谈标杆赋权重评价法

□文/刘 钊 李海生 鲁俊杰

（石家庄经济学院 河北·石家庄）

一、各种评价方法对比

时下最常用的评价方法有AHP层次分析法、神经网络评价、模糊数学评价、灰度评价。除灰度评价外，其他几种方法都牵扯到人为主观判断，且灰度评价由于权重几乎不进行考虑，评价效果也是最差的，灰度比较适用于简单的比较评价，且指标间数量差异较小。AHP过多的牵扯到专家评分，对于资源相对缺乏的人来说很难适用，模糊数学也同样需要多位专家进行评分。神经网络一般需要MatlaB软件，相对比较麻烦，对于不同人不易上手。Matlab也是收费软件，对于非从事一定行业的人购买这款软件负担太大。

二、新方法的构建思路

通过一定的方法寻找一个标杆企业，把标杆企业认为是我们所要评价目标里评价分数最高的，因此，他的总得分应该是最高的。通过一定的方法计算出指标的权重。再用计算出的指标权重对所有公司进行数据处理，得出最终评分。当然，标杆企业是最高得分的样本。由于是通过先寻找标杆企业，再根据标杆企业的各指标值进行计算求出权重，所以，此方法命名为标杆赋权重评价法。

三、具体步骤

1、通过一定的方法找到标杆企业。这里主要是还通过一定主观定性判断，如IT行业里谁竞争力最强？有人可能会选择财富500里排名最高的企业。但是尽量选择争议性最小的企业，例如在评价PC制造企业创新性时，如果在所有公司里选择方正，那么争议是比较大的。在这里选择标杆企业可以是完全主观的，也可以选择几个待定的标杆企业，当计算出的权重不甚理想时，可以把标杆企业替换成待定的标杆企业。

2、制定评价指标。根据评价指标寻找数据，这里评价指标要尽量能够概括评价目的，对代表指标的数据进行归一化处理，处理方法为（M-n）/（M-m），M为指标数据里的最大值，m为指标数据里的最小值，n为当前指标数据值。其实对数据处理远比这要复杂得多，因为牵扯到离群值和指标中的数据可能是递减性的相关，意思是数据与指标不一定是线性关系，对数据的处理可以适当考虑数据所代表的含义以及所处的环境。

3、对于其他个体指标进行约束处理。如 X*a＋Y*b＋Z*c≥X*a’＋Y*b’＋Z*c’，这里的 x、y、z是指标权重，a、b、c 代表标杆企业的数据值，a’、b’、c’代表其他企业的数据值，由于我们假设标杆企业是最优的，所以X*a、Y*b、Z*c相加（加权平均数）要比其他企业大，我们通过移项就变成 X*（a-a’）＋Y*（b-b’）＋Z*（c-c’）＞0，这就变成了线性规划求解。如果假设其他企业为10个，就变成了10个约束方程。在这里 X＋Y＋Z=c，c为常数。通过 excel的线性规划求解功能，把权重相加的函数的值设为常数，最好为1，选择一定数量的约束方程，求出解。

4、通过一直加大约束方程的数目，直到求出的权重不存在时的前一步时的权重。当然，也可以通过其他方法选择约束方程优先次序。例如，先选择有中位数相近的企业样本，或是随机抽样。

5、通过求出的权重来评分。

四、特殊情况

1、当我们测试的约束方程较少就计算出来结果（假设约束方程足够多），这可能是我们选择的标杆企业不合适或是指标不具有代表性。

解决方法：为评价指标的适当性进行复核，参考相关文献，使得评价指标不存在重大争议；对标杆企业进行替换，用不同的企业进行测试。

2、指标过多时就需要尽量多的样本，这样才可以求出权重的最佳值。但是，有时碍于数据的收集以及对评价没目标的特殊性，导致方法无法找到足够多的样本数据，在这种情况下，评价方法失效。

解决办法：选择其他评价方法。

3、如果选出的标杆企业在所有指标的数据中都优于其他企业或大部分指标超过其他企业，使得约束方程无效或相对约束方程较小，约束方程作用消失。这种情况易发生在指标过少，样本规模过小，也有可能发生在指标间差异太大，如离群值过多，方差较大。在这种情况下不适合用此方法。

解决办法：选择其他办法。

4、当对标杆企业存在争议时，可以对存在争议的每个标杆企业进行测试，看看哪一个满足的约束方程多。

五、使用情况

方法的使用情况：存在多个代表指标，且各个样本在某一指标间差异比较明显。如果差异不明显会造成约束方程个数较少。造成特殊情况3。

六、实例

本文选用2010年证监会行业代码为A农林牧渔业的财务报表为基础计算财务比率。选取体现运营能力的指标，包括存货周转率、应收账款周转率、应付账款周转率、流动资产周转率、权益周转率等5个指标，41个样本，对数据进行归一化，方法为上文描述的。我们预设每个指标权重为1，5个权重相加为5，且各指标乘权重相加的值最大为评价目标，得分最高的为标杆企业。计算得到大连壹桥海洋苗业股份有限公司评分最高。在样本数据中，山东九发食用菌股份有限公司等缺少相应数据，剔除样本，同时剔除离群值5个指标的离群值有11个，剔除样本后，样本还剩28个。剩下的公司中，浙江山下湖珍珠集团股份有限公司评分最高，但遇到特别情况，相减后其他企业大部分指标都大于0，遇到特殊情况5，权重计算结果为0.298697、-0.47508、3.342656、1.100859、0.732871，与假设的权重1相差很大。剔除标杆企业，发现原先排名第二的企业相减后也是很多指标都明显大于其他企业。相应的剔除安徽荃银高科种业股份有限公司、云南景谷林业股份有限公司、云南绿大地生物科技股份有限公司，当大湖水殖股份有限公司为标杆企业时，权重的计算结果分别为 1.29、1.10、2.03、0.68、0，不甚理想。在天津松江股份有限公司为标杆企业时为 1.42、1.144、2.16、0.14、0.14，发现还是不理想，这主要是选取的数据为真实数据，且样本之间差异明显，未形成真正的约束方程所致。方法的准确性对于约束方程的依赖可见一斑。此方法的应用需要尽量多的有实质意义的约束方程。

七、方法的深化

1、方法改进探究。本方法是通过约束方程来进行规划求解，解得权重的，如果约束方程质量不高或过少，那么就会导致所求出的权重也就不合适，这是规划求解的确定。可以把约束变成回归分析里的最小二乘法，这样可以提高一定的精度，但是如何进行转换需要进行一定的转换。此方法在很多方面可以提高，如在先试验约束方程的数目、个数等，可以经过计算确定测试的最佳数量和样本的测试顺序；方法不一定只应用于评价企业，也可以应用于满足评价条件的其他方面。

2、方法的有效性验证。在实例中，我们试图验证该方法的有效性，但是由于取自真实数据，且个样本间差异明显，致使约束效果不佳。为了验证该方法的有效性可以用随机数进行测试，再用固定公式加权、权重预设，得分最高的为标杆，这样就可以解决评价指标代表性问题以及标杆企业的选取问题。通过计算得出的权重与预设的进行比较就可以查看方法的准确性。但是，随机产生的数据又能代表什么，值得考虑。

3、方法的合理性。此方法的创建理论是现有最好的评价目标样本，通过其再求出权重计算企业评价样本。对于这里最好的样本选择方法可以结合特定环境、定量定性比重、经济环境社会文化等诸多方面，评价最好的可能很难，但是可以通过评价最坏的企业同样可以达到目的，例如评价最恶劣的奶制品公司如果选择三鹿，那么寻找人们对奶制品行业讨厌的因素，通过计算可以求出权重，再对样本计算就可以求出最好的企业。

[1]杜栋，庞庆华，吴炎.现代综合评价方法与案例[M].清华大学出版社，2008.

[2]胡运权，郭耀煌.运筹学教程[M].清华大学出版社，2007.