搜索
综合评价当前，常用的综合评价方法1大致可分为9大类，现归纳如下：常用的综合评价方法比较与汇总方法类别方法名称方法描述优点缺点适用对象1.定性评价方法专家会议法组织专家面对面交流,通过讨论形成评价结果操作简单,可以利用专家的知识,结论易于使用主观性比较强,多人评价时结论难收敛战略层次的决策分析对象,不能或难以量化的大系统简单的小系统Delphi法征询专家,用信件背靠背评价、汇总、收敛2.技术经济分析方法经济分析法通过价值分析、成本效益分析、价值功能分析,采用NPV、IRR、T等指标方法的含义明可比性强建立模型比较困难,只适用评价因素少的对象大中型投资与建设项目,企业设备更新与新产品开发效益等评价经济分析法通过可行性分析、可靠性评价等3.多属性决策方法多属性和多目标决策方法通过化多为少、分层序列、直接求非劣解、重排次序法来排序与评价对评价对象描述比较精确,可以处理多决策者、多指标、动态的对象刚性的评价,无法涉及有模糊因素的对象优化系统的评价与决策,应用领域广泛4.运筹学方法(狭义)数据包络分析模型以相对效率为基础,按多指标投入和多指标产出,对同类型单位相对有效性进行评价,是基于一组标准来确定相对有效生产前沿面可以评价多输入多输出的大系统，并可用“窗口”技术找出单元薄弱环节加以改进只表明评价单元的相对发展指标,无法表示出实际发展水平评价经济学中生产函数的技术、规模有效性,产业的效益评价、教育部门的有效性5.统计分析方主成分分析相关的经济变量间存在起着支配作用的共同因素,可以对原始变量相关矩阵全面性,可比性,客观合理性因子负荷符号交替使得函数对评价对象进行分类方法类别方法名称方法描述优点缺点适用对象法内部结构研究,找出影响某个经济过程的几个不相关的综合指标来线形表示原来变量意义不明确,需要大量的统计数据,没有反映客观发展水平因子分析根据因素相关性大小把变量分组,使同一组内的变量相关性最大反映各类评价对象的依赖关系,并应用于分类聚类分析计算对象或指标间距离,或者相似系数,进行系统聚类可以解决相关程度大的评价对象需要大量的统计数据,没有反映客观发展水平证券组合投资选择,地区发展水平评价判别分析计算指标间距离,判断所归属的主体主体结构的选择,经济效益综合评价6.系统工程方法评分法对评价对象划分等级、打分,再进行处理方法简单,容易操作只能用于静态评价新产品开发计划与结果,交通系统安全性评价等关联矩阵法确定评价对象与权重,对各替代方案有关评价项目确定价值量层次分析法针对多层次结构的系统,用相对量的比较,确定多个判断矩阵,取其特征根所对应的特征向量作为权重,最后综合出总权重,并且排序可靠度比较高,误差小评价对象的因素不能太多(一般不多于9个)成本效益决策、资源分配次序、冲突分析等7.模糊数学方法模糊综合评价引入隶属函数:0,1Iyuc,实现把人类的直觉确定为具体系数(模糊综合评价矩阵)IyjhnmRux，其中,Iyjhux表示指标IijU在论可以克服传统数学方法中“唯一解”的弊端.根据不同可能性得出多个层次的问题题解,具备可不能解决评价指标间相关造成的信息重复问题,隶属函数、模糊相关矩阵等的消费者偏好识别、决策中的专家系统、证券投资分析、银行项目贷款对象识别等,拥有广泛的应用前景模糊积分模糊模式识别方法类别方法名称方法描述优点缺点适用对象域上评价对象属性值的隶属度,并将约束条件量化表示,进行数学解扩展性,符合现代管理中“柔性管理”的思想确定方法有待进一步研究8.对话式评价方法逐步法用单目标线性规划法求解问题,每进行一步,分析者把计算结果告诉决策者来评价结果。如果认为已经满意则迭代停止；否则再根据决策者意见进行修改和再计算,直到满意为止人机对话的基础性思想,体现柔性化管理没有定量表示出决策者的偏好各种评价对象序贯解法Geoffrion法9．智能化评价方法基于BP人工神经网络的评价模拟人脑智能化处理过程的人工神经网络技术,通过BP算法,学习或训练获取知识,并存储在神经元的权值中,通过联想把相关信息复现。能够“揣摩”“提炼”评价对象本身的客观规律,进行对相同属性评价对象的评价网络具有自适应能力、可容错性,能够处理非线形、非局域性与非凸性的大型复杂系统精度不高,需要大量的训练样本等应用领域不断扩大,涉及银行贷款项目、股票价格的评估、城市发展综合水平的评价等如表1所示，各种方法都有自身的优缺点以及适用的范围。