CN105631575A - 科技项目的评价方法 - Google Patents

Abstract

本发明公开了一种科技项目的评价方法，建立科技项目单项目的评估基本模型；收集待评估单项目的基础数据；记录待评估单项目的详细信息；在评估基本模型中选取恰当评估模型，依据评估模型，完成专家打分，利用专家咨询法和层次分析法设置权重，得出单项目后评估模型的各指标得分和评语；完成多个单项目的评估工作；对已完成的评估工作的多个单项目，结合实际工程，组合建立待评估多项目，并对多项目命名；依据多项目中多个单项目金额大小或专家权重法，给出待评估多项目中单项目对多项目的相对贴近度大小；依照相对贴近度的大小对目标进行排序，形成决策依据。本发明只要对各科技项目的指标打分，再根据各指标的权重，就可以算出各科技项目的排名。

Description

科技项目的评价方法

技术领域

本发明涉及管理学技术领域，特别是涉及一种科技项目的评价方法。

背景技术

在当今经济社会的发展中，科学技术创新及扩散将是主要的科学技术进步手段，是社会发展的核心动力。因此，不论是国家还是企业，都大力鼓励科学技术创新，强调科技评价和奖励，并开始关注科技成果培育过程管理。科技评估要求实时关注科技项目申报、执行实施、后评估等各个流程，同时进行科学、有效地评价，重点评估科技成果的发展潜力、发展趋势，如科技成果的核心科研团队、科研带头人、科技资源投入、发展能力等，还要充分评估科技成果的发展难度、技术风险、支撑风险等，进而发现具有潜力和优势的科技成果，使科研成果的奖励培育工作更加有的放矢，并逐步提高科技成果培育的质量。

国外一般采用“assessment—评估”的思路进行科技评估，即按照明确的目标，采用非实验的方法，根据已有资料和描述性统计分析，对人或事物进行价值判断。目前在发达国家，科技评估已成为立法保障、制度化的经常性工作，评价范围广，相关政策和管理方法相对成熟、完善。相比较而言，国内不论是在学界还是业界对科技成果评估也开展了一系列的研究与实际应用，试图从实务和应用的角度出发，运用各种方法满足科研项目执行情况、验收评估、产业化成果评估、成果转化评估等方面的需求，但尚处于起步阶段。科技成果评价的主要内容包括技术创新程度，技术指标先进程度，技术难度和复杂程度，成果的重现性和成熟程度，成果应用价值与效果，取得的经济效益与社会效益，进一步推广的条件和前景，存在的问题及改进意见等。由于涉及因素多、技术要求高、政策性强等局限，科技成果评估可以视为一个复杂系统，目前尚未形成比较成熟、完善的科技成果评价模型库。

发明内容

有鉴于此，本发明的目的在于提出一种科技项目的评价方，通过成熟、完善的科技成果评价模型库，以保证评价过程的顺利和评价结果的公正性。

基于上述目的，本发明提供的科技项目的评价方法，其特征在于，包括以下步骤：

步骤1：建立科技项目单项目的评估基本模型；

步骤2：收集待评估单项目的基础数据；

步骤3：记录待评估单项目的详细信息；

步骤4：在评估基本模型中选取恰当评估模型，依据评估模型，完成多位专家打分，利用专家咨询法和层次分析法设置权重，得出单项目后评估模型的各指标得分和评语；

步骤5：重复步骤2～4，完成多个单项目的评估工作；

步骤6：对已完成的评估工作的多个单项目，结合实际工程，组合建立待评估多项目，并对多项目命名；

步骤7：依据多项目中多个单项目金额大小或专家权重法，给出待评估多项目中单项目对多项目的相对贴近度大小；

步骤8：依照相对贴近度的大小对目标进行排序，形成决策依据。

可选地，所述步骤1具体包括：根据评估工作要求，对科技项目从核心科研团队、科研带头人、科技资源投入和发展能力四个方面建立一级指标，形成单项目的评估基本模型。

较佳地，所述单项目的基础数据收集包括：科技项目的立项资料、财务审计报告、研究报告、技术报告、项目实施情况。

较佳地，所述单项目的详细信息包括：项目编号、项目名称、项目负责人、项目金额、项目实施单位、项目起止时间、项目类型、项目研究内容、备注信息。

可选地，所述同类型评估单项目指其均为：理论与基础指标项目，或应用与推广指标项目，或研究与开发指标项目，所述不同类型评估单项目指其同时为：理论与基础指标项目，应用与推广指标项目和研究与开发指标项目三者中至少两者以上。

较佳地，采用逼近理想解的排序方法和数据包络分析两种方法对贴近度的大小对目标进行排序，形成决策依据。

优选地，设有n个DMU_j(1≤j≤n)，每个DMU都有m种输入和s种输出，如下所示：

其中，x_ij为DMU_j对第i种输入的投入量；y_kj为DMU_j对第k种输出的产出量；v_i为对第i种输入的一种度量权；u_k为对第k种输出的一种度量权，j＝1,2…n；i＝1,2,…m；k＝1,2…s，而且x_ij>0,y_kj>0,v_i≥0,u_k≥0；

记DMU_j的输入/输出量分别为X_j＝(x_1j,x_2j,…x_mj)^T>0,j＝1,2…n；Y_j＝(y_1j,y_2j,…y_sj)^T>0,j＝1,2…n；对应于权系数V＝(v₁,v₂,…v_m)^T,U＝(u₁,u₂,…u_s)^T,称为第j个决策单元DMU_j的效率评价指数。总可以适当选取u,v，使h_j≤1(j＝1,2…n)；

对第j₀个决策单元进行效率评价，简记 在各决策单元的效率评价指标均不超过1的条件下，选择权系数u,v，使h₀最大。于是构成下面的C²R模型为(分式规划)：

$\begin{array}{c}\max h_{j_o}=\frac{\underset{r=1}{\overset{s}{\mathrm{\Σ}}}{u}_r{y}_{{\mathrm{rj}}_o}}{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{v}_i{x}_{{\mathrm{ij}}_o}}\\ s.t.\frac{\underset{r=1}{\overset{s}{\mathrm{\Σ}}}{u}_r{y}_{\mathrm{rj}}}{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{v}_i{x}_{\mathrm{ij}}}\≤1,j=\mathrm{1,2},...n\\ u\≥0,v\≥0\end{array}---(1-1)$

使用Charnes-Cooper变化，令：

$t=\frac{1}{v^T{x}_0},w=\mathrm{tv},\mathrm{\μ}=\mathrm{tu},$ 由 $t=\frac{1}{v^T{x}_0}\⇒w^T{x}_0=1$

可变为如下的线性规划模型：

$\begin{array}{c}\max h_{j_0}={\mathrm{\μ}}^T{y}_o\\ s.t.w^T{x}_j-{\mathrm{\μ}}^T{y}_j\≥0,j=\mathrm{1,2},...n\\ w^T{x}_0=1\\ w\≥0,\mathrm{\μ}\≥0\end{array}---(1-2)$

对于CCR模型用规划(1-2)表达，而线性规划一个重要的有效理论是对偶理论，通过建立对偶模型更容易从理论和经济意义上作深入分析，

对偶规划表示为：

进一步引入松弛变量对对偶规划进行求解。

优选地，假设有m个目标，每个目标都有n个属性，则多属性决策问题的数学描述如式(1-4)所示：

Z＝max/min{|i＝l，2，…m，j＝l，2，….n}(1-4)

(1)设有m个目标(有限个目标)，n个属性，专家对其中第i个目标的第j个属性的评估值为x_ij，则初始判断矩阵V为：

$V=\left|\begin{array}{cccc}{x}_{11}& x_{12}& ...& x_{1n}\\ x_{21}& x_{22}& ...& x_{2n}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ x_{i1}& ...& x_{\mathrm{ij}}& ...\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ x_{m1}& x_{m2}& ...& x_{\mathrm{mn}}\end{array}\right|---(1-5)$

(2)对决策矩阵进行归一化处理：

$V^{\′}=\left|\begin{array}{cccc}{x}_{11}^{\′}& x_{12}^{\′}& ...& x_{1n}^{\′}\\ x_{21}^{\′}& x_{22}^{\′}& ...& x_{2n}^{\′}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ x_{i1}^{\′}& ...& x_{\mathrm{ij}}^{\′}& ...\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ x_{m1}^{\′}& x_{m2}^{\′}& ...& x_{\mathrm{mn}}^{\′}\end{array}\right|---(1-6)$

其中

$x_{\mathrm{ij}}^{\′}=x_{\mathrm{ij}}/\sqrt{\underset{k=1}{\overset{n}{\mathrm{\Σ}}}{x}_{\mathrm{ij}}^2},i=\mathrm{1,2},...m,j=\mathrm{1,2},....n---(1-7)$

(3)根据德尔菲法获取专家群体对属性的信息权重矩阵B，形成加权判断矩阵：

${Z=V}^{\′}B=\left|\begin{array}{cccc}{x}_{11}^{\′}& x_{12}^{\′}& ...& x_{1n}^{\′}\\ x_{21}^{\′}& x_{22}^{\′}& ...& x_{2n}^{\′}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ x_{i1}^{\′}& ...& x_{\mathrm{ij}}^{\′}& ...\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ x_{m1}^{\′}& x_{m2}^{\′}& ...& x_{\mathrm{mn}}^{\′}\end{array}\right|\left|\begin{array}{cccc}{w}_1& 0& ...& 0\\ 0& w_2& ...& 0\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ 0& ...& w_j& ...\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ 0& 0& ...& w_n\end{array}\right|=\left|\begin{array}{cccc}{f}_{11}& f_{12}& ...& f_{1n}\\ f_{21}& f_{22}& ...& f_{2n}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ f_{i1}& ...& f_{\mathrm{ij}}& ...\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ f_{m1}& f_{m2}& ...& f_{\mathrm{mn}}\end{array}\right|---(1-8)$

(4)根据加权判断矩阵获取评估目标的正负理想解：

正理想解：

$f_j^{*}=\left\{\begin{array}{c}\max \left(f_{\mathrm{ij}}\right),j\∈J^{*}\\ \min \left(f_{\mathrm{ij}}\right),j\∈J^{\′}\end{array}\right.j=\mathrm{1,2},...,n.---(1-9)$

负理想解：

$f_j^{\′}=\left\{\begin{array}{c}\min \left(f_{\mathrm{ij}}\right),j\∈J^{*}\\ \max \left(f_{\mathrm{ij}}\right),j\∈J^{\′}\end{array}\right.j=\mathrm{1,2},...,n.---(1-10)$

其中，J^*为效益型指标，J′为成本型指标.

(5)计算各目标值与理想值之间的欧氏距离：

$S_i^{*}=\sqrt{\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{(f_{\mathrm{ij}}-f_j^{*})}^2},j=\mathrm{1,2},...,n,---(1-11)$

$S_i^{\′}=\sqrt{\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{(f_{\mathrm{ij}}-f_j^{\′})}^2},j=\mathrm{1,2},...,n.---(1-12)$

(6)计算各个目标的相对贴近度：

$C_i^{*}=S_i^{\′}/(S_i^{*}+S_i^{\′}),i=\mathrm{1,2},...,m.---(1-13)$

(7)依照相对贴近度的大小对目标进行排序，形成决策依据。

较佳地，所述评价方法还运用改进的理想解法对各个承包单位进行优选，包括：设经过资格初审后的项目有m个，评标采用的指标有n个，设第i个项目的第j个指标值为x_ij，构成一个m行n列的评价矩阵：A＝(x_ij)_{m× n}。

可选地，所述x_ij是从项目在评估或资格初审时提供的资料中获取的。

从上面所述可以看出，本发明提供的科技项目的评价方法根据数据包络分析(DEA)和逼近理想解的排序方法(TOPSIS)，只要对各科技项目的指标打分，再根据各指标的权重，就可以算出各科技项目的排名。管理者可以对科技项目进行统一编录和管理，让工作人员清晰地了解行业动态和项目运营情况。对单项目评估时，针对待评估项目的类别属性，通过逐层分解、细化描述指标及其评判准则，进而达到对待评估项目开展效果的各角度精确化阐述。该评估结果可反映出单项目实施的优劣程度。对多项目评估时，针对一类属性的多项目，通过层次分解，建立具有多项目间可比较性的描述指标及其评判准则。该评估结果可反映出，不同项目间，在某指标上实施的效果以及不同项目对于该项目贡献度的大小。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，本发明进一步详细说明。

为了对科技成果进行科学有效的评估，首先要建立能够综合反映、检验、证明和预测科技成果优秀程度的指标体系。指标体系的科学性、合理性、可比性、可量化性直接关系到评价过程的顺利和评价结果的公正性。针对不同领域、不同评价目的，应根据实际情况构建指标体系，但应遵循基本原则：科学性、合理性、系统性、特殊性、可测性、简捷性。指标构建只是科技成果评价的第一步，在构建科学合理的指标体系后，选取合适的评价方法形成科技成果模型库进行评估分析，是顺利实现科技成果评价的关键。常见的科技成果评价方法有专家评议法、经济评价法、层次分析法、多属性和多目标决策方法、模糊综合评价法等等。

鉴于科技成果评价意义重大、过程复杂、尚不成熟，亟需构建指标体系并形成评价方法库，以把握科技成果现状，并把握其发展趋势、难度和风险，为科技成果培育过程提供参考。在全面分析信息的基础上，发明提供的科技项目的评价方法包括科技项目评价中指标体系的构建，各指标权重的确立,以及利用每个科技项目在各指标上的打分和权重来计算科技项目排名的方法。

作为本发明的一个实施例，所述科技项目的评价方法包括以下步骤：

步骤1：建立科技项目单项目的评估基本模型，根据评估工作要求，对科技项目从核心科研团队、科研带头人、科技资源投入和发展能力四个方面建立一级指标，形成单项目的评估基本模型。

步骤2：收集待评估单项目的基础数据，单项目的基础数据收集包括：科技项目的立项资料、财务审计报告、研究报告、技术报告、项目实施情况等信息。

具体地，可以包括：科技项目自评估报告；项目立项资料(项目可行性报告，项目申请书和科技项目任务书等)；有财务部门盖章的经费决算报告和审计部门盖章的审计报告；项目的研究报告和技术报告；项目实施过程中所申请的专利、软件著作权，以及发表的论文，所获奖励等材料复印件；自评估评分表；上级主管部门要求提交的其他资料。

步骤3：记录待评估单项目的详细信息。

作为本发明的一个实施例，单项目的详细信息可以包括：项目编号、项目名称、项目负责人、项目金额、项目实施单位、项目起止时间、项目类型、项目研究内容、备注信息等。

步骤4：在评估基本模型中选取恰当评估模型，依据评估模型，完成多位专家打分，利用专家咨询法和层次分析法设置权重，得出单项目后评估模型的各指标得分和评语；

步骤5：重复步骤2～4，完成多个单项目的评估工作；

步骤6：对已完成的评估工作的多个单项目，结合实际工程，组合建立待评估多项目，并对多项目命名。待评估多项目包括两种形式：一种是含同类型评估的单项目，另一种是含不同类型评估的单项目。

所述同类型评估单项目指其均为：理论与基础指标项目，或应用与推广指标项目，或研究与开发指标项目，所述不同类型评估单项目指其同时为：理论与基础指标项目，应用与推广指标项目和研究与开发指标项目三者中至少两者以上。

步骤7：依据多项目中多个单项目金额大小或专家权重法，给出待评估多项目中单项目对多项目的相对贴近度大小；

步骤8：依照相对贴近度的大小对目标进行排序，形成决策依据。

具体地，本发明采用逼近理想解的排序方法(TOPSIS)和数据包络分析(DEA)两种方法对贴近度的大小对目标进行排序，形成决策依据。

数据包络分析(DEA)是线性规划模型的应用之一，常被用来衡量拥有相同目标的运营单位的相对效率。数据包络分析是一种基于线性规划的用于评价同类型组织(或项目)工作绩效相对有效性的特殊工具手段。这类组织例如学校、医院、银行的分支机构、超市的各个营业部等，各自具有相同(或相近)的投入和相同的产出。衡量这类组织之间的绩效高低，通常采用投入产出比这个指标，当各自的投入产出均可折算成同一单位计量时，容易计算出各自的投入产出比并按其大小进行绩效排序。

但当被衡量的同类型组织有多项投入和多项产出，且不能折算成统一单位时，就无法算出投入产出比的数值。因而，需采用一种全新的方法进行绩效比较。这种方法就是二十世纪七十年代末产生的数据包络分析(DEA)。DEA方法处理多输入，特别是多输出的问题的能力是具有绝对优势的。

DEA的优点吸引了众多的应用者，应用范围已扩展到美国军用飞机的飞行、基地维修与保养，以及陆军征兵、城市、银行等方面。目前，这一方法应用的领域正在不断地扩大。它也可以用来研究多种方案之间的相对有效性(例如投资项目评价)；研究在做决策之前去预测一旦做出决策后它的相对效果如何(例如建立新厂后，新厂相对于已有的一些工厂是否为有效)。

在DEA中一般称被衡量绩效的组织为决策单元(decisionmakingunit——DMU)。

设：n个决策单元(j＝1，2，…，n)

每个决策单元有相同的m项投入(输入)(i＝1，2，…，m)

每个决策单元有相同的s项产出(输出)(r＝1，2，…，s)

x_ij——第j决策单元的第i项投入；

y_rj——第j决策单元的第r项产出；

衡量第j₀决策单元是否DEA有效。

在发明中，设有n个DMU_j(1≤j≤n)，每个DMU都有m种输入和s种输出，如下所示：

其中，x_ij为DMU_j对第i种输入的投入量；y_kj为DMU_j对第k种输出的产出量；v_i为对第i种输入的一种度量(权)；u_k为对第k种输出的一种度量(权)(j＝1,2…n；i＝1,2,…m；k＝1,2…s)。而且x_ij>0,y_kj>0,v_i≥0,u_k≥0。

记DMU_j的输入/输出量分别为X_j＝(x_1j,x_2j,…x_mj)^T>0,j＝1,2…n；Y_j＝(y_1j,y_2j,…y_sj)^T>0,j＝1,2…n；对应于权系数V＝(v₁,v₂,…v_m)^T,U＝(u₁,u₂,…u_s)^T,称为第j个决策单元DMU_j的效率评价指数。总可以适当选取u,v，使h_j≤1(j＝1,2…n)。

现在对第j₀个决策单元进行效率评价，简记 在各决策单元的效率评价指标均不超过1的条件下，选择权系数u,v，使h₀最大。于是构成下面的C²R模型为(分式规划)：

$\begin{array}{c}\max h_{j_o}=\frac{\underset{r=1}{\overset{s}{\mathrm{\Σ}}}{u}_r{y}_{{\mathrm{rj}}_o}}{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{v}_i{x}_{{\mathrm{ij}}_o}}\\ s.t.\frac{\underset{r=1}{\overset{s}{\mathrm{\Σ}}}{u}_r{y}_{\mathrm{rj}}}{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{v}_i{x}_{\mathrm{ij}}}\≤1,j=\mathrm{1,2},...n\\ u\≥0,v\≥0\end{array}---(1-1)$

使用Charnes-Cooper变化，令：

$t=\frac{1}{v^T{x}_0},w=\mathrm{tv},\mathrm{\μ}=\mathrm{tu},$ 由 $t=\frac{1}{v^T{x}_0}\⇒w^T{x}_0=1$

可变为如下的线性规划模型：

$\begin{array}{c}\max h_{j_0}={\mathrm{\μ}}^T{y}_o\\ s.t.w^T{x}_j-{\mathrm{\μ}}^T{y}_j\≥0,j=\mathrm{1,2},...n\\ w^T{x}_0=1\\ w\≥0,\mathrm{\μ}\≥0\end{array}---(1-2)$

对于CCR模型可以用规划(1-2)表达，而线性规划一个重要的有效理论是对偶理论，通过建立对偶模型更容易从理论和经济意义上作深入分析。对偶规划可表示为：

进一步引入松弛变量对对偶规划进行求解。

TOPSIS法是有限方案多目标决策的综合评价方法之一，它对原始数据进行同趋势和归一化的处理后，消除了不同指标量纲的影响，并能充分利用原始数据的信息，所以能充分反映各方案之间的差距、客观真实的反映实际情况，具有真实、直观、可靠的优点，而且其对样本资料无特殊要求，故应用日趋广泛。

假设有m个目标，每个目标都有n个属性，则多属性决策问题的数学描述如式(1-4)所示：

Z＝max/min{|i＝l，2，…m，j＝l，2，….n}(1-4)

(1)设有m个目标(有限个目标)，n个属性,专家对其中第i个目标的第j个属性的评估值为x_ij，则初始判断矩阵V为：

$V=\left|\begin{array}{cccc}{x}_{11}& x_{12}& ...& x_{1n}\\ x_{21}& x_{22}& ...& x_{2n}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ x_{i1}& ...& x_{\mathrm{ij}}& ...\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ x_{m1}& x_{m2}& ...& x_{\mathrm{mn}}\end{array}\right|---(1-5)$

(2)由于各个指标的量纲可能不同，需要对决策矩阵进行归一化处理：

$V^{\′}=\left|\begin{array}{cccc}{x}_{11}^{\′}& x_{12}^{\′}& ...& x_{1n}^{\′}\\ x_{21}^{\′}& x_{22}^{\′}& ...& x_{2n}^{\′}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ x_{i1}^{\′}& ...& x_{\mathrm{ij}}^{\′}& ...\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ x_{m1}^{\′}& x_{m2}^{\′}& ...& x_{\mathrm{mn}}^{\′}\end{array}\right|---(1-6)$

其中

$x_{\mathrm{ij}}^{\′}=x_{\mathrm{ij}}/\sqrt{\underset{k=1}{\overset{n}{\mathrm{\Σ}}}{x}_{\mathrm{ij}}^2},i=\mathrm{1,2},...m,j=\mathrm{1,2},....n---(1-7)$

(3)根据德尔菲法获取专家群体对属性的信息权重矩阵B，形成加权判断矩阵：

${Z=V}^{\′}B=\left|\begin{array}{cccc}{x}_{11}^{\′}& x_{12}^{\′}& ...& x_{1n}^{\′}\\ x_{21}^{\′}& x_{22}^{\′}& ...& x_{2n}^{\′}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ x_{i1}^{\′}& ...& x_{\mathrm{ij}}^{\′}& ...\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ x_{m1}^{\′}& x_{m2}^{\′}& ...& x_{\mathrm{mn}}^{\′}\end{array}\right|\left|\begin{array}{cccc}{w}_1& 0& ...& 0\\ 0& w_2& ...& 0\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ 0& ...& w_j& ...\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ 0& 0& ...& w_n\end{array}\right|=\left|\begin{array}{cccc}{f}_{11}& f_{12}& ...& f_{1n}\\ f_{21}& f_{22}& ...& f_{2n}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ f_{i1}& ...& f_{\mathrm{ij}}& ...\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ f_{m1}& f_{m2}& ...& f_{\mathrm{mn}}\end{array}\right|---(1-8)$

(4)根据加权判断矩阵获取评估目标的正负理想解：

正理想解：

$f_j^{*}=\left\{\begin{array}{c}\max \left(f_{\mathrm{ij}}\right),j\∈J^{*}\\ \min \left(f_{\mathrm{ij}}\right),j\∈J^{\′}\end{array}\right.j=\mathrm{1,2},...,n.---(1-9)$

负理想解：

$f_j^{\′}=\left\{\begin{array}{c}\min \left(f_{\mathrm{ij}}\right),j\∈J^{*}\\ \max \left(f_{\mathrm{ij}}\right),j\∈J^{\′}\end{array}\right.j=\mathrm{1,2},...,n.---(1-10)$

其中，J^*为效益型指标，J′为成本型指标.

(5)计算各目标值与理想值之间的欧氏距离：

$S_i^{*}=\sqrt{\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{(f_{\mathrm{ij}}-f_j^{*})}^2},j=\mathrm{1,2},...,n,---(1-11)$

$S_i^{\′}=\sqrt{\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{(f_{\mathrm{ij}}-f_j^{\′})}^2},j=\mathrm{1,2},...,n.---(1-12)$

(6)计算各个目标的相对贴近度：

$C_i^{*}=S_i^{\′}/(S_i^{*}+S_i^{\′}),i=\mathrm{1,2},...,m.---(1-13)$

(7)依照相对贴近度的大小对目标进行排序，形成决策依据。

在进行决策时，一般要进行属性值的规范化，主要有如下三个作用：使得规范化后表中任一属性下性能越优的方案变换后的属性值越大；排除量纲的选用对决策或评估结果的影响，即非量纲化；归一化，把表中的数值均变换到[0,1]区间上。

进一步地，本发明还运用改进的理想解法对各个承包单位进行优选。

设经过资格初审后的项目有m个，评标采用的指标有n个，设第i个项目的第j个指标值为x_ij，构成一个m行n列的评价矩阵：A＝(x_ij)_m×n。显然x_ij是从项目在评估或资格初审时提供的资料中获取的。

求解步骤为：

①.求矩阵进行规范化，将其统一为效益型指标，得到标准化矩阵R＝(r_ij)_m×n

对于效益型指标

$r_{\mathrm{ij}}=\left\{\begin{array}{cc}(x_{\mathrm{ij}}-x_{j\min })/(x_{j\max }-x_{j\min })& x_{j\max }\≠x_{j\min },\\ 1& x_{j\max }=x_{j\min },\end{array}\right.---\left(1\right)$

对于成本型指标

$r_{\mathrm{ij}}=\left\{\begin{array}{cc}(x_{j\max }-x_{\mathrm{ij}})/(x_{j\max }-x_{j\min })& x_{j\max }\≠x_{j\min },\\ 1& x_{j\max }=x_{j\min },\end{array}\right.---\left(2\right)$

②确定标准化矩阵的理想解：

$r_j^{*}=\left\{\begin{array}{c}\underset{1\≤i\≤m}{\max r_{\mathrm{ij}}}j\∈J^{+}\\ \underset{1\≤i\≤m}{\min r_{\mathrm{ij}}}j\∈J^{-}\end{array}\right.,j=\mathrm{1,2},...n.---\left(3\right)$

其中J⁺为效益型指标集，J^-为成本型指标集，表示第j个指标的理想值.

显然，对于矩阵R，因为都统一为效益型指标了，故理想解负理想解 $R_j^{-}=(\mathrm{0,0},...,0),$

如上所述，本发明提供的科技项目的评价方法根据数据包络分析(DEA)和逼近理想解的排序方法(TOPSIS)，只要对各科技项目的指标打分，再根据各指标的权重，就可以算出各科技项目的排名。管理者可以对科技项目进行统一编录和管理，让工作人员清晰地了解行业动态和项目运营情况。对单项目评估时，针对待评估项目的类别属性，通过逐层分解、细化描述指标及其评判准则，进而达到对待评估项目开展效果的各角度精确化阐述。该评估结果可反映出单项目实施的优劣程度。对多项目评估时，针对一类属性的多项目，通过层次分解，建立具有多项目间可比较性的描述指标及其评判准则。该评估结果可反映出，不同项目间，在某指标上实施的效果以及不同项目对于该项目贡献度的大小。专家按各项指标精确打分，减少了主观因素的干扰，根据打分情况可自动生成柱状图，使评估结果更加生动的展现出来，同时还能智能生成项目评语，多项目的项目建议由专家组手动录入，更具有针对性。项目的评估模型可进行修改，增加了后评估工作的可持续性和实用性。

所属领域的普通技术人员应当理解：以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种科技项目的评价方法，其特征在于，包括以下步骤：

步骤1：建立科技项目单项目的评估基本模型；

步骤2：收集待评估单项目的基础数据；

步骤3：记录待评估单项目的详细信息；

步骤4：在评估基本模型中选取恰当评估模型，依据评估模型，完成多位专家打分，利用专家咨询法和层次分析法设置权重，得出单项目后评估模型的各指标得分和评语；

步骤5：重复步骤2～4，完成多个单项目的评估工作；

步骤6：对已完成的评估工作的多个单项目，结合实际工程，组合建立待评估多项目，并对多项目命名；

步骤7：依据多项目中多个单项目金额大小或专家权重法，给出待评估多项目中单项目对多项目的相对贴近度大小；

步骤8：依照相对贴近度的大小对目标进行排序，形成决策依据。

2.根据权利要求1所述的科技项目的评价方法，其特征在于，所述步骤1具体包括：根据评估工作要求，对科技项目从核心科研团队、科研带头人、科技资源投入和发展能力四个方面建立一级指标，形成单项目的评估基本模型。

3.根据权利要求1所述的科技项目的评价方法，其特征在于，所述单项目的基础数据收集包括：科技项目的立项资料、财务审计报告、研究报告、技术报告、项目实施情况。

4.根据权利要求1所述的科技项目的评价方法，其特征在于，所述单项目的详细信息包括：项目编号、项目名称、项目负责人、项目金额、项目实施单位、项目起止时间、项目类型、项目研究内容、备注信息。

5.根据权利要求1所述的科技项目的评价方法，其特征在于，所述同类型评估单项目指其均为：理论与基础指标项目，或应用与推广指标项目，或研究与开发指标项目，所述不同类型评估单项目指其同时为：理论与基础指标项目，应用与推广指标项目和研究与开发指标项目三者中至少两者以上。

6.根据权利要求1所述的科技项目的评价方法，其特征在于，采用逼近理想解的排序方法和数据包络分析两种方法对贴近度的大小对目标进行排序，形成决策依据。

7.根据权利要求6所述的科技项目的评价方法，其特征在于，设有n个DMU_j(1≤j≤n)，每个DMU都有m种输入和s种输出，如下所示：

其中，x_ij为DMU_j对第i种输入的投入量；y_kj为DMU_j对第k种输出的产出量；v_i为对第i种输入的一种度量权；u_k为对第k种输出的一种度量权，j＝1,2…n；i＝1,2,…m；k＝1,2…s，而且x_ij>0,y_kj>0,v_i≥0,u_k≥0；

记DMU_j的输入/输出量分别为X_j＝(x_1j,x_2j,…x_mj)^T>0,j＝1,2…n；Y_j＝(y_1j,y_2j,…y_sj)^T>0,j＝1,2…n；对应于权系数V＝(v₁,v₂,…v_m)^T,U＝(u₁,u₂,…u_s)^T,称为第j个决策单元DMU_j的效率评价指数。总可以适当选取u,v，使h_j≤1(j＝1,2…n)；

对第j₀个决策单元进行效率评价，简记 在各决策单元的效率评价指标均不超过1的条件下，选择权系数u,v，使h₀最大。于是构成下面的C²R模型为(分式规划)：

$\max h_{j_o}=\frac{\underset{r=1}{\overset{s}{\mathrm{\Σ}}}{u}_r{y}_{{\mathrm{rj}}_o}}{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{v}_i{x}_{{\mathrm{ij}}_o}}$

$s.t.\frac{\underset{r=1}{\overset{s}{\mathrm{\Σ}}}{u}_r{y}_{\mathrm{rj}}}{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{v}_i{x}_{\mathrm{ij}}}\≤1,j=\mathrm{1,2},...n$

u≥0,v≥0(1-1)

使用Charnes-Cooper变化，令：

$t=\frac{1}{v^T{x}_0},2=\mathrm{tv},\mathrm{\μ}=\mathrm{tu},$ 由 $t=\frac{1}{v^T{x}_0}\⇒w^T{x}_0=1$

可变为如下的线性规划模型：

$\max h_{j_0}={\mathrm{\μ}}^T{y}_o$

s.t.w^Tx_j-μ^Ty_j≥0,j＝1,2,...n

w^Tx₀＝1

w≥0,μ≥0(1-2)

对于CCR模型用规划(1-2)表达，而线性规划一个重要的有效理论是对偶理论，通过建立对偶模型更容易从理论和经济意义上作深入分析，

对偶规划表示为：

minθ

$s.t.\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\λ}}_j{x}_j\≤{\mathrm{\θx}}_0$

$\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\λ}}_j{y}_j\≥y_0$

λ_j≥0,j＝1,2,...n

θ无约束(1-3)

进一步引入松弛变量对对偶规划进行求解。

8.根据权利要求6所述的科技项目的评价方法，其特征在于，假设有m个目标，每个目标都有n个属性，则多属性决策问题的数学描述如式(1-4)所示：

Z＝max/min{|i＝l，2，...m，j＝l，2，....n}(1-4)

(1)设有m个目标(有限个目标)，n个属性，专家对其中第i个目标的第j个属性的评估值为x_ij，则初始判断矩阵V为：

$V=\left[\begin{array}{cccc}{x}_{11}& x_{12}& ...& x_{1n}\\ x_{21}& x_{22}& ...& x_{2n}\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ x_{i1}& ...& x_{\mathrm{ij}}& ...\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ x_{m1}& x_{m2}& ...& x_{\mathrm{mn}}\end{array}\right]---(1-5)$

(2)对决策矩阵进行归一化处理：

$V^{\′}=\left[\begin{array}{cccc}{x}_{11}^{\′}& x_{12}^{\′}& ...& x_{1n}^{\′}\\ x_{21}^{\′}& x_{22}^{\′}& ...& x_{2n}^{\′}\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ x_{i1}^{\′}& ...& x_{\mathrm{ij}}^{\′}& ...\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ x_{m1}^{\′}& x_{m2}^{\′}& ...& x_{\mathrm{mn}}^{\′}\end{array}\right]---(1-6)$

其中

i＝1，2，...m，j＝1，2，....n(1-7)

(3)根据德尔菲法获取专家群体对属性的信息权重矩阵B，形成加权判断矩阵：

$Z=V^{\′}B=\left|\begin{array}{cccc}{x}_{11}^{\′}& x_{12}^{\′}& ...& x_{1n}^{\′}\\ x_{21}^{\′}& x_{22}^{\′}& ...& x_{2n}^{\′}\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ x_{i1}^{\′}& ...& x_{\mathrm{ij}}^{\′}& ...\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ x_{m1}^{\′}& x_{m2}^{\′}& ...& x_{\mathrm{mn}}^{\′}\end{array}\right|\left|\begin{array}{cccc}{w}_1& 0& ...& 0\\ 0& w_2& ...& 0\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ 0& ...& w_j& ...\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ 0& 0& ...& w_n\end{array}\right|=\left|\begin{array}{cccc}{f}_{11}& f_{12}& ...& f_{1n}\\ f_{21}& f_{22}& ...& f_{2n}\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ f_{i1}& ...& f_{\mathrm{ij}}& ...\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ f_{m1}& f_{m2}& ...& f_{\mathrm{mn}}\end{array}\right|---(1-8)$

(4)根据加权判断矩阵获取评估目标的正负理想解：

正理想解：

$f_j^{*}=\left\{\begin{array}{c}\max \left(f_{\mathrm{ij}}\right),j\∈J^{*}\\ \min \left(f_{\mathrm{ij}}\right),j\∈J^{\′}\end{array}\right.j=\mathrm{1,2},...,n.---(1-9)$

负理想解：

$f_j^{\′}=\left\{\begin{array}{c}\min \left(f_{\mathrm{ij}}\right),j\∈J^{*}\\ \max \left(f_{\mathrm{ij}}\right),j\∈J^{\′}\end{array}\right.j=\mathrm{1,2},...,n.---(1-10)$

其中，J^*为效益型指标，J′为成本型指标.

(5)计算各目标值与理想值之间的欧氏距离：

$S_i^{*}=\sqrt{\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{(f_{\mathrm{ij}}-f_j^{*})}^2},j=\mathrm{1,2},...,n,---(1-11)$

$S_i^{\′}=\sqrt{\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{(f_{\mathrm{ij}}-f_j^{\′})}^2},j=\mathrm{1,2},...,n.---(1-12)$

(6)计算各个目标的相对贴近度：

$C_i^{*}=S_i^{\′}/(S_i^{*}+S_i^{\′}),i=\mathrm{1,2},...,m.---(1-13)$

(7)依照相对贴近度的大小对目标进行排序，形成决策依据。

9.根据权利要求8所述的科技项目的评价方法，其特征在于，所述评价方法还运用改进的理想解法对各个承包单位进行优选，包括：设经过资格初审后的项目有m个，评标采用的指标有n个，设第i个项目的第j个指标值为x_ij，构成一个m行n列的评价矩阵：A＝(x_ij)_m×n。

10.根据权利要求9所述的科技项目的评价方法，其特征在于，所述x_ij是从项目在评估或资格初审时提供的资料中获取的。