我国制造业企业绩效评价方法选择

一、评价指标权数的确定

评价指标权数又称指标权重，它是在一个指标集合体中各个指标所占的比重，它的确定取决于指标所反映内容的重要性和指标本身信息的可信赖程度。指标权数是对评价内容重要程度的认定标志，具有重要的导向作用，权数大表明指标的影响或作用大。在指标体系一定的情况下，权重的变化直接影响评价结果，因此科学地确定指标权数在多指标评价体系中非常重要。

指标权数的确定方法很多，常用的方法有主观经验法、德尔菲法、专家调查加权法、相关性权重法、层次分析法等。这里着重介绍一下专家调查加权法。

专家调查加权法是先聘请一些专家，要求他们各自独立地对考评指标加权，然后按每一个考评指标统计，取其平均值作为权重系数，具体操作步骤如下。

（1）确定指标体系分类的等级与权重数值（见图9-2）。

图9-2 指标分类权数分布图

Fig.9-2 Chart of indicator classification and weight distribution

这里我们把指标等级分为五级，加权取值区间为[0，1]，区间内越值相差0.05。

（2）专家选择与加权。所选取的专家要求具有代表性、权威性与认真负责的态度，独立的个性。专家人数以所考核的客体对象是否复杂，条件是否允许为依据，一般10至50人为宜。

专家选定后，他们应在熟悉与掌握有关的加权操作的方法与要求后才能实施，然后把加权的结果填入相应的事先制订的加权表中。

（3）计算与检验。对各位专家的选择结果采用加权平均的方法进行处理，可得出最后的结果。计算公式为：

式中：a为某指标权重系数；ai为第i位专家所加权的权重系数；fi为第i个指标选择权重系数ai的人次。

为了保证加权的质量，最后对a进行检验，检验公式为：

式中，k是均衡率；s是相对同一指标不同专家加权系数的标准差；a是被检验的加权系数。k值越大，说明专家对同一指标加权的意见很不一致。当k≤0.15时，加权结果较为一致，合格；当k>0.15时，则应该剔除a+3s>ai>a−3s区间以外的奇点数据（过高过低），然后再进行加权平均求出a。

（4）根据上述（1）～（3）所有评价指标将分成“不重要”、“一般”、“较重要”、“重要”、“最重要”五类，然后进行归一处理，或经验加权。无论哪一种，最后各指标权重和必须为1或100%。像绩效评价指标体系的确定受多种因素影响一样，指标权重的设置也受到诸如企业规模、企业所处的发展阶段特性以及企业的战略目标等因素的影响，因此，在本论文指标权重的设置中，我们对各层次的具体指标不设置固定权重，企业在进行绩效评价时，可以根据企业的经营特点，组织相应专家，在参考本套绩效评价指标体系的基础上，对各指标进行取舍，先确定本企业的各具体评价指标，然后再对各指标的重要性进行打分，最后确定各指标的权重。

二、我国制造业企业绩效评价方法的选择

企业作为一个复杂的综合经济体，要实现对企业绩效的全面评价，需要按照多目标规划的原理，通过一定的计量模型，将影响企业经营与发展的多层次、多因素指标对照相应的评价标准进行对比分析，由此形成集合财务、业务流程、学习与成长、顾客以及社会目标等整体分析的量化结论。根据我们前面所设定的制造业企业绩效评价指标体系为多层次、定量指标与定性指标相结合等特点，我们采用多层次模糊综合评价法来进行评价计分，并运用“最大隶属度”原则评价出企业经营绩效的优劣。

（一）模糊综合评价法的原理

模糊评价法又称模糊判断，是借助模糊数学的一些概念，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。

模糊综合评价通过构造等级模糊子集，把反映被评事物的模糊指标进行量化（确定隶属度），然后利用模糊变换原理对各指标进行综合。评价的基本步骤如下：

（1）建立因素集U：U={u1，u2，……，un}

即确定影响事物的各因素，分别用ui表示。

（2）建立评价集V：V={v1，v2，……，vm}

即确定等级集合，每一个等级可对应一个模糊子集，一般情况下，评语等级m取[3，7]中的整数，因为如果m过大，则语言难以描述且不易判断等级归属；如果m过小又不符合模糊综合评价的质量要求。具体等级可以依据评价内容用适度的语言描述，比如评价产品的竞争力可取V={强，中，弱}。

（3）建立模糊关系矩阵R

评价矩阵R可通过专家调查法或德尔菲法得到。首先成立一个由L位专家组成的评判组，每位专家针对每一个因素ui（i=1，2，……，n）评定评价集V中的一个且仅一个等级vj。若L位专家中，评价矩阵的第i行，综合整理各因素的征求意见结果，即可得到评价矩阵R：

（4）建立权重集A：A={a1，a2，……，an}

其中，0≤ai≤1，且。因素的权重集是表示各因素重要程度的权数所组成的集合，表示某因素在评价中的重要程度，可用专家系统中的经验打分法得到。

（5）模糊综合评价，得出评价结果

模糊判断又称模糊综合判断，即运用合适的合成算子将A与各被评事物R合成得到各被评事物的模糊综合评价结果向量B。

R中不同的行反映了某个被评事物从不同的单因素来看对各等级模糊子集的隶属程度。用模糊权向量A将不同的行进行综合就可以得到被评事物从总体上来看对各等级模糊子集的隶属程度，即模糊综合评价结果向量B。模糊综合评价模型为：

其中，bj表示被评事物从总体上看对Vj等级模糊子集的隶属程度。

对于多层次模糊评价可以理解为几个单层次模糊评价的综合。

（6）对模糊综合评价结果向量进行分析

求出B=（b1，b2，……，bm）之后，可以根据以下两个原则得出综合评价结论：

①最大隶属度原则：若bk=max（b1，b2，……，bm），则可判定对此事物的评价为Vk。

②模糊分布原则：即用B直接作为评价结果，使人们对此事物的等级有一个全面的了解。

（二）定量指标的隶属度模型

模糊数学中隶属函数有多种，在这里主要介绍其中的三种：升半梯形、降半梯形和正态型。其中，升半梯形的隶属函数适用于越大越好的指标，降半梯形的隶属函数适用于越小越好的指标，正态型的隶属函数则适用于适度指标。

（1）升半梯形隶属函数

（2）降半梯形隶属函数

（3）正态型隶属函数

以上三种类型函数式中：a1和a2的取值对隶属度的确定有一定影响。因而在确定a1和a2的取值时关系着评价标准的客观性、科学性，也从根本上影响着评价结果的客观真实。a1、a2值的确定一般有以下几种方法：一是参照国家财政部制定的《国有资本金效绩评价标准》，a1、a2分别取处于差和优秀等级评语的标准值；二是参照处于同行业同规模的其它企业的经营绩效情况，并运用数学的方法来确定。如对于正指标的隶属函数模型的上下限的确定，我们在选取一组相似企业作为评价标准后，对于每一个指标我们都将得到一组数据，最简单的方法是计算这组数的平均值，再计算大于平均值的一组数的平均值，并将它作为隶属函数的上限值，同样，计算小于平均值的另一组数的平均值作为隶属函数的下限值；三是参照本企业历史经营绩效数据，其确定方法与选择同行业同规模其它企业的经营绩效情况相似。

（三）定性指标的隶属度模型

对于评价指标体系中的定性指标，我们这里运用模糊统计原理对其进行了量化处理。

（1）模糊统计的一般方法

假设的等级论域为V={v1，v2，……vm}分别对应模糊子集E1，E2，……， Em，要确定某评价对象F对Ej（j=1，2，……，m）的隶属度，可以让一批评价者（共n人）分别给出对该问题的看法并统计结果，见表7-6所示。

表9-4 定性指标模糊统计结果表

其中n1+n2+L+nm=n，且n要充分大。

（2）运用模糊统计方法对定性指标进行量化在对制造业企业绩效评价体系的定性指标进行量化时，可采用以下步骤：

①建立因素集U：U={u1，u2，……，un}

其中，ui表示第i个影响因素，i=1，2，……，n。

②建立评价集V：V={v1，v2，……，vm}

其中，vj表示第j个评判结果，j=1，2，……，m。定性指标的等级评语可以由调查统计的结果来确定，同样，m一般取[3，7]中的数。这里，为了便于设置评语，也便于被调查者判断，我们取m=3，即采用了三级评语制，其中我们把得分0.7～1.0规定为优秀，0.4～0.69为一般，0～0.39为差，具体评语及对应的隶属度如下：V={v1（优秀），v2（一般），v3（差）}，相当于V={0.85，0.55，0.2}

③发放社会调查表。根据所设定的定性指标的特点，选择特定对象发放调查表。

④定性指标隶属度的统计与计算。根据收回的有效调查表，按照上述方法进行模糊统计。把所有数据按评价标准隶属度集U加总后，除以被调查的人数求得该定性指标的隶属度。