综合评价教案..docVIP

综合评价 知识点一：数据类型 1）定类数据：一种定性数据，按某一个属性将总体单位划分为若干类型，可以用文字或数字表示，如人口按性别分为男性和女性，然后分别用1和0来表示，但1和0没有实际数字意义，仅代表一个符号，类似于房间号码或学生学号等。 2）定序数据：一种初级的定量数据，把分类事物按照某种特征的强度依次递增或递减的顺序排序，然后给予编号。例如人口按照文化程度排序，分别为大学，高中，初中，小学，半文肓，文肓，以5，4，3，2，1，0来表示。这类数据可以进行比较，不能进行四则运算。 3）定距数据：比定序数据更高一层数据，对事物按照一定的间距排列起来，然后赋予数字。例如，学生考试成绩分为0-10，10-20，…,90-100进行排序。这些数据不仅可以测定出各人的考试成绩，排名顺序，而且还可以测定出具体差距大小。这类数据可以进行加减运算，但不能进行乘除运算。 4）定比数据：比较常见的是GDP，利润这些可以进行四则运算。 知识点二：样本信息及度量指标 样本包含总体信息，常常是把样本中的信息加工处理，用统计量来体现出来。比较常见的有平均值，方差。实际中可以用方差来度量样本的信息。方差功能就要是用来描述随机变量取值的集中与分散程度。方差越大，随机变量取值就越分散，所含总体信息就会越多。 知识点三：综合评价建模的一般步骤 1）评价指标体系的建立 a:如何建立评价指标体系这个问题（具体问题具体分析） b:从指标值变化对评价目标影响来看，可以将指标分为极大型指标，极小型指标，区间型指标，居中型指标。 极大型指标，也称正向指标（数值越大越好）：例如在评价企业的经济效益时，利润作为指标，其值越大，经济效益就越好。 极小型指标，也称逆向指标（数值越小越好）：对于产值能耗指标，其值越小，经济效益越好。 区间型指标（数值最好落在某一个确定的区间内为最好）：对于建筑工程招标中，投标单位报价既不能太高又不能太低，其值变化范围一般是(-10%,+5%)T（T 招标的标的价）超过此范围的投标价很容易被淘汰，因此说投标报价为区间型指标。 居中型指标：建筑工程招标中，投标单位的工期既不能太长又不能太短，就是居中型指标。 c:数据预处理 标准化包括两个过程：指标一致化处理和无量纲化处理 综合评价模型中往往有极大型指标、极小型指标、区间型指标，居中型指标，因此在对备选方案进行综合评价之前，必需将评价指标的类型做一致化处理，一般的做法是将非极大型指标转化为极大型指标。 评价指标类型的一致化 （1）极小型指标：对于某个极小型指标x，则通过变换(x0)，或变换其中M=max(x)。（评价） （2）中间型指标：对于某个中间型指标x，通过变换 其中M=max(x)，m=min(x)，即可将中间型指标x极大化 （3）区间型指标：对于某个区间型指标x，通过变换 其中[a,b]为指标x的最佳稳定区间，c=max{a-m，M-b}，M=max(x)，m=min(x)，即可将区间型指标x极大化。 评价指标的无量纲化 在实际中评价指标之间，往往都存在着各自不同的单位和数量级，使得这些指标之间存在着不可公度性，这就为综合评价带来困难，尤其是为综合评价指标建立和依据这个指标的大小排序产生不合理性。 如果不对这些指标作相应的无量纲处理，则在综合评价过程中会出“大数吃小数”的错误结果，从而导致最后得到错误的评价结论。 假设评价指标数有n个，待评价个数为m 这里介绍二种最常用的无量纲化方法： （1）标准差方法：，显然指标的均值和均方差分别为0和1。 结论：各个评价指标的方差都变成1，这本身就是一种信息损失。且处理后各指标值有正有负，范围也没有落在某个区间内。 （2）极值差方法：或 这样评价值取值范围在[0,1]之间。 结论：评价值都是落入[0,1]之间，且通过评价值即可看出指标的作用，数值越接近1说明经济效益越好，数值越接近0说明经济效益越差，结果一目了然。 2）综合评价指标权重的确定 权重确定主要有两大方面：主观赋权法和客观赋权法 主观赋权法主要包括：（1）专家咨询法，（2）AHP层次分析法（这个暂不讲） 客观赋权法：熵值法和主成分分析法（放在下节课讲解） 熵值法：熵是信息论中测定不确定性的量，信息量越大，不确定性就越小，熵也越小。反之，信息量越小，不确定性就越大，熵也越大。熵值法就是用指标熵值来确定权重。 假设评价指标数有n个，待评价个数为m 评价对象集记为{}(i=1,2,…,m) 评价的指标集记为{}(j=1,2,…,n) 用表示第i个方案第j个指标的原始值。熵值法计算过程为： （1）将做正向化处理，并计算第j个指标第i个方案所占的比重 (也可以用上述教的正向化方法处理) （2）计算第j个指标的熵值 （j=1,2,…,