一种基于层次分析及熵权法计算维度权重的企业评估方法与流程

1.本发明属于企业评估方法技术领域，具体涉及一种基于层次分析及熵权法计算维度权重的企业评估方法。


背景技术：

2.在对同类型的企业进行评估时，评估人员一般根据企业数据结合自己相关经验进行评估，评估过程中建立的相关评估系数具有较大的主观性，缺少理论依据，使得在对企业进行评估的过程中，无法做到科学化、公平化。


技术实现要素：

3.针对现有技术中存在的上述问题，本发明的目的在于提供一种基于层次分析及熵权法计算维度权重，实现科学化的企业评估。
4.本发明提供如下技术方案：
5.一种基于层次分析及熵权法计算维度权重的企业评估方法，包括以下步骤:
6.1)选取n个评估维度，然后对n个评估维度在企业经营中的重要性进行等级排序，所述等级数值为1、2...n，所述等级1至等级n的重要性依次递减，采集若干组等级排序数据，根据采集的等级排序数据构建判断矩阵；
7.2)对步骤1)中构造的判断矩阵进行一致性检验，当判断矩阵通过一致性检验后，即可进行下一步骤，当判断矩阵没有通过一致性检验，则返回到步骤1)重新采集等级排序数据；
8.3)当判断矩阵通过一致性检验后，利用特征值法求n个评估维度的权重；
9.4)依次对n个评估维度中，每个评估维度对应的细分维度权重进行计算；
10.5)采集i个同一类别企业中，每个企业各个评估维度对应的细分维度数据，对每个细分维度数据进行赋值，该值为细分维度评分；
11.6)将每个企业各个评估维度中对应的细分维度评分分别乘以对应的细分维度权重并求和，得到对应评估维度的得分，再将n个评估维度的得分分别乘以对应的评估维度权重并求和，即可得到每个企业的评估得分。
12.优选的，所述步骤1)中，判断矩阵的构建过程如下：
13.在每组等级排序数据中，取评估维度之间重要性等级数值的比值，即横排维度等级除以竖排维度等级，构造为对应的数值判断矩阵，将若干组等级排序数据对应的数值判断矩阵中每个对应位置的矩阵数值进行求平均计算，得到所要的判断矩阵。
14.优选的，所述步骤2)中，一致性检验的具体过程如下：
15.2.1)计算一致性指标ci，具体公式如下：
[0016][0017]
其中，λ
max
为判断矩阵最大特征值，n是判断矩阵维数,即评估维度的个数；
[0018]
2.2)查找对应的平均随机一致性指标ri，计算一致性比例cr，cr计算公式如下：
[0019][0020]
当cr《0.1时,则可认为判断矩阵的一致性可以接受，进行下一步骤，当cr≥0.1时，则返回至步骤1)，直至cr《0.1。
[0021]
优选的，所述步骤3)的具体过程如下：
[0022]
当判断矩阵的一致性可以接受时，通过计算求出判断矩阵的所有特征值，提取出特征值等于判断矩阵维数n所对应的特征向量，并进行归一化处理，即可得到n个评估维度对应的权重。
[0023]
优选的，所述步骤4)中，当评估维度对应的细分维度为定性维度时，按照步骤1)至步骤3对评估维度对应的细分维度权重进行计算；当评估维度对应的细分维度为定量维度时，先按照步骤1)至步骤3对该评估维度对应的细分维度权重进行计算得到权重一，再采用熵权法对该评估维度对应的细分维度权重进行计算得到权重二，将权重一与权重二求平均得到该评估维度最终对应的细分维度权重。
[0024]
优选的，采用熵权法对评估维度对应的定量细分维度权重进行计算的具体过程如下：
[0025]
4.2.1)、构建定量的细分维度的数据矩阵，将该数据矩阵正向化；
[0026]
4.2.2)、将步骤4.2.1)中正向化后的数据矩阵标准化，其中，n个企业，m个细分维度构成的n*m的正向化后的矩阵为：
[0027][0028]
x
nm
表示数据矩阵正向化后第n个企业第m个细分维度的值，其标准化后的矩阵记为z，z中的每一个元素表示为：
[0029][0030]
其中，i＝1,2，
…
n；j＝1,2，
…
m；
[0031]
4.2.3)、计算第j个细分维度下第i个企业所占的比重，并将其作为相对熵计算中用到的概率，然后，计算概率矩阵p，矩阵p中每个元素表示为：
[0032][0033]
4.2.4)、计算每个细分维度的信息熵，计算信息效用值，并归一化得到每个维度的熵权，对于第j个细分维度而言，其信息熵的计算公式为：
[0034][0035]
信息效用值的计算公式为：
[0036]dj
＝1-ej[0037]
将信息效用值进行归一化，我们就能得到每个细分维度的权重，其计算式如下：
[0038][0039]
其中，wj为第j个细分维度最终的权重值。
[0040]
优选的，所述步骤5)中，细分维度数据赋值的过程如下：将所有企业的同一个细分维度数据进行从高到低排序，前百分之十赋10分，百分之十到百分之二十赋9分，以此类推，得到每个企业该细分维度下的赋值，即细分维度的评分。
[0041]
通过采用上述技术，与现有技术相比，本发明的有益效果如下：
[0042]
1)本发明基于层次分析及熵权法，对企业的各个维度进行权重计算，并依据企业实际的维度数据对同一类型的企业之间实现客观科学的分值评估；
[0043]
2)本发明评估维度权重计算过程中，采集多组评估维度重要性等级数据，取每组等级数据中，评估维度之间重要性等级数值的比值，结合求平均算法，构造对应的数值判断矩阵，再通过一致性检验进行判断评估维度重要性等级划分的客观性，并结合提取特征值法，得到相关评估维度的权重；
[0044]
2)本发明采用层次分析及熵权法对每个评估维度对应的细分维度进行权重计算，对定性数据的细分维度或者定量数据的细分维度采用不同的权重计算方式，提高实际评估的客观性和可操作性。
具体实施方式
[0045]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0046]
相反，本发明涵盖任何由权利要求定义的在本发明的精髓和范围上做的替代、修改、等效方法以及方案。进一步，为了使公众对本发明有更好的了解，在下文对本发明的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。
[0047]
实施例：
[0048]
一种基于层次分析及熵权法计算维度权重的企业评估方法，包括以下步骤：
[0049]
1)、选取n个同一类型企业，从财务状况、人员、行业口碑、政策扶持和公司管理五个评估维度对企业进行评估，邀请多位评估人员分别判断上述五个维度对该类型企业的重要性等级并进行排序，其中，重要性等级分为1-5五个等级标度，五个等级标度的重要性按照等级1至等级5依次递减；重要性等级排序如表1所示：
[0050]
财务状况1
人员2政策扶持3行业口碑4公司管理5
[0051]
表1
[0052]
基于表1排序构建判断矩阵，具体过程如下：
[0053]
首先，在每组等级排序数据中，取评估维度之间重要性等级数值的比值，构造为对应的数值判断矩阵，将若干组等级排序数据对应的数值判断矩阵中每个对应位置的矩阵数值进行求平均计算，得到所要的判断矩阵，结合多位评估人员的判断能够得到多个数值判断矩阵，对多个数值判断矩阵求平均得到总的判断矩阵，如表2所示：
[0054] 财务状况人员行业口碑政策扶持公司管理财务状况12435人员1/2123/25/2行业口碑1/41/213/45/4政策扶持1/32/34/315/3公司管理1/52/54/53/51
[0055]
表2
[0056]
2)对步骤1)得到的总的判断矩阵进行一致性检验，具体如下：
[0057]
2.1)计算一致性指标ci，具体公式如下：
[0058][0059]
其中，λ
max
为判断矩阵最大特征值，n是判断矩阵维数,即评估维度个数；
[0060]
2.2)查找对应的平均随机一致性指标ri，计算一致性比例cr，cr计算公式如下：
[0061][0062]
当cr《0.1时,则可认为判断矩阵的一致性可以接受，进行下一步骤，当cr≥0.1时，则返回至步骤1)重新建立判断矩阵，直至cr《0.1。
[0063]
3)当判断矩阵通过一致性检验后，利用特征值法求n个评估维度的权重，具体过程如下：判断矩阵的一致性可以接受时，通过计算求出判断矩阵的所有特征值，提取出特征值等于判断矩阵维数n所对应的特征向量，并进行归一化处理，即可得到n个评估维度对应的权重。
[0064]
4)依次对n个评估维度中，每个评估维度对应的细分维度权重进行计算。
[0065]
4.1)其中，财务状况评估维度包括总收入、净利润、研发投入、年度总收入增长率、研发投入增长率、研发投入占比等六个细分维度，采集该六个细分维度的数据，这些数据为定量数据，基于采集的细分维度数据，按照步骤1)依次建立细分维度的重要性等级排序表格及判断矩阵，如表3、表4所示，然后通过一致性检验及提取特征值得到财务状况评估维度中细分维度的权重一，如表5所示：
[0066][0067][0068]
表3
[0069][0070]
表4
[0071][0072][0073]
表5
[0074]
再采集四个同类型企业财务状况评估维度中六个细分维度的数据，具体数据实例如下表表6所示：
[0075]
表6
[0076]
基于表6中的数据提取得到一个4*6的数据矩阵，对该数据矩阵通过matlab软件，采用熵权法计算求解细分维度对应的权重二，最后将权重一和权重通过求平均计算出财务状况下的六个细分维度最终的权重，权重一、权重二及最后的权重数值如下表表7所示：
[0077][0078]
表7
[0079]
4.2)人员、行业口碑和公司管理三个评估维度对应的细分维度数据为定性数据，按照步骤1)至步骤3)分别进行细分维度权重计算，政策扶持评估维度下无细分维度，因此不需要进行细分维度权重计算，只需对其进行排名赋分得到评分。
[0080]
4.2.1)人员评估维度中包括总人数、科研人员数量、科研人员占比、科研人员流动性四个细分维度，依次得到对应的重要性等级排序表格、判断矩阵及人员评估维度中细分维度的权重，具体见表8、表9及表10：
[0081][0082]
表8
[0083][0084]
表9
[0085]
人员维度下四个小维度权重总人数0.4800科研人员数量0.2400科研人员占比0.1600科研人员流动性0.1200
[0086]
表10
[0087]
4.3)行业口碑评估维度包括品牌知名度、履行合同情况及既往合作评价三个细分维度，依次得到对应的重要性等级排序表格、判断矩阵及人员评估维度中细分维度的权重，具体见表11、表12及表13：
[0088][0089]
表11
[0090] 品牌知名度履行合同情况既往合作评价品牌知名度123履行合同情况1/213/2既往合作评价1/32/31
[0091]
表12
[0092][0093][0094]
表13
[0095]
4.4)公司管理评估维度包括年设备采购投入、公司占地面积及员工福利三个细分维度，依次得到对应的重要性等级排序表格、判断矩阵及人员评估维度中细分维度的权重，具体见表14、表15及表16：
[0096]
软件维度排名年设备采购投入1公司占地面积2员工福利3
[0097]
表14
[0098][0099][0100]
表15
[0101]
软件维度权重年设备采购0.5455公司占地面积0.2727员工福利0.1818
[0102]
表16
[0103]
5)采集多个同一类型企业人员、行业口碑、政策扶持和公司管理四个评估维度对应的细分维度数据(其中政策扶持无细分维度，只需对其进行排名赋值，该值就为政策扶持维度的评分)，每个企业各个评估维度对应的细分维度数据，对每个细分维度数据进行赋值，细分维度数赋值的过程如下：将所有企业的同一个细分维度数据进行从高到低排序，前百分之十赋10分，百分之十到百分之二十赋9分，以此类推，得到每个企业该细分维度下的赋值(即细分维度的评分)，赋值完成后，根据步骤4)中获得的细分维度权重分别乘以对应细分维度评分并求和，得到对应评估维度的评分；
[0104]
6)上述步骤中的赋分过程如下：
[0105]
6.1)对于财务状况和人员两个评估维度中的细分维度，直接搜集所有企业对应细分维度的数据并从高到低排序，前百分之十赋10分，百分之十到百分之二十赋9分，以此类推得到细分维度的赋值即细分维度评分。
[0106]
6.2)对于行业口碑下的三个细分维度的赋分办法：
[0107]
品牌知名度：通过搜集公司近三年的年订单金额并计算平均值，得到公司近三年平均年订单金额，并从高到低排序，前百分之十赋10分，前百分之十到二十赋9分，依此类推得到品牌知名度得分。
[0108]
履行合同情况：每个公司的基础分是100分，搜集公司近三年所有违约合同数量，每有一份违约合同倒扣0.5分，最终得分可以是负数，得到公司履行合同得分并从高到低排序，若得分相同，则比较近三年总合同数，总合同数大则排在前，然后对其以相同方式进行赋分。
[0109]
既往合作评价：每个公司的基础分是100分，查找近三年与该公司合作过的所有公
司的项目，根据这些项目的审批结果进行打分。每有1个项目的审批结果为要求补充材料，扣1分；每有1个项目审批不通过，扣5分。最终得分可以是负数，得到公司既往合作项目得分，并从高到低排序，若得分相同，则比较近三年总合同金额，合同金额高的排在前，然后对其以相同方式进行排名赋分。
[0110]
6.3)对于政策扶持评估维度的赋分办法：
[0111]
每个公司基础分为0分，搜集公司近三年来所有的扶持政策，每有一条国家级扶持政策加1分，每有一条省级扶持政策加0.5分，每有一条地方扶持政策加0.1分，最终得到公司的政策扶持得分并从高到低排序，前百分之十赋10分，前百分之十到二十赋9分，依此类推。
[0112]
6.4)对于公司管理评估维度下的三个细分维度的赋值办法：
[0113]
年设备采购投入：查找公司近三年设备采购投入，算出年平均设备采购投入，并从高到低排序，前百分之十赋10分，前百分之十到二十赋9分，依此类推。
[0114]
公司占地面积：计算出最近一年公司占地面积增长率，并从高到低排序，前百分之十赋10分，前百分之十到二十赋9分，依此类推。
[0115]
员工福利：每个公司基础分为0分，若有健康保险、带薪假期、退休金等每有一条员工福利则加1分，最后得到公司员工福利得分，然后对其进行从高到低排序，前百分之十赋10分，前百分之十到二十赋9分，依此类推。
[0116]
6.5)注：若公司某个细分维度(除履行合同情况和既往合作评价)分数相同，则按照公司名称首字母进行排序。每个细分维度排名赋分后得到的满分为十分的分数为该公司该细分维度的最终评分。
[0117]
7)将每个企业n个评估维度的得分分别乘以对应的评估维度权重并求和，即可得到每个企业的评估得分；如表17所示：
[0118][0119]
表17。