基于灰色关联分析省级自然科学基金项目评价研究.docVIP

基于灰色关联分析省级自然科学基金项目评价研究 　　摘要：为了引导省级自然科学基金项目计划的健康发展，需要对各基金项目进行科学有效的评价。本文将灰色关联分析法应用于基金项目执行情况的调查数据，求出各基金项目的关联系数、等权关联度和加权关联度。通过对比加权关联度的大小来确定各基金项目完成情况的优劣，对各基金项目实施效果进行有效的评价。 　　关键词： 灰色关联分析 省级自然科学基金项目 关联系数 等权关联度 加权关联度 　　 　　1 引言 　　 　　基金评价的方法有很多，传统的评价方法如专家评议法、层次分析法，都带有较强的主观色彩，从而影响评价结果的科学性。因此，本文基于文献[1]中所提出的省级自然科学基金项目评价体系，提出了一种基于灰色关联分析的多指标综合项目评价模型。灰色关联分析方法在评价过程中，其数据来源方便、直观、可靠，与其他方法比较，具有更大的可操作性，同时采用了量化的评价方法进行计算、统计，降低了以往的专家评议法和模糊评判法等中的人为干扰的程度，得出的统计数据相对要客观、真实了许多，可以对省级自然科学基金进行有效的评价。 　　 　　2省级自然科学基金项目评价体系及数据预处理 　　 　　2.1省级自然科学基金项目评价体系 　　文献[1]中提出自然科学基金项目后评价中的指标主要有以下四个一级指标：学术成果、奖励专利、人才培养和诱发项目数，四个一级指标下还有十三个相对应的二级指标。 　　其中，学术成果包括：Y1发表论文数、Y2三大检索系统收录数、Y3出版专著、Y4参加国际会议；奖励专利包括：Y5国家级奖励、Y6部省级奖励、Y7发明专利获准、Y8其他专利获准；人才培养包括：Y9培养博士、Y10培养硕士、Y11培养省学术与技术带头人、Y12省高校拔尖人才；诱发项目包括：Y13诱发的相关项目资助数。 　　2.2 基金项目评价数据的预处理 　　根据文献[1]中对各评价项目原始数据归一化处理的标准，对各个评价指标 Y1， Y2， …，Y13 都采用指标数据的归一化处理，从而完成对基金数据的预处理。 　　对基金数据进行预处理的同时，要确定一个参考序列[2]。本文首先将数据经过标准化后得到的19 个项目的13 个主要评价指标以及最终评分构成比较序列xi (k)（i=1,2,3,…,19） , 然后根据每一个评价指标以最终评分的上限指标值，也就是最大指标值，给出理想项目13 个主要评价指标的最佳值构成参考序列x0 (k)(k=1,2,3,…,16)。各个项目的主要指标值列于表1 　　 　　3 基于灰色关联分析的省级自然科学基金项目评价模型 　　 　　3.1 灰色关联分析 　　灰色系统理论是邓聚龙教授在20 世纪70 年代末80 年代初提出的。该理论主要针对既无经验, 数据又少的不确定性问题, 即“少数据不确定”问题; 强调信息优化, 研究现实规律; 以灰生产为手段, 以多视角为思维方式。灰关联分析[3]是灰理论的重要组成部分, 是对运行机制与物理模型不清晰或者根本缺乏物理原型的灰关系序列化和模式化, 进而建立灰关联分析模型, 使灰关系量化、序化和显化。这一理论对于处理小样本、贫信息和不确定环境下的模式识别问题具有独到性, 是解决多目标决策的有效方法之一。灰关联分析的实质是整体比较, 距离空间与点集拓扑空间的结合, 构成具有参考系和有测度的比较。 　　3.2数据的无量纲化处理、相关因素的差序列和两极差 　　省级自然科学基金每一个项目的13个指标以及最终评分的性状大小差异大，为了便于进行灰色关联分析，必须将原来的数据进行标准化处理，既无量纲化处理[4]：采用理想项目参考序列x0分别除xi序列和其自身。，得到各基金项目与理想项目无量纲化后的指标值xi’(k),x0’(k)。 　　然后，以x0’序列作为母序列，所有基金项目的各指标值相对于母序列的差序列按下式计算 　　△i(k) = |x0’(k)- xi’(k)|(1) 　　(1)式中,i=1,2,3,…,19，表示某个基金项目；k=1,2,3,…,13，表示基金项目的某个指标。 　　通过比较19个基金项目中每一个项目不同指标值的差序列值，找出整个系统的两极最大差 =0.4, 两极最小差 =0 　　3.3 求关联系数和关联度 　　比较序列xi对于参考序列x0在k点的关联系数为[5] 　　 　　其中，ρ∈(0,+∞)为分辨系数.ρ越小,分辨能力越大. 一般取ρ∈(0,1) ,更一般取ρ= 0.5. 　　将各基金项目不同指标值下的差序列值分别代入上式后，求得x0 与xi 各评价指标的关联系数ξi ( K)(K=1,2……13；i=1，2……19)。 　　最后根据灰关联度的公式[5]： (3)N=13,最终可以求得各基金项目的灰色等权关联度