下载掌阅APP，畅读海量书库
立即打开
本课题的研究任务就是通过分析原有小流域综合评价方法的特点与不足，从而构建小流域综合评价的指标体系和模型。因此，全面分析综合评价理论具有重要的指导意义。
评价是人类社会中一项经常性的、极为重要的认识活动，它的目的是为了决策。从某种意义上讲，没有评价就没有决策。具体而言，评价就是通过对照某些标准来判断观测结果，并赋予这些结果以一定的意义和价值的过程。由此可见，评价的依据就是指标。由于影响评价事物的因素往往是众多而复杂的，如果仅从单一指标上对被评价事物进行评价不尽合理，因此往往需要将反映事物的多项指标的信息加以汇集，得到一个综合指标，从整体上反映被评价事物的整体情况，这就是多指标综合评价方法，简称综合评价方法。
具体而言，综合评价方法就是根据一个复杂系统同时受到多种因素影响的特点，在综合考察多个有关因素时，依据多个有关指标对复杂系统进行总体评价的方法，换言之，是对多指标进行综合的一系列有效方法的总称。
一般地说，构成综合评价问题的要素有以下几个方面：评价目的、被评价对象、评价者、评价指标、权重系数、综合评价模型、评价结果。综合评价的具体方法有许多种，但各种方法的总体思路是统一的。具体如下：
·根据评价目的选择恰当的评价指标（ Index ）；
·根据评价目的确定各评价指标在对某事物评价中的相对重要性，或各指标的权重（ Weight ）；
·合理确定各单个指标的评价等级（ Evaluation grade ）及其界限；
·根据评价目的，数据特征，选择适当的综合评价方法，并根据已掌握的历史资料，建立综合评价模型（ Evaluation model ）；
·确定多指标综合评价的等级数量界限，在对同类事物综合评价的应用实践中，对选用的评价模型进行考察，并不断修改补充，使之具有一定的科学性、实用性与先进性，然后推广应用。
其中，确立指标体系，确定各指标权重，建立数学模型这三个环节是综合评价的关键环节。
综合评价方法的分类很多。按照评价与所使用信息特征的关系，可分为基于数据的评价、基于模型的评价、基于专家知识的评价及基于数据、模型、专家知识的评价。而根据各评价方法所依据的理论基础，则可大体分为四类：专家评价方法，如专家打分综合法；运筹学与其他数学方法，如层次分析法、数据包络分析法、模糊综合评价法；新型评价方法，如人工神经网络评价法、灰色综合评价法；混合方法，这是指几种方法混合使用的情况。
应当指出，任何一种综合评价方法，都要依据一定的权数对各单项指标评判结果进行综合，权数比例的改变会变更综合评价的结果。另外，非数量型评价因素的评判，主要依赖于投票者对评价对象的主观感受。可见，综合评价结果存在一定的主观性。事实上，综合评价工作是一件主观性很强的工作。对于小流域综合评价工作也是如此。因此，这就要求在实际的评价工作中，要根据小流域评价的目标、要求、特点等客观实际，选取适当的综合评价方法，提高评价方法的科学性，从而保证评价结果的有效性。
下面比较一下水土保持和生态环境领域内常用的几种综合评价方法，明确掌握其优缺点，以便选择适宜于小流域综合评价方法。
（1 ）综合评分法。综合评分法（ Synthetical scored method ）是建立在专家评价法基础上，根据评价目的及评价对象的特征选定必要的评价指标，逐个指标订出等级，每个等级的标准用分值表示，然后以恰当的方式确定各评价指标的权数，并选定累积总分的方案及综合评价等级的总分值范围，以此为准则，对评级对象进行分析和评价，以决定优劣取舍的综合评价方法。它的特点是方法直观，计算简单。
目前，综合评分法在我国行业中有较为广泛的应用。例如，建设部城乡规划司和国家文物局文物保护司制定的《中国历史文化名镇（村）评价指标体系》，由2 大类、13中类、24小类指标组成。该方法采用综合评分法实现了对我国历史文化村镇价值特色和保护措施的综合评价，取得了社会公认。又如，我国《政府采购货物和服务招标投标管理办法》第五十条规定“货物服务招标采购的评标方法分为最低评标价法、综合评分法和性价比法”，为广大采购人和招标机构根据采购项目的特点更好地选择适宜的评标办法提供了更多选择。可见，综合评分法简便易行，使用广泛。此外，与综合评分法类似的方法还有综合指数法（Synthetical index method） ，它是利用综合指数的计算形式，定量的对某现象进行综合评价的方法。
（2）灰色关联度法。在多指标综合评价中，评价目标往往具有灰色性，因而，用灰色关联分析方法进行综合评价是适宜的。它由样本资料确定一个最优参考序列，通过计算各样本序列与该参考序列的关联度，就能对评价目标做出综合分析。在进行综合评价时，这种方法的数学处理不太复杂，能使用样本所提供的全部信息，而且它等同对待各评价指标，可避免主观因素对评价结果的影响。水土保持活动影响社会经济发展的过程实际上就是含有确知、未知和非确知信息、关系和结构的一种灰色系统，目前灰色系统理论和方法已经被广泛应用于农业、生态和石油勘探等多个研究领域（黎锁平，1994 ；马振芳等，2000 ；郝永红等，2002）。
灰色关联度分析是通过对系统发展态势的统计数据几何关联相似程度进行量化比较，判断引起该系统发展变化的主要因素和次要因素，从而对事物或社会经济现象做出全面、科学的评价（邓聚龙，1990 ；段学军，2000）。在评价小流域中其计算原理是：
对 m 条流域进行评价，指标体系由 n 个生态、经济、社会指标组成，则每个流域的所有指标实测值就构成了一个数据列：
x i （ k ） = ｛ x i （1）， x i （2），… x i （ n ） ｝（ i =1 ，2 ，.…， m ）
同时选择 m 条小流域中的 n 个单项指标实测值的最优值组成灰色关联分析的参考数据列：
x 0 （ k ） = ｛ x 0 （1）， x 0 （2），… x 0 （ n ） ｝
并进行差序列计算 Δ i （ k ） = | x i （ k ）- x 0 （ k ） |找出最小绝对差值 Δ min 和最大绝对差 Δ max ：
最后计算关联系数
其中， R 是分辨系数， R ∈ ｛0.1 ，0.5｝；则关联度的计算式为：
其中， a （ k ）是各评价指标的权重，表示对应指标的重要程度
在指标权重的计算中，采用变异系数法来计算各指标的权重：
其中，
是第
i
个评价指标的平均值，
D
是第
i
个评价指标的均方差。
在得出的关联度指标中，数值越大说明小流域治理的实施对该项指标的影响越大，通过数值的分析就可以对该项小流域治理效果进行良好的监测与评价。灰色系统理论的最优数据列是现实中各单项指标能够达到的最佳状态集合，但是随着科技水平和生产技术的提高这些最佳数值也会不断变化提高，因此根据不同时期的数据运用灰色系统分析方法就可以分析出系统的动态变化情况。与传统的特尔斐法和信息熵法相比，用变异系数法求算各评价指标权重更客观准确，有效地克服了人为因素的干扰，计算精度更高。
灰色关联度法是一种定性分析和定量分析相结合的综合评价方法，可以较好地解决评价指标难以准确量化和统计的问题，排除人为因素带来的影响，使评价结果更加客观准确。其计算过程简单，易于掌握；数据不必进行归一化处理，可用原始数据直接计算，可靠性强；评价指标体系可以根据具体情况增减；无需大量样本，只要有代表性的少量样本即可。其缺点是要求样本数据具有时间序列特性，同时它只是对评判对象的优劣做出鉴别，并不反映绝对水平。另外，其缺点还存在于在计算灰色关联系数时需要确定“分辨率”，而它的选择并没有一个合理的标准。
（3）主成分分析法。主成分分析是根据特征值的累计贡献率（要求超过 85 %）确定一个或几个主成分来代替原始指标，再将所选取的主成分以适当的形式进行综合得到综合评价值，最后依照综合评价值对被评价对象进行比较排序的方法。表征小流域治理环境质量的各类指标是相互联系、相互促进的，即不是完全独立的，相互之间存在一定程度的关联。主成分分析法适合于处理小流域治理环境质量指标和待评价样本都比较多，且指标间存在一定内在联系的问题（林积泉等，2004）。
评价模型与步骤（任若恩等，1997 ；郑成德等，2002）为：
1）对于
m
条小流域，它们的评价指标体系由
n
个指标组成。每条小流域的所有指标实测值就构成一个数据列，构成原始数据矩阵为
第
i
条小流域对于第
j
个指标的原始数据为
xij
（
i
= 1 ，2 ，…，
m
；
j
= 1 ，2 ，…，
n
） ；
2）对原始矩阵进行标准化处理得到矩阵为
，并且求出各指标间的相关系数构成矩阵
；
3）求出 R 的 n 个特征值 λ （ j =1 ，2 ，…， n ） ，且 λ 1 ≥ λ 2 ≥…≥ λ n ＞0，以及它们对应的特征向量 u 1 ， u 2 ，…， u n ，同时算出这些特征值的累计贡献率。若第一个主成分所占比例，也即其贡献率不大于85 %时，就需要将多个（前 k 个，其中 k ＜ n ）主成分分量结合起来考虑；
4）求出主成分的载荷矩阵
，其中
式中： i = 1 ，2 ，…， m ； j =1 ，2 ，…， k 。
5）求各小流域前 k 个主成分的相应得分值 Z i ，其中
式中： i =1 ，2 ，…， m ； j =1 ，2 ，…， k 。根据小流域治理环境质量主成分得分的差异，便可进行小流域治理环境质量总体水平的评价和比较排序。
通过主成分分析，不仅能够揭示出各指标间的内在关系，而且还能将众多的指标归纳、“化合”成一个或几个综合指标，通过对最主要的综合指标（即主成分）的分析，便可实现对各待评价的小流域环境质量的排序分级或聚类分型。而且计算过程是完全依照指标间的内在联系所进行的数学变换，避免了人为打分的主观性及多指标导致的权重均化，从而使评价结果更为客观（林积泉等，2004）。
小流域治理环境质量总体水平是由许多个指标共同决定的，它是各个指标相互作用的结果。但由于环境质量表现形式的多样性和内涵的丰富性以及所在区域的差异性，使得各个小流域治理的环境质量和治理方式不尽相同，因而具有不同类型的治理模式。若出现大于一个的主成分，那么第一个主成分的功能主要是用来区分各小流域总体水平的差异，其他的主成分将有助于区分各小流域治理进程的阶段与特色的差异；同时，可根据主成分建立起一定的关系，进行直观的聚类分型，实现对不同治理阶段的类型区分，从而有利于优化小流域治理模式。
（4）模糊综合评价方法。模糊方法是20 世纪60 年代美国科学家扎德教授创立的，是针对现实中大量的经济现象具有模糊性而设计的一种评判模型和方法。该方法既有严格的定量化，也有对难以定量分析的模糊现象进行主观上的定性描述，把定性描述和定量分析紧密地结合起来，因而，在许多领域广泛应用。其原理及方法步骤如下：
1）确定因素集和评语集：因素集是以影响评价对象的各种因素组成的集合，通常用 U 表示：
U = ［ u 1 ， u 2 ， u 3 ， KK ， u n ］
评语集是以评判者对评判对象可能做出的各种总的评判结果组成的集合，通常用 V 表示，即：
V = ［ v 1 ， v 2 ， v 3 ， KK ， v u ］
2）建立权重集：各个因素的重要程度通常是不一样的，为了反映各因素的重要程度，对各个因素 u i 应赋予相应的权数 w i 。由各权数所组成的集合：
W = ［ w 1 ， w 2 ， w 3 ， KK ， w n ］
称为因素权重集。
3）建立各因素（指标）的评分隶属函数和综合评价矩阵：
其中， r ij 表示从因素 u i 着眼某事物能被评为 v j 的隶属程度，也就是 r ij 为因素 u i 对等级 v i 的隶属度，因而矩阵 R 的第 i 行：
R i = ［ r i 1 ， r i 2 ， r i 3 ， KK ， r in ］
为第 i 个因素 u i 的单因素评价，它是 V 上的模糊子集。
为求模糊矩阵 R ，就要根据待评价的指标数据，对每一个评价指标 u i ，分别构造出它属于 v i 的隶属函数。
4）模糊综合评判数学模型：
当权重集 W 和评判矩阵 R 为已知时，便可作模糊变换来进行综合评判。模糊综合评判的数学模型为：
B = W × R
对 B 进行归一化处理得 B ' ，将 B '与模糊评判向量 V w 相乘，即得出综合评价结果分值：
式中 V w —模糊评价向量，是按评语等级求得的中位数。
模糊综合评价方法的优点是可对涉及模糊因素的对象系统进行综合评价。而不足之处是并不能解决评价指标间相关造成的评价信息重复问题，隶属度函数的确定还没有系统的方法，而且合成的算法也有待进一步探讨。其评价过程大量应用了人的主观判断，特别是各因素权重的确定带有一定的主观性，因此，总的来说，模糊综合评价方法是一种基于主观信息的综合评价方法。
（5）层次分析法。层次分析法（ AHP）是美国匹兹堡大学教授A. L.Saaty于20 世纪70 年代提出的一种系统分析方法。该方法是一种能将定性分析与定量分析相结合的系统分析方法，是分析多目标、多准则的复杂大系统的有效方法。它具有思路清晰、方法简便、适用面广、系统性强等特点，便于普及推广，最适宜于解决那些难以完全用定量方法进行分析的决策问题。用系统分析的方法，对评价对象依评价目的所确定的总评价目标进行连续性分解，得到各级（各层）评价目标，并以最下层作为衡量目标达到程度的评价指标。然后依据这些指标计算出综合评分指数对评价对象的总评价目标进行评价，依其大小来确定评价对象的优劣等级。
应用层次分析法解决问题的思路是：
a .把要解决的问题层次化、条理化，即根据问题的性质和要达到的目标，将问题分解为不同的组成因素，按照因素之间的相互影响和隶属关系将其分层聚类组合，形成一个递阶的、有序的层次结构模型，层次模型一般分为目标层、准则层和指标层；
b .对模型中每一层次因素的相对重要性，依据人们对客观现实的判断给予定量表示，再利用数学方法确定每一层次全部因素相对重要性次序的权值；
c .通过综合计算各层因素相对重要性的权值，得到最低层（方案层）相对于最高层（总目标）的相对重要性次序的组合权值，由此作为评价和选择方案的依据。
其具体步骤如下：
1）建立目标决策问题的层次结构模型，即评价指标体系：在问题分析的基础上，将有关的因素按照不同属性自上而下地分解成若干层次。最上层为目标层，最下层为方案层（指标层）。中间可以有 2 个或几个层次，称为准则层。这样就把实际问题条理化、层次化，构造出了一个有层次的结构模型。
2）构造两两比较判断矩阵：对每一层次各个准则的相对重要性进行两两比较，并给出判断矩阵
式中， b ij 表示相对于上一层因素 A ，因素 B i 较因素 B j 的重要性比例标度。在进行两两比较时通常采用的是萨蒂（T. L. Saaty）建议的比例标度法。标度的含义如表 2-1 所示。
表2-1 判断矩阵重要性比例标度及其含义
3）计算权向量并做一致性分析：计算判断矩阵 A 的最大特征根 λ m ax和相对应的特征向量：
E = ［ e 1 ， e 2 ， e 3 ， KK ， e n ］
在此基础上对矩阵 A 进行一致性检验。一致性反映了人们判断思维逻辑的前后一致性。其具体公式如下：
式中 CI —一致性指标；
n —矩阵 A 的阶数。
然后，通过计算 CI 与平均随机一致性指标 RI 的比值，得到一致性比例 CR ：
平均随机一致性指标 RI ，其数值见表 2-2 。
表2-2 平均随机一致性指标
一般而言 CR 愈小，判断矩阵的一致性愈好。通常认为 CR ＜0.10 时，判断矩阵具有满意的一致性。否则需要调整判断矩阵，使之满足一致性检验。
4）计算权重：如果判断矩阵 A 满足一致性检验，则各因素的权重为：
式中 w i —因素 B i 的权重。
由 w i 构成的集合 W = ［ w 1 ， w 2 ， w 3 ， KK ， w n ］称为因素权重集。
层次分析法是目前为止最为广泛实用于评价生态系统综合效益的方法，层次分析法实质上是加权平均法的一个“高级形式”，它通过一种定量分析，制定出一套较为可行的确定权重或直接比较的方法是解决综合评价问题的一种比较简便易行的方法。当然，层次分析法也存在着明显的缺点，主要表现在以下方面：
·层次分析法是解决指标之间对比量化问题，而对于指标的选择却无能为力，指标的选取完全凭借于人的定性判断；
·层次分析法对相关性比较强的，甚至相互包含的指标与不相关的指标，不能判定，只能通过人为地分析，而在方法上没有多大的区别；
·层次分析法本质上是定性描述的定量化，因此，定性因素起决定作用，量化的正确与否很大程度上取决于定性的判断。
（6）其他综合评价方法。此外，数据包络分析法和人工神经网络评价法也是常用的综合评价方法。
数据包络分析法是以相对效率概念为基础，以凸分析和线性规划为工具的一种评价方法。它应用数学规划模型计算比较决策单元之间的相对效率，对评价对象作出评价。数据包络分析法是针对多输入——多输出的有效性综合评价而提出的，它的优点是可以评价多输入多输出的大系统，并可用“窗口”技术找出单元薄弱环节加以改进，而且并不需要预先给出权重。但它也存在着以下缺点：它要求人们对输入、输出之间的权重信息有一定了解；根据实际需要，要对权重施以一定约束；单纯的数据包络分析法模型得到的权重缺乏合理性和可操作性，需要进一步修正；各个决策单元是从最有利于自己的角度分别求权重的，导致这些权重随决策单元的不同而不同，从而使每个决策单元的特性缺乏可比性，得出的结果可能不符合客观实际。
人工神经网络评价法是通过模拟人脑的思维，把大量的神经元连成一个复杂的网络，利用已知样本对网络进行训练，即类似于人脑的学习；让网络存储变量间的非线性关系，即类似于人脑的记忆功能；然后利用存储的网络信息对未知样本进行评价，即类似于人脑的联想功能。基于人工神经网络的多指标综合评价方法通过神经网络的自学习、自适应能力和强容错性，建立更加接近人类思维模式的定性和定量相结合的综合评价模型。它是一种智能化的数据处理方法，其处理具有非线性关系数据的能力，是目前其他方法所无法比拟的。但缺点是需要大量的训练样本，精度不高，应用范围是有限的。而且，其评价模型是隐含的，最终无法得出一个“显式”的评价模型。此外，其应用的最大障碍是评价算法的复杂性，人们只能借助计算机进行处理，而这方面的商品化软件还不够成熟，同时，网络收敛速度慢也极大地影响着评价工作的效率。
总体看，单就评价法来说可分为两大类：主观赋权评价法和客观赋权评价法。前者多是采取定性的方法，由专家根据经验进行主观判断而得到权数，如层次分析法、模糊综合评价方法；后者的原始数据来源于实际数据，根据指标之间的相关关系或各项指标的变异系数来确定权数，如数据包络分析法和人工神经网络方法。
通过以上分析可以看出，对于单一的评价方法存在着这样一些问题：第一，不存在一种绝对完美的综合评价方法。不同的方法只是从不同的角度对被评价对象做出的某种估计，如果仅采用一种方法进行评价，其结果的可信性就值得怀疑。第二，选择何种评价方法受评价主体的主观影响太大。面对同一个被评对象，不同的人会选择不同的评价方法，而不同的方法所得到的评价结果一般并不完全相同，至于何种方法所得的结果为优，有时是很难判断的。第三，无论是选用主观赋权评价法，还是采用客观赋权评价法，都有自身无法解决的缺陷。主观赋权法虽然能充分吸收本领域专家的知识和经验，体现出各个指标的重要程度，但以人的主观判断作为赋权基础不尽完全合理。客观赋权法虽然具有赋权客观，不受人为因素影响等优点，但其所得各指标权数不能体现各指标自身价值且各指标的权数随样本的变化而变化。
面对单一综合评价方法的不足，在实际的评价工作中，发展了以下两种评价方法的思路。其一，通过采用两种或两种以上的综合评价方法进行评价，以使最终的结论更为可靠。其二，对两种方法做一综合，以实现二者的优势互补，从而得到更为合理、科学的评价结果。后者的这种综合方法，就是组合评价法。
针对本课题所涉及的小流域综合评价方法，通过认真分析，我们确立了以下的筛选原则：
·选择评价者最熟悉的评价方法；
·选择的方法必须有坚实的理论基础，能为人们所信服；
·选择的方法必须简洁明了，尽量降低计算的复杂性，具有较强的操作性；
·选择的方法必须能够正确地反映课题所确定的评价对象和评价目的。
通过对筛选原则的把握并结合上述对综合评价方法的分析，本研究最终确立了在单指标评价的基础上，应用综合评分法及层次分析法和模糊综合评价方法相结合的组合评价法作为小流域的综合评价方法。