科研行為主體信用評(píng)分卡技術(shù)研究

劉君亮，毛 陽(yáng)

（北京交通大學(xué)，北京 100044）

信用有廣義、狹義之分。廣義的信用從社會(huì)道德層面上表現(xiàn)為自覺(jué)遵守社會(huì)規(guī)則或人與人之間的約定?，F(xiàn)代市場(chǎng)經(jīng)濟(jì)條件下的信用概念是狹義的信用，狹義的信用是指建立在信任基礎(chǔ)上,不用馬上付款或擔(dān)保就可獲得資金、物資或服務(wù)的能力?？蒲行庞檬菑V義社會(huì)信用在科研管理領(lǐng)域應(yīng)用的產(chǎn)物，主要是指從事科研活動(dòng)人員的職業(yè)信用，是對(duì)科研人員在從事科研活動(dòng)時(shí)遵守正式承諾、履行約定義務(wù)、遵守科研界公認(rèn)行為準(zhǔn)則的能力和表現(xiàn)的一種評(píng)價(jià)。隨著國(guó)內(nèi)科研投入逐年增加，科研項(xiàng)目和論文的產(chǎn)出也逐年遞增，但同時(shí)科研人員學(xué)術(shù)不端的案例也在逐漸增多，為了保障國(guó)家的科研環(huán)境和聲譽(yù)，科研誠(chéng)信建設(shè)研究急需加強(qiáng)。

國(guó)內(nèi)科研信用研究多采用專家打分法、AHP 和模糊綜合評(píng)價(jià)法進(jìn)行信用評(píng)價(jià)，常用的個(gè)人信用評(píng)價(jià)模型方法研究主要集中在金融信貸領(lǐng)域，在科研人員信用研究方面較少。信用評(píng)分卡模型是一種成熟且廣泛應(yīng)用于金融風(fēng)險(xiǎn)控制領(lǐng)域信用風(fēng)險(xiǎn)評(píng)估的模型方法，其原理是將模型變量WOE 編碼方式離散化之后運(yùn)用Logistic 回歸模型進(jìn)行的一種二分類變量的廣義線性模型。利用信用評(píng)分卡技術(shù)建立基于科研人員信用大數(shù)據(jù)的信用評(píng)價(jià)模型，從而將科研人員信用信息轉(zhuǎn)化為科研信用評(píng)價(jià)依據(jù)，可以解決鐵路科研活動(dòng)中的信息不對(duì)稱問(wèn)題，既可以為鐵路科研項(xiàng)目的審核提供依據(jù)，也可以促進(jìn)科研人員信用水平透明化，有利于對(duì)鐵路科研誠(chéng)信問(wèn)題進(jìn)行統(tǒng)一規(guī)范與治理，因此深度挖掘科研人員信用信息，開(kāi)發(fā)基于信用大數(shù)據(jù)的科研人員信用評(píng)分卡模型，具有十分重要的理論和現(xiàn)實(shí)意義。

1 科研人員信用指標(biāo)體系

對(duì)科研人員信用數(shù)據(jù)進(jìn)行建模之前，需要解決科研人員信用量化指標(biāo)的選取問(wèn)題，科研人員信用量化指標(biāo)需要用數(shù)值型指標(biāo)或分類型指標(biāo)抽象出一個(gè)科研人員的科研信用信息全貌，通過(guò)查閱國(guó)內(nèi)外文獻(xiàn)和相關(guān)政策文件，得到科研人員信用量化指標(biāo)可分為兩類，一類是科研人員科研資歷信用指標(biāo)，另一類是科研人員科研歷史信用指標(biāo)，具體指標(biāo)見(jiàn)表1。

表1 科研人員信用量化指標(biāo)

2 數(shù)據(jù)預(yù)處理

在用數(shù)據(jù)進(jìn)行建模之前還需對(duì)科研人員信用數(shù)據(jù)進(jìn)行預(yù)處理，使數(shù)據(jù)滿足建模的要求，數(shù)據(jù)預(yù)處理主要的技術(shù)環(huán)節(jié)如下。

2.1 樣本數(shù)據(jù)的獲取

從相關(guān)科研數(shù)據(jù)庫(kù)獲取科研人員信用指標(biāo)的相關(guān)數(shù)據(jù)。

2.2 數(shù)據(jù)清洗

數(shù)據(jù)清洗是指將獲取的原始數(shù)據(jù)轉(zhuǎn)化為可用作模型開(kāi)發(fā)的格式化數(shù)據(jù)，首先是缺失值處理。缺失值處理通常有兩種處理方法，直接刪除含有缺失值的樣本或者是根據(jù)樣本之間的相似性或者相關(guān)關(guān)系填補(bǔ)缺失值。

缺失值處理完后進(jìn)行異常值的處理。異常值是指某些樣本明顯偏離大多數(shù)樣本數(shù)據(jù)，比如科研人員的年齡為0 時(shí)，通常認(rèn)為該值為異常值。異常值的檢測(cè)一般采用箱線圖。

2.3 探索性數(shù)據(jù)分析

在建立模型之前，我們通常會(huì)對(duì)數(shù)據(jù)進(jìn)行探索性數(shù)據(jù)分析，該步驟的目的是了解樣本數(shù)據(jù)的大概總體情況，即對(duì)已有的數(shù)據(jù)在盡量少的先驗(yàn)假定下進(jìn)行探索。常用的探索性數(shù)據(jù)分析方法有直方圖、散點(diǎn)圖和箱線圖等。

2.4 指標(biāo)的分箱和編碼

把變量進(jìn)行分組處理，即分箱或者離散化，之后用WOE（Weight of Evidence）進(jìn)行編碼，作用在于對(duì)指標(biāo)進(jìn)行分箱和編碼，不僅可以避免指標(biāo)無(wú)意義的波動(dòng)給預(yù)測(cè)帶來(lái)的波動(dòng)，還能避免極端值的影響。WOE 的計(jì)算公式為：

其中，yi代表第i 組失信科研人員數(shù)量，ys代表所有失信科研人員數(shù)量，ni代表第i 組沒(méi)有失信科研人員數(shù)量，ns代表所有沒(méi)有失信科研人員數(shù)量，WOE 表示的含義即是“當(dāng)前分組中失信科研人員占所有失信科研人員的比例”和“當(dāng)前分組中沒(méi)有失信科研人員占所有沒(méi)有失信科研人員的比例”的差異。計(jì)算得出WOE 后自變量指標(biāo)可用WOE 值編碼取代。

3 信用模型建立

理想的科研人員信用評(píng)價(jià)模型應(yīng)該是可以輸入所有的有關(guān)該科研人員信用的各方面維度的特征，并預(yù)測(cè)出科研人員所屬于的類別，即科研人員是否會(huì)失信。Logistic 回歸模型主要用來(lái)計(jì)算一組自變量與離散型因變量間的關(guān)系，應(yīng)用在個(gè)人信用評(píng)價(jià)方面有比較高的精準(zhǔn)度，常用于信用問(wèn)題的二分類預(yù)測(cè)。離散型因變量是指取值為0，1，2……等離散值的變量，在個(gè)人信用評(píng)估的內(nèi)容中，因變量是取值分別為0 和1 的二元變量，通常用y 表示，當(dāng)科研人員出現(xiàn)失信行為記為y=1，沒(méi)有出現(xiàn)失信行為則記為y=0。

考慮具有m 個(gè)獨(dú)立向量的向量x=(x1，x2，x3，…，xm)，設(shè)條件概率P（y=1|x）。

為根據(jù)觀測(cè)量相對(duì)于某事件發(fā)生的概率，Logistic模型可以表示為：

在x 條件下，y 不發(fā)生的概率（即y=0）的概率為：

所以，科研人員失信與科研人員不失信的概率之比為：

這個(gè)比值記為優(yōu)勢(shì)比，實(shí)際上可以認(rèn)為是失信人與非失信人的發(fā)生比。對(duì)其取自然對(duì)數(shù)，則得到：

Logistic 回歸模型最終的目的是要求解β1，β2，…，βm這組權(quán)值，而β1，β2，…，βm的估計(jì)，則需要使用極大似然估計(jì)來(lái)進(jìn)行。

4 模型分析

4.1 性能驗(yàn)證

模型性能的驗(yàn)證，是信用評(píng)分卡模型開(kāi)發(fā)的十分重要的一個(gè)環(huán)節(jié)，常見(jiàn)的技術(shù)方法是ROC 曲線。ROC曲線的全稱是受試者工作特征曲線（Receiver Operating Characteristic curve），又稱感受性曲線（sensitivity curve），是隨著檢測(cè)閾值變化的檢測(cè)概率對(duì)假報(bào)警概率的關(guān)系曲線，設(shè)某概率值P 作為閾值，如果小于閾值則判斷為“失信人”，大于閾值則判斷為“非失信人”，計(jì)算基于概率值P 的TPR 和FPR，TPR 為真陽(yáng)性率，是樣本中模型正確判斷為“失信人”的人數(shù)占所有實(shí)際為“失信人”的人數(shù)的比例，F(xiàn)PR 為偽陽(yáng)性率，是樣本中模型錯(cuò)誤判斷為“失信人”的人數(shù)占所有實(shí)際為“非失信人”的人數(shù)的比例，接著調(diào)整閥值P，得到閾值不一樣時(shí)的TPR 和FPR，把TPR 當(dāng)作縱軸，F(xiàn)PR 為橫軸，得到的ROC 曲線圖如圖1 所示。

圖1 ROC 曲線圖

ROC 曲線朝左上角凸的越多，曲線下面積AUC（Area Under Curve）越大，就代表這個(gè)模型效果越好，可以計(jì)算ROC 曲線下面積即AUC 來(lái)量化分類模型的性能。AUC 的值在0 到1 之間，當(dāng)分類模型為一個(gè)完全隨機(jī)模型時(shí)ROC 為一條直線，此時(shí)AUC=0.5，所以通常具有實(shí)用價(jià)值的分類模型的AUC 值會(huì)大于0.5，優(yōu)秀模型的AUC 值通常為0.7 到0.9 之間，如果分類模型的AUC 值在0.9 以上，可能是異常變量使得AUC值偏高。

4.2 評(píng)分轉(zhuǎn)換

Logistic 回歸模型的結(jié)果是回歸式，其模型輸出結(jié)果是科研人員失信與否概率比值的對(duì)數(shù)值，不易于理解和掌握，實(shí)際應(yīng)用中必須把概率轉(zhuǎn)換為信用分?jǐn)?shù)，主要方法為對(duì)科研人員失信與否概率比值的對(duì)數(shù)值進(jìn)行線性變換再加上一個(gè)常數(shù)，使得最終的信用評(píng)分落在一個(gè)事先設(shè)定好的分?jǐn)?shù)范圍內(nèi)，分?jǐn)?shù)越高，科研人員的信用越好，轉(zhuǎn)換公式為：

其中，p 表示科研人員失信概率，α 表示線性變換的系數(shù)，通常包括一個(gè)對(duì)數(shù)值，β 表示調(diào)整常數(shù)，使得最終的信用評(píng)分落在目標(biāo)分?jǐn)?shù)范圍內(nèi)。

5 應(yīng)用展望

通過(guò)以上方法建立的科研人員信用評(píng)分卡模型，可以在以下方面進(jìn)行廣泛應(yīng)用。

5.1 科研項(xiàng)目基金審批自動(dòng)化

隨著科研人員科研信用數(shù)據(jù)的積累以及大數(shù)據(jù)模型技術(shù)和科研信用制度的融合普及，科研人員信用評(píng)分卡模型技術(shù)可更加廣泛地在鐵路科研項(xiàng)目和相關(guān)科研基金的審批中應(yīng)用，從科研人員信用的角度為科研項(xiàng)目和基金課題的審批決策提供重要的支持，對(duì)于評(píng)分低于一定級(jí)別的，可以自動(dòng)拒絕其申請(qǐng)，只有通過(guò)信用評(píng)分的才能進(jìn)入人工審核階段，不但有助于事前降低潛在的科研失信風(fēng)險(xiǎn)，還能提高鐵路科研項(xiàng)目和基金課題的審核效率。

5.2 科研信用風(fēng)險(xiǎn)預(yù)警精準(zhǔn)化

信用評(píng)分卡模型技術(shù)基于科研人員信用大數(shù)據(jù)，不僅比起傳統(tǒng)的專家打分和人工審核等主觀審核方法更加客觀，保證了信用評(píng)價(jià)的公正性，同時(shí)評(píng)價(jià)準(zhǔn)確度更加靈敏和精確，提高了鐵路科研信用風(fēng)險(xiǎn)預(yù)警的精準(zhǔn)度。

5.3 科研人員信用水平透明化

信用評(píng)分卡模型得出的科研人員信用評(píng)分客觀透明，可以促進(jìn)科研人員信用水平透明化，提高科研人員信用意識(shí)，還能準(zhǔn)確識(shí)別風(fēng)險(xiǎn)的原因和來(lái)源，方便科研管理者采取針對(duì)性的預(yù)防措施，有利于對(duì)鐵路科研誠(chéng)信問(wèn)題進(jìn)行統(tǒng)一規(guī)范與治理。