熵值-模糊综合评价的应用研究

吕亚洲 李熙然 朱沛康 马毓哲

摘  要：模糊综合评判模型能较好地解决非确定性问题，广泛应用于评价，但权值只能人为选择;而熵值可以通过判断指标数据离散程度而近似确定指标重要程度。对模糊综合评价的权值采用熵值法改进，可以将绩效评价客观化，提高了绩效评价的质量。以高校辅导员绩效评价问题为例，构建熵和多级模糊综合评判评价模型进行应用研究，结果客观且符合实际情况。该模型可有效解决评价过程中出现的主观性问题，提高绩效评价的效率，具有实用价值。

关键词：熵值法;模糊综合评判模型;绩效评价

Abstract：The fuzzy comprehensive evaluation model can better solve the non-deterministic problem，and is widely used in evaluation，but the weight can only be selected artificially;the entropy value approximates the importance of the index by judging the degree of dispersion of the index data;for fuzzy comprehensive evaluation The weight is improved by the entropy method，which can make the performance evaluation objective and improve the quality of the performance evaluation. Taking the performance evaluation of college counselors as an example，constructing an evaluation model of entropy and multi-level fuzzy comprehensive evaluation method for application research，the results are objective and in line with the actual situation. This model can effectively solve the subjective problems in the evaluation process，improve the efficiency of performance evaluation，and has practical value.

Keywords：entropy method;fuzzy comprehensive evaluation model;performance evaluation

0  引  言

熵值-模糊综合评价模型是对原有的绩效评价模型的尝试性改进，可以改变权值的人为主观倾向，并提高综合评判的效率，有更大的发挥空间和实用价值。本文以高校辅导员绩效评价为例，建立了全面且复杂的指标体系，对熵值-模糊综合评价模型进行应用研究。现阶段已有学者对绩效评价模型进行了探索，其中李战军等人提出了绩效考核评价体系;彭高辉、申林青建立了多层次模糊评判模型，思路比较清晰;段爱玲、李永刚通过票选，利用层次分析法和有序加权平均算子进行绩效评价，但是主观性较强。

本文结合已有研究成果，构建信息熵和多级模糊综合评价模型。相对于传统的模糊评判，信息熵可以依据离散程度确定指标的重要程度从而决定其权重，可以有效解决评价过程中出现的主观性问题，同时也可适用于复杂的指标体系，为以后绩效评价的研究提供很好的理论依据。

1  评价指标的确立

笔者根据国家政策，通过收集资料、参考优秀的研究成果，以及对多个学校的考核标准进行综合比较，选取了与高校辅导员绩效更为贴切的指标[1]，如表1所示。

2  构建评价模型

2.1  构建模糊关系矩阵

通过将影响评估对象的指标因素进行分类，所有的评判指标组成集合U={u1，u2，…，ui}，i=（1，2，…，n），ui代表不同的指标因素。

模糊关系矩阵的n代表有n类指标因素作为辅导员分数评判的标准，并依据指标因素的重要程度进行加权[2]，打分专家依据辅导员的工作情况对每个辅导员确定评语等级并形成一个普通矩阵，再对普通矩阵进行加权处理得到模糊关系矩阵。

2.2  熵值法确立权重

2.2.1  概述

在信息论中，熵是对不确定性的一种度量。根据熵的特性，可以通过熵值来判断一个事件的随机性和无序程度，也可以衡量某个指标的离散程度。指標的离散程度越大，该指标对综合评价的影响越大;其权重就越大，熵值就会越小。

2.2.2  指标的归一化处理

由于各项指标的计量单位并不统一，因此在用它们计算综合指标前，先要进行标准化处理，从而解决各项不同指标值的同质化问题[2]。由于正向指标和负向指标数值代表的含义不同（正向指标数值越高越好，负向指标数值越低越好），因此，对于高低指标本文用不同的算法进行数据标准化处理。其具体方法如下：

2.3  建立熵值-模糊综合评判模型

模糊综合评判是指应用模糊变换原理和最大隶属度原则，考虑与被评价事务相关的各个要素对其所作的综合评价，由熵值法确定权重得到模糊综合评判单因素评判矩阵。由于因素较多，且各因素之间还有层次之分，因此，为了更好地比较系统中事务间的优劣次序，得到有意义的评判结果，还需要进行多级综合评判[3]。