馬可，許亞東，朱家明

(安徽財(cái)經(jīng)大學(xué)a.國(guó)貿(mào)學(xué)院，b.經(jīng)濟(jì)學(xué)院，c.統(tǒng)計(jì)與應(yīng)用數(shù)學(xué)學(xué)院，安徽蚌埠233030)

基于模糊綜合評(píng)價(jià)法的土地儲(chǔ)備風(fēng)險(xiǎn)評(píng)估

馬可a，許亞東b，朱家明c*

(安徽財(cái)經(jīng)大學(xué)a.國(guó)貿(mào)學(xué)院，b.經(jīng)濟(jì)學(xué)院，c.統(tǒng)計(jì)與應(yīng)用數(shù)學(xué)學(xué)院，安徽蚌埠233030)

針對(duì)土地儲(chǔ)備項(xiàng)目的風(fēng)險(xiǎn)評(píng)估，通過主成分判別、層次分析、模糊綜合評(píng)價(jià)、殘差分析、系統(tǒng)聚類分析等方法，運(yùn)用MATLAB、EXCEL等軟件，綜合分析土地儲(chǔ)備項(xiàng)目指標(biāo)數(shù)據(jù)和風(fēng)險(xiǎn)之間的關(guān)系，依托模糊綜合評(píng)價(jià)模型，給出風(fēng)險(xiǎn)評(píng)估方法，并與專家綜合評(píng)價(jià)打分做對(duì)比驗(yàn)證，證明了本文給出的風(fēng)險(xiǎn)評(píng)估方法具有很高的可信度，適合對(duì)土地儲(chǔ)備部門分析項(xiàng)目風(fēng)險(xiǎn)提供參考.

土地儲(chǔ)備;模糊綜合評(píng)價(jià);殘差分析;模糊C均值聚類;MATLAB;Eviews①

0 引言

伴隨經(jīng)濟(jì)快速的發(fā)展，我國(guó)土地資源日益減少而其使用價(jià)值則逐年增加，土地儲(chǔ)備機(jī)構(gòu)積極管理各類土地儲(chǔ)備項(xiàng)目，在增加各地財(cái)政收入的同時(shí)以改善基礎(chǔ)設(shè)施建設(shè).由于土地儲(chǔ)備項(xiàng)目存在各類風(fēng)險(xiǎn)，若處理不當(dāng)，可能會(huì)給地方經(jīng)濟(jì)帶來重大損失，甚至引發(fā)區(qū)域金融風(fēng)暴.因此，實(shí)用的風(fēng)險(xiǎn)評(píng)估方法將成為解決此類問題的關(guān)鍵，且對(duì)合理選擇開發(fā)項(xiàng)目、充分利用土地資源、獲取更大效益均具有重要意義，本文試圖建模對(duì)土地儲(chǔ)備風(fēng)險(xiǎn)進(jìn)行定量評(píng)估，以給出有價(jià)值的結(jié)論.

1 數(shù)據(jù)的獲取及假設(shè)

數(shù)據(jù)來源于2014第七屆“認(rèn)證杯”數(shù)學(xué)建模網(wǎng)絡(luò)挑戰(zhàn)賽C［1］.為便于解決問題，提出以下假設(shè):⑴土地儲(chǔ)備方案實(shí)行期間無(wú)重大自然災(zāi)害，不考慮其他因素影響;⑵所選取的社會(huì)經(jīng)濟(jì)指標(biāo)能基本涵蓋風(fēng)險(xiǎn)評(píng)估的重要方面;⑶方案實(shí)行期間沒有發(fā)生嚴(yán)重的通貨膨脹和通貨緊縮，社會(huì)較穩(wěn)定;⑷所給數(shù)據(jù)只有個(gè)別漏填或誤填現(xiàn)象，其余數(shù)據(jù)可以充分反映真實(shí)信息;⑸所采用的指標(biāo)，不會(huì)全部同比例變化;⑹存在人為修改的數(shù)據(jù)，修改幅度較大.

2 土地儲(chǔ)備方案的風(fēng)險(xiǎn)評(píng)估方法

2.1 研究思路

首先確定影響風(fēng)險(xiǎn)評(píng)價(jià)各項(xiàng)指標(biāo)，采用主成分分析法并結(jié)合相關(guān)數(shù)據(jù)、相應(yīng)理論，根據(jù)貢獻(xiàn)率大小確定影響項(xiàng)目風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo).其次確定各個(gè)主成分的權(quán)重，采用層次分析法，通過建立風(fēng)險(xiǎn)遞階層次結(jié)構(gòu)圖并結(jié)合相關(guān)數(shù)據(jù)，確立合理的權(quán)重.最后進(jìn)行風(fēng)險(xiǎn)評(píng)估，采用相對(duì)偏差模糊矩陣評(píng)價(jià)法，建立模糊綜合評(píng)價(jià)模型，得到項(xiàng)目風(fēng)險(xiǎn)度的函數(shù)公式.

2.2 數(shù)據(jù)處理

在此根據(jù)相關(guān)數(shù)據(jù)，利用主成分分析法［2］，運(yùn)用MATLAB軟件，根據(jù)貢獻(xiàn)率大小確定了影響項(xiàng)目風(fēng)險(xiǎn)評(píng)價(jià)的4個(gè)指標(biāo)，分別為財(cái)務(wù)凈現(xiàn)值率(項(xiàng)目財(cái)務(wù)凈現(xiàn)值與項(xiàng)目總投資之比)、融資成功率(銀行批復(fù)額度與項(xiàng)目投資總額預(yù)算之比)、資金動(dòng)態(tài)回收周期和人口密度相對(duì)數(shù).在此基礎(chǔ)上，采用層次分析法，首先建立風(fēng)險(xiǎn)遞階層次結(jié)構(gòu)圖，并采用定量相對(duì)重要度a=1.618的新模糊標(biāo)度，得到模糊判斷矩陣如下:

其次，利用特征向量法尋找出四個(gè)因素的權(quán)重向量，運(yùn)用MATLAB軟件，得到各指標(biāo)權(quán)重分別為:W=(0.466，0.288，0.178，0.068).

最后為了保證結(jié)果的有效性，對(duì)其進(jìn)行一致性檢驗(yàn)，得到判斷矩陣的最大特征值為: λmax=4以及一致性指標(biāo)CI=9.3411×10-7，當(dāng)n=4時(shí)，查詢隨機(jī)一致性指標(biāo)表可知RI =0.94，經(jīng)計(jì)算可知CR=9.9373×10-7＜0.1，則比較判斷矩陣通過一致性檢驗(yàn)［3］并得到各指標(biāo)權(quán)重(見表1).

表1 各評(píng)價(jià)指標(biāo)權(quán)重

2.3研究方法

對(duì)項(xiàng)目進(jìn)行風(fēng)險(xiǎn)評(píng)估時(shí)，采用相對(duì)偏差模糊矩陣評(píng)價(jià)［4］進(jìn)行分析求解.

2.4 結(jié)果分析

由上述模糊綜合評(píng)價(jià)方法，利用EXCEL軟件對(duì)數(shù)據(jù)進(jìn)行處理，可得到相對(duì)偏差模糊矩陣.

最后結(jié)合層次分析法中所求出的權(quán)重，可得到項(xiàng)目風(fēng)險(xiǎn)度公式為:

Yi=0.466×ri1+0.288×ri2+0.178×ri3+0.068×ri4(3)

3 退回項(xiàng)目的風(fēng)險(xiǎn)分析

3.1研究思路

考慮到方案數(shù)據(jù)存在人為修改的可能，采用殘差分析法對(duì)各個(gè)指標(biāo)的數(shù)據(jù)進(jìn)行分析，找出置信帶以外的異常數(shù)據(jù)對(duì)應(yīng)的項(xiàng)目，其次按照前述的風(fēng)險(xiǎn)評(píng)估方法得出風(fēng)險(xiǎn)度，并選出10個(gè)風(fēng)險(xiǎn)最大的項(xiàng)目，最后從風(fēng)險(xiǎn)評(píng)估模型的角度，對(duì)選出的10個(gè)項(xiàng)目進(jìn)行風(fēng)險(xiǎn)分析.

3.2 研究方法

對(duì)項(xiàng)目進(jìn)行風(fēng)險(xiǎn)分析時(shí)，需要考慮數(shù)據(jù)人為修改的風(fēng)險(xiǎn)，故進(jìn)行數(shù)據(jù)殘差分析，做出評(píng)價(jià)指標(biāo)與風(fēng)險(xiǎn)度的函數(shù)模型，找出分散在置信帶以外的數(shù)據(jù)即異常數(shù)據(jù).首先用Eviews做出財(cái)務(wù)凈現(xiàn)值率、融資成功率、人口密度相對(duì)數(shù)和動(dòng)態(tài)回收周期與風(fēng)險(xiǎn)度的相關(guān)圖，可知融資成功率和人口密度相對(duì)數(shù)與風(fēng)險(xiǎn)度的相關(guān)圖比較分散，舍棄這兩項(xiàng)指標(biāo)不做分析，對(duì)財(cái)務(wù)凈現(xiàn)值率和動(dòng)態(tài)回收周期與風(fēng)險(xiǎn)度之間進(jìn)行函數(shù)擬合.

首先對(duì)財(cái)務(wù)凈現(xiàn)值率與風(fēng)險(xiǎn)度進(jìn)行分析，運(yùn)用多種模型進(jìn)行曲線擬合，最終得到風(fēng)險(xiǎn)度與財(cái)務(wù)凈現(xiàn)值率的指數(shù)函數(shù)為:log(Yi)=-1.9916+1.7798×ai1，并且得到R2=0.914973，擬合結(jié)果較好，于是對(duì)財(cái)務(wù)凈現(xiàn)值率與風(fēng)險(xiǎn)度進(jìn)行殘差分析，得到相應(yīng)的殘差圖(如圖1)，由殘差分析表可知異常數(shù)據(jù)的項(xiàng)目編號(hào)為:1、4、6、20、22、38、46、47、48、56、57、69、71.

圖1 財(cái)務(wù)凈現(xiàn)值率的殘差分析圖

圖2 項(xiàng)目風(fēng)險(xiǎn)貢獻(xiàn)率

同理，對(duì)動(dòng)態(tài)回收周期與風(fēng)險(xiǎn)度進(jìn)行分析時(shí)，得到風(fēng)險(xiǎn)度與動(dòng)態(tài)回收周期的線性函數(shù)為:

Yi=0.2078+0.6244×ai2(4)

進(jìn)行殘差分析得到相應(yīng)的殘差分析圖，并由殘差分析表可知異常數(shù)據(jù)的項(xiàng)目編號(hào)為:2、4、38、46、47、48、49、56、57、69、71.

3.3 結(jié)果分析

按前述風(fēng)險(xiǎn)評(píng)估，運(yùn)用EXCEL得出各個(gè)項(xiàng)目對(duì)應(yīng)的風(fēng)險(xiǎn)度，并對(duì)此進(jìn)行分析可知10個(gè)風(fēng)險(xiǎn)較大的項(xiàng)目編號(hào)為:4、47、24、2、69、36、71、46、51、62.并與殘差分析結(jié)果對(duì)照，可知10個(gè)風(fēng)險(xiǎn)較大的項(xiàng)目與可能有人為修改的項(xiàng)目間存在部分重合，在一定程度上也可說明前述中的風(fēng)險(xiǎn)評(píng)估方法具有一定的可行性.結(jié)合上述分析結(jié)果可知，編號(hào)為4、46、47、69、71的項(xiàng)目風(fēng)險(xiǎn)較大的原因:可能為財(cái)務(wù)凈現(xiàn)值率以及動(dòng)態(tài)回收周期存在人為修改;編號(hào)為2的項(xiàng)目風(fēng)險(xiǎn)較大的原因:可能為動(dòng)態(tài)回收周期存在人為修改的可能性.

現(xiàn)利用前述風(fēng)險(xiǎn)評(píng)估方法，從風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)的角度對(duì)各項(xiàng)目進(jìn)行風(fēng)險(xiǎn)分析，在此定義各評(píng)價(jià)指標(biāo)的風(fēng)險(xiǎn)度貢獻(xiàn)率為:

其中fij為風(fēng)險(xiǎn)率貢獻(xiàn)率.根據(jù)項(xiàng)目各指標(biāo)相應(yīng)風(fēng)險(xiǎn)度貢獻(xiàn)率，運(yùn)用EXCEL軟件做出所選10項(xiàng)目各指標(biāo)風(fēng)險(xiǎn)貢獻(xiàn)率圖(如圖2).由下圖可知:在10個(gè)風(fēng)險(xiǎn)較大的項(xiàng)目中，總體上人口密度相對(duì)數(shù)對(duì)項(xiàng)目風(fēng)險(xiǎn)幾乎無(wú)影響，財(cái)務(wù)凈現(xiàn)值率對(duì)項(xiàng)目風(fēng)險(xiǎn)的貢獻(xiàn)率最大即為項(xiàng)目存在的最大風(fēng)險(xiǎn)，其次是動(dòng)態(tài)回收周期，最后是融資成功率.

綜上所述，項(xiàng)目風(fēng)險(xiǎn)較大的原因除了存在人為修改可能之外，還有可能與各評(píng)價(jià)指標(biāo)的綜合影響有關(guān).得到編號(hào)為46項(xiàng)目風(fēng)險(xiǎn)較大原因:除了財(cái)務(wù)凈現(xiàn)值率以及動(dòng)態(tài)回收周期存在人為修改可能，融資成功率較低，人口密度相對(duì)數(shù)較大;編號(hào)為4、47、69、71項(xiàng)目風(fēng)險(xiǎn)較大原因:除了財(cái)務(wù)凈現(xiàn)值率以及動(dòng)態(tài)回收周期存在人為修改可能，融資成功率較低;編號(hào)為2項(xiàng)目風(fēng)險(xiǎn)較大原因:除了動(dòng)態(tài)回收周期存在人為修改可能，財(cái)務(wù)凈現(xiàn)值率較低，融資成功率較低;編號(hào)為24、36項(xiàng)目風(fēng)險(xiǎn)較大原因:財(cái)務(wù)凈現(xiàn)值率較低，動(dòng)態(tài)回收周期較短，融資成功率較低，人口密度相對(duì)數(shù)較大;編號(hào)為51、62項(xiàng)目風(fēng)險(xiǎn)較大原因可能為:財(cái)務(wù)凈現(xiàn)值率較低，動(dòng)態(tài)回收周期較短，融資成功率較低.

4 風(fēng)險(xiǎn)評(píng)估方法的進(jìn)一步修正

4.1 研究思路

首先對(duì)專家評(píng)分?jǐn)?shù)據(jù)進(jìn)行處理，采用指標(biāo)均值對(duì)缺失數(shù)據(jù)進(jìn)行分析及填補(bǔ)，采用聚類分析對(duì)數(shù)據(jù)進(jìn)行異常值分析并處理，得到項(xiàng)目的綜合評(píng)價(jià)得分，其次綜合考慮項(xiàng)目的收益與風(fēng)險(xiǎn)，在項(xiàng)目的收益方面選取相關(guān)指標(biāo)進(jìn)行主成分分析，找出對(duì)項(xiàng)目風(fēng)險(xiǎn)評(píng)估的第5個(gè)準(zhǔn)則并計(jì)算各項(xiàng)評(píng)價(jià)指標(biāo)的權(quán)重.最后建立相對(duì)偏差模糊綜合矩陣模型求解項(xiàng)目風(fēng)險(xiǎn)度，并與專家評(píng)估結(jié)果進(jìn)行擬合，從而構(gòu)建新的項(xiàng)目風(fēng)險(xiǎn)評(píng)估函數(shù).

4.2 數(shù)據(jù)處理

針對(duì)專家評(píng)分結(jié)果，易知項(xiàng)目序號(hào)為26的監(jiān)察部評(píng)分以及序號(hào)為69的財(cái)務(wù)部評(píng)分存在缺失，此處采用各部門評(píng)分均值填補(bǔ)缺失數(shù)據(jù)，項(xiàng)目26缺失數(shù)據(jù)填補(bǔ)為6，項(xiàng)目69缺失數(shù)據(jù)填補(bǔ)為8.

針對(duì)可能存在的異常數(shù)據(jù)，采用聚類分析，運(yùn)用SPSS軟件做出項(xiàng)目聚類結(jié)果的樹狀圖［5］.由圖可知，項(xiàng)目47的數(shù)據(jù)異常，可能為觀測(cè)員誤填現(xiàn)象.對(duì)所有項(xiàng)目對(duì)應(yīng)的五個(gè)評(píng)分?jǐn)?shù)據(jù)分別進(jìn)行數(shù)據(jù)分析可知，儲(chǔ)備部門平均打分為7.7972，標(biāo)準(zhǔn)差為0.9213，而項(xiàng)目47的儲(chǔ)備部評(píng)分為2分，嚴(yán)重偏離總體評(píng)分，在此以該列指標(biāo)數(shù)據(jù)均值代替原數(shù)據(jù)，得到項(xiàng)目47的儲(chǔ)備部評(píng)分為8分.

4.3 研究方法

采用變異系數(shù)法綜合分析各部門專家對(duì)74項(xiàng)項(xiàng)目的評(píng)分結(jié)果，得到各部門評(píng)分所占權(quán)重分別為:ω1=0.2443，ω2=0.1459，ω3=0.1347，ω4=0.2191，ω5=0.2560，并得到綜合評(píng)價(jià)得分模型:Gi=0.2443gi1+0.1456gi2+0.1347gi3+0.2191gi4+0.256gi5(6)

利用該模型得到各個(gè)項(xiàng)目的綜合評(píng)價(jià)得分.

通過與各部門專家綜合評(píng)分結(jié)果對(duì)比分析，發(fā)現(xiàn)模型結(jié)果與專家評(píng)分結(jié)果存在一定出入，在分析項(xiàng)目風(fēng)險(xiǎn)度時(shí)，考慮項(xiàng)目收益類指標(biāo)，在此對(duì)項(xiàng)目的有關(guān)財(cái)務(wù)類指標(biāo)進(jìn)行主成分分析，即財(cái)務(wù)凈現(xiàn)值、項(xiàng)目投資總額估算(萬(wàn)元)，自有資金，銀行批復(fù)額度等因素，運(yùn)用MATLAB軟件進(jìn)行運(yùn)算，根據(jù)貢獻(xiàn)率大小，取第一主成分進(jìn)行分析，并將其命名為收益補(bǔ)償風(fēng)險(xiǎn)值，相應(yīng)表達(dá)式如下:

Fc()x=0.2304x1+0.2038x2+0.1932x3+0.2341x4(7)

其中x1為財(cái)務(wù)凈現(xiàn)值，x2為項(xiàng)目投資總額估算，x3為銀行批復(fù)額度，x4為自有資金.

由此得到評(píng)估風(fēng)險(xiǎn)度新指標(biāo)分別為收益補(bǔ)償率(收益補(bǔ)償風(fēng)險(xiǎn)值與項(xiàng)目預(yù)期收益之比)、融資成功率、動(dòng)態(tài)回收周期、財(cái)務(wù)凈現(xiàn)值率和人口密度相對(duì)數(shù)，利用層次分析法求解各指標(biāo)權(quán)重大小，運(yùn)用MATLAB軟件得到各個(gè)評(píng)級(jí)指標(biāo)權(quán)重如下:

表2 各評(píng)價(jià)指標(biāo)權(quán)重

隨后對(duì)其進(jìn)行一致性檢驗(yàn)，可知λmax=5.088，一致性指標(biāo)CI=0.022，一致性比例CR=0.02＜0.1，認(rèn)為比較判斷矩陣一致性可以接受.

4.4 結(jié)果分析

在得出權(quán)重基礎(chǔ)上，利用相對(duì)偏差模糊矩陣評(píng)價(jià)方法，得到各項(xiàng)目新的綜合評(píng)價(jià)風(fēng)險(xiǎn)度公式為:Yi=0.539ri1+0.212ri2+0.121ri3+0.082ri4+0.045ri5，并運(yùn)用EXCEL求解得到各項(xiàng)目風(fēng)險(xiǎn)度(見表3).

運(yùn)用Eviews對(duì)前述得到的項(xiàng)目風(fēng)險(xiǎn)度與專家得分進(jìn)行函數(shù)擬合，得到相應(yīng)對(duì)數(shù)函數(shù):

log(y)=1.7752-0.2506×log(x)，R2=0.834175(8)

其中y為專家綜合得分，x為項(xiàng)目風(fēng)險(xiǎn)度，F(xiàn)=362.1934，由上述結(jié)果可知，函數(shù)擬合效果較好，并且通過了F檢驗(yàn)，可以用來近似代替專家對(duì)項(xiàng)目進(jìn)行評(píng)估量分.

表3 項(xiàng)目風(fēng)險(xiǎn)度表

5 評(píng)價(jià)指標(biāo)變化范圍

5.1 研究思路

首先利用模糊C均值聚類模型，得出74個(gè)項(xiàng)目聚類中心及隸屬度矩陣，在此基礎(chǔ)上將74個(gè)項(xiàng)目進(jìn)行分類，進(jìn)而分析不同類別項(xiàng)目的各項(xiàng)指標(biāo)值，建立財(cái)務(wù)內(nèi)部收益率、融資成功率、動(dòng)態(tài)回收周期以及收益補(bǔ)償風(fēng)險(xiǎn)值對(duì)項(xiàng)目綜合評(píng)價(jià)的線性回歸模型.其次針對(duì)某類項(xiàng)目一個(gè)評(píng)級(jí)指標(biāo)，利用控制變量法對(duì)其余各項(xiàng)評(píng)價(jià)指標(biāo)取平均值固定，推倒出針對(duì)此類項(xiàng)目不同評(píng)級(jí)指標(biāo)對(duì)應(yīng)的迭代方程，最后綜合考慮各類項(xiàng)目的各指標(biāo)變化范圍，得出各評(píng)價(jià)指標(biāo)的允許變化范圍.

5.2研究方法

運(yùn)用模糊C均值聚類［6］進(jìn)行分類，目標(biāo)函數(shù)相應(yīng)如下:

其中J(U，V)表示了各類中樣本到聚類中心的加權(quán)距離平方和，權(quán)重是樣本xk對(duì)第i類隸屬度的m次方，聚類準(zhǔn)則取求解的極小值:(min){J(U，V)}其中聚類中心為:

5.3 結(jié)果分析

(1)對(duì)各項(xiàng)目進(jìn)行分類

基于上述理論，運(yùn)用MATLAB軟件，得出聚類中心及隸屬度矩陣，并在隸屬度矩陣的基礎(chǔ)上，通過相應(yīng)程序?qū)Ω鱾€(gè)項(xiàng)目進(jìn)行了分類，得到結(jié)果(見表4)

表4 各類別項(xiàng)目表

(2)針對(duì)第五類項(xiàng)目各指標(biāo)的多元回歸分析

首先做出各評(píng)級(jí)指標(biāo)值與評(píng)價(jià)得分的散點(diǎn)圖，由于人口密度相對(duì)數(shù)數(shù)值較小，散點(diǎn)圖較分散而且對(duì)項(xiàng)目風(fēng)險(xiǎn)度的影響較小，故此不對(duì)該指標(biāo)進(jìn)行分析，通過其他指標(biāo)散點(diǎn)圖發(fā)現(xiàn)內(nèi)部收益率、融資成功率、動(dòng)態(tài)回收周期以及收益補(bǔ)償風(fēng)險(xiǎn)率與綜合評(píng)價(jià)得分之間存在一定的線性相關(guān)性，因而在此基礎(chǔ)上建立多元線性回歸模型:

y=β0+β1x1+β2x2+β3x3+β4x4+ε(11)

β0、β1、β2、β3、β4為回歸系數(shù)，ε為隨機(jī)誤差.利用Matlab軟件，對(duì)該模型進(jìn)行不斷改進(jìn)，剔除異常點(diǎn)，進(jìn)行多次回歸并得到殘差分析圖(如圖3).

圖3 殘差分析圖

由相應(yīng)的運(yùn)行結(jié)果可知，所有回歸系數(shù)置信區(qū)間中均未含有零點(diǎn)，R2=0.9831模型擬合程度較高，得到回歸模型為:

最后對(duì)回歸模型進(jìn)行殘差的正態(tài)性檢驗(yàn):由jbtest檢驗(yàn)，h=0表明殘差服從正態(tài)分布，進(jìn)而由t檢驗(yàn)可知h=0，p=1，故殘差服從均值為零的正態(tài)分布［7］.

(3)指標(biāo)變化范圍

利用第五類項(xiàng)目回歸方程，首先針對(duì)該類項(xiàng)目財(cái)務(wù)凈現(xiàn)值率范圍，運(yùn)用控制變量法進(jìn)行求解，求解步驟如下:

其中l(wèi)1表示第五類項(xiàng)目財(cái)務(wù)凈現(xiàn)值率允許變化幅度，由上述模型得到第五類項(xiàng)目各評(píng)價(jià)指標(biāo)的變化范圍(見表5).

表5 第五類項(xiàng)目各項(xiàng)評(píng)價(jià)指標(biāo)中間值以及變化范圍

同理，運(yùn)用上述建模方法得到第一類、第二類、第三類以及第四類項(xiàng)目的評(píng)價(jià)指標(biāo)變化范圍，最后匯總得出整個(gè)項(xiàng)目的評(píng)價(jià)指標(biāo)允許變化范圍(見表6).

表6 各指標(biāo)允許變化范圍

6 總結(jié)

針對(duì)4個(gè)有關(guān)土地儲(chǔ)備項(xiàng)目風(fēng)險(xiǎn)問題，運(yùn)用多種分析方法建立模型進(jìn)行相關(guān)研究，隨著研究的深入以及專家評(píng)分的幫助，對(duì)項(xiàng)目的風(fēng)險(xiǎn)評(píng)估方法得到了進(jìn)一步完善，建立的風(fēng)險(xiǎn)評(píng)估模型充分考慮到了各種風(fēng)險(xiǎn)影響因素，可在一定程度上替代專家評(píng)估作用，在得到的評(píng)價(jià)指標(biāo)允許變化范圍內(nèi)，具有較強(qiáng)的應(yīng)用性和推廣性;本文運(yùn)用多種軟件給出各種相關(guān)圖形，使人對(duì)數(shù)據(jù)的處理、模型的分析、結(jié)果的得出更形象易懂.文中的風(fēng)險(xiǎn)評(píng)估模型，能夠?qū)?xiàng)目的風(fēng)險(xiǎn)進(jìn)行一定的估算，可以為土地儲(chǔ)備部門提供一定的參考.

［1］2014年第七屆“認(rèn)證杯”數(shù)學(xué)中國(guó)數(shù)學(xué)建模網(wǎng)絡(luò)挑戰(zhàn)賽C題.http://www.tzmcm.cn/.

［2］周菲，趙婧婧.基于主成分分析的安徽省經(jīng)濟(jì)增長(zhǎng)質(zhì)量研究［J］.棗莊學(xué)院學(xué)報(bào)，2013.30(5):113-117.

［3］張圣勤.MATLAB7.0使用教程［M］.北京:機(jī)械工業(yè)出版社，2006.

［4］楊桂元，黃己立.數(shù)學(xué)建模［M］.合肥:中國(guó)科學(xué)技術(shù)大學(xué)出版社，2008.

［5］薛微.統(tǒng)計(jì)分析與SPSS應(yīng)用［M］.北京:中國(guó)人民大學(xué)出版社，2009.

［6］王曉敏.江蘇省旅游業(yè)競(jìng)爭(zhēng)力研究［J］.棗莊學(xué)院學(xué)報(bào)，2014.31(2):132-136.

［7］吳禮斌，閆云俠.經(jīng)濟(jì)數(shù)學(xué)實(shí)驗(yàn)與建模［M］.天津:天津教育出版社，2009.8，218-219.

［責(zé)任編輯:閆昕］

Based on the Fuzzy Comprehensive Evaluation Method of Land Reserve Risk Assessment

MA Kea，XU Ya-dongb，ZHU Jia-mingc
(Anhui University of Finance and Economics a.School of international economic and trade，b.School of Statistics and Appl.Math，c.School of economics，Bengbu 233030，China.)

In view of the land reserve project risk assessment，through the principal component method，analytic hierarchy process(ahp)and fuzzy comprehensive evaluation method，the residual analysis，system cluster analysis and a series of methods，by use of MATLAB and EXCEL software，comprehensive analysis of the land reserve project index data，and the relationship between the risk，based on a fuzzy comprehensive evaluation model of risk assessment methods are given，and compared with expert grade comprehensive evaluation do validation，proved in this paper the risk assessment method has a high reliability，suitable for project risk analysis of land reserve department to provide the reference.

land reserve;fuzzy comprehensive evaluation;residual analysis;the fuzzy c-means clustering;matlab;eviews

F301

A

1004-7077(2015)02-0107-07

2015-01-05

國(guó)家自然科學(xué)基金(項(xiàng)目編號(hào):11301001);安徽省大學(xué)生創(chuàng)新項(xiàng)目(項(xiàng)目編號(hào):AH201410378349);安徽財(cái)經(jīng)大學(xué)教研項(xiàng)目(項(xiàng)目編號(hào):acjyzd201429).

朱家明(1973-)，男，安徽泗縣人，安徽財(cái)經(jīng)大學(xué)統(tǒng)計(jì)與應(yīng)用數(shù)學(xué)學(xué)院副教授，碩士，主要從事應(yīng)用數(shù)學(xué)的研究.