【摘要】隨著數(shù)據(jù)規(guī)模的不斷擴大， 數(shù)據(jù)質(zhì)量問題不斷涌現(xiàn)。數(shù)據(jù)質(zhì)量究竟如何評估才能合理體現(xiàn)數(shù)據(jù)實際適用情況， 適應(yīng)數(shù)據(jù)要素市場化需要， 為數(shù)據(jù)資產(chǎn)定價、 估值提供合適的評估方法。本文從應(yīng)用場景出發(fā)， 構(gòu)建數(shù)據(jù)質(zhì)量指標體系， 根據(jù)指標累計權(quán)重剔除低影響的指標。在簡單比率法的基礎(chǔ)上， 構(gòu)建異質(zhì)偏好效用函數(shù)對不同維度的數(shù)據(jù)質(zhì)量進行評估， 并采用組合賦權(quán)法確定權(quán)重， 計算綜合評估得分。最后以我國碳試點市場公布的交易數(shù)據(jù)為例進行實證分析， 結(jié)合CNN-LSTM模型估計數(shù)據(jù)效用， 降低評估過程中的主觀性。研究結(jié)果表明， 在數(shù)據(jù)應(yīng)用過程中， 數(shù)據(jù)使用者對不同維度的數(shù)據(jù)質(zhì)量問題具有不同的容忍度， 即存在異質(zhì)風險偏好。該方法能夠有效反饋數(shù)據(jù)真實適用程度， 為數(shù)據(jù)資產(chǎn)價值評估提供依據(jù)。本文立足于數(shù)據(jù)可用性， 結(jié)合效用提出非線性的數(shù)據(jù)質(zhì)量評估方法， 以期為數(shù)據(jù)質(zhì)量評估提供新思路。

【關(guān)鍵詞】數(shù)據(jù)質(zhì)量；綜合評估；效用函數(shù)；組合賦權(quán)；CNN-LSTM

【中圖分類號】 F810.6" " "【文獻標識碼】A" " " 【文章編號】1004-0994（2024）16-0110-7

一、 引言

2020年3月《中共中央 國務(wù)院關(guān)于構(gòu)建更加完善的要素市場化配置體制機制的意見》出臺， 首次把數(shù)據(jù)要素單列出來， 并將數(shù)據(jù)作為與土地、 勞動力、 資本、 技術(shù)并列的生產(chǎn)要素， 要求加快培育數(shù)據(jù)要素市場， 促進重點領(lǐng)域政府開放和數(shù)據(jù)資源有效流動。但隨著數(shù)據(jù)規(guī)模的不斷擴大， 數(shù)據(jù)質(zhì)量問題不斷涌現(xiàn)， 嚴重阻礙了數(shù)據(jù)要素市場化進程。一方面， 數(shù)據(jù)質(zhì)量評估過程中， 以人工評估為主， 評估成本高、 效率低， 存在較大的主觀隨意性， 導(dǎo)致數(shù)據(jù)交易所在數(shù)據(jù)質(zhì)量評估把控尺度上松緊不一， 影響數(shù)據(jù)要素自由流動（王琪，2023；姜琪等，2024）。另一方面， 數(shù)據(jù)質(zhì)量評估方法多聚焦于數(shù)據(jù)綜合治理角度， 忽略了數(shù)據(jù)應(yīng)用場景， 在數(shù)據(jù)價值評估中存在“水土不服”的現(xiàn)象， 這給數(shù)據(jù)要素的交易價格確定帶來了難題， 導(dǎo)致數(shù)據(jù)交易中買方支付的意愿通常較低（Spiekermann，2019）。

2022年6月中國資產(chǎn)評估協(xié)會下發(fā)的《數(shù)據(jù)資產(chǎn)評估指導(dǎo)意見（征求意見稿）》指出， 數(shù)據(jù)質(zhì)量評估是數(shù)據(jù)資產(chǎn)評估的基礎(chǔ)。2023年12月財政部印發(fā)的《關(guān)于加強數(shù)據(jù)資產(chǎn)管理的指導(dǎo)意見》提出， 數(shù)據(jù)質(zhì)量是數(shù)據(jù)資產(chǎn)價值的屬性之一， 并進一步明確了數(shù)據(jù)質(zhì)量在數(shù)據(jù)價值評估中的應(yīng)用方法。這是因為數(shù)據(jù)質(zhì)量反映了數(shù)據(jù)的適用水平， 直接影響數(shù)據(jù)價值轉(zhuǎn)化的順利與否。故本文依托于數(shù)據(jù)應(yīng)用場景， 落腳于數(shù)據(jù)資產(chǎn)估值與定價， 構(gòu)建基于效用的數(shù)據(jù)質(zhì)量評估模型。本文的主要貢獻體現(xiàn)在以下三個方面： 第一， 本文從效用角度入手， 構(gòu)建異質(zhì)偏好效用函數(shù)來厘清不同維度數(shù)據(jù)質(zhì)量問題的容忍程度， 通過風險偏好因子來體現(xiàn)不同應(yīng)用場景下使用者對數(shù)據(jù)質(zhì)量要求的變化， 使得評估結(jié)果隨應(yīng)用場景而變化， 能夠滿足實際需要， 即同一份數(shù)據(jù)在不同的應(yīng)用場景下有著不一樣的評估結(jié)果。第二， 利用機器學(xué)習(xí)、 主客觀組合賦權(quán)方法對數(shù)據(jù)資產(chǎn)進行實證分析， 降低數(shù)據(jù)評估過程中的人工參與度， 保證評估結(jié)果的客觀性， 提高評估效率。同時， 改進數(shù)據(jù)質(zhì)量指標選取的方式， 通過事先確權(quán)來剔除低影響指標、 保留高價值指標， 提高評估效率， 突出數(shù)據(jù)評估重點。第三， 適應(yīng)數(shù)據(jù)要素市場化需要， 為數(shù)據(jù)資產(chǎn)定價、 估值提供合適的數(shù)據(jù)質(zhì)量評估方法， 進一步提高買賣雙方溝通效率從而促進數(shù)據(jù)資產(chǎn)自由流通。

二、 相關(guān)研究現(xiàn)狀述評

1. 國外研究?？v觀國內(nèi)外研究現(xiàn)狀， 國外相關(guān)學(xué)者對數(shù)據(jù)質(zhì)量的研究較早， 數(shù)據(jù)質(zhì)量評估涉及三個主體角色， 即數(shù)據(jù)生產(chǎn)者、 數(shù)據(jù)管理者和數(shù)據(jù)消費者（Strong等，1997）。起初對于數(shù)據(jù)質(zhì)量評估多是基于數(shù)據(jù)生產(chǎn)者或管理者的主體角度 （Wang等，2003；Arazy和Kopak，2011）， 但隨著數(shù)據(jù)技術(shù)的發(fā)展， 基于該視角進行評估已經(jīng)無法滿足實際需求。因為數(shù)據(jù)質(zhì)量是一個多維和主觀的問題， 其定義和評估嚴格取決于所涉及的內(nèi)容和用戶。因此， 在考慮數(shù)據(jù)質(zhì)量時， 應(yīng)始終將用戶的感受視為基礎(chǔ)（Batini等，2009）。即同一份數(shù)據(jù)有多種用途和用戶， 這會導(dǎo)致有一些人認為數(shù)據(jù)質(zhì)量高， 另一些人認為數(shù)據(jù)質(zhì)量低（Sundararaman，2011）。而關(guān)于數(shù)據(jù)質(zhì)量的評估量化， 有學(xué)者對數(shù)據(jù)的商用價值建立了效用驅(qū)動的數(shù)據(jù)質(zhì)量評估模型， 并利用數(shù)據(jù)實際效用與潛在最大效用之比來衡量數(shù)據(jù)質(zhì)量（Even和Shankaranarayanan，2007）。但效用值需要人工評估， 效率較低且評估結(jié)果主觀性強。也有學(xué)者借助“預(yù)測市場”來建立類似股票期權(quán)的數(shù)據(jù)質(zhì)量衍生品， 根據(jù)用戶交易結(jié)束后最終形成衍生品市場的交易價格評估數(shù)據(jù)質(zhì)量（Pierce和Thomas，2007）。該方法需要將數(shù)據(jù)公布給大眾， 本質(zhì)上也是用戶反饋調(diào)查的一種。受限于人工評估的不便， 開始有學(xué)者從數(shù)據(jù)應(yīng)用角度對數(shù)據(jù)質(zhì)量進行評估， 以客觀量化評估為主。如從信息價值的角度出發(fā)， 將擾動圖像傳送到模型以計算預(yù)測概率的熵， 稱為擾動熵。擾動熵可以從信息價值的角度區(qū)分好數(shù)據(jù)和壞數(shù)據(jù)， 將其視為圖像數(shù)據(jù)質(zhì)量得分（Li等，2022）。也有學(xué)者從數(shù)據(jù)信息量角度進行評估， 采取距離熵方法來選取高質(zhì)量的數(shù)據(jù)樣本， 即距各個中心點距離較遠的樣本具有較大的信息量（Yang等，2022）。而這些方法對數(shù)據(jù)質(zhì)量的解釋性仍存在一定的問題， 僅僅從單個角度對數(shù)據(jù)質(zhì)量展開量化評估。

2. 國內(nèi)研究。國內(nèi)學(xué)者多以綜合評估為主。綜合評估是對評估對象做出價值判斷的一種方法， 它既能發(fā)揮主觀能動性， 又能相對客觀地給出評價（蔡莉等，2021）。常見的綜合評估方法包括模糊綜合評價法模糊層次 （孔敏等，2023）、 層次分析法（莊計龍和陳敏剛，2019）、 德爾菲法 （孫嘉睿和安小米，2022）和扎根理論（撒旭等，2020）。通用的數(shù)據(jù)質(zhì)量評估方法雖然適用性強， 但具體的應(yīng)用效果依舊不盡如人意（劉桂鋒等，2021）。就此情況， 有學(xué)者根據(jù)數(shù)據(jù)應(yīng)用場景開發(fā)有特色的數(shù)據(jù)質(zhì)量評估方法， 從而提高評估結(jié)果的針對性。如為加強數(shù)據(jù)質(zhì)量管理， 在對電力數(shù)據(jù)進行評估時， 根據(jù)線損數(shù)據(jù)質(zhì)量差異問題， 建立基于懲罰變權(quán)的“秩和”數(shù)據(jù)質(zhì)量評估模型， 能有效提高整體數(shù)據(jù)管理水平（王方雨等，2020）。而對于政府開放數(shù)據(jù)， 有學(xué)者針對當前政府開放數(shù)據(jù)質(zhì)量不高、 用戶需求得不到滿足的問題， 從數(shù)據(jù)內(nèi)容、 數(shù)據(jù)表達、 數(shù)據(jù)獲取、 數(shù)據(jù)效用四個維度構(gòu)建了政府開放數(shù)據(jù)質(zhì)量評價指標體系（宋暮凡，2022）。此外， 為提高評估的效率， 針對數(shù)據(jù)主要應(yīng)用場景， 從欠費挖掘的角度對電信數(shù)據(jù)展開評估， 根據(jù)缺失、 離群數(shù)據(jù)對挖掘結(jié)果的影響實現(xiàn)對數(shù)據(jù)質(zhì)量的量化（王曉華，2010）。 總體來說， 針對具體需求所提出的數(shù)據(jù)質(zhì)量評估的應(yīng)用效果有所提升， 但當下數(shù)據(jù)爆炸性增長， 針對性的數(shù)據(jù)質(zhì)量評估方法存在捉襟見肘的困境。故亟需提出一種既能夠滿足應(yīng)用場景又適用廣的數(shù)據(jù)質(zhì)量評估方法， 從而滿足數(shù)據(jù)增長的新需要。

三、 相關(guān)理論分析

1. 數(shù)據(jù)質(zhì)量。關(guān)于數(shù)據(jù)質(zhì)量的定義大都集中在數(shù)據(jù)的適用性上（Tayi和Ballou，1998；Huang等，1999）。從用戶角度來看， 數(shù)據(jù)質(zhì)量的高低取決于用戶是否可以高效地使用數(shù)據(jù)（Ismael等，2016；宋立榮，2016）。隨著研究的不斷深入， 有學(xué)者將數(shù)據(jù)質(zhì)量與數(shù)據(jù)質(zhì)量維度結(jié)合起來， 進一步將數(shù)據(jù)質(zhì)量的定義具象化， 主要包括時效性、 完整性、 及時性、 準確性、 一致性、 可訪問性等維度（Strong等，1997；李永紅和張淑雯，2018；王博和溫繼文，2021）。在數(shù)據(jù)應(yīng)用過程中， 低質(zhì)量的數(shù)據(jù)不但無法產(chǎn)生經(jīng)濟價值， 甚至?xí)斐刹豢珊鲆暤膿p失。比如重復(fù)數(shù)據(jù)不但會導(dǎo)致機器學(xué)習(xí)模型的性能下降， 還會導(dǎo)致模型過度擬合訓(xùn)練數(shù)據(jù)。又如就準確性而言， 數(shù)據(jù)準確性問題導(dǎo)致企業(yè)普遍提高了數(shù)據(jù)庫數(shù)據(jù)獲取、 數(shù)據(jù)預(yù)處理、 用戶分析等各個環(huán)節(jié)的工作量和難度（王禹，2023）。再如， 如果數(shù)據(jù)標準不一致、 數(shù)據(jù)質(zhì)量不高， 智能財務(wù)系統(tǒng)就很難對數(shù)據(jù)進行分析和預(yù)測， 從而使得企業(yè)財務(wù)大數(shù)據(jù)在智能財務(wù)中無法發(fā)揮作用（陸興鳳和曹翠珍，2022）。

2. 數(shù)據(jù)的效用。數(shù)據(jù)本身沒有價值， 需要通過數(shù)據(jù)挖掘技術(shù)獲取有用的信息， 并將信息應(yīng)用于具體任務(wù)時才會產(chǎn)生價值。機器學(xué)習(xí)是目前應(yīng)用較廣的數(shù)據(jù)挖掘模型， 能夠從大量的數(shù)據(jù)之間尋找到某種規(guī)律， 從而輔助人們在某項工作或生活需求中做出決策。數(shù)據(jù)預(yù)測結(jié)果常常依賴于數(shù)據(jù)本身， 提高數(shù)據(jù)質(zhì)量能夠有效地降低預(yù)測誤差（Nespoli等，2020）。在數(shù)據(jù)的建模、 訓(xùn)練過程中， 數(shù)據(jù)質(zhì)量越高， 所訓(xùn)練出來的模型質(zhì)量越好， 模型準確度就越高。模型準確度體現(xiàn)的是數(shù)據(jù)的貢獻， 可以將其定義為數(shù)據(jù)的效用（Niyato等，2016）。數(shù)據(jù)的效用與各影響因素之間并非線性關(guān)系（嚴鵬等，2023）。例如在圖片識別的深度學(xué)習(xí)模型中， 由于數(shù)據(jù)集存在冗余度問題， 此時較低的數(shù)據(jù)量就可以達到與完整數(shù)據(jù)集相似的測試精度（Yang等，2022）， 故增加數(shù)據(jù)的完整性帶來的對預(yù)測精度的提升效果會大大減少， 即完整性存在邊際效用遞減的情況。再比如天氣預(yù)測領(lǐng)域中， 短期預(yù)測的效果往往會大大優(yōu)于長期預(yù)測的效果， 從而對數(shù)據(jù)及時性要求較高， 僅當數(shù)據(jù)及時性達到一定水平后， 預(yù)測結(jié)果才能夠有一個較好的表現(xiàn)， 即及時性存在邊際效用遞增的情況。

四、 基于效用的數(shù)據(jù)綜合評估模型構(gòu)建

效用刻畫的是消費者擁有消費商品或服務(wù)對欲望的滿足程度， 數(shù)據(jù)資產(chǎn)本身也是一種商品或某種服務(wù)， 用效用評估數(shù)據(jù)質(zhì)量， 既能保證可量化性， 又能契合數(shù)據(jù)質(zhì)量的含義。故本文結(jié)合數(shù)據(jù)應(yīng)用場景， 從數(shù)據(jù)效用角度出發(fā)， 對數(shù)據(jù)質(zhì)量進行綜合評估， 具體流程如圖1所示。

1. 數(shù)據(jù)質(zhì)量評估指標的選取。本文綜合《信息技術(shù) 數(shù)據(jù)質(zhì)量評價指標》（GB/T 36344-2018）標準及《系統(tǒng)與軟件工程系統(tǒng)與軟件質(zhì)量要求和評價CSQuaRE第24部分：數(shù)據(jù)質(zhì)量測量》（ISO/IEC 25024-2015）標準， 共選取10個一級指標， 每個一級指標下的二級指標作為評估規(guī)則建立的依據(jù)， 由于相關(guān)標準中已經(jīng)對指標定義進行了詳盡闡釋， 本文不再贅述。具體指標體系如圖2所示。

數(shù)據(jù)指標是對數(shù)據(jù)質(zhì)量的具體化， 但指標選取過少易導(dǎo)致數(shù)據(jù)評估結(jié)果不夠全面。而指標選取過多又容易攤平指標權(quán)重， 同時也會導(dǎo)致客觀賦權(quán)法應(yīng)用效果不佳， 不能實際突出反映數(shù)據(jù)問題的存在， 增加評估成本。故本文通過事先確權(quán)的方法來改進指標選取， 即在評估前通過層次分析法主觀賦權(quán)， 計算累計權(quán)重， 剔除權(quán)重小的指標。如此在保留高價值指標的同時降低評估成本， 突出該類數(shù)據(jù)的質(zhì)量問題。具體步驟如下：

第一步， 根據(jù)所選的一級指標構(gòu)建層次結(jié)構(gòu)模型， 對層次結(jié)構(gòu)模型中指標之間的相對重要性進行判斷和比較， 按照1 ～ 9標度方法形成判斷矩陣B。

[B=bijn×n=b11" b12" …" b1nb21" b22" …" b2n…" " …" "…" …bn1" bn2" …" bnn]

其中， bij×bji=1。

第二步， 利用方根法計算出各個指標的權(quán)重W（w1，w2，…，wn）T， 并進行一致性檢驗， 如果未通過就重新構(gòu)建判斷矩陣。

第三步， 將權(quán)重從大到小排序， 生成新的指標權(quán)重向量W（w1，w2，…，wn）T。

第四步， 計算累計權(quán)重。

（1）

記最小的i使得Ei≥α， α即累計權(quán)重閾值， 其值越大保留的指標越多， 一般根據(jù)指標情況， 取值范圍為α∈［0.8，1］。

根據(jù)i值更新權(quán)重向量。

（2）

得到新的權(quán)重向量" " " " " " " " " " " " " " " " " " "。其中賦值為0的指標便是被剔除掉的指標。

2. 數(shù)據(jù)效用評估函數(shù)構(gòu)造。在不同應(yīng)用場景下， 隨著不同維度數(shù)據(jù)質(zhì)量水平的提高， 對數(shù)據(jù)使用者效用的邊際增長也會變化。針對這一特性， 本文從風險偏好角度構(gòu)建效用函數(shù)評估不同維度數(shù)據(jù)質(zhì)量。效用函數(shù)內(nèi)含了個體的主觀感應(yīng)（價值判斷）， 不同個體（不同應(yīng)用場景）對某測評的需求欲望存在差異性， 分別是風險中性型、 風險偏好型和風險規(guī)避型（尹薇，2021）。即對不同維度數(shù)據(jù)質(zhì)量水平， 使用者對其抱有的態(tài)度是不同的， 從而構(gòu)造異質(zhì)偏好效用函數(shù)來對數(shù)據(jù)各個指標進行評估。

效用函數(shù)的擬合常見的形式有線性函數(shù)型、 冪函數(shù)型、 對數(shù)函數(shù)型和指數(shù)函數(shù)型等?？紤]到指數(shù)函數(shù)能夠更好地擬合各個形狀從而刻畫偏好要求， 故選取指數(shù)函數(shù)型效用函數(shù)作為數(shù)據(jù)質(zhì)量評估函數(shù)。具體如下所示：

（3）

其中： ui（sij）指的是第i個維度下第j個二級指標對應(yīng)的質(zhì)量評估分數(shù)， 其值越大代表數(shù)據(jù)質(zhì)量越高。λi反映數(shù)據(jù)使用者對該數(shù)據(jù)維度的風險偏好： λi小于0時為風險規(guī)避型； λi大于0時為風險偏好型； λi趨近于無窮大時為風險中性型， 此時等價于ui（sij）=sij。sij是二級指標的量化值， 本文采用簡單比率法（Pipino等，2002）進行度量。該方法計算簡單、 具有較高的穩(wěn)健性。具體公式如下所示：

（4）

其中， Nij表示數(shù)據(jù)集中符合數(shù)據(jù)質(zhì)量規(guī)則要求的數(shù)據(jù)量， Mij為所檢測的數(shù)據(jù)量或用戶期望的值。sij越大說明數(shù)據(jù)質(zhì)量問題越少， 反之越多。

3. 綜合評估模型與權(quán)重的確定。數(shù)據(jù)質(zhì)量的各個指標體現(xiàn)的是數(shù)據(jù)使用者對數(shù)據(jù)各個方面的要求， 這些指標共同作用從而實現(xiàn)數(shù)據(jù)的價值。故指標之間不存在完全替代性， 即數(shù)據(jù)某個維度質(zhì)量問題較為嚴重時， 哪怕其他維度質(zhì)量較高， 其實際適用程度也將會是較低的。基于此選取乘法合成作為綜合評估模型能更好地刻畫數(shù)據(jù)質(zhì)量不同指標之間的關(guān)聯(lián)關(guān)系。其具體公式如下：

（5）

其中： G稱為效用評估得分， 在數(shù)據(jù)質(zhì)量的綜合評估中， 權(quán)重反映的是指標之間的相對重要性， 會直接影響綜合評價的結(jié)果。指標選取中的層次分析法屬于主觀賦權(quán)法， 受評估專家偏好影響。為降低評估結(jié)果的主觀性， 本文根據(jù)評估數(shù)據(jù)集分別選取合適的主觀賦權(quán)法及客觀賦權(quán)法確定主觀權(quán)重w1和客觀權(quán)重w2， 引入博弈理論對二者進行組合優(yōu)化， 確定主客觀權(quán)重在綜合權(quán)重中所占比例， 求解最優(yōu)線性組合系數(shù)， 達到穩(wěn)定均衡效果， 得出更為科學(xué)合理的組合權(quán)重（黃耀倞等，2021）。

（1）根據(jù)評估數(shù)據(jù)集分別選取合適的主觀賦權(quán)法及客觀賦權(quán)法確定主觀權(quán)重w1和客觀權(quán)重w2， 進行線性組合求取組合權(quán)重w， 表達式如下：

（6）

其中， β1、 β2分別表示主觀權(quán)重和客觀權(quán)重的線性系數(shù)。

（2）利用博弈論思想求取權(quán)重納什均衡點， 即：

（7）

（3）對式（7）求導(dǎo)， 其最優(yōu)解滿足下式：

（8）

（4）根據(jù)上式求得權(quán)重系數(shù)β1和β2， 并按下式進行歸一化處理：

（9）

從而得到組合權(quán)重：

（10）

五、 實證分析

2014年前后， 北京、 天津、 上海、 重慶、 湖北、 廣東、 深圳七省市試點碳排放權(quán)交易市場陸續(xù)建成運行， 隨后2021年全國碳排放權(quán)交易市場正式上線。在缺乏透明和廣泛可獲得的市場信息的情況下， 碳市場價格發(fā)現(xiàn)可能會失敗， 市場參與者無法做出正確的交易決策（霍學(xué)靜，2020）。獲取充分和相關(guān)的信息可確保企業(yè)有效參與碳市場交易。其中部分碳試點交易數(shù)據(jù)存在登記錯誤、 空缺不完整、 更新不及時等數(shù)據(jù)質(zhì)量問題， 使得市場信息無法有效地在投資者與企業(yè)間傳達。因此， 本文選取我國碳試點市場所公布的交易數(shù)據(jù)進行數(shù)據(jù)質(zhì)量評估， 研究我國碳市場信息披露情況。

1. 數(shù)據(jù)來源。根據(jù)各碳交易市場交易官方網(wǎng)站， 通過python爬蟲技術(shù)逐一采集該市場碳排放權(quán)配額的歷史交易數(shù)據(jù)， 若有多個碳排放權(quán)配額進行交易， 則僅采集交易時間最長的碳排放權(quán)配額， 采集時間截止至2023年1月10日。由于重慶碳市場的官網(wǎng)中間出現(xiàn)過較大的調(diào)整， 故不納入數(shù)據(jù)質(zhì)量評估中。共選取廣東、 湖北、 上海、 天津、 四川、 北京、 深圳七個碳排放權(quán)交易試點地區(qū)的交易數(shù)據(jù)。

2. 數(shù)據(jù)質(zhì)量指標選取。根據(jù)數(shù)據(jù)實際應(yīng)用問題， 選取相關(guān)專家， 使用層次分析法確定權(quán)重， 剔除部分指標， 步驟如下：

第一步， 根據(jù)專家意見， 構(gòu)建如下指標判斷矩陣：

[B=12…5121…5…………1515…1]

第二步， 通過方根法計算得到權(quán)重向量為：

W=（0.218，0.130，0.080，0.234，0.072，0.100，0.033，0.049，0.045，0.038）

其CR=0.0766lt;0.1， 故通過一致性檢驗。

第三步， 將指標權(quán)重向量W重新排序得到新的權(quán)重向量W'：

W'=（0.234，0.218，0.130，0.100，0.080，0.072，0.049，0.045，0.038，0.033）

第四步， 計算累計權(quán)重， 設(shè)定權(quán)重閾值α=0.85， 根據(jù)式（1）， 記最小的i使得Ei≥α， 求得i=7。

第五步， 根據(jù)式（2）更新權(quán)重， 并且恢復(fù)順序：

W''=（0.247，0.147，0.091，0.265，0.082，0.113，0.000，0.055，0.000，0.000）

即剔除可恢復(fù)性、 可信性、 效率性三個一級指標。

3. 數(shù)據(jù)指標量化。上文通過累計權(quán)重剔除了3個一級指標， 故選取剩下的6個一級指標、 12個二級指標構(gòu)建碳市場交易數(shù)據(jù)評估指標體系， 如圖3所示。

本文根據(jù)各碳排放權(quán)交易市場的交易規(guī)則， 定義各個二級指標中具體評估規(guī)則描述如表1所示。

參考歐洲碳市場、 全國碳市場公布的數(shù)據(jù)格式及數(shù)據(jù)挖掘?qū)?shù)據(jù)量的要求， 本文設(shè)定屬性期望個數(shù)為6個， 而考慮到最早的碳試點市場距今已經(jīng)運行9年之久， 故數(shù)據(jù)期望記錄為2000個。期望交易數(shù)據(jù)更新時間為12小時， 期望更新頻率為一周5次， 數(shù)據(jù)值精確到百分位。根據(jù)各個二級指標的規(guī)則進行量化， 得到量化值sij， 結(jié)果如表2所示。各市場的交易數(shù)據(jù)準確性、 一致性等指標的問題較少。而數(shù)據(jù)完整性、 更新及時性量化評估結(jié)果差異較大， 其中： 四川交易所屬性完整性最差， 該市場只公布累計交易量數(shù)據(jù)； 從數(shù)據(jù)值完整性來看， 該市場開市較晚從而記錄交易數(shù)據(jù)長度較短。此外深圳、 天津市場由于有多個碳排放額交易標的， 較早發(fā)現(xiàn)的交易標的隨時間逐漸退出交易舞臺， 從而導(dǎo)致采集的數(shù)據(jù)記錄較短。在更新及時性上， 北京碳市場問題較嚴重， 在更新延遲久、 停止交易較久后才公布當天交易數(shù)據(jù)， 且常常因為無交易而停止更新數(shù)據(jù)。

4. 數(shù)據(jù)效用質(zhì)量評估?？紤]到碳交易數(shù)據(jù)的主要用途， 本文選取CNN-LSTM預(yù)測每日碳交易收市價， 以其預(yù)測準確性作為數(shù)據(jù)的效用。CNN具有很強的數(shù)據(jù)特征提取能力， 其預(yù)測效果與數(shù)據(jù)質(zhì)量相關(guān)性較強。而LSTM能夠提取長、 短時間序列的復(fù)雜特征關(guān)系， 在處理時間序列方面具有良好的性能， 本文選取的數(shù)據(jù)為時間序列數(shù)據(jù)， 適合用LSTM進行預(yù)測。因此， CNN-LSTM兼具對數(shù)據(jù)特征的強提取能力和對時間序列良好處理的能力， 更適用于解釋數(shù)據(jù)質(zhì)量與數(shù)據(jù)預(yù)測結(jié)果之間的關(guān)系。具體結(jié)果如圖4所示。

考慮到廣東碳市場開市較久， 交易活躍， 數(shù)據(jù)較為完整， 將其作為原始數(shù)據(jù)。截止到2023年1月10日， 數(shù)據(jù)集總共有1927個。通過控制唯一變量的方法， 對原始數(shù)據(jù)添加噪聲、 刪除數(shù)據(jù)后生成四個系列共40個數(shù)據(jù)集" " " 。

數(shù)據(jù)集表示僅出現(xiàn)第i個維度的數(shù)據(jù)質(zhì)量問題， 其第j個一級指標量化評分為" "， 而" " " " " " " " " " " 。如" " " 指數(shù)據(jù)集在準確性方面的評分為" "， 而其他一級指標對應(yīng)評分為1。記數(shù)據(jù)" " "所訓(xùn)練出的模型平均絕對百分比誤差為

。為與數(shù)據(jù)質(zhì)量一致， 需將其采用最大最小值法歸一化， 即：

[yki=MAPEkimax-MAPEkiMAPEkimax-MAPEkimin]

其中： ui（0）=0，ui（1）=1。

故式（3）中a=0， b=1。以" " 為自變量、" " "為因變量， 使用非線性最小二乘法對式（3）估計參數(shù)λi， 具體估計結(jié)果如表3所示。

由表3可知， 指數(shù)效用函數(shù)能夠較好地擬合數(shù)據(jù)的效用。其中及時性、 準確性、 規(guī)范性、 精確性表現(xiàn)為風險偏好型， 即該維度質(zhì)量增加， 模型預(yù)測準確性的增長是遞增的。而完整性、 一致性、 可訪問性呈現(xiàn)的是風險厭惡型。

將表3數(shù)值代入所估計出的效用函數(shù)（3）中， 得到各個市場數(shù)據(jù)效用評估得分如表4所示。相對來說， 風險偏好型的效用函數(shù)評估值的差異會大于量化值， 體現(xiàn)數(shù)據(jù)應(yīng)用場景對該維度的高要求， 而風險保守型的效用函數(shù)的評分差異會小于量化值， 這意味著在數(shù)據(jù)應(yīng)用場景下， 對這些維度具有較高的容忍度， 即一定程度的損失對數(shù)據(jù)應(yīng)用影響不大。

5. 數(shù)據(jù)質(zhì)量綜合評估。根據(jù)所選取的數(shù)據(jù)集應(yīng)用場景， 采用層次分析法確定主觀權(quán)重w1， 由專家采用1 ～ 9標度法分別對二級指標的重要性進行比較， 并結(jié)合一級指標權(quán)重計算得到二級指標權(quán)重：

w1=（0.15，0.10，0.10，0.04，0.05，0.05，0.13，0.13，0.04，0.04，0.11，0.06）

再選取熵權(quán)法確定客觀權(quán)重w2， 根據(jù)實測數(shù)據(jù)處理得到客觀權(quán)重如下：

w2=（0.08，0.05，0.14，0.16，0.01，0.15，0.10，0.07，0.02，0.02，0.02，0.13）

將w1、 w2代入式（6） ～ （9）中， 得到權(quán)重系數(shù)為：" " "=0.59；" " "=0.41。

代入式（10）中得到組合權(quán)重：

w=（0.12，0.08，0.12，0.09，0.04，0.09，0.12，0.11，0.04，0.04，0.08，0.09）

根據(jù)式（5）， 計算各個碳市場碳交易數(shù)據(jù)質(zhì)量綜合評估得分如表5所示。其中， 廣東碳試點交易市場數(shù)據(jù)質(zhì)量最高， 其數(shù)據(jù)披露完整， 更新及時， 格式一致。而四川碳試點交易市場數(shù)據(jù)質(zhì)量最低， 主要是由于其數(shù)據(jù)完整性低， 僅公布每日交易額， 缺乏關(guān)鍵數(shù)據(jù)， 這也導(dǎo)致在我國碳試點市場研究中該市場常常被忽略掉， 說明該市場的數(shù)據(jù)無法滿足研究、 分析需要。

信息披露制度不完善是影響碳市場有效性的直接因素， 碳市場透明度的提高有助于緩解信息不對稱問題， 增加碳交易價格對信息的反應(yīng)程度， 從而提高碳市場有效性（馬躍和馮連勇，2022）。交易數(shù)據(jù)屬于信息披露的一部分， 提高披露數(shù)據(jù)質(zhì)量能夠提高市場有效性。相關(guān)研究表明， 試點碳市場大致可分為三個等級： 第一等級為湖北、 廣東、 深圳； 第二等級為北京、 上海； 第三等級為天津。這與數(shù)據(jù)質(zhì)量評估結(jié)果一致（吳偉光等，2021）。

6. 評估結(jié)果分析。若不考慮數(shù)據(jù)的效用， 忽略數(shù)據(jù)各個維度對數(shù)據(jù)應(yīng)用的非線性影響， 兩者的評估結(jié)果是不相同的。這主要是受數(shù)據(jù)的應(yīng)用場景影響， 不同的應(yīng)用場景對數(shù)據(jù)各個維度的需求是不同的， 如量化投資場景下數(shù)據(jù)主要用于收益率預(yù)測， 那么對于及時性的需求自然是極高的， 若數(shù)據(jù)的及時性不能達到一定的程度就會導(dǎo)致其在量化投資時失去優(yōu)勢， 則無法發(fā)揮應(yīng)用價值。再如數(shù)據(jù)的完整性， 機器學(xué)習(xí)對數(shù)據(jù)量具有一定的需求， 當數(shù)據(jù)的完整性低于某個量時， 機器學(xué)習(xí)模型便無法得到有效的訓(xùn)練， 其模型性能自然是較差的。

將無應(yīng)用場景與投資預(yù)測應(yīng)用場景下的情況進行評估對比， 前者由于不考慮應(yīng)用場景， 各個維度的數(shù)據(jù)質(zhì)量評估采用簡單比率法， 即默認風險中性。而投資預(yù)測場景下的數(shù)據(jù)集以預(yù)測準確率作為效用， 進行綜合評估。其對比結(jié)果如圖5所示。在考慮應(yīng)用場景下北京碳市場的數(shù)據(jù)質(zhì)量評分為0.7258， 排序第5， 而無應(yīng)用場景下其質(zhì)量評分為0.8310， 排序第4。這是由于北京碳市場的數(shù)據(jù)及時性較差， 在投資預(yù)測時北京碳市場的數(shù)據(jù)適用性不強。因為高延遲的數(shù)據(jù)容易在市場錯失先機， 所以在評估時數(shù)據(jù)的及時性是風險偏好型的， 對及時性問題給予了更高的懲罰， 從而其綜合質(zhì)量評估得分較低。再如在考慮應(yīng)用場景下上海碳市場的數(shù)據(jù)質(zhì)量評分為0.8294， 而無應(yīng)用場景下其質(zhì)量評分為0.8206， 排序不變?？紤]應(yīng)用場景時上海碳市場的數(shù)據(jù)質(zhì)量有了一定的提升， 這是由于上海碳市場的數(shù)據(jù)完整性較差， 但仍包含每日開盤價、 收盤價、 交易量等關(guān)鍵數(shù)據(jù)信息， 從而在應(yīng)用時數(shù)據(jù)仍能夠提供有效的信息， 滿足使用者的需要。在評估時， 考慮應(yīng)用場景下完整性為風險厭惡性， 對完整性給予了更高的容忍度， 從而較無應(yīng)用場景下評分更高。

基于效用的數(shù)據(jù)質(zhì)量綜合評估方法更契合數(shù)據(jù)應(yīng)用場景下適用性描述， 具有較強的針對性。該方法能夠根據(jù)不同的應(yīng)用場景給出不同的評估結(jié)果， 從而適應(yīng)不同用戶的評估需要， 即同一個數(shù)據(jù)集在有些用戶心目中已經(jīng)是高質(zhì)量的數(shù)據(jù)， 而對于另一部分用戶來說可能還遠不能滿足使用需要。

六、 結(jié)語

在數(shù)據(jù)要素流通過程中， 價值評估是必不可少的一環(huán)， 數(shù)據(jù)質(zhì)量可作為數(shù)據(jù)資產(chǎn)價值的源泉（李雪梅和趙小磊，2024）。這是由于高質(zhì)量的數(shù)據(jù)才能產(chǎn)生價值， 而低質(zhì)量的數(shù)據(jù)不但無法發(fā)揮價值， 反而會使得決策失誤， 導(dǎo)致難以估計的損失。事實證明， 數(shù)據(jù)價值評估離不開數(shù)據(jù)質(zhì)量評估。但以往的數(shù)據(jù)質(zhì)量評估多落腳于數(shù)據(jù)質(zhì)量管理角度， 從數(shù)據(jù)的破壞性、 成本等方面進行評估。這與數(shù)據(jù)資產(chǎn)價值評估中對數(shù)據(jù)質(zhì)量的需要有所不同。前者更注重數(shù)據(jù)維護， 后者則更注重數(shù)據(jù)的適用程度， 即數(shù)據(jù)是否能夠達到使用者的需求。而這種需求在不同的應(yīng)用場景下是變化的， 如果不能體現(xiàn)出這種變化， 必然導(dǎo)致價值評估失效。

故本文從效用角度入手， 借助機器學(xué)習(xí)模型客觀評估數(shù)據(jù)效用， 減少評估過程中對人工的依賴性。構(gòu)建異質(zhì)偏好效用函數(shù)來厘清不同維度的數(shù)據(jù)質(zhì)量問題的容忍程度， 通過風險偏好因子來體現(xiàn)不同應(yīng)用場景下使用者對數(shù)據(jù)質(zhì)量要求的變化， 使得評估結(jié)果較為真實地反饋數(shù)據(jù)的可用性、 適用性。該模型評估結(jié)果更適用于數(shù)據(jù)資產(chǎn)的估值或定價， 為推動我國數(shù)據(jù)要素市場化作出了一定的貢獻。

【 主 要 參 考 文 獻 】

蔡莉，李永軒，王淑婷等．基于層次分析法的眾源地理數(shù)據(jù)質(zhì)量評估研究［ J］．測繪地理信息，2021（3）：98 ～ 102．

黃耀倞，許拴梅，姜苗苗等．基于博弈論組合賦權(quán)的航道水域通航安全評價［ J］．安全與環(huán)境學(xué)報，2021（6）：2430 ～ 2437．

姜琪，孫超臣，倪碩．數(shù)據(jù)要素市場化進程中的數(shù)據(jù)流通與價值創(chuàng)造——基于上海數(shù)據(jù)交易所的案例研究［ J］．金融教育研究，2024（3）：3 ～ 10．

孔敏，王風帆，耿姍姍等．模糊層次分析法在淺剖數(shù)據(jù)質(zhì)量評價中的應(yīng)用［ J］．海洋科學(xué)，2023（10）：65 ～ 75．

李雪梅，趙小磊. 基于經(jīng)濟學(xué)視角的數(shù)據(jù)要素定價研究［ J］．河南社會科學(xué)，2024（1）：33 ～ 42．

李永紅，張淑雯．數(shù)據(jù)資產(chǎn)價值評估模型構(gòu)建［ J］．財會月刊，2018（9）：30 ～ 35．

劉桂鋒，聶云貝，劉瓊．數(shù)據(jù)質(zhì)量評價對象、體系、方法與技術(shù)研究進展［ J］．情報科學(xué)，2021（11）：13 ～ 20．

陸興鳳，曹翠珍．利益相關(guān)者視角下的企業(yè)財務(wù)大數(shù)據(jù)治理［ J］．財會月刊，2022（1）：39 ～ 47．

馬躍，馮連勇．中國試點碳排放權(quán)交易市場有效性分析［ J］．運籌與管理，2022（8）：195 ～ 202．

撒旭，王健，范智萱等．數(shù)據(jù)期刊同行評議視角下科學(xué)數(shù)據(jù)質(zhì)量評價指標識別［ J］．圖書情報工作，2020（17）：123 ～ 130．

宋立榮．基層科技報告資源建設(shè)中元數(shù)據(jù)質(zhì)量評估研究——以中國科學(xué)技術(shù)信息研究所為例［ J］．中國科技資源導(dǎo)刊，2016（1）：57 ～ 66．

宋暮凡．數(shù)據(jù)開放視角下的政府開放數(shù)據(jù)質(zhì)量評價研究［ J］．圖書情報導(dǎo)刊，2022（8）：63 ～ 70．

孫嘉睿，安小米．開放政府數(shù)據(jù)質(zhì)量評估指標體系研究［ J］．情報理論與實踐，2022（6）：94 ～ 100+78．

王博，溫繼文．基于元數(shù)據(jù)的林業(yè)開放政府數(shù)據(jù)質(zhì)量評估［ J］．情報學(xué)報，2021（2）：173 ～ 183．

王方雨，劉文穎，陳鑫鑫等．基于懲罰變權(quán)的RDA同期線損數(shù)據(jù)質(zhì)量評估模型［ J］．中國電力，2020（12）：223 ～ 231．

王琪．打通數(shù)據(jù)交易所壁壘，構(gòu)建統(tǒng)一數(shù)據(jù)交易市場——基于對數(shù)據(jù)交易所的比較分析［ J］．中國電信業(yè)，2023（1）：30 ～ 33．

王禹．數(shù)據(jù)資產(chǎn)的商業(yè)價值研究［ J］．全國流通經(jīng)濟，2023（19）：189 ～ 192．

吳偉光，祝雅璐，顧光同．中國試點碳市場有效性的決定因素［ J］．資源科學(xué)，2021（10）：2119 ～ 2129．

莊計龍，陳敏剛．數(shù)據(jù)質(zhì)量量化評價研究與實現(xiàn)［ J］． 智能計算機與應(yīng)用，2019（4）：71 ～ 74+78．

Arazy O.， Kopak R.. On the measurability of information quality［ J］． Journal of the American Society for Information Science amp; Technology，2011（1）：89 ～ 99．

Batini C.， Cappiello C.， Francalanci C.， et al.. Methodologies for data quality assessment and improvement［ J］． Acm Computing Surveys，2009（3）：1 ～ 52．

Even A.， Shankaranarayanan G.. Utility-driven assessment of data quality［ J］．ACM SIGMIS Database，2007（2）：75 ～ 93．

Li Y.， Chao X.， Ercisli S.. Disturbed-entropy： A simple data quality assessment approach［ J］． ICF Express，2022（3）：309 ～ 312．

Nespoli A.， Ogliari E.， Pretto S.， et al.. Data quality analysis in day-ahead load forecast by means of LSTM［C］． 2020 IEEE International Conference on Environment and Electrical Engineering and 2020 IEEE Industrial and Commercial Power Systems Europe （EEEIC/Iamp;CPS Europe），2020．

Niyato D.， Alsheikh M. A.， Wang P.， et al.. Market model and optimal pricing scheme of big data and internet of things （IoT）［C］． IEEE Internatio-nal Conference on Communications （ICC），2016．

Pierce E.， Thomas L.. Assessing information quality using prediction markets［C］． 12th International Conference on Information Quality（ICIQ-2007），2007．

Spiekermann M.. Data marketplaces： Trends and monetisation of data goods［ J］． Intereconomics，2019（4）：208 ～ 216．

Strong D. M.， Lee Y. W.， Wang R. Y.. Data quality in context［ J］． Communications of the ACM，1997（5）：103 ～ 110．

Sundararaman A.. A framework for linking data quality to business objectives in decision support systems［C］． International Conference on Trendz in Information Sciences amp; Computing，2011．

Tayi G. K.， Ballou D. P.. Examining data quality［ J］． Communications of the ACM，1998（2）：54 ～ 57．

Yang J.， Lan G，. Li Y.， et al.. Data quality assessment and analysis for pest identification in smart agriculture［ J］． Computers and Electrical Engineering，2022（103）：108322．