综合评价的基本范式

从综合评价的基本机理出发，综合评价的分析范式主要由评价背景分析、评价模型的建立、评价指标、标准与权数的确定、评价结论的得出与分析等部分组成。

（一）综合评价背景分析

评价背景的分析是指对评价主体、评价对象以及评价任务的分析与确定。

1.评价主体分析

评价主体是指从事评价活动的人。邱东等认为，评价主体在评价活动中占据着主导地位。他指出：评价主体的主观作用是通过主体的行为表现出来的，主体的评价行为直接关系到评价效果。主体的行为受到各种各样因素的影响，归纳起来有经济利益因素、社会制度因素和文化知识因素，它们或激励或约束着主体的行为。如果三方面的因素能够比较好地实现协调和制衡，那将有助于实现评价主体行为的客观性和公正性，有助于实现评价结果的科学性。否则的话，评价主体的行为将很容易偏离正常轨道。要实现评价主体行为的规范，就需要在承认经济利益是人类行为的最基本的动因的前提下，建立起评价主体行为的激励与约束机制，评价市场的规范机制。综合评价工作是一个影响大、技术含量高的工作，对参与者要有相当的要求。一个合格的评价者需要思想敏锐、勤于思考、富于创造、勇于革新，能审时度势，要具备相应的政治思想素质、科学知识素质、工作作风素质，具有分析、综合、判断、组织、应变能力。对于一个评价组织来说，其人员构成应具有合理的智力结构，除了需要有所从事评价的某一方面的专门人才之外，还应该有系统工程、战略决策、管理学等综合科学的学者。由评价供需双方形成的评价市场是具有一定特殊性的技术市场，除了需要具有一般市场所共有的管理要求之外，还需要有一定的特殊要求，如评价市场的准入制度。为了保证评价的权威性，不论是评价个人还是评价组织，都需要建立起相应的能力与资格认证制度。国家在保证各类官方和民间评价机构的独立性和公开性的同时，需要对这些评价机构的运行实施必要的监督和管理，并逐步地形成一套完善的监管制度体系。

2.评价对象分析

在综合评价过程中，评价对象也就是评价客体，是指被评价的人和事。比如道德评价的对象是自己或他人的行为及道德品质；经济评价的对象是经济运行的过程和结果；科技评价的对象是科学研究或实验的过程、结果及推广应用等。为此，综合评价作为对评价对象的一个认识过程，其也就具备了全面性、系统性和综合性的特点。

其中，“全面性”是指无论是人还是物，其都有正反两个方面的特征，我们对他们的认识也就应该一分为二，而不能以偏概全，从而使得结论走向极端。

“系统性”是说评价对象都是一个复杂系统，这不仅仅体现为评价对象的构造具有多层次性，而且体现为评价对象的发展过程是一个各组成部分的相互影响相互作用的过程，同时各个组成部分在评价对象的发展过程中具有不同的作用程度。据此，综合评价的开展，也就应该充分考虑评价对象的系统构造，以系统科学为依据来进行综合评价。

正因为评价对象是一个复杂系统，在评价过程中我们就应该正确考虑各个子系统对评价对象发展的影响作用，从而也就使得综合评价具有了综合性的特点。

3.评价任务的确定

关于综合评价的具体评价任务，通常都依赖于某一具体评价活动的开展。从一般意义上来讲，综合评价的任务大体上可以区分为评价对象的优劣、考察事物发展的合理性、判断政策措施的有效性等几个方面。

其中，区分评价对象优劣的表现形式是多种多样的，比如本科教育评优、各项评比活动、干部考核等等；关于事物发展合理性的评价，从宏观上来讲体现为经济运行的合理性评价，而在微观上则体现为企业运行机制的合理性评价；政策措施有效性的评价，在近年的研究也比较多，比如货币政策有效性研究、汇率政策有效性研究，以及再就业税收政策有效性研究等等。

（二）综合评价指标体系的建立

综合评价指标体系是对评价对象各方面的数量特征依据其内在的联系，基于某一种评价目的与任务，而进行的概括与归纳。关于综合评价指标体系的有关理论，邱东、杨仲山等在他们所著的《当代国民经济统计学主流》中进行了系统总结与梳理。

邱东、杨仲山等认为，综合评价指标体系的构建，应遵循目的性原则、全面性原则、可行性原则、稳定性原则、协调性原则、结合性原则、科学性原则、层次性原则和可比性原则。其中目的性原则要求选取的指标应从研究问题的目的出发；全面性原则要求选取的指标应尽可能地反映研究对象的各个方面；可行性原则要求选取的评价指标不仅是具有代表性的，还应是可行的，指标的数据应容易取得，而且可以保证数据的质量，能真正可靠；稳定性原则要求选取的评价指标应是变化比较有规律的，有些受偶然因素影响而发生大起大落的指标不宜入选；协调性原则要求指标选取虽然是统计分析的第一步，但必须与后面所选用的综合评价方法相协调；结合性原则要求在构建指标体系时，应将定性分析方法与定量分析结合起来，片面地强调定性方法或定量方法都是不妥的；科学性原则要求整个评价指标体系从元素构成到结构，从每一个指标计算内容到计算方法，都必须科学、合理、准确；层次性原则要求建立综合评价指标体系的层次结构，为进一步的因素分析创造条件；可比性原则要求所构建的评价指标体系应公平对待每一个被评价对象，指标不能具有偏向性。

邱东、杨仲山等还指出，综合评价指标体系的构建，一般分为元素构建和结构构建两个方面。其中，元素构建应明确统计指标体系是由哪些指标组成的，各指标的概念、计算范围、计算方法、计量单位分别是什么，这是统计指标设计的问题；结构构建应明确统计指标体系中各个指标之间的相互关系如何，层次结构如何，与外界环境之间的关系怎样。与此同时，综合评价指标体系的构建，还应注意指标间信息重叠分析与消除工作。

指标间的信息重叠是指在用两个或两个以上的指标同时反映和测量同一理论概念时，所发生的对概念的内容结构映射面或映射信息的重复。之所以会产生指标间信息的重叠，是因为指标所反映的社会经济现象的内容结构不是板块式的组合，而是存在复杂的交叉关系。综合评价指标体系中指标间信息的重叠影响的消除，可以采用复相关系数、多元回归法、逐步回归法、主成分分析法、因子分析法等。此外，也可通过建立分指标分层结构、分离重叠源、修正指标权重以及极大不相关法、专家法和聚类分析法的运用，在多指标综合评价中消除指标间信息重叠的影响。

（三）综合评价权重的确定

在综合评价中，权重系数确定的精确度和科学性将直接影响评价的结果。为此，如何确定综合评价的权数，也是有关学者近年的研究重点，且各抒己见。例如，戴西超、张庆春根据样本数据的有无，将权数计算方法分为了定量和定性两大类。他们指出，权数确定的定性方法有德尔菲法、层次分析法、模糊聚类法和比重法等；权数确定的定量方法包括熵值法、灰色关联度法、人工神经网络定权法、因子分析法、回归分析法和路径分析法等。

（1）德尔菲法。德尔菲权数确定法依据多个专家的知识、经验和个人价值观对指标体系进行分析、判断并主观赋权值的一种多次调查方法。当专家意见分歧程度局限在5%～10%时则停止调查。

该方法适用范围广，不受样本是否有数据的限制。缺点是受专家知识、经验等主观因素影响，过程较繁琐，适用于不易直接量化的一些模糊性指标。

（2）层次分析法。层次分析权数确定法是按系统的内在逻辑关系，以评价指标构成一个层次结构，专家针对同一层或同一域进行两两对比，并按规定的标度值构造判断矩阵，求出的特征向量，最后将特征向量归一化而得到各因素的权重。

该方法对各指标之间重要程度的分析更具逻辑性，再加上数学处理，可信度较大，应用范围较广。缺点是各指标之间相对重要程度的判断因专家不同而异，有一定的主观性，适用于具有模糊性的指标或有样本数据的指标。

（3）综合法。综合法是将其他各种权数确定法所确定出的同一权数的各种值，以某种组合采用平权或非平权的方法求出算术平均值或几何平均值，进而求出综合权重。

该方法应用较广，综合多种方法，精度较高，但计算量较大。

（4）熵值法。熵值是对一个系统状态混乱程度的度量，熵值越大，系统越混乱，反之越有序。

1948年，申农首次将信息熵的概念引入信息论中，作为随机事件不确定的量度，而独立于热力学熵的概念。即当一个事件的随机性越强，相应的熵越大；反之，若事件为必然事件，则熵值为零。熵值反映了指标信息效用价值，因此，在计算指标权重时，若某个指标中的各个数值之间变化不大，则该指标在综合分析中起的作用小，即权小，相反则权大。该方法计算结果可信度较大， 自适应功能强，但受模糊随机性的影响，而且各指标间的联系不大，适用于具有数据的样本。

（5）灰色关联度法。灰色关联度反映的是事物间在发展过程中的关联程度。其是一种将评价对象作为一个发展变化的系统，而进行的动态过程发展态势量化分析。

灰色关联度法本质上是几种曲线间的几何形状的分析比较，形状越接近，则发展变化态势越接近，关联度越大。该方法计算所需样本数据少，计算量小，计算结果精度高。缺点是要求样本数据具有时间序列特性。

（6）主成分分析法。主成分分析是通过用一些较少的新的数量指标（因子）代替原来较多的指标，这些新指标是原来指标的线性组合，并且能充分载有原来指标的信息，从而可以用新指标对原来信息的反映程度作为权。

主成分分析法在确定综合评价权数时，客观性强，避免了人为赋权所造成的偏差。缺点是新指标不可能完全反映原来指标的信息，有一定的偏差，适用于有数据的样本。

（四）综合评价方法的选择

评价模型是指将多个评价指标值合成为一个整体性的综合评价值的数学模型。在综合评价过程中经常使用的评价模型主要有指数模型、功效系数模型、最优值距离模型以及模糊综合评价模型等。

1.指数模型

指数模型是通过将单项指标值与对比标准值（通常取该评价指标的总体平均数或基期数值）相比，求得单项评价指数（单项得分），然后再对单项评价指数进行加权算术平均即得综合评价总指数（总得分）的综合评价模型。该模型的优点是所计算的评价指数（评价值）可以完全反映各评价指标实际数值的大小，充分体现各评价对象之间的差距。其缺点一是对比标准值的确定有困难。若以被评价对象基期数值作为对比标准值（所得单项评价值实为发展速度），则有“鞭打快牛”之嫌，各评价单位的起点不同，将基数悬殊的评价对象的发展速度等同看待，可能致使评价结果不尽合理。若以平均值为对比标准值则不同评价指标有不同的差异程度，相应评价值的波动范围也可能有很大差异。二是单项评价值没有明确和统一的取值范围（即理论上无上下限）。若存在极大值时，单项评价值过大，在计算综合评价值时，就会夸大该评价指标对总评价值的影响作用，并会由此而掩盖其他评价指标方面的不足。

2.功效系数模型

功效系数模型的基本思路是：先确定每个评价指标的满意值和不容许值，然后计算单项评价值公式（3-1），最后将单项评价值加权平均得到综合评价值。

功效系数模型的优点是：评价指标不需要经过同向化处理；指标数值与单项评价值之间也是线性转换关系，评价值能够反映出各评价指标的数值大小，可充分地体现各评价对象之间的差距；而且单项评价指标值一般为60～100。与指数法相比，它缩小了单项评价值的差距，在很大程度上限定了单项评价值的取值范围，使某一单项评价值过高对综合评价值的影响有明显减弱。

功效系数模型的缺点是：在许多综合评价问题中，理论上没有明确的满意值和不容许值，因此，该方法的实际操作难度较大。

3.最优值距离模型

最优值距离模型的基本思想是：以最优值为对比标准，将各单位的实际值与最优值的相对差距作为单项评价值，对单项评价值加权算术平均即得总评价值。其中，单项评价值的计算公式，如（3-2）：

与其他方法不同的是，最优值距离模型的评价值是个逆指标，评价值越小，表示评价对象的状态与最优状态的距离越近。

值得注意的是，上述评价值的计算公式只适合于评价指标本身为正指标的场合。若评价指标有逆指标时，不能采用倒数法进行同向化即不能采用“1-最优值/实际值”的方法来计算评价值，否则对比标准成为实际值，与最优值距离的含义不符合，实际上也与其他评价指标的评价值具有不可比性，应该采用“实际值/最优值-1”来计算评价值。即由于我们关心的是实际值与最优值相差的相对距离，所以最优值距离模型计算单项评价值的公式应改写为（3-3）式，这样无论对正指标还是逆指标，均适合之。

最优值距离模型的优点是：评价值都在（0， 1）之间，指标数值与单项评价指数之间也是线性转换关系，评价值能够充分反映出各评价指标的数值原始信息。但很明显的是，其评价值若以单项指标的最优值为对比标准，会导致评价结果的稳定性差，当最优值远远偏离一般水平时，评价结果也容易受极端值（最优值）的影响，使大多数单位评价结果的差距不明显。

4.模糊综合评价模型

模糊综合评价模型是利用模糊集理论进行评价的一种方法。模糊集理论不是单纯的数字和符号的形式演算，而是模拟人的思维推理过程，充分利用人脑对模糊现象能够做出正确判断的优点，使定性化的因素向定量化逼近，从而得出科学的结果。综合评价是人脑的思维活动，模糊性是人类思维的特点之一，模糊综合评价模型在某种程度上弥补了经典数学与统计数学的不足，因而近年在系统评价领域得到了广泛的应用。

模糊综合评价模型的方法步骤是：

（1）确定评价因素集U = ｛ u1，u2，…，un｝，即评价指标体系。

（2）确定评语集V =｛v1 ，v2 ，… ，vm｝，即评语等级的模糊尺度集，如中等、好、较好等。

（3）确定因素权重集W=｛ω1，ω2，…，ωn｝，即因素的重要程度。

（4）单因素评价，就是相对于评价因素ui分别求出评语vj的隶属度rij ，并建立模糊隶属度矩阵R。

（5）计算综合评价结果B=R·VT。

（6）对模糊综合评价结果向量进行分析。

模糊综合评价模型改进了常规多指标综合评价方法，将被评价事物的变化区间做出某种划分，对事物属于各评价等级的程度做出分析，因此对复杂事物的描述更加深入和客观。

（五）综合评价结论的得出与分析

在构建起综合评价模型并确定出综合评价指标体系、评价标准和评价权数后，通过有关指标体系数据搜集与整理，我们可以运用所选用的评价模型对评价对象进行综合评价，求取综合评价值。在得到这个综合评价值以后，我们还要对这一评价结果进行相应的福利分析。

评价结果的福利分析是依据评价结果对评价对象所进行的价值评估。这种分析的基本依据是帕累托最优或帕累托改进标准。之所以采用这个标准，是因为该标准不仅仅给出了经济活动的价值取向，而且也给出了人类的基本行为规范。为此，凡是符合帕累托最优或帕累托改进标准的活动，我们都应该认为其是有益的，是符合人类福利最大化原则的。