动态评价方法

动态评价方法（精选九篇）

动态评价方法篇1

国外一些发达国家自20世纪90年代以来, 就普遍重视综合性地评价学生的体育学习情况, 我国对学生的学习的评价现在也已向“多元化”发展, 其内容分为体能的评定、运动知识与技能的评定、学习态度的评定和情意表现与合作精神的评定四个方面。有些方面在中国现行的教育体系中, 只是一种导向或者说是理想, 比如学习态度的评定、情意表现与合作精神的评定。原因有三, (1) 评价的标准不好把握, 操作性不强。 (2) 教师的精力不够, 一名体育教师要面对400至500名学生, 有的地方还要更多, 要实施多元评价, 只会成为教学的负担。 (3) 应试教育思想根深蒂固, 学生对分数的要求过于强烈, 分分学生的命根, 评优评先都离不开分数。所以, 多元评价也只是一种奢望, 焦点仍在体能的评定、运动知识与技能的评定, 运动知识与技能评定对于体育工作者来说, 轻车熟路, 都有一套行之有效的办法。体能的评定也不陌生, 但是要按照《国家学生体质健康标准》进行评分, 存在一个“致命”问题, 就是一部分同学由于先天因素不费吹灰之力就能得到很高的分数, 一部分同学恰恰相反, 从而严重挫伤了一部分学生自信心和自尊心, 削弱了他们的体育学习积极性, 甚至使他们远离体育活动。故在学习评价中必须克服这个问题, 根据我们的教学实践和探索, 总结出了学生体质健康的动态的评价方法。

2 概念

是以中庸哲学教育思想为指导, 尊重先天因素又关注后天学习的努力程度, 用数学的方法和手段进行处理, 把学生的先天和后天进行融合, 既有终结评价又包含过程评价, 既有体能状况评价又能反映学习的过程的一种综合评价方法。它是基于《学生体质健康标准》进行评分的结果, 考虑进步的幅度因素和成绩提高的难度因素, 对体质的评分以Hale指数法为依据用标准分法进行处理, 制定动态评分表, 再用动态评分表进行评价体育学习。

3 动态评分表方法

3.1 进步评分表的制定:

随机某一教学班级, 根据测评记录可知上学期某单项或总分成绩 (a) 和本学期某单项或总分成绩 (b) , 提高成绩 (X) =b-a, 考虑提高的幅度越大, 难度越大, 给均数undefined±2S附值为100分和30分, undefined为60分, 得表1。

表1说明: S =5; undefined+2S =100 ;undefined-2S =30 ;undefined=60

3.2 体质动态评分表

基础不同进步的难度不同, 如上学期成绩52分到本学期成绩55, 提高了3分, 进步分为72;上学期成绩92分到本学期成绩95, 也提高了3分, 进步分也为72;很显然他们的难度是不一样的, 应该成绩越高难度越大, 根据不同水平练习的时间和进步幅度反复比较和分析, 故引入四级难度系数, 分别为:总分优秀难度系数为1.2, 总分良好难度系数为1.1, 总分及格难度系数为1.0, 总分不及格难度系数为0.9, 动态成绩=本学期成绩 (b) ×40%+进步成绩 (y×难度系数) ×60%, 考虑进步的难度因素, 权重向进步成绩倾斜, 激励自身纵向的提高, 导向学生积极的参与锻炼。根据测评记录可知上学期成绩 (a) 和本学期成绩 (b) , 提高成绩 x=b-a, 进步成绩 y用提高成绩 x查 (表1) 可得进步成绩, 用公式b×40%+y×难度系数×60%=Z动态成绩。如表2。

4 结论

1.重视学生的个体差异, 考虑进步的幅度和进步的难度, 烫平了先天因素带来的消极因素。基础差、起点低的同学通过自己的努力也可获得好成绩, 他们的努力和进步得到了认可, 引导和鼓励不同水平的学生始终坚持不懈地努力学习和锻炼。

2.不仅可以对总分的评价, 也适用于某单项, 同时也可对单项的成绩进行动态的评价。

3.不仅能体现身体机能、身体素质和运动能力等方面综合评定学生的体质健康水平, 还能反映运动知识与技能的掌握、学习态度与努力的变化程度。

4.方法简单, 便于操作, 可以自取样本, 也可直接用表1, 来进行处理和计算。

参考文献

[1]李洁, 陈仁伟.人体运动能力检测与评价[M].北京:人民教育出版社, 2005:86-89.

[2]祁国鹰, 等主编.体育统计应用[M].北京:北京体育大学出版社, 2005:100-102.

[3]龙佩林, 等编.大学体育与健康[M].北京:北京民族出版社, 2001:103-106.

动态评价方法篇2

动态安全评价方法在建筑领域的应用设想

建筑施工现场是较易发生伤亡事故的`地方,全面推行安全评价工作势在必行.在安全评价中引进动态安全评价方法如动态故障树分析方法更符合建筑施工的实际.

作者：韦建平WEI Jian-ping 作者单位：龙游县城建局,龙游,324400刊名：中国安全生产科学技术 ISTIC PKU英文刊名：JOURNAL OF SAFETY SCIENCE AND TECHNOLOGY年，卷(期)：2(6)分类号：X92关键词：安全评价动态故障树建筑 Markov状态转移链

油田开发动态评价与预警方法研究篇3

1 油田开发动态评价与预警方法

1.1 指标体系的建立

油田开发过程中, 通过油田的原油产量的变化情况以及与之密切相关的开发指标来对油田开发效果进行综合评价, 进而可以对开发方案和规划进行优化[1]。根据预警指标体系构建的原则性和资料的可获得性, 结合某油田的实际情况, 选取了10个指标, 分别为:开井数 (口) 、产油量 (万吨) 、综合含水率 (%) 、采出程度 (%) 、采油速度 (%) 、自然递减率 (%) 、综合递减率 (%) 、采油时率 (%) 、措施井有效率 (%) 、油水井比率 (%) , 以此来建立适合该油田实际的预警指标体系[2,3]。见表1。

1.2 因子分析法

在确定各个预警指标后, 我们还需要构建预警模型对综合警度进行分析, 这样可以降低分析问题的难度与复杂性, 而在诸多实际问题中多个变量间都是具有一定的关联性的, 因此, 我们考虑用较少的新变量来替代原来的变量, 并对新的变量进行拟合, 用一个最终的变量来反映总体的变化趋势, 所以本文使用因子分析的方法来确定综合的预警指标。

因子分析的基本思想是根据相关性大小把原始变量分组, 分组后同组的变量间相关性较高, 而不同组的变量间相关性则较低。因子分析可在许多变量中找出隐藏的具有代表性的因子。将相同本质的变量归入一个因子, 可减少变量的数目。在少数几个公共因子中, 每一个主要因子就代表经济变量间一种相互依赖的经济作用。抓住这些主要因子就可以帮助我们对复杂的问题进行分析和解释[4]。

1.3 莱特准则-预警控制图

控制图 (Control Chart) 是对过程质量特性进行测定、记录、评估, 从而监察过程是否处于控制状态的一种用统计方法设计的图。在质量管理过程中使用sigma (标准偏差) 划分产品质量与预期的偏差度。在此, 我们把其应用到油田开发预警中, 根据莱特准则[5]:

其中σ代表标准差, μ代表均值。

根据大数原理, 在一定程度上可以通过指标数值所在区间来判断其属于哪个警度。因此令 (μ-σ, μ+σ) 为正常区间, (μ-2σ, μ-σ) 和 (μ+σ, μ+2σ) 为异常区间, (-∞, μ-2σ) 和 (μ+2σ, ∞) 为严重异常区间, 这样就得到了预警的三大区间, 各区间用不同颜色作为警情信号灯, 分别为:红色 (严重异常区间) 、黄色 (异常区间) 、绿色 (正常区间) , 通过以上划分来确定警情警度。

2 油田开发动态预警实例

2.1 因子分析法结果

利用SPSS18.0对该油田开发预警10个指标进行因子分析。首先进行可行性检验, 采用KMO and Bartlett's检验。KMO检验值为0.62>0.5, 说明可以进行因子分析。Bartlett's检验值为215.386, 其显著性sig远小于0.000 1, 说明因子的相关系数矩阵非单位矩阵, 能够进行因子分析。利用主成分法进行因子分析, 可得到10个指标的特征值、方差贡献率和累计方差贡献率, 按照特征值大于1的原则, 提取前3个主因子 (见表2) 。并通过方差最大正交旋转法使旋转因子载荷系数向两级分化, 得到新的旋转载荷矩阵。

2.2 油田开发动态预警控制图

我们根据莱特准则, 结合表3绘制出该油田2010年1月-2015年5月的油田开发动态预警控制图, 见图1。

从图1, 我们可以看出, 该油田开始处于黄色警报区, 这主要是因为该油田的开井数处于快速上升期, 产量波动比较大, 综合含水量较高。随着油田的各项指标逐步进入正常范围内, 油田进入了开发稳定期, 也即绿色警报区。然而, 随着油田的进一步开发, 油田的自然递减率、综合递减率逐步上升, 采油时率逐步下降, 措施井有效率在下降, 导致该油田又进入了黄色警报区。

3 结论

1) 通过对油田开发动态系统的分析, 确定含10个指标油田开发动态的评价与预警体系。这套指标体系及时对总和评价油田开发水平具有较高的参考价值, 又是油田开发动态预警的基础。

2) 通过因子分析, 可以把油田开发的各种指标, 提取公共因子, 可以更有效的对油田开发做出评价。

3) 建立油田开发动态评价与预警体系目的就是为了实现油田的动态管理为油田生产管理提供了科学的理论依据, 是的油田企业生产管理更为主动, 进而实现油田企业的稳产, 增产。

参考文献

[1]肖武, 杨圣贤.油田开发预警技术研究及应用[J].油气藏工程, 2010, 4 (17) :65-68.

[2]陈武, 张明泉.油田勘探总成本变动分析[J].西南石油学院学报, 1998, 20 (3) :90-93.

[3]马立平, 任宝生.油田水驱开发动态系统预警指标体系的构建[J].特种油气藏, 2010 (8) :62-65.

[4]刘媛媛, 李德山.基于因子分析方法的中原经济区城市竞争力研究[J].西南农业大学学报:社会科学版, 2011 (10) :8-11.

动态评价方法篇4

系统动态安全评价研究现状及发展趋势

摘要：随着科技的进步和社会的发展,具有突发性、灾难性和社会危害性的重特大事故越来越频繁,静态安全评价已不能很好地评价动态过程中随机发生的事故,动态安全评价能动态地分析危险因素对生产安全状况的影响、危险因素相互间的转化程度,及时做出防范对策措施,有效地预防事故发生,因此对系统动态安全评价进行研究,具有一定的理论价值和现实意义.文章首先阐述了国内外系统安全评价方法研究现状及发展趋势,接着对系统动态安全评价内涵按指标体系的`动态性、指标权重的动态性和评价方法的动态性进行分析,并介绍了现有的动态安全评价方法,最后指出了当前动态安全评价存在的问题,并对其发展趋势作了展望.作者：吴媛媛蔡康旭方俊生杨弋作者单位：湖南科技大学,能源与安全工程学院,湖南,湘潭,411201期刊：中国科技博览 Journal：ZHONGGUO BAOZHUANG KEJI BOLAN年，卷(期)：,“”(5)分类号：X913.4关键词：动态安全评价动态化处理变权时间序列发展趋势

动态评价方法篇5

技术创新对一个企业、乃至一个国家发展的重要意义已经无需多言, 也正因为如此, 近年来国内外研究企业技术创新评价问题的成果很多。如邵云飞, 唐小我 (2006) [1]提出了评价区域技术创新能力的原则, 构建了可操作性强的线性模型来评价区域技术创新能力;杨燕, 邵云飞 (2009) [2]应用TRIZ方法构建了大学生创新能力评价模型;李美娟, 陈国宏 (2009) [3]建立了区域技术创新能力评价指标体系和基于一致性的组合评价方法;Jian Cheng Guan, Richard C.M.Yam (2006) [4]利用DEA模型对创新能力和竞争力的关系进行研究;Chen Yunwei, Yang Zhiping (2009) [5]基于专利对中国经济区域的技术创新能力进行评价;胡健, 李向阳 (2009) [6]提出了基于二次相对效益动态评价模型的中小企业环境绩效评价方法。上述研究为进一步研究技术创新评价问题奠定了基础。但是, 依然存在一个根本性的问题———主观赋权问题。

技术创新评价本身具有模糊性和不确定性, 在进行实际评价时, 一般有多人参与评价, 由于受评价专家知识结构、判断能力和个体偏好等主观因素的影响, 加之参评对象本身的模糊性和不确定性, 评价专家很有可能给出不同形式的偏好信息, 就会对同一问题作出不同的评价。如何克服、规避评价专家的非理智行为和个人偏好心理;如何提取、集成评价专家个体或群体对参评对象的评价信息, 已有评价方法尚缺乏对技术创新评价过程中这些实际问题的考虑。

针对已有评价方法的不足, 本文将从评价者的角度出发, 应用TRIZ理论方法提出解决技术创新评价问题的思路、步骤。并运用系统工程理论和方法, 通过对集成函数的集成原则、评价专家的评价水平与异常性的定量评价方法的研究, 构建企业技术创新的动态时变评价方法, 以期得到一个技术创新评价的最优理想解。

2 动态时变评价流程与集成过程

动态评价方法的运作机理是:在评价过程中克服评价者的非理智和个人偏好心理, 使专家自然或不自然地实施理智行为;通过建立评价双方互动约束机制, 产生时变动态的专家权值。

2.1 动态时变评价流程

依据基于TRIZ改进的技术创新评价求解步骤, 给出动态时变评价流程, 如图1:

2.2 动态时变评价集成过程

集值统计是经典统计和模糊统计的一种拓广。经典统计在每次实验中得到相空间的一个确定点, 而集值统计每次实验是相空间的一个子集, 也就是在确定评价指标值时, 改变过去给出一个固定值的作法, 而给出一个区间值, 这就解决了专家对一些指标“大约是多少”这一模糊概念的定量化[7]。假设要确定m个参评对象, 设B为参评对象集合, 表示为B (B1, B2, …Bj, …Bm) , P为专家集合, 可表示P (P1, P2, …Pi…, Pn) , k为参评对象的评价项目C (C1, C2, …Cr, Ck) , 让专家集对参评对象中所有的评价项目进行评价。

集成统计方法如下:规定用线段法给出各评价指标的区间估计值, 如表1所示, 对指标Bj, 各专家的评价区间为:[a1j1, b1j1], [a2j1, b2j1], [a3j1, b3j1], …[aij1, bij1]…[anj1, bnj1]从而形成一个满意度统计序列, 这个子区间叠加在一起则形成覆盖在评价轴上的一种分布。这里假定评价分布相对集中。

经过归一化可得到满意度向量矩阵。

集成过程是指由诸评价专家的评价信息得到评价专家集的评价结果的过程, 是定性指标评价问题的特有过程, 目的在于消除诸评价专家pi对同一参评对象Bj的满意度向量:xij= (xij1, xij2…, xijk) (i=1, …, n) 之间的差异, 得到评价专家集P对此参评对象的满意度矩阵:

集成函数:设评价专家pi对参评对象 (或某一评价项目) 的满意度为xijr (i=1, …, n, j=1, 2, …, m, r=1, 2, …, k) , 若函数φ (xijr) 满足下面两条件, 则称该函数φ为集成函数。

显然, 集成函数φ不唯一。由集成函数在技术创新评价问题中的意义, 对集成函数φ还应分析下述两点做为选用集成函数的参考。

集成准则:由于集成函数值φ (x1jr, …xijr…xnjr) 是所有评价专家对参评对象 (或某一评价项目) 认识的代表, 因此, φ (x1jr, …xijr…xnjr) 与x1jr, …xijr…xnjr之间的总偏差D (xjr) 应在一定意义下最小, 这称为集成函数所满足的集成准则。偏差D (xjr) 应满足x1jr=x2jr, …xijr…xnjr时D (xjr) =0, 这里我们利用D (xjr) =∑n i=1|xjr-xijr|2作为总偏差D (xjr) 的表达式。

解除干扰功能:集成的目的在于消除评价专家认识上的模糊性与差别性, 以尽可能得到符合参评对象真实状态水平的评价结果[8]。因此, 对评价专家异常评价信息的干扰, 集成函数应具有予以消除或缩减的功能。

因此, 为了满足上述要求采用简单集成函数:这个集成函数, 显然满足集成准则:由此得到的集成评价结果, 必受到每位评价专家评价结果的影响, 自然受到个别异常评价信息的干扰, 但大大减少了原干扰作用。

xjr相当于评价专家集对Bj对象在评价项目r上总体评价。见表2。

3 动态时变评价准确度与综合过程的确立

下一步考察专家组每个成员的评价准确度, 以便动态地对其它样本进行准确评价。这里有两种方法确定评价专家的准确度。

3.1 偏高、偏低率法

对定性指标的评价是评价专家对其状态水平的认识与判断的反映, 必受到评价专家掌握评价标准的宽严程度及其对参评对象偏爱程度的影响, 因此, 应对评价专家作出适当的评价与分析。同时, 需要进一步求出评价专家对评价项目评价的权值, 并重新确定评价专家在评价项目评价中的权值, 以便进一步对评价项目的准确预测与评价。

在假设X为各参评对象的诸因素真实状态水平满意度的条件下, 记

Di全面反映了评价专家pi的评价偏差, |D|= (|dijr|) m×k则全面反映了评价专家pi对模糊集“失真”的隶属度的大小。

给定正常偏差界α (0<α<1) , D的α截集Dα= (hijr) m×k, 其中全面反映了评价专家pi的“失真”状态。为具体分析评价专家pi的“失真”性质, 可再给出评价专家pi的偏高阵与偏低阵:

(1) 评价专家的评价水平:

评价专家pi的偏高率:

评价专家pi的偏低率:

评价专家pi的失真率:

R+i、R-i、Ri分别反映了评价专家pi给出的m×k个评价信息中, 在α水平下, 较对应的集成评价偏高、偏低、失真的程度。当评价专家pi仅有个别的失真信息时, 还难以评定评价专家pi的评价水平, 为此, 给出正常的允许界β (0<β<1) 。当R+i>β时, 可认定评价专家pi评价标准过宽;当R-i>β时, 可认定评价专家pi评价标准过严。

(2) 评价专家的偏爱性分析:

由于种种原因, 往往出现评价专家pi对诸参评对象的评价信息失真性态不一样, 这反映了专家pi对某些参评对象发生了偏爱现象。为分析所聘评价专家对褚参评对象的偏爱性, 可由评价专家pi的偏高阵H+i与偏低阵H-i构建评价专家pi对参评对象Bj的偏高率、偏低率、偏爱率和厌恶率。

同样, pi对某些评价项目会发生偏爱现象。为分析所聘评价专家对评价项目的偏爱性, 可由评价专家pi的偏高阵H+i与偏低阵H-i构建评价专家pi对评价项目Cr的偏高率、偏低率、偏爱率和厌恶率。

以评价专家pi对参评对象Bj的偏爱系数L+ij=Bij∧e+ir, 厌恶系数H-ij=Bij∧e-ir分别刻画其对参评对象Bj (或评价项目Cr) 的偏爱性与厌恶性。给定正常偏爱界λ (0<λ<1) , 当L+ij≥λ时, 可认定评价专家pi对参评对象Bj (或评价项目Cr) 偏爱过度;当H-ij>λ时, 可认定评价专家pi对参评对象Bj (或评价项目Cr) 厌恶之极。因此, 对评价专家pi, 若存在偏爱过度或厌恶之极的参评对象Bj (或评价项目Cr) , 可认定该评价专家异常, 需重新构建参评对象Bj (评价项目Cr) 指标或重新确定评价专家在参评对象 (评价项目) 中的权值。

上面评价专家Pi对某参评对象Bj在r评价项目中的评价分数为xijr, 下面进一步求评价专家Pi对评价项目r评价的权值, 并重新确定评价专家在评价项目r评价中的权值, 以便进一步对评价项目r的准确预测与评价。

在α水平下的准确度公式如下:

得到专家准确度矩阵:

依次类推, 求取专家对所有评价项目的权值, 这样每个专家对k个评价项目权值的评价矩阵:

对以后参评对象在所有评价项目的评价上, 可以利用上面的权值。

3.2 偏差量化法

根据上面公式Di= (dijr) n, m×k, 其中, dijr=xijr-xjri=1, …, n。

给定正常偏差界α (0<α<1) , D的α截集Dα= (hijr) n, m×k, 其中:

Dα全面反映了评价人pi的“评价偏差状态”。

评价人Pi对r项目准确评价程度用Dir表示:

然后确定评价人Pi对r项目权重:

评价专家的权值矩阵:

3.3 综合过程的确立

参评对象Bj的专家评价分数:

那么Bj的最后技术创新评价结果为评价项目得分乘以各个评价项目在技术创新评价中的权值:

所有参评对象的评价结果表示为:

4 结论

依据企业技术创新评价的目的要求, 确定了评价项目集、参评对象集及评价专家集后, 运用动态时变评价方法对企业技术创新发展状况进行评价。技术创新评价的目的, 绝不仅仅是对参评对象排出优序, 更重要的是由评价过程中的各种信息, 全面了解、认识、分析企业技术创新状态。基于TRIZ理论方法构建的技术创新动态时变评价方法从理论上克服了已有评价方法中有多人参与评价, 且受评价者知识结构、判断能力和个体偏好等主观因素的影响, 解决了已有评价方法中主观赋权对评价结果的影响, 对企业技术创新的评价更加科学和客观。评价结果可以为政府相关部门及时准确地掌握企业技术创新的状态与水平, 提供科学依据和决策参考。

摘要：从评价者的角度出发, 在对评价专家的评价水平与异常性的定量评价方法研究的基础上, 构建了企业技术创新的动态时变评价方法。该方法克服了已有评价方法中主观赋权对评价结果的影响, 对企业技术创新的评价更加科学和客观。评价结果可以为政府相关部门及时准确地掌握企业技术创新的状态与水平, 提供科学依据和决策参考。

关键词：TRIZ,技术创新,动态时变,评价

参考文献

[1]邵云飞, 唐小我.中国区域技术创新能力的线性实证分析[J].管理评论, 2006, 18 (4) :14-21.

[2]杨燕, 邵云飞.TRIZ方法在构建大学生创新能力评价指标体系中的应用[J].电子科技大学学报:社科版, 2009, 11 (3) :1-4.

[3]李美娟, 陈国宏.基于一致性组合评价的区域技术创新能力评价与比较分析[J].中国管理科学, 2009, 17 (2) :131-139.

[4]JIAN CHENG GUAN, RICHARD C M YAM.A study of the relation-ship between competitiveness and technological innovation capability based on DEA models[J].European Journal of Operational Re-search, 2006 (170) :971-986.

[5]CHEN YUNWEI, YANG ZHIPING.A patent based evaluation of technological innovation capability in eight economic regions in PRChina[J].World Patent Information, 2009 (31) :104-110.

[6]胡健, 李向阳.中小企业环境绩效评价理论与方法研究[J].科研管理, 2009, 30 (2) :150-156.

[7]程卫民.煤炭安全评价中评价指标安全度值的确定[J].煤炭学报, 1997, 22 (3) :276-279.

动态评价方法篇6

电力工业是国民经济的重要基础工业,是能源发展战略中的先导和支撑产业,电力发展水平亦是衡量地区经济发展程度、能源利用效率和综合发展潜力的重要指标。电力工业的发展受到诸多因素的影响,不同地区的经济、社会、资源、环境状况不同,电力发展也各具特点、水平不一,简单对大量统计数据进行观察和对比,很难从整体上把握地区电力发展水平,也难以对不同地区和时期的电力发展水平进行量化分析。因此,研究电力发展水平的量化综合评价,对准确认识电力发展的时空特点和差异具有重要意义。

综合评价[1]是指将多个评价指标通过一定的方式进行信息集结,以反映评价对象的整体特征。其中,针对某一时间断面的若干对象进行评价被称为静态综合评价,而针对多个时刻进行评价以建立适用于多时段的统一评价模型被称为动态综合评价[2,3]。综合评价的典型方法可分为主观赋权法和客观赋权法,前者根据专家主观意见确定指标权重,后者则根据数据客观特征建立评价模型。电力发展水平评价是一个典型的动态综合评价问题,涉及多个评价对象、多个指标、多个时段。在电力工业综合评价领域,已有学者开展了一定的研究工作[4,5,6,7,8,9,10,11,12,13,14,15,16,17]。文献[4]从可持续发展角度出发,采用层次分析法建立评价模型,以北京电网为例对电力工业的发展进行量化评价。文献[5]从低碳角度对电网建设规划进行评价,利用G-1法和熵权法分别确定主观、客观权重,并加权得到综合权重,进而针对多年份的单个电网和单一年份的多个电网分别建立评价模型。文献[6]利用模糊层次分析法建立电网安全效益评价模型,分析了某地区电网在“十二五”期间的电网运行水平和发展情况。文献[7]采用层次分析—熵权法加权组合的主客观结合评价法对某省级电网的综合供电能力进行评价。文献[8,9,10,11,12,13]分别从电力社会协调度、节能效益、低碳效益、电力市场运营和效益、智能电网建设等角度出发建立评价指标体系,但未能结合实际数据进行具体分析。另外,亦有研究针对电网实际运行开展综合评价工作,如电网实时运行状态评价[14]、调度运行方案评价[15]、每日调度运行情况评价[16]、供电服务质量评价[17]等。

总结发现,在评价角度方面,现有研究多侧重于电力工业的某些方面,而未能建立起一套从多个角度全面评价电力发展总体水平的体系;在评价对象方面,现有研究多依托于某一地区或是某一年份的数据进行分析、评价,未能实现时间、空间因素的统一建模,其方法和结论无法适用于多个空间、时间维度的评价,而针对全国不同地区和不同时间电力发展水平评价的研究多停留在初步的定性分析阶段,比较宏观而空泛,缺乏数据支撑;在评价方法方面,虽然有研究尝试将主观赋权法和客观赋权法结合以规避其各自的缺点,但所采用的方式多是简单加权法,这种方式可以在一定程度上避免评价结果过于依赖主观因素或客观因素,但是亦会模糊其各自的特点和优势。

针对现有研究局限性,本文对多空间、时间维度的电力工业发展水平综合评价问题进行研究。首先建立了比较完整而全面的评价指标体系,以三级指标体系描述电力发展水平;然后提出考虑主观约束的投影寻踪方法以建立静态评价模型,改进投影寻踪方法[18],通过将模糊专家评价[19]和权数非独裁条件[20]作为约束条件嵌入投影寻踪模型,实现主观评价和客观评价的结合;进而利用时序信息熵[21]确定时序加权向量,实现时序权重的线性加权集结,建立电力发展水平动态综合评价模型;最后将上述模型和方法运用于实际,结合省级时序数据,对中国各地区电力发展水平的特征、差异和潜力进行了分析,以期为国内电力工业的发展提供决策参考。

1 电力发展水平评价指标体系构建

指标体系是综合评价研究的基础,其合理性和全面性将直接影响评价效果。电力工业的发展存在着时间、空间上的客观差异性,其水平不仅与电力工业自身情况有关,还牵涉到经济、社会、能源、环境等多方面因素。因此在构建电力发展水平评价指标体系时,既应考虑到电力行业本身的情况,又应综合考虑经济、能源状况;所选择的指标既应体现电力工业整体情况,又能体现地方特点和差异。

在国网能源研究院最新发布的《世界能源与电力发展状况分析报告》中,以能源消耗、碳排放、能源对外依存度等6个关键指标描述能源发展,以用电量/装机容量、发电设备利用小时数、网损等6个关键指标描述电力发展[22]。这一指标体系明确了能源与电力发展的紧密耦合关系,但是对电力发展的评价比较笼统、宏观。本文在此研究的基础上,结合文献调研和专家讨论结果,将对电力行业的评价指标进一步细化至发电、供电、用电三个电力传输子环节,以期更为细致而全面地评价电力发展水平。

以经典的三级指标体系(目标层—控制层—指标层)对电力发展水平进行描述。通过对电力发展关键因素进行分析,并结合专家意见和数据获取情况,构建电力发展水平综合评价指标体系(详见附录A表A1)。该指标体系从电力发展协调度、发电水平、供电水平、用电水平和电力发展潜力5个方面对地区电力发展水平进行描述,共包括5类二级指标,31个三级指标,涵盖了发电、供电、用电、电力发展潜力,以及电力工业与经济、能源、环保之间的协调性等诸多方面。

2 基于改进投影寻踪法的静态综合评价

2.1 指标数据集规范化处理

为消除各指标量纲不同的影响,首先对电力发展水平原始数据集进行规范化处理。以m表示评价对象的个数,n表示评价指标的个数,则指标数据集中共有m×n项数据。记原始数据集为{x0ij|i=1,2,…,m;j=1,2,…,n},归一化后数据集为{xij|i=1,2,…,m;j=1,2,…,n}。

对于正向指标(指标值越大则反映电力发展水平越高的指标)和负向指标(指标值越大则反映发展水平越低的指标),分别按式(1)、式(2)进行处理。

经归一化处理,所有指标均化为分布在[0,1]间的正向指标,便于指标间的比较和后续处理分析。

2.2 经典投影寻踪模型

投影寻踪方法[18]是一种新兴的高维数据统计分析方法,实践表明,它亦是一种有效的数据驱动客观赋权法。根据各评价对象的指标数据寻找最佳投影方向,此方向即为各指标在综合评价中体现的权重,而各对象的一维空间投影即为评价对象的综合评价值。记投影方向(即指标权重)为ω=(ω1,ω2,…,ωn),则各评价对象的投影值(即综合评价值)可以表示为:

投影寻踪综合评价法的关键是构造合理的投影函数,使得最优指标权重下各对象的综合评价值具有整体分散、局部密集的特征。经典的投影函数[18]由两部分构成:投影值的标准差S和局部密度D。

式中:为{yi|i=1,2,…,m}的均值;rij=|yi-yj|为两个对象评价值之间的距离;R为局部密度的窗口半径,其取值与样本数据结构有关,通常可取R=n;u(t)为单位阶跃函数。

由式(6)投影寻踪模型即可求取最佳指标权重:

将式(6)中的经典投影寻踪综合评价模型直接用于电力发展水平评价存在两个问题。第一,在模型求解上,单位向量约束是一个非线性约束,对模型的优化求解造成困难。而在电力发展水平评价中,所有指标均已被化为正向指标,评价模型中的指标权重不可能为负值,因此可将式(6)模型改写为式(7)所示模型。第二,在模型意义上,投影寻踪法以最大化投影函数来求取最佳指标权重,与其他客观赋权方法相同,这种纯数据驱动的方法无法计及主观实际情况,可能得到与常规认知不符的权重。为解决这一问题,2.3节将提出一种考虑主观权重约束的改进投影寻踪模型。

2.3 考虑主观权重约束的改进投影寻踪模型

主观评价方法受人为因素影响大,由主观评价直接确定指标权重可能并不完全准确,但是它代表了人类的经验和常规认识,在一定程度上可以反映出各指标之间的相对重要程度或是指标权重的可能范围,这种认知一般是合理的,而这恰是客观评价方法的劣势所在(即所得到的指标权重可能并不在常规认知的范围内)。基于这一思路,本文提出一种考虑主观权重约束的改进投影寻踪模型。首先利用一种经典的主观赋权法———模糊专家评价给出各个评价指标的重要程度排序。以梯形模糊数M=(l,m1,m2,r)描述专家判别意见,将指标重要程度分为表1中的5个等级[19],其中,l,m1,m2,r分别为模糊数的下界值、左中值、右中值和上界值。

设共有K位专家评判各指标的重要程度,Mkj表示专家k对指标j的评判结果对应的模糊数。以等权重线性加权方式将所有专家的模糊评价结果进行集结,得到指标j的重要程度判别模糊数为:

模糊数的大小可以根据重心进行比较[22,23],重心越大意味着隶属于更高重要程度的概率越大。梯形模糊数的重心公式如式(9)所示。

式中:μ(x)为梯形模糊数M对应的隶属度函数。

于是通过比较M1,M2,…,Mn,即可得到各个指标的重要程度排序,反映在电力发展水平综合评价模型上,重要程度即对应指标权重的相对大小。

进一步,为了避免一些指标的权重过大或过小而使得评价结果出现“以偏概全”的情况,对指标权重加入“非独裁”约束。“权数非独裁条件”[20]是指任一指标对于其余重要性低于它的指标而言都是非主导的。以表示指标x较指标y更重要;x=y表示指标x和指标y的重要程度相当。不失一般性,设n个指标的重要程度依次降低,即x1x2…xn,则“权数非独裁条件”可表示为:

至此,建立考虑主观权重约束的投影寻踪综合评价模型为:

式中:ΦNDC为满足“权数非独裁条件”的权重集合,其元素的具体表达形式如式(11)所示。

这是一个以{ω1,ω2,…,ωn}为决策变量的非线性约束优化问题,目标函数非连续、不可导,运用常规确定性优化方法难以求解。本文利用粒子群算法对问题进行优化,算法输出的全局最优值即为最优指标权重。与式(6)中的经典投影寻踪模型相比,式(12)的模型以约束形式将专家主观意见纳入考虑范围,从而有效克服了客观赋权法不能反映主观意见和常规认知的缺陷;同时,权重的非独裁约束也避免了某些指标权重的极端化,可以较好地均衡各个指标在评价模型中的作用。限于篇幅,对这一方法的性能验证详见附录B。

3 基于时序信息熵的动态综合评价

第2节中的电力发展水平静态评价模型是基于某一时间断面上各个评价对象的指标数据所建立的,计及时间维度,将第2节中涉及的指标权重、指标数据及综合评价值重写如下:

式中:yi(t)为评价对象i在时间断面t的静态评价值。

静态评价仅适用于单一时刻的评价,不同时间断面的静态评价模型中,指标权重向量可能各不相同,如何将各时刻指标权重信息进行综合,以建立适用于多个时刻的评价模型,即是动态评价所要解决的问题。本文引入时序信息熵[22]和时间度[22]的概念以确定时序加权向量,通过将各单一年份的电力发展水平静态评价模型的指标权重按照时序加权向量进行线性加权集结,来建立多年份动态综合评价模型。记参与评价的总时段数为T。以ρ=(ρ1,ρ2,…,ρT)表示时序加权向量,它反映了不同时段信息对动态综合评价的贡献差异,有ρt∈[0,1]且。用时序信息熵量度ρ所包含的信息量,定义为

时序信息熵I越大,表示ρ所反映的不确定性越大。用时间度来反映决策者对于远期数据和近期数据的重视程度的差异,定义为

时间度λ越小,表示对近期数据的重视程度越高。由决策者事先给定时间度λ,希望时序加权向量能够尽量综合各个时段静态评价模型的信息,并兼顾时序差异,则其数学模型可表示为:

上式是一个常规的非线性约束优化问题,本文运用内点法求解。按照时序加权向量,将各单一年份的电力发展水平静态评价指标权重进行线性加权集结,即可建立如下适应多年份评价的电力发展水平动态综合评价模型。

即为动态综合评价结果中对象i在时间断面t上的评价值,对应于电力发展水平评价问题,即为第i个省份在第t年的评价值。

至此,完成了电力发展水平动态综合评价模型的建立。将整个方法的完整步骤总结如下。

1)搜资:根据附录A表A1中提出的三级指标体系搜集相应数据,构成指标数据集,并根据式(1)、式(2)进行数据归一化处理。

2)静态评价模型的建立:根据第2节的方法,建立各个年份的静态评价模型,具体方法如下。

①指标重要程度划分:邀请专家按表1对各二级指标下的三级指标和各二级指标进行等级划分。

②指标重要性排序:根据指标重要程度,利用式(9)排序。

③静态评价模型求解:对各个年份,依次建立式(12)所示模型并求解。

④建立静态评价模型:得到各年份独立的静态评价模型,表达形式如式(13)所示。

3)动态评价模型的建立:根据本节方法,建立多年份统一的动态评价模型,具体方法如下。

①确定时间度:根据决策者对时序差异的偏好确定时间度的值。

②求解时序加权向量:求解式(16)所示模型。

③建立动态评价模型:基于各年份静态评价模型,根据式(17)建立评价模型,即为最终的动态综合评价模型。

4)综合评价结果的输出和分析。

①二级指标评价值求取:根据三级指标真实数据,利用所建立的各个二级指标的动态综合评价模型,求出各二级指标各年份评价值。

②一级指标评价值求取:根据二级指标评价值,利用所建立的一级指标评价模型,求出一级指标评价值,即电力发展综合水平。

③根据各年份、各省份的一级、二级指标评价值,分析不同地区、不同时期电力发展水平和特点。

4 电力发展水平动态综合评价实证

4.1 数据来源

本文以中国30个省、自治区、直辖市为样本进行分析(由于数据获取的问题,暂不包括西藏和港澳台地区),时间跨度为1994至2013年。原始数据主要来自《中国统计年鉴》《中国电力年鉴》《中国能源统计年鉴》《新中国六十年统计资料汇编》等。

4.2 动态综合评价模型

1)基于模糊专家评价确定指标重要性排序

采用问卷调查的方式咨询专家意见。邀请在电力、能源领域经验丰富的专家填写问卷,通过整理问卷数据,并依照模糊数重心比较法对指标重要性进行排序,得到结果如下(各符号代表的指标详见附录A表A1):

2)基于时序信息熵确定时序加权向量

选取时间度λ=0.35,表示对近期数据的重视程度略高于远期数据。求解式(16)模型,得到时序加权向量ρ=(ρ1994,ρ1995,…,ρ2013)如表2所示。

3)动态综合评价模型的建立

基于第2和第3节的方法,首先建立三级指标对二级指标的动态评价模型:

进一步,建立一级指标(即电力发展水平P)的动态综合评价模型为:

基于式(19)和式(20)的评价模型,利用三级指标数据即可计算出全国各个省份逐年的二级指标评价值和电力发展水平综合评价值,下文将基于此进行分析。限于篇幅,本文不列出各指标的具体评价数值。

4.3 二级指标评价结果分析

对全国各省份电力发展水平的二级指标评价值进行横向(空间维度)对比分析。图1所示为2013年中国六大电网中几个典型省份的电力发展水平雷达图。可以看到,同一区域内不同省份的电力发展情况存在相似性,但亦各具特点。从雷达图可对各个省份电力发展特点进行分析,例如,北京、上海都属于明显的受电地区,其电力供应水平远低于电力消费水平,电力供应主要依靠外省送电、而非市内电厂发电;内蒙古、宁夏、青海等地区依靠丰富的可再生能源(如风能、太阳能)发电,其电力供应水平很高,已成为重要的电力供应基地。

对电力发展水平的二级指标评价值进行纵向(时间维度)对比分析。以北京、上海、山西、宁夏为例,图2为四省在1995年、2000年、2005年、2010年和2013年的二级指标雷达图。可以看到,北京和上海的B指标偏低而C指标较高,反映了其用电水平较高而发电水平较低,说明这是典型的受电区域;较好的供电能力(D指标)表明电网建设水平较高,电力供应能力较强;在20年中,这两处地区的经济发展水平、能源利用效率、电力消费需求(对应A和C指标)不断提高,然而由于受到资源和地区实际情况的限制,发电水平并没有明显提升,电力发展潜力(E指标)也较差,在当前发展模式下,电力发展水平已经趋向于饱和。

山西和宁夏是典型的供电区域(B指标相对较高),特别是在近10年中电力供应水平不断攀升,然而两省的电力发展模式亦存在区别:山西是中国最大的火电基地,较大的发电能耗和环境污染使其能源协调度较差,依赖于化石资源的客观事实也使得山西电力发展潜力逐年降低(E指标不断降低,B指标的提升速度逐渐减缓);宁夏是中国最大的风电基地,巨大的风能、太阳能资源使其电力供应能力在近几年迅速提升,而风电和光伏发电的能源可再生性、环境友好性也使宁夏具有较强的发展潜力(B指标和E指标迅速提高)。另外,各个省份的电力传输转换水平呈稳步发展趋势,表明中国输电、配电水平不断提高。

4.4 电力发展水平综合评价结果与分析

进一步地,对全国电力发展水平综合评价结果进行考察。1994至2013年全国各省份电力发展水平的可视化图形见附录C图C1,图中不同的颜色代表电力发展水平的差异,可以从省级视角反映各个省份的电力发展水平综合情况。表3给出了1994至2013年中国六大电力区域平均电力发展水平综合评价值,可以从区域视角和全国视角整体反映电力发展水平情况。

从全国来看,表3数据显示,过去20年中各区域电力发展水平不断提高;而由附录C图C1可以明显地看到,各个省份的电力发展水平均由代表较低水平的“蓝色”逐步提高为代表较高水平的“黄色”或“红色”。这些都反映了从1994年至2013年,中国电力事业发展水平整体呈上升趋势,特别是近10年中,电力事业发展迅速。

从区域来看,对于华北、华东地区,根据表3数据可知,其电力发展水平综合评价值始终高于其他地区,由附录C图C1也可看出,位于该地区的省份电力发展水平大多处于全国领先地位,事实上,这些省份经济水平、能源利用水平和电力消费水平普遍较高,电网建设较好。相较来看,东北地区的电力发展水平在1994至1999年处于全国前列,但自2000年起发展速度有所下降。西北地区由于地处偏远、经济落后,在2003年以前电力事业发展的整体水平较差,但近年来地区电力工业发展迅速,表3数据显示,西北地区自2009年以来的电力综合水平发展增速始终位于全国第一,由附录C图C1可知,如宁夏、青海等省份甚至一跃成为电力大省,这主要得益于风电、光伏发电等可再生能源发电的迅速发展,依靠丰富的自然资源,西北地区已逐渐成为中国重要的能源基地,发展潜力巨大。南方地区各省的电力发展水平差异很大,这一点在附录C图C1反映明显,广东经济发达,对电力需求的带动能力强,电力发展处于较高水平;广西、云南、贵州地区电力发展水平却基本处于全国中等偏落后的状态;而海南的人口少、用电需求小,因此电力工业规模较小。最后,对于华中地区,由表3数据可知其电力发展水平始终处于全国较低水平,附录C图C1显示华中各省的电力发展趋势也非常一般,这主要是由于华中大部分地区火电能耗较高、效益一般,四川、湖南等省份虽然水利资源丰沛,但是小水电较多、管理有待加强,电力供应能力一般;而华中平缓的经济发展导致其对电力需求的拉动不大,因此从现状来看,华中电力工业发展水平和发展潜力并不乐观。

5 结语

本文针对电力发展水平的动态综合评价问题进行研究。在指标体系方面,构建了电力发展综合评价的三级指标体系,综合考虑电力工业与经济能源之间的协调性、发电水平、用电水平、供电水平和电力发展潜力等因素对电力发展评价的影响。在评价方法方面,提出考虑主观权重约束的投影寻踪方法以建立静态综合评价模型,利用模糊专家评价和权数非独裁条件对投影寻踪模型中的权重范围进行约束,以充分利用主观赋权能够反映人类经验和客观赋权能够反映数据特点的优势;利用时序加权向量将各个时间断面的静态模型集结,建立电力发展水平动态综合评价模型。在评价结果分析方面,结合省级数据对1994至2013年中国30个省、市、自治区的电力发展水平进行评价,并对评价结果进行数据化和可视化的对比分析。

动态评价方法篇7

DEA(data envelopment analysis)最早由Charnes等[1]于1978年提出,即CCR模型,是测度存在多个投入与产出的决策单元(Decision Making Units,DMUs)DMUs相对效率的有效方法。Banker等[2]于1984年对CCR模型进行了扩展研究,得出BCC模型。在此基础上,DEA模型在理论和方法的创新与实际应用(经济管理领域)方面得到了较大的深化与发展,比如网络DEA、二阶段DEA等方法的探索[3,4,5]以及在效率评价、成本与资源分摊、资源与目标配置方面的应用[6,7,8,9]。

传统的DEA研究体系中,每个决策单元的投入产出变量的权重都被视为独立变量,这也是DEA模型的缺陷所在。为减少权重的设置具有完全自由性带来的主观影响,许多改进方法被提出,如保证域[10]和权重约束[11]等,然而这些方法所提出的投入或产出权重在评价单个决策单元时是恒定不变的,不适用于包含多个且异质的决策单元的系统。以往关于DEA的研究,将各个子系统看成一个整体,得到的评价结果不能全面地反映系统效率。鉴于此种情况,基于复杂系统的DEA模型解决了上述问题,其中串联结构的系统研究较多,Chen等[12]将多个串联决策单元的效率加和,毕功兵等[13]将多个串联决策单元的效率相乘作为复杂系统的整体效率。对于并联决策单元的复杂系统,Yang等[14]提出了著名的YMK模型。传统的关于DEA方法的研究都停留在静态层面,基于此,赵萌对复杂系统的DEA模型引入时间变量,推演出基于并联决策单元的动态DEA。上述关于DEA的理论方法及应用,没有考虑到多个决策单元的投入或产出变量的可变权重,实际地,在复杂系统中不同决策单元的投入产出的权重是有差异的。本文以并联系统为对象,在动态DEA的基础上,结合灰色关联度求指标权重的方法,实现复杂系统投入产出“非均一化”加权,从而可得到更科学有效的评价结果。

经过改革开放30多年的快速发展,中国装备制造业取得了令人瞩目的成就,形成了门类齐全、具有相当规模和技术水平的产业体系。通过技术引进、进出口、国际直接投资等方式,中国装备制造业多方位融入了全球价值链,通过开放、引进、消化吸收等各种合作途径获得学习和成长的机会,不断缩小与发达国家的差距。这种模式使中国装备制造业保持多年高速增长态势,产值和出口规模均位居世界前列[15]。虽然中国装备制造业多方位融入了全球价值链,但却是以资源能源的大量消耗和廉价劳动力的压榨掠夺为代价,融入的是全球价值链的低端,处于低端锁定的尴尬地位。近年来,中国装备制造业领域所出现跨国公司大量撤资、对外技术依存度趋高、国际竞争力下降等现象,都说明空心化正日益成为中国装备制造业最大的风险隐忧。在这种情况下,如何科学合理的评价中国各区域、不同类型的装备制造业的竞争力,关系到国家产业政策的科学制定以及进一步融入到高端全球价值链的战略实施。本文以下几个部分将推演出基于复杂系统的动态DEA与灰色关联度方法的模型,对中国四地区、七大类型的装备制造业竞争力在“十二五”期间的表现进行分析评价。

2 模型分析与求解

2.1 并联DMU描述

复杂系统绩效评价最核心的任务即为找到效率相对较低子系统,并通过资源配置或其他方式加以改善。假设复杂系统中有n个DMUs,每个DMUj(j=1,2,…,n)中包含qj个子单元(SDMU)。每个DMU有m种初始投入Xij(i=1,2,…,m),g种最终产出(Yrjr=1,2,…,g)。图1所示的即为复杂系统并联结构图。每个DMU中的SDMU个数可以不相同,各个SDMU的投入之和构成DMU的总投入,每个SDMU的产出之和构成DMU的总产出,即,。

最初的CCR模型将图1所示的DMU视为一个“黑箱”,Charnes等对第j个决策单元的评价效率Ej表示为:

其中,ur,vi表示系统投入、产出的权重。

上述DEA方法不能全面地反映系统效率,实际中,系统中的每个决策单元可以分解成多个并行的SDMU,即为本文所要阐述的复杂系统并联DMU。据前文所述,复杂系统由n个DMU组成,Ej表示每个DMU的有效率值,1-Ej表示DMU的无效率值,即。由于每个DMU中各SDMU是有差异的,即不同的DMU所对应的SDMU的各个投入或产出量的权重不同。那么系统中第j个DMU的效率sj可表示为:

其中,sj表示第j个DMU的无效率值,也表示松弛变量;αw,βw分别表示复杂系统中第j个DMU所包含的第w个SDMU投入、产出量的权重系数,w=1,2,…,qj;xwij,ywrj分别表示复杂系统中第j个DMU所包含的第w个SDMU投入、产出量。

模型(2)的第4个约束条件可表示为:

令sjw表示第w个SDMU的无效率值,则等式(3)还可表示为:

进而可得出如下的等式条件:

根据上述模型的推演,本文可得出复杂系统中第j个DMU所包含的第w个SDMU的无效率评价模型:

由于,所以第j个DMU中的第w个SD-MU的效率值并不等于1-sjw,而应该是。由模型(2)和(5)可知,复杂系统的并联DMU-DEA模型打开了传统DEA模型将系统看成一个整体的“黑箱”,让SDMU可构成生产前沿面,而且考虑到了不同DMU情境下各SDMU的投入、产出量的比重不同,因此相对于传统的DEA模型,模型(2)和(5)更能科学有效的评价复杂系统的效率。

2.2 灰色关联度确定权重

本文利用灰色关联度的方法测定复杂系统中第j个DMU所包含的SDMUs的投入、产出量的权重,由于投入和产出的权重测定方法一致,故本部分采用λ代替αw和βw。考虑到系统中指标w对其余指标的影响程度,本文先求出w对k的灰关联度δk,然后得出w的群灰关联度δw,最后求出系统中各指标的权重λ。

指标w对k的第t个灰关联系数rt(w,k)可表示为:

其中,yk(μ),yw(μ)分别代表指标k和w的第μ个指标值,ζ为分辨系数。由于传统的灰关联度的求解方法是基于均值思想,容易导致对系统关联因素的个性信息湮没,基于此,本文采用范数关联度的求解方法。令ηi=rt(w,k),则

,分别表示rt(w,k)的正负理想列,t=1,2,…,qj,k=1,2,…,m,k≠w。第w个指标的两个范数为

,其中d+w,d-w分别表示第w个指标的近距、远距。

那么指标w对k的范数灰关联度δ+k=d-w/dw+d-w,则指标w的群灰关联度,最后得出系统中各指标的权重。因此,本文中的权重αw和βw分别可表示为:

2.3 并联DMU的灰色动态DEA

本文在复杂系统并联DMU结构DEA模型的基础上,结合灰色关联度确定的指标权重,引入时间变量,推演出灰色动态DEA。结合前文所述,复杂系统中第j个DMU所包含的所有SDMU在时点t上的总投入Xj(t),总产出Yj(t)分别为:

那么具有n个DMU的复杂系统在时点t t=1,2,…,T)上的投入、产出向量X(t),Y(t)分别为:

2.3.1 DMU的灰色动态DEA

令具有n个DMU的复杂系统在时点t的生产可能性集合为:

那么第j个DMU在时点t上的效率值Ej(t)可表示为:

每个DMU在时点t上的效率值可构成一个T维向量(只有产出的新DMU),则新DMU的效率评价问题可按如下的多目标规划求解:

其中,Y表示具有g种产出的产出向量,该多目标规划有最优解的充要条件为:

其中,,(j=1,2,…,n,t=1,2,…,T),E代表整个复杂系统的效率值,,sj表示复杂系统中第j个DMU的技术效率与最优效率前沿面之间的距离。如果,则表示该DMU在动态生产前沿面上,越小,表明该DMU的动态效率越高。

2.3.2 SDMU的灰色动态DEA

令具有n个DMU的复杂系统在时点t上第w个SDMU的生产可能性集合为:

,那么第j个DMU包含的第w个SDMU在时点t上的效率值e(t)wj可表示为:

其中,,每个DMU的第w个SDMU在时点t上的效率值可构成一个T维向量(只有产出的新SDMU),则新SDMU的效率评价问题可按如下的多目标规划求解:

则该多目标规划有最优解的充要条件为:

其中,swj表示复杂系统中第j个DMU包含的第w个SDMU的技术效率与最优效率前沿面之间的距离。如果,则表示该DMU在动态生产前沿面上,越小,表明该DMU的动态效率越高。

3 中国装备制造业竞争力评价:基于模型实例分析

3.1 投入产出变量描述

由于各类装备制造业嵌入全球价值链的状况存在较大差异,本文按照国民经济行业分类,将装备制造业分为金属制品业、通用设备制造业、专用设备制造业、交通运输设备制造业、电气机械及器材制造业、通信设备及其他电子设备制造业、仪器仪表及文化办公用机械制造业等7个类别。同时按照“十二五”规划对中国经济空间布局的划分,划分为4个经济区域:东北地区(黑龙江、辽宁、吉林);东部地区(北京、天津、河北、山东、江苏、上海、浙江、广东、福建、海南);中部地区(山西、河南、湖北、安徽、湖南、江西);西部地区(四川、重庆、云南、广西、贵州、陕西、甘肃、新疆、青海、西藏、内蒙古、宁夏)。

本文利用钻石模型对影响中国装备制造业各区域竞争力的投入变量进行分析,得出以下几方面的影响因素:生产要素(行业科研人员比例与行业FDI);需求条件(中国GDP与人均DGP);相关和支持产业(行业研发投入);企业战略结构和同业竞争(行业企业数量)。对于各DMU的产出变量,本文选取以下6项指标进行反映:产业进口对外依存度(用当年国内装备制造业进口的原材料、零部件等的总额/当年装备制造业总产值表示);产业资本对外依存度(用年末国内装备制造业国外资本的存量/装备制造业总资本存量表示);产业技术对外依存度(用装备制造业引进技术项目的当年总产值/装备制造业当年总产值表示);外资市场控制率(用外资控制的市场份额/装备制造业总市场份额表示);产业世界占有率(用国内装备制造业产品的出口额/世界装备制造业产品的总出口额表示);产生国内占有率(用国内装备制造业市场销售额/国内市场总销售额表示)。

本文所有指标都可从《中国统计年鉴》与《中国工业统计年鉴》中获得,时间跨度为2011—2015年。由上述分析可得q=7,n=4,m=6,g=6。在模型运用过程中,本文以2011年为基期,对投入产出变量进行处理。在具体的竞争力评价过程中,本文按照总体、产业类别、分区域的思路对我国装备制造业进行分析,以求在整体上阐述我国不同类别的装备制造业在“十二五”期间在不同区域的竞争力表现。具体分析思路为:装备制造业整体作为DMU,不同经济区域作为SDMU;不同的产业类别作为DMU,不同经济区域作为SDMU;不同经济区域作为DMU,不同的产业类别作为SDMU。

3.2 评价结果分析

本文将所需投入产出变量输入到DEAP,首先计算出各经济区域、不同类型装备制造业投入产出变量的权重(见表1),然后计算各经济区域总体与不同类型的装备制造业的灰色动态DEA有效值,以及松弛变量,求出各年度灰色DEA有效值(见表2)。

由表2得知,2011—2015年间,我国7种类型的装备制造业的灰色动态DEA值都大于1,这说明我国装备制造业的竞争效率并不高。以电气机械及器材制造业为例,2011—2015年间其年度DEA有效值为:0.902、0.942、0.928、0.924、0.921。根据DEA投影理论,若DMUs位于生产前沿面上,可分别减少投入9.8%、5.8%、7.2%、7.6%、7.9%,该行业年度竞争效率提升:(9.8%-5.8%)/9.8%+(5.8%-7.2%)/5.8%+(7.2%-7.6%)/7.2%+(7.6%-7.9%)/7.6%=7.18%,即电器机械及器材制造业在2011—2015年期间平均每年比前一年向有效前沿面拉近7.18%,相当于竞争力提升7.18%。由表2的测算结果可以得出,我国装备制造业总体年平均向有效前沿面拉近10.91%,金属制品业年均向有效前沿面拉近8.36%,专用设备制造业向有效前沿面拉近6.72%,交通运输设备制造业向有效前沿面拉近6.89%,通信设备及电子设备制造业向有效前沿面拉近7.09%,文化办公用机械制造业的竞争力提升效率最高,年平均向有效前沿面拉近9.3%,通用设备制造业的竞争力改进效率最低,年均向有效前沿面拉近6.03%。上述反映了我国装备制造业在“十二五”期间的竞争力提升效率不明显,技术依赖型的行业(通用设备制造业、专用设备制造业等)依然是我国装备制造业的短板。以不同类型的装备制造业为DMU,不同的经济区域为SDMU,所得结果见表3。从表3中所得结果可知,东部地区在7种类型的装备制造业上均处于领先水平,西北地区水平较弱,这也说明了我国装备制造业的发展受到区域已经自然资源的限制较大。

根据不同经济区域不同类型的装备制造业的年度松弛变量的变化情况,可以得出不同类型的装备制造业的区域竞争效率的提升排名(见表4)。从具体结果可以看出,大部分类型的装备制造业的竞争力提升基本遵循从东向西的依次递减的态势,这意味着在我国发达地区在科技含量较高的技术依赖型产业方面要比其他区域占优势,而其他类型的装备制造业(通用设备制造业、交通运输设备制造业等)在中部和西部地区的提升较为明显。

4 结论

本文推演出了复杂系统中并联DMU的灰色动态DEA模型并以中国装备制造业为例验证了该方法。与传统DEA相比,基于灰色关联度的动态DEA有以下几方面的优势:可以将复杂系统的内部结构细化分析;考虑到时间变量,可以从较长时期内分析复杂系统的效率以及系统内部结构的效率;考虑到每个DMU中的SDMU的差异性,将灰色关联度测权重的方法引入模型,可以更贴近实际。总体来看,基于并联DMU的灰色动态DEA方法比传统的DEA方法精度高,而且有效DEA值较小。通过分析中国装备制造业得出,“十二五”期间不同经济区域不同类型的装备制造业的动态DEA有效值都不为0,意味着我国的装备制造业效率没有达到最优,从业态上看,我国科技含量高、技术依赖型的制造业还处于“短板”,从区域上看,我国西部地区的装备制造业的发展较为落后,我国装备制造业的发展严重依赖于资源禀赋。

摘要：在已有的动态DEA的研究基础上考虑到各决策单元内部的差异性,结合灰色关联度测权重的方法,推演出包含多个并联决策单元的复杂系统的灰色动态DEA模型。利用该模型对中国不同经济区域、不同类型的装备制造业进行度量,“十二五”期间,所有的灰色动态DEA有效指数都大于0,意味着我国的装备制造业效率没有达到最优;在所有类型的装备制造业中,东部地区的效率值要低于其他经济区域;科技含量高的行业效率比较高。

动态评价数学学习篇8

一、把握动态评价的“精”。

评价的目的就是客观评价学生学习能力的发展水平, 改进数学教育教学, 从而增强学生信心, 为有效优化和调控数学教学提供依据。所以我们必须客观地评价学生数学学习的能力。随着新课程优化课堂教学的实施, 学生的数学学习能力将得到充分发展, 实现“人人学有价值的数学;不同的人在数学上得到不同的发展”。学生的数学学习能力会有更大的差异, 整齐划一、要求一致的评价方案将不再适应新的局面, 要根据不同的学生制定不同的评价标准, 使每个学生的数学学习水平都能得到提高。充分发挥动态评价的诊断功能, 尊重学生在学习过程中的独特体验。通过师生互动, 使之缩小差距并达到要求。评价不只是为了证明, 更是为了改善和改进。通过评价, 教师不断改进数学教育教学;通过评价, 有目的地改进和调整优化数学教学内容和要求, 使之更加科学、合理。这就是动态评价的改善功能。

动态评价的另一个功能是激励功能。通过评价, 启迪智慧, 开发智力, 培养能力。每个学生都蕴涵着巨大的创造性潜能, 而创造性潜能的开发来自学生对自己的充分信任和内在的迫切需要, 因此, 采用适合学生学习程度的动态评价, 使学生能够充分展示自己的能力, 了解自己具备哪些能力, 就能激发学生学习数学的热情。

二、探索动态评价的“法”。

评价的方式要多样化, 评价的方法要合理。合理公正地评价学生学习数学的能力, 需要我们探索优化、开拓多种多样的评价方式和方法。评价力求小型、分散, 可以用提问、作业、测验、调查、操作、观察、面谈、答辩等方式进行。

单项评价和综合评价相结合。单项评价对一部分数学成绩差的学生比较适用, 因为它考察的内容比较单一, 能够通过短时间努力取得较好的成绩, 这样就会使学生增强自信心, 帮助他们尝试成功的喜悦。综合评价的内容可以注重应用性和灵活性, 让学生能利用所学的知识解决一些实际问题。这样将单项评价和综合评价合理地结合, 使不同的人在数学上能得到不同的发展。如我们在检测学生运算能力时, 有一组简单一点儿的有理数的计算题, 关注学生对有理数的意义和法则的理解;同时有一组注重考察学生的归纳、概括、猜想、推理等能力的较难的计算题。

自评与他评相结合。面前我们往往只注意了“他评”, 而忽略了自评。学生既是学习和思维训练的主体, 也是评价的主体。因此, 我们应该重视学生的自我评价, 通过创设评价情景、训练评价方法来激发评价能力, 强化评价意识, 引导学生参与评价的全过程, 使他们初步掌握评价的程序和方法, 养成自我评价的习惯。并通过自我认识、分析和改进, 达到学习数学能力的能动、自觉发展。

静态评价与动态评价相结合。静态评价只是对学生实态的评价, 用量化指标刻画学生学习数学的能力和水平, 但它不能考虑学生自身情况和外界环境的影响, 所以结果有很大的误差。这就要求我们必须要进行动态的评价。教师要根据具体情况灵活地变换题目和要求, 通过观察、对话, 启发引导学生进入问题情境, 从而判断他们数学学习的能力, 把动静结合起来, 不仅使评价标准稳定, 而且使学生得到充分的发挥。动态评价要体现在课堂上, 课堂是提高学生学习能力的主阵地。教师应对学生在课堂上的各项表现进行观察、记载和评价, 如听讲、提问、动手实践, 思维创新等方面分不同的层次, 每星期进行一次课堂评价, 将结果记入学生成长记录。

三、利用动态评价的“果”。

动态评价下财务指标选取思考篇9

一、动态财务评价指标基本特性

根据财务报表可以得到的财务指标数量众多,用于反映某一方面财务状况的指标也不计其数,但是并不是所有的财务指标都能满足财务评价的要求,特别是动态评价对指标的基本要求。综合来看,财务指标需要具有以下性质特征,才能用于动态财务评价。

(一)全面性

财务评价是对企业财务概况的综合反映,其所包含的指标应该全面系统,具备高度的概括能力,能反映企业财务最本质、最重要的特征。在指标形式上,注重数量指标和质量指标相结合,时期指标和时点指标相结合。

(二)数量性

在统计分析中,将数据资料按照计量层次划分为定性数据和定量数据。其中,定性数据居于计量层次最低阶段,数学性质有限,难以对此进行深入的统计方法应用,显然这已不能满足现代财务评价的要求,尤其是动态财务评价,其实施必然是建立在定量分析的基础之上,因此必须以定量数据为基石。总之,我们所选择的财务指标,其表现应当是数量性的,并且应当是可测的。

(三)可重复获取性

财务评价指标必须是能够公开并重复收集的,这样才能保证动态比较的可实现性,也才能便于各方使用者可以公开获取得到比较结论并能进行验证。一般来说,目前的财务评价研究都是针对上市公司展开,也正是因为上市公司严格的财务报表披露制度,各类财务指标可以公开获取得到。因此,基于信息的可获取性及可重复收集性这一原则,动态财务评价的数据严格说也是来源于上市公司公布的各期财务报表。

(四)可比性

动态财务评价要反映了上市公司财务状况的长期走势,因此要求不同时期的评价指标具有可比性。所谓可比性,即要求指标在计算口径、范围和计算方法等方面满足一致性的要求。但是不可避免地,在我国证券市场发展的这十多年里,我国的企业会计准则发生了几次变化,这必然会影响到上市公司各时期财务指标的可比性,因此,在具体比较时应该考虑会计准则变化带来的影响。

(五)灵敏性

不同的指标变化特征,对财务状况变动的反映是有差异的,有的灵敏,有的迟钝。我们应选择那些能及时捕捉财务运行变动方向且可信度较高的指标来进行动态比较,以更有利于利用动态比较的结果对企业财务状况进行监测或预警。

(六)重要性

每一个指标在反映企业某一方面的财务状况,其重要性并不相同,我们选取的指标应该是对于反映企业财务特征有重要地位和重大影响,并被广泛认可关注的这类重要指标,或者说应该选取蕴含了重要财务信息的指标。

(七)代表性

由于各财务活动是相互联系、相互影响的,则各财务指标之间的关系往往也并不相互独立,而是存在很多联系、制约,故指标间存有一定的可替代性。利用这种关系,选择有较强代表性的指标,可减少工作量,避免重复评价。在财务报表中,会计数字之间存在着相互勾稽平衡,某些财务比率,尽管是反映企业财务属性的不同方面,但是其分子分母却存在着完全相关性,完全可由其中某个比率变换计算形式得到另一个比率,对于这类型比率,适当选择其一纳入财务指标体系即可。

(八)可靠性

财务指标的可靠性会直接影响到动态评价的可靠性,因此选取的评价财务指标必须具备可靠性。目前,证监会有严格的上市公司信息披露管理办法,这对上市公司公布的财务指标的可靠性有了良好的保障。当然我国证券市场中出现过一些上市公司不规范操作、虚报、瞒报等事件,此外,企业的盈余管理活动等,也会影响到财务指标的具体表现,但总体说来这一方面影响不会对动态财务评价的结果有实质改变。

需要注意的是,在目前企业业绩评价研究中,很多学者提到了财务报告外数据与一些非财务指标对企业评价的重要性,但是这些指标往往不能符合以上提到的八点特性,如不能满足“数量性”、“可重复获取性”、“可比性”等,而另一方面,笔者认为这里的研究主题为“财务评价”,尽管这些报表外数据或非财务指标在对企业进行评价时具有重要经济意义,但是为了使评价结果更具针对性,其内容还是应该精炼于企业的财务状况,而非其他。

二、动态财务评价的指标选取

满足以上性质要求的财务指标并没有构成评价指标体系,基于综合评价对评价指标体系的要求——广覆盖面与最小集,还需要对其进行进一步选取。

(一)评价指标选取方法综述

一般来说,评价指标的选取方法可以分为“定性和定量两大类”:定性选取主要是指基于对研究论题、研究对象的理解认识,主观地选取重要指标构建评价系统;而定量方法,主要是利用经验数据通过统计方法进行相关的实证研究得出选取结果。定性的选取评价指标,结果受到研究者对问题的认知影响,不可避免地体现了研究者的主观意识,因此,定性的选取评价指标,其评价结果的公认性往往会受到一定影响。总的来说,定量选取方法是从数据特征出发,能够较好地平衡指标选取的全面性和代表性问题,避免了研究者对问题认识的局限性,也降低了评价结果的主观性和可操作性,但是这一方法也有其不足之处:一是定量方法只单纯从指标数值特征入手,而抛开了指标本身的经济内涵,忽略了指标的经济意义;二是定量方法得到的选取结果受到样本数据随机性的影响,结果往往处于变动之中;三是定量方法对指标选取的代表性作用,也可通过后续的综合评价过程来加以实现。因此,在实际应用中,大多数的研究文献还是采用定性的评价指标选取方法。

(二)动态财务评价指标选取方法的考虑

如上文所述,评价指标的定量选取能避免结果的主观性,但是存在固有的局限性,特别是应用到动态财务评价之中,更有不可避免的不足。首先,动态财务评价不同于静态财务评价的横向比较,而是评价企业的各期财务概况与某一特定时期的财务概况的纵向比较,这必然要求两时期的评价指标是一致的,这样的纵向比较才会有意义。以上的定量处理方法,是根据某一时期的样本数据实证分析得到,而不同时期的财务指标,其样本数据必然有差异,从而不同的时期就会有不同的选取结果。如果每期用不同的评价指标,势必会影响动态财务评价本身的稳定性与可比性;如果固定只用某一期的选取结果,则又会影响到其他时期指标选取的代表性,这也是定量选取方法应用动态研究的最大局限。第二,以上的各种定量选取方法,可以说都是以保证选取指标的最大代表性而运用的各种统计方法,结果往往是用数值波动较大的指标替代波动不大的指标,但是这样的结果在经济意义上却很难解释,特别是对于已经发展很成熟的财务评价指标体系,其得到的结果、乃至最终的结论可能会与大众普遍的认识相悖。第三,财务指标的信息重叠性本身是不可避免的,这源于构成这些指标的会计数字之间的丰富内在联系,财务报表中的数字本身就存在一个相互勾稽的关系,必然会使各类指标在信息上存有交叉,如果为保证指标的代表性,必然会损失掉部分的信息充分性和重要性,而这些重叠的信息可能也正是重要性的体现。

尽管定性的选取评价指标,结果会受到研究者视角与认知的限制,带有明显的主观性,但是相对定量方法的不足,以及实际操作的繁琐,在实际研究中大多数的文献还是以定性方法为主。特别是对于财务评价指标体系的构建,这一方面的研究已经相当广泛与深入,并已形成了一些重要的、具有代表性的评价指标体系。因此,以笔者所见,动态财务评价的评价指标还是应以定性的选取为主,在此基础上可以考虑采用专家法,博采众长,在一定程度上尽量降低定性方法的主观性。同时也要指出,并不存在一个能够得到公认的普遍适用的评价指标体系,因为不同的评价目的、评价对象与内容,其指标体系必然会有不同的指标与之对应。