基于熵權(quán)的TOPSIS種業(yè)科技創(chuàng)新人才評價(jià)方法研究

李樂泉,朱軍,王家保,楊春節(jié)

(安徽農(nóng)業(yè)大學(xué)信息與計(jì)算機(jī)學(xué)院，安徽 合肥 230036)

種業(yè)是國家戰(zhàn)略性、基礎(chǔ)性核心產(chǎn)業(yè)，也是促進(jìn)農(nóng)業(yè)長期穩(wěn)定發(fā)展、保障國家糧食安全的根本[1]。種業(yè)的發(fā)展能否更好地適應(yīng)市場與國際競爭的需要，歸根到底在于種業(yè)科技創(chuàng)新人才的競爭力，而目前對我國種業(yè)科技創(chuàng)新人才的創(chuàng)新能力綜合評價(jià)體系研究以及對我國種業(yè)科技創(chuàng)新人才的比較研究尚屬空白。因此，構(gòu)建一個(gè)科學(xué)的種業(yè)科技創(chuàng)新人才多層次評價(jià)體系對我國種業(yè)科技創(chuàng)新人才進(jìn)行評價(jià)分析就顯得尤為重要。

進(jìn)行種業(yè)科技創(chuàng)新人才評價(jià)時(shí)，可供選擇的相關(guān)評價(jià)方法有模糊評價(jià)模型[2]、AHP[3](Analytical Hierarchy Process，層次分析法)、多指標(biāo)綜合評價(jià)方法[4]、灰色綜合評價(jià)[5]、模糊綜合評價(jià)法[6]等。但是上述方法在對不同領(lǐng)域的種業(yè)科技創(chuàng)新人才進(jìn)行評價(jià)時(shí)需要人為確定權(quán)重，這樣使得人為因素在綜合評價(jià)中所占比重較大，不利于客觀地反映種業(yè)科技創(chuàng)新人才的實(shí)際水平。筆者結(jié)合我國種業(yè)科技創(chuàng)新人才信息的統(tǒng)計(jì)數(shù)據(jù)，建立了種業(yè)科技創(chuàng)新人才的多層次評價(jià)指標(biāo)體系，并利用基于熵權(quán)的TOPSIS綜合評價(jià)方法對我國種業(yè)科技創(chuàng)新人才評價(jià)進(jìn)行了研究。

1 種業(yè)科技創(chuàng)新人才評價(jià)指標(biāo)體系的建立

種業(yè)科技創(chuàng)新人才評價(jià)指標(biāo)體系是對種業(yè)科技創(chuàng)新人才進(jìn)行綜合評價(jià)的基礎(chǔ)，評價(jià)指標(biāo)體系的建立應(yīng)遵循科學(xué)性、明確性和精煉性原則[7，8]，以此來選擇出體現(xiàn)種業(yè)科技創(chuàng)新人才綜合能力的代表性指標(biāo)。通過分析種業(yè)科技創(chuàng)新人才主要指標(biāo)以及指標(biāo)之間的層級關(guān)系，并結(jié)合種業(yè)科技創(chuàng)新人才實(shí)際情況，歸納出以下主要評價(jià)指標(biāo)：①承擔(dān)項(xiàng)目(課題)情況。作為種業(yè)科技創(chuàng)新人才科研成就的主要指標(biāo)之一，承擔(dān)項(xiàng)目(課題)數(shù)量的多少能反映種業(yè)科技創(chuàng)新人才在實(shí)際承擔(dān)項(xiàng)目以及應(yīng)用方面的能力，承擔(dān)項(xiàng)目(課題)經(jīng)費(fèi)總額能體現(xiàn)種業(yè)科技創(chuàng)新人才承擔(dān)項(xiàng)目的實(shí)力。同時(shí)，承擔(dān)項(xiàng)目(課題)情況分為主持項(xiàng)目和參與項(xiàng)目2種情況，本研究只針對主持項(xiàng)目進(jìn)行評價(jià)。②品種情況，包括審定品種和品種權(quán)2個(gè)部分。品種審定是針對新育成和引進(jìn)的品種，由專門的組織根據(jù)品種區(qū)域試驗(yàn)、生產(chǎn)試驗(yàn)結(jié)果來審查評定其推廣價(jià)值和適用范圍的活動(dòng)。植物新品種權(quán)，簡稱“育種權(quán)”或“品種權(quán)”，是工業(yè)產(chǎn)權(quán)的一種類型，是指完成育種的單位或個(gè)人對其授權(quán)的品種依法享有的排他使用權(quán)。所擁有審定品種和植物新品種權(quán)的總數(shù)能反映種業(yè)科技創(chuàng)新人才在品種培育方面的綜合實(shí)力。③代表性論文專著與專利獲取情況，包括論文專著總數(shù)和專利獲取總數(shù)2個(gè)指標(biāo)。④獲獎(jiǎng)情況，包括獲獎(jiǎng)總數(shù)、獲獎(jiǎng)等級2個(gè)指標(biāo)。種業(yè)科技創(chuàng)新人才評價(jià)指標(biāo)體系如表1所示。

表1 種業(yè)科技創(chuàng)新人才評價(jià)指標(biāo)體系

2 種業(yè)科技創(chuàng)新人才評價(jià)模型的構(gòu)建

2.1 基于熵權(quán)的TOPSIS綜合評價(jià)方法

TOPSIS法(Technique for Order Preference by Similarity to Ideal Solution)又叫逼近理想解的排序法，是一種多指標(biāo)決策方法，由H.Wang和Yoon于1981年首次提出[9]。該方法將初始評價(jià)矩陣進(jìn)行歸一化處理，使得各指標(biāo)值具有相同的量綱，便于比較分析。將指標(biāo)數(shù)據(jù)中最優(yōu)值作為最優(yōu)解、最差值作為最劣解，并將評價(jià)對象與最優(yōu)解、最劣解的歐式空間距離分別作為理想解、負(fù)理想解。利用評價(jià)對象到理想解和負(fù)理想解的相對距離來判斷評價(jià)對象的優(yōu)劣，最終對評價(jià)對象進(jìn)行排序。

熵是描述系統(tǒng)內(nèi)分子無序性的一個(gè)物理量態(tài)函數(shù)，熵越高，表明分子越無序，系統(tǒng)越混亂；熵越低，表明分子越有序，系統(tǒng)越穩(wěn)定[10]。熵的概念被引入信息論后，便有了信息熵的概念，用來反映信息系統(tǒng)無序程度的一個(gè)度量[11]。隨著信息量的增加，信息熵減少，兩者是此消彼長的關(guān)系。因此，信息熵越小，可用的信息量越多，重要性越大。利用這一原理，可以反映種業(yè)科技創(chuàng)新人才的各指標(biāo)值差異程度，并計(jì)算出各指標(biāo)的權(quán)重。

基于熵權(quán)的TOPSIS綜合評價(jià)方法將熵權(quán)法與TOPSIS法結(jié)合起來。由于利用熵權(quán)法能夠客觀地得出評價(jià)指標(biāo)權(quán)重，彌補(bǔ)了TOPSIS法中人為確定權(quán)重的不足，因而可以更加客觀地對評價(jià)對象進(jìn)行比較分析。

2.2 基于熵權(quán)的TOPSIS綜合評價(jià)方法的基本步驟

步驟1 建立初始評價(jià)矩陣。根據(jù)種業(yè)科技創(chuàng)新人才評價(jià)指標(biāo)數(shù)據(jù)列出初始評價(jià)矩陣，如果評價(jià)對象有m個(gè)，每個(gè)被評價(jià)對象的評價(jià)指標(biāo)有n個(gè)，則構(gòu)建初始評價(jià)矩陣X如下：

X=(xij)m×n

(1)

步驟2 標(biāo)準(zhǔn)化處理。通過標(biāo)準(zhǔn)化處理，解決了不同指標(biāo)之間因?yàn)榱烤V不同而無法進(jìn)行比較的問題[12]。利用標(biāo)準(zhǔn)化處理公式可得到標(biāo)準(zhǔn)化矩陣如下：

(2)

步驟3 計(jì)算信息熵。信息熵越小，可用的數(shù)據(jù)量越多，重要性也越大。計(jì)算公式如下：

(3)

步驟4 確定指標(biāo)權(quán)重。第j項(xiàng)指標(biāo)的權(quán)重如下：

(4)

步驟5 構(gòu)造加權(quán)規(guī)范化矩陣。因?yàn)榉N業(yè)科創(chuàng)新人才各評價(jià)指標(biāo)的相對重要性不同，所以應(yīng)考慮將規(guī)范化數(shù)據(jù)加權(quán)構(gòu)成加權(quán)規(guī)范化矩陣R：

R=(rij)m×n;rij=Wj×xj

(5)

(6)

步驟7 計(jì)算理想解和負(fù)理想解的歐式空間距離：

(7)

步驟8 計(jì)算評價(jià)指數(shù)，即評價(jià)對象與理想解和負(fù)理想解的相對接近度為：

(8)

根據(jù)相對接近度對評價(jià)對象進(jìn)行優(yōu)劣排序。相對接近度越大，評價(jià)對象的排序越靠前，則評價(jià)指數(shù)越大，表明該評價(jià)對象越優(yōu)秀。

種業(yè)科技創(chuàng)新人才多層次評價(jià)模型是以單層次評價(jià)模型的評價(jià)結(jié)果為基礎(chǔ)，利用單層次評價(jià)的評價(jià)指數(shù)組成高層次評價(jià)的初始評價(jià)矩陣X，再采用上述的步驟1至步驟8對初始評價(jià)矩陣X進(jìn)行評價(jià)，最終得到多層次種業(yè)科技創(chuàng)新人才評價(jià)結(jié)果。

3 應(yīng)用實(shí)例

選取6個(gè)水稻種業(yè)科技創(chuàng)新團(tuán)隊(duì)(簡稱水稻育種團(tuán)隊(duì))，分別以團(tuán)隊(duì)A、B、C、D、E和F表示，6個(gè)水稻育種團(tuán)隊(duì)指標(biāo)數(shù)據(jù)如表2所示。

表2 6個(gè)水稻育種團(tuán)隊(duì)指標(biāo)數(shù)據(jù)

以一級指標(biāo)承擔(dān)項(xiàng)目情況U1為例，將評價(jià)數(shù)據(jù)代入評價(jià)模型，根據(jù)步驟1建立初始評價(jià)矩陣X：

對初始評價(jià)矩陣進(jìn)行標(biāo)準(zhǔn)化處理。利用式(2)得到標(biāo)準(zhǔn)化矩陣X’(對計(jì)算結(jié)果保留小數(shù)后4位，下同)：

表3 承擔(dān)項(xiàng)目情況信息熵

表4 承擔(dān)項(xiàng)目情況指標(biāo)權(quán)重

計(jì)算信息熵。利用式(3)計(jì)算得到承擔(dān)項(xiàng)目情況信息熵(表3)。

確定指標(biāo)權(quán)重。利用式(4)計(jì)算得到承擔(dān)項(xiàng)目情況指標(biāo)權(quán)重(表4)。

構(gòu)造加權(quán)規(guī)范化矩陣。利用式(5)得到加權(quán)規(guī)范化矩陣R:

利用式(7)計(jì)算得到理想解和負(fù)理想解的歐式空間距離(表5)，利用式(8)計(jì)算得到承擔(dān)項(xiàng)目情況的評價(jià)指數(shù)(表6)。

表5 理想解、負(fù)理想解的歐式空間距離團(tuán)隊(duì)名稱sep+isep-i團(tuán)隊(duì)A0．55890．1167團(tuán)隊(duì)B0．66520．0000團(tuán)隊(duì)C0．23440．4495團(tuán)隊(duì)D0．52770．1472團(tuán)隊(duì)E0．61210．1003團(tuán)隊(duì)F0．08400．6431表6 承擔(dān)項(xiàng)目情況的評價(jià)指數(shù)團(tuán)隊(duì)名稱評價(jià)指數(shù)團(tuán)隊(duì)A0．1731團(tuán)隊(duì)B0．0000團(tuán)隊(duì)C0．6573團(tuán)隊(duì)D0．2181團(tuán)隊(duì)E0．1408團(tuán)隊(duì)F0．8845

利用同樣方法分別對品種情況、論文專著與專利獲取情況、獲獎(jiǎng)情況進(jìn)行分析，便可得到4個(gè)一級指標(biāo)下6個(gè)水稻育種團(tuán)隊(duì)的二級指標(biāo)權(quán)重(表7)及其評價(jià)指數(shù)(表8)。

表7 二級指標(biāo)權(quán)重

表8 二級指標(biāo)評價(jià)指數(shù)

運(yùn)用基于熵權(quán)的TOPSIS評價(jià)模型得出6個(gè)水稻育種團(tuán)隊(duì)的一級指標(biāo)權(quán)重(表9)以及綜合評價(jià)指數(shù)(表10)。

表9 一級指標(biāo)權(quán)重一級指標(biāo)一級指標(biāo)權(quán)重承擔(dān)項(xiàng)目情況U10．1986品種情況U20．2678論文專著與專利情況U30．2421獲獎(jiǎng)情況U40．2915表10 綜合評價(jià)指數(shù)團(tuán)隊(duì)名稱綜合評價(jià)指數(shù)團(tuán)隊(duì)A0．2767團(tuán)隊(duì)B0．0755團(tuán)隊(duì)C0．5389團(tuán)隊(duì)D0．1046團(tuán)隊(duì)E0．0605團(tuán)隊(duì)F1．0000

由此得到6個(gè)水稻育種團(tuán)隊(duì)的相對排名：

F(1.0000)>C(0.5389)>A(0.2767)>D(0.1046)>B(0.0755)>E(0.0605)

因此，從承擔(dān)項(xiàng)目(課題)情況、品種情況、論文專著與專利情況、獲獎(jiǎng)情況4項(xiàng)指標(biāo)的綜合評價(jià)指數(shù)來看，6個(gè)水稻育種團(tuán)隊(duì)中綜合能力最優(yōu)的團(tuán)隊(duì)為F團(tuán)隊(duì)。

4 結(jié)語

應(yīng)用基于熵權(quán)的TOPSIS評價(jià)模型進(jìn)行種業(yè)科技創(chuàng)新人才評價(jià)，不僅能確定影響團(tuán)隊(duì)優(yōu)劣的主要指標(biāo)權(quán)重，并且能綜合評價(jià)出種業(yè)科技創(chuàng)新人才團(tuán)隊(duì)相對水平的高低?；陟貦?quán)的TOPSIS綜合評價(jià)方法，避免了計(jì)算權(quán)重過程中的人為因素干擾，使評價(jià)結(jié)果更加客觀科學(xué)，而且指標(biāo)權(quán)重可以根據(jù)評價(jià)對象的指標(biāo)數(shù)據(jù)作動(dòng)態(tài)改變，更加符合實(shí)際。 因此，應(yīng)用基于熵權(quán)的TOPSIS評價(jià)模型進(jìn)行種業(yè)科技創(chuàng)新人才評價(jià)方法具有推廣應(yīng)用價(jià)值。

[1]國務(wù)院辦公廳.國務(wù)院關(guān)于加快推進(jìn)現(xiàn)代農(nóng)作物種業(yè)發(fā)展的意見[J].農(nóng)業(yè)科技與裝備,2011，(9):6～9.

[2]楊宏林.基于主成分分析的企業(yè)競爭力模糊評價(jià)模型研究[J].當(dāng)代財(cái)經(jīng),2004,(4):126～128.

[3]Wei C C,Chien C F,Wang M J J.An AHP-based approach to ERP system selection[J].International Journal of Production Economics,2005,96:47～62.

[4]虞曉芬,傅玳.多指標(biāo)綜合評價(jià)方法綜述[J].統(tǒng)計(jì)與決策,2004，(11):119～121.

[5]陳冬林,黎志成.信息系統(tǒng)投資項(xiàng)目評價(jià)指標(biāo)確定與灰色綜合評價(jià)[J].系統(tǒng)工程理論與實(shí)踐,2002,22(2):100～103.

[6]韓利,梅強(qiáng),陸玉梅,等.AHP-模糊綜合評價(jià)方法的分析與研究[J].中國安全科學(xué)學(xué)報(bào),2004,14(7):86～89.

[7]曹文瑞.醫(yī)學(xué)科技人才評價(jià)指標(biāo)體系及綜合評價(jià)方法研究[D].廣州:南方醫(yī)科大學(xué),2007.

[8]沈瑋.河北省科技人才開發(fā)評價(jià)指標(biāo)體系研究[D].天津:河北工業(yè)大學(xué),2007.

[9]盧方元.一種改進(jìn)的TOPSIS法[J].統(tǒng)計(jì)與決策,2003,(3):78～79.

[10]尚葆如.熵論用于研究生的課程設(shè)置[J].學(xué)位與研究生教育,1992，(1):36～37.

[11]趙文桐,趙佩章.熱力學(xué)熵和信息熵[J].河南師范大學(xué)學(xué)報(bào)(自然版),1988,(1):44～50.

[12]郝家友,陳生,張燕.績效定量考核指標(biāo)的選擇及無量綱化處理方法[J].遼東學(xué)院學(xué)報(bào)(自然科學(xué)版),1999,(4):48～49.

[編輯] 李啟棟