李樂泉,朱軍,王家保,楊春節(jié)

(安徽農(nóng)業(yè)大學信息與計算機學院，安徽 合肥 230036)

種業(yè)是國家戰(zhàn)略性、基礎性核心產(chǎn)業(yè)，也是促進農(nóng)業(yè)長期穩(wěn)定發(fā)展、保障國家糧食安全的根本[1]。種業(yè)的發(fā)展能否更好地適應市場與國際競爭的需要，歸根到底在于種業(yè)科技創(chuàng)新人才的競爭力，而目前對我國種業(yè)科技創(chuàng)新人才的創(chuàng)新能力綜合評價體系研究以及對我國種業(yè)科技創(chuàng)新人才的比較研究尚屬空白。因此，構(gòu)建一個科學的種業(yè)科技創(chuàng)新人才多層次評價體系對我國種業(yè)科技創(chuàng)新人才進行評價分析就顯得尤為重要。

進行種業(yè)科技創(chuàng)新人才評價時，可供選擇的相關評價方法有模糊評價模型[2]、AHP[3](Analytical Hierarchy Process，層次分析法)、多指標綜合評價方法[4]、灰色綜合評價[5]、模糊綜合評價法[6]等。但是上述方法在對不同領域的種業(yè)科技創(chuàng)新人才進行評價時需要人為確定權重，這樣使得人為因素在綜合評價中所占比重較大，不利于客觀地反映種業(yè)科技創(chuàng)新人才的實際水平。筆者結(jié)合我國種業(yè)科技創(chuàng)新人才信息的統(tǒng)計數(shù)據(jù)，建立了種業(yè)科技創(chuàng)新人才的多層次評價指標體系，并利用基于熵權的TOPSIS綜合評價方法對我國種業(yè)科技創(chuàng)新人才評價進行了研究。

1 種業(yè)科技創(chuàng)新人才評價指標體系的建立

種業(yè)科技創(chuàng)新人才評價指標體系是對種業(yè)科技創(chuàng)新人才進行綜合評價的基礎，評價指標體系的建立應遵循科學性、明確性和精煉性原則[7，8]，以此來選擇出體現(xiàn)種業(yè)科技創(chuàng)新人才綜合能力的代表性指標。通過分析種業(yè)科技創(chuàng)新人才主要指標以及指標之間的層級關系，并結(jié)合種業(yè)科技創(chuàng)新人才實際情況，歸納出以下主要評價指標：①承擔項目(課題)情況。作為種業(yè)科技創(chuàng)新人才科研成就的主要指標之一，承擔項目(課題)數(shù)量的多少能反映種業(yè)科技創(chuàng)新人才在實際承擔項目以及應用方面的能力，承擔項目(課題)經(jīng)費總額能體現(xiàn)種業(yè)科技創(chuàng)新人才承擔項目的實力。同時，承擔項目(課題)情況分為主持項目和參與項目2種情況，本研究只針對主持項目進行評價。②品種情況，包括審定品種和品種權2個部分。品種審定是針對新育成和引進的品種，由專門的組織根據(jù)品種區(qū)域試驗、生產(chǎn)試驗結(jié)果來審查評定其推廣價值和適用范圍的活動。植物新品種權，簡稱“育種權”或“品種權”，是工業(yè)產(chǎn)權的一種類型，是指完成育種的單位或個人對其授權的品種依法享有的排他使用權。所擁有審定品種和植物新品種權的總數(shù)能反映種業(yè)科技創(chuàng)新人才在品種培育方面的綜合實力。③代表性論文專著與專利獲取情況，包括論文專著總數(shù)和專利獲取總數(shù)2個指標。④獲獎情況，包括獲獎總數(shù)、獲獎等級2個指標。種業(yè)科技創(chuàng)新人才評價指標體系如表1所示。

表1 種業(yè)科技創(chuàng)新人才評價指標體系

2 種業(yè)科技創(chuàng)新人才評價模型的構(gòu)建

2.1 基于熵權的TOPSIS綜合評價方法

TOPSIS法(Technique for Order Preference by Similarity to Ideal Solution)又叫逼近理想解的排序法，是一種多指標決策方法，由H.Wang和Yoon于1981年首次提出[9]。該方法將初始評價矩陣進行歸一化處理，使得各指標值具有相同的量綱，便于比較分析。將指標數(shù)據(jù)中最優(yōu)值作為最優(yōu)解、最差值作為最劣解，并將評價對象與最優(yōu)解、最劣解的歐式空間距離分別作為理想解、負理想解。利用評價對象到理想解和負理想解的相對距離來判斷評價對象的優(yōu)劣，最終對評價對象進行排序。

熵是描述系統(tǒng)內(nèi)分子無序性的一個物理量態(tài)函數(shù)，熵越高，表明分子越無序，系統(tǒng)越混亂；熵越低，表明分子越有序，系統(tǒng)越穩(wěn)定[10]。熵的概念被引入信息論后，便有了信息熵的概念，用來反映信息系統(tǒng)無序程度的一個度量[11]。隨著信息量的增加，信息熵減少，兩者是此消彼長的關系。因此，信息熵越小，可用的信息量越多，重要性越大。利用這一原理，可以反映種業(yè)科技創(chuàng)新人才的各指標值差異程度，并計算出各指標的權重。

基于熵權的TOPSIS綜合評價方法將熵權法與TOPSIS法結(jié)合起來。由于利用熵權法能夠客觀地得出評價指標權重，彌補了TOPSIS法中人為確定權重的不足，因而可以更加客觀地對評價對象進行比較分析。

2.2 基于熵權的TOPSIS綜合評價方法的基本步驟

步驟1 建立初始評價矩陣。根據(jù)種業(yè)科技創(chuàng)新人才評價指標數(shù)據(jù)列出初始評價矩陣，如果評價對象有m個，每個被評價對象的評價指標有n個，則構(gòu)建初始評價矩陣X如下：

X=(xij)m×n

(1)

步驟2 標準化處理。通過標準化處理，解決了不同指標之間因為量綱不同而無法進行比較的問題[12]。利用標準化處理公式可得到標準化矩陣如下：

(2)

步驟3 計算信息熵。信息熵越小，可用的數(shù)據(jù)量越多，重要性也越大。計算公式如下：

(3)

步驟4 確定指標權重。第j項指標的權重如下：

(4)

步驟5 構(gòu)造加權規(guī)范化矩陣。因為種業(yè)科創(chuàng)新人才各評價指標的相對重要性不同，所以應考慮將規(guī)范化數(shù)據(jù)加權構(gòu)成加權規(guī)范化矩陣R：

R=(rij)m×n;rij=Wj×xj

(5)

(6)

步驟7 計算理想解和負理想解的歐式空間距離：

(7)

步驟8 計算評價指數(shù)，即評價對象與理想解和負理想解的相對接近度為：

(8)

根據(jù)相對接近度對評價對象進行優(yōu)劣排序。相對接近度越大，評價對象的排序越靠前，則評價指數(shù)越大，表明該評價對象越優(yōu)秀。

種業(yè)科技創(chuàng)新人才多層次評價模型是以單層次評價模型的評價結(jié)果為基礎，利用單層次評價的評價指數(shù)組成高層次評價的初始評價矩陣X，再采用上述的步驟1至步驟8對初始評價矩陣X進行評價，最終得到多層次種業(yè)科技創(chuàng)新人才評價結(jié)果。

3 應用實例

選取6個水稻種業(yè)科技創(chuàng)新團隊(簡稱水稻育種團隊)，分別以團隊A、B、C、D、E和F表示，6個水稻育種團隊指標數(shù)據(jù)如表2所示。

表2 6個水稻育種團隊指標數(shù)據(jù)

以一級指標承擔項目情況U1為例，將評價數(shù)據(jù)代入評價模型，根據(jù)步驟1建立初始評價矩陣X：

對初始評價矩陣進行標準化處理。利用式(2)得到標準化矩陣X’(對計算結(jié)果保留小數(shù)后4位，下同)：

表3 承擔項目情況信息熵

表4 承擔項目情況指標權重

計算信息熵。利用式(3)計算得到承擔項目情況信息熵(表3)。

確定指標權重。利用式(4)計算得到承擔項目情況指標權重(表4)。

構(gòu)造加權規(guī)范化矩陣。利用式(5)得到加權規(guī)范化矩陣R:

利用式(7)計算得到理想解和負理想解的歐式空間距離(表5)，利用式(8)計算得到承擔項目情況的評價指數(shù)(表6)。

表5 理想解、負理想解的歐式空間距離團隊名稱sep+isep-i團隊A0．55890．1167團隊B0．66520．0000團隊C0．23440．4495團隊D0．52770．1472團隊E0．61210．1003團隊F0．08400．6431表6 承擔項目情況的評價指數(shù)團隊名稱評價指數(shù)團隊A0．1731團隊B0．0000團隊C0．6573團隊D0．2181團隊E0．1408團隊F0．8845

利用同樣方法分別對品種情況、論文專著與專利獲取情況、獲獎情況進行分析，便可得到4個一級指標下6個水稻育種團隊的二級指標權重(表7)及其評價指數(shù)(表8)。

表7 二級指標權重

表8 二級指標評價指數(shù)

運用基于熵權的TOPSIS評價模型得出6個水稻育種團隊的一級指標權重(表9)以及綜合評價指數(shù)(表10)。

表9 一級指標權重一級指標一級指標權重承擔項目情況U10．1986品種情況U20．2678論文專著與專利情況U30．2421獲獎情況U40．2915表10 綜合評價指數(shù)團隊名稱綜合評價指數(shù)團隊A0．2767團隊B0．0755團隊C0．5389團隊D0．1046團隊E0．0605團隊F1．0000

由此得到6個水稻育種團隊的相對排名：

F(1.0000)>C(0.5389)>A(0.2767)>D(0.1046)>B(0.0755)>E(0.0605)

因此，從承擔項目(課題)情況、品種情況、論文專著與專利情況、獲獎情況4項指標的綜合評價指數(shù)來看，6個水稻育種團隊中綜合能力最優(yōu)的團隊為F團隊。

4 結(jié)語

應用基于熵權的TOPSIS評價模型進行種業(yè)科技創(chuàng)新人才評價，不僅能確定影響團隊優(yōu)劣的主要指標權重，并且能綜合評價出種業(yè)科技創(chuàng)新人才團隊相對水平的高低?；陟貦嗟腡OPSIS綜合評價方法，避免了計算權重過程中的人為因素干擾，使評價結(jié)果更加客觀科學，而且指標權重可以根據(jù)評價對象的指標數(shù)據(jù)作動態(tài)改變，更加符合實際。 因此，應用基于熵權的TOPSIS評價模型進行種業(yè)科技創(chuàng)新人才評價方法具有推廣應用價值。

[1]國務院辦公廳.國務院關于加快推進現(xiàn)代農(nóng)作物種業(yè)發(fā)展的意見[J].農(nóng)業(yè)科技與裝備,2011，(9):6～9.

[2]楊宏林.基于主成分分析的企業(yè)競爭力模糊評價模型研究[J].當代財經(jīng),2004,(4):126～128.

[3]Wei C C,Chien C F,Wang M J J.An AHP-based approach to ERP system selection[J].International Journal of Production Economics,2005,96:47～62.

[4]虞曉芬,傅玳.多指標綜合評價方法綜述[J].統(tǒng)計與決策,2004，(11):119～121.

[5]陳冬林,黎志成.信息系統(tǒng)投資項目評價指標確定與灰色綜合評價[J].系統(tǒng)工程理論與實踐,2002,22(2):100～103.

[6]韓利,梅強,陸玉梅,等.AHP-模糊綜合評價方法的分析與研究[J].中國安全科學學報,2004,14(7):86～89.

[7]曹文瑞.醫(yī)學科技人才評價指標體系及綜合評價方法研究[D].廣州:南方醫(yī)科大學,2007.

[8]沈瑋.河北省科技人才開發(fā)評價指標體系研究[D].天津:河北工業(yè)大學,2007.

[9]盧方元.一種改進的TOPSIS法[J].統(tǒng)計與決策,2003,(3):78～79.

[10]尚葆如.熵論用于研究生的課程設置[J].學位與研究生教育,1992，(1):36～37.

[11]趙文桐,趙佩章.熱力學熵和信息熵[J].河南師范大學學報(自然版),1988,(1):44～50.

[12]郝家友,陳生,張燕.績效定量考核指標的選擇及無量綱化處理方法[J].遼東學院學報(自然科學版),1999,(4):48～49.

[編輯] 李啟棟