5多指标综合评价方法.ppt

第五章 多指标综合评价方法 第一节 平均法 第二节 距离法 第三节 模糊评价法 第四节 灰色关联度法 第五节 聚类分析法 第六节 主成分分析 第七节 因子分析 第八节 判别分析 第九节 数据包络分析法 第一节 平均法 一、数据平均法 第一节 平均法 一、数据平均法 第一节 平均法 一、数据平均法 第一节 平均法 一、数据平均法 二、综合经济效益指数法 三、功效系数法 第二节 距离法 一、距离法的含义 从几何角度，每个评价对象都是由反映他的多个指标值在高维空间上的一个点，综合评价问题就变成了对这些点进行排序和评价。 首先在空间确定出参考点，如最优点和最劣点； 然后计算个评价对象与参考点的距离； 与最优点越近越好，与最劣点越近越差。 这就是距离综合评价法的基本思路。 二、距离法的步骤 第一步：确定评价矩阵和指标权重向量 第二步：指标同向化 第三步：构建规范化评价矩阵 第四步：构建加权规范化评价矩阵 第五步：确定理想样本和负理想样本 第六步：计算每个评价对象与理想样本和负理想样本的距离 第七步：计算评价对象与最优样本相对接近度 第八步：排序 第一步：确定评价矩阵和指标权重向量 被评价对象集为 评价指标集为 指标权重向量 评价矩阵 为指标 的权重， 为评价对象 针对指标 的评价值 第二步：指标同向化 对于逆指标，取 对于适度性指标，取 其中： 为最合适的值， 离 偏差越大越不好。 指标同向化后的评价矩阵仍计为 第三步：构建规范化评价矩阵 将评价矩阵 规范为 其中 第四步：构建加权规范化评价矩阵 考虑到指标权重向量，可构建加权规范化矩阵 其中 第五步：确定理想样本和负理想样本 所有样本中各指标的最大值构成理想样本 各指标的最小值构成负理想样本 其中 第六步：计算每个评价对象与理想样本和负理想样本的距离 计算公式分别为 第七步：计算评价对象与最优样本相对接近度 相对接近度越大，表明评价对象与理想样本的相对距离越小 第八步：排序 根据接近度 的大小可以进行各评价对象的排序，即 越大，相应评价对象的工作绩越好。为了更符合人们的评价分值习惯，还可以将 再做一些变换，如： 变换成百分制，更便于排序和比较 . 三、距离法的应用举例 假设某公司对5名销售员的工作绩效进行考评，选取的考评指标如下： 1） 销售额（ ）； 2）销售增长率（ ）； 3）销售费用（ ）； 4）不良债权比例（ ）； 5）客户关系（ ）； 6）纪律与责任心（ ）。 指标权重向量为 上述的销售费用指标和不良债权比例指标是逆指标，要首先进行正向化处理，然后对全部数据进行加权规范化处理，得到评价矩阵： 确定最优样本和最劣样本 : 利用公式计算 ， ， 结果如表 五个人的业绩由好到坏排序为: 第三节 模糊评价法 模糊数学简介： 1965年，美国加利福尼亚大学的控制论专家查德根据科学技术发展的客观需要，经过多年的潜心研究，发表了一篇题为《模糊集合》的重要论文，第一次成功地运用精确的数学方法描述了模糊概念，在精确的经典数学与充满了模糊性的现实世界之间架起了一座桥梁，从而宣告了模糊数学的诞生。从此，模糊现象进入了人类科学研究的领域。 模糊综合评判 是以模糊数学为基础，应用模糊关系合成的原理，将一些边界不清，不易定量的因素定量化，进行综合评价的一种方法。 一、模糊综合评价方法的涵义 有些评价问题一般只能用模糊语言来描述。 例如,评价者根据他们的判断对某些问题只能作出“大、中、小”,“高、中、低”,“优、良、劣”,“好、较好、一般、较差、差”等程度的模糊评价。 在此基础上，通过模糊数学提供的方法进行运算，就能得出定量的综合评价结果,从而为正确决策提供依据。 二、模糊综合评价方法的数学模型 1、建立评判对象的因素集U 这一步就是要确定评价指标体系，解决用什么指标和从哪些方面来评判客观对象的问题。 对某一事物进行评价,若评价的指标为n个, 则这n 个评价指标便构成一个评价因素的有限集合 U。 2、 建立评判集 V 若根据实际需要将评语划分为 m个等级, 则这m个等级评语，就构成一个评判的有限集合V 。 例如： 对政府的某项决策进行评价,可以从它的科学性