所含指标uij 对于各评价灰类的灰色评价权矩阵Ri, 结果如下:

undefined

undefined

undefined

undefined

undefined

由此可得:

undefined

undefined

undefined

由评价结果来看, 该大学生的信用综合评价结果为良, 说明其全部指标的得分均值介于6～8之间。根据各个二级指标的灰色评价权系数并对其进行分析可知, 该生的基本信息、在校学习表现和银行的信用记录等情况都比较优质, 其大部分指标都处于第一或第二灰类, 在校生活表现和收入与支出情况欠佳, 尤其是学校重大活动表现、家庭供给、勤工俭学收入和奖学金收入情况都处于第三灰类。这表明, 该大学生的学习能力很强, 品德素质也很好, 但自我表现能力和社交能力有待提高, 这样才能打下更坚实的信用基础。

5 结语

大学生信用评价是一个复杂的评价过程, 涉及的评价指标因素众多, 本文结合大量资料构建了较完善的大学生信用指标体系。通过实例, 运用多层次灰色综合评价方法对大学生的信用进行了评价, 得出了定量综合评价结果, 证明了此评价模型的可行性与有效性。此模型为银行对大学生信用的分类提供了方法依据, 但因其信用影响因素繁多, 且评价结果与指标的选取有关, 所以对大学生的信用评价结果可供银行等有关部门进行决策时参考, 不能作为银行是否放款的全部依据。相关部门在作决策时, 还应结合大学生的具体实际情况进行综合考虑, 以作出更为合理的决策, 从而降低银行的信用风险。

参考文献

[1]袁壹, 田盈, 周代顺.多层次灰色评价法在员工绩效考评中的应用[J].重庆工商大学学报 (自然科学版) , 2007 (12) .

[2]罗帆.多层次灰色评价法在新产品评估中的应用[J].武汉理工大学学报:交通科学与工程版, 2001, 25 (3) :294-297.

[3]石骁骤, 石广仁, 张庆春.模糊数学和灰色理论综合评判效果对比[J].石油勘探与开发, 2002 (4) .

[4]Dewartipom&E.Maskin.Credit and Efficiency in Centralized and Decentralized Economies[J].Review of Economic Studies, 1995 (62) .

[5]廖公云, 黄晓明.灰色关联聚类在半刚性基层材料性能优化指标确定中的应用[J].公路交通科技, 2006, 23 (3) :23-26.

[6]李大建, 王凤山.地空导弹总体性能多层次灰色评价[J].中国管理科学, 2004, 12 (10) :107-110.

[7]刘思峰, 郭天榜.灰色系统理论及其应用[M].北京:科学出版社, 1999.

[8]王冬霞.灰色系统理论用于水电工程项目风险管理的研究[D].哈尔滨工业大学硕士论文, 2006.