陳新達(dá)　徐雪高　張照新

摘要：農(nóng)業(yè)產(chǎn)業(yè)化龍頭企業(yè)在農(nóng)村經(jīng)濟(jì)中正發(fā)揮愈發(fā)重要的作用，因而需要其在盈利的同時(shí)履行相應(yīng)的社會(huì)責(zé)任。定量評(píng)價(jià)是分析農(nóng)業(yè)企業(yè)社會(huì)責(zé)任水平的有效方式，而這種評(píng)價(jià)由于涉及到企業(yè)的社會(huì)責(zé)任故需要較多的評(píng)價(jià)維度和較強(qiáng)的主觀性。定量評(píng)價(jià)的基礎(chǔ)工作在于確定各評(píng)價(jià)指標(biāo)的合理權(quán)重，為此，文章首先對(duì)常見的權(quán)重算法進(jìn)行簡(jiǎn)單介紹；隨后對(duì)不同的算法進(jìn)行比較分析，確定各算法的優(yōu)劣所在；最后，提出了農(nóng)業(yè)產(chǎn)業(yè)化龍頭企業(yè)進(jìn)行社會(huì)責(zé)任評(píng)價(jià)時(shí)可以采用的合理的指標(biāo)權(quán)重算法。

關(guān)鍵詞：農(nóng)業(yè)龍頭企業(yè)；企業(yè)社會(huì)責(zé)任；權(quán)重算法

一、 引言

農(nóng)業(yè)產(chǎn)業(yè)化龍頭企業(yè)是農(nóng)村經(jīng)濟(jì)的重要主體，它在一端與廣大農(nóng)戶鏈接，在另一端與流通商或消費(fèi)者鏈接，充當(dāng)著農(nóng)產(chǎn)品供需市場(chǎng)的橋梁。中央歷來十分重視農(nóng)業(yè)龍頭企業(yè)在提高農(nóng)業(yè)產(chǎn)業(yè)化程度及推動(dòng)現(xiàn)代農(nóng)業(yè)上的作用，不僅多次以文件形式加以明確，同時(shí)在稅收、配套設(shè)施等多方面對(duì)農(nóng)業(yè)龍頭企業(yè)的發(fā)展給予了有效支持。受益于此，農(nóng)業(yè)龍頭企業(yè)在近十幾年間得到了長(zhǎng)足的發(fā)展，以新希望、雛鷹農(nóng)牧等為代表的農(nóng)業(yè)企業(yè)在創(chuàng)造自身效益的同時(shí)，亦有效帶動(dòng)了當(dāng)?shù)亟?jīng)濟(jì)的發(fā)展。然而資本畢竟是逐利的，以利潤(rùn)最大化或股東權(quán)益最大化為經(jīng)營(yíng)目標(biāo)，難免會(huì)導(dǎo)致農(nóng)業(yè)企業(yè)過分關(guān)注其經(jīng)營(yíng)業(yè)績(jī)，而忽視了其本應(yīng)履行的社會(huì)責(zé)任；同時(shí)作為國(guó)民經(jīng)濟(jì)的基礎(chǔ)，農(nóng)業(yè)部門的發(fā)展理應(yīng)從全局角度予以考慮，成為國(guó)家可持續(xù)發(fā)展的“動(dòng)力之源”。因而，應(yīng)要求農(nóng)業(yè)龍頭企業(yè)的經(jīng)營(yíng)具備公共色彩，并履行相應(yīng)的社會(huì)責(zé)任。

但是，如何對(duì)農(nóng)業(yè)龍頭企業(yè)的社會(huì)責(zé)任進(jìn)行衡量？企業(yè)社會(huì)責(zé)任的評(píng)價(jià)不同于生產(chǎn)分析，也不同于財(cái)務(wù)分析，它包含更多的評(píng)價(jià)維度和更強(qiáng)的主觀性。通常的解決方法是將企業(yè)社會(huì)責(zé)任（CSR）的評(píng)價(jià)視為一個(gè)多指標(biāo)的綜合評(píng)價(jià)問題，即表示為如下形式：

y=f（x，w）（1）

其中，y為評(píng)價(jià)結(jié)果；x為評(píng)價(jià)指標(biāo)，包括指標(biāo)體系的構(gòu)建以及指標(biāo)數(shù)據(jù)的標(biāo)準(zhǔn)化方法等問題；w為指標(biāo)權(quán)重，包括是否顯化權(quán)重以及權(quán)重算法的選擇等問題；f為評(píng)價(jià)函數(shù)，包括函數(shù)形式的選擇等問題。稱式（1）得到的評(píng)價(jià)結(jié)果為絕對(duì)評(píng)價(jià)值。進(jìn)一步地，當(dāng)y值已知或經(jīng)運(yùn)算得知時(shí)，可以得到評(píng)價(jià)結(jié)果的相對(duì)評(píng)價(jià)值（如通過DEA法多的值），此時(shí)評(píng)價(jià)方法可表示為（2）式：

h=g（y，u，x，v）（2）

然而，無論是（1）式還是（2）式，評(píng)價(jià)問題的一個(gè)重要基礎(chǔ)是確定評(píng)價(jià)指標(biāo)的權(quán)重值，本文以下部分將對(duì)幾種常見的權(quán)重值算法進(jìn)行比較分析，希望確定適用于評(píng)價(jià)農(nóng)業(yè)產(chǎn)業(yè)化龍頭企業(yè)社會(huì)責(zé)任的權(quán)重計(jì)算方法。

二、 評(píng)價(jià)指標(biāo)的權(quán)重值算法

目前國(guó)內(nèi)外關(guān)于評(píng)價(jià)指標(biāo)權(quán)重的算法有多種，具體到企業(yè)社會(huì)責(zé)任評(píng)價(jià)時(shí)，已有研究文獻(xiàn)中的方法大致可分為兩類：一類為主觀算法；另一類為客觀算法。

1. 主觀權(quán)重算法。當(dāng)某種權(quán)重算法在比較權(quán)重關(guān)系時(shí)，直接依賴于個(gè)人判斷或間接通過數(shù)據(jù)反映個(gè)人判斷時(shí)，可以將該種算法劃分為主觀權(quán)重算法。主觀權(quán)重算法又可進(jìn)一步細(xì)分為兩類：一類方法根據(jù)專家的知識(shí)及經(jīng)驗(yàn)對(duì)指標(biāo)間關(guān)系進(jìn)行直接評(píng)價(jià)，從而確定指標(biāo)權(quán)重，如專家打分法、層次分析法；另一類方法則基于專家的事后主觀判斷反向推斷其判斷邏輯，從而確定指標(biāo)權(quán)重，如粗糙集方法、神經(jīng)網(wǎng)絡(luò)法。

（1）德爾菲法。該方法依據(jù)系統(tǒng)的程序，采用匿名發(fā)表意見的方式（即專家之間不得互相討論，不發(fā)生橫向聯(lián)系，只能與調(diào)查人員發(fā)生關(guān)系），通過反復(fù)的填寫問卷，以集結(jié)問卷填寫人的共識(shí)及搜集各方意見，應(yīng)對(duì)復(fù)雜任務(wù)難題的管理技術(shù)，如李雄飛在對(duì)某有色金屬加工企業(yè)社會(huì)責(zé)任的綜合評(píng)價(jià)中，即采用德爾菲法由20位專家對(duì)該企業(yè)的經(jīng)濟(jì)貢獻(xiàn)、環(huán)境影響等四類指標(biāo)的權(quán)重進(jìn)行確定，并基于指標(biāo)權(quán)重運(yùn)用模糊分析法對(duì)企業(yè)的社會(huì)責(zé)任作出了評(píng)價(jià)。

（2）層次分析法。層次分析算法將決策者對(duì)復(fù)雜系統(tǒng)的決策過程模型化，是一種定性與定量相結(jié)合的決策分析方法。應(yīng)用這種方法，決策者通過將復(fù)雜問題分解為若干層次和若干因素，在各因素之間進(jìn)行簡(jiǎn)單的比較和計(jì)算，就可以得出不同方案的權(quán)重，為最佳方案的選擇提供依據(jù)。AHP方法可以單獨(dú)使用，也可與多種數(shù)據(jù)處理方法聯(lián)合使用，得出企業(yè)社會(huì)責(zé)任的評(píng)價(jià)數(shù)值，如齊二石、朱永明、焦馨銳則通過層次分析得出了煤炭企業(yè)社會(huì)責(zé)任評(píng)價(jià)指標(biāo)的權(quán)重值，并基于此運(yùn)用灰色聚類法對(duì)煤炭企業(yè)進(jìn)行了評(píng)價(jià)。層次分析法是目前眾多的權(quán)重算法中，較多運(yùn)用于農(nóng)業(yè)企業(yè)CSR的方法，如王林萍、施嬋娟、林奇英通過層次分析法對(duì)農(nóng)藥企業(yè)的社會(huì)責(zé)任進(jìn)行了評(píng)價(jià)，孫承飛采用層次分析和模糊評(píng)價(jià)相結(jié)合的方法對(duì)安徽某種業(yè)公司的社會(huì)責(zé)任進(jìn)行了評(píng)價(jià)。

（3）粗糙集方法。粗糙集方法也是一種基于主觀判斷的權(quán)重算法，但與專家打分法和層次分析法不同的是，粗糙集法的主觀性并不體現(xiàn)在對(duì)指標(biāo)權(quán)重的主觀判斷，而是體現(xiàn)在對(duì)待評(píng)對(duì)象的最終評(píng)價(jià)，即它是基于專家的事后主觀判斷反向推斷其判斷邏輯，從而確定指標(biāo)權(quán)重。具體的算法源自數(shù)學(xué)中的粗糙集理論，將全體評(píng)價(jià)指標(biāo)視為條件屬性，將最終評(píng)價(jià)視為決策屬性，然后分別計(jì)算條件屬性全集對(duì)決策屬性集的知識(shí)依賴度、去單指標(biāo)的條件屬性集與決策屬性集的知識(shí)依賴度（如指標(biāo)全集包含財(cái)務(wù)指標(biāo)、人資指標(biāo)、生產(chǎn)指標(biāo)，則考慮財(cái)務(wù)指標(biāo)的去單因素條件屬性集則只包含人資指標(biāo)和生產(chǎn)指標(biāo)），則兩者之差即為該指標(biāo)對(duì)于決策屬性的重要程度（即絕對(duì)權(quán)重，記為？酌i），再計(jì)算其他各指標(biāo)的絕對(duì)權(quán)重并求其歸一化權(quán)值即得到評(píng)價(jià)指標(biāo)的相對(duì)權(quán)重？棕i；此外，有學(xué)者給出了一種改進(jìn)的粗糙集算法，將粗糙集理論與模糊集理論相結(jié)合以確定指標(biāo)權(quán)重。在應(yīng)用方面，龐永師、王瑩將粗糙集算法應(yīng)用與建筑企業(yè)的社會(huì)責(zé)任評(píng)價(jià)，確定其評(píng)價(jià)體系中一級(jí)指標(biāo)和二級(jí)指標(biāo)的權(quán)重分配。

使用粗糙集方法的步驟如下：

①建立起包含條件屬性和決策屬性的知識(shí)表達(dá)系統(tǒng)；

②將條件屬性全集、去單指標(biāo)條件屬性集、決策屬性分別作為不可分辨關(guān)系，得到相應(yīng)基本集；

③分別計(jì)算決策屬性集相對(duì)于條件屬性全集和去單指標(biāo)條件屬性集的肯定域；

④分別計(jì)算決策屬性集相對(duì)于條件屬性全集和去單指標(biāo)條件屬性集的依賴程度；

⑤將上步所得的依賴程度作差，得到絕對(duì)權(quán)重？酌i；

⑥歸一化處理后得到相對(duì)權(quán)重，即各評(píng)價(jià)指標(biāo)權(quán)重？棕i。

（4）神經(jīng)網(wǎng)絡(luò)法。神經(jīng)網(wǎng)絡(luò)是模仿人腦利用神經(jīng)元相互激勵(lì)并建立學(xué)習(xí)機(jī)制的方法來對(duì)決策過程建模。采用神經(jīng)網(wǎng)絡(luò)法確定指標(biāo)權(quán)重時(shí)與粗糙集方法類似，同樣是基于事后判斷反推指標(biāo)權(quán)重，不同之處在于算法的具體實(shí)現(xiàn)不同。典型的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)分為三層，包括輸入層、隱含層和輸出層，并將數(shù)據(jù)（對(duì)象）劃分為訓(xùn)練集、檢測(cè)集和測(cè)試集，通過訓(xùn)練集數(shù)據(jù)（對(duì)象的最終評(píng)價(jià)）和合適的算法擬合指標(biāo)的權(quán)重，并用檢測(cè)集數(shù)據(jù)經(jīng)行檢測(cè)。在實(shí)際操作中，常用的神經(jīng)網(wǎng)絡(luò)算法為反向傳播法（即常說的BP算法），其基本思想是在對(duì)權(quán)重初始化之后，根據(jù)網(wǎng)絡(luò)輸出值與期望值計(jì)算誤差，由后至前逆向?qū)⒄`差進(jìn)行分解從而對(duì)各層權(quán)重進(jìn)行調(diào)整，直到網(wǎng)絡(luò)的擬合誤差達(dá)到預(yù)定要求。目前，在企業(yè)的社會(huì)責(zé)任評(píng)價(jià)中，使用神經(jīng)網(wǎng)絡(luò)法進(jìn)行權(quán)重確定的研究較少，僅有部分研究者從理論及使用可能性的角度進(jìn)行了討論。

2. 客觀權(quán)重算法。當(dāng)采用某種算法確定權(quán)重指標(biāo)時(shí)，如果運(yùn)算并非基于專家的對(duì)權(quán)重判斷或事后結(jié)果的判斷，而是部分或完全基于樣本數(shù)據(jù)，則可以將此種算法劃分為客觀權(quán)重算法。較為常見的客觀權(quán)重算法有變異系數(shù)法、因子分析法、熵值法等。

（1）變異系數(shù)法。變異系數(shù)法，顧名思義就是利用各評(píng)價(jià)指標(biāo)的變異系數(shù)計(jì)算其相對(duì)權(quán)重的方法。某指標(biāo)的變異系數(shù)（C.V），由該指標(biāo)的標(biāo)準(zhǔn)差除以其數(shù)學(xué)期望得出，它的大小表征了變量（指標(biāo)）消除量綱后的離散程度。而利用變異系數(shù)法確定指標(biāo)權(quán)重正是基于這樣一種思想：如果某指標(biāo)的變異系數(shù)較大，則說明各樣本（待評(píng)對(duì)象）在該指標(biāo)內(nèi)的離散程度越大，也就表明該指標(biāo)值越是不容易趨同，越是難以實(shí)現(xiàn)，故而間接反映出該指標(biāo)對(duì)樣本越是重要。然后，更根據(jù)這種重要程度進(jìn)行歸一化處理得出指標(biāo)權(quán)重。已有研究中，冀巨海、王琪在評(píng)價(jià)企業(yè)管理績(jī)效時(shí)，使用變異系數(shù)法對(duì)確定各評(píng)價(jià)指標(biāo)的權(quán)系數(shù)。

（2）因子分析法。因子分析是指研究從變量群中提取共性因子的統(tǒng)計(jì)技術(shù)，是一種將變量集合降維的方法，通過公共因子的選擇提取原始變量的絕大部分信息。文獻(xiàn)中常用的因子分析式權(quán)重算法的思路是，指標(biāo)權(quán)重等于以主成分的方差貢獻(xiàn)率為權(quán)重，對(duì)該指標(biāo)在各主成分線性組合中的系數(shù)的加權(quán)平均的歸一化。利用因子分析法確定企業(yè)社會(huì)責(zé)任評(píng)價(jià)指標(biāo)權(quán)重的典型研究，有徐泓、朱秀霞和趙天燕、張雪對(duì)滬深上市企業(yè)社會(huì)責(zé)任的研究，趙紅等對(duì)煤炭企業(yè)社會(huì)責(zé)任的研究以及王楠、苗迪對(duì)于火電企業(yè)社會(huì)責(zé)任的評(píng)價(jià)研究。

（3）熵值法。信息熵被用作衡量系統(tǒng)無序程度的一種指標(biāo)（序指序概率上的序關(guān)系），系統(tǒng)內(nèi)序關(guān)系越是明顯，那就越容易區(qū)分系統(tǒng)內(nèi)的各個(gè)對(duì)象，則認(rèn)為識(shí)別系統(tǒng)所需的信息量越小，反之則需要較多的信息對(duì)系統(tǒng)進(jìn)行識(shí)別。而熵值法確定指標(biāo)權(quán)重的思路即是認(rèn)為信息量較大（無序程度較高）的指標(biāo)應(yīng)該被賦予較小的權(quán)重。熵值確定權(quán)重的方法較為簡(jiǎn)單，部分研究者已將其引入到對(duì)企業(yè)社會(huì)責(zé)任的評(píng)價(jià)中，如梁星、肖麗娜采用熵值法確定了煤炭企業(yè)評(píng)價(jià)指標(biāo)的權(quán)重；周憲鋒、高順成在乳品企業(yè)社會(huì)責(zé)任的評(píng)價(jià)中也采用熵值法確定指標(biāo)權(quán)重。

三、 權(quán)重值算法的優(yōu)劣比較

通過上述對(duì)各種算法原理的介紹可以看出，無論是主觀權(quán)重算法還是客觀權(quán)重算法，都存在某些局限性。

1. 對(duì)主觀權(quán)重算法的優(yōu)劣比較。專家打分法的優(yōu)點(diǎn)在于：（1）能夠充分利用不同專家的經(jīng)驗(yàn)和知識(shí)；（2）采用多輪匿名或背靠背的評(píng)價(jià)方式，能夠保證評(píng)價(jià)結(jié)果具備充分的可靠性和統(tǒng)一性。其缺點(diǎn)為：（1）算法基于專家的最終評(píng)價(jià)結(jié)果，所以采用此種方法無法顯化專家評(píng)價(jià)的全部邏輯；（2）打分過程需要反復(fù)征詢，會(huì)花費(fèi)較長(zhǎng)時(shí)間，并且最終可能無法獲得相對(duì)一致的意見。

層次分析法的優(yōu)點(diǎn)在于：（1）可以使專家借助指標(biāo)體系進(jìn)行全面考慮，將其評(píng)價(jià)邏輯全部顯化，并獲取某些不易察覺的知識(shí)；（2）具備固定的算法和程序，時(shí)評(píng)價(jià)過程所需時(shí)間得以縮減。其缺點(diǎn)為：（1）評(píng)價(jià)基礎(chǔ)源于所設(shè)定的評(píng)價(jià)指標(biāo)體系，當(dāng)評(píng)價(jià)系統(tǒng)所含指標(biāo)存在缺失或偏差時(shí)，可能會(huì)導(dǎo)致評(píng)價(jià)結(jié)果的失準(zhǔn)；（2）評(píng)價(jià)結(jié)果僅代表該專家的判斷，由不同的專家可能得到不同的AHP分析結(jié)果，因而需要考慮對(duì)差異進(jìn)行處理。

粗糙集算法的優(yōu)點(diǎn)在于：（1）將權(quán)重指標(biāo)視為"黑箱"進(jìn)行處理，專家需要的只是給出最終評(píng)價(jià)，權(quán)重由后期的數(shù)據(jù)處理得出，可以大大壓縮專家的判斷時(shí)間；（2）能夠得到粗糙集視角下各指標(biāo)的絕對(duì)權(quán)重，可以對(duì)指標(biāo)體系的完整性作出衡量；（3）能夠得到屬性全集的相對(duì)約簡(jiǎn)和相對(duì)核，可以對(duì)指標(biāo)體系作出簡(jiǎn)化。其缺點(diǎn)為：（1）方法的前提是專家足夠權(quán)威并能充分考慮評(píng)價(jià)的各個(gè)維度；（2）不能將專家評(píng)價(jià)的詳細(xì)邏輯顯化（相較于層次分析法）；（3）可能產(chǎn)生專家評(píng)價(jià)不一致的情況，需要指標(biāo)設(shè)計(jì)者對(duì)不同的意見進(jìn)行相應(yīng)處理。

神經(jīng)網(wǎng)絡(luò)法的優(yōu)點(diǎn)在于：（1）方法屬于人工智能范疇，是一種對(duì)于“黑箱”參數(shù)的非線性擬合技術(shù)；（2）相較于一般回歸方程式的線性擬合，神經(jīng)網(wǎng)絡(luò)具備可以任意精度逼近任何非線性函數(shù)的優(yōu)勢(shì)，并同時(shí)具有分布式存儲(chǔ)、自組織、自學(xué)習(xí)等特點(diǎn)。其缺點(diǎn)為：（1）同粗糙集方法類似，該方法所做的是對(duì)專家知識(shí)的模擬，卻無法給出專家評(píng)價(jià)的詳細(xì)邏輯；（2）即便采用相同的神經(jīng)網(wǎng)絡(luò)算法，所得的權(quán)重結(jié)果也存在不穩(wěn)定性；（3）算法的數(shù)據(jù)基礎(chǔ)是訓(xùn)練集及檢測(cè)集，需要較多的已評(píng)價(jià)數(shù)據(jù)用于網(wǎng)絡(luò)的訓(xùn)練和檢測(cè)。

2. 對(duì)客觀權(quán)重算法的優(yōu)劣比較。變異系數(shù)法的優(yōu)點(diǎn)在于：（1）評(píng)價(jià)過程中不需要采納專家的觀點(diǎn)；（2）操作較為簡(jiǎn)單，從指標(biāo)離差的角度予以考慮。其缺點(diǎn)在于：變異系數(shù)大表明指標(biāo)離散程度高，但指標(biāo)離散程度越高并不一定表明該指標(biāo)就越重要，需要根據(jù)情況具體分析。

因子分析法的優(yōu)點(diǎn)在于：（1）與變異系數(shù)法類似，評(píng)價(jià)過程中不需要采納專家的觀點(diǎn)；（2）操作起來較為簡(jiǎn)單快捷。其缺點(diǎn)在于：（1）通過該方法所得到的指標(biāo)權(quán)重，實(shí)際上是變量經(jīng)降維處理后所包含的原有信息程度，但包含原有變量系統(tǒng)的信息多僅代表指標(biāo)對(duì)擬合原有數(shù)據(jù)更重要，并不代表其相對(duì)其他指標(biāo)更重要；（2）如需進(jìn)一步確定指標(biāo)權(quán)重，仍須用公因子對(duì)目標(biāo)做回歸擬合或非線性擬合，然而，經(jīng)降為處理后的公共因子本來就丟失了各指標(biāo)的獨(dú)特信息，其結(jié)果可能不如用各指標(biāo)直接經(jīng)行回歸；（3）因子分析法所得的指標(biāo)權(quán)重極大的依賴于所選的數(shù)據(jù)，不同的數(shù)據(jù)庫(kù)及因子算法可能帶來結(jié)果的巨大差異。

熵值法的優(yōu)點(diǎn)在于：（1）評(píng)價(jià)過程中不需要采納專家的觀點(diǎn)；（2）操作較為簡(jiǎn)單，從指標(biāo)信息量（有序程度）的角度予以考慮。其缺點(diǎn)在于：（1）文獻(xiàn)中所采用的熵權(quán)法存在明顯的錯(cuò)誤，因?yàn)樵谛畔㈧氐挠?jì)算過程中，如果將每項(xiàng)指標(biāo)視為一個(gè)隨機(jī)變量，那么某樣本在該指標(biāo)的出現(xiàn)概率顯然不是用該樣本的指標(biāo)值除以指標(biāo)總值，而是應(yīng)根據(jù)其為離散型變量或連續(xù)型變量分別考慮其概率分布函數(shù)或概率密度函數(shù)；（2）熵權(quán)法作為一種客觀算法，根據(jù)各項(xiàng)指標(biāo)的信息熵判斷指標(biāo)相對(duì)重要程度的標(biāo)準(zhǔn)，一方面需要根據(jù)實(shí)際問題加以判斷，另一方面其權(quán)重結(jié)果可能受到所選樣本的影響。

四、 農(nóng)業(yè)產(chǎn)業(yè)化龍頭企業(yè)權(quán)重算法的選擇

從上述關(guān)于主觀及客觀方法的比較可以看出，基于客觀的指標(biāo)評(píng)價(jià)法多是基于對(duì)樣本數(shù)據(jù)的某種處理，得到如變異系數(shù)、信息熵等指標(biāo)從而對(duì)指標(biāo)權(quán)重進(jìn)行判斷。然而，這些客觀的衡量指標(biāo)卻是由其使用者主觀選擇的，且指標(biāo)權(quán)重受到使用者“主觀”選擇的數(shù)據(jù)影響，因而并不能算是完全意義的客觀法。評(píng)價(jià)指標(biāo)體系的構(gòu)建本身就是一個(gè)相對(duì)主觀的過程，所選的評(píng)價(jià)指標(biāo)本身就是評(píng)價(jià)者對(duì)于客觀數(shù)據(jù)某種綜合取舍及評(píng)判，因而，在選擇農(nóng)業(yè)龍頭企業(yè)社會(huì)責(zé)任評(píng)價(jià)的指標(biāo)權(quán)重算法時(shí)，可以采用多種主觀算法相結(jié)合的方式，例如：可以首先使用粗糙集方法對(duì)指標(biāo)體系的完整度進(jìn)行甄別，若完整度較好則再使用德爾菲法、層次分析法、神經(jīng)網(wǎng)絡(luò)法等確定指標(biāo)權(quán)重，最后采用層次分析法或者灰色聚類法對(duì)樣本經(jīng)行分類或者打分。

參考文獻(xiàn)：

1. 李雄飛.企業(yè)社會(huì)責(zé)任的多級(jí)模糊綜合評(píng)價(jià).統(tǒng)計(jì)與決策，2009，（4）：168-170.

2. 齊二石，朱永明，焦馨銳.基于灰色理論的煤炭企業(yè)社會(huì)責(zé)任績(jī)效評(píng)價(jià)研究.商業(yè)研究，2011，（10）：12-16.

3. 王林萍，施嬋娟，林奇英.農(nóng)藥企業(yè)社會(huì)責(zé)任指標(biāo)體系與評(píng)價(jià)方法.技術(shù)經(jīng)濟(jì)，2007，（9）：98-102+122.

4. 孫承飛.基于BSC的農(nóng)業(yè)企業(yè)社會(huì)責(zé)任績(jī)效評(píng)價(jià)研究.重慶科技學(xué)院學(xué)報(bào)（社會(huì)科學(xué)版），2011，（13）：84-86.

5. 那保國(guó).粗糙集—模糊積分模型：一種評(píng)價(jià)企業(yè)社會(huì)責(zé)任的新方法.統(tǒng)計(jì)與決策，2012，（3）：103-106.

6. 龐永師，王瑩.基于粗糙集的建筑企業(yè)社會(huì)責(zé)任評(píng)價(jià)指標(biāo)權(quán)重確定.工程管理學(xué)報(bào)，2012，（3）：109-113.

7. 朱學(xué)穎，張丕宏.BP神經(jīng)網(wǎng)絡(luò)在企業(yè)社會(huì)責(zé)任評(píng)價(jià)中的應(yīng)用淺探.商業(yè)文化（學(xué)術(shù)版），2009，（4）：80-81.

8. 楊宇鳳，焦馨銳，朱永明.基于數(shù)據(jù)倉(cāng)庫(kù)的企業(yè)社會(huì)責(zé)任評(píng)價(jià)研究.會(huì)計(jì)之友，2011，（29）：26-29.

9. 冀巨海，王琪.煤炭企業(yè)績(jī)效灰色關(guān)聯(lián)評(píng)價(jià)——基于變異系數(shù)法的分析.經(jīng)濟(jì)問題，2011，（5）：89-91.

10. 徐泓，朱秀霞.低碳經(jīng)濟(jì)視角下企業(yè)社會(huì)責(zé)任評(píng)價(jià)指標(biāo)分析.中國(guó)軟科學(xué)，2012，（1）：153-159.

基金項(xiàng)目：香港樂施會(huì)資助課題“農(nóng)業(yè)產(chǎn)業(yè)化龍頭企業(yè)社會(huì)責(zé)任評(píng)價(jià)研究和網(wǎng)絡(luò)平臺(tái)”（項(xiàng)目號(hào)：PCU-94091-02-1213A-F）；國(guó)家社會(huì)科學(xué)基金一般項(xiàng)目“農(nóng)業(yè)產(chǎn)業(yè)化龍頭企業(yè)社會(huì)責(zé)任研究”（項(xiàng)目號(hào)：11BGL054）。

作者簡(jiǎn)介：張照新，中國(guó)人民大學(xué)經(jīng)濟(jì)學(xué)博士，農(nóng)業(yè)部農(nóng)村經(jīng)濟(jì)研究中心產(chǎn)業(yè)與技術(shù)研究室室主任、研究員；陳新達(dá)，中國(guó)人民大學(xué)農(nóng)業(yè)與農(nóng)村發(fā)展學(xué)院管理學(xué)博士生；徐雪高，中國(guó)人民大學(xué)管理學(xué)博士，農(nóng)業(yè)部農(nóng)村經(jīng)濟(jì)研究中心產(chǎn)業(yè)與技術(shù)研究室副研究員。

收稿日期：2014-06-20。