下载文档原格式
基于灰色关联度分析的2016—2018西藏自治区科技档案数据分析*陈方美邓雨杰陈华拉姆央金（西藏自治区科技信息研究所，西藏拉萨850008）摘要：科研能力评估是区域创新力评估的重要手段，通过构建西藏自治区科研能力评价指标体系，评价西藏自治区内七个行政区域的科研能力，证实灰色关联分析法和熵值法的有机结合在区域科研能力评估中的适用性，并得出结论：拉萨地区的科研能力在西藏自治区遥遥领先，随后的顺序是日喀则、那曲、山南、长度、林芝和阿里，未来应该加大对其他地区的投入，均衡发展，共同进步。
关键词：灰色关联分析西藏科研能力熵值法0引言2016年8月，西藏自治区科学技术厅发布了《西藏自治区“十三五”科技创新规划》（藏科发［2016］171号文件，以下简称《规划》），围绕西藏与全国一道全面建成小康社会的重大科技需求，强化科技资源配置，贯彻生态优先理念，科学谋划创新布局，以期为西藏自治区经济社会发展和长治久安提供强有力的科技支撑。
《规划》是对西藏自治区科技项目的总体计划，指引着西藏自治区的科技创新发展。
为了更加准确地了解西藏自治区目前已经立项的科研项目的完成情况，本研究将对十三五科技创新规划进行到中期为止的科技档案数据进行分析，从这些科技档案的数据中我们可以挖掘出西藏自治区七个地级行政区域的科研相关成果，构建区域科技科研能力评价体系，从而达到分析各地区科技发展现状、特点及优势和不足的目的。
1数据与方法本研究首先对西藏自治区七个行政区域的项目进行基础统计分析，主要分析内容包括项目的数量、资助资金和参与人次，具体结果见表1。
表1西藏自治区七个行政区域科技项目基础统计分析地区拉萨日喀则山南阿里昌都那曲林芝项目数1241343653经费数18869.6751128450304577280294参与项目人次16411465529754541从统计结果可以看出，无论是项目数、经费数，还是参与项目人数，拉萨市的各项指标远远超过了其他六个行政区域，这和拉萨是西藏自治区的省会有很大关系，各种科技资源也集中于拉萨。
基于灰色关联度的科技型小微企业信用风险评价【摘要】本文通过灰色关联度理论，结合科技型小微企业信用风险评价的特点，构建了一种基于灰色关联度的信用风险评价模型。
首先介绍了灰色关联度理论的基本概念和原理，然后概述了科技型小微企业信用风险评价的相关内容。
接着详细阐述了基于灰色关联度的评价模型的构建和实施过程，包括数据收集与处理方法。
最后通过实证分析验证了该模型的有效性，并总结了其在科技型小微企业信用风险评价中的优势和应用前景。
通过本研究，可以为科技型小微企业提供更加科学有效的信用风险评价方法，促进其健康发展，也为未来相关研究提供了一定的参考价值。
【关键词】灰色关联度、科技型小微企业、信用风险评价、模型、数据处理、实证分析、优势、研究展望、结论总结1. 引言1.1 研究背景科技型小微企业作为新兴经济力量，具有创新性和灵活性，对于推动经济发展和增加就业起着重要作用。
由于其规模小、资金紧张、信息不对称等特点，科技型小微企业在发展的过程中面临着较大的信用风险。
信用风险不仅影响企业自身的发展，还可能对整个经济体系造成不良影响。
随着金融科技的快速发展，传统的信用评价模型已经不能完全适应科技型小微企业的需求。
基于灰色关联度理论的信用风险评价模型逐渐受到关注。
灰色关联度理论是一种处理具有不完全信息和不确定性问题的方法，可以有效地评估企业的信用风险，提高评价的准确性和科学性。
在这样的背景下，对于基于灰色关联度的科技型小微企业信用风险评价研究具有重要意义。
通过研究，可以为科技型小微企业提供更加精准和全面的信用评价，帮助企业更好地规避风险，促进其可持续和健康发展。
本文旨在通过探讨灰色关联度理论在信用风险评价中的应用，为科技型小微企业的信用风险管理提供新的思路和方法。
1.2 研究目的研究目的是通过灰色关联度理论，建立一种科技型小微企业信用风险评价模型，为金融机构和投资者提供更准确、可靠的信用风险评估工具。
具体来说，本研究旨在解决传统信用评价模型在评估科技型小微企业信用风险时存在的问题，如信息不完整、数据质量差、模型精度低等。
基于灰色关联度分析的灰色综合评估法在森林采伐限额编制中
的使用
徐军
【期刊名称】《内蒙古林业调查设计》
【年(卷),期】2013(036)002
【摘要】文章论述了辽宁省“十二五”期间年森林采伐限额的编制中,采用灰色关联度分析的灰色综合评估法对核减指标进行综合评估,从而确定影响采伐限额的核减指标关联程度,获得影响采伐限额的核减指标关联度排序,对采伐限额的具体编制具有现实的指导意义.
【总页数】3页(P7-9)
【作者】徐军
【作者单位】辽宁省林业厅,沈阳110000
【正文语种】中文
【中图分类】S754.4+6
【相关文献】
1.基于灰色关联度理论寒冷地区沥青路面使用性能指标的分析 [J], 王海龙;冀伟;樊旭英;李章珍
2.基于改进的灰色关联度分析法在居民消费结构分析中的应用 [J], 赵海青
3.循环经济灰色综合评价模型构建分析——基于灰色关联度 [J], 孙磊;赵佳颖
4.地方债务风险与使用效率的空间相关性实证研究——基于灰色关联度模型 [J],
胡才龙
5.内蒙古林业产业结构的分析与优化调整研究——基于灰色关联度和灰色发展决策分析 [J], 张建成;智荣
因版权原因，仅展示原文概要，查看原文内容请购买。
基于改进灰色关联分析法的企业技术创新风险评价研究【摘要】文章运用组合赋权法确定创新风险因素的权重，利用改进的灰色关联分析法对项目风险进行定量评估和分析。
【关键词】技术创新风险评价灰色关联分析灰色关联分析最大优点在于，它对数据量多少没有太高的要求，且无需服从典型分布，在系统数据资料较少的情况下，也能得出比较满意的结果，具有较强的实用性。
以往多数文章都采用邓氏经典关联分析法对风险进行评估，但该方法存在一些不足之处。
本文针对以上问题，通过对邓氏经典灰色关联法做一定的修正研究，使企业的投资决策更具有合理性和实用性。
1企业技术创新的评价方法（改进灰关联法）1.1指标权重的确定邓氏灰色关联分析法计算关联度时未考虑各指标的权重，权重的确定有主观法和客观法，为兼顾对属性的偏好，同时又力争减小主观随意性，本文采用组合赋权法确定权重，使对指标的赋权达到主观与客观的统一。
首先利用层次分析法确定主观权重α，然后利用变异系数法确定客观权重β，再计算组合赋权，公式为：。
1.2灰色关联投影值的确定灰色关联投影法把模和夹角余弦结合起来，能全面而准确地反映比较序列与参考序列之间的接近程度。
具体步骤如下：（1）构造灰色关联系数判断矩阵。
定义F为（n+1）m个灰关联系数组成的灰色关联系数判断矩阵由于一个方案是由m个因素指标所确定的，它构成m 维因素指标空间V中的一个离散的方案点，进行多目标决策，比较空间V中各方案点与理想方案点的关联系数F。
设评价指标的权向量为在权向量W的作用下构造而成的增广型矩阵为灰色关联决策矩阵F’，其中（2）将每个决策方案看成一个行向量，称为每个决策方案A i与理想方案A*之间的夹角余弦r i，则。
设决策方案A i的模数为d i，则。
夹角余弦0＜r i＜1，且愈大愈好，r i愈大，表示决策方案A i与理想方案A*之间的变化方向相一致。
（3）计算灰色关联投影值。
设决策方案A*在理想方案A i上的投影为灰色关联投影值A*，且满足：D i=d i•r i。
2006年6月系统工程理论与实践第6期 文章编号:100026788(2006)0620025205基于灰关联分析的多层次综合评价研究———风险投资项目综合评价模型唐万梅1,2(11内蒙古大学理工学院,内蒙古呼和浩特010021;21重庆师范大学数学与计算机科学学院,重庆400047)摘要: 利用灰色系统理论建立了一种新的基于灰色关联分析的多层次综合评价模型,给出了一种确定各指标权重的新方法.将此方法应用于高技术风险投资项目的筛选中,获得了较好的预期结果.关键词: 灰色关联分析;风险投资项目;综合评价中图分类号: C934 文献标识码: A A Research of Multihierarchy Synthetic Evaluation Based on theG ray Relation Analysis———the m odel of synthetic assessment in the venture investment itemsT ANG Wan2mei1,2(11C ollege of Sciences and T echnology,NeiM ong ol University,H ohhot010021,China;21Dept of Mathematics and C om puter Sciences, Chongqing N ormal University,Chongqing400047,China)Abstract: This paper founds a new m odel of multihierarchy synthetic evaluation based on the gray relation analysisusing gray system theory,and presents a new method to determine the weights of the indices.This method can be usedin the selection of high2tech venture investment items.The simulation test indicates that the results achieved by thismethod are satis factory.K ey w ords: gray relation analysis;venture investment items;synthetic evaluation1 引言在对多层次、多准则综合评价系统的研究中,问题的关键是:1)如何建立科学的指标体系;2)如何对指标进行赋权.指标权重的确定是一个较为重要的问题,也是较为难解决的问题.在已有的确定指标权重的方法中,其中影响较大的是层次分析法,不过层次分析法的实施要求指标体系是一个内部独立的递阶层次结构[1,2].但多层次、多准则综合评价系统中各因素(指标)相互联系,相互影响,其指标体系并不是内部独立的递阶层次结构,其次,在指标权重分配时带有较多的主观因素,从而影响其评价方法的效用.在多层次、多准则综合评价系统中,所涉及的因素和指标往往很多,既有定性因素,又有定量因素,各因素之间并不都具有确定的数量关系,是一种灰色系统.但在已有的灰色综合评价模型中,指标权重的确定应用得最多的是AHP方法[3～5],也有其他的如文献[6]采用非结构性模糊决策理论确定指标权重.本文将灰色系统理论引入到多因素综合评价中,并利用灰色关联分析[7]理论建立起一种新的确定指标权重的方法,较好地排除了赋权时人为因素的影响,并应用到风险投资项目的筛选中.2 利用灰色关联理论建立多层次综合评价模型211 灰色关联分析收稿日期:2005206206资助项目:国家自然科学基金(10171118,10471159)和教育部重点项目资助;教育部“新世纪优秀人才支持计划”;重庆师范大学校级科研项目(05X LY017);重庆市教委项目(K J060818) 作者简介:唐万梅(1965-),女,重庆,副教授,博士研究生,研究方向:计算机算法及区域规划.灰色关联分析模型可以解决因子间关联的相对度量,它提供了一个相对客观的评价指标权重测度的方法,而且,它对数据要求不苛刻,可以用来解决数据量少,信息不全情形下的测度问题.212 灰色关联分析的基本步骤[7]灰色关联分析的计算步骤如下:1)由原始序列集确定参考序列和比较序列;2)无量纲化.由于实际评价系统中各指标往往具有不同的量纲,且类型不同,故指标间具有不可共度性,难以进行直接比较,因此,在综合评价前必须把这些指标进行无量纲化处理.本文采用初值化进行无量纲化(即同一指标序列的数据除以该序列的第一个数据);3)计算关联系数.比较序列X i 对于参考序列X 0在k 点的关联系数为:ξi (k )=min i min k |X 0(k )-X i (k )|+ρmax i max k|X 0(k )-X i (k )||X 0(k )-X i (k )|+ρmax imax k|X 0(k )-X i (k )|,其中,ρ∈(0,+∞)为分辨系数.ρ越小,分辨能力越大.一般取ρ∈(0,1),更一般取ρ=015.4)计算灰关联度.由于关联系数的计算得到的是各比较序列与参考序列在各点的关联系数值,结果较多,信息过于分散,不便于比较,因而有必要将每一比较序列各个时刻的关联系数集中体现在一个数值上,这个值即是关联度.通常关联度的计算方法采用平均值法:γi =1n∑nk =1ξi(k ),ξi(k )(k =1,2,…,n )为灰关联序列.5)计算相对权重测度:令Ψi 为序列X i 对于序列X 0的相对权重测度,则Ψi =γi∑n i =1γi.213 定量评价项目风险的灰色关联分析综合评价模型及算法设计项目风险评估通常采用专家鉴定的方法,一方面能充分调动专家们丰富的理论知识和宝贵的实践经验,另一方面也使得指标体系的确定和指标之间的相互关系带有很大的主观性.该方法受具体时间、地点和人力物力的限制,同时对风险投资公司而言,面对成百上千份待选项目,如何从中进行大规模的评价以筛选合适的投资对象,就成了艰巨的任务[8].本文使用与文献[8]相同的实例,并对指标加以简化调整,选出能反映评价系统特征的指标序列作为参考序列,利用灰色关联分析理论,采用灰色关联度定义各指标权重测度,由此计算综合评价系统各方案的评价值[9,10].图1 项目风险评估系统的层次结构和指标体系从图1的指标体系可看出,在主准则层5项指标内的各分指标都不是相互独立的,而是相互依存,相互影响.如“R&D 风险”内指标u 2(人才资源)与u 4(R&D 条件)之间就存在相互依存关系;“技术风险”内指62系统工程理论与实践2006年6月标u 5(技术成熟性)与u 7(技术配套性)之间也是相互关联相互依存的.其次,在主准则层不同指标内的分指标之间也是相互影响的.如“R&D 风险”内指标u 2(人才资源)与“管理风险”内指标u 12(管理者素质和经验)之间明显存在强烈的关系.因此,这不是一个内部独立的递阶层次结构,不能用AHP 方法确定各个指标权重.为此,本文引入一种新的方法解决指标赋权问题.当综合评价系统只有单一层次时,计算比较简单.利用每个项目各项指标权重测度得出每个项目的评价值.然而,当综合评价系统存在多层次结构时,把按照同一层次各分指标的指标权重测度计算得出的评价值,作为上一层次指标的原始指标值,重复进行求出上一层次指标的评价值,直到最顶层,得出系统的评价值.如图1所示,首先对主准则层下的各分指标计算其权重测度,从而计算主准则层各指标的评价值,将此评价值作为主准则层各指标的原始指标值,进而计算目标层(投资项目)的评价值,依评价值的大小排序,作为选择投资对象的先后顺序关系.在“R&D 风险”指标中,理论基础合理性u 1越强,其风险就越低,所以在“理论基础合理性u 1,人才资源u 2,信息资源u 3,R&D 条件u 4”四个指标序列构成的序列集X ={X i |i =0,1,2,3}中,称X 0为理论基础合理性因子序列,X 1为人才资源因子序列,X 2为信息资源因子序列,X 3为R&D 条件因子序列.令X 0为参考序列,则根据灰关联分析理论有:1)ξi (k )=min i min k |X 0(k )-X i (k )|+ρmax i max k|X 0(k )-X i (k )||X 0(k )-X i (k )|+ρmax imax k|X 0(k )-X i (k )|ξi (k )为理论基础合理性灰关联系数.2)灰关联度:γi =1n∑n k =1ξi(k ).当i =1时,γ1为人才资源和理论基础合理性的关联度,它体现了人才资源对“R&D 风险”指标的影响测度;当i =2时,γ2为信息资源和理论基础合理性的关联度,它体现了信息资源对“R&D 风险”指标的影响测度;当i =3时,γ3为R&D 条件和理论基础合理性的关联度,它体现了R&D 条件对“R&D 风险”指标的影响测度;3)权重测度:Ψi =γi∑n i =1γi .当i =1时,Ψ1为评价“R&D 风险”中衡量理论基础合理性的人才资源的相对权重测度,它反映了影响“R&D 风险”中人才资源的相对重要性;当i =2时,Ψ2为评价“R&D 风险”中衡量理论基础合理性的信息资源的相对权重测度,它反映了影响“R&D 风险”中信息资源的相对重要性;当i =3时,Ψ3为评价“R&D 风险”中衡量理论基础合理性的R&D 条件的相对权重测度,它反映了影响“R&D 风险”中R&D 条件的相对重要性;4)主准则层各指标评价值的计算因人才资源和信息资源越丰富,R&D 条件越好,其R&D 风险越小,因此,可如下计算R&D 风险评价值:R&D 风险评价值=人才资源因子3Ψ1+信息资源因子3Ψ2+R&D 条件因子3Ψ3.类似可得技术风险评价值、市场风险评价值、管理风险评价值和环境风险评价值(见表2),以此作为主准则层指标“R&D 风险、技术风险、市场风险、管理风险和环境风险”的原始指标值,依次类推求出目标层“项目风险”的最终评价值,作为优选投资对象的依据.5)目标层“项目风险”评价值的计算因为在目标层“项目风险”指标中,技术风险是影响高技术投资项目的关键因素,其技术风险越小,项目风险就越小,所以在“技术风险、R&D 风险、市场风险、管理风险和环境风险”五个指标序列构成的序列72第6期基于灰关联分析的多层次综合评价研究82系统工程理论与实践2006年6月集X={X i|i=0,1,2,3,4}中,令技术风险指标序列X0为参考序列,其余序列X i(i=1,2,3,4)为比较序列,然后计算各比较序列和参考序列的关联度,进而计算影响“项目风险”中“R&D风险、市场风险、管理风险和环境风险”各因素的相对权重测度:Ψ′1、Ψ′2、Ψ′3、Ψ′4.因项目风险评价中,“R&D风险、市场风险、管理风险和环境风险”等的风险越小,其项目风险就越小,即对项目综合评价得分越高,说明该项目在所有评价指标上的综合表现越佳,从而该项目总的投资风险就越低,反之其得分越低,表明该项目投资风险越高.所以可如下计算项目风险的评价值:项目风险评价值=R&D风险因子3Ψ′1+市场风险因子3Ψ′2+管理风险因子3Ψ′3+环境风险因子3Ψ′4.表1 专家评估数据项目u1u2u3u4u5u6u7u8u9u10u11u12u13u14u15u16u17u18序号10.7110.70.70.710.710.70.710.70.7111120.50.70.50.70.70.70.50.50.50.70.50.70.70.70.70.70.70.530.50.50.30.50.50.30.30.30.30.30.50.30.30.30.30.50.30.140.50.50.50.50.50.70.30.30.50.30.50.70.70.70.70.70.30.550.50.50.50.70.70.70.51110.710.70.70.70.70.70.1610.7110.7111110.7110.70.310.71 710.7110.7111110.710.70.7110.70.180.70.70.50.70.50.70.50.70.50.70.70.70.70.70.70.710.590.70.710.70.50.70.50.70.50.70.70.70.50.70.70.70.70.5100.70.7110.70.70.51110.710.70.70.7110.5 110.70.50.50.70.70.70.50.70.50.70.70.70.70.50.70.70.71 120.70.710.70.70.70.51110.710.70.70.70.70.70.1 130.70.70.30.50.50.30.50.30.50.30.50.70.70.50.30.50.30.5 140.71110.70.71110.70.70.70.70.70.7110.5 150.70.70.510.70.711110.70.70.70.70.710.70.5 160.70.70.50.70.50.70.50.70.50.70.70.70.70.70.30.711表2 准则层各指标评价值、目标层项目风险评价值及排序项目序号技术风险R&D风险市场风险管理风险环境风险项目风险排序结果文献[8]的排序结果1111110.99994220.75730.7560.833410.64520.8118131330.38610.52230.59520.42860.31850.4689161640.61370.58440.595210.50140.6742141450.95080.6971.178610.53550.856011861.28691.08041.17861.20250.89221.09211171.28691.08041.178610.64540.98285580.83470.756110.75300.878191190.83470.911510.8650.64520.8595109100.95081.08041.178610.86291.033523110.83470.69710.84930.78220.83071210120.95080.91151.178610.53550.912777130.45220.58130.59520.84930.42810.61771515141.11611.1689110.86291.012734151.11610.92491.178610.75510.967366160.83470.756110.89010.91008123 应用实例本文采用福建省经济开发创业中心对16个高技术项目投资所做的评估,数据如表1所示[8],其中,因为影响高技术项目投资风险的各风险指标u 1～u 18中定性因素较多,因此对于u 1～u 18采用专家打分的方法,分别为:110,017,015,013,011五个等级[8].利用213节所建立的综合评价模型,针对表1的原始指标数据,得出准则层各指标和目标层“项目风险”的评价值以及风险投资项目优选的排序结果,如表2.从表2可看出,在16个高技术风险投资候选项目中,应首选项目6,其次是项目10,等等.这个优选排序结果和文献[8]的排序结果基本一致.4 结束语本文利用灰色系统理论建立了一种基于灰色关联分析的高技术风险投资项目的综合评价模型,给出了一种确定各指标权重的新方法.避免了层次分析法中要求指标体系是一个内部独立的递阶层次结构的苛刻要求,以及权重分配时带有的较多主观因素,使其评价结果更客观、更可信,为多层次、多准则综合评价系统提供了一种新的思路.致谢 感谢我的导师杨新民教授对我论文工作的指导.参考文献:[1] 戴文战.基于三层BP 网络的多指标综合评价方法及应用[J ].系统工程理论与实践,1999,19(5):30-40.Dai Wenzhan.A method of multiobjective synthetic evaluation based on artificial neural netw orks and applications [J ].Systems Engineering -Theory &Practice ,1999,19(5):30-40.[2] 赵国杰,邢小强.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,2004,24(5):42-45.Zhao G uojie ,X ing X iaoqiang.The theoretical analysis and practical application on ANP method in reginal scientific strength evaluation[J ].Systems Engineering -Theory &Practice ,2004,24(5):42-45.[3] 徐维祥,张全寿.一种基于灰色理论和模糊数学的综合集成算法[J ].系统工程理论与实践,2001,21(4):114-119.Xu Weixiang ,Zhang Quanshou.An alg orithm of meta 2synthesis based on the grey theory and fuzzy mathematics [J ].Systems Engineering -Theory &Practice ,2001,21(4):114-119.[4] 陈冬林,黎志成.信息系统投资项目评价指标确定与灰色综合评价[J ].系统工程理论与实践,2002,22(2):100-103.Chen D onglin ,Li Zhicheng.The appraisement index in suring of in formation system investment and method for grey com prehensive appraisement [J ].Systems Engineering -Theory &Practice ,2002,22(2):100-103.[5] 郭鹏,施品贵.项目风险模糊灰色综合评价方法研究[J ].西安理工大学学报,2005,21(1):106-109.G uo Peng ,Shi Pingui.Research on fuzzy 2grey com prehensive evaluation method of project risk [J ].Journal of X i ’an University of T echnology ,2005,21(1):106-109.[6] 李希灿,程汝光,李克志.空气环境质量模糊综合评价及趋势灰色预测[J ].系统工程理论与实践,2003,23(4):124-129.Li X ican ,Cheng Ruguang ,Li K ezhi.Fuzzy com prehensive valuing and grey forecast for air environmental quality [J ].Systems Engineering -Theory &Practice ,2003,23(4):124-129.[7] 刘思蜂,郭天榜,党耀国.灰色系统理论及其应用[M].北京:科学出版社,1999.Liou S ifeng ,G uo T ianbang ,Dang Y aoguo.G rey Systems Theory and I ts Application [M].Beijing :Science Press ,1999.[8] 徐晋,彭娟.重置变结构神经网络及其在风险投资项目评估中的应用[J ].系统工程理论方法应用,2005,14(2):41-45.Xu Jin ,Peng Juan.The revisable structure of neural netw ork based on early restart alg orithm and its application in risk evaluation of venture investment items[J ].Systems Engineering -Theory Methodology Applications ,2005,14(2):41-45.[9] 解建喜,宋笔锋,刘东霞.飞机顶层设计方案优选决策的灰色关联分析法[J ].系统工程学报,2004,19(8):350-354.X ie Jianxi ,S ong Bifeng ,Liu D ongxia.G rey correlation analysis method for scheme selection decision of aircraft top 2layer design[J ].Journal of Systems Engineering ,2004,19(8):350-354.[10] 李 ,李玉忱,任磊.利用灰关联理论定量评价选择供应商的算法研究[J ].计算机应用与软件,2004,21(8):90-92.Li Jing ,Li Y uchen ,Ren Lei.Research of a calculation method for quantitative supplier valuation and selection by using gray relation theory[J ].C om puter Applications and S oftware ,2004,21(8):90-92.92第6期基于灰关联分析的多层次综合评价研究。
基于灰色关联分析的市政工程项目绩效评价研究市政工程项目的绩效评价对于提高项目管理水平、优化资源配置、推动城市发展具有重要意义。
随着数据分析技术的发展，灰色关联分析作为一种有效的评价方法，被广泛应用于市政工程项目绩效评价领域。
本文将探讨基于灰色关联分析的市政工程项目绩效评价研究。
一、绩效评价的背景和意义市政工程项目绩效评价是对项目实施过程中的成本、进度、质量、安全等方面进行评估和分析的过程。
通过绩效评价，可以全面了解项目的运行情况，发现问题并及时采取措施进行改进。
绩效评价的结果可以为项目的决策提供依据，为项目的管理和控制提供参考。
二、灰色关联分析的原理和方法灰色关联分析是一种基于灰色系统理论的数据分析方法，它可以用于评价指标之间的关联程度。
灰色关联分析的基本原理是通过建立灰色关联度模型，计算各指标之间的关联度，并根据关联度的大小进行排序。
在进行灰色关联分析时，首先需要确定评价指标。
市政工程项目的绩效评价指标可以包括项目成本、工期进度、质量合格率、安全事故率等。
然后，将每个指标的数据进行标准化处理，以消除量纲和单位的影响。
接下来，计算各指标之间的关联度。
最后，根据关联度的大小，对指标进行排序，以确定各指标对绩效评价的影响程度。
三、基于灰色关联分析的市政工程项目绩效评价实例为了更好地说明基于灰色关联分析的市政工程项目绩效评价方法的应用，我们以某市政工程项目为例进行分析。
该市政工程项目的绩效评价指标包括项目成本、工期进度、质量合格率、安全事故率。
通过对各指标数据进行标准化处理，我们可以得到标准化后的数据。
然后，根据灰色关联度模型，计算各指标之间的关联度。
在计算关联度时，我们发现项目成本与工期进度之间的关联度较高，说明项目成本对工期进度有较大的影响。
而质量合格率与安全事故率之间的关联度较低，说明两者之间的关联性较弱。
通过对各指标的关联度进行排序，我们可以得到各指标对绩效评价的影响程度。
四、灰色关联分析在市政工程项目绩效评价中的应用前景基于灰色关联分析的市政工程项目绩效评价方法具有较高的应用价值和广阔的应用前景。
基于灰色关联度的科技型小微企业信用风险评价一、引言随着科技型小微企业的快速发展，信用风险评价成为了一个重要的问题。
对于银行、投资方等金融机构来说，科技型小微企业信用风险评价是决定是否给予贷款或投资的重要依据。
传统的信用评价方法往往过于简化和粗略，无法全面准确地评估科技型小微企业的信用风险。
因此，本文将介绍一种基于灰色关联度的科技型小微企业信用风险评价方法，以提高评价的准确性和可靠性。
二、相关理论2.1 灰色关联度分析灰色关联度分析是一种基于灰色理论的评价方法，用于研究多指标间的相关性。
其主要思想是将指标序列中的数据，通过建立灰色关联度模型，计算各个指标之间的相似度，从而得到各个指标的权重。
灰色关联度分析的优点在于能够解决指标间的信息冗余和缺失问题，提高了评价的准确性。
2.2 科技型小微企业信用风险评价指标体系科技型小微企业信用风险评价指标体系是评价科技型小微企业信用风险的基础，其构建直接影响评价结果的准确性。
通常情况下，科技型小微企业信用风险评价指标体系包括财务指标、经营指标、市场指标、管理指标等。
在本文中，我们将以传统的科技型小微企业信用风险评价指标体系为基础，结合灰色关联度分析的思想，进行改进和优化。
三、方法3.1 数据收集和预处理首先，我们需要收集和整理科技型小微企业的相关数据。
这些数据可以包括企业的财务报表、经营数据、市场销售数据等。
然后，对收集到的数据进行预处理，包括数据清洗、去除异常值等，以确保数据的质量。
3.2 灰色关联度计算在数据预处理完成后，我们将利用灰色关联度分析方法计算各个指标之间的关联度。
具体方法是建立灰色关联度模型，通过计算序列之间的相似度，得到各个指标的权重。
这些权重可以反映各个指标对于信用风险评价的重要程度。
3.3 信用风险评价最后，我们将利用灰色关联度计算的结果，结合科技型小微企业信用风险评价指标体系，进行信用风险评价。
可以利用加权求和的方法，将各个指标的得分加权求和，得到最终的信用风险评分。
第22卷 第6期2002年12月北京理工大学学报Jour na l o f Beij ing Institute of T ech no lo gy V o l.22 No.6Dec.2002 文章编号:1001-0645(2002)06-0778-04基于灰色关联度的科研项目风险评价方法韩 晓1, 何 明1, 李金林1, 杨 勇2(1.北京理工大学管理与经济学院,北京 100081; 2.北京理工大学自动控制系,北京 100081)摘 要:以大型科研项目管理中的风险管理问题为研究对象,提出了基于灰色关联度的科研项目工艺路线选择及分阶段风险影响评价方法.通过对原始数据进行量纲为1化和累加处理,求取灰色关联度得到关联矩阵,从而找到风险影响最小的工艺路线.在此基础上,通过求取关联系数得到各风险源在项目进展各阶段的影响,并通过实例进一步阐明了灰色关联度评价方法的步骤和实际意义.该方法为小样本、贫信息的科研项目风险的评价问题提供了可行的数学分析工具.关键词:灰色关联度;科研项目;风险管理;风险评价中图分类号:C 939 文献标识码:AMethod of Evaluation for Risks in Research ProjectsBased on Grey RelevancyHAN Xiao 1, HE Ming 1, LI J in-lin 1, YAN G Yo ng 2(1.Scho ol of M a nag ement and Eco no mics,Beijing Institute o f Technolog y ,Beijing 100081,China;2.Dept.o f Automa tic Co ntro l,Beijing Institute o f Technolog y,Beijing 100081,China )Abstract:Aims at a discussion o n the problem of risk ma nagement in large -scale scientific re-search pro jects.It puts fo rw ard a new method based o n the theory of grey relev ancy (GR)o n the selectio n of techno logical routes a nd ev aluation of the phase risk effects.GR can be acquired us-ing the o riginal da ta after their accum ulation so as to g et the relevancy matrix ,from which the technological routes can be selected taking the lo west risk effect as its criterion.The risk is then sor ted by prio rity in different phases.Furthermo re,an ex ample is giv en to ex plain the steps a nd the sig nificance o f this method.The metho d prov ides a too l of analysis on risk evaluatio n for such pro jects with limited num ber of sam ples and am ount o f informa tion .Key words :g rey releva ncy ;resea rch project ;risk ma nagement ;risk ev alua tion 收稿日期:20020508基金项目:中国工程物理研究院资助课题(HX 0110-01)作者简介:韩 晓(1978-),女,硕士生;李金林(1955-),男,教授,博士生导师. 在1982年,华中理工大学邓聚龙教授首先提出了灰色系统的概念,建立了灰色系统理论.灰色系统是指部分确定、部分不确定的信息系统.由于人们对客观事物的认识具有广泛的灰色性,对被评价的对象也具有灰色性,因而可借助于灰色系统的相关理论研究评价问题[1～3].大型科研项目不同于一般的工程项目,具有投资规模巨大、涉及学科专业众多、高技术密集、不确定性大、创新性强的特点,因而具有较高的风险.同时,其风险具有相对性,相同的风险对不同的主题或主题的不同阶段有不同的影响.大型科研项目的风险管理具有灰色系统的特征.作者在假设已识别出项目具体风险源的基础上,采用灰色关联度风险评价方法,对如何比较和评价各种风险对不同科研项目实施途径的影响能力大小,即“如何选择工艺路线问题”,以及如何判定它们对同一科研项目的不同阶段影响的问题进行了深入探讨.1 灰色关联度的数学描述1.1 关联度的定义关联度是事物之间、因素之间关联性的量度[2].对灰色系统进行研究时,首先要解决如何从随机性找到关联性的量度,以便为主要因素的判断指出方法和途径,为系统决策提供基础.关联度评价法是以各因素的小样本数据为依据,用灰色关联度描述因素间关系的大小和次序.定义[2]:若r0k满足①r0k∈(0,1];②将序列{X0(i)},{X j(k)},i=1,2,…N0,j= 1,2,…,m,k=1,2,…,N k作折线,交于O点,并记为X0和X k,两者的空间几何形状越接近,则r0k 越大;③若r0k与X0,X k的空间相对位置无关,则称r0k为X k对于序列X0关于参考点在区间[1,N0]的关联度.1.2 关联度的求取求取灰色关联度时,需对原数据作数据处理,通过累加处理有可能对非负的数据序列找到某些规律[2].在求取关联度时,可对随机性较大的原始序列{X(0)0(k)},{X(0)j(k)}j=1,2,…,m,k=1,2,…,N k 作Y次累加,得到累加序列{X(Y)0(k)}和{X(Y)j(k)}.定理[2]:序列{X(0)0(k)}和{X(0)j(k)}在第k段的关联系数为X(Y)o j(l)=ΔX(min)+dΔX o j(l)+d l=1,2,…,N k,d=指定正实数,若j∈{1,2,…,m}有X(Y)j与 X(Y)0平行ZΔX(m ax),x(Y)i∈{X(Y)j}与X(Y)0不平行, Z∈[0,1],关联度X o k=1N0∑Nl=1X(Y)o j(l).式中 ΔX o j(l)=|X(Y)0(l)-X(Y)j(l)|;ΔX(max)=m axj {ΔX o j(m ax)};ΔX(min)=minj{ΔX o j(min)};ΔX o j(max)=m axl{ΔX o j(l)},ΔX o j(min)=min1{ΔX o j(l)}.关联度表明了各阶段序列趋势的接近程度,因此可用作分阶段风险评价的准则.1.3 准最优序列考虑有n条母序列{Y1},…,{Y n},有m条子序列{X1},…,{X m},则各子序列{X j}对各母序列{Y i}的关联度r ji,(i=1,2,…,n,j=1,2,…,m)组成关联矩阵R=[r1i … r mi]T.关联矩阵可作为“优势分析”的基础,即作者所研究问题之一的工艺路线选择的基础.考虑到研究的是风险问题,风险影响越大对项目越不利,所以有以下结论:若有1m∑mk=1r ki≤1m∑mk=1r kj,i,j∈{1,2,…,n},i≠j,则称母序列{Y i}相对于{Y j}在以子序列{X k},k∈{1,2,…,m}为关联对象时是准最优的.2 大型科研项目风险的灰色关联度评价方法2.1 量纲为1化处理科研项目存在多种类型的风险,为了规避风险,往往要针对不同的风险源投入不同的资源,如资金、时间、人力、设备等.但是,在做灰色关联度评价时,直接使用不同的量纲值是毫无意义和无可比性的.所以在评价之前,首先应进行量纲为1化处理,以实现实际值到指标评价值的转化,从数学角度讲就是要确定指标评价值依赖于指标实际值的一种函数关系式.常用的量纲为1化方法从几何角度归结为3类:直线型方法、折线型方法和曲线型方法[4].作者选用直线型方法中的比重法,此方法基于统计学理论,表达式为y i=x i∑ni=1x2i,(1)式中 y i为指标评价值;x i为实际值.2.2 工艺路线选择工艺路线的选择是项目风险评价的目的之一,同时也是阶段风险影响评价的基础.假设历史上有n个与该项目类似的项目,每个项目都可有p条可能的工艺路线,统计数据为y12…y22……y p2…779 第6期韩 晓等:基于灰色关联度的科研项目风险评价方法将该矩阵的数据简记为Y i (s )|y i (1)…y i (n ) i =1,2,…,p ,s =1,2,…,n .(2)y i (s )表示第s 个项目选择第i 条工艺路线时所需要的资金投入.假设这一类项目中存在q 个风险源,为了规避风险,需要有不同的投入,其历史统计数据为X j (s )|x j (1)…x j (n ) j =1,2,…q ,s =1,2,…,n .(3)x j (s )表示第s 个项目为了规避第j 项风险时所给予的投入(人力,财力,物力等).对(2),(3)两组数据表依据式(1)进行量纲为1化处理,可得Y (0)i (s )|y (0)i (1)…y (0)i (n ),(4)X (0)j (s )|x (0)j (1)…x (0)j (n ).(5)选定数据式(4)(5)分别为原始母序列和原始子序列,在此基础上作1次累加序列,可得Y (1)i (s )|y (1)i (1)…y (1)i (n ),(6)X (1)j (s )|x (1)j (1)…x (1)j (n ).(7)根据式(6)(7)可由定理求取关联度和关联矩阵.2.3 风险阶段影响评价由于将科研项目分为启动、规划、实施和结束4个阶段进行[5],因此有必要研究各个风险源在不同阶段的影响能力.取上述所选择出的准最优工艺路线{Y o }为母序列,查找历史数据和记录为Y o =[y o1 y o2 y o3 y o4].式中y o j (j =1,2,3,4)表示第j 阶段此工艺路线所投入的资金额度.将q 个风险源分别分阶段列出所给予的资源投入(如人力、财务、物力等)如下:X j (s )|x j (1)…x j (q ),j =1,2,3,4,s =1,2,…,q ,式中 x j (s )表示为规避第q 个风险源在第j 阶段的投入.分析这q 个风险源对科研项目进展的每阶段的影响,即分别比较j =1,2,3,4时{X j }与{Y o }的关联系数X oi (j )的大小(i =1,2,…,q ),也即在4个阶段分别对风险源的影响排序.首先根据式(1)进行原始数据量纲为1化处理,然后作1次累加,最后由定理求取X o i (j ).3 实例仿真3.1 工艺路线的选择对某研究所的某大型科研项目进行调研,与该预研项目类似的历史项目有4个,它们分别面临2条可能的工艺路线.4个项目针对工艺路线1的投资分别为90,110,80,100;针对工艺路线2的投资分别为100,95,90,100(单位:万元).为了论述方便,只选取技术风险中的3类风险源,即过量的技术发展水平程度(风险1)、技术发展水平的进展速度(风险2)和模型的正确性(风险3)进行探讨[6].其中,过量的技术发展水平程度风险是由于技术或工艺超过原定先进的技术发展水平而偏离原计划导致的风险,为规避该风险需投入必要的资金;技术发展水平的进展速度风险是由于推进技术发展水平的进展速度低于预期速度而影响原计划所导致的风险,为规避该风险必须投入相应的技术人员;为了规避由于建立的数学模型不精确而导致的风险必须进行模型验证,验证次数就是规避风险的投入.其历史数据如表1.表1 规避风险的投入Tab .1 Investment to elude risks in the whole proj ect项目号规避风险1的投入/万元规避风险2的投入/人次规避风险3的投入/次112314228414321212417312对表1中的数据由式(1)量纲为1化处理,并作1次累加后,求取关联度组成的关联矩阵(取Z =0.5),可得R =0.5750.6680.7720.7310.6520.831=[r j 1 r j 2], j =1,2,3.因0.656=13∑3j =1r j 1<13∑3j =1r j 2=0.743,所以工艺路线1在以选定的风险源为关联对象时是准最优的.3.2 风险阶段影响评价由灰色关联度方法已经确定出工艺路线1为准最优的,考察相关历史资料,采用工艺路线1进行的某项目,在项目进行的4个阶段投资的资金比例为7.5∶3.0∶12.5∶2.0,为规避3个风险源而在项目进行的4个阶段的投入如表 2.根据上述原始数据,由式(1)进行量纲为1化处理,并作1次累加序列后,可由定理求得关联系数(取Z =0.5),所得结果如表3所示.780北京理工大学学报第22卷 表2 规避风险分阶段的投入Tab.2 Investment to elude risks in phases of the opt imal proj ect阶段号规避风险1的投入/万元规避风险2的投入/人次规避风险3的投入/次1322242338364211表3 各风险相对于最优工艺路线的关联系数Tab.3 Relevancy coeff ic ients of risks to the optimaltechnological route in diff erent phases 阶段号风险1关联系数风险2关联系数风险3关联系数10.4170.8730.38620.9160.3550.99230.9990.5350.87940.6450.3760.834从表3中可以看出,在选用工艺路线1的情况下,此类项目进行的第1阶段(启动阶段),风险源2即“技术发展水平的进展速度”对项目的影响大于其它风险源的影响;第2阶段(规划阶段),风险源3即“模型的正确性”的影响最大;第3阶段(实施阶段)风险源1“过量的技术发展水平程度”的影响最大;第4阶段(结束阶段),风险源3“模型的正确性”的影响最大.各阶段风险因素排序也一目了然.另外,关联度可反映各风险源的总体影响,依据定理求取3个风险源的关联度分别为:0.744, 0.534,0.772.这说明,从总体上看,在所论述的情况下,风险源3即模型的正确性对项目进行的整体影响最大.4 结 论采用科学的方法进行风险评价是大型科研项目风险管理的重要环节,同时又是风险决策的依据和基础.基于灰色关联度的风险评价方法为项目选择低风险的工艺路线和各阶段风险影响能力排序问题提供了有效的数学分析工具.与传统的依托随机数学与模糊数学的评价方法相比,该方法的优势体现在可以处理风险系统中的部分确定、部分不确定的灰色信息[6],为解决贫信息、小样本且样本无典型统计规律的科研项目风险评价问题提供了新的途径,也为进一步的风险决策问题提供了依据.参考文献:[1] 邓聚龙.灰色系统基本方法[M].武汉:华中理工大学出版社,1987.Deng J ulo ng.Fo udamental metho d o f g rey system[M].W uhan:Cent ral China U niv e rsity o f Scienceand T echno log y Pr ess,1987.(in Chinese)[2] 邓聚龙.灰色控制系统[M].武汉:华中理工大学出版社,1985.Deng Julong.Th e g rey co ntro l system[M].W uhan:Central China U niv ersity o f Science and Techno log yPress,1985.(in Chinese)[3] Liu Sifeng.O n measure of g rey info r matio n[J].Jour-na l o f Gr ey Sy stem,1995,7(2):97-101.[4] 胡永宏,贺思辉.综合评价方法[M].北京:科学出版社,2000.Hu Yongho ng,He Sihui.Synthenic ev alua tionmetho d[M].Beijing:Science Pr ess,2000.(in Chi-nese)[5] 卢有杰,卢家仪.项目风险管理[M].北京:清华大学出版社,1998.Lu Yo ujie,L u J ia yi.Pr ojec t risk manag ement[M].Beijing:Tsinghua Univ ersity Press,1998.(inChinese)[6] 美国防务系统管理学院.风险分析与管理指南[M].国防科工委军用标准化中心译.北京:航空工业出版社,1990.The Defens System M a nag ement Institute o f U S A.Guide of risk analysis a nd ma nag ement[M].T he Cen-ter o f Standa rdiza tio n o f The N atio nal T ech no lo gicalCommittee t ransl.Beijing:Aviatio n Industr y Press,1990.(in Chinese)781 第6期韩 晓等:基于灰色关联度的科研项目风险评价方法。
