基于云模型的CEO聲譽評價

李辰穎，張 巖，劉紅霞

（1.北京林業(yè)大學，北京100083；2.中央財經(jīng)大學，北京100081）

0 引言

當今CEO個人聲譽對CEO和企業(yè)非常重要，CEO個人聲譽有助于個人價值的提升，也有助于企業(yè)的長遠發(fā)展，還可以降低委托代理成本。因而，CEO對個人聲譽越來越重視，社會也越來越關(guān)注CEO聲譽。CEO聲譽的好壞不僅關(guān)系到個人的發(fā)展，也會關(guān)系到企業(yè)和股東等相關(guān)利益方的發(fā)展。既然CEO個人聲譽有好壞高低之分，那么該如何評價CEO聲譽呢，或者說該如何度量CEO的聲譽呢？一般來說CEO個人聲譽屬于定性的概念，涉及的方面比較多，較難以量化，另外站在不同的角度和立場，對于CEO聲譽的評價也可能不同，因此對CEO個人聲譽的評價一直是理論界和實務(wù)界的難點和熱點問題。

1 云模型概述

云模型是由李德毅院士[1]提出的，是用于描述定性概念與其數(shù)值表示之間的不確定性的轉(zhuǎn)化模型。云模型可以通過三個數(shù)字特征：期望Ex，熵En，超熵He來反映定性概念整體上的定量特征，將模糊性和隨機性關(guān)聯(lián)到一起，構(gòu)成定性和定量的相互映射關(guān)系。期望Ex：反映這個概念的云滴群的重心位置。熵En：反映定性概念的不確定性。超熵He：反映了數(shù)域空間中代表該語言值的所有點的不確定度的凝聚性，即云滴的凝聚度。由于所用到的云模型理論知識主要涉及逆向云發(fā)生器和X條件云生成器以及定量變量的云化，以下著重介紹這三部分的理論知識。李德毅等[2]論證了正態(tài)云的普適性，因而采用正態(tài)云來進行CEO聲譽的評價，且介紹的云模型理論僅針對于正態(tài)云。

1.1 逆向云發(fā)生器

以下介紹的逆向云發(fā)生器屬于無確定度信息的逆向云發(fā)生器，其輸入是給定的一組樣本x=(x1,x2,…,xi,…,xn)，輸出是云模型的三個數(shù)字特征(Ex,En,He)，具體算法如下：

1.2 X條件云發(fā)生器

設(shè)有云Cloud的期望，熵和超熵分別為(Ex,En,He)，如果已知x為定量輸入值，則根據(jù)云模型的數(shù)字特征及x求解對應(yīng)隸屬度y的過程，即為X條件云生成器，如要用X條件生成云生成n個X條件云滴，對應(yīng)算法如下：

(3)返回步驟(1)，重復(fù)n次，生成n個X條件云滴。

1.3 定量變量的云化

對于定量變量，如其具有上下界，形如VQa[Bmin,Bmax]，云化為正向云模型。采用約束條件的中值作為期望值，用主要作用區(qū)域為雙邊約束區(qū)域的云來近似這個定量變量，云參數(shù)通過下式計算，式中k為常數(shù)，可根據(jù)變量本身的模糊閾度來具體調(diào)整。

對于只有單邊界限的定量變量，形如VQa[Bmin,+∞]或VQa[-∞，Bmax]，可先根據(jù)測試數(shù)據(jù)的最大上限或下限確定其缺省邊界參數(shù)或期望值，然后再參照上式計算云參數(shù)。

2 評價方法

2.1 評價指標體系結(jié)構(gòu)的構(gòu)建

在構(gòu)建CEO聲譽評價指標體系結(jié)構(gòu)前，總結(jié)分析了相關(guān)文獻的評價指標體系結(jié)構(gòu)，并請教有關(guān)專家對匯總的指標進行增刪和修改，在和相關(guān)專家商討，權(quán)衡利弊之后，刪除了一些諸如“領(lǐng)導(dǎo)魅力”，“職業(yè)威信”等主要依靠打分評價的指標，另外還刪除了諸如“敏銳洞察力”，“環(huán)境診斷能力”等一些只能依賴與CEO關(guān)系密切人打分的指標，最后轉(zhuǎn)化和分解了一些可以用定量指標代替的定性指標（如“金融關(guān)系能力”等），得到初始的評價指標體系。

在篩選出初始的評價指標體系之后，采用因子分析法[3]提取了最終的評價指標體系結(jié)構(gòu)，所得評價指標體系結(jié)構(gòu)如表1所示：

表1 CEO聲譽評價指標體系結(jié)構(gòu)

以上指標相關(guān)計算方法或獲取途徑在備注中予以標注，其中I21=(rij-Rij)/σij，rij為第i個公司第 j年的總資產(chǎn)報酬率，Rij為第i個公司所在行業(yè)第j年的平均總資產(chǎn)報酬率，σij為第i個公司所在行業(yè)第j年的總資產(chǎn)報酬率的標準差。

2.2 各指標權(quán)重的確定

一般來說權(quán)重的確定方主觀方法和客觀法，熵權(quán)法屬于客觀法的一種。結(jié)合要求，選取熵權(quán)法確定權(quán)重，一是因為熵權(quán)法屬于客觀法，其權(quán)值由指標的變異程度決定；二是因為各指標的數(shù)據(jù)容易獲得。以下簡要介紹熵權(quán)法計算各指標權(quán)重的步驟。

設(shè)有m位待評CEO，n項評價指標，形成原始指標數(shù)據(jù)矩陣，由于各個評價指標有的屬于越小越優(yōu)型，有的屬于越大越優(yōu)型，且各指標量級相差懸殊，所以在采用熵權(quán)法前需要對數(shù)據(jù)進行正向化和無量綱化[4]處理，使得各指標的值落入無量綱的某一區(qū)間內(nèi)，經(jīng)處理后指標數(shù)據(jù)矩陣R=(rij)m×n。

(1)計算第j項指標下的第i位CEO的比重

2.3 評價標準云評價模型參數(shù)的確定

目前主要有兩種基于云模型的評價標準生成方法：基于數(shù)據(jù)驅(qū)動的方法和基于黃金分割的模型驅(qū)動法，前者適用于給定數(shù)據(jù)量較大的情形，后者適用于定性指標較多情況。結(jié)合本研究，由于目標層和一級指標沒有數(shù)據(jù)，因而只能采用基于黃金分割的模型驅(qū)動法[1]確定評價云模型參數(shù)，若對這兩層定性語言值設(shè)定的范圍為[0,1]，根據(jù)心理學的研究成果，五級標度法的區(qū)分度較高，易于識別和打分，故設(shè)每一個指標的評語集有5個評語，對應(yīng)的評語為{差，合格，中，良好，優(yōu)秀}。采用基于黃金分割的模型驅(qū)動法確定的評價標準云模型參數(shù)如表2所示，圖形如圖1所示。

表2 目標層和一級指標層評價標準云模型

圖1 目標層和一級指標層評價標準云模型

二級指標為量化指標，因此其評價標準云模型的參數(shù)適合采用基于數(shù)據(jù)驅(qū)動的方法確定。由于模糊C均值聚類算法能自動對數(shù)據(jù)樣本進行聚類，且可以得到聚類中心和邊界值，因此在二級指標評價標準云模型的參數(shù)確定中采用該方法。主體思路是，首先采用模糊C均值聚類將指標j的數(shù)據(jù)聚為5類，得到每一類的聚類中心和邊界值，然后采用2.3節(jié)中的定量變量的云化方法，得到各個評價標準云模型的參數(shù)，且對應(yīng)的評語也為{差，合格，中，良好，優(yōu)秀}。模糊C均值計算步驟可參考文獻[5]，這里不再介紹。

2.4 綜合評價過程

綜合評價的過程思路是：首先采用X條件云發(fā)生器，得到各二級指標相對于各評價標準云模型的隸屬度，然后結(jié)合各二級指標權(quán)重，得到一級指標相對于各評價標準云模型的隸屬度，最后得到目標層相對于評價標準云模型的隸屬度，具體方法如下：

2.5 評價結(jié)果的計算

一般來說，在對CEO聲譽的評價時，希望得到的是CEO聲譽的一個具體量化數(shù)值，而3.4節(jié)中得到的是隸屬度，因而需將隸屬度轉(zhuǎn)化到量化數(shù)值，一般來說轉(zhuǎn)換方法有質(zhì)心法和中位線法等，具體方法的選取還沒有定論，大多依靠實驗法選取，經(jīng)過試驗，采用質(zhì)心法效果較優(yōu)，轉(zhuǎn)換算法如下：設(shè)目標層評價標準云模型為Cloud0(Exi0，Eni0，Hei0)，i=1，2，…，5，

經(jīng)過上述得到了第j位CEO的a個評價值，以這a個評價值作為逆向云生成器的輸入，可以得到第j位CEO的最終評價結(jié)果。

3 實例分析

為了直觀說明本評價方法的應(yīng)用過程以及實用性，現(xiàn)舉實例加以說明和驗證。選取2010年滬深A(yù)股上市公司的CEO為研究樣本（數(shù)據(jù)來源于Wind資訊、國泰安數(shù)據(jù)服務(wù)中心中國證券市場CSMAR系列研究數(shù)據(jù)庫），剔除金融行業(yè)和缺失的數(shù)據(jù)之后，剩余1157個樣本。為了使數(shù)據(jù)更加符合正態(tài)分布，對指標I11,I12,I13,I23,I25的數(shù)據(jù)取了自然對數(shù)。

表3 指標權(quán)重及評價標準云模型

采用上文節(jié)所述的熵權(quán)法計算權(quán)重，再計算各指標評價標準云模型，如表3所示。

經(jīng)綜合評價后按照上文方法可計算出評價結(jié)果。本例按企業(yè)控制權(quán)性質(zhì)，分為中央政府控制企業(yè)，地方政府控制企業(yè)和民營企業(yè)，分別進行評價，得到5個等級對應(yīng)的CEO人數(shù)和比例，如表4所示：

從表4數(shù)據(jù)中，可以得出以下結(jié)論：

(1)無論是中央政府控制企業(yè)、地方政府控制企業(yè)還是民營企業(yè)，等級為優(yōu)秀的CEO人數(shù)均為0，這說明我國滬深A(yù)股上市公司缺乏頂級CEO，這一結(jié)果也與CEO排行榜單結(jié)果相一致；

(2)三種控制權(quán)性質(zhì)的企業(yè)中CEO聲譽為差這一等級的人數(shù)也為0，這一評價結(jié)果與實際情況相一致，因為能成為上市公司的CEO其能力和聲譽均得到一定的認可，聲譽差者一般不大可能成為上市公司的CEO；

(3)等級為良好，中等和合格的CEO人數(shù)中，等級中等的人數(shù)最多，同時大體符合正態(tài)分布，這一評價結(jié)果與實際情況也是大體一致的；

(4)等級為良好的CEO聲譽比例，在國有企業(yè)最高，民營企業(yè)次之，最后是地方政府，這一評價結(jié)果也可以用實際的情況來解釋：一般來說中央政府控制的企業(yè)實力都比較強，對CEO能力要求也相對較高，這一類企業(yè)的CEO聲譽一般也相對較高，對于地方政府控制企業(yè)和民營企業(yè)來說，企業(yè)的實力一般沒有中央政府控制企業(yè)強，對CEO的吸引力也相對較弱，但民營企業(yè)更加注重企業(yè)的實際經(jīng)營效果，行政干預(yù)也較少，更加愿意也有更多的自主權(quán)選擇能力強、聲譽更好的CEO。

5 結(jié)束語

本文研究了基于云模型的CEO聲譽評價方法，首先應(yīng)用因子分析法建立了評價指標體系，接著采用熵權(quán)法確定各指標的權(quán)值，然后應(yīng)用模糊C均值聚類的方法確定了評價標準云模型，最后采用質(zhì)心法得到評價值并舉例應(yīng)用，通過舉例說明了該方法的評價過程和實用性。該方法具有受主觀因素影響少，可以同時批量評價多位CEO聲譽，且包含大多數(shù)CEO聲譽影響因素的優(yōu)點，研究成果可以為CEO薪酬制定和CEO業(yè)績考核提供一定的參考，也可以促使CEO本人更加珍視自己的聲譽，有利于重視聲譽氛圍的形成，還可以為其它CEO聲譽的研究工作提供一定的參考。

[1]李德毅等.不確定性人工智能（第一版）[M].北京：國防工業(yè)出版社，2005.

[2]李德毅,劉常昱.論正態(tài)云模型的普適性[J].中國工程科學，2004，6(8).

[3]丁春忠.學生成績評價中的因子分析法[D].蘇州：蘇州大學，2004.

[4]葉斌.基于改進熵值法的內(nèi)河水運評價研究[D].成都：成都理工大學，2012.

[5]陳春明.一種改進的模糊C-均值算法[J].情報探索，2009，141(7).