基于Bradley-Terry模型与层次分析法的一种综合评价方法

现今社会经济问题中广泛运用于决策的层次分析法存在各类问题,如一致性要求难以符合,偏好强度的合理性难以保证,调查问卷繁琐以致于评价者难以回答.文章提出一种新的综合评价方法,通过获取评价者对评价指标的偏好序而非偏好强度,建立配对数据的Bradley-Terry模型,求出评价指标的选择概率矩阵,该矩阵充分包含了评价者的偏好信息,由此从偏好序过渡为偏好强度；再利用层次分析法的分析思路求得各指标的排序权重(重要性),得到最终的评价结果.     

我国能源产业集群竞争力的评价指标体系

文章在分析了我国产业集群竞争力研究现状基础上,着重探讨了我国能源产业集群竞争力评价指标体系,并基于C-OWA算子构建了带有偏好的评价指标权重确定模型,利用该模型不仅能利用客观评价信息,还能综合评价者的主观信息,有效保证评价结果的合理性;最后给出基于遗传算法的模型求解过程和能源产业集群竞争力评价方法,丰富了我国能源产业集群竞争力评价的理论体系。     

具有不同形式偏好信息下的模糊多属性群决策方法

本文针对决策者给出属性具有定性、定量两类不同形式的偏好信息的多属性群决策问题,提出了一种新的集结方法。该方法首先利用直觉模糊集理论和模糊矩阵来处理定性属性的定量化问题,然后用凸组合的方式将主观权重和基于一致性程度的客观权重集结为决策者的最终权重,最后提出一种基于直觉模糊集理论的多属性群决策方法。     

一种基于熵权的未确知测度评价方法及应用

未确知集合是基于拓扑空间概念的一种不确定性集合,基于未确知集合的未确知系统理论与方法是一种处理不确定性信息的数学工具,它具有严谨的推理逻辑,在推理时不造成新的信息损失。文章引入信息熵确定各评价指标权重,并采用置信度识别准则,在未确知集合的基础上建立了未确知测度模型。将此模型应用于建筑安全管理综合评价中,提供了一条定量、定性相结合的建筑安全管理综合评价的新途径,使评价更具客观性,最后用一个实际例子说明此模型的应用。     

粗糙集-模糊积分模型:一种评价企业社会责任的新方法

鉴于企业社会责任评价方法在企业社会责任理论中的重要地位,对国内外企业社会责任评价中指标权重设定方法和综合得分计算方法的优、缺点进行分析,指出此类方法的不足。根据企业社会责任评价的特点,将粗糙集理论中的属性重要度方法引入到指标权重的设定中,将基于模糊测度的模糊积分方法引入到评价综合得分的计算,以此为基础,归纳并提出粗糙集-模糊积分企业社会责任评价模型。     

一种基于粗糙集理论的多指标综合评价方法

文章对于不含决策属性的综合评价问题,提出了一种基于粗糙集的评价方法。该方法采用基于信息量的属性约简启发式算法,实现了评价指标的约简,从而优化了指标体系;并基于约简指标的重要度信息确定权重,消除了传统方法权值设置的主观性,提高了综合评价结果的可靠性。通过例子分析,验证了该算法的可行性和实用性。     

具有不完全信息的多准则格序决策方法

针对决策者的偏好信息具有偏序偏好的多属性决策问题,文章提出了一种基于偏序之间距离测度的多属性决策方法.将偏好关系推广到,运用偏序结构之间的距离测度计算控制指标和被控指标,得到方案对之间的控制程度和被控制程度;讨论了决策者站在不同角度对决策方案的偏好.最后,举例说明了该方法的可行性.     

基于发展态势灰色预测的广告媒体代理商选择问题研究

文章基于广告媒体代理商现有信息,对其发展态势进行灰色预测;在充分考虑广告媒体代理商过去状况和未来发展的情况下,利用OWA算子对代理商评价指标进行集结;基于广告代理商评价中决策者不确定性判断,建立了不确定性偏好的二阶段权重求解模型;最后根据指标属性综合值和指标权重,确定广告媒体代理商的综合判断,进而作出选择。     

基于发展态势灰色预测的广告媒休代理商选择问题研究

文章基于广告媒体代理商现有信息,对其发展态势进行灰色预测;在充分考虑广告媒体代理商过去状况和未来发展的情况下,利用OWA算子时代理商评价指标进行集结;基于广告代理商评价中决策者不确定性判断,建立了不确定性偏好的二阶段权重求解模型;最后根据指标属性综合值和指标权重,确定广告媒体代理商的综合判断,进而作出选择.     

基于Borda法不确定偏好序下的双边匹配决策模型

针对不确定偏好序下的双边匹配决策问题,提出了一种决策方法。首先,对具有不确定偏好序信息的双边匹配决策问题进行了描述,依据传统Borda法的思想,针对不确定偏好序的特点构建Borda分值计算规则;然后,基于综合Borda分值给出了满意度测度方法,在此基础上,建立双边满意匹配优化模型,求解模型获得双边匹配方案;最后,通过算例验证了提出方法的可行性和有效性。     

基于多粒度非平衡语言信息的医疗服务质量评价

提出一种基于多粒度非平衡语言信息的医疗服务质量评价方法,引入近年来最新发展的非平衡语言信息来处理评价过程中专家判断的模糊性。针对专家判断的多粒度多语义问题,提出了粒度转换函数来进行一致化处理。该方法能有效处理医疗服务质量评价中的模糊而定性的信息,可以对医生医疗服务的优劣进行评价和排序。     

基于专家群组判断的主观概率确定

国内关于主观概率的研究很多,但主要集中在个体的判断上,对国际上主流的联合专家判断的研究方法鲜有涉及。在提出利用专家组工作的基础上,先采用聚类分析的方法,剔除个别离异点集;之后基于专家的判断力,赋予专家相应的权重,加权平均后,最终得出主观概率判断的结果。     

中国居民家庭的主观贫困感受研究

主观贫困包含着大量客观贫困无法体现的信息,是客观贫困测度的一种有效补充。本文提出了一种基于半参数广义可加模型的主观贫困效应的测度方法,利用中国社会状况综合调查（CSS）的微观调研数据,对影响我国居民主观贫困感受的决定因素以及主、客观贫困间的关系进行了实证研究。首先,按照CSS数据中居民对自身经济地位的自我评价,将居民划定为主观贫困和非主观贫困两种状态;其次,为了更加灵活的捕捉连续变量的影响,利用所提方法对影响主观贫困的因素进行了计量分析,并对主、客观贫困测度间的关系进行了分析。研究发现,居民主观上的贫困感受不仅受到家庭收入水平的影响,家庭规模、人口结构、教育水平、资产积累、医疗支出、家庭遭遇困境事件、居住位置等因素均会显著改变主观贫困发生的概率。因而居民主观贫困的脱离不仅依赖于经济条件的改善,教育、医疗保障等公共服务水平的提升、居民生活环境的改善、从政策上提高贫困人口应对困境的能力都对提升居民安全感和获得感具有重要的影响。     

基于信息可替代性的评价指标筛选研究

提出一种指标筛选方法,旨在筛选出对评价结果影响显著、反映信息重叠程度低的评价指标。以相对离散系数作为指标的信息含量,依据提出的累计信息贡献率标准删除信息含量明显偏小的指标进行指标的初筛,克服现有研究仅利用相对离散系数进行指标筛选的不足。借鉴聚类分析的思想,取初筛后保留下来的一个指标与其余各指标构成Person相关系数平方的均值,反映该指标的信息可被其余全部指标替代的程度。通过信息可替代性标准剔除信息可替代性较大的指标,保证最终被保留的指标间反映的信息重叠程度低,克服现有研究仅通过两个指标间的相关性筛选指标难以有效降低评价指标集信息重叠的不足。此外,针对剔除信息重叠的指标与剔除对评价结果影响不显著的指标何者优先为宜的问题,提出了显著再相关的指标筛选标准。最后,通过一个实例说明指标筛选方法的可行性。     

Correlated Binary Variables and Multi-level Probability Assessments

Abstract.  We introduce a fully parametric approach for updating beliefs regarding correlated binary variables, after marginal probability assessments based on information of varying quality are provided by an expert. This approach allows for the calculation of a predictive joint density for future assessments. The proposed methodology offers new insight into the parameters that control the dependence of the binary variables, and the relation of these parameters to the joint density of the probability assessments. A comprehensible elicitation procedure for the model parameters is put forward. The approach taken is motivated and illustrated through a practical application.     

基于云理论的高校职员绩效评价研究

职员的绩效评估是企事业单位人事考核的重要组成部分。在高等院校职员的评价体系中存在大量的定性描述指标,如何科学地实现定性指标向定量指标的转换,是使评估更加准确、科学的重要因素。云理论是在对传统模糊集理论和概率论进行交叉渗透的基础上,形成自然语言值表示的某个定性概念与其定量表示之间的转换模型。本文将云重心评价法引入到高校职员绩效评估方法中,建立了高校职员绩效评价体系,并通过实例,证明了运用该方法能方便有效地解决高校职员绩效评价中的指标转换问题。     

Indirect membership function assignment based on ordinal regression

In many fuzzy sets applications, fuzzy membership functions are commonly developed based on empirical or expert knowledge. The equation of a membership function is usually determined somewhat arbitrarily. This paper explores a novel membership function design method based on ordinal regression analysis. The estimated thresholds between ordinal measurement categories are applied to calculate the intersection points between fuzzy sets. These intersection points are further applied to determine the equations of the membership functions. Information distortion due to empirical guess can thus be reduced and more latent information in the fuzzy responses can therefore be captured. A case study investigating the relationship between foster mothers’ satisfaction and the foster time and information provided has been conducted in this research. The applicability and effectiveness of the proposed membership function assignment approach have been demonstrated through several case studies.     

Expert knowledge elicitation using item response theory

In an expert knowledge elicitation exercise, experts face a carefully constructed list of questions that they answer according to their knowledge. The elicitation process concludes when a probability distribution is found that adequately captures the experts' beliefs in the light of those answers. In many situations, it is very difficult to create a set of questions that will efficiently capture the experts' knowledge, since experts might not be able to make precise probabilistic statements about the parameter of interest. We present an approach for capturing expert knowledge based on item response theory, in which a set of binary response questions is proposed to the expert, trying to capture responses directly related to the quantity of interest. As a result, the posterior distribution of the parameter of interest will represent the elicited prior distribution that does not assume any particular parametric form. The method is illustrated by a simulated example and by an application involving the elicitation of rain prophets' predictions for the rainy season in the north-east of Brazil.     

评价的共识与共识评价的机制：基于子群的视角

本文针对群组评价中,忽视群组共识度高低程度而强行集成、忽视不同子群的潜在不可比而强行比较这两类问题,以共识度为主线,讨论子群评价的共识度测算方法、子群分类与构建、子群分歧的分解与识别等问题,并在此基础上,对如何提升群组评价共识程度的评价机制设计进行了思考,分别从事前、事后的角度给出了“信息反馈评价机制”、“加权修正评价机制”和“链式修正评价机制”的设计思路,为实现子群评价活动的合理开展提供了基本的研究框架。     

Bayesian response adaptive randomization using longitudinal outcomes

The response adaptive randomization (RAR) method is used to increase the number of patients assigned to more efficacious treatment arms in clinical trials. In many trials evaluating longitudinal patient outcomes, RAR methods based only on the final measurement may not benefit significantly from RAR because of its delayed initiation. We propose a Bayesian RAR method to improve RAR performance by accounting for longitudinal patient outcomes (longitudinal RAR). We use a Bayesian linear mixed effects model to analyze longitudinal continuous patient outcomes for calculating a patient allocation probability. In addition, we aim to mitigate the loss of statistical power because of large patient allocation imbalances by embedding adjusters into the patient allocation probability calculation. Using extensive simulation we compared the operating characteristics of our proposed longitudinal RAR method with those of the RAR method based only on the final measurement and with an equal randomization method. Simulation results showed that our proposed longitudinal RAR method assigned more patients to the presumably superior treatment arm compared with the other two methods. In addition, the embedded adjuster effectively worked to prevent extreme patient allocation imbalances. However, our proposed method may not function adequately when the treatment effect difference is moderate or less, and still needs to be modified to deal with unexpectedly large departures from the presumed longitudinal data model. Copyright © 2015 John Wiley & Sons, Ltd.