ANP方法范文（精选8篇）
ANP方法 第1篇
物流网络绩效评价是一个企业建立完善的物流网络的重要组成部分。文章建立的物流网络的评价问题主要是进行的物流网络的绩效评估, 评价建立的物流网络的有效性。对于物流领域而言, 其绩效评价的应用程度尚不如生产或制造业领域。生产或制造业的工艺流程恒定, 使得绩效评价比较容易进行量化, 甚至可以通过计算机智能系统的运用, 自动做出评价, 这样一来, 就有力支持了管理决策。实践证明, 越是规范化的生产领域, 这种绩效评价的作用就越显著。但就物流网络来说, 特别是体现其活动专业性明显的物流企业而言, 绩效评价有着不同于生产或制造业的特殊性。本文通过网络分析法ANP建立物流网络的综合评价模型, 解决物流网络各个评价指标具有相关性的问题, 综合评价所建立的物流网络的绩效能力。
二、ANP理论
(一) ANP理论介绍
20世纪80年代, 著名学者T.L.Saaty教授提出了反馈的层次分析法 (Analytcial Heirarchy Process, AHP) , 1996年他又在“第四届层次分析法国际研讨会”上较为系统地提出了网络分析法 (Analytcia Network Process, ANP) 的理论与方法。常规的AHP方法将系统划分为层次, 只考虑上一层元素对下一层元素的支配和影响, 并做出假设同一层次的元素之间相互独立, 不存在相互依存的关系。而ANP方法则是充分考虑了各元素是相互依存, 同层元素内部存在依存, 下层元素对上层元素也存在支配关系, 此时的元素关系类似网状结构, 而不是简单的递阶层次结构。因此可以认为传统的AHP方法只是ANP方法的特例。
ANP首先将系统元素划分为两大部分, 第一部分称为控制因素层, 包括问题目标及决策准则。所有的决策准则均被认为是彼此独立的, 且只受目标元素支配。控制层因素中可以没有决策准则, 但至少有一个目标。控制层中每个准则的权重均可用传统的AHP方法获得。第二部是网络层, 它是由受控制层支配的元素组组成的, 其内部是互相影响的网络结构。
(二) ANP方法的计算过程
ANP方法的计算过程如下:
设ANP的控制层中有元素p1, p2, , pm;网络层有元素组c1, , cn;其中ci中有元素ei1, , ein, i=1, 2, n, 以控制层元素ps为准则, 以ci中元素eji (l=1, 2, , nj) 为次准则, 元素组ci中的其他元素按照它对eji的影响力的大小进行比较分析, 构造出控制层元素ps (s=1, 2, , m) 下的判断矩阵, 并由特征值法得排序向量 (wiljl, winjl) T。若两组元素间相互无关, 则wij=0。把所有的网络层元素的相互影响的排序向量组合起来可以得到准则ps下各组元素对元素组的重要性进行比较, 得到归一化特征向量。在此比较矩阵中, 与cj无关的元素对应的排序向量分量为零, 得到加权矩阵A= (apq) n*n。对超矩阵的元素加权超矩阵, 其中的列和为1。上述复杂的计算过程可以通过ANP的专门计算机软件Super Decisions实现, 得到各个指标的权重。
三、物流网络绩效评价
(一) 建立指标体系
对物流网络的绩效评价建立如下评价指标体系, 本文将评价体系分为了五部分, 很容易发现这五部分之间以及各部分内部的各元素都不是相互独立的, 存在着相互依赖的关系例如子网覆盖率成度、货物直达率等元素间存在着相互依赖的关系, 他们相互关联、相互影响, 我们绝不能按照AHP的求法而忽略这些元素的内部关系。相反, ANP理论为我们提供了一个非常实用的解决方案, 通过ANP的求解我们可以获取物流网络评价指标的赋值权重, 并可以横向对各企业的实力水平排序、纵向计算企业物流网络的现在与过去的实力变化, 为以后发展提供理论上的指导 (指标体系见表1) 。
(二) 指标的无纲量化
指标的无纲量化是指属性值的规范化。有的指标属性越大越好, 有的指标越小越好, 一般将指标类型分为效益型、成本型和非效益型又非成本型三种。通过对属性的无纲量化, 便于直接从数值大小判断方案的优劣, 使表中任意属性下性能越优的方案变换后的属性值越大。常用的变换方法如下:
1、效益型。。其中yij为指标实际值, ymax j与ymin j为第j指标规定的最大值与最小值。
2、成本型。。通过效益型与成本型的指标的无纲量化, 可以将二级指标的实际属性值归一化, 便于实际计算。
(三) 确定指标权重
通过上面介绍的ANP的方法建立模型, 将评价指标体系的一级与二级指标建立ANP模型。超级决策软件SD可以很完善地建立ANP模型, 并且直接计算超级矩阵, 得到各指标的权重, 而且输入各个备选方案的指标优劣, 可以很容易的得到备选方案的排名次序, 为决策提供辅助建议。
具体的操作过程如下:
1、首先建立一个ANP模型, 可以利用系统提供的3种模板来构造, 这3种模板分别为simple network、small template、full template。也可以自己设计, 我们通过自己设计模型建立物流网络绩效的评价模型 (如图1) 。
2、设计各个cluster、element及其相应的连接, 建立评价指标体系的网络结构。这里的连接包括同一cluster内结点之间的连接称为内依赖 (inne dependence) 、不同cluster结点之间的连接称为外依赖 (outer dependence) 和cluster之间的连接。针对某一目标, 按照比例标度对cluste之间和element之间进行逐一比较, 凡是相互之间存在依存和反馈关系的, 都应进行两两比较构成相应的比较矩阵。对于矩阵的构成可采用矩阵式、图形式、问卷式、口头等方式输入数据, 也可以直接以文件形式输入数据。
3、根据比较矩阵, 计算出ANP模型的超阵、加权超阵、极限超阵, 最终可得出各个元素结点的综合优势度 (局部权重、全局权重) 。结果见表1, 数值精确到0.001。
(四) 绩效综合评价
上述计算过程可以通过ANP的专门计算机软件Super Decisions实现, 得到各个指标的权重。而指标的无量纲化数值在上面已经得出, 因此, 物流网络绩效可以由所有指标的无量纲化数值与其权重的乘积之和得出。即:
绩效=无量纲化数×权重 (全局权重、局部权重)
如本例中的物流网络绩效值是0.758096, 绩效是一个[0, 1]中的数值, 该数值越接近1, 则说明该地区的物流绩效越好, 反之则越差。通过表1提供的全局权重和上表的无量纲化数值, 可以算出该企业的物流网络绩效。如果取0.85-1为优秀, 0.70-0.85为良好, 0.55-0.70为一般, 0.55以下为较差。则该企业的物流网络绩效为良好, 但是同时我们也可以通过对物流网络系数计算的结果看出, 本物流网络的优缺点。如果有多个企业, 可以根据绩效大小进行比较。有了以上提供的数据, 就可以分析该企业的差距, 找出不足, 指导企业进行物流网络的建设。
1、将该企业网络状况与自身历史最好指标、标准指标比较, 通过纵向分析, 找出目前企业物流发展的状况, 以有利于发现缺点, 发挥优势项目。
2、与其他企业进行横向比较, 确定该企业在物流行业中的优势和不足, 确定改进方向。
3、通过对物流网络的计算, 能够发现发展物流网络的关键区域, 以有利于抓住重点来改善总体的物流网络。如在本例中网络层的重要度为25.6%, 网络层的重要度为29.0%, 网络层的重要度为45.4%。
4、将企业物流网络的现状与制定的发展目标比较, 得到现在状况离目标的差距, 以方便及时采取举措完成规划目标。
参考文献
[1]、王莲芬.网络分析法 (ANP) 理论和算法[J].系统工程理论与实践, 2001 (3) .
[2]、陈志祥.基于ANP理论的供需协调绩效评价模型与算法[J].计算机集成制造系统, 2004 (3) .
[3]、Saaty T.L.Decision making with de-pendence and feedback[M].RWS Publica-tion, Pittsburgh, PA, 2001.
[4]、Joseph Sarkis.A strategic decision framework for green supply chain manage-ment[J].JournalofCleanerProduction, 2003 (4) .
网络分析法(ANP)的理论与算法 第2篇
网络分析法(ANP)的理论与算法
摘要：将介绍和讨论AHP在反馈问题中的延伸――网络分析法(ANP)。文中将介绍和讨化ANP的模型与理论，并对反馈结构的.几种典型超矩阵及其极限排序向量进行分析。最后作者对循环系统提出了计算极了限相对排序向量的简单而可行的方法。Abstract：In this paper, we will introduce and discuss the model and theoryof the anal ytic network process(ANP), extending AHP to problems with dependence and feedb ack. Some typical supermatrices of feedback system and the limiting relative pri orities of suppermatrix will be analyzed and a simple and feasible algorithm for limiting relative priorities of cycling system will be provided. 作者： 王莲芬 Author： 作者单位： 中国人民大学信息学院，北京 100872 期 刊： 系统工程理论与实践 ISTICEIPKU Journal： Systems Engineering――Theory & Practice 年，卷(期)： ,21(3) 分类号： N94 关键词： 网络层次分析法 优势度 超矩阵 极限相对排序 原点位移算法 机标分类号： F22 C93 机标关键词： 网络分析法理论算法排序向量feedback system循环系统反馈问题反馈结构超矩阵模型计算方法 基金项目： 网络分析法(ANP)的理论与算法[期刊论文]系统工程理论与实践 --2001,21(3)王莲芬将介绍和讨论AHP在反馈问题中的延伸――网络分析法(ANP)。文中将介绍和讨化ANP的模型与理论，并对反馈结构的几种典型超矩阵及其极限排序向量进行分析。最后作者对循环系统提出了计算极了限相对排序向量的简单而可行的方法。...
ANP方法 第3篇
社会中介组织是沟通政府、社会、企业、个人之间的桥梁和纽带,一方面它能面向特定对象,为政府和企业提供专业服务,满足社会各个不同主体的需求;另一方面它也能面向公众,成为参与政府公共管理和公共服务的合作者。由于社会中介组织通过提供专业服务,协调各方面关系,加强多方沟通,因而能够发挥其特色作用,促进经济和社会的发展。Wouter等人[1]认为社会中介组织承担了政府某些公共服务职能,需要配合政府做好某一方面的工作。Lopez等人[2]强调社会中介组织已成为社会参与教育管理的主要形式以及沟通政府和学校之间的重要桥梁,在平衡政府、学校和市场之间关系方面发挥着举足轻重的作用。Howells[3]指出社会中介组织可以为科技创新主体提供社会化专业化服务在合理调配科技资源、整合各类专业知识以及促进科技成果转化为生产力等方面均发挥了十分重要的作用。从已有文献上看,一些学者已对社会中介组织发展情况予以了初步研究。例如,卓越[4]指出在现阶段,培育和发展社会中介组织既要依靠政府支持,也要依靠社会中介组织自身的努力;毛正刚等[5,6]则认为社会中介组织规范管理要从更新观念、规范政府与中介组织的关系、加强监管等方面着手。遗憾的是,目前尚未有针对社会中介组织发展水平进行综合评价的研究报道。然而,是否对区域社会中介组织发展实际状况予以科学、系统地分析和评价,是关系到各级政府能否合理制订出针对不同社会中介组织机构相关扶持政策的一个核心问题。为科学解决这一具有明显理论和实践意义的问题,本文通过构建社会中介组织发展水平评价指标体系,基于网络分析理论提出一种社会中介组织发展水平综合评价方法。
2 影响社会中介组织发展水平的要素分析
影响社会中介组织发展水平的因素有许多,作者将其归纳为支撑平台、服务水平、外在薪酬和融资渠道四个要素,当然每个要素又可以细分为若干个子要素。下面对这些要素分别予以介绍。
2.1 支撑平台
支撑平台是指政府和市场给予社会中介组织生存的合法性和让渡公共空间与公权力的制度,该要素主要包括完善政策法规、转变政府职能、规范市场秩序三个子要素。
(1)完善政策法规。要结合现阶段市场经济发展的实际情况逐步制定系统的、配套的法律法规体系,确立社会中介组织的法律地位,引导社会中介组织进入法制化轨道,改变目前无法可依和无章可循的混乱局面,并设置能适应社会中介组织健康发展的监管机构和执法机构,使社会中介组织开展各项经营活动,做到有法可依、有章可循。同时,要严格审查社会中介组织的资质,包括其是否具备必要的基础设施,其法定代表人是否具备相应的条件,其从业人员是否具备应有的从业资格[7]。对社会中介组织的违规违法行为,要严格惩处,做到执法必严、违法必究。
(2)转变政府职能。由于政府与社会中介组织的部分职能相混淆,因此必须把发展社会中介组织与转变政府职能紧密结合起来,彻底改变过去由政府包揽一切的做法,按照“小政府,大服务”的管理模式,大力推进社会中介组织的脱钩改制工作,把社会性、群众性、服务性的工作真正交给社会中介组织去做。政府在转变职能的同时,应根据社会经济发展的要求,制定社会中介组织发展的规划和必要的优惠政策,大力鼓励社会中介组织的发展,并通过市场管理促进社会中介组织合法经营和开展业务,进而对社会中介组织的发展加以扶持和引导[8]。
(3)规范市场秩序。发展社会中介组织,一方面要完善现代企业制度,建立统一、开放、竞争、有序的社会中介组织市场体系,规范市场行为,充分发挥市场机制的作用,逐步放开社会中介组织收费;另一方面要推进经济体制改革,完善市场经济体制,切实加强对社会中介组织的引导和扶持。
2.2 服务水平
服务水平主要通过服务意识、人员素质来衡量社会中介组织本身所能为政府、企业、社会、个人所能提供的服务。
(1)服务意识。社会中介组织已在市场经济中发挥着特定的作用,其地位变得愈来愈重要。然而,伴随着竞争机制和责任机制的渗透社会中介组织的社会服务功能显得愈发突出。一个具有良好服务意识的社会中介组织不仅能够提供优质的社会服务,而且也对促进社会中介组织发展起着至关重要的作用。
(2)人员素质。高素质人才从某种意义上讲是社会中介组织执业水平和资信的象征,因此,一方面要加强对从业人员的业务培训和职业道德教育,这可以通过资格考试、业务培训、竞赛、与高校合作等方式来提高社会中介组织从业人员的素质;另一方面要把好进入社会中介组织人员的质量关,力争将德才兼备的优秀人才引入到社会中介组织队伍中。
2.3 外在薪酬
外在薪酬是指支付给员工的工资、奖金、津贴、福利、养老保险等,包括社会中介组织的薪酬待遇、社会中介组织员工的员工福利、社会中介组织的人员编制制度、社会中介组织员工的户籍制度、社会中介组织的员工培训、社会中介组织的志愿者激励制度等。有鉴于此,作者认为人才政策主要通过薪酬待遇、员工福利、员工培训来予以体现。
(1)薪酬待遇。社会中介组织若能够提供有竞争力的薪酬待遇,有利于保证员工从工资水平上获得经济和心理上的满足,提高员工的满意度,从而增强员工对社会中介组织的忠诚度,进而留住核心人才,这将促进社会中介组织健康发展。
(2)员工福利。要贯彻以人为本的理念,关注员工的工作和生活问题,建立社会中介组织员工的福利体系。社会中介组织若能给予员工切实的福利待遇,这既可以吸引高素质的人才,也可以提高社会中介组织现有员工的积极性。
(3)员工培训。社会中介组织要满足员工的物质和精神两方面的需求,让他们获得良好的工作环境和发展机会,因此,要建立员工定期培训机制,倡导终生学习意识,安排和鼓励员工参加不同形式的培训进修,提高员工的职业素养和职业能力,增强社会中介组织服务水平和专业能力。
2.4 融资渠道
经费问题是影响社会中介组织稳定与发展的重要因素。因此,要拓展社会中介组织的筹资渠道,形成多元的筹资机制。具体而言,解决融资渠道主要通过政府资助、自筹经费两种方式。
(1)政府资助。一方面,政府通过购买服务行为推动对社会中介组织的资助;另一方面,政府通过给予社会中介组织一定的税收优惠。这既有利于社会中介组织的积累成长,也能够促使、鼓励社会中介组织多为社会做贡献。
(2)自筹经费。社会中介组织的经费有很大一部分是来自社会中介组织为企业或社会所提供的服务收费和会员的会费这些资金可使得社会中介组织保持自身的独立性,并在竞争中进行自我积累,并发展壮大。
3 基于ANP的社会中介组织发展水平综合评价方法
事实上,上述各子要素之间并不完全是相互独立的,而可能存在相互依存、相互信赖的复杂关系。由于ANP(AnalyticNetworkProcess)是美国著名学者Saaty教授在AHP(AnalyticHierarchyProess)基础上提出的一种有效处理复杂系统问题的决策方法,与AHP不同,它不仅能够有效处理复杂因素之间的依存与反馈关系,而且也没有严格的层次限制,因此近年来该方法在国外管理科学、系统科学领域得到了较为广泛的应用[9,10,11,12,13,14,15]。
基于上述理论认识,下文运用ANP技术给出一种社会中介组织发展水平综合评价新方法。其具体的方法步骤如下:
步骤1:构建社会中介组织发展水平评价网络结构。通过上述部分的要素辨识以及分析各要素和子要素之间的复杂关联关系,可以构建出如下图1所示的ANP网络结构。该网络结构由支撑平台、服务水平、外在薪酬、融资渠道四个准则集(分别记为C1,,C4)和一个方案集(记作A)组成,其中方案集中有n个方案。需要说明的是,有向箭线表示箭尾元素集对箭头元素集存在支配关系,弧形箭头表示元素集内部依存,即元素集内部元素是相互依赖的。
步骤2:邀请专家进行逻辑判断,构建元素之间的两两比较判断矩阵,并运用特征根法求出相应的元素权重向量,由这些权向量构造出反映因素之间相互作用关系的未加权超矩阵(即由各分块矩阵按照特定关系组合成的一个大矩阵)。首先,需要构造元素集内部依存矩阵W11、W22、W33、W44。例如,针对C1元素集,分别以C1i(i=1,,3)为控制标准(即作为比较基准),对元素C11,,C13进行成对比较,构造出3个两两比较判断矩阵,分别运用特征根法求出各控制准则下C11,,C13相应的权重向量,进而由这些权重向量构造出C1元素集的内部依存矩阵。然后,需要构造元素集之间的影响矩阵Wjk(j,k∈(1,5),j≠k)。其具体做法为:分别以某元素集中的各元素为控制标准,对该元素集支配的另一元素集中的所有元素进行成对比较,通过对构造出的判断矩阵进行求解,由求解出的各权重向量组合成元素集之间的影响矩阵。最后,由各元素集内部依存矩阵、元素集之间的影响矩阵、单位阵以及零矩阵(即元素之间无直接影响关系)构造出如下的未加权超矩阵(M)。
步骤3:构造元素集之间的加权矩阵。分别将Cj(j=1,,4)作为控制标准,对元素集C1,,C4及方案集A进行两两比较,得出4个判断矩阵,并基于这些判断矩阵分别得出在C1,,C4下各元素集的规一化权重向量,从而由这些权重及零向量可构造出元素集之间的加权矩阵(M′)。
步骤4:基于步骤2和3构建反映系统元素综合影响关系的加权超矩阵。由于超矩阵(M)是非随机矩阵,因此需要将加权矩阵中(M′)的各元素与超矩阵(M)中相应的分块矩阵相乘,形成加权超矩阵(M″)。
步骤5:求(M″)的极限矩阵(M″′),得出反映系统元素综合影响关系的极限影响排序,从而对各方案进行优劣排序。
4 方法的实证应用
下文以云南省为例应用前文所述方法评价其社会中介组织发展水平。根据经济发展水平,作者选取了云南省经济比较发达的8个地区,即红河、曲靖、大理、昭通、玉溪、楚雄、文山、昆明。由于这8个地区近4年来国民生产总值占云南省的70%以上,因此具有一定的代表性。将这8个地区视作8个相互独立的方案,分别记作A1,,A8,即可依据上述方法步骤构造出如下图2所示的ANP网络结构。在该网络结构中,为表达清晰,作者详细地给出了各评价准则之间的相互影响关系。
ANP方法的计算比较复杂,用于解决实际决策问题时,需要借助计算软件。为方便,此文采用最新的SuperDecisions软件开展方法应用计算,通过邀请专家进行系统因素相对重要性的逻辑判断,得出了该实际评价问题的超矩阵M。
由于该超矩阵不是随机矩阵,因此需要将该超矩阵进行加权,从而可以构造出如下所示的加权超矩阵M″。然后,计算出该加权超矩阵的极限矩阵,其结果见矩阵M″′。
从极限矩阵可知个方案的排序为昆明>曲靖>玉溪>红河>大理>楚雄>文山>昭通。分析极限矩阵给出的信息可知,昆明的社会中介组织发展水平排在首位,其原因在于其主要影响要素如服务意识薪酬待遇人员素质等比其他城市更具有优势。
5 结论
ANP方法 第4篇
科技进步对经济、社会发展起着重要作用, 对其产生的作用和影响进行综合监测与评价是当前国内外学者和实际工作者十分关注的问题。自1993年科技部发展计划司开展了对全国科技进步统计监测及综合评价的研究以来, 经过十几年的探索, 全国及大多数省、直辖市、特区和自治区都建立了科技进步测评指标体系。因为科技进步监测指标体系涉及面广, 包含的信息量大, 所以如何建立一套科学化、标准化、系统化、规范化的指标体系以全面、客观的反映科技进步过程成为科技进步监测研究重点。但是国内目前的研究主要集中在基于指标综合评价方面, 而对如何构建科技进步监测指标体系及指标权重如何确定的方法研究没有引起研究者的重视。构建指标时只是说明从“科学性、合理性、系统性”等一些原则出发而建立一套指标体系。到底建立的指标是否具有“科学性、合理性、系统性”则无法论证, 同时所有的指标权重都是采用了专家意见法和AHP及Delphi等的主观赋权的方法, 并没有从客观层面反映各项指标的重要性。因此, 建立在“非科学性、非合理性、非系统性”指标体系基础上的综合评价是对事实的扭曲。所以本文以科学合理的科技进步监测指标选择及客观权重确定作为多指标综合评价的关键问题进行了研究。
2 现构建的科技进步监测指标体系存在的问题
对国家及各省市的科技进步监测体系研究发现, 各科技进步监测指标体系指标数量差异性较大, 《全国科技进步综合评价》课题组建立了5个一级指标, 34个三级指标体系, 河北、天津等省市三级指标为30个, 而云南省三级指标达到了38个之多, 这些指标从不同角度对科技进步监测指标进行了探讨, 各有所长, 但是在指标筛选的方法上, 定性成分过多, 定量方面相对不足。同时在采用指数法和功效系数法进行评价时, 都需要根据指标的重要性赋予相应的权值, 而权值由于都采用了主观赋权的方法, 客观性不足。主要问题体现在以下两个方面。
2.1 指标的代表性与全面性难以兼得问题
指标的代表性是指指标之间没有相互影响, 是相互独立的。全面性则是指选取的指标体系应能反映出研究对象在研究问题上的全部信息。理想的状态是所选的指标体系既能满足代表性, 又能满足全面性;既没有信息重叠, 也没有信息遗漏, 成为多维空间上的相互独立的多维随机变量。但是通常情况下, 一个指标只能反映出研究目标在某方面的部分信息, 要反映更多信息, 需要增加指标个数;而指标之间并非完全独立, 所以指标体系中指标个数越多, 指标产生的信息重叠的程度就有可能越高。所以要实现两者的平衡是一个难点。
2.2 非独立递阶层次结构中权重确定问题
确定指标权重代表性的方法有层次分析法 (AHP) 、信息权重法 (主成分分析法、因子分析法) 、Delphi以及层次分析法和特尔菲法的联合应用法等.其中影响较大应用较多的当属层次分析法.不过层次分析法的实施需要有一个重要的前提, 就是指标体系是一个内部独立的递阶层次结构, 但是科技进步监测指标体系本身并不是内部独立的递阶层次结构.所以必须采用能反映非独立递阶层次结构赋权法。
3 采用综合方法的科技进步监测指标选择
在指标选择方法研究方面, 东北财经大学邱东、汤光华[1]提出了指标选择的指导思想, 指出定量化的指标选择是发展的主流方向。王璐[2]提出了综合评价中指标选择方法, 用于上市公司业绩评价, 证明了方法的有效性。但是对于指标体系的权重问题没有涉及。朱平芳[3]等提出了采用信息量最大及相关分析和聚类分析相结合的方法, 简化了现行科技进步测评指标体系, 这种方法实现了代表性, 但不能很好的保证指标的全面性。蒋耀[4]在基于综合方法的区域可持续发展指标选中, 用定量与定性相结合的方法进行指标选择, 但是在定性分析方面笔者认为仍然可以进行定量分析选择。仇国阳[5]等在科技进步监测指标体系优化时提出了科技进步监测优化思想与步骤, 但是在优化的方法与步骤上对同属性的三个以上的指标的处理没有涉及, 同时用变异系数大小选择同类指标不能反映指标信息的重叠性。
综上所述, 针对指标选择方法的定量化趋势, 本文采用综合的评价指标选择方法来选择科技进步监测指标体以克服上述问题, 并兼顾代表性和全面性。
3.1 综合指标选择算法
采用综合方法进行科技进步监测指标的选择, 即首先基于科技进步环境-科技活动投入科技活动产出科技促进经济社会发展模式, 确定科技进步监测指标体系;然后利用聚类分析和非参数检验及相关性分析, 进行指标的定量化精简和筛选;最后确定科技进步监测指标体系。
3.2 算法流程
针对科技进步环境、科技活动投入、科技活动产出、科技促进社会经济发展四大系统指标数据库, 分别在每一类中进行聚类分析, 并将聚类结果中单独一类的指标直接纳入科技进步监测指标体系。对于指标个数大于等于2个的子类, 则进行显著性差异检验;2个指标的子类采用Mann-Whitney检验;2个指标以上的子类采用Kruskal-wallis单项评秩方差分析。通过这种非参数检验看某子类中的指标之间是否具有显著性差异, 从而进一步验证聚类分析的有效性。如图1所示。
算法优点:采用综合指标选择方法有效的兼顾了科技进步监测指标的全面性和代表性。由以上流程可以看出这一科技进步指标的动态筛选过程保证了所分类中各指标确实归为一类, 然后把反映各个方面的指标集成起来就保证科技进步监测指标体系的全面性。同时在同类无显著性差异的子类中采用spearman秩相关系数等方法选出该类中最具代表性的指标。做到了科技进步监测体系设计的全面性和代表性的结合。
4 基于ANP (网络层次分析法) 科技进步指标体系权重确定方法
ANP的网络层次结构相对于传统的AHP方法来讲是一种既存在递阶层次结构, 又存在内部循环相互支配的层次结构, 而且层次结构内部还存在依赖性和反馈性。ANP将系统指标划分为两大部分, 第一部分为控制层, 控制层就是一个典型的AHP递阶层次结构, 第二部分为网络层, 它是由所有受控制层支配的指标组成的, 指标之间相互依存、相互支配, 指标和层次间内部不独立, 递阶层结构中的每个准则支配的不是一个简单的内部独立的元素, 而是一个相互依存、反馈的网络结构。控制层和网络层组成了典型的ANP层次结构[6]。
科技进步监测评价指标既存在递阶层次结构, 又存在指标内部循环相互支配的层次结构, 而且层次结构内部还存在依赖性和反馈性。因此我们选用ANP方法建立权重确定模型, 具体模型通过superdecison软件[7]给出, 如图2所示。
5 实证分析
本课题以重庆市区县科技进步监测为研究对象, 利用历年《重庆统计年鉴》[8,9]形成科技进步监测数据库。其中包含的科技环境、科技投入、科技产出、科技促进社会进步四大部分56个指标。按照上述指标选择方法, 建立重庆市区县科技进步监测指标体系。
5.1 建立指标体系
本文使用2个独立样本非参数检验Mann-Whitney检验和K个独立样本非参数
检验Kruskal-Wallis单向评秩方差分析。通过它们来检验同类指标之间是否具有显著性差异, 从而达到对聚类分析进行有效性检验的目的。之所以在多种2个独立样本非参数检验中选取Mann-Whitney检验方法, 是由于Mann-Whitney检验等同于两组的Wilcoxon秩和检验和Kruskal-Wallis检验。因此, 用它进行显著性检验更为灵敏、准确。
如果指标间有显著性差异, 则对此类中的指标继续进行聚类分析。直到同类的指标不再有显著性差异为止;如果同类指标没有显著性差异, 对于指标个数为2的子类, 通过与同级相邻指标计算复相关系数, 复相关系数越大的指标越能被其余指标替代, 故选择复相关系数较小的指标来反映该子类的信息;对于指标个数大于2的子类, 由于传统的相关系数法反映线性相关程度, 但指标间可能存在非线性的因素, 所以用spearman秩相关系数法较好。通过计算该类中各个指标对其他指标的spearman秩相关系数的平方和, 取其中最大的平方和对应的指标为所要求的指标。
以科技投入一级指标下的二级指标为例进行分析。由科技进步监测数据库原始10项指标进行指标选择分析。
进行聚类分析, 如下图所示, 根据Coefficients值得出分为4类较好。具体指标分组分别为{3, 4, 8}、{5}{6, 7, 9, 10}{11, 12}如图3, 4所示。
根据算法流程, 指标5即“人均科普经费”由于只有一个指标, 所以直接入选评价指标体系。
对相对复杂的{6, 7, 9, 10}类进行分析。
首先, 由于指标数大于2, 进行非参数Kruskal-wallis检验, 检验结果为有显著性差异。如图5所示, 重新进行聚类分析。
其次, 对{6, 7, 9, 10}进行聚类分析后得到{6, 7}、{9, 10}两类。
再次, 由于类中的指标数为2, 所以计算指标间的复相关系数, 分别计算{6, 7}指标与{9}、{10}指标的复相关系数, 如图6所示, 6指标与9指标的复相关系数最大, 所以6指标可以被其余指标替代, 即我们选择7指标进入指标体系。同理计算{9, 10}指标与7指标的复相关系数, 如图7所示9指标的复相关系数较大, 所以我们选择10指标进入指标体系。
同理对于类{3, 4, 8}、{11, 12}采用上述计算流程进行指标选择。{3, 4, 8}由聚类和计算复相关系数选择3, 8指标。{11, 12}通过Mann-Whitney秩和检验得到有显著性差异, 所以11, 12指标都进入指标体系。
综上所述, 科技投入一级指标下的二级指标确定为3号“财政科技拨款占财政支出的比重”、5号“人均科普经费”、7号“万人R&D科学家和工程师 ”、8号“企业R&D科学家和工程师占全社会R&D科学家和工程师比重”、10号“企业R&D研发经费占销售收入比重”、11号“本级科技拨款决算支出增长率”、12号“本级财政科技拨款占本级财政一般预算支出比重”。
5.2 确定指标的权重
经过定量化的指标筛选后, 权重的确定是科技进步监测的第二个重点工作, 如前文所述, 科技进步监测指标体系分为科技进步环境、科技活动投入、科技活动产出、科技促进社会经济发展四个方面, 我们在此基础上进行了指标的定量化选择, 但是所形成一、二级指标间并非独立。如“科技活动投入”与“科技活动产出”之间存在依赖性。而一级指标“进步环境”下二级指标中“万人专业技术人员数”与一级指标“科技投入”下“万人R&D科学家与工程师数”相关等等, 所以科技进步监测评价指标不但存在递阶层此次结构, 而且层次结构内部还存在依赖性和反馈性, 如图2所示, 单箭头代表了依赖关系, 双箭头代表了反馈关系 (相互影响) 。
与此同时科技进步监测的目的除了监测科技进步本身以外, 还有政策引导的作用。通过权重的设定引导地区科技发展。如全国科技进步统计监测体系的设计中依据了《国家中长期科学和技术发展规划纲要》《中国小康社会科技发展指标》等纲要和指标。在对重庆市区县科技进步监测体系中权重设定中参考了《重庆市中长期科学和技术发展规划纲要》《重庆市“十一五” (2006～2010年) 科技发展目标》《重庆市“十二五” (2011～2015年) 科技发展目标》, 通过政府部门中相关专家和学者, 通过发放问卷, 采用了ANP法确定了重庆市科技进步统计监测的指标权重。通过superdecision软件计算得一二级指标权重, 如表1所示:
5.3 结果分析
科技投入指标选择分析;为了验证指标选择的有效性, 课题组对筛选前后的10项指标与7项指标进行了分析研究。如表2所示, 以08年统计数据[8]研究试算, 科技投入得分是采用的功效系数法, 经过数据处理后得分在60～90之间的数值, 其得分的具体大小并没有特别的意义, 主要用来排序与监测。从优化前后指标来看, 前后综合得分的spearman等级相关系数为0.962, 用7个指标等分等级几乎相同。以07年统计数据[9], spearman等级相关系数为0.953.在科技投入方面沙坪坝区、双桥区、渝北区降1位, 南岸、巴南升1位。整体的变化幅度较小, 其他区的排名没有任何变化。所以, 采用了综合方法获得的指标体系在全面性的基础上具有很好的代表性, 操作性强, 结果合理。
采用综合法对重庆市科技进步监测指标体系进行了定量化的指标选择, 与ANP定量化的权重确定方法相结合, 建立了重庆市区县科技进步监测指标体系, 如上表1所示, 最终形成了包含22个指标的指标体系。代入08年统计数据后, 进行综合测算, 如表所示 (由于最终结果由政府部门发布, 此处用字母代替最区县名称) , A区作为工业经济连续三年在全市排名第一, 同样在科技进步方面仍然是全市第一。B区以高校和稳健的工业经济基础排名科技进步第二。而C区以重庆市第一工业大区身份, 凭借大型企业的研发投入产出排名第三, 其他区县不再逐一评述。
综上所述, 采用综合法建立的指标体系很好的满足了指标体系的全面性和代表性问题, 通过ANP权重的赋值, 使指标体系具有了良好的政策引导作用的同时保证了相对的客观性。从最终的排序结果来看, 指标体系具有很好的操作性和合理性。
6 结语
针对如何“系统, 全面, 合理, 科学”的科技进步监测指标体系建立原则, 采用了综合的方法, 采用聚类分析、非参数检验、相关性分析等, 定量化的进行了指标选择, 尽可能保证了指标选择的全面性和代表性。同时针对科技进步监测作为政策引导器及指标体系本身非递阶层次结构特点, 采用ANP赋权法, 解决了上述问题。并通过实际试算, 验证了方法的可行性和合理性。
在课题研究期间, 深感指标选取的重要性, 由于在实际工作中, 根据国家《统计法》等相关法规, 指标的数据一定要保证其准确性和具有的法律效力。同时, 当指标设计增加一个指标时, 需要花费大量的人力物力财力和时间进行数据收据, 但是收集上来的数据对于科技进步监测是否有意义呢?本课题组在这方面做了初步的探索, 希望对其他区域科技进步监测体系设计起到一定的借鉴作用。
参考文献
[1]邱东, 汤光华.对综合评价几个阶段的再思考[J].统计教育, 1997 (4) :25-27.
[2]王璐, 庞皓.综合评价中的指标选择方法[J].统计与决策, 2007 (1) :58-59.
[3]朱平芳.简化现行科技进步测评指标体系的研究与探索[J].财经研究, 2003 (8) :41-47.
[4]蒋耀.基于综合方法的区域可持续发展指标体系选择[J].系统工程理论方法应用, 2006 (5) :441-444.
[5]仇国阳, 孟晓华, 崔志民.区域科技进步监测指标体系的优化与重构[J].科学学与科学技术管理, 2006 (9) :139-142.
[6]赵国杰, 刑小强.ANP法评价区域科技实力的理论与实证分析[J].系统工程理论与实践, 2004 (5) :41-45.
[7]刘睿, 余建星.基于ANP的超级决策软件介绍及其应用[J].系统工程理论与实践, 2003 (8) :141-143.
[8]重庆统计年鉴—2008[M].北京:中国统计出版社, 2008.
ANP方法 第5篇
关键词：数据包络分析法,网络层次分析法,绿色供应链,供应商选择
一、引言
传统的观点认为选择合适的合作伙伴主要是降低采购成本, 从而达到降低费用开支的目的。而现在合作伙伴的选择却转变为一种战略性的活动, 选择合适的合作伙伴是为了建立稳定的合作关系, 从而稳定整个供需链。时代呼唤和谐, 发展倡导绿色, “绿色网络、绿色文化、绿色奥运”等一系列与绿色相关名词的提出预示着未来工作将以“绿色”为发展方向。文章也正是这在一背景下, 将绿色供应商、绿色供应链与物资采购工作相结合, 提出了基于绿色供应链下供应商选择的新方法, 紧跟时代发展潮流, 顺应未来发展趋势, 践行了科学发展观。
现行的对供应商的评价方法多以主观评判法为主, 不能从根本上解决这一问题。因此, 需要一种定量分析的方法解决供应商优选的问题, 为物资采购工作提供决策支持。数据包络分析 (DEA) 方法很好地解决了供应商选择难以量化的问题, DEA法为一种无母数的生产函数分析法, 它不预设投入与产出属性的相对权重, 而是根据实际投入产出的数据形成包络面, 进而推测出生产边界。在对供应链这一抽象对象进行效能评估上, 文章采取网络层次分析 (ANP) 方法对绿色供应链进行综合效能评估, 使得受评对象和评价方法相适应。
二、建立评价指标体系
2.1 DEA评价指标体系
为了把已确定的评价标准转化为数据包络分析模型的形式, 需要将它们划分为输入变量和输出变量。一个评价标准被确定为输入变量或输出变量的判断标准是:站在制造商的立场上按投入产出观点考虑具体的供表1绿色供应商效率DEA评价指标体系应商选择问题, 如果一个评价标准与它的投入相关, 则该标准属于输入变量;如果一个评价标准与它的产出 (或收益) 相关, 则该标准属于输出变量。本文评价指标体系如下表所示。
2.2 ANP评价指标体系
评价指标依次为可持续发展指标、绿色环保指标、业务流程指标、成本指标、信息共享指标。
三、构建DEA/ANP评价模型
3.1 DEA模型的C2R评价模型
C2R模式假设固定规模报酬, 也就是在假设在生产规模不同的情况下, 每一个单位的投入可得的产出量是固定的。现假设有R个决策单位进行效率评估, 每个决策单位有m个投入项与n个产出项。令DMUk为R个决策单位中的第K个决策单位, 其中1≤k≤R, 其m个投入项记为Xkj (i=1, 2, , m) , n个产出项标记为Ykj (j=1, 2, , n) , D M Uk的效率Ek为
其中, Ukj为DMUk效率最大化的目标下, 对DMUk最有利的第j个产出项的权重;Xk, Yk分别为D M Uk的投入向量与产出向量, Vk, Uk分别为投入权利向量和产出权重向量, 表示如下:
DEA方法的数学规划模式是以一个决策单位D M Uk的效率Ek最大化作为目标, 寻找对D M Uk最有利的投入项权重组合 , 以及产出项权重组合 使得Ek达到最大值, 但所有DMUr的效率Er必须小于等于1, 故C2R模式的数学表达式为
式 (4.1.2) 中Xki与Xkj是每个DMUr的实际投入与产出数据, 未知变量则是Ukj、Vki, 因此权重不是事先给定而是实际数据计算出来的。根据这样的权重组合计算DMUk的最佳效率E*K=1, 则表示DMUk为相对有效率;若E*K<1, 则表示DMUk为相对无效率。
3.2绿色供应链ANP评价模型
3.2.1构建ANP网络层次结构 (图2)
3.2.2计算过程
1、确定主因子层的权矩阵
将所有的归一化特征向量组成矩阵即得到加权矩阵A:
2、计算次因子层的超矩阵
设Bi中有次因子Ci1, Ci2, Cini, i=1, 2, , n, , 元素组C1, C2, , Cn中元素按其对Cik (k=1, 2, , ni) 的影响力大小进行优势度比较。得到次因子层比较矩阵:
将Ci中所有元素对C j中所有元素的相对影响比较矩阵计算出的归一化特征向量组成次因子层权矩阵Wij,
将所有这样的矩阵Wij组成块矩阵, 最终获得Bi下的超矩阵W:
3、计算加权超矩阵, 确定指标权重
将步骤1中权矩阵的每个元素与步骤2中超矩阵的块相乘, 构成加权超矩阵。
四、算例分析
4.1应用DEA方法排序
以解决湖南长沙地区采购企业优选豆奶粉供应企业问题为背景, 以该地区15个豆奶粉供应商作为评价对象, 进行实例验证。
注:1.价格 (I) 项的数据是以供应量为权重的加权平均价格用P代表加权平均价格, wi为货物供应数量为xi时的价格, 公式表示为:
利用DEA-Solver软件可以有效地解决计算上的难题, 将表7中数据录入后, 得到排序结果如表8所示。
4.2绿色供应链效能分析
ANP模型的计算过程繁琐, SD (Super Decision) 软件能够有效的解决计算上的难题, 快速、准确地计算出结果。
4.3绿色供应链效能评估
按照计划步骤, 分得别得到加权超矩阵和极限超矩阵, 结果如下:
最终的输出结果显示, 供应链1和供应链2的权值分别为0.1088和0.0686, 将其归一化的结果为0.2714、0.72786, 供应链2综合评定结果要显著优于供应链1, 所以供应商13最佳合作伙伴。
五、结语
市场经济条件下, 物资采购工作开展的多, 相关理论研的究少;定性的文字分析多, 定量的建模分析少;出现的新问题多, 解决的途径少, 大多数供需企业对于“绿色”这一概念还存在模糊认识。愿本文在该领域的研究能起到抛砖引玉的作用, 为市场经济的健康发展起到推动作用。
参考文献
[1]、谭跃进.定量分析方法 (修订版) [M].中国人民大学出版社.2002:139～152
[2]、许树柏.层次分析原理[M].天津大学出版社, 1988.
[3]、TLSaaty.MulticriteriaDecisionMaking[M].RWSPublications.Pittsburgh, PA.1990.
[4]、魏末梅.企业技术创新能力评价体系与ANP法的研究[D], 2006.
[5]、孙宏才, 田平.网络层次分析法 (ANP) 与科学决策, 见:决策科学理论与方法[C], 中国系统工程学会决策科学专业委员会第四届学术年会, 苏州大学..北京:海洋出版社, 2001:3-8
ANP方法 第6篇
在我国大力发展碳市场与碳交易的过程中, 市场参与者间的利益冲突问题, 已成为我国低碳经济发展的重要制约因素。由于碳交易既涉及到初始碳排放权分配的一级市场, 也涉及到在初始碳排放权合理分配基础上的碳排放权交易的二级市场, 因此如何通过有效的市场机制来保障不同经济主体的利益, 是理论和实践中必须解决的重大问题。
初始碳排放权的合理分配是二级碳市场顺利运行的先决条件;同时, 作为碳市场的核心部分, 二级碳市场可以弥补一级碳市场有效性不足的缺陷, 进而实现运用市场手段解决环境问题的目标。在我国, 一级市场中碳排放权的初始分配一般由政府核定的总配额所决定, 但该机制无法同时保障各经济主体的利益, 会导致不同经济主体之间的利益博弈, 从而降低了处境较困难区域的积极性, 并加大了二级市场中碳交易机制建立和运行的难度, 对低碳经济的长远发展十分不利。同时, 二级市场中的低碳交易政策也尚不健全, 在全面启动碳排放权交易试点之际, 各地从自身利益出发, 纷纷筹建碳交易平台, 这种相互独立试点间的利益博弈将产生标准不统一、资源浪费、规模小和低效率等不利因素, 甚至会使得碳交易产品难以与国际对接[1]。可见, 碳市场参与者间的利益博弈导致的不合作结果, 已成为我国碳市场发展的重要阻力。
本文针对上述博弈问题进行了探讨和研究, 对于一级碳市场, 引入了网络层次分析法 (ANP) 将初始碳排放权分配给各低碳试点, 该分配方法不仅包含了碳排放权分配的公平原则、共同但有区别的责任原则和可持续发展的原则, 更考虑了三大分配原则之间的内在联系。因此, 它可以最大程度地满足各试点的利益, 有利于其完成减排任务。对于二级碳市场, 应用基于权重向量改进的多权重Shapley模型, 分析了统一碳交易平台建立过程中的利益分配问题。并用一个算例对模型改进前后求解出的结果进行了比较, 验证了改进方案的有效性与实用性。
2 基于ANP的一级碳市场中初始碳排放权的分配
2.1 初始碳排放权分配博弈描述
现阶段, 我国碳交易体系正面临由自愿减排向总量控制和配额交易过渡的重要时期, 中央政府在参考区域经济发展水平将碳排放许可分配到各个低碳试点的过程中, 可以借鉴国内外提出的碳排放权分配方式。目前, 世界各国正在寻找一个能够满足自身利益并遵循上述原则的碳排放权分配方式, 从而保障联盟稳定运行。现有的主要方法有RIVM (荷兰国家公众健康与环境研究所) 的逐渐参与法与多阶段法, 考虑人均、效率和碳排放系数等以确定减排目标的Triptych方法, 以人均排放趋同为基础的多部门趋同方法, 美国提出的基于GDP碳排放强度下降方法, 韩国主张的二元强度目标法, 南非提出的可持续发展政策与措施法[2,3,4,5,6,7]。至于我国, 陈文颖 (2005) 等提出了基于历史排放量的人均累积排放原则[8]。
然而, 上述方案只能满足某一经济体的利益, 无法保障合作联盟的稳定性。可见, 寻求各个经济主体都接受的碳排放分配方案是推进我国低碳经济发展的关键和必要途径。
ANP是Saaty (1996, 2007) 在层次分析法的基础上提出来的一种新的决策科学方法, 是层次分析法的扩展[9,10]。ANP适用于元素之间存在相互依赖关系和反馈关系的决策问题, 运用该方法来分配初始碳排放权可以从横行和纵向两方面综合考虑各分配原则[11,12,13]。因此, 应用ANP实现碳排放权分配符合三大原则的标准, 可以兼顾不同经济体的利益, 不仅提高了现有低碳试点区域的积极性, 且有利于更多的省市参与到低碳减排的行列。
2.2 基于ANP的初始碳排放权分配
(1) 初始碳排放权分配的评价体系构建
在解决碳排放分配问题时, 依据的准则为公平合理原则, Rose等 (1998) 、王文军和庄贵阳 (2012) 提出了基于公平合理原则的碳排放权分配方案[14,15], 杨骞和刘华军 (2012) 指出我国碳排放存在明显的区域差异[16]。借鉴学者们提出的各种方案, 本文按照影响排放权分配的三大原则将各方案进行如下分类:
第一类, 公平性原则。公平性原则涉及福利趋同、祖父制、土地面积、市场公正和人均平等五个元素。
第二类, 共同承担有区别的责任原则。该原则包括支付能力、贫穷程度、相对福利和人均累积四个元素。
第三类, 可持续发展原则。此原则含有GDP碳系数、环境价值两个因素。
(2) 初始碳排放权分配的ANP模型构建
本文运用ANP把单位1 (初始排放权额度) 的碳排放权市场份额分配给湖北、广东、重庆、上海、北京、天津六个试点省市, 这里不妨设各省市按照现有碳排放权分配由多到少依次为湖北、广东、重庆、上海、北京、天津。根据上文对问题因素的分析, 建立Alternatives (备选方案) 、Fairness (公平性) 、Common but Different Duty (共同承担有区别责任) 和Sustainable Development (可持续发展) 四个组。备选方案包括湖北、广东、重庆、上海、北京、天津六个因素, 其含义为现有碳排放权分配的影响, 其他组的内容如上文所述。利用SD软件得到碳排放份额的ANP网络如图1所示。
(3) 初始碳排放权分配方案结果分析
碳排放份额的ANP网络构建完成后, 在SD软件中通过判断矩阵的两两比较, 可以得到各个元素的优先等级和包含分配结果的完整报告。将得到的数据进行处理, 即可得到各影响因素重要程度的条形图, 如图2所示。
由图2可知, 在决定初始碳排放权分配方案的各种标准中, 重要程度排名较前的因素分别是人均平等原则、福利趋同和环境价值。这表明人均平等原则是相对受推崇的标准;且只有对欠发达地区进行相应的政策优惠才能保证其加入减排行列;同时, 自然环境的改善也越来越受到人类的重视。而GDP碳系数、祖父制及市场公平排名较后, 说明了发达经济体逃避自己责任的方案是行不通的, 并且拍卖机制尚不适用于我国国情, 运用该机制分配的碳排放权比例很小。另外, 图2中显示出各省市现有排放权的分配对未来的分配有一定的影响力, 这表明各省市碳排放权的分配会受到其他省市份额的影响。
利用计算机模拟报告中的数据可得, 湖北、广东、重庆、上海、北京和天津六个成员的碳排放权分配份额分别是20.22%、30.88%、7.8%、19.05%、11.7%和10.35%.该结果是基于各省市人口、面积、现有排放水平、历史排放量、经济发展水平、环境特征、减排成本等各因素的分配方案, 兼顾三大原则, 考虑到各个省市的利益。可见, 它是一种公平、合理的分配, 有利于低碳经济试点联盟的建立和顺利运行。然而, 在专家打分构造判断矩阵的过程中, 专家的知识储备不足和个人情感因素影响会一定程度上影响最终结果。因此, 本文结果主要用于展现方案的可行性而非局限于具体数据。
初始碳排放权的合理分配为碳排放权交易创造了条件。然而, 碳市场博弈中的利益分配还与二级碳市场中的交易是否有效密切相关, 碳排放权交易是实现碳博弈利益再分配的又一重要手段。下文将针对碳交易开展过程中统一碳市场建立的利益博弈问题进行讨论。
3 基于改进多权重Shapley值法的二级市场中碳市场收益分配
统一碳交易市场的建立可以使有限的资源得到充分利用, 有利于形成规模经济, 便于高科技技术的引入和发展, 使得低碳经济这一新的经济增长点给联盟成员带来额外收益[1]。然而, 我国目前已经建立或正在筹建的碳交易平台过多, 这一特有现象使得建设具有国际影响力与竞争力的统一碳交易市场平台, 成为继碳排放权合理分配后的首要任务。
碳交易平台联盟成功建立和顺利运行的关键在于合作收益的公平合理分配。在收益分配过程中, 各试点区域的创新能力、投资额、面临风险等不尽相同, 众多影响因子的存在加大了公平分配的难度。针对该问题, 下面将运用基于权重向量修正的多权重Shapley值法来解决统一碳市场建立过程中的收益分配问题。
3.1 传统的Shapley值方法及对其修正存在的问题
Shapley值方法是Shapley (1953) 提出的一种解决n人合作中利益分配问题的数学方法, 它是基于边际贡献的合理分配法[17]。Shapley值是满足有效性、无序性和可加性三条公理的一个公式:
其中, V (·) 是特征函数;m表示M中成员的个数;M (i) 表示含有成员i的子集的集合。
然而, 该方法假设每个参与者加入联盟的意愿为1/n, 且每个联盟建立的可能性为1, 这一假设没有考虑到各联盟成员在合作过程中的风险承担问题、技术创新能力等因素, 显然与现实不相符。为了弥补这一不足, Shapley (1953) , Hart等 (1987) 以及马士华和王鹏 (2006) 对于传统的Shapley值方法进行了修正, 探讨了风险因子、技术创新系数等因素的影响[18,19,20]。这些修正都建立在各影响因子对收入分配的影响程度相同的假设前提下的。
针对该问题, 王振锋 (2011) 等应用AHP确定风险因素、投入因素、努力因素的权重, 修正了Shapley值法的利益分配[21]。张捍东 (2009) 等考虑了各影响因素间的横向联系[22]。然而, 这些基于单一权重的修正, 各影响因子在参与者所有联盟活动中的作用是相同的, 不符合实际情况。而Haeringer (2006) 、刁丽琳等 (2011) 提出的多权重Shapley值模型, 能够反映成员在多项联盟活动中的不同权重[23,24], 但没有提及如何得到权重向量。同时, 上述所有的修正过程都将某因子的权重直接作为其作用向量, 忽略了联盟成员将针对这一因子进行博弈的事实。下文将针对以上问题进行探讨。
3.2 基于权重向量修正的多权重Shapley值方法
多权重Shapley方法的关键在于构造原对策的等价对策。对于一个满足超可加性的博弈D=[N, V], 存在它的一个Shapley等价博弈D′=[N, V′], 且D′可以分解成一系列满足超可加性的简单博弈。不妨假设γi是单元素联盟{i}的常系数, θj是不少于二的实质联盟Cj的常系数。权重向量为ωj={ωji}, ωji表示Cj中成员i的权重。则可以引入权重向量, 得到多权重Shapley值公式:
多权重Shapley方法是在传统的Shapley值方法基础上为每个有效联盟引入权重得到的, 使得参与者在不同联盟中的利益分配权重可以不相同, 更加符合实际情形。然而, 该模型中的权重向量是直接给出的, 不能体现合作过程中各影响因子如何起作用。且权重向量直接影响最终的利益分配结果, 不合理的权重向量会导致分配结果背离参与者的期望值, 使得联盟参与者退出联盟。因此, 合理权重向量的构造对于联盟的稳定十分关键。
下文在多权重的Shapley值模型基础上, 引入基于Shapley值方法的决策向量和基于ANP的影响程度向量。在考虑投票权与决策权分离[25,26]的前提下, 利用Shapley值法算出各因素的决策向量, 构造决策权矩阵;并用ANP得到影响利益分配各因素的影响程度向量;将该决策权矩阵与影响程度向量相乘, 得到权重向量。可见, 改进的多权重Shapley值模型是由两阶段三次博弈过程构成的。
对于影响利益分配的t个因素, 需要通过ANP求得它们对利益分配的影响程度向量。此时, 权重向量ω′为:
其中, ωi′表示在各种影响因素的综合影响下对参与者i收益分配的修正系数。, 只要从ω′中抽取Cj中成员相应的系数, 进行归一化处理便可得到Cj的权重向量。
将该权重向量代入式 (2) 即得到基于权重向量修正的多权重Shapley值模型:
可见, 基于权重向量对多权重Shapley值方法进行修正是十分必要的, 其更适用于实际情况。下面将运用该模型来模拟统一碳市场中的利润分配。
3.3 改进多权重Shapley值法在统一碳市场利润分配的具体应用
不妨以北京、上海和天津三个地区统一碳交易平台建立的博弈为例加以说明。分别求出传统Shapley值、多权重Shapley值以及改进后多权重Shapley值下的利益分配结果, 并通过结果比较验证基于权重向量修正多权重Shapley值方法的有效性。
不妨设上海单独筹建碳交易平台可以盈利a个单位, 北京和上海合作筹建图交易平台可以盈利a+b个单位, 上海和天津合作筹建碳交易平台可以盈利a+c个单位, 北京、上海和天津三个地区合作的盈利为a+b个单位, 其中, a>0、b>0、c>0、a>c、b>c、a+c>b, 且其他的合作方式无法盈利。
(1) 基于传统Shapley值方法的收益分配
基于传统Shapley值方法的北京碳交易平台的收益分配额计算过程 (如表1所示) 。
用同样的方法, 可得上海和天津分配的利益分别为a+0.50b+0.17c和0.17c.
(2) 基于多权重Shapley值方法利益分配
为方便结果比对, 设影响北京、上海和天津三个地区利益分配的权重向量为下文中三个影响因子投票权向量的平均值, 即为 (23.3%, 33.3%, 43.4%) , 则实质联盟 (北京, 上海) 和 (上海, 天津) 的权重向量为 (0.412, 0.588) 和 (0.435, 0.565) 。代入式 (2) 计算出北京、上海和天津三个地区的多权重Shapley值分别为0.41b-0.27c、a+0.59b+0.09c和0.19c.
(3) 基于权重向量修正的多权重Shapley值方法收益分配
以上计算过程考虑了影响因素的作用, 但忽略了投票权与决策权的分离以及各影响因素影响程度不尽相同, 从而使得分配存在一定的不合理性。由于影响利益分配的因素有很多, 为方便计算, 本文以风险因素、创新因素和投入因素为例加以讨论。不妨设北京、上海和天津建立碳交易合作联盟时在风险因素、创新能力和投资额影响下的投票权向量分别为 (20%, 30%, 50%) , (30%, 40%, 30%) 和 (20%, 30%, 50%) 。
由于投票权和决策权存在分离问题, 不能直接代入投票权向量进行计算。其中, 对于风险因素的影响下的决策权向量计算如下:
由北京、上海和天津三个地区合作建立统一的碳交易平台, 这三个联盟成员构成的排序序列数为6, 临界值为60%.仅当Sk={天津, 北京, 上海}时, 北京是重要的参与者, 因此ο北京=1, 同理, ο上海=1, ο天津=4, 可以得到风险因素影响下北京、上海和天津的决策权向量为 (16.7%, 16.7%, 66.7%) 。同样, 可以计算出创新能力和投资额影响下的决策权向量分别为 (16.7%, 66.7%, 16.7%) 和 (16.7%, 16.7%, 66.7%) 。不妨设由ANP得到风险、创新和投资三个因素的影响力向量为 (15%, 60%, 25%) , 由式 (3) 可得权重向量的转置为 (16.7%, 46.7%, 36.6%) 。从而, 代入式 (4) 计算得出北京、上海和天津的收益分配分别为0.26b-0.18c、a+0.74b+0.03c和0.15c.
(4) 结果对比
利用传统Shapley值方法, 多权重Shapley值方法和基于权重向量修正的多权重Shapley值方法计算出来的数值是有差别的 (见表2) 。
由表2中的数据可知, 相对于传统Shapley值法的分配, 多权重Shapley值法下北京的收益减少了, 而上海和天津的收益增加了, 且天津收益增加的百分比大于上海。这体现了北京面临的风险最大, 且创新能力与投资额度最小, 而天津的创新能力虽稍逊于上海, 却在所面临的风险和投资额度上具有较大的优势。通过比较多权重Shapley值方法和基于权重向量改进的多权重Shapley值方法计算出来的利益分配值, 发现北京和天津的收益分配大幅度下降, 而上海的收益获得了更大程度的上升。这反映了创新能力在碳交易盈利过程中的作用十分显著, 且参与者针对该因子的博弈又加大了其影响力, 上海通过创新能力博弈过程实现了其利润最大化, 而天津因创新能力较弱抵消了其在风险和投资创新方面的优势, 导致其收益反而减少。
通过以上比较可知, 多权重Shapley值方法赋予了不同联盟中同一成员不一样的权重, 优于传统Shapley值方法。而基于权重向量修正的多权重Shapley值法较多权重Shapley值法更能体现统一碳市场建立过程中所有影响因子间的横向联系以及联盟成员针对各影响因子的纵向博弈过程, 是最优方法。运用该方法可以更加有效地解决碳交易市场建立过程中的利益分配问题, 促进统一的、与国际接轨的碳交易市场的建立, 进而为二级市场中碳排放权再次分配的有效性提供保障。
4 研究结论
一级碳市场中碳排放权的初始分配问题和二级碳市场中各试点区域争相建立碳交易平台的博弈行为, 是我国碳市场发展过程中的重要制约因素。现有的碳排放权分配方案往往只体现了部分参与者的利益, 从而导致了不同利益集团间的博弈, 使得碳市场和碳交易发展受阻。同时, 碳交易市场中诸多碳交易平台的建立是我国碳市场发展过程中的特有现象, 试点区域间的利益冲突将导致碳交易中的非效率状态。因此, 建立统一的、国际性的碳交易平台势在必行。
本文针对初始碳排放权分配中的博弈问题提出基于ANP的碳排放权分配方案, 该方案兼顾了不同经济主体的利益, 使减排联盟能够顺利建立和运行, 为碳交易市场的开展提供了先决条件。同时, 本文提出了基于权重向量改进的多权重Shapley值方法, 此方法在综合考虑各影响因子和以博弈论的思想探讨影响因子效用的基础上赋予不同联盟中同一成员不一样的权重, 具有更符合实际的应用价值。
摘要：针对我国碳市场中初始碳排放权的分配和统一碳交易市场的建立都存在利益冲突与博弈的问题, 提出了基于网络层次分析法 (ANP) 的初始碳排放权分配方案, 并应用基于权重向量改进的多权重Shapley模型, 分析了统一碳交易平台建立过程中的利益分配问题。该分配方案不仅包含了碳排放权分配的三大原则, 更考虑了各种分配原则之间的内在联系, 可以更大程度地满足参与减排行动各个主体的利益, 有利于各个经济体完成减排任务。而改进的多权重Shapley模型不仅运用ANP考虑了所有的影响因子, 且以博弈论的思想分别探讨了各影响因子的作用, 具有更符合实际的应用价值。
ANP方法 第7篇
1 企业绩效管理能力评价指标体系的构建
英国审计委员会 (Audit Commission, 1995) 在对当地的17个机构进行调查的基础上, 提出“绩效管理指数”是衡量绩效管理系统满意程度的一项指标。在人事管理学会 (Institute of Personnel Management, 1992) 关于绩效管理的调查中, 研究人员要求各调查对象对本公司绩效管理系统的有效性评估, 结果显示, 虽然大多数公司都认为其绩效管理系统“基本上是有效的”, 但只有一半的公司对绩效管理系统采取了监督和评估措施, 这说明至少一半公司对于绩效管理系统有效性的判断在很大程度上是凭借印象[1]。 国内学者杜勇 (2005) 在对绩效管理系统有效性的内涵进行界定的基础上, 分析了影响绩效管理系统有效性的因素, 并从战略和战术两个层面提出了保障绩效管理系统有效性的措施[2]。
根据对相关文献的研究, 本文将企业的绩效管理能力界定为:绩效管理能力是指, 运行绩效管理系统的企业所拥有的, 能够对绩效进行有效评价, 促进企业实现持续发展;激励员工, 并促使员工开发自身的潜能;促进组织内部沟通与交流, 形成绩效导向的企业文化等, 各种知识、技能、技术、管理等要素的组合。基于此, 本文以绩效管理系统的激励能力、评价能力、沟通能力三个方面为主线, 将绩效管理能力评价内容划分为8个大类共19项评价指标。企业绩效管理能力评价指标体系的结构如表1所示。
指标体系说明:
所有定性指标按照010进行评价打分, 分值越高评价结果越好。定量指标说明如下:
(1) 绩效薪酬占总体薪酬的比例
undefined
(2) 绩优者提薪的及时性=绩优者提薪周期 (天数) -绩效评价周期 (天数)
(3) 薪酬激励对绩效提升的效能undefined
其中ΔP为上一个绩效考评周期结束时, 因绩优被提薪者的本期绩效与上期绩效的差, P为上期绩效;ΔS为本期绩效薪酬与上期绩效薪酬的差;S为上期绩效薪酬。指标数值如果大于1, 说明绩效薪酬对于绩效提升的激励效能较高;如果等于1, 则说明绩效薪酬只起到了反映绩效情况的作用, 而不具备激励绩效提升的效能;如果小于1, 说明绩效薪酬已经不能反映绩效的真实情况, 而是流于形式, 甚至正在向固定薪酬状态转化。
(4) 绩效结果占晋升条件的比例undefined
(5) 绩优者晋升的及时性=绩优者晋升周期 (天数) -绩效评价周期 (天数)
(6) 晋升对绩效提升的影响undefined
其中P1为上一个绩效考评周期结束时, 因绩优被晋升者的本期绩效;P0为该员工的上期的绩效。指标数值越大, 说明晋升对绩效提升的影响越大。
(7) 员工获知评价结果的及时性=员工获知评价结果周期 (天数) -个人绩效评价周期 (天数)
(8) 上下级沟通效率
undefined
该指标反映了一个绩效评价周期内上下级间沟通的有效比率, 所谓“有效”是指通过沟通使上下级间就某个问题的解决取得进展或达成一致, 以书面记录为准。指标数值越大说明沟通效率越高。
(9) 上下级沟通效果undefined
其中, ΔP为本期绩效与上期绩效的差, P为上期绩效;ΔRc为本期上下级沟通效率与上期上下级沟通效率的差, Rc为上期上下级沟通效率。如果指标值大于1, 说明上下级沟通对绩效提升效果显著;如果等于1, 说明上下级沟通效果一般, 对于绩效提升的作用属于“推一推, 动一动”的状态;如果小于1, 则说明上下级沟通效果较差, 仅从工作角度进行有效沟通不足以促进绩效提升。
(10) 部门间沟通效率
undefined
该指标反映了一个绩效评价周期内部门间沟通的有效比率, 所谓“有效”是指通过沟通使部门间就某个问题的解决取得进展或达成一致, 以书面记录为准。指标数值越大说明沟通效率越高。
(11) 部门间沟通效果undefined
其中, ΔP为本期绩效与上期绩效的差, P为上期绩效;ΔRr为本期部门间沟通效率与上期部门间沟通效率的差, Rr为上期部门间沟通效率。如果指标值大于1, 说明部门间沟通对绩效提升效果显著;如果等于1, 说明部门间沟通效果一般, 部门间沟通仅为维持绩效任务的完成;如果小于1, 则说明部门间沟通效果较差, 书面的有效沟通记录不足影响绩效变化。
2 构建网络层次结构模型
本文的ANP结构模型 (见图1) 。
控制层的问题目标是企业绩效管理能力 (A) , 企业绩效管理能力 (A) 既是评价目的又是评价准则, 子目标包括激励能力 (B1) 、评价能力 (B2) 和沟通能力 (B3) , 可以直接用AHP方法获得三个子目标的权重, 为简化叙述, 具体操作过程在本文中不再介绍。在网络层中, 有8个元素集, 分别是薪酬激励 (C1) 、机会激励 (C2) 、责任激励 (C3) 、企业绩效评价 (C4) 、团队绩效评价 (C5) 、个人绩效评价 (C6) 、纵向沟通 (C7) 、横向沟通 (C8) , 每个元素集中分别由其相应的三级指标作为元素所构成, 共有19个评价指标。
另外, 图1中箭头表示箭尾指标影响箭头指标, 如果自身有对自己的箭头则表示属于该指标 (元素集) 的下一级指标之间是相互影响的, 即该指标 (元素集) 内是相互依存或非独立的。
3 评价指标的相对重要性权重计算
设ANP的控制层中有元素B1, , Bn, 控制层下, 网络层有元素组C1, , CN, 其中Ci中有元素ci1, , cini, (i=1, , N) 。ANP权重计算步骤如下[3] :
(1) 构建两两比较判断矩阵。由于在 ANP结构中被比较元素之间可能不是独立的, 而是相互依存的, 所以, 在每一个决策准则下受支配元素将以两种方式进行比较。
(a) 直接重要性程度比较:给定一个评价准则, 两元素对于该准则的重要程度进行比较, 比较适用于元素之间互相独立的情形。其重要性程度标度确定方法见表2。
(b) 间接重要性程度比较:给出一个准则, 两个元素在该准则下对第三个元素 (用作评价准则, 所以又称为次准则) 的影响程度进行比较, 来间接获得重要性程度, 比较适用于元素之间互相依存的情形。其重要性程度标度的确定方法也见表2。
以控制层元素Bs (s=1, , m) 为准则, 以Cj中元素cjl (l=1, , nj) 为次准则, 元素组Ci中元素按其对cjl的影响力大小进行间接优势度比较, 即构成判断矩阵。
(2) 确定超矩阵。由特征根法得排序向量 (wundefined, , wundefined) ′, 记Wij为:
undefined
这里Wij的列向量就是Ci中有元素ci1, , cini对Cj中元素cji, , cjni的影响程度排序向量。若Cj中元素不受Ci中有元素影响, 则Wij=0, 这样最终可以获得Bs下, 超矩阵W:
1n1 1n2 1nN
undefined
这样的超矩阵共有m个, 它们都是非负矩阵, 超矩阵的子块Wij是列归一化的, 但W不是列归一化的[4]。
(3) 确定加权超矩阵。以Bs为准则, 对Bs下各组元素对准则Cj=1, , N的重要性进行比较。与Cj无关的元素组对应的排序向量分量为零, 由此得加权矩阵:
undefined
加权超矩阵反映了主因子对次因子的控制作用与次因子的反馈作用。
(4) 求解指标权重。对超矩阵W的元素加权, 得undefined, 其中undefined就为加权超矩阵, 其列和为1, 称为列随机矩阵[5]。最终可以得到各项指标的权重。
Super Decision软件给出了矩阵式、问卷式、口头式、绘图式等方式确定判断值输入数据, 凡是存在相互依存关系和反馈关系的都进行两两比较。为构造指标的两两重要性程度比较矩阵, 我们采用专家打分法, 对于企业绩效管理能力评价指标进行重要性程度比较、打分, 取其加权平均值作为最终取值。8个元素组及其19个元素之间每个关系矩阵都进行一致性检验, 计算一致性比例。W1是以企业绩效管理能力作为评价准则下, 8个二级指标重要性程度的两两比较矩阵。由表3可知二级指标关系判断矩阵的一致性检验结果为0.0064, 低于0.1, 说明可以接受。
C6 C4 C5 C2 C8 C7 C1 C3undefined 在本例中, 不考虑控制层, 网络层中有八个元素集, 分别以绩效管理能力最大为准则, 元素集中的元素为次准则, 建立两两比较矩阵。如表4是以C7.2 (上下级沟通效果) 作为评价标准 (即评估次准则, 此时仍然以企业绩效管理能力作为最终评价准则) , 分别对C6.1 (绩效管理系统对员工业绩评价的准确性) 与C6.2 (员工对评价结果获知的及时性) 、C6.1与C6.3 (员工对业绩评价的认可程度) 、C6.2与C6.3的重要程度进行比较 (即间接重要性程度比较) 的结果。其一致性检验结果为0.0147, 低于0.1, 说明是可以接受的。所得的相对权重即超矩阵的子块。
ANP用超矩阵计算各相互作用因素之间的最终权重。超矩阵是一个隔离矩阵。W是本例中由相互作用因素的两两比较的特征向量组成超矩阵。W第14列前三个数值就是表4中计算得到的各元素权重。
对超矩阵W的元素加权, 得加权超矩阵undefined;其中:undefined;i=1, , N;j=1, , N;aij为元素层判断矩阵;Wij为超矩阵中各子矩阵块。对加权超矩阵进行2k+1次演化, k趋近于无穷大。结果达到一致, 形成一个长期稳定的矩阵undefined。undefined各行的非零值均相同, 则原矩阵所对应行的值为各评价指标相对于目标的稳定的权重[6]。 (限于篇幅, 具体计算过程, 以及undefined与undefined矩阵不在文章中列举。)
表5是应用 Super Decisions软件经计算得到的各级指标相对重要性权重整理结果。一级指标的权重通过AHP方法得到, 具体运算过程略去。二级指标相对于企业绩效管理能力的权重已在上文中计算得出。表5中, “Normalized By Cluster”列是考虑了各个指标之间相互依存和反馈关系之后, 每一个三级指标在整个企业绩效管理能力评价体系中的重要性权重, 即矩阵 所对应行的值 (该列数值之和等于1) , “Limiting”列是每一个三级指标在其所属的二级指标内的相对重要性权重 (例如, C1.1、C1.2、C1.3在C1内的权重分别为0.39962, 0.33317和0.26721, 三者之和等于1) 。
4 企业绩效管理能力的实证分析
对企业绩效管理能力进行科学评价是为了帮助企业了解自身在绩效管理方面存在的缺陷, 并有针对性地确定未来的努力方向。下面给出企业绩效管理能力评价模型:
R=W×Y
式中:R= (r1, r2, , rn) 为n个企业的绩效管理能力评价结果向量;
W= (W1, W2, , Wm) 为m个评价指标的权向量;Y= (yij) m×n为n个企业各项指标的无量纲化数据矩阵。按rj的大小将企业排序, rj越大企业的绩效管理能力越强[7]。
在对天津市多家企业进行走访的基础上, 我们选取其中5家作为评价对象, 采取跟踪评估和专家打分法等方法对这5家2008年某季度的绩效管理状况进行了评价。天津市五家绩效管理能力评价指标的实际值见表6。
为消除量纲的影响, 需要对评价指标数据进行无量纲化处理。根据指标情况, 我们采取的无量纲化方法为:对被无量纲化的项目的每一个取值, 减去其最小值, 然后除以范围 (最大值与最小值的差) 。无量纲化后的取值范围为0-1。
无量纲化数据矩阵如下:
undefined
经过矩阵运算 (指标权向量W即为表5“Normalized By Cluster”列向量转置矩阵) , 得到5家企业绩效管理能力评价值向量为:
R=WY= (0.433, 0.316, 0.556, 0.701, 0.521) 。
由此可得5家企业的绩效管理能力排序为4, 3, 5, 1, 2
将Y分块为:
undefined
其中y1, y2, y6为3×5矩阵, y3, y4, y5, y7, y8为2×5矩阵, 则可得5家企业八个二级指标方面的排序向量。计算方法如下:
undefined
其中b1即为表5“Limiting”列前三个数值组成的权向量转置矩阵。同理可以算得:
R2=b2y2= (0.374, 0.2383, 0.408, 0.4299, 0.626)
R3=b3y3= (0.4254, 0.181, 0.5746, 0.4841, 0.7286)
R4=b4y4= (0.8306, 0.7796, 0.2204, 0.7795, 0.1694)
R5=b5y5= (0, 1, 0.5782, 0.5781, 0.5549)
R6=b6y6= (0.5381, 0.5396, 0.4619, 0.5108, 0.4026)
R7=b7y7= (0.3883, 0, 0.6142, 1, 0.5635)
R8=b8y8= (0.3398, 0.1516, 1, 0.8655, 0.1467)
由此可以对5家企业绩效管理能力的八个方面得到以下结论:
薪酬激励能力排序:5, 3, 2, 4, 1
机会激励能力排序:5, 4, 3, 1, 2
责任激励能力排序:5, 3, 4, 1, 2
企业绩效评价能力:1, 2, 4, 3, 5
团队绩效评价能力:2, 3, 4, 5, 1
个人绩效评价能力:2, 1, 4, 3, 5
纵向沟通能力:4, 3, 5, 1, 2
横向沟通能力:3, 4, 1, 2, 5
由此评价结果可以清楚地看出每个企业提高绩效管理能力的努力方向。
5 结束语
本研究给出的企业绩效管理能力评价方法既可以用于横向比较, 即对不同企业的绩效管理能力进行排序, 也可用于纵向比较, 即对某一企业若干时间段的绩效管理情况进行排序。该方法具有合理有效、易于操作的特点。
摘要：企业绩效管理能力是决定企业绩效管理有效性的关键, 进行企业绩效管理能力评价研究, 有助于企业有针对性地提升绩效管理水平。在建立企业绩效管理能力评价指标体系的基础上, 采用网络层次分析法 (ANP) 构建网络结构模型, 确定各项指标的权重, 最后对五家企业进行实证分析。
关键词：企业绩效管理能力,评价指标体系,网络层次分析法 (ANP) ,实证分析
参考文献
[1]威廉姆斯.组织绩效管理[M].北京:清华大学出版社, 2002.
[2]杜勇.绩效管理系统有效性保障研究[J].人才资源开发, 2005 (10) :28-29.
[3]SAATY T L.Inner and outer Dependence in the Analytic hierarchyprocess:The Super matrix and Super hierarchy[A].proceeding ofthe 2nd ISAHP[C].Pittsburgh, 1991.
[4]许树柏.层次分析原理[M].天津:天津大学出版社, 1988.
[5]孙宏才, 田平.网络层次分析法与科学决策[M]//决策科学理论与方法.海洋出版社, 2001.
[6]王莲芬, 蔡海鸥.网络分析法的理论与算法[M]//决策科学理论与方法.海洋出版社, 2001:9-17.
ANP方法 第8篇
进入电气化时代以来,电力行业在国民经济发展中地位与日俱增,已经成为基础性、先导性和战略性行业,其运营状况也越来越受到国家政府的高度重视。经过电力市场化改革,我国电力行业目前处在发电侧竞争的电力市场模式下。在这种模式下,电网企业在电力运营过程中的调控作用凸显出来。其在电力行业发展中具有“承上启下”的作用,既有对发电侧的市场化配置功能,也有对客户终端的需求侧管理功能,因此在当前电力市场模式下,对电网企业运营能力进行评估具有十分重要的意义。
企业运营能力的评价包含多个方面的指标,如何建立科学、合理、严谨、量化的评价模型成为一项重要课题。同时近年来,关于企业运营能力的评价方法的研究日趋丰富,如TOPSIS法、AHP法、熵权法、DEA法[1,2,3,4]等方法的应用,使得对企业运营能力的评价更加客观。
由于电力行业具有资金密集性、技术密集性、运营环节众多等特点,使得电网企业的运营能力评价涉及面广、指标多。传统的评价方法无法解决指标间相互影响,因此本文运用网络层次分析法(ANP)建立电网运营能力评价模型并进行实例验证。结果表明,ANP法能有效地评估电网企业运营能力,具有科学性和适用性。
1 电网企业运营能力评价指标选择
通过深入了解电网企业运营管理模式及内容,结合现有的电网企业同业对标指标内容,并对影响其运营能力的因素进行了归纳分析,给出电网企业运营能力评价指标体系初稿。然后选15位电网企业运营管理专家,通过Delphi法对初选指标进行筛选、增补。最后经过三轮咨询后,15位专家的意见趋于一致。具体指标体系如表1所示。其中,指标值大小与运营能力大小一致的为正指标,反之为逆指标,越接近某一值越好的为适度指标。
1.1 电源供应能力
电源供应能力是电网企业向电力用户提供高可靠性高质量电力电量服务的前提保障。电源采购的经济性、节能性、环保性、安全性是电网企业运营电源侧的目标。本文将以下8个指标作为电源供应能力的二级指标。
1)单位购电成本
电网企业在运营中最为关注的是单位电量的购买成本,单位是元/k Wh,计算公式如式(1)。
式中:ap为单位电量购电成本;ip为第i个机组的上网电价;iQ为第i个机组的合同电量;tQ是总电量,i=1,,k。
2)发电侧市场力
赫芬达尔指数(HHI)是衡量发电侧市场力的重要方法,电网企业通过监测市场力避免某一发电商具有市场操控力,进而影响电源的采购。其计算公式如式(2)。
式中:X表示某区域的总装机容量;Xi表示区域中第i个发电商的装机容量;Si表示第i个发电商的市场占有率;HHI实际上是市场上所有发电商市场份额的平方和。
3)负荷矩
负荷矩[5]是线路输送的负荷与输送线路长度的乘积,是电网安全性指标之一,其单位是k Wkm。总负荷矩越小,电源离负荷点越近,对电网的安全性支撑越强。其计算公式如式(3)。
式中:ip为线路输送的负荷,k W;iy为输送线路的长度,km。
4)综合等效可用系数
发电机组等效可用系数EAF是评价机组可靠性水平高低的重要指标,其计算公式如式(4)。
5)单位电量污染物排放量
该指标反映电网企业采购的电能清洁程度,单位是kg/k Wh。
式中:Qpd a表示单位电量污染物排放量;Qpdt表示污染物排放总量,是SO2、NOx、CO、TSP这四种主要污染物排放总和;Qpower表示电能总量。
6)污染物排放密度
考虑各地区对污染的自身净化能力不同。为消除地区间的差异性,提出了污染物排放密度的概念,此指标单位是kg/(km)2。
式中:Qpdi表示污染物排放密度;Qpdt意义同上;Szone表示地区面积。
7)综合供电煤耗
式中:bgpt是综合供电标准煤耗率;iQ是第i个电厂发电量(i=1,,k);tQ是总发电量;bgpi是第i个电厂的供电标准煤耗率,其单位是g/k Wh。
8)综合厂用电率
式中:Lfcyt是综合厂用电率;Lfcyi是第i个电厂的厂用电率;iQ、tQ同上。
1.2 电网输配电能力
电网是电网企业输配电能的平台。本文将以下12个指标作为电网输配电能力的二级指标。
1)单位电量输送成本
输电费用主要由电网使用费、辅助服务费构成。用上述费用总额除以相应的输电量得到单位电量输送成本,其单位是元/k Wh。
2)净资产收益率
3)流动资金周转率
4)资产负债率
5)220 k V容载比
定量、适度指标。反映220 k V配电网变电容量的裕度。容载比过大,说明电网建设早期投资过大;容载比过小,说明电网适应性差,影响供电能力。计算公式如式(12)。
6)电网事故次数
电网事故是指电网非正常解列包括自动解列、继电保护及安全自动装置动作解列等引发的电网减供负荷。
7)设备事故次数
电力企业发生设备、设施、施工机械、运输工具损坏,造成直接经济损失超过规定数额的,为电力生产设备事故。
8)人身事故次数
按照《电力生产事故调查暂行规定》第七条的定义对此指标进行统计。
9)综合电压合格率
综合电压合格率是指全年供电时间内,供电合格时间占全年总时间的百分数。公式如式(13)
其中:iV表示综合电压合格率;A表示变电站10 k V母线电压合格率;B表示35 k V及以上专线顾客电压合格率;C表示10 k V顾客电压合格率;D表示380/220 V低压顾客电压合格率。
10)供电可靠率
其中:RS表示供电可靠率;aT表示用户平均停电时间;Ttotal表示统计期间时长。
11)客户满意度指数
客户满意度指数成为衡量电网企业服务质量的一项重要指标,是电网企业运营能力的重要体现。
12)综合线损率
根据电力网电能损耗计算导则(DL/T686-1999)的定义
式中:ρ表示综合线损率;Lloss表示线损电量;sP表示供电量。
1.3 需求侧管理能力
需求侧资源是电网企业的利润来源,对需求侧资源管理是电网企业的重要工作内容。本文通过以下5个指标对其进行评估。
1)累计电费回收率
2)电费回收准时率
式中:x为某地区近3年滞纳金累计与某地区近3年应收电费的比值;a为某一确定值,由电网企业制定。
3)负荷率
负荷率系指电网的平均有功负荷与最高有功负荷的比率,计算公式如式(18)。
式中:Kp为日负荷率;pP为日平均有功负荷;Pmax为日最高有功负荷。
4)用电增长率
其中:x=最近一年实增电量/上一年购电量;r为增长上限,根据自身的情况来确定。
5)终端能源消费占比
电能消费占终端能源消费的比重,是指电能在各种能源最终总消费中的百分比,是衡量一个国家电气化程度的重要指标之一[6],同时也是电能消费竞争力的体现,与电网企业的运营有直接的关系。
2 ANP及评价模型的建立
2.1 网络层次分析法介绍
美国匹茨堡大学T.L.Satty教授在层次分析法(AHP)的发展基础上,于1996年提出了一种适应非独立递阶层次结构,能够解决存在内部依存和反馈效应的复杂系统的决策模型[7]。由于网络层次分析法中考虑了元素间的相互影响与支配,更能准确地描述现实世界中客观事物之间的联系,因而成为一种更加有效的决策方法。
ANP系统元素分为两个部分:第一部分是控制因素层,包括问题目标及决策准则;第二部分为网络层,控制层所支配的所有元素组组成,其内部是互相影响的网络结构。
2.2 ANP评价模型的建立
依据ANP原理及所建指标体系,通过分析指标内涵及其相互关系,构建如图1的网络层次分析模型。
2.3 网络层次分析法计算步骤
(1)判断矩阵和排序向量的建立
运用Delphi法对ANP系统中的各指标的相对重要性给出判断,判断标准一般采用1~9标度法。
设网络ANP中控制层元素为B1,B 2,,Bm,网络层元素集有C1,C2,,CN,其中Cj有元素cjk(k=1,2,,nj)。将元素集iC中的元素按其对cjk的影响力大小进行两两比较分析,即在控制准则下构造判断矩阵。然后由特征根法得到排序向量[wi1(jk),wi2(jk),,wini(jk)]T。如果上述特征向量通过一致性检验,则将其写成矩阵形式,可得到局部的权重向量矩阵:
如Cj中的元素不受iC中元素影响,则Wij=0。
(2)超矩阵的建立
同理,依次将其他元素集元素之间的内外关系比较,得到由网络层中各个元素相互影响的排序向量所构成的无权重超矩阵Ws。
矩阵的每个元素都是一个矩阵,列和为1;但W不是归一化矩阵。为了计算方便,需要将超矩阵列归一化,即对sW的元素加权,得到加权超矩阵。
(3)加权超矩阵的计算
在控制层sB准则下,网络层各组元素对Cj(j=1,,N)的重要性进行比较,得到一个归一化的排序向量。
进而可以得到加权矩阵
将矩阵H与W相乘即为加权超矩阵
(4)超矩阵W稳定处理
稳定处理即计算每个超矩阵的极限相对排序向量:
原矩阵对应行的值为各评价指标的稳定权重的前提条件是这个极限收敛且唯一。通过式(24)计算得到各指标的权重值。
ANP计算过程非常复杂,因此本文采用Super Decisions软件进行实例计算,得到各指标的权重。
(5)指标标准化处理
正指标和逆指标分别选用式(25)和式(26)处理。适度指标先后采用式(27)与式(25)处理。
式中,a为适度值,采用式(27)计算后,用式(25)计算得到适度指标最后的标准值。
(6)线性加权法计算评价值
选用线性模型汇总各指标归一化指标值,得到综合评分。
式中:Y为综合评分值;sj为评价指标值;wj为权重系数。
3 算例
以我国某区域电网中的五个省级电网企业相关数据为例,方法计算步骤如下。
(1)运用Super Decisions软件构建电网企业运营能力评估模型如图2所示。
(2)采用九分法对各指标之间的关系进行打分。
图3为Super Decisions软件中提供的指标间的两两判断矩阵打分界面。图4为指标相应的一致性检验结果和指标权重。由图可知,一致性检验结果为0.0905<0.1,因此可认为该判断矩阵是被接受的。
(3)表2为Super Decisions软件输出的各级评价指标权重。
其中,最终权重通过二级指标权重与相应一级指标权重相乘得到。
(4)通过中国统计年鉴、电力统计年鉴等,并按照各指标定义的度量方法计算得到某区域电网企业所辖五家省级电网企业运营能力评估指标值,具体结果如表3所示。
(5)综合评价结果
结合指标属性和式(25)~(27)所示各类指标处理方法得到指标标准值,最后运用线性加权法计算得到最终评价结果如表4所示。
4 结论
电网企业运营能力评价是一个多层次的综合评价问题,根据电网企业自身特性,结合专家讨论和广泛的调查来构建评价指标体系和分析指标间关联性。选用ANP方法对电网企业运营能力进行综合评价,在全面分析电网企业运营能力各影响因素的同时,考虑了各个评价指标之间的相互影响关系,进而使得评价结果更加准确可靠。
该模型运算较简单,便于操作,有助于电网企业更好地了解自身运营能力,从而为电网企业提高运营能力提供更多科学、合理的决策。
参考文献
[1]周凯.仓储企业运营能力评价研究[J].企业技术开发,2005,24(7):49-52.ZHOU Kai.The study on the ability evaluation system of warehousing and storage[J].Technological Development of Enterprise,2005,24(7):49-52.
[2]李晓辉,张来,李小宇,等.基于层次分析法的现状电网评估方法研究[J].电力系统保护与控制,2008,36(14):57-61.LI Xiao-hui,ZHANG Lai,LI Xiao-yu,et al.The research on the evaluation system for existing network based on analytic hierarchy process and Delphi method[J].Power System Protection and Control,2008,36(14):57-61.
[3]李金颖,李金超,牛东晓.基于熵权法的供电商竞争力组合评价[J].继电器,2008,36(6):42-47.LI Jin-ying,LI Jin-chao,NIU Dong-xiao.Comprehensive evaluation of power suppliers’competitive ability based on entropy[J].Relay,2008,36(6):42-47.
[4]万维宏,袁文嘉,王玥.基于DEA的美国PJM市场发电厂效率评价[J].电力系统保护与控制,2009,37(18):46-50.WAN Wei-hong,YUAN Wen-jia,WANG Yue.Evaluation for the efficiency of generation companies in PJM market based on DEA[J].Power System Protection and Control,2009,37(18):46-50.
[5]张李盈,范明天.配电网综合规划模型与算法的研究[J].中国电机工程学报,2004,24(6):59-64.ZHANG Li-ying,FAN Ming-tian.A new model and methodology for distribution network integration planning[J].Proceedings of the Chinese Society for Electrical Engineering,2004,24(6):59-64.
[6]孙薇.我国电力消费占终端能源消费比重计算方法的探讨[J].电力技术经济,2003,4:32-33.SUN Wei.The method of electricity consumption ratio in terminal energy consumption calculation[J].Electric Power Technologic Economics,2003,4:32-33.
