综合权重

2024-08-07

综合权重（精选十篇）

综合权重篇1

信息化战争对装备保障的依赖性日益增强, 而装备指挥又决定着装备保障的整体行动和综合效能, 影响和制约着战争的进程与结局[1]。对装备指挥效能的评估成为一项重要的工作, 通过评估可以找出装备指挥运行中的薄弱环节, 为改进装备指挥方案提供数据支持和决策建议。

效能评估两个关键性的问题, 一是指标体系的建立, 二是权重的确定。指标体系的建立是评估的前提, 而权重计算方法的合理性直接关系到评估的准确性。目前权重的计算方法主要有主观赋权法和客观赋权法两大类[2,3], 主观赋权法的权重是由专家根据主观判断得出, 应用最广泛的是层次分析法, 这种方法能够将复杂问题层次化, 定性问题定量化。客观赋权法是根据各个指标在指标总体中的变异程度和对其他指标影响程度来确定权重, 典型的方法是熵值法。主观赋权法带有较强的主观随意性, 受评估者的知识结构、工作经验及偏好等影响;客观赋权法确定的权重虽然具有较强的数学依据, 但未考虑决策者的意向。

装备指挥效能评估指标中既有动态效能指标又有静态效能指标, 每个指标提供的信息量大小也不尽相同。因此, 为了更科学地确定各个指标的权重, 提高装备指挥效能评估的精确性, 本文采用了一种层次分析法和熵值法相结合的主客观综合集成赋权算法, 对装备指挥效能进行评估。

1 综合集成赋权法原理

主观赋权法由于人为因素会造成评估结果主观随意性较大, 客观赋权法虽然具有较强的数学依据, 但未考虑决策者的意向。针对主观赋权法和客观赋权法各自的优缺点, 为了使评估结果更加符合实际情况, 本文在进行装备指挥效能评估时采用了一种主客观集成、强调系统均衡协调发展的评估模型。在权重的确定上达到主观和客观的统一, 而且可根据对评估结果进行修正。

1.1 基本思路

1) 利用层次分析法构造评估指标体系的判断矩阵, 并对判断矩阵的一致性进行检验, 确定各个指标的主观权重。

2) 将原始数据的决策矩阵标准化, 利用熵值法确定各个指标的客观权重。

3) 将主客观权重进行综合, 得到综合权重。

4) 利用排名次序计算评估系统的协调系数, 并对评估值加以修正。

1.2 具体步骤

1.2.1 指标值的标准化处理

由于各指标的量纲不一致而存在不可公度性, 需要对各指标进行标准化处理。

对于保障计划工作量预计准确率、保障力量编组合理性等效益型指标, 要求指标越大越好, 令

x*ij = xij/max{ xij} 或 (1)

x*ij = (xij-minxij) / (max{ xij} -min{ xij}) (2)

对于决策时间、保障计划生成时间等成本型指标, 要求指标越小越好, 令

x*ij = min{ xij} /xij 或 (3)

x*ij = (max{ xij} -xij) /max{ xij} (4)

其中x*ij—标准化处理后的指标值

xij—为原始指标值

max{xij}—指标允许值的上界

min{xij}—指标允许值的下界

1.2.2 计算各指标的主观权重

用层析分析计算第i个子系统下第l个指标的主观权重, 记为W $_{i l}^{(1)}$ 。

选取指数标度构造判断矩阵, 然后用求和法或求根法求出判断矩阵的特征值即为各指标权重W $_{i 1}^{(1)}$ , W $_{i 2}^{(1)}$ , …, W $_{i J (i)}^{(1)}$ 。

1.2.3 用熵值法计算各指标的客观权重

熵是信息论中测定不确定性的量, 它可以度量数据所提供的有效信息程度, 代表多目标决策问题中各指标提供有效信息的多寡程度。当评价对象在某项指标上的值相差较大时, 熵值较小, 说明该指标提供的有效信息大, 该指标的权重也应较大。

假设有n个备选方案, m个评估子系统, 第i个子系统下有J (i) 个指标, 则第l个评估指标的熵定义为:

Hil=-K $\sum_{j = 1}^{n}$ fijllnfijl (5)

式 (5) 中fijl= $\frac{X_{i j l}}{\sum_{j = 1}^{n} X_{i j l}}$ , $Κ = \frac{1}{l n n}$ 。

则第i个指标的客观权重为:

W $_{i l}^{(2)}$ = $\frac{(1 - Η_{i l})}{(J (i) - \sum_{l = 1}^{J (i)} Η_{i l})}$ (6)

1.2.4 将主客观权重综合求得综合权重

为了使权重达到主客观的统一, 需要将专家对各目标给出的主观权重与熵值法确定的客观权重进行结合, 最终确定各目标的综合权重。权重的组合方法通常有乘法合成法和加法合成法, 乘法合成法突出权重较小的方法的作用, 比如某指标的主观权重较大而客观权重较小, 则最终计算的综合权重较小。加法合成法体现了线性补偿的原理, 实质上是对主观权重和客观权重进行平均。本文采用加法合成法对主客观权重进行综合

Wil= (W $_{i l}^{(1)}$ ) α+ (W $_{i l}^{(2)}$ ) β (7)

式 (7) 中, W $_{i l}^{(1)}$ 和W $_{i l}^{(2)}$ 分别为第i个子系统下第l个指标的主观权重和客观权重。α, β为合成系数, 分别表示主观权重与客观权重的相对重要程度, 0≤α, β≤1, α+β=1。W $_{i l}^{}$ 既为第i个子系统下第l个指标的综合权重。

1.2.5 计算系统的协调系数, 并对评估值进行修正

用层析分析法求第i个评估子系统的权重, 记为Wi (i=1, 2, …, m) 。

因此, 评估值的变异系数vj为:

Vj= $\frac{\sqrt{\sum_{i = 1}^{m} (A_{i j} - Ζ_{j})^{2} W_{i}}}{Ζ_{j}}$ (8)

式 (8) 中, Aij—第j个方案在第i个评估子系统下的评估值Aij= $\sum_{l = 1}^{J (i)}$ WilXijl,

Zj—第j个方案的评估值 $Ζ_{j} = \sum_{i = 1}^{m} W_{i} A_{i j}$ 。

修正后第j个方案的评估值

Z*j=Zj (1-Vj) (9)

2 综合集成赋权法在装备指挥效能评估中的应用

装备指挥系统是一个要素复杂、影响因素众多的多维系统, 其效能受到人力和物力两方面因素的制约, 人力因素包括指挥员的指挥因素和参谋人员的作业因素, 物力因素主要是指挥自动化系统的信息化水平。为评估装备指挥效能, 本文从信息效能、决策效能和作业效能三个方面对装备指挥效能进行了分解, 如表1装备指挥效能评估指标所示:

2.1 具体计算步骤

2.1.1 指标的标准化处理

分别有三个装备保障方案, 利用仿真运行后的基础数据, 通过式 (1) 、式 (4) 进行标准化处理, 得到二级指标的效能值, 如表 2装备指挥效能评估值所示。

2.1.2 求各指标的综合权重

利用层次分析法和熵值法分别求各个二级指标的权重, 取主观赋权法和客观赋权法的合成系数α=0.6, β=0.4, 使用加法合成得到综合权重, 如表 3装备指挥效能评估各层指标权重值所示。

2.1.3 求各方案下, 每个评估子系统以及整个方案的评估值

第一个方案下, 第一个评估子系统 (信息保障效能评估子系统) 的评估值。

A11=0.16×0.459+0.308×0.34+0.277×0.201=0.233 837。

同理, 第一个方案下, 第二和第三个评估子系统评估值A21=0.422 186, A31=0.345 153。

第一个方案的评估值Z1=0.233 837×0.3+0.422 186×0.535+0.345 153×0.165= 0.352 971。

同理, 第二个方案:A12=0.366 285, A22= 0.267 343, A32=0.429 316, Z2=0.323 753。

第三个方案:A13=0.321 317, A23=0.377 824, A33=0.471 802, Z3=0.376 378。

2.1.4 求各方案的变异系数

第一个方案的变异系数

$V_{1} = \frac{\sqrt{(A_{11} - Ζ_{1})^{2} \times 0.3 + (A_{21} - Ζ_{1})_{}^{2} \times 0.535 + (A_{31} - Ζ_{1})^{2} \times 0.165}}{Ζ_{1}} = 0.234 15$ 。

同理V2=0.197 39, V3=0.041 832 7。

2.1.5 求修正后各方案的评估值

第一个方案修正后的评估值Z*1=Z1 (1-V1) =0.270 323。

同理Z*2=0.259 847, Z*3=0.360 633。

2.2 结果数据分析

本文在指标值的合成以及主客观权重的综合上都采用了线性综合法, 线性综合法使各指标能够线性补偿, 任何一个指标的提升都会导致整个系统评估值的增加。某些局部优势较大, 而整体发展不协调的系统可能会有较高的评估值。针对这个问题, 本文利用各评估子系统的排名次序计算系统的协调系数, 对原评估值进行修正, 相当于对整体发展不协调的系统施加一个罚函数, 使整体发展不平衡的系统的评估值降低, 体现了“短板效应”的原则。

从评估结果值可以看出, 第一个方案中A11明显小于A21和A31, 说明第一个方案信息保障效能评估子系统效能较低, 与整个系统发展不平衡;第二个方案中A22明显小于A12和A32, 说明第二个方案指挥决策效能评估子系统效能较低, 与整个系统发展不平衡。而第三个方案整体发展比较平衡, 因此, 第三个方案的变异系数V3明显小于V1和V2, 从最终评估结果可以看出, Z*3>Z*1>Z*2, 可以得出, 第三个方案是最优的。

3 结论

装备指挥效能评估是一个复杂的工作, 权重的计算方法是整个评估的关键, 权重确定的合理与否直接关系到评估的准确性。本文利用层次分析法和熵值法的结合确定的权重同时体现了主观信息和客观信息, 并利用排名次序计算评估系统的协调系数, 对整体发展不平衡的系统进行修正, 使评估结果更加合理。

摘要：分析了基于综合权重的多目标决策的方法, 以实例说明了该方法在装备指挥效能评估中的应用。通过计算结果表明, 该方法较好地解决了指标权重分配问题, 使评估结果更加合理, 是一种有效的装备指挥效能评估方法。

关键词：综合权重,装备指挥,效能评估

参考文献

[1]郑怀州, 宋华文.装备保障指挥理论体系研究.装备保障指挥技术学院学报, 2002;13 (4) :15—17

[2]叶义成, 柯丽华, 黄德育.系统综合评价技术及其应用.北京:冶金工业出版社, 2006

[3]易华辉, 宋笔锋, 王远达.基于组合权重与vague集的多目标决策方法及应用.军械工程学院学报, 2007;19 (5) :58—63

[4]许国志, 顾基发, 车宏安.系统科学.上海:上海科学教育出版社, 2000

细节成就权重权重决定排名篇2

综合权重篇3

[关键词] 权重确定组合赋权相对比较法熵值法

一、评价指标权重确定的方法

由于目前我国的循环经济建设正处于发展之中，有关区域循环经济发展水平的评价方法也还处于研究、发展之中，没有形成一套公认权威的方法可以选用。而在区域循环经济发展水平的评价方法中，关于指标的权重，是综合评价的重要信息，它反映了个指标在评价对象中价值地位的系数。目前，有关权重的确定方法有数十种之多，根据计算权重时原始数据的来源不同，可以分为主观赋权法、客观赋权法、组合赋权法三类。主观赋权法有专家咨询法、最小平方和法、相对比较法、AHP(层次分析法)等，其研究比较成熟。这类方法的优点是能较好地反映评价对象所处背景条件和评价者的意图，但这个指标权重系数的准确性依赖于评价专业知识和经验的积累，因而具有较大的主观随意性。客观赋权法的原始数据来自于评价矩阵的实际数据，如熵值法、拉开档次法等。这类方法切断了权重系数的主观性来源，是系数具有绝对的客观性，但容易出现“重要指标的权重系數小，不重要指标的权重系数大”的不合理现象。组合赋权法是结合主观赋权法和客观赋权法各自的特点形成的。其做法是:首先在主观赋权法和客观赋权法的内部找出最合理主、客观权重系数，再根据具体情况确定主客观赋权法权重系数所占的比例，最后求出综合评价权重系数。

通常评价区域循环经济发展水平所建的指标体系由两级指标体系组成，一级指标体系构成子系统层(指区域循环经济发展应体现哪些方面的特点，即为哪些类别的因素将直接影响某区域内循环经济的发展）,二级指标体系则为具体的指标(即采用可测的、可比的、可以获得的要素及要素群，对前面已确定的子系统层的数量表现、强度表现、速率表现给予直接的度量，例如,主要污染物排放强度、单位工业产值能耗、城镇生活垃圾无害化处理率、工业固体废物处置利用率等，各评价指标能全面系统地对区域循环经济发展进行定量的描述，从而构成指标体系的基层要素）。

为了最大程度地保证权重系数的准确性和客观性，现采用组合赋权法来确定二级指标的权重系数值。一级指标则采用主观赋权法中的层次分次法来确定权重系数。

二、一级指标体系（子系统层）权重的确定

子系统的权重用层次分析法来确定。层次分析法（The Analytic Hierarchy Process,AHP）,又称多层次权重解析方法，是20世纪70年代初期由美国著名运筹学家、匹茨堡大学萨蒂（T．L．Saaty）教授首次提出来的。该方法是定量分析与定性分析相结合的多目标决策分析方法，把数学处理与人的经验和主观判断相结合，能够有效地分析目标准则体系层次间的非序列关系，有效地综合测定评价决策者的判断和比较，其确定权重的步骤如下：

1.构造判断矩阵

判断矩阵由同一层次指标针对上一层次指标的相对重要性进行两两比较的结果而构成，假定A层因素中Ak与下一层次B中的B1,B2,…Bn有联系，则将构造的判断矩阵以表格形式表示为：

判断矩阵使得决策者判断思维数学化。但是，人类思维具有一致性特点，即认为因素之间的关系应该具有传递性:若已知因素 X2与因素X1的相对重要关系系数δ21，因素X3与因素X2的相对重要关系系数δ32，则可以根据δ21和δ32得到因素X3与因素X1的相对重要关系系数δ31=δ32 δ21。

2.求判断矩阵的最大特征值及其对应的特征向量

从上可知，求取各指标的权值，就是求取判断矩阵的最大特征向量。一般求解判断矩阵不需要太高的精度，所以特征值也不需要严格意义上的解析解(实际上，当矩阵阶数较高时，特征值的解析解很难求出）。通常有两种方法可求得判断矩阵的最大特征值及其特征向量的近似解，一种是几何平均值法，一种是求和法。这里采用几何平均值法，其计算过程为:

(1)对矩阵A先按行将各元素连乘并开n次方，求得各行元素的几何平均值:

称为随机一致性比率(consistencyratio）,当C.R.＜0.10时，判断矩阵有可以接受的不一致性，否则，就认为初步建立的判断矩阵是不能令人满意的，需要重新赋值，仔细修正，直到一致性校验通过为止。

三、（二级指标）各子系统中具体指标权重的确定

各子系统中具体指标是整个评价体系的基础，其权重系数的准确性对评价结果的可靠性影响很大。因此，选用组合赋权法来保证这一级指标的相对准确性，其中主观权重系数由相对比较法确定，客观权重系数由熵值法确定，主、客观系数各占综合系数的50%。其步骤为：

1.用相对比较法确定主观权重系数

相对比较赋权法的过程如下:将所有评价指标 Xj(j=1,2,…,n)分别按列和行排列，构成一个正方形的表；再根据三级比例标度对任意两个指标的相对重要性进行分析，并将评分值计入表中相应的位置；将各个指标评分值按行求和，得到各个指标的评分总和；最后做归一化处理，求得指标的权重系数。

三级比例标度两两相对比较评分的分值为，则标度值及其含义如下：

四、结束语

区域循环经济发展水平综合评价中，初选指标体系需经过筛选后确定最终各子系统具体指标，再利用上述主客观赋权法确定各级指标的权值，为后续评价模型的构建奠定基础。

参考文献:

[1]邹新月:企业作用等级模糊综合评价.系统工程.2001,19(7):386～389

[2]叶义成柯丽华等:系统综合评价技术及其应用．冶金工业出版社.2006:97～100

[3]飞思科技产品研发中心，辅助神经网络分析与设计.北京电子工业出版社．2002:54～60

综合权重篇4

科技成果评价及奖励是我国科技工作的一个重要组成部分,它对于发挥国家科技政策的导向功能,促进科技工作与经济发展相结合,以及促进科技人员的个人成长等各方面都具有重要作用。为适应科技创新形势的发展,推动科技创新工作的可持续发展,研究、完善科学的科技成果评估机制,提出更为理性的评估方法,已成为新时期科技工作的重要任务。

在实践工作中,科技成果评价存在着不同程度的失真现象,个别成果的评定结果与其真实水平不一致,其原因是多方面的,除了个人主观因素影响外,评价制度和方法不完善也是一个很重要的原因。由于科技成果评价的特殊性,在目前还离不开专家评审这一基本环节,所以,在科技成果评价过程中必须通过方法设计来控制专家的评审行为;同时,由于目前还难以精确量化反映科技成果水平的各个指标,因此,在科技成果评价过程中必须通过方法设计对专家评审结果进行科学的综合,使科技成果评价工作在科学的制度和方法下进行[1]。在这一思维下,本文研究采用教育和心理测量技术中信度分析方法确定专家权重,构建考虑专家权重的模糊综合评价模型,将定性指标合理地定量化,使科技成果评价工作最大限度地排除人为因素的干扰,从而使评价结果更加准确与合理。

1相关研究评述

在科技成果综合评价模型方面,近年来,多目标综合评价方法如多元统计、层次分析、灰色系统理论等发展迅速,成果丰硕,已成为科技成果奖励定量评价方法的发展趋势。目前,国内学者在研究中将多种方法综合起来运用,以达到更趋客观合理的评价效果。如陈中文等通过对科技成果的综合评价问题进行深入的分析与探讨,应用模糊数学理论建立了科技成果模糊综合评价的数学模型,并给出了模型中有关参数的确定方法[2];杨斯博等采用德尔菲法、层次分析法和线性加权综合评价法构建评价指标体系及评价模型对科技成果进行评价和分析[3];刘宇泰等采用德尔菲法、层次分析法构建评价指标体系,然后结合模糊数学综合评价方法对应用性科研成果进行综合评价[4];李茹在分析传统评价方法的基础上,综合主观评价与客观评价,提出一种主客观评价相结合、模糊技术与决策方法相结合的组合赋权模糊综合评价方法,该方法既可避免人为的主观片面性,又能对专家意见给予足够的重视[5];吴远彬采用专家会议法、德尔菲法构建了一套定性与定量相结合的科技成果评价指标体系,然后应用BP神经网络方法,建立科技成果综合评价模型[6];胡宗义将科技奖励定性评价信息用L—R型三角模糊数表示,为根据模糊决策矩阵作出合理的评价,提出了一种各分量均为三角模糊数的模糊矢量的比较方法——模糊灰色关联分析法[7]。

现有文献对于科技成果奖励评价问题的研究还存在不足,主要表现在:①现有的综合评价模型只考虑指标的重要性差异,未考虑各评审专家的重要性(可靠性)差异,即只对指标赋权,没有对评审专家赋权。由于各专家的学识、经验及对被评价项目的熟悉程度存在着差异,必然会影响最终评审结果的准确性;②在科技成果奖励评价过程中,对于如何通过方法设计测度并控制专家评审行为,现有的研究成果可操作性不强,已有的测度指标不能真正反映专家评议的水平。

2信度分析的专家权重构建

2.1信度分析原理与计算方法

信度就是对测量一致性程度的估计,而评分者信度是由多个评分者给一组测量结果的评分,其所得各个分数之间的一致性。在经典测量理论中,信度就是一组测量分数中真分数方差与实测方差的比率[8]。

设有n个评判对象,i=1,2,……,n;m个专家,j=1,2,……,m。每个专家对n个对象的评判结果xij取值用等级表示。

根据信度理论,评判的实际值Xij为真值Ti和评判误差Eij之和

即:Xij=Ti+Eij

有两个假定:1、Eij和Ti相互独立;2、Eij和Eik相互独立。

则有 $C = \frac{S_{Τ}^{2}}{S_{X j}^{2}} = 1 - \frac{S_{E j}^{2}}{S_{X j}^{2}}$

这里,C就是信度,也称作信度系数。S $_{Τ}^{2}$ 是真分数方差,S $_{X j}^{2}$ 是实测方差,S $_{E j}^{2}$ 是误差方差。但我们知道我们是无法直接测量到真分数和真分数方差的,所以对信度只能作估计,上式为我们提供了一个对信度估计的基础,即求测量误差方差,用它来估计信度。

根据信度系数的定义式,可以推导出单个专家评判的信度系数C公式[9]:

$C = \frac{\sum_{j} \sum_{k} l_{j k}}{\sum_{j} \sum_{k} \frac{(l_{j j} + l_{k k})}{2}} (k > j) (1)$

式(1)中ljj为Xj的离均差平方和,表示第j个专家对某一项目i的打分与该项目的平均得分之差的平方,即为 $(X_{j} - \overset{—}{X_{i}})^{2} ‚ l_{j k}$ 表示第j个专家对某一项目i的打分与该项目的平均得分之间的差和第k个专家对该项的打分与该项的平均打分之间的差的乘积,即为 $(X_{j} - \overset{—}{X_{i}}) (X_{k} - \overset{—}{X_{i}})$ 。

2.2信度系数计算结果

现有25位专家对24项科技成果(国家科学技术进步奖技术开发项目)进行模糊综合评判(资料来源于科技部国家科技奖励办公室,原始数据略),评价指标体系如表1。

注:项目为国家科学技术进步奖技术开发项目。

在计算专家信度系数时,将专家评判的5等级换算为5分计分,然后根据式(1)计算出25位专家的信度系数见表2。

信度系数计算结果显示,各位专家的信度系数有明显差异,这说明各专家的评议水平或评议质量有差异,如果在综合评价过程中对每位专家的评分结果采用等权处理,则综合评价结果缺乏合理性。因此,本文在对科技成果进行模糊综合评价时,考虑各位专家评议水平的差异,依据信度系数进行专家赋权,使综合评价结果更科学、更客观。

3考虑专家权重的模糊综合评价模型及实证分析

科技成果评价问题是一个典型的涉及到多因素的评价问题,且各个因素的影响程度往往又是由人们的主观判断所决定的,因此,常规的统计方法难以对其进行处理。同时,这种评价问题还经常存在着结论的模糊性,例如,对技术创新程度、技术先进程度等的评价,都很难使用一个具体的数值点来体现,只能用相应的优劣等级来表示,而模糊综合评价方法能够很好地处理多因素、模糊性以及主观判断等问题,因此,它是综合评价科技成果的一个有效方法[5]。

然而,通常的模糊综合评价方法在目前的科技成果评价应用中,依然存在着一定的缺陷,即未考虑到各位专家的评议水平的差异,这将导致最后的综合评分有一定的偏差。因此,本文将提出一种考虑专家权重的模糊综合评价模型来解决该问题,即通过引入信度系数对每位专家的评分结果赋予权重,进而计算出模糊综合评价模型中的“相对隶属度”。其评价过程如下。

3.1确定科技成果评价的因素论域U

这一步就是要解决用什么指标、从哪些方面来评判客观对象的问题。科技成果水平的评价要素集可设定为U=(u1,u2,…,un),ui表示被考虑评价的因素,i=1,2,…,n。在此,可定义为U=(u1,u2,u3,u4,u5)。本文以国家科技进步奖(技术开发项目)为例,则评价因素论域为:

U=(技术创新程度,技术指标的先进程度,推广及应用程度,已获社会生态及环境效益,对科技进步的推动作用)

3.2确定科技成果评价的等级论域V

设科技成果评价的等级论域为V=(v1,v2,…,vm),vj表示评价标准,j=1,2,…,m。这一步是其他多指标综合评价方法所没有的,也正是由于这一论域的确定,才使得模糊综合评价得到了一个模糊评价向量,被评价事物各评语等级隶属程度的信息通过这个模糊向量表示出来,体现评价的模糊特性。评价结论是科技成果评价的最终结论,应根据实际需要确定。评价等级个数(m)通常要大于4而不要超过9。因为一方面,m过多将超过人的语义区分能力,不易判断对象的等级归属;另一方面,m过少又不符合模糊综合评价的质量要求,故m过多过少都对评价结果有不良影响,以适中为宜。在此,定5个等级,V=(v1,v2,v3,v4,v5),即V=(很好,较好,一般,较差,很差)。

3.3确定各评价要素间的权数分配

所谓权数乃是表征因子相对重要性大小的表征量度值。权数是为了使综合评价能够考虑各个影响因素对总体影响程度的不一致性。引入U上的一个模糊子集A,称为权重或权数分配集,A=(a1,a2,…,an);其中,ai>0,且 $\sum_{i = 1}^{n} a_{i} = 1 ‚ a_{i}$ 表示第i个因素的权重,它反映对诸因素的一种权衡。

根据科技部所制定的国家科技奖励评价办法及实施细则,国家科技进步奖(技术开发项目)中各评价要素的权数分配为:

A=(0.20,0.20,0.20,0.25,0.15)

3.4考虑专家权重的模糊关系矩阵R的确定

模糊关系矩阵R的确定在模糊综合评价中起着至关重要的作用,该矩阵的准确与否直接影响着最终得分值的准确度,本文提出的考虑专家权重的模糊综合评价关键就在于此。“模糊关系矩阵”是描述每一个被评判对象的评价要素和评价等级之间关系,即从U到V的模糊关系的重要工具,通常用R表示。

$R = (r_{i j})_{n \times m} = [\begin{matrix} r_{11} & r_{12} & \dots & r_{1 m} \\ r_{21} & r_{22} & \dots & r_{2 m} \\ \dots & \dots & \dots & \dots \\ r_{n 1} & r_{n 2} & \dots & r_{n m} \end{matrix}]$

而在考虑专家权重的情形下,需计算“相对隶属度”r′ij(i=1,2,…,n;j=1,2,…m)来确定“考虑专家权重的模糊关系矩阵R′”。r′ij是以专家信度系数为基础计算而得的,表示从因素ui着眼,某被评判对象评为vj的“相对隶属度”。

第一步,进行单因素评判。首先选取T名专家组成专家评判小组,由各评判组成员独立地对被评判对象的各项要素给出评判等级vj。得出单因素评判矩阵:

$X = (x_{i j})_{n \times m} = \begin{array}{l} u_{1} \\ u_{2} \\ ⋮ \\ u_{n} \end{array} [\begin{matrix} v_{1} & v_{2} & \dots & v_{m} \\ x_{11} & x_{12} & \dots & x_{1 m} \\ x_{21} & x_{22} & \dots & x_{2 m} \\ ⋮ & ⋮ & \dots & ⋮ \\ x_{n 1} & x_{n 2} & \dots & x_{n m} \end{matrix}]$

本例中由25名专家组成评价小组,分别对U中各因素作出评价vj,结果列于表3(以项目X1为例)。

第二步,整理评判结果,求出因素ui对各等级评语的“相对隶属度”。

如果不考虑各位专家的信度权重,则因素ui评为等级vj的隶属度为:

$r_{i j} = \frac{x_{i j}}{Τ} i = 1, 2 ‚ \dots, n ‚ j = 1, 2, \dots, m$

其中,T为参与评判的专家人数。

本文考虑各位专家的信度权重,则应以各位专家的信度系数之和代替专家人数进行求和,以计算因素ui被评为等级vj的“相对隶属度”。计算公式为:

$r^{'}_{i j} = \frac{\sum_{t = 1}^{x_{i j}} c_{t}^{(i j)}}{\sum_{t = 1}^{Τ} c_{t}} i = 1, 2 ‚ \dots, n ‚ j = 1, 2, \dots, m$

式中 $\sum_{t = 1}^{x_{i j}} c_{t}^{(i j)}$ 表示因素ui被评为vj的所有专家信度系数之和,而 $\sum_{t = 1}^{Τ} c_{t}$ 则表示整个评判小组T名专家的信度系数之和。

将所有因素各等级评语的“相对隶属度”计算出来,按顺序排列成矩阵,形成“考虑专家权重的模糊关系矩阵R′”。

$R^{'} = (r^{'}_{i j})_{n \times m} = [\begin{matrix} r^{'}_{11} & r^{'}_{12} & \dots & r^{'}_{1 m} \\ r^{'}_{21} & r_{22} & \dots & r^{'}_{2 m} \\ \dots & \dots & \dots & \dots \\ r^{'}_{n 1} & r^{'}_{n 2} & \dots & r^{'}_{n m} \end{matrix}]$

本例中,项目X1的“考虑专家权重的模糊关系矩阵R′”为:

$\begin{array}{l} R^{'} = (r^{'}_{i j})_{5 \times 5} = \\ [\begin{matrix} 0 & 0.150 1 & 0.287 6 & 0.562 6 & 0 \\ 0 & 0.182 5 & 0.381 2 & 0.436 3 & 0 \\ 0.045 4 & 0.029 2 & 0.471 9 & 0.453 6 & 0 \\ 0.023 8 & 0.149 0 & 0.459 0 & 0.368 3 & 0 \\ 0.069 1 & 0.086 4 & 0.336 9 & 0.483 8 & 0.023 8 \end{matrix}] \end{array}$

3.5选择合成算子,进行综合评判

由上述A和R,利用模糊数学的模积合成矩阵计算

B=A。R′=(b1,b2,…,bm) (2)

式(2)即为模糊综合评价合成模型。

该模型中的模糊矩阵的合成算子“。”有多种算法,本文采用M(·,+)算子计算,即:

$b_{j} = \sum_{i = 1}^{n} a_{i} r^{'}_{i j}$

该算子(也称max—product算子)称为主要因素突出型算子。“。”取“·”和“+”算子,即普通矩阵乘法[10]。

本例中,项目X1的模糊合成矩阵为:

B=A。R′=(0.20 0.20 0.20 0.25 0.15)。R′

=(0.0254 0.1226 0.3934 0.4551 0.0036)

计算结果表明:该项科技成果(项目1)评价为“很好”的隶属度为2.54%,评价为“好”的隶属度为12.26%,评价为“一般”的隶属度为39.34%,评价为“较差”的隶属度为45.51%,评价为“很差”的隶属度为0.36%,按最大隶属度原则,该项科技成果的评价结果为“较差”。

因为B仍是一个5维向量,若再给定评判集上的考核评分列向量D,那么,科技成果的评价结果将是一个明确的代数值。在这里,令评语“很好”得5分,“较好”得4分,“一般”得3分,“较差”得2分,“很差”得1分,则评判集上的考核评分列向量为:

D=(5 4 3 2 1)T

该项科技成果(项目X1)评价的最终得分为:

Q=B·D=(0.0254 0.1226 0.3934

0.4551 0.0036)(5 4 3 2 1)T=2.7114

3.6根据各项科技成果评价的最终得分值进行排序

仍以前文中25个专家对24个项目进行评判的数据进行实证分析,根据考虑专家权重的科技成果模糊综合评价模型进行计算,各参评项目的评分及排序结果如表4。

注:Xi为24个被评项目代码。

4结论

目前,各种科技成果评价工作一般都是由专家群体来进行的,以专家集中意见作为评价结果。但由于各专家的学识、经验及对被评价项目的熟悉程度存在着差异,必然会影响最终评价结果的准确性。因此,通过方法设计来控制专家评审行为,适当压低不准确意见的作用,相应提高准确程度较高的意见的地位(对专家评分结果赋权),尽量减少科技成果评价工作中的人为操纵因素的影响,从而使评审工作更加客观、准确,这是一件很有意义的工作,也是提高科技成果评审结果合理性的重要手段。

模糊综合评价方法能够较好地处理多因素、模糊性以及主观判断等问题,而现实中科技成果评价的各因素往往带有较大的模糊性,因此,它是综合评价科技成果的一种有效方法。本文运用教育与心理测量理论中的信度系数构建专家权重,建立考虑专家权重的科技成果模糊综合评价模型,实证分析表明,该模型能减少科技成果评价工作中的人为因素的影响,具有可操作性和实用价值。

对科技成果奖励评价工作的建议:①在科技成果奖励评价模型中,采用动态的客观权重代替主观权重对评价指标进行赋权;②在科技成果奖励评价过程中,必须考虑专家的评议水平,即在评价模型中考虑专家评议的信度,使评价结果更为科学合理;③在专家库的个人信息中,增加专家在历次评议后的信度档案,作为科技成果奖励评价工作中抽取与筛选评审专家的依据。

摘要：在分析现有对专家权威性和可信度测量方法的基础上,提出了一种考虑专家权重的科技成果模糊综合评价方法。该方法运用教育与心理测量理论中的信度系数建立专家权重,在模糊综合评价模型的专家评分环节考虑评审专家的水平差异,从而通过方法设计来控制专家评审行为,减少科技成果评价工作中的人为操纵因素的影响。实证分析表明,该模型具有可操作性和实用性。

关键词：专家权重,科技成果,模糊综合评价

参考文献

[1]王炎坤,钟书华.科技奖励论[M].武汉:华中科技大学出版社,2001:127-129.

[2]陈中文,饶从军,汪辉.科技成果的模糊综合评价[J].武汉理工大学学报:信息与管理工程版2,004(4):204-206.

[3]杨斯博,李敏强,宗毅.新型科技成果评价方法的研究与实践[J].天津大学学报:社会科学版,2005(4):266-270.

[4]刘宇泰,潘光友,刘克刚.应用性科研成果综合评价的模糊数学方法研究[J].昆明理工大学学报:理工版,2006(6):101-106.

[5]李茹,张丽芳,褚诚缘.科技项目模糊综合评价方法研究[J].系统工程理论与实践2,006(9):66-75.

[6]吴远彬.基于人工神经网络的农林科技成果评价研究[J].河南科技大学学报:自然科学版2,007(4):60-64.

[7]胡宗义,钱健,刘亦文.基于模糊灰色关联分析法的科技奖励评价[J].统计与决策2,009(11):152-154.

[8]戴海崎等.心理与教育测量[M].广东:暨南大学出版社,2006:186-189.

[9]黄正南.专家评判的信度分析[J].中国卫生统计,2000(6):47-49.

宝贝标题权重篇5

如何在5天内让宝贝排在自然搜索首页？如何快速把计划中所以质量的分提高到10分？淘宝竞争太激烈，如果没有深厚的内功，很难有立足之地。下面老兵给大家传授一些个人优化心得。

以我的女装类连衣裙来讲

2015新款品质女装连衣裙夏季韩版雪纺短袖修身显瘦款长裙

连衣裙，大流量关键词类目的统称，雪纺连衣裙，碎花连衣裙，小清新连衣裙品质连衣裙等等就是连衣裙里面的一个大类。“韩版连衣裙2015”就是浓缩的比较不错的标题了，还剩下很多小流量的修饰词。有销量以后没有权重也无法抢小流量词的

在定义宝贝的时候标题，只有精准了才可能转化，老是改来该去的，标题的权重跑哪里去了，你都不知道。还谈抢什么流量？（当然也有改标题，换主图不降权的方法，这个后面说。）标题不精确描述，谈养词就是扯淡！！

有人会疑问，我老是改标题，这样对搜索真的会有影响吗？什么程度！我告诉你，淘宝会给你一定的机会展现，如果转化了，加权重。但是有限的。新词的固然有转化带权重，但是又奈何能与其他好的带权重的标题抗衡呢！所以你一开始就应该把他定义好，有时候你不经意去掉一些有意义的关键词，你的权重就更是少的可怜。比如，有人会问，为什么我的销量比同类的高，却排在比人后面！

优化标题的重要性，我也不在这里过多的强调了。宝贝的排名没有靠前那是因为你没有个好的标题。

做过爆款的朋友都知道，标题是可以随便改呀改的吗？改来改去会导致以前养关键字的权重重置消失。

说到养词，许多朋友会问怎么样养词有效果！！下面给你细细道来。

养词简单点就是，通过淘宝，天猫通或直通车展示搜索关键字，搜索到你的宝贝，点击后并且转化，这样会增加该关键词的权重。如图

今天不谈优化，谈给宝贝标题加权重。打开淘宝搜索韩版连衣裙2014

“韩版连衣裙2014”

把关键字拆分 “韩版” “连衣裙” “2014” 假设每次搜索转换后的权重分值为10分

那么韩版连衣裙 2014 分别可以获得3.33333分的权重积分，当搜索这三个关键字的时候，这三个关键字就会相对比别人的更高一些，也就是为什么

我只卖出了393个，第三名卖出了10515个，但是我还是能排在第一，因为你关键字养得并没有我的好，对于淘宝来说，我的关键字更加精准，淘宝会将这些精准关键字排名靠得更加前面给消费者展示

那么如果客户只搜索了一个关键字 “连衣裙” 按如果按照销量排名，我的排名不是很靠前。本身销量不多

以上是以“连衣裙”关键字来进行的排序，明显我销量并不如他，但是在自然搜索排名中，“连衣裙”这个关键词的权重比他们更高，所以我会更靠前一些。

再举例个例子说明一下

上图同样如此，你们可以看到，我的销量只有4924，但是排序仍然比下面6018销量更靠前，原因很简单，我的关键词转化权重比他们高，所以我靠前。有一点权重只计算月销量累计的权重，一个月后就会清一次。这就是有些朋友为什么会发先，宝贝从100-200-500涨的很快，突然有一天，自然搜索流量就没有了，然后销量开始下滑。就是这个道理，因为30天的权重过了之后会重新计算调整。

对于标题来说，每个宝贝标题可以设30个汉字，分割成许多小关键字，那么每个关键字的权重都不一样的，甚至还要考虑DSR。在说个例子

我的宝贝在商城销量不如他们，但是在淘宝收索中，我却进入豆腐块里。这说明什么呢？

“销量高不代表标题里词的权重就好，搜索词转化，才是真正提高关键词权重的分项” 比如你搜索，转化了连衣裙，那么就给连衣裙两次增加权重，搜索小西服，小西服转化了，增加搜索权重，不管淘宝搜，还是商城搜索转化，还是点击关键词的直通车转化，都会计算，但是自然搜索的权重值会相对高一些！！在举个例子说明：

我的宝贝销量相对还可以，想去抢占几个小流量关键词，大多数卖家认为：我宝贝销量高，别人和我差的远，我就抢个小词，也没人跟我争。

错，如果你的关键词没有搜索转化，没有加分项，一样排在后面。你可以试试，你自己加个词，搜索一下！！所以你不知道怎么不降权，就不要整天改标题。那么如何养词呢？

干货1：边卖边刷（不提倡，不鼓励，但是真有效），通过搜索关键词，进行点击，5分钟阅读，在店铺里鼠标四处点点，收藏店铺，该假聊假聊并且购买宝贝，取得可控权重！发个链接点开就刷的方式不可取！不得权重，还容易被抓。另外，控制好上下架时间，以你的类目最高转化时间段延后1--2小时比如：你星期一晚上7点-9点下单率最高！那么这款宝贝的上架时间设置为，星期一晚上8-10点，干货2：直通车，直通车关键词与标题关键词匹配，转化后可以提高宝贝对应关键词的权重，同时，高转化又反哺直通车质量得分。分高了，有能降低点击单价，从而提升整体roi。进入良性循环。

打造爆款，如果不做类目热词，大流量高消费，那一个月的爆款周期过后，你就被自己拖死了。

干货3：标题一定要精准定位产品，一旦设置完成，绝不轻易修改，搜索权重才是决定你的排名，而不是标题优化的多好

下面看下老兵前段时间亲身按照上述方法优化的一家店铺自然流量的增长情况

这是一家商城店，天猫搜索从之前不到500，优化了一个多月，提升至接近3000.淘宝搜索从之前300左右，优化到1200左右。

主要方法：1.店铺标题关键词优化 2 配合直通车重点关键词注流 3.前期适当刷单带起来

杠杆资金撤离权重股篇6

从行业情况来看，由于近期大盘波动幅度较大，投资者谨慎情绪进一步提升，本期实现融资净买入的行业板块（申万一级分类）只有11个，较上期减少3个。其中，电子、有色金属最受杠杆资金追捧，期内净流入资金均超过10亿元，分别为11.93亿元、11.65亿元，而排在第三名的综合版块，其融资净买入额仅为6.23亿元。此外，还有汽车、轻工制造、纺织服装等六个行业板块融资净买入额达到亿元以上。

被融资客看空的行业中，融资流出过亿的行业板块则有11个，权重周期板块居于前列。其中房地产行业高居榜首，融资资金流出达6.43亿元，而排名第二、第三的交通运输、采掘板块的融资流出金额则为3.79亿元、3.35亿元。此外，商业贸易、公用事业、非银金融等板块也都不受融资客看好，融资资金流出明显。

个券方面，本期实现融资净流入的个股为379只，较上期略有增加。其中，融资净流入过亿的个股有25只，沧州明珠（002108）以3.86亿元的融资净买入额位列第一。统计期内该股连续5个交易日实现融资净买入，其中6月17日净买入额高达1.58亿元，而在6月22日、6月20日，该股的融资净买入额也分别达到8264.66、7749.70亿元。而排名第二、第三的中信国安（000839）、长江证券（000783）则分别实现3.40亿元、2.95亿元的融资净流入。

而被融资客看空的495只个股中，有10只融资流出过亿，多氟多（002407）排名居前，融资流出额达到5.77亿元。而排名第二金地集团（600383）继续融资流出的状态，统计期内融资流出金额为3.12亿元。排名第三的是中国平安（601318），融资流出2.02亿元。其余如西部证券（002673）、城投控股（600649）、海通证券（600837）等也都受到较多抛售压力。

综合权重篇7

关键词：上市公司,战略因素,综合权重

企业战略因素是指对企业的战略制定、实施以及最终取得成功这一全过程具有影响作用的所有成分因子组成的一个多层次的因素群。目前, 国外对于影响公司战略因素的研究已经非常成熟, 先后出现了资源决定学派、能力决定学派和行业结构决定学派, 之后又延伸出权力学派、学习学派、环境学派等。资源决定学派认为, 企业资源是实现公司战略目标的各种要素组合, 资源会限制公司制定战略, 因此资源是非常重要的企业战略因素。沃纳认为企业内部的战略资源是企业战略制定与实施的主要决定因素。能力决定学派认为公司间的竞争最关键的是核心能力的竞争。为保证企业在生产销售等方面的优势, 关键是企业识别和开发竞争对手难以模仿的核心能力。以波特为行业结构决定学派认为强调企业竞争优势来源于企业外部, 即企业所处行业的盈利能力和企业在行业中的相对竞争地位, 提出行业结构分析是制定竞争战略的基础和依据。该理论认为企业的战略制定与实施必须将自身与所处环境相联系。学者在研究战略因素的过程中, 资源决定学派强调资源因素, 能力决定学派强调能力因素, 行业结构学派强调行业环境因素, 都只是侧重因素群的某一层次进行分析。但他们都将资源与能力作为企业重要的战略因素, 但很少有学者对这些因素进行整理, 筛选, 详细分析上市公司的战略因素。因此在基于资源基础理论和在对前人研究的查找、筛选与总结的基础上, 基于资源基础观、核心能力观以及环境观同时结合我国上市公司的实际情况得出60多个战略因素, 采用专家投票法进行初选, 选出26个相对重要指标, 运用MATLAB对选取的2013年沪市246家上市公司的26个影响公司战略的指标及客观权重进行主成分分析;从26个相对重要指标从中选择更重要的18个关键指标及主观权重进行层次分析, 结合主客观权重, 采用“加法”集成法计算得出最终的集合权重。

一、战略因素筛选及客观权重确定——主成分分析法

首先采用专家投票法进行初选。然后对初选的战略因素指标组合运用主成

分分析法, 确定影响上市公司战略的18个高级指标。

(一) 战略因素初选

1. 选定专家组。

本文选择了15名专家, 其中高等院校教授5名、上市公司管理人员5名, 政府人员5名。

2. 编制选票。

选票包括60个备选战略因素和选择原则, 要求每人选出26个重要的战略因素。每个专家自己也可以提出1~2个自认为更重要的指标, 但总数不得超过26个。

3. 选票结果统计。

按每个战略要素得票的多少排序, 按排序先后取前26个作为备选的战略因素, 并将其纳入三个因素类型, 其结果详见表1 (表中排序与重要程度无关) 。

(二) 主成分分析确定最终战略因素及权重

1. 收集2013年沪市各个公司26个战略初选指标的数据, 建立数值矩阵

其中, Xj表示第j个指标在各个公司样本的数值形成的n阶列向量, Xij表示Xj在第i个公司的数值。

2. 将数值矩阵中的数据进行标准化处理

由于本文数据来源广, 同时各数据的量度不同, 不能直接进行比较, 因此, 需要对原始的指标数值矩阵进行标准化处理, 公式为:

其中, Mj和Sj分别表示指标因素数据矩阵X的第列j向量的平均值和标准差。原始数据标准化后的新矩阵记为C, 即n×m阶C= (Cij) n×m

3.通过坐标变化手段, 将含有m个指标因素的Cj (j=1, 2, 3…m) 做线性变化, 转化为一组相互无关的综合向量Z1, Z2, Z3…Zm

4. 结果分析:

运用MATLAB对选取的2013年沪市246家上市公司的26个影响公司战略的指标进行主成分分析, 得到结果如表2所示。

由表2可知, 第一主成分的特征值为7.7325, 能够解释总变异的29.7403%, 即第一主成分包含了原始信息量的29.7403%, 第二个主成分的特征值为3.1548, 能够解释总变异的12.1339%, 前11个主成分的累计贡献率已经达到88.6682%, 超过了85%, 根据确定主成分的一般原则, 特征值≧1, 或累计贡献率≧85%, 综合衡量确定主成分的个数为11个。

第一主成分中 (x8x9x11x12X13x14x15x16x17x18x21x22x23x24x25x26) 的系数均小于0.1, 同样的情况出现于第二主成分一直到第十一主成分中的部分变量系数中, 表明这些变量对各自所在的主成分的影响可以忽略不计, 从而可以从各自所属批次中删去, 然后根据前11个主成分的方差贡献率可以得到初选指标的个数分别为9、4、3、2、2、1、1、1、1、1、1, 因此, 第一主成分中选取前9个指标 (x2x3x4x5x6x7x10x19x20) , 第二主成分中选取前4个指标 (x8x9x17x21) , 第三主成分选取前3个指标 (x8x14x18) , 第四主成分选取前2个指标 (x21x23) , 第五主成分选取前2个指标 (x15x22) , 第六主成分直到第十一主成分分别选取前1个主成分, 分别为x1, x26, x16x12, x13, x26。

之后, 运用相关分析法做进一步的分析, 本文引入Cohen (1988所提出的度量相关性的标准进行衡量。然后得到第一、二、三、四、五批次的指标间相关系数表分别如表3、表4所示。

综上, 通过观察第一至第五批次指标间的相关系数, 剔除强相关性指标, 最终得到2013年沪市各上市公司的公司战略的评价体系可由如下个18指标构成:x1 (股权集中度) 、x2 (商誉) 、x3 (总资产) 、x6 (净资产) 、x8 (净资产收益率) 、x9 (资产报酬率) 、x10 (净利润) 、x12 (营业收入增长率) 、x13 (净资产增长率) 、x15 (可持续增长率) 、x16 (存货周转率) 、x17 (应收账款周转率) 、x18 (资产负债率) 、x20 (市场占有率) 、x21 (销售毛利率) 、x22 (固定资产周转率) 、x23 (总资产周转率) 、x26 (员工效率) 。

二、主观权重的计算———层次分析法

(一) 建立决策层的层次分析模型

战略因素的最终选择是在因素初选的基础上进行的。基于最优战略决策的系统分析, 建立了以最优战略决策为目标层, 对战略决策有明显相关关系的三种因素为准则层, 对最优战略有影响的18个原始因子为决策层建立层次分析模型, 如图1。

(二) 构造判断矩阵

层次分析法主要是人们对每一层次中各因素相对重要性给出的判断, 这些判断通过引入合适的标度用数值表示出来, 构成判断矩阵。判断矩阵表示针对上一层次因素, 本层次与之有关的因素之间的相对重要性的比较。为了使决策判断定量化, 而后形成数值判断矩阵, 常根据一定的比率标度将判断定量化, 如表5所示。

通过分析, 得到准则层对目标层的判断矩阵如下:

之后, 利用matlab软件中的eig函数对上述的判断矩阵以及决策层对准则层各因素的成对比较矩阵进行了权重计算得到表6。

由表6可知:CR<0.1, 可知判断矩阵具有可接受的一致性。

(三) 层次排序

根据以上计算结果, 得到决策层对目标层的组合权重向量为W, 则W= (wB*xB) 。

由此, 由层次分析法得到各指标的主观权重分别为0.0207、0.0123、0.0434、0.0910、0.0910、0.0469、0.0579、0.0729、0.0649、0.1250、0.0257、0.02、0.0177、0.1332、0.0283、0.0315、0.0129、0.1047。

三、综合权重的计算———“加法”集成法

考虑到将主观权重向量与客观权重向量进行综合, 这里采用“加法”集成法, 即, 令

W=αW′+βW″

这就是主客观综合赋权法确定的权重, 为了分析方便, 设α、β满足单位化约束条件,

根据多属性决策分析的加权法则, 可求得各决策方案的评价目标值为:

显然, di总是越大越好, 如果di>dj, 那么i方案优于j方案, 为此, 构造如下多目标规划模型:max D= (d1d2…dm) s.t.α2+β2=1α, β≥0

由于各决策方案之间是公平竞争, 不存在偏好问题, 因此, 上述多目标规划模型可转化为如下的单目标最优化模型:

由如上单目标最优化模型所确定的最优解为:

为了计算方便, 选取15个公司为代表进行计算。由此计算得到:

按照权重值对各指标的影响程度进行综合排序, 如下:

x6 (净资产) , x8 (净资产收益率) , x1 (股权集中度) , x5 (总资产) , x2 (商誉) , x15 (可持续增长率) , x20 (市场占有率) , x12 (营业收入增长率) , x10 (净利润) , x13 (净资产增长率) , x26 (员工效率) , x9 (资产报酬率) , x16 (存货周转率) , x17 (应收账款周转率) , x18 (资产负债率) , x22 (固定资产周转率) , x21 (销售毛利率) , x23 (总资产周转率) 。

加权将会得到的各个企业的综合战略因素得分, 其计算公式如下:

其中, Si代表i企业的战略因素综合得分, Wj代表第j种战略因素指标的权重值, Cij代表i企业在第j种战略因素指标数值经标准化后的数值。

四、结论

基于资源基础观、核心能力观以及环境观, 运用主成分分析和层次分析法对我国上市公司的战略因素进行实证分析。研究结果表明:一是结合专家组的经验, 运用主成分分析法筛选出相对重要的指标及客观权重。二是通过建立层次分析模型确定关键指标, 构造判断矩阵确定指标主观权重。三是将主客观权重采用“加法”集成法计算得出最终的集合权重。四是得出上市公司的综合战略因素评价方法。

参考文献

[1]蔡树堂.企业战略管理[M].石油工业出版社, 2001.

[2]张文松.企业战略能力研究[M].科学出版社, 2005.

[3]李东阳, 曾奕.我国上市公司战略因素与绩效关系的研究[J].东北大学学报 (社会科学版) , 2009 (01) .

综合权重篇8

根据统计数据, 商业银行平均80%左右的利润来自于存贷款利差所得, 可见信贷风险防范和控制在银行运营中具有至关重要的作用, 它是银行经营运行的核心, 信贷风险控制得当, 能给银行带来预期的利润;反之, 银行资产则将遭受巨大损失。国企、上市公司等大型企业由于资金实力雄厚, 且多有国家建设项目, 借款违约率较低;而中小企业欠缺规模效应, 抗风险能力薄弱, 是借款违约率较高的群体。因此, 商业银行控制贷款风险的工作重点, 是提高评估中小企业还款能力的准确程度, 而对中小企业信用评级是做好这一工作的重要基础。

对于中小企业的信用评级, 学者们已经探索出了很多方法。总结常见的用于企业信用评级的方法有以下几种:判别分析法 (DA) 可根据已知的违约或非违约的企业进行分类, 找出一个或多个判别准则来判别任一已观察的向量在所测量的指标变量上是否有显著差异, 如有则明确出指标名称。它包括线性判别分析 (Linear DA) 和二次判别分析 (Quadratic DA) ;Logistic法是一种非线性分类的统计方法 , 用于分析因变量为定性指标的问题;非参数分析法包括两种:一是聚类分析法, 依据评估指标计算出各个企业信用值, 再根据其在样本空间中的距离进行分类, 优点是不需已知总体的具体分布, 对变量可采用名义尺度和次序尺度。因此该方法既可用于定量研究, 也可对现实中无法用数值精确表述的属性进行分析。二是k近邻判别法, 它是在一定距离概念下按照若干数值变量从样本中选取与确定向量距离最短的k个样本为一组, 适用于初始分布和数据采集范围限制较少的情况, 去除了以函数形式表达内容的要求;层次分析法 (AHP) 是将决策者的经验判断给予量化, 从而为决策者提供定量形式的决策依据。而应用AHP方法计算指标权重系数, 实际上是在建立有序递阶的指标系统的基础上, 通过指标之间的两两比较对系统中各指标予以优劣评价, 并利用这种判断结果来综合计算各指标的权重系数;其后, 随着人工智能技术的发展, 人工神经网络方法克服选择适当函数形式表述模型的困难, 是一种自然的非线性建模过程, 即在确定BP网络的结构后, 通过对输入输出样本集进行训练对网络的权值和阈值进行学习和调整, 以使网络实现给定的输入输出映射关系, 通过找出输入与输出之间的内在联系求取问题的解, 而不是完全依据对问题的经验知识和规则, 因而具有自适应功能。谭庆美、吴金克等 (2009) 利用因子分析法建立了中小企业信用评价财务指标体系, 据此构建了单隐层结构的BP神经网络, 据此对102家上市中小企业进行了信用评价, 结果表明采用BP神经网络进行信用评价有较高的可操作性。王誉澍 (2010) 利用人工神经网络的反向传播思想, 建立农户信用评估模型。通过该模型进行评价, 弱化了人为因素, 提高了评定结果的准确性和权威性。除了上述这些评价方法以外, 常用的还有模糊综合评价法和数据包络分析法 (DEA) , 前者试图利用数学工具解决模糊事物方面的问题, 目的是从很多对象中选出优胜对象, 也是商业银行对企业评级常用的方法之一;后者突出的优点是无须任何权重假设, 而是由决策单元的实际数据求的最优权重, 以凸分析和线性规划为工具的一种评价方法。

然而, 为更好地规避风险, 更多的学者认为单一的评价方法还是不能满足对企业的评价要求, 因此采用多种组合评价的风险评价法对申贷企业进行综合评估, 它的好处在于较单独的评价法更具有全面性, 容易在相对系统的比照中发现企业的薄弱环节。郭冬冬 (2009) 利用层次分析法 (AHP) 确立权重的模糊综合评价法对中小企业信用评级进行研究。俞伟 (2011) 利用模糊数学的原理与方法建立多层次数据质量模糊综合评价模型, 评价贷款客户的信用数据质量。但运用层次分析法确立权重的主观性因素较高。柳玉鹏、李一军 (2008) 提出了信息熵确定评价准则的权重, 并采用偏好顺序结构评估的排序方法。张目、周宗放 (2010) 基于熵权法和模糊综合评判法的结合对高技术企业信用进行评价。其中熵权的权重确定方法属于客观评价法, 而且运用起来比较容易, 最后他们分别通过算例证明其有效性。另外, 张目, 周宗放 (2010) 还尝试在分别运用模糊综合评判法和熵值法对企业信用状态进行评价的基础上, 利用模糊Borda法对两种单一方法的评价结果进行组合, 得出组合评价结果。因此可以说, 它们与单一方法相比, 组合评价结果具有较高的可信度, 可为商业银行进行信贷决策提供参考。

综上所述, 学者们对企业的信用评级做了很多有价值的探讨, 并得出了一些有启发意义的结论。然而本文与其他文献的不同之处在于:传统的多属性评价法在确定权重时存在着一定的局限性:AHP方法主要依靠专家意见, 主观性较强; DEA方法过于依赖权重, 可能会出现选择结果的不合理性 ; 人工神经网络方法通过实例学习得出权重, 计算过程比较复杂;熵权法则过于客观而忽视了专家的意见。因此, 本文采用层次分析法 (AHP) 结合信息熵来确立评价准则的综合权重法, 即用层次分析法 (AHP) 把复杂问题分成各层次因素, 由专家组对各因素作出判断, 尊重评鉴者的经验判断、偏好, 以及对问题的了解程度等因素对方案的评判影响, 同时利用信息熵得到指标的客观权重, 从而在一定程度上克服单纯层次分析法 (AHP) 的过度主观性。经过这样循序渐进的分层分析评估之后, 最后用模糊综合评价法对算例进行评价排序, 得出中小企业贷款信用评级的高低。

二、综合权重与评价体系的建立

(一) 综合权重的原理

在定义信息熵之前, 首先假设有n个中小企业贷款客户, 评价准则为

C={Ci︴i=1, 2, …, n}, 则熵权可以定义为:

最后得到各准则的信息熵权重为:

信息熵权值具有较强的客观性, 对于多目标决策, 不能忽视做决策者的经验判断能力。层次分析法 (AHP) 把复杂问题分成各层次因素, 专家组对各因素作判断。

构造层次分析结构:

构造判断矩阵如下形式:

其中, C ij >0, C ij =1/C ji , C ii =1 ( i, j=1, 2, …, n)

求B层的特征向量W

计算每一行元素的乘积Mi , 求其n次方根W i

将W i =[W 1 W 2 …W n ]做正规化处理得

则W=[W 1 W 2 …W n ]是所求的特征向量

计算矩阵的最大特征向量λ max 并进行一致性检验

同理求出C层权重向量矩阵, 得到AHP权重为

根据以上公式, 利用信息熵得到指标的客观权重, 然后将其同层次分析法中准则层的指标主观权重相结合, 得到综合权重。

(二) 贷款客户信用指标体系的建立

对中小企业贷款客户信用风险评价指标的构建, 需要坚持科学性和合理性的原则, 指标体系应紧紧围绕评价目的, 避免各项指标具有较强的直接相关性, 尽可能准确地反映中小企业客户信用风险状况及其特征。为实现这样科学的指标体系, 因此借鉴巴塞尔银行管理委员会的《信用风险管理原则》以及国内相关文献的研究成果, 同时针对我国中小企业信用风险的特殊性, 最终确定以下指标为中小企业信贷风险评估指标。

1. 财务风险B 1 。财务风险是指中小企业因筹措资金而产生的风险。由于中小企业普遍缺乏固定资产, 所以多注意流动资产。本文从偿债能力、盈利能力和营运能力三个方面考虑。其中偿债能力通过企业的资产负债率、流动比率和现金比率衡量;盈利能力通过企业的销售利润率、资产报酬率和成本利润率衡量; 资产运营能力通过企业的流动资产周转率、应收账款周转率、存贷周转率和总资产周转率衡量。

2. 非财务风险B 2 。非财务风险指除了财务风险以外的涉及企业经营管理、技术创新等方面的风险。由于目前中小企业技术创新能力较弱, 因此, 本文选取企业规模、管理水平、行业地位、资产变现性和经营能力五个指标作为衡量中小企业未来抗风险能力强弱的依据。其中, 企业规模根据《统计上大中小型企业划分办法 (暂行) 》以三个指标作为划分标志, 即企业的“从业人员数”、“销售额”和“资产总额”的多少衡量;管理水平通过管理者风险偏好 (风险追求、风险回避和风险中性) 、领导者素质与能力及管理层团队建设的质量衡量; 行业地位通过企业在行业中的市场占有份额、行业口碑和品牌知名度及企业的生命周期 (新入、成熟还是衰退) 衡量;资产变现性通过企业的全部资产转化为现金的时间长短衡量; 经营能力通过部门权能划分、市场营销能力和销售渠道控制及供应链的稳定性衡量。

3. 履约情况B 3 。它指企业对已有合同要求和约定的执行和完成情况。由于中小企业的社会融资活动难做详尽的掌握, 因此, 本文主要研究对银行信用的执行情况, 从到期还款记录、贷款资产状态和或有负债三方面进行考虑。这三个方面的数据均可以通过征信系统查询。

三、基于综合权重的Fuzzy算例

(一) 评价指标值和权重值的确立

下面我们针对3个中小企业贷款进行优选, 它们分别是P 1 , P 2 , P 3 。由该银行人员对现有数据进行处理, 并由专家组给出贷款客户的评分。评价准则为C 1 、C 2 、…、C 11 的评价尺度见表1。贷款客户的属性值见表2。说明该评级方法的运用。

对表2中的矩阵规范化得:

由公式 (1) 、 (2) 、 (3) 、 (4) , 运用matlab7.0计算出各准则的权重为:

再根据贷款客户信用指标体系得到相对重要性判断的矩阵A-B, 由公式 (5) — (9)

计算得出:

同理可得第3层指标对第2层的判断矩阵、权重向量, 并进行一致性检验, 结果如下所示:

得到C层对B层的权重矩阵R 1

根据公式 (10) 得

根据公式 (11) 得

(二) 运用Fuzzy进行信用评级

确定了贷款各个指标的权重以后, 就可以运用之前通过专家评定法确定的评价矩阵R, 通过Fuzzy来评估这3个贷款的风险大小, 并确定合理的信用等级。

对各指标进行综合评价得:

由此可知, 3个中小企业的贷款信用评级由高到低依次排序为:P 3 , P 1 , P 2 。

四、结论及建议

客户对申贷银行的选择, 直接关系到银行运营的业绩, 进而影响银行的生产能力和核心竞争力。本文分析了中小企业贷款的特点, 借鉴国内外相关研究成果, 提出了信用评级的指标体系, 并对指标体系采用综合权重的Fuzzy方法, 求得了中小企业信用评级的有效途径。

由于该评级法提高了评级方法的客观程度, 在一定程度上避免了专家判断的主观片面性, 便于更加准确地确定中小企业的贷款信用等级, 基本解决了商业银行信用评级中对中小企业评级采用和大型企业同一标准的问题, 在某种程度上减少银行和中小企业之间由于信息不对称而造成的企业信用被普遍低估的问题。因此, 此模型可以成为各类银行办理同类贷款决策的有效参考依据。

参考文献

[1]谭庆美, 吴金克, 赵黎明.基于BP神经网络的中小企业信用评价研究[J].西北农林科技大学学报, 2009 (9) .

[2]王誉澍.BP算法在农户小额信贷信用评级中的应用[J].金融经济, 2010 (22) .

[3]郭冬冬.基于模糊综合评价方法的中小企业信用评级研究[D].暨南大学硕士学位论文, 2009.

[4]俞伟.基于模糊层次分析法的商业银行信用数据质量评估实证分析[J].上海金融, 2011 (3) .

[5]柳玉鹏, 李一军.组合评价方法在银行信用风险评价中的应用[J].中国管理科学, 2008 (10) .

[6]张目, 周宗放.基于熵权—模糊综合评判法的高技术企业信用评价[J].财会月刊, 2010 (30) .

综合权重篇9

1物流系统综合评价的多级次项目方案及各级次权重的建立

针对大型的物流企业的经营状况,评估时需分成三级指标及相应的权重函数。

第一级指标主要说明物流企业生产、服务的质量属性,包括订单量及订单处理质量A,成本控制质量B,财务指标质量C,配送服务质量D,库存管理质量E,客户服务质量G及企业发展潜力H等7项;相应的第一级指标权重数Fi是这7项属性的重要度的标志,且undefined。第二级指标和二级权重数Fij为第一级属性的子项目及其相对重要度,undefined;A和B中第二级指标中又有第三级指标及权重Fijk,且undefined。这三级的权重数均为评估专家讨论决定。物流企业综合评估体系和权重数见表1。

从表1可得以第三级权重向量矩阵有:

Fundefined=[F111F112F113]=[0.40 0.40 0.20];同理有:

Fundefined=[0.50 0.20 0.30]; Fundefined=[0.50 0.30 0.20]

Fundefined=[0.20 0.30 0.50]; Fundefined=[0.45 0.40 0.15]

Fundefined=[0.50 0.50 0.00]; Fundefined=[0.45 0.20 0.35]

第二级权重向量矩阵有:

Fundefined=[0.30 0.30 0.30 0.10];

Fundefined=[0.40 0.40 0.20 0.00]

Fundefined=[0.40 0.30 0.30 0.00];

Fundefined=[0.35 0.35 0.30 0.00]

Fundefined=[0.40 0.30 0.30 0.00];

Fundefined=[0.20 0.35 0.45 0.00]

Fundefined=[0.35 0.25 0.40 0.00]

第一级权重向量矩阵有:

F[1]=[0.30 0.25 0.15 0.10 0.10 0.05 0.05]

2某物流企业多级评估项目说明及专家评分

从表1可知,评价某物流企业指标体系共有7个第一级次,22个第二级次,20个第三级次,共计35个评估项,各项指标都在各类周、月、季、年报表及成本-收益等财务报表中有详细数据可供专家查阅。专家把该企业评估项目数据与市场中各物流企业平均数据相比较,得出评分值,分成很差(0,2),差(2,4),较差(4,6),及格(6,7),良(7,8),优(8,9),优异(9,10)等7个评分类别。

3物流企业综合评分的模糊数学计算

根据向量矩阵运算原理,从表2可得第三级评分向量矩阵有:

Mundefined=[3.0 4.0 8.0], Mundefined=[7.5 3.0 4.0]

Mundefined=[9.5 9.5 6.0], Mundefined=[9.0 7.5 9.0]

Mundefined=[3.5 4.5 6.0], Mundefined=[9.0 9.0 0.0]

Mundefined=[6.5 4.5 4.5]

根据模糊数学中的向量矩阵运算法则,A、B两项中第二级评分向量矩阵的计算为:

Mundefined=[FundefinedMundefined,FundefinedMundefined,FundefinedMundefined,FundefinedMundefined]

=[4.40 5.55 8.80 8.55]

Mundefined=[FundefinedMundefined,FundefinedMundefined,FundefinedMundefined]

=[4.58 9.00 5.40 0.00]

其中Fundefined为Fundefined的转置向量矩阵,其他表示都相同。从表2可知可知,其他第二级评分向量矩阵有:

Mundefined=[4.2 4.5 2.0 0.0],Mundefined=[9.5 9.2 7.0 0.0]

Mundefined=[9.0 9.0 81.0 0.0],Mundefined=[8.5 8.7 9.0 0.0]

Mundefined=[5.2 5.4 6.0 0.0]

同样计算法则,可计算第一级评分向量矩阵的计算式及结论为:

M[1]=[F[2]TAMundefined,F[2]TBMundefined,F[2]TCMundefined,F[2]TDMundefined,F[2]EMundefined,F[2]GMundefined,F[2]HMundefined]

=[6.465 6.520 3.630 8.645 8.730 8.795 5.570]

亦同样计算法则,该物流企业的总评分M:

M=F[1]T·M[1]=6.57

4该物流企业评估结论:

①从总评分M=6.57,有结论:该企业为合格等级企业。

②从第一级评分向量矩阵M[1]=[6.465 6.520 3.630 8.645 8.730 8.795 5.570],有结论,该企业在客户服务质量,库存管理质量与配送服务质量三个方面是属于优秀等级,订单量及订单处理质量和成本控制质量方面处于合格等级,其财务指标质量属于较差等级,企业发展潜力方面获得5.59分,可归于在合格等级。

③该评估的某物流公司是为长沙城市公共交通系统内的关联物流企业。M[1]中的指标数据反映了该企业的特色:重视仓储、配送和客服质量;有稳定的定单量及良好地处理定单质量;成本控制、收益能力一般;随着城市公交事业的发展,企业发展潜力亦不小。但该企业因从国营企业改制而来,其财务指标质量低下是今后必须重视和改进之处。

5多级次指标和权重的综合评估方法有如下创新之处

①物流企业综合评估多级次体系的建立的创新。最基级次评估项目都有真实数据作为评分的依据。从第三级指标评分计算出第二级项目的评分,再计算出第一级项目评分;最后才能得出准确的评估分值及评估结论。

②物流企业评估的多级次权重数的应用的创新。不同级次评估项在该级次评估中有不同的重要度,即各级评估项目都有相应级次的权重数,形成各级次的多级次权重向量矩。

③低级次权重转置向量与相应级次评分向量的乘积,获得较高一级次评分向量矩阵的一个元素值,再逐级上推计算,这方法是模糊数学中的向量运算法在评估中的新尝试。

摘要：对物流企业评估需建立一个由多级次评估项目和相应级次的权重数组成的综合评估系统。最基级次项目都应有真实数据作为评分标准。通过各级次评分向量和相应级次权重转置向量之积为上级次的向量矩阵中的一个元素的模糊数学计算,得出准确评估分。某大型物流企业的评估实例证实这套评估体系和计算方法都是准确、可行的。

关键词：综合评估体系,权重向量矩阵,评分向量矩阵,模糊数学运算

参考文献

[1]陈岱莲.基于Fuzzy-AHP的物流系统综合评价[J].物流科技,2010,(5):1-3.

[2]王瑛,孙林岩,陈宏.基于两阶段物流系统综合评价DEA/AHP[J].长安大学学报,2003,(5):79-84

综合权重篇10

随着经济的不断发展, 管理的不断加强, 体制的不断完善, 以及战略策略的普遍应用, 对业绩评价指标体系在设置方面提出了更高的要求。现有的指标体系注重财务指标, 不免有所偏颇, 故而本文增加了非财务指标。另外, 现有的评价体系中, 所谓动态评价通常仅仅对同一家公司不同会计期间的财务指标进行纵向比较, 本文将对多个公司进行综合评价, 并且利用移动加权平均的方法体现出远近数据的不同重要, 同时也丰富了TOPSIS方法体系。

二、动态权重业绩综合评价方法与模型

(一) 综合评价指标体系建立

本文从财务和非财务两方面建立的指标体系见下表。

(二) 基于TOPSIS法的评价方法

TOPSIS法是从基于归一化后的原始数据矩阵中, 找到最优方案和最劣方案, 然后与最优方案和最劣方案间的距离, 据此作为评价的依据。

(1) 原始数据整理。收集十二家上市公司连续七年 (2019-2015) 的财务指标, 具体简称是申能、华能、韶能、岁宝热电、桂东、九龙、国电、内蒙华电、通宝、桂冠、乐山电力、广州控股。连续七年的整体非财务指标聘请专家对其进行评价, 将定性指标转为定量指标。

(2) 确定原始矩阵。选取M项指标, N期连续期间则第Q家公司的静态指标原始矩阵为:

(4) 确定各被评价对象的动态财务指标矩阵及其动态财务指标加权矩阵。

1、被评价对象的动态财务指标矩阵

被评价对象的动态财务指标加权矩阵:

本文引入时间权重值, 以弥补以往动态业绩评价中由于忽略时间权重值得缺陷, 并采用移动加权平均法计算时间权重值。因为即期评价指标的作用要大于其前期的作用, 所以用移动加权平均法计算出来的评价值更为准确。

根据上式计算过后的动态财务指标加权矩阵为下表2:

(5) 计算权重

本文应用AHP方法来构造两两比较判断矩阵, 数据由专家进行打分, 计算判断矩阵的最大特征根及其对应的特征向量, 然后做一致性检验, 当CI<0.10时各项权重可以接受。

由于越远时间的数据作用越小, 所以采用移动加权平均法计算出权重值, 期数由远及近。

按照此方法计算的权重如表1。

(6) 计算动态加权矩阵

根据层次分析法 (AHP) 的步骤, 得到相应的组合权重向量r, 得到综合评价动态加权矩阵:

(7) 最终的动态评价结果

1、最优和最劣向量。

2、距离计算。

D+=[0.106, 0.112, 0.162, 0.155, 0.134, 0.140, 0.135, 0.155, 0.120, 0.143, 0.123, 0.104]

D-=[0.137, 0.113, 0.060, 0.088, 0.084, 0.092, 0.084, 0.063, 0.112, 0.086, 0.096, 0.126]

3、排序结果。

V=[0.56 0.50 0.27 0.36 0.39 0.39 0.38 0.28 0.48 0.370.44 0.55]

排序结果显示, 申能第一, 其他依次为广控、华能、通宝、乐山、九龙、桂东、国电、桂冠、岁宝、内蒙华电、韶能。

三、结论

整个评价不仅得到了最终的排序结果, 弥补了原有的业绩评价方法, 还优化了具体的评价体系, 避免了单纯财务评价和均匀时间效应带来的弊端。

摘要：本文从财务和非财务两方面入手, 建立了动态业绩综合评价体系, 利用AHP方法对指标赋予权重, 并且用移动加权平均法计算出更科学的权重值, 最后利用TOPSIS方法对其进行评价, 得到了动态综合评价结果, 用于对公司的整体运行情况进行综合评述。

关键词：AHP,动态权重,TOPSIS

参考文献

[1]周小健.TOPSIS法在医疗效率综合评价中的实证分析.解放军医院管理杂志.2010.1

[2]谢承华.AHP及其应用.兰州商学院学报.2014.1

本文来自 360文秘网(www.360wenmi.com)，转载请保留网址和出处

【综合权重】相关文章：

什么是网站权重？如何提高网站权重？05-24

权重指标05-12

服务权重05-13

权重确定06-05

模糊权重07-19

权重计算08-04

权重预测08-07

评估指标权重05-05

设计指标权重体系06-27

用层次分析法确定权重04-29

>> 查看更多相关文档

综合权重

综合权重篇1

细节成就权重权重决定排名篇2

综合权重篇3

综合权重篇4

宝贝标题权重篇5

杠杆资金撤离权重股篇6

综合权重篇7

综合权重篇8

综合权重篇9

综合权重篇10

本站热搜

相关推荐

综合权重

综合权重 篇1

细节成就权重 权重决定排名 篇2

综合权重 篇3

综合权重 篇4

宝贝标题权重 篇5

杠杆资金撤离权重股 篇6

综合权重 篇7

综合权重 篇8

综合权重 篇9

综合权重 篇10

本站热搜

相关推荐

综合权重篇1

细节成就权重权重决定排名篇2

综合权重篇3

综合权重篇4

宝贝标题权重篇5

杠杆资金撤离权重股篇6

综合权重篇7

综合权重篇8

综合权重篇9

综合权重篇10