高校哲學社會科學創新能力評價模型研究

譚春輝，王 樂

(華中師范大學信息管理系，湖北武漢 430079)

一、高校哲學社會科學創新能力評價指標體系

高校哲學社會科學創新能力可分解為創新投入能力、創新運行能力和創新產出能力三個要素，并以此為基礎，可以構建高校哲學社會科學創新能力評價指標的基本框架［1］。因此，可以在此基礎上，根據建立評價指標體系的要求，遵循規律性、科學性、導向性、系統性、層次性、可比性、可行性、成長性、代表性、定性與定量相結合等原則，從基本指標框架中進一步篩選一些具體指標，并采用鑒別力分析、相關分析等定量分析方法對篩選出的指標的可行性進行判斷，剔除高度相關、交叉重復及鑒別力不強的指標，進而最終建立高校哲學社會科學創新能力評價指標體系，如表1所示［2］。

二、指標權重的設計

各項評價指標在指標體系中的地位和重要程度不同，必須為每項評價指標設定權重，這樣才能達到客觀、可比的要求。到目前為止，確定指標權重的主要方法有直接經驗法、德爾菲法、優序圖法、相關系數法、排序法、連環比率法、極值迭代法、層次分析法等［3］。本文選用層次分析法確定各評價指標權重，但對最后的權重結果，仍可以征詢部分專家進行小范圍修改。

層次分析法(簡稱AHP)是美國運籌學家薩蒂(T.L.Salty)在20世紀70年代提出的一種定性與定量相結合的決策分析方法。AHP進行決策分析的最終目的是定量地確定其決策方案中各個指標對于總目標的重要程度［4］。

表1 高校哲學社會科學創新能力評價指標體系

為了能使計算簡便快捷，便于使用者操作，筆者用MATLAB編寫了應用程序。根據層次分析法的基本原理，綜合各專家的意見，在目標層下屬一級指標中，創新投入(U1)、創新運行(U2)、創新產出(U3)的判斷矩陣及相應的權重和一致性檢驗如表2。

類似地可求出各準則層(一級指標)、分準則層(二級指標)及各方案層(三級指標)相應的權重和一致性檢驗值。

表2 目標層下的判斷矩陣、權重及一致性檢驗

按照上述應用層次分析法計算出的指標權重，完整的哲學社會科學創新能力評價指標體系構成如表3所示。

三、構建綜合評價模型

(一)評價模型的選擇依據

在建立了評價指標體系以后，需要解決的主要問題就是綜合評價哲學社會科學創新能力。哲學社會科學創新能力是一個綜合性的指標，其評價值是由33個方案層指標綜合得到的一個相對數，反映參與評價比較的各對象(區域或年份)之間的強弱。處理的方法為帶有主觀性的綜合評分法。

表3 高校哲學社會科學創新能力評價指標及其權重

筆者認為，合理的評價模型應滿足這樣的要求：通過模型的運行，能夠對哲學社會科學創新能力進行準確、客觀評價，體現高校哲學社會科學創新活動的優勢和不足，為宏觀管理層與微觀管理層提供決策依據，從而使高校能夠有針對性地進行哲學社會科學創新活動。由于影響創新能力的某些因素是模糊的，不同高校創新能力具有差異性和個性化特點，許多指標不能用數值確定，即沒有明確的邊界，只有評價程度的高低，一般的情況下不能很清晰地定義出創新能力究竟有多強，而是用“很強”、“強”、“一般”、“較弱”、“弱”五個等級確定，但是仍很難界定每個等級的標準?？梢钥闯?，哲學社會科學創新能力的評價具有模糊性，故可以采用基于專家咨詢的多層次模糊綜合評價模型方法對創新能力進行評價。

(二)評價數據的模糊處理

既然采用模糊綜合評價方法進行評價，就需要對評價指標得出的評價數據進行模糊處理。

對定性指標的模糊處理方法為：建立定性指標測度標準，基于德爾菲法的等級論域方法由各專家對指標進行評分，按照模糊分類的原則將分值范圍劃分為五個等級，即很強、較強、一般、較弱、弱。等級與分數的對應關系為：很強［90～100］;較強［80～90);一般［70～80);較弱［60～70);弱［0～60)。

對于定量指標，有兩種模糊處理方法：第一種是將計算出的結果直接交給專家組，專家組根據與同類高校的比較，分別按照“很強、較強、一般、較弱、弱”五個等級進行評判打分;第二種方法是函數化處理方法，又稱功效函數法，即將每個指標的實際值轉化為用百分制表示的數值［5］。該方法具體如下：

設Yi為單指標模糊評價值，Xmax為某指標在所有高校中的有量綱指標最大值，Xmin為某指標在所有高校中的有量綱指標最小值，Xi為某指標在所有高校中的有量綱指標實際值。由于創新能力評價指標體系中的定量指標都屬于極大型指標，即指標值越大越好，所以有：

在上式中，Yi值按四舍五入方式取整數。其中，將功效系數值乘以40再加上60是為了使所得到的標準值更有利于層次的劃分，同時綜合評價中每個指標的得分在任何情況下都不會等于0，并與人們習慣的百分制評分方法一致，評價結果更為直觀。

(三)模糊綜合評價模型

根據模糊綜合評價模型方法的基本原則，建立創新能力模糊綜合評價模型的步驟如下：

1.設定指標權重向量

2.建立評價指標集

根據已構建的哲學社會科學創新能力評價指標框架，可以建立以下評價指標集：

其中：U表示目標層指標(即哲學社會科學創新能力)，Ui表示一級指標(準則層)，Uij表示二級指標(分準則層)，Uijk表示三級指標(方案層)。

3.建立評價等級集

評價等級集是評價者對評價對象可能做出的各種評價結果的集合。應用模糊綜合評價方法的目的就是在綜合考慮所有構成指標的基礎上評價哲學社會科學創新能力的強弱。因此，可以建立評價等級集為V={v1，v2，v3，v4，v5}，其中v1表示創新能力很強，v2表示創新能力較強，v3表示創新能力一般，v4表示創新能力較弱，v5表示創新能力弱。

4.構建二級指標模糊判斷矩陣

由于三級指標中既有定性指標，又有定量指標，因此不同性質的指標需要采取不同的模糊隸屬度計算方法。

對于定性指標來說，可以根據定性指標等級隸屬范圍，按照相應的定性指標模糊測度標準，可以請N位專家對三級定性指標等級作出判斷，然后求出該評價指標等級的人數在全部評判人數中的比重作為rijkm，得到該評價指標的隸屬程度，即：

上式中，i=1，2，3;j=1，2，3;k=1，2，3 ，m=1，2，3，4，5 ，表示Uij二級指標被N個專家評為vm等級的人數。

對于定量指標來說，利用公式1對其進行無量綱化模糊處理后，可以得到屬于某個區間的相應評價值，為了避免出現某項指標評價值位于邊界邊緣，而造成評語相差一個級別的不合理現象，將計算得出的各個指標的評價值，按照隸屬函數公式3進行模糊化處理，即確定最基層定量指標的隸屬程度［6］。

式中，i=1，2，3;j=1，2，3;k=1，2，3 。當Yi=60時，規定rijk4=0，rijk5=1，表示某指標在某高校的有量綱指標實際值Xi與某指標在所有高校中的有量綱指標最小值Xmin相等的情況，即：Xi=Xmin。

按照公式2和公式3對相應的定性指標和定量指標進行隸屬程度計算后，得到二級指標模糊判斷矩陣。

5.計算二級指標的模糊向量

二級指標的模糊向量可以表示二級指標所表征的單項能力的強弱，將其權重向量與模糊判斷矩陣相乘，得到二級指標的模糊向量。

用Sij表示Uij的模糊向量，得：

其中：sijm表示Uij項二級指標對應評價等級集中的vm(i=1，2，3;j=1，2，3;k=1，2，3…n，n根據二級指標取值為2、3、4、5、7;m=1，2，3，4，5)，表征二級指標的強弱。

6.構建一級指標模糊判斷矩陣

根據上一步得到的二級指標模糊向量，可以構建一級指標模糊判斷矩陣如下：

7.計算一級指標的模糊向量

一級指標的模糊向量可以表示一級指標所表征的單項能力的強弱，將其權重向量與模糊判斷矩陣相乘，得到一級指標的模糊向量。

用Si表示Ui的模糊向量，得：

其中：sim表示Ui項一級指標對應評價等級集中的vm(i=1，2，3;m=1，2，3，4，5)，表征一級指標的強弱。

8.構建目標層模糊判斷矩陣

根據上一步所得到的一級指標模糊向量，可以構建目標層模糊判斷矩陣如下：

9.計算模糊綜合評價結果

把目標層的權重向量與其模糊判斷矩陣相乘，就能得到創新能力模糊綜合評價的結果。

用S表示模糊綜合評價結果，有：

其中：sm表示創新能力對應評價等級集中的vm(m=1，2，3，4，5)，表征創新能力強弱。按最大隸屬原則，若s1最大，則說明該高校創新能力很強;若s5最大，則其哲學社會科學創新能力弱。

(四)評價結果的有效性分析

運用模糊結合評價模型，一般都是按照最大隸屬度原則對被評價對象所屬等級進行判斷，哪個值最大就屬于哪個等級，這在評價結果向量分量中的最大值與次大值之間存在明顯差異時無疑非常有效，也與實際情況相符。但如果最大分量值與次大分量值之間的差距非常小，最終的評價結果就可能處于最大值與次大值對應的等級之間，而按最大隸屬度原則，則選最大值對應的等級，這就無法客觀地反映事物本身界限的模糊性。當評價結果分量為同一個常數時，則最大隸屬原則失效，即無法根據最大隸屬原則對被評價對象作出所屬等級判斷。因此，需要按照一定規則判斷最大隸屬原則的有效性。

可以按照下述方法進行分析［7］：

有：

當α=+∞時，可以認定施行最大隸屬原則完全有效;當1≤α〈+∞ 時，可以認為施行最大隸屬原則非常有效;當1/2≤α〈1時，可以認為施行最大隸屬原則比較有效;當0〈α〈1/2時，可以認為施行最大隸屬原則低效;當α=0時，可以認為最大隸屬原則完全無效。

通過對α取值的判斷，不僅可以判斷所得sj可否用最大隸屬原則確定所屬等級，而且可以說明施行最大隸屬原則判別后的相對置信程度，即有多大把握認為被評對象屬于某個等級。

當最大隸屬原則低效或完全無效時(即0≤α〈1/2時)，為了更好地描述評價結果所屬等級，則需要進行評價結果的單值化處理，就是給各等級賦以分值，然后用最終評價向量中對應的隸屬度將分值加權平均得到一個點值［8］。賦值的原則是給各個等級依次間距相等的分值，在本文中，當出現最大隸屬度低效或完全無效時，對各等級的賦值分別為：v1=5，v2=4，v3=3，v4=2，v5=1，則有單值化計算公式：

將S的值按下述對應關系進行判斷，從而給出評價結果。S的計算結果與等級的對應關系為：很強(4-5］;較強(3-4］;一般(2-3］;較弱(1-2］;弱［0-1］。

當然，如果要對眾多評價對象的最終評價結果進行排序，也可以按“式7”進行計算，按各個評價對象S值進行排序。

［1］譚春輝.高校哲學社會科學創新能力評價的基本指標框架研究［J］.重慶大學學報：社會科學版，2009(6)：84-89.

［2］譚春輝.高校哲學社會科學創新能力評價指標體系構建研究［J］.重慶大學學報：社會科學版，2010(2)：70-75.

［3］BROWN B.Delphi Process：A methodology used for the elicitation of opinions of Experts［M］.The Rand Corporation，1987：392.

［4］SALEHFA H，BENSON S A.Electric utility coal quality analysis using artificial neural network techniques［J］.Neurocomputing，2003(11).

［5］勵明.構建和諧社會統計監測指標體系研究［EB/OL］.［2010-07-08］.www.jztjj.gov.cn/tjyj/070918.html.

［6］王佳.中小企業技術創新能力評價研究［D］.西安：西安理工大學，2005：84.

［7］陳耀輝，孫春燕.模糊綜合評判法中的最大隸屬原則有效度［J］.重慶師范學院學報：自然科學版，2001(1)：45-47.

［8］陳守煜.系統模糊決策理論與應用［M］.大連：大連理工大學出版社，1994：179-198.