评价模型5篇

【导言】此例“评价模型5篇”的范文资料由阿拉题库网友为您分享整理，以供您学习参考之用，希望这篇资料对您有所帮助，喜欢就复制下载支持吧！

评价模型1

关键词：花溪河；水质；模糊综合评价；隶属度

中图分类号：X824文献标识码：A文章编号：1674-9944（2012）12-0015-02

1引言

花溪河是长江干流在巴南区境内主要次级河流之一，源起巴南区南彭镇碑垭，天台山北麓，流经南湖、南彭镇、界石镇、南泉镇，在李家沱汇入长江。干流全长，流域面积。随着工业发展和城镇人口的增加，花溪河水质受工业源、生活源、农业源污染严重，污染事故时有发生，更严重地威胁了河流水质，迫切需要建立合理的水质评价模型对水质进行综合评价，并以此为据开展有针对性的次级河流综合整治行动。为此，笔者运用模糊数学方法对花溪河水质进行综合评价[1]，以期为治理花溪河流域水污染现状提供理论依据。

4结语

模糊数学法综合评价水质结果表明，2011年花溪河上游监测断面南湖出口水质较好，总体水质达Ⅱ类，2月份水质最好，为Ⅰ类，影响水质的主要因子为高锰酸盐指数与溶解氧。中下游监测断面石龙桥评价结果均为Ⅴ类，水质较差，主要污染因子为氨氮和总磷。引起河段水质变化的主要因素包括沿岸工业废水输入、城镇生活污水散排、农业面源污染。花溪河水质污染严重，评价结果与实际情况相符，说明模糊综合评价方法具有对污染物超标反应灵敏的特点，能全面、客观地反映出水体的整体水质现状，可用于地表水水质的综合评价。

参考文献：

[1]李奇珍，何俊仕。水质综合评价方法探讨[J阿。人民黄河，2007，29（1）：50～52.

[2]何锦峰，刘艳艳，舒兰，等。模糊综合评价模型在水质整体质量评价中的应用[J].重庆工商大学学报：自然科学版，2009，26（2）：190～193.

[3]宋丽艳，张志旭。松花江水质评价数学模型[J].佳木斯大学学报：自然科学版，2007，25（1）：122～123.

[4]庄志伟，万荣荣，董雅文。 对近年太湖出湖河道断面的水质评价[J].污染防治技术，2008，21（3）：34～36.

[5]蔡展航，黎海珊。模糊数学对水源地水质进行分析的应用实例[J].江苏环境科技，2007，20（2）：54～63.

评价模型2

关键词：t-test模糊层次分析典型相关性分析

一、问题分析

葡萄与葡萄酒理化指标的相关分析

简单相关系数仅考虑单个变量X与单个变量Y的相关，本文中葡萄和葡萄酒的理化指标涉及多个变量，所以考虑用典型相关分析法进行分析。典型相关分析的实质就是在葡萄和葡萄酒的理化指标中选取若干个有代表性的综合指标，用这些指标的相关关系来表示葡萄和葡萄酒的理化指标的整体相关性。

对葡萄酒质量的影响因素的分析

在此问题中，影响葡萄酒质量的因素（自变量）很多。在回归方程中，如果漏掉了重要因素，则会产生大的偏差；但如果回归式中包含的因素太多，则可能影响预测精度。所以选用多元线性逐步回归方法，从而找出对葡萄酒质量有明显影响的理化指标。并判定葡萄与葡萄酒的理化指标对葡萄酒质量的影响程度。

二、模型建立与求解

显著性检验-T检验[1]

首先，建立虚无假设H0:u1=u2，即先假定两个总体平均数之间没有显著差异。

其次，计算统计量t值，其计算公式为：

,i∈(1,2),表示第i组评酒员的平均评分。∑xi2,i∈(1,2)表示第i组评酒员的总分平方和。

最后比较计算得到的t值和理论t值，结果如下，

Sig

红葡萄酒样 白葡萄酒样

17 24

对比得到结果如下：

表4、标准差较小的组数

红 白

A组 9 5

B组 18 23

结论：拒绝假设H0，即两组评酒员的评价结果有显著性差异，B组评酒员更可信。

模糊层次分析模型

模糊一致判断矩阵

层次分析法引用1～9标度方法，其各级标度的含义如下：

表5、层次分析法的各级标度含义

标度 定义 含义

1 同样重要 两方案对某属性同样重要

3 稍微重要 两方案对某一属性，一方案比另一方案稍微重要

5 明显重要 两方案对某一属性，一方案比另一方案明显重要

7 强烈重要 两方案对某一属性，一方案比另一方案强烈重要

9 极端重要 两方案对某一属性，一方案比另一方案极端重要

2,4,6,8 相邻标度中值 表示相邻两标度之间折衷时的标度

上列标度倒数 反比较 方案Ai对方案Aj的标度为aij,反之为

根据表5，构造判断矩阵为：

取α≥81,令rij(α)=logαaij+，则R=(rij(α))n×n是模糊互补判断矩阵，显然0≤rij(α)≤1,且rij(α)=,rij(α)+rji(α)=1

现在本文取α=243，则相应其各级模糊标度的含义如表6所示：

表6、模糊层次分析法各级标度含义

标度 定义 含义

同样重要 两方案对某属性同样重要

稍微重要 两方案对某一属性，一方案比另一方案稍微重要

明显重要 两方案对某一属性，一方案比另一方案明显重要

强烈重要 两方案对某一属性，一方案比另一方案强烈重要

极端重要 两方案对某一属性，一方案比另一方案极端重要

0．6262,,, 相邻标度折衷值 表示相邻两标度之间折衷时的标度

上列标度互补 互补 方案Ai对方案Aj的标度为rij,反之为

根据表6，将层次分析法构造的判断矩阵转化为模糊一致判断矩阵：

权重计算

利用模糊一致判断矩阵，和权重公式，

由于指标过多，使得各指标的权重数值较小，所以对各指标的权重按比例增大。即wn=w0×100，其中wn表示处理后的权重，wo表原权重，那么用y表示各指标总的相对分数，ymax表示y中最大的分数，所以y的计算公式为，

所以，对比表7可以得到酿造葡萄的分级结果如下：

表8、葡萄分级结果

级别 葡萄样品标号

R1 3，21

R2 1，2，4，5，6，7，8，9，11，12，14，15，16，17，18，19，20，22，23，24

R3 10，13，25，26，27

W1 5，8，11，13，16，17，18，28

W2 1，2，3，4，6，7，9，10，12，14，15，19，20，21，22，23，24，25，26，27

结果说明，红葡萄分为三个级别，白葡萄分为两个级别。

三、模型检验

葡萄理化指标与葡萄酒理化指标联系的检验

在红葡萄酒中，红葡萄理化指标权重较重的一级指标：二级指标=7:3；

在白葡萄酒中，白葡萄理化指标权重较重的一级指标：二级指标=11:7；

在白葡萄酒中，白葡萄理化指标权重较重的一级指标：二级指标=2:2；

在红葡萄中，红葡萄酒理化指标权重较重的一级指标：二级指标=1:0。

那么，可以看出，本文通过典型相关分析建立的模型，得到的重要成分指标，即能够较好地分析酿酒葡萄与葡萄酒理化指标之间的联系。

参考文献

[1]白震，曹伟，联系数学与T检验在差异显著性检验中的比较研究，福建体育科技

评价模型3

[关键词] 上市公司绩效评价因子分析

不论是发达的市场经济国家还是发展中国家，都对企业绩效评价给予高度关注和认真实践。从财务数据入手，应用多元统计研究方法，构建绩效评价模型，通过模型研究及实证分析，客观评价上市公司绩效，对于政府转变职能、加强宏观调控，公司改善经营管理，以及投资者调整决策，都有十分重要的意义。绩效评价应真实、全面地反映公司经营状况。指标体系的设置应借鉴国际惯例做法，并结合我国国情，对国外指标体系进行修正和改造，提高可操作性，客观公正评价企业业绩。

本文以财政部评价指标体系中的基本指标为主，选择以下指标：每股收益(X1）、加权平均净资产收益率(X2)、主营业务利润率(X3）、总资产周转率(X4)、流动资产周转率（X5）、资产负债率(X6）、主营业务增长率(X7)、总资产利润率(X8）、年末资产总额(X9）、主营业务收入净额(X10)、利润总额(X11）、股票年末价格(X12)。这些指标基本上涵盖企业的财务效益、资产质量、偿债能力、发展能力等，能客观反映情况。本文以信息技术行业84家上市公司的财务数据为样本，运用因子分析方法进行构建业绩评价模型。

因子分析方法的核心思想是以因子分析模型为出发点，在满足数据信息丢失容许的范围内对多个指标提取公因子，通过计算确定哪些因子对原始变量有影响以及影响大小。通常，提取因子数目少于原始变量，但可以较全面地描述原始变量。因此，因子分析属于降维处理的范畴，使指标体系的分析更加简单有效。为上市公司财务业绩评价建立的因子分析模型可简记为：

以84家上市公司的12个指标数据为样本，计算样本协差阵的特征值。根据计算结果选取前6个特征值，这6个特征值之和占全部的%，即6个公因子可以描述样本协差阵%的信息。为理解公共因子的意义，有必要对因子载荷矩阵A进行旋转变换，目的是使矩阵结构简化，因子的贡献越分散越好。旋转方法很多，最为常用的是方差最大正交旋转法。在获得公共因子后，再利用回归分析法求出各主因子得分。

绩效评价的综合得分，是以每个主因子的方差贡献率占六个主因子总方差贡献率的比重作为权数来进行加权计算，计算公式为：F=×f1+×f2+×f3+×f4+×f5+×f6。

将样本数据代入公式，计算结果见下表。

从综合得分来看，一些效益好、偿债能力较强、发展能力较强的企业排名明显靠前，排在榜首的是中国联通，其综合得分遥遥领先，这主要归因于其在主因子f1和f6的得分，显示该企业有良好的财务效益和发展能力。可见，不同企业在资产运营、偿债能力、发展能力等方面各不相同，决策者应根据对公司的情况分析而做出决策。

参考文献：

[1]中国上市公司业绩评价课题组编，中国上市公司业绩评价报告，经济科学出版社，2005

[2]卢纹岱编：SPSS for Windows统计分析(第2版），电子工业出版社，2005

[3]白厚义编：回归设计及多元统计分析，广西科学技术出版社，2003

评价模型4

关键词评分模型 评价指标

如果把业务上的二分类问题（例如信用评分中的“好”与“坏”、“拒绝”与“接受”）从统计角度理解，都在于寻找一个分类器（classifier），这个分类器可能是logistic模型，也可以是多元判别模型（Edward Altman1968年发展的基于财务指标建立的企业破产识别z得分模型），还可以使其它复杂形式的模型。

一、ROC曲线

ROC，英文全称Receiver Operating Curve，翻译成中文，简称受试者工作特征曲线。其在统计实务中应用甚广，尤其应用于处理医学研究中的“正常组”和“异常组”区分建模问题，用于评价分类模型的表现能力。

（一）ROC曲线原理。

要说清楚ROC曲线的原理，我们从一个简单的分类实例问题说起。假如我们有了基于商业银行企业贷款数据建立违约-非违约的业务分类模型，比如说我们是预测的所有样本的违约概率或者信用评级得分，比如信用评级得分，我们获得了关于两类样本的分布图形：

图 两类样本的违约率经验分布

1.基本假设

上面的图例可以看成一个基于银行债务人违约率分类的分类器。左边的分布表示历史样本数据中违约者预测得到的违约率的分布；右边的分布相应表示非违约者的分布，其中C点表示决策者做出决断的切分点（cutoff），对于该点有这样的经济意义：一旦我们确定了C点，不考虑其他业务处理，的样本被预测为违约者，反之被预测为非谓语这。对于一个固定的Cutoff点，我们可得到一些有实际意义的量化指标：

HR（C）=，表示在C点左边，对Defaulters的信用得分分布中，基于C点做决策时候，被正确命中的比率，这里H（C）表示被正确预测的违约者的样本个数，ND表示违约样本的总数。

HR（C）=，表示在C点左边，对non-Defaulters的信用得分分布中，基于C点做决策时候，被错误预测的比率，这里F（C）表示被错误预测的违约者的样本个数，NND表示非违约样本的总数。

绘制方法

很显然，当我们移动C点的时候，我们得到了一个二维坐标点的集合，FAR（C），HR（RC）|C？缀信用得分区间}这里的FAR（C），HR（C）是风险管理领域的专用表示方法。将其用统计中的一些概念进行一般化处理，得到：FD（C）==，表示在C点左边违约样本个数，FD（C）表示在C点违约者信用得分的累积概率；FND（C）=FAR（C）则相应表示非违约者信用得分的累积概率；同样我们可得到二维坐标集合{FND（C），（C）|C？缀信用得分区间}。

我们将{FND（C），（C）|C？缀}在xy坐标平面上绘制，就得到了ROC曲线。

（二）ROC曲线与其他评价指标间关系。

统计量

图 ROC曲线切线—K-S统计量

K-S检验，用于检验样本是否来自一个指定的分布或者检验两类样本是否同分布（独立）。对上述例子，两样本分布独立性的检验常用K-S统计量：

D=MAX|FD（S）-FD（S）|，这里为了符合常识，我们用表示变量得分。

系数/AR（accuracy rate）准确率

GINI系数和AR（accuracy rate）准确率实际上是同一个东西，GINI系数这一称呼不知道来源于哪，倒是AR（accuracy rate）准确率这一术语常常在金融风险管理中出现。它的计算方法是：ROC曲线和对角线之间的面积与perfect model（y=1直线）和对角线（y=x）围成的面积之比，用于度量模型精确性的一个相对指标。

AR=■，这里表示ROC曲线与对角线围成的面积，αpD表示y=1直线与对角线围成的面积。很容易计算：AR=2AUC-1。

（似然比）

考虑ROC曲线上的导数，很显然由这个关系式，我们得到在ROC曲线上某点的似然比（可以直接理解成得分的好坏比）为该点的导数，这一指标可以刻画模型局部的区分能力。

二、CAP曲线

CAP曲线，亦称能力曲线，被各大银行和评级机构用于对违约率（PD）类模型的检验，它检验模型的预测结果排序能力。

我们依然以上面信用评分模型为例子，能力曲线的绘制通过以下步骤得到：

1.对已经评分的银行客户按其预测的违约概率从高到低排序；

2.横坐标表示客户按违约率概率从高到低排序后得到样本总数的累计百分比，纵坐标表示违约客户总数的累计百分比；

3.曲线上任何一点的坐标具有如下意义：表示给定所有排序后客户样本的一个比例；表示在给定的条件下，违约客户概率大于等于比例的客户中最小概率样本个数占总的违约客户样本总数的比率。

很显然，对于任何水平方向的数值，曲线越高，表明模型的预测能力越强。

评价模型5

摘 要：为了确定指标对航材供应商评价的影响程度，提高航材供应商评价的客观性与准确性，提出一种层次分析法与主成分分析法相结合的航材供应商综合评价模型。运用层次分析法对评价指标体系中的二级指标进行定量分析。然后，通过主成分分析筛选一级评价指标，对指标数据进行降维，得到最佳的评价指标集合。分析结果表明：该模型降低了指标的相关性，提高了评价的客观性，具有较高的可行性。

关键词：航材供应商评价；主成分分析；层次分析法

中图分类号：E234 文献标识码：A

Abstract： To define the index affecting degree and improve the accuracy of aviation materials suppliers evaluation， we proposed a method for evaluating aviation materials suppliers based on AHP and PCA. Firstly， we quantitative analysis the evaluation index system's secondary index by AHP. Then， screening out main index by PCA and making it dimensionality reduction to get the best collection of variables. The results shows that the model reduces the index correlation and improve the objectivity of evaluation with highly feasible.

Key words： the evaluation of aviation materials suppliers； AHP； PCA

航材供应商是航材供应链的起点，是航材供应链正常运转的重要基础，供应商的保障能力直接影响着航材供应链的正常运行。积极开展航材供应商保障能力的评价，选择最优的航材供应商，对于提高部队航材保障能力、降低航材保障费用，增强部队战斗力具有重要意义[1]。航材供应商主要有国内外军工单位或企业、科研院所、军内外修理厂等。在进行航材供应商评价时需要综合考虑供货能力、产品质量、单位信誉、价格以及服务质量等诸多因素，因此需要建立一种科学的评价方法，降低人为的主观影响，提高供应商选择的客观性。

4 结 论

本文在利用层次分析法量化二级评价指标的基础上，通过主成分分析方法消除指标间存在的相关关系，对多指标进行降维以及对评价指标进行客观赋权，从而进行综合评价。

通过对表5的分析可以看出，本文构建的模型所得结论与完全采用层次分析法的评价结果大体相同，比较客观，遵循一般评价规律，同时又较好地降低了人为因素对评价的干扰，具备较高的客观性。将其应用到航材供应商的选择评价中，原理简单。能够为部队航材管理部门在选择航材供应商时提供辅助决策。因此，本文构建的模型应用到航材供应商的选择评价问题中是可行的，具有较高的应用价值。

参考文献：

[1] 何亚群，谢瑞龙，荣军。 航材供应学[M]. 长沙：国防科技出版社，2001.

[2] 邱健，徐吉辉，楚维，等。 改进新机航材供应链中的多供应商选择模糊综合评价[J]. 航空维修与工程，2010（5）：86-88.

[3] 胡永宏，贺思辉。 综合评价方法[M]. 北京：科技出版社，2000：53-69.