俞立平 宋夏云

摘?要：[目的/意義]線性多屬性評價值一般情況下并不具備評價優(yōu)劣的直接判斷功能，即不能根據(jù)評價得分判定優(yōu)良或是否及格等，這個問題是個隱含問題，在科技評價中尤為突出，一直沒有得到足夠的重視。[方法/過程]本文在分析多屬性評價值評價功能的影響機(jī)制的基礎(chǔ)上，提出基于Sigmoid函數(shù)進(jìn)行無量綱處理，在此基礎(chǔ)上分析其對自然權(quán)重與線性科技評價的影響，并基于JCR2017經(jīng)濟(jì)學(xué)期刊進(jìn)行實證。[結(jié)果/結(jié)論]研究結(jié)果表明：傳統(tǒng)情況下根據(jù)評價值直接判斷評價對象優(yōu)劣是欠妥的;評價值的優(yōu)劣判斷功能取決于評價指標(biāo)無量綱法與評價方法;Sigmoid無量綱可以有效消除自然權(quán)重問題;無量綱方法不同會影響線性評價結(jié)果;對文獻(xiàn)計量指標(biāo)采用極大值無量綱值得商榷;在科技評價中建議推廣Sigmoid函數(shù)無量綱法。

關(guān)鍵詞：無量綱法;Sigmoid函數(shù);自然權(quán)重;線性評價;多屬性評價

DOI：10.3969/j.issn.1008-0821.2020.04.014

〔中圖分類號〕G302?〔文獻(xiàn)標(biāo)識碼〕A?〔文章編號〕1008-0821（2020）04-0120-08

Evaluation Dimensionless Method，Natural Weight and

Linear Technology Evaluation

Yu Liping1?Song Xiayun2

（1.School of Statistics and Mathematics，Zhejiang Gongshang University，Hangzhou 310018，China;

2.School of Accounting，Zhejiang University of Finance and Economics，Hangzhou 310018，China）

Abstract：[Purpose/Significance]In general，the linear multi-attribute evaluation value does not have the direct judgment function of evaluating the superiority and inferiority，it cannot judge whether it is good or not based on the evaluation score.This problem is an implicit problem，which is particularly prominent in the evaluation of science and technology，and has not received enough attention.[Method/Process]Based on the analysis of the influence mechanism of multi-attribute evaluation value evaluation function，this paper proposed a dimensionless processing based on sigmoid function，analyzed its influence on natural weight and linear science and technology evaluation，and conducted an empirical study based on JCR2017 economics journal.[Result/Conclusion]The results showed that it was not proper to judge the quality of the evaluation object directly according to the evaluation value.The judgment function of evaluation value depended on the evaluation index dimensionless method and evaluation method.Sigmoid dimensionless could effectively eliminate the natural weight problem.Different dimensionless methods will affect the results of linear evaluation.The use of maximum dimensionless for bibliometrics questionable questionable.It was suggested to popularize the sigmoid function dimensionless in the science and technology evaluation.

Key words：dimensionless method;Sigmoid function;natural weight;linear evaluation;multi-attribute evaluation

在科技評價中，多屬性評價方法得到了廣泛的應(yīng)用。多屬性評價通過建立指標(biāo)體系，選取若干指標(biāo)對評價對象進(jìn)行綜合評價，避免了單一指標(biāo)評價信息量不足的缺陷，從更廣泛的視角進(jìn)行評價。加上多屬性評價方法眾多，各種評價方法特點不同，從而為達(dá)成評價目的提供了更多的選擇，所以現(xiàn)在多屬性評價已經(jīng)廣泛應(yīng)用在大學(xué)評價、科研機(jī)構(gòu)評價、學(xué)術(shù)期刊評價、科研人員評價等領(lǐng)域。

評價指標(biāo)優(yōu)劣判斷標(biāo)準(zhǔn)是多屬性評價的基本問題。在多屬性評價中，有兩類評價指標(biāo)，一類是評價型評價指標(biāo)，其特點是存在理論上的極優(yōu)值。比如科研效率，滿分為1，某機(jī)構(gòu)效率為0.82，可以直接判斷該機(jī)構(gòu)科研效率的優(yōu)良。另一類是非評價型評價指標(biāo)，其特點是并不存在理論上的極優(yōu)值。比如某學(xué)科某學(xué)術(shù)期刊h指數(shù)極大值為75，人們無法根據(jù)這個值來直接判斷優(yōu)良，因為h指數(shù)排名第一的期刊并不代表就是滿分，只能通過排名進(jìn)行大致比較。目前絕大多數(shù)科技評價指標(biāo)均是非評價型評價指標(biāo)，所有這個問題的影響比較廣泛。

評價指標(biāo)的優(yōu)劣判斷標(biāo)準(zhǔn)問題會影響到多屬性評價值的優(yōu)劣判斷。在多屬性評價中，評價指標(biāo)往往首先要進(jìn)行標(biāo)準(zhǔn)化或無量綱方法進(jìn)行預(yù)先處理，其中用得最多的無量綱化方法是極大值法，即所有的評價指標(biāo)均除以各自對應(yīng)的極大值。對于非評價型指標(biāo)而言，帶來的后果是多屬性評價值也屬于非評價型，即評價結(jié)果得分即使看上去是百分制得分，其實并不能按照這個分值來判斷優(yōu)劣，只能進(jìn)行排序。

自然權(quán)重問題是指由于指標(biāo)無量綱后評價均值不等引起的實際權(quán)重差異問題。自然權(quán)重問題由俞立平[1]首先提出，以學(xué)術(shù)期刊評價為例，假設(shè)只采用總被引頻次和影響因子兩個指標(biāo)進(jìn)行評價，權(quán)重采用等權(quán)重，即期刊評價得分為總被引頻次與影響因子無量綱化后各乘以0.5進(jìn)行加權(quán)匯總，但是總被引頻次與影響因子無量綱化后均值并不相等，假設(shè)總被引頻次無量綱化后均值為20，影響因子無量綱化后的均值為50，那么在實際評價中雖然是等權(quán)重，但總被引頻次由于均值較低明顯沒有得到重視，其實際權(quán)重只有影響因子的40%（20/50），這就是由于數(shù)據(jù)本身產(chǎn)生的問題，因此稱為自然權(quán)重，其根源是評價指標(biāo)的數(shù)據(jù)分布及數(shù)據(jù)自身特點不同。

將評價指標(biāo)的優(yōu)劣判斷標(biāo)準(zhǔn)問題與自然權(quán)重問題放在一個框架下研究非常必要。評價指標(biāo)的優(yōu)劣判斷標(biāo)準(zhǔn)會影響多屬性評價值的判斷，自然權(quán)重會影響到多屬性評價中實際權(quán)重，進(jìn)而影響評價結(jié)果，兩者均與評價指標(biāo)的無量綱法密切相關(guān)。相關(guān)問題如果能夠得到改善，不僅可以豐富多屬性評價的基礎(chǔ)理論，推進(jìn)無量綱方法與權(quán)重的研究，而且對于科技評價應(yīng)用具有重要的實踐意義。

1?文獻(xiàn)綜述

評價型指標(biāo)的優(yōu)劣判斷標(biāo)準(zhǔn)本質(zhì)上屬于無量綱方法問題。Lama N等[2]指出指標(biāo)的無量綱化是開展綜合評價活動的基礎(chǔ)，包括線性無量綱化方法和非線性無量綱方法。王常凱等[3]針對縱橫向拉開檔次法中的無量綱問題，提出一種新的標(biāo)準(zhǔn)化方法，即無量綱化面向指標(biāo)所有時間數(shù)據(jù)，標(biāo)準(zhǔn)化面向指標(biāo)某一時間數(shù)據(jù)。蔣維楊等[4]針對大樣本評價，提出一種結(jié)合專家主觀經(jīng)驗與客觀指標(biāo)原始數(shù)據(jù)的無量綱化方法。郭亞軍等[5]提出逼近理想性質(zhì)的復(fù)合無量綱化方法的原則，并構(gòu)造了一種新的無量綱化方法——極標(biāo)復(fù)合法。廖志高等[6]將非線性無量綱化方法分為3種類型，同時提出了反三角函數(shù)無量綱化方法，這也是一種非線性無量綱法。郭亞軍等[7]提出一種利用反正切函數(shù)或反余切函數(shù)構(gòu)建的無量綱方法，認(rèn)為其可較好保留原始數(shù)據(jù)包含的信息。慈鐵軍等[8]提出了一種基于決策者偏好的評價指標(biāo)區(qū)間屬性值規(guī)范化方法。高瑞忠等[9]認(rèn)為簡單非線性函數(shù)可以實現(xiàn)對于復(fù)雜函數(shù)的局部映射，提出采用復(fù)合Sigmoid函數(shù)方法來預(yù)測GDP。

關(guān)于無量綱法的選取，Chakraborty S等[10]通過對各種無量綱化法的對比研究，發(fā)現(xiàn)每種指標(biāo)無量綱化法都有其特定使用場合，應(yīng)根據(jù)不同情況進(jìn)行選取。宮誠舉等[11]從群體信息最大程度擴(kuò)大評價對象間差異的角度，提出群體信息集結(jié)過程中無量綱化方法選擇的若干建議。詹敏等[12]認(rèn)為線性無量綱化方法應(yīng)滿足差異比不變性、單調(diào)性、縮放無關(guān)性、穩(wěn)定性和平移無關(guān)性，在此基礎(chǔ)上進(jìn)行選取。李玲玉等[13]認(rèn)為無量綱法選取必須遵循穩(wěn)定性、差異性和變異性原則，認(rèn)為線性比例法最適合于拉開檔次法。

關(guān)于指標(biāo)無量綱法對多屬性評價的影響。Zhang L J等[14]分析了無量綱化方法對綜合評價結(jié)果影響的魯棒性。糜萬俊[15]基于離差最大化要求的假設(shè)沖突、約束條件以及可能造成權(quán)重信息失真的問題，從評價指標(biāo)方差分析入手，分析了無量綱化方法對評價指標(biāo)權(quán)重影響的傳導(dǎo)機(jī)制。王會等[16]分析了線性無量綱化方法對熵值法的影響，發(fā)現(xiàn)等差數(shù)列數(shù)據(jù)通過極值法無量綱化后權(quán)重不變，具有相同指標(biāo)值的正向指標(biāo)和反向指標(biāo)權(quán)重不等，提出應(yīng)根據(jù)原始指標(biāo)數(shù)據(jù)運用熵值法確定權(quán)重。江文奇[17]分析了無量綱化方法對評價指標(biāo)屬性權(quán)重的敏感性問題。蘇術(shù)鋒[18]認(rèn)為數(shù)據(jù)差異大小不能反映指標(biāo)的重要程度的高低，所以數(shù)據(jù)差異的客觀賦權(quán)法理論根據(jù)不足，是一種穩(wěn)定性欠佳的存在瑕疵方法。

關(guān)于自然權(quán)重問題，俞立平[1]界定了自然權(quán)重的概念，分析其對設(shè)計權(quán)重、實際權(quán)重以及對線性評價結(jié)果的影響極值。俞立平等[19]分析自然權(quán)重對非線性評價方法的影響，提出動態(tài)最大均值逼近標(biāo)準(zhǔn)化方法，以消除自然權(quán)重的影響。

從現(xiàn)有的研究看，關(guān)于評價指標(biāo)的無量綱方法的設(shè)計，學(xué)術(shù)界進(jìn)行了大量的研究，涌現(xiàn)出許多新的線性或非線性無量綱方法，關(guān)于指標(biāo)無量綱方法的選擇，學(xué)術(shù)界也總結(jié)出許多選取原則。至于評價指標(biāo)無量綱法對多屬性評價影響，學(xué)術(shù)界已經(jīng)認(rèn)識到這個問題，研究涉及到評價權(quán)重、評價結(jié)果的靈敏度、評價結(jié)果的排序等等。自然權(quán)重問題是個新的問題，只有少數(shù)學(xué)者開展研究?？傮w上，關(guān)于評價指標(biāo)的優(yōu)劣判斷標(biāo)準(zhǔn)與自然權(quán)重問題，在以下幾個方面需要進(jìn)一步進(jìn)行深入研究：

第一，現(xiàn)有的無量綱方法對于評價值優(yōu)劣標(biāo)準(zhǔn)判斷的影響機(jī)制，這個問題缺乏研究。

第二，從無量綱方法角度，需要進(jìn)一步探索采用無量綱方法來解決評價指標(biāo)優(yōu)劣判斷標(biāo)準(zhǔn)問題。

第三，如果通過無量綱方法能適度解決評價指標(biāo)優(yōu)劣判斷標(biāo)準(zhǔn)，那么對于線性科技評價結(jié)果會產(chǎn)生哪些影響。

第四，如果通過無量綱方法在評價指標(biāo)優(yōu)劣判斷標(biāo)準(zhǔn)方面取得進(jìn)展，那么其對自然權(quán)重會產(chǎn)生哪些影響，進(jìn)而對評價結(jié)果產(chǎn)生哪些影響。

本文在分析無量綱方法對評價結(jié)果值影響機(jī)制的基礎(chǔ)上，提出基于Sigmoid函數(shù)的評價指標(biāo)無量綱法，以解決評價指標(biāo)的優(yōu)劣判斷標(biāo)準(zhǔn)問題，并基于JCR2017經(jīng)濟(jì)學(xué)期刊數(shù)據(jù)，采用CSSCI學(xué)術(shù)期刊的線性評價方法，分析Sigmoid無量綱法對評價指標(biāo)、自然權(quán)重以及評價結(jié)果值的影響。

2?理論基礎(chǔ)與研究方法

2.1?評價指標(biāo)優(yōu)劣判斷標(biāo)準(zhǔn)失范對評價值的影響機(jī)制

現(xiàn)有無量綱方法對評價結(jié)果值的影響機(jī)制如圖1所示。評價指標(biāo)分為評價型評價指標(biāo)與非評價型評價指標(biāo)，評價型評價指標(biāo)存在理論上的極優(yōu)值，非評價型評價指標(biāo)不存在理論上的極優(yōu)值。

在多屬性評價中，對于所有指標(biāo)均首先進(jìn)行無量綱化處理，無量綱化方法采用最多的就是極大值法，即所有指標(biāo)均除以其極大值。對評價型指標(biāo)而言，如果其恰好有滿分，那么無量綱化后值為1，相當(dāng)于也是滿分，既不高估也不低估。如果沒有滿分，比如滿分為100，但極大值只有90，那么無量綱化后其極大值也為1，需要注意的是，此時實際上將極大值高估了，本來是90，但現(xiàn)在是1。對于非評價型指標(biāo)而言，由于其無理論極優(yōu)值，基于理論極優(yōu)值比現(xiàn)有極大值更高的假定，無量綱化后指標(biāo)值其實是高估的。

綜合分析評價型指標(biāo)與非評價型指標(biāo)采用極大值無量綱化后的結(jié)果，指標(biāo)無量綱化值更多情況下是高估的，只有在少數(shù)情況下才是適中的，即既不高估也不低估，這樣線性評價結(jié)果值肯定是高估的，這就是目前多屬性評價中普遍存在的問題。

既然多屬性評價結(jié)果值存在高估問題，那么根據(jù)評價結(jié)果得分進(jìn)行深度分析就要慎重。比如在學(xué)術(shù)期刊評價中，某個雜志的最終得分為0.6，那么就不能簡單說該期刊已經(jīng)達(dá)到及格線，實際情況肯定未達(dá)到，因為被高估了。

2.2?線性多屬性評價方法的優(yōu)劣判斷問題

多屬性評價方法也有優(yōu)劣判斷標(biāo)準(zhǔn)問題。對這個問題的界定學(xué)術(shù)界很少關(guān)注，本文將其稱為評價型評價方法：對于任意一種多屬性評價方法，在某個評價對象所有評價指標(biāo)值均為極大值的情況下，如果其評價得分也為1（或100），那么該評價方法就是評價型評價方法，或者說，有理論上極優(yōu)值的評價方法就是評價型評價方法。

評價型評價方法以線性評價方法和部分非線性評價方法為主。所有的線性評價方法均為評價型評價方法，如層次分析法AHP、熵權(quán)法、變異系數(shù)法、CRITIC法等等，另外少數(shù)非線性評價方法也屬于評價型評價方法，如TOPSIS，其評價理想極大值為1。非評價型評價方法主要以多數(shù)非線性評價方法為主，典型是主成分分析、因子分析等評價方法，這兩種方法的評價結(jié)果值均同時具有正值和負(fù)值，可以排序，但不能直接判斷優(yōu)劣。

2.3?基于Sigmoid函數(shù)的無量綱方法

1920年，美國生物統(tǒng)計學(xué)家Pearl R等[20]研究美國自1790年以來人口增長問題，首次提出了Logstic曲線方程，也稱為成長曲線。成長曲線展示了事物產(chǎn)生、發(fā)展與壯大的過程，已經(jīng)被廣泛應(yīng)用在科技、經(jīng)濟(jì)、社會、生物等諸多領(lǐng)域。成長曲線更多被應(yīng)用在時間序列數(shù)據(jù)中，反映了事物隨時間的發(fā)展變化。換一種視角來說，對于某種事物的某類發(fā)展指標(biāo)而言，其實可以采用截面數(shù)據(jù)來擬合成長曲線。這是因為任何事物都是從較小的時候發(fā)展過來的，現(xiàn)在較小的事物可以看作現(xiàn)在較大事物的過去，或者說，現(xiàn)在較大事物就是較小事物發(fā)展的未來。

成長曲線一般用Logistic函數(shù)表示，其通用表達(dá)式為：

Y=L1+ae-bt（1）

式（1）中，Y代表事物發(fā)展的水平，L表示事物發(fā)展的理論極大值，t表示時間，e表示自然對數(shù)，a、b為調(diào)節(jié)系數(shù)。

正因為Logistic曲線有理論極優(yōu)值L，而這正是評價型無量綱法所必須的，所以基于成長曲線對評價指標(biāo)無量綱具有指標(biāo)優(yōu)劣的直接判斷功能。

當(dāng)L=a=b=1時，Logistic函數(shù)就變成Sigmoid函數(shù)，Sigmoid函數(shù)是成長曲線的一種特殊形式（見圖3）：

Y=11+e-1（2）

既然采用截面數(shù)據(jù)來模擬成長曲線，那么如何將截面數(shù)據(jù)轉(zhuǎn)化為時間就是一個關(guān)鍵問題。從圖3可以看出，當(dāng)t在（-5，5）區(qū)間時，Y值在（0，1）之間變化，所以只要將截面數(shù)據(jù)通過某種轉(zhuǎn)換映射在（-5，5）之間即可，最有效的方法就是進(jìn)行z值轉(zhuǎn)換：

z=X-μδ（3）

式（3）中，X為原始指標(biāo)，μ為其平均值，σ為標(biāo)準(zhǔn)差。將z值代入Sigmoid函數(shù)，用其代替t就可以完成無量綱。

2.4?Sigmoid函數(shù)與自然權(quán)重

由于采用z值來代替Sigmoid函數(shù)中的時間t來進(jìn)行無量綱化，因此對于正態(tài)分布而言，所有指標(biāo)無量綱化后的均值均為0.5，即無量綱后所有指標(biāo)的均值會相等，這樣就不存在自然權(quán)重問題，所以在評價指標(biāo)服從正態(tài)分布時，采用Sigmoid函數(shù)進(jìn)行無量綱化處理能夠解決自然權(quán)重問題。

在科技評價中，許多文獻(xiàn)計量指標(biāo)并不服從正態(tài)分布[21-22]，在這種情況下，無量綱對自然權(quán)重的影響有待進(jìn)一步分析，但總體上，Sigmoid函數(shù)作為一種非線性無量綱法，相比極大值無量綱法，應(yīng)該還是能有所改善自然權(quán)重問題。

2.5?線性評價方法

為了對本文提出的思路與方法進(jìn)行實證研究，本文以南京大學(xué)CSSCI學(xué)術(shù)期刊評價方法為例，選取總被引頻次與影響因子兩個指標(biāo)，采用Sigmoid函數(shù)進(jìn)行無量綱，然后采用線性評價方法進(jìn)行評價，其計算公式為：

評價值=總被引頻次×0.2+影響因子×0.8（4）

很顯然式（4）是一種線性評價方法，當(dāng)然顯然屬于評價型評價方法。

3?實證結(jié)果

3.1?數(shù)據(jù)來源

本文數(shù)據(jù)來源于JCR2017經(jīng)濟(jì)學(xué)期刊，JCR2017公布的文獻(xiàn)計量指標(biāo)有多個，本文選取總被引頻次與影響因子兩個指標(biāo)進(jìn)行評價。2017年入選JCR的經(jīng)濟(jì)學(xué)期刊共有353種，由于有32種期刊存在數(shù)據(jù)缺失，將其刪除，實際還有321種期刊。

3.2?極大值無量綱與Sigmoid函數(shù)無量綱比較

極大值無量綱與Sigmoid函數(shù)無量綱結(jié)果如表1所示。從均值看，采用極大值無量綱總被引頻次和影響因子相差較大，分別為0.057和0.196，但采用Sigmoid函數(shù)無量綱均值趨于接近，分別為0.477、0.483。

從極大值看，采用極大值無量綱極大值肯定為1，但采用Sigmoid函數(shù)無量綱，總被引頻次的極大值為1，影響因子的極大值為0.994，說明影響因子尚未達(dá)到理論上的極優(yōu)值。

從極小值看，采用極大值無量綱總被引頻次和影響因子的極小值均較低，分別為0.002、0.018，但采用Sigmoid函數(shù)無量綱極小值均較大，分別為0.382、0.244，也就是說，采用Sigmoid函數(shù)無量綱有效提高了極小值。

從離散系數(shù)看，采用極大值無量綱和Sigmoid函數(shù)無量綱，總被引頻次的離散系數(shù)分別為1.995、0.284，影響因子的離散系數(shù)分別為0.803、0.390，即采用Sigmoid函數(shù)無量綱降低了離散系數(shù)，數(shù)據(jù)分布更加均勻。

從數(shù)據(jù)分布看，采用Sigmoid函數(shù)無量綱降低了總被引頻次與影響因素的偏度S和峰度K，并且降低了Jarque-Bera檢驗值，雖然無量綱后也不服從正態(tài)分布，但采用Sigmoid函數(shù)無量綱使得總被引頻次和影響因子更加接近正態(tài)分布。

3.3?采用Sigmoid函數(shù)對自然權(quán)重的影響

只有在評價指標(biāo)無量綱后均值相等的情況下才沒有自然權(quán)重問題，根據(jù)這個界定，采用極大值無量綱時，影響因子與總被引頻次之比為0.196/0.058=3.379，即影響因子的自然權(quán)重是總被引頻次的3.379倍，這個差距是巨大的。采用Sigmoid函數(shù)無量綱后，影響因子與總被引頻次之比為0.483/0.477=1.013，兩者接近相等，也就是說，采用Sigmoid函數(shù)無量綱已經(jīng)基本上解決了自然權(quán)重問題。

由于總被引頻次和影響因子并不服從正態(tài)分布，但采用Sigmoid函數(shù)無量綱化后，兩者的均值仍然接近相等，說明即使在指標(biāo)不服從正態(tài)分布的情況下，采用Sigmoid函數(shù)無量綱化仍然可以有效解決自然權(quán)重問題。

3.4?不同無量綱評價結(jié)果的比較

分別采用極大值無量綱與Sigmoid無量綱，然后分別進(jìn)行評價，其描述統(tǒng)計結(jié)果如表2所示。結(jié)果與指標(biāo)無量綱類似，即采用Sigmoid無量綱，提高了均值和極小值，降低了離散系數(shù)，使得評價結(jié)果值更加接近正態(tài)分布，這對評價是非常有益的。

由于采用Sigmoid函數(shù)無量綱具有評價值的優(yōu)劣直接判斷功能，從結(jié)果看，有73種期刊位于及格水平以上，及格率為22.67%;而采用極大值無量綱，位于及格線以上的期刊僅有9種，及格率為2.80%。由于極大值無量綱在理論上高估了評價值，因此這種及格率仍然是高估后的結(jié)果。當(dāng)然這種情況產(chǎn)生的原因是文獻(xiàn)計量指標(biāo)的數(shù)據(jù)分布問題，所以在這種情況下采用極大值無量綱有待進(jìn)一步商榷。

不同無量綱方法評價結(jié)果如表3所示，由于篇幅所限，本文僅公布了按Sigmoid函數(shù)無量綱進(jìn)行評價后，排序前30位的期刊。由于采用Sigmoid無量綱方法，也改變了極大值無量綱的評價結(jié)果排序。

4?研究結(jié)論

4.1?傳統(tǒng)情況下根據(jù)評價值直接判斷評價對象優(yōu)劣是欠妥的

只有在理論上具有極大值的評價指標(biāo)才是評價型評價指標(biāo)，但是在科技評價中，由于大多數(shù)評價指標(biāo)并不是評價型指標(biāo)，即不能根據(jù)無量剛化后的值直接判斷優(yōu)劣，加上許多評價方法也并非評價型評價方法，所以此時多屬性評價值是沒有直接評價功能的，即不能根據(jù)評價值的大小來判斷其優(yōu)良，以及是否及格等等，只能進(jìn)行排序。但在實際評價工作中，由于這個問題是隱含的，評價值被過分解讀，很明顯這是值得商榷的。

4.2?評價值的優(yōu)劣判斷功能取決于評價指標(biāo)無量綱法與評價方法本文分析了評價值優(yōu)劣判斷功能的影響機(jī)制，認(rèn)為其受評價指標(biāo)無量綱化方法與評價方法的影響。對于評價指標(biāo)無量綱方法，可以分為評價型無量綱法與非評價型無量綱法，采用前者無量綱才具有評價指標(biāo)及后續(xù)的評價值的優(yōu)劣判斷功能。對于多屬性評價方法，也可以分為評價型評價方法與非評價型評價方法，所有的線性評價方法與少數(shù)非線性評價方法屬于評價型評價方法，而多數(shù)非線性評價方法如主成分分析、因子分析屬于非評價型評價方法。只有同時采用評價型無量綱法與評價型評價方法的評價值，才具有直接根據(jù)評價值進(jìn)行優(yōu)劣判斷的功能。

4.3?Sigmoid無量綱可以有效消除自然權(quán)重問題

本文研究發(fā)現(xiàn)，采用Sigmoid函數(shù)無量綱，不同指標(biāo)的均值有接近趨勢，即使在評價指標(biāo)不服從正態(tài)分布的情況下，這樣可以有效消除由于某個指標(biāo)均值過低導(dǎo)致其在多屬性評價值中比重過小問題，即自然權(quán)重問題。由于自然權(quán)重是隱含的，會導(dǎo)致評價實際權(quán)重偏離專家設(shè)定權(quán)重或采用某種主客觀方法確定的權(quán)重，產(chǎn)生隱含的不公平現(xiàn)象，Sigmoid函數(shù)無量綱為解決這個問題提供了一種較好的思路。

4.4?無量綱方法不同會影響線性評價結(jié)果

無量綱方法不同也會影響線性評價結(jié)果，尤其在評價對象較多，評價對象之間區(qū)分度相對較低的情況下。本文的實證研究結(jié)果表明，即使對于那些評價分值較高的評價對象，無量綱方法不同也會使得評價排序發(fā)生較大的變化。

4.5?對文獻(xiàn)計量指標(biāo)采用極大值無量綱值得商榷

盡管學(xué)術(shù)界公認(rèn)文獻(xiàn)計量指標(biāo)的數(shù)據(jù)分布是有偏的，但是從評價的角度，如果評價值的偏態(tài)很嚴(yán)重，就要認(rèn)真考慮無量綱方法以及評價方法。本文研究發(fā)現(xiàn)，采用極大值無量綱評價時，期刊及格率在高估的情況下只有2.80%，遠(yuǎn)遠(yuǎn)低于采用Sigmoid函數(shù)無量綱后評價值的22.67%的水平。如果基于前者的評價結(jié)果，難道經(jīng)濟(jì)學(xué)期刊的質(zhì)量差距真有那么大嗎？此時應(yīng)該對極大值無量綱進(jìn)行反思，因為與客觀事實嚴(yán)重不符。

4.6?在科技評價中建議推廣Sigmoid函數(shù)無量綱

基于Sigmoid函數(shù)無量綱，不僅解決了評價值的優(yōu)劣直接判斷問題，使得多屬性評價值有可能具備優(yōu)劣判斷功能，而且提高了評價均值，降低了離散系數(shù)，使得數(shù)據(jù)分布更加均勻，同時評價值更加接近正態(tài)分布，這對學(xué)術(shù)評價而言是非常重要的，建議對于非評價型評價指標(biāo)，可以采用Sigmoid函數(shù)進(jìn)行無量綱，進(jìn)而進(jìn)一步進(jìn)行多屬性評價。

由于本文基于JCR經(jīng)濟(jì)學(xué)期刊和CSSCI評價方法分析評價型無量綱法、自然權(quán)重的相關(guān)問題，從而得出以上結(jié)論，至于其他學(xué)科的學(xué)術(shù)期刊是否會得出類似的結(jié)論，有待進(jìn)一步研究。

參考文獻(xiàn)

[1]俞立平.線性科技評價中自然權(quán)重問題及修正研究——動態(tài)最大均值逼近標(biāo)準(zhǔn)化方法[J].統(tǒng)計與信息論壇，2018，33（10）：27-33.

[2]Lama N，Boracchi P，Biganzoli E.Exploration of Distributional Models for a Novel Intensity-Dependent Normalization Procedure in Censored Gene Expression Data[J].Computational Statistics and Data Analysis，2009，53（5）：1906-1922.

[3]王常凱，鞏在武.“縱橫向”拉開檔次法中指標(biāo)規(guī)范化方法的修正[J].統(tǒng)計與決策，2016，（2）：77-79.

[4]蔣維楊，趙嵩正，劉丹，等.大樣本評價的定量指標(biāo)無量綱化方法[J].統(tǒng)計與決策，2012，（17）：4-9.

[5]郭亞軍，易平濤.線性無量綱化方法的性質(zhì)分析[J].統(tǒng)計研究，2008，（2）：93-100

[6]廖志高，詹敏，徐玖平.非線性無量綱化插值分類的一種新方法[J].統(tǒng)計與決策，2015，（19）：72-76

[7]郭亞軍，宮誠舉，李偉偉，等.基于反三角函數(shù)的非線性預(yù)處理方法[J].系統(tǒng)工程，2017，35（7）：53-57.

[8]慈鐵軍，劉曉瑜.基于決策者偏好的區(qū)間數(shù)多屬性決策屬性值規(guī)范化方法[J].統(tǒng)計與決策，2015，（3）：36-38.

[9]高瑞忠，李和平，格日樂，等.基于復(fù)合Sigmoid函數(shù)的國內(nèi)生產(chǎn)總值預(yù)測方法[J].工業(yè)技術(shù)經(jīng)濟(jì)，2010，29（10）：101-104.

[10]Chakraborty S，Yeh C H.[IEEE Industrial Engineering（CIE39）-Troyes，F(xiàn)rance （2009.07.06-2009.07.09）]2009 International Conference on Computers & Industrial Engineering-A simulation comparison of normalization procedures for TOPSIS[C].2009：1815-1820.

[11]宮誠舉，郭亞軍，李玲玉，等.群體信息集結(jié)過程中無量綱化方法的選擇[J].運籌與管理，2017，26（5）：151-157.

[12]詹敏，廖志高，徐玖平.線性無量綱化方法比較研究[J].統(tǒng)計與信息論壇，2016，31（12）：17-22.

[13]李玲玉，郭亞軍，易平濤.無量綱化方法的選取原則[J].系統(tǒng)管理學(xué)報，2016，25（6）：1040-1045.

[14]Zhang L J，Tao L.A Research on Methods of Robust Measurement of Multi-index Comprehensive Evaluation Model[J].Statistics & Information Forum，2011，26（5）：16-20.

[15]糜萬俊.無量綱化對屬性權(quán)重影響的傳導(dǎo)機(jī)制及調(diào)權(quán)研究[J].統(tǒng)計與決策，2013，（4）：11-14.

[16]王會，郭超藝.線性無量綱化方法對熵值法指標(biāo)權(quán)重的影響研究[J].中國人口·資源與環(huán)境，2017，27（S2）：95-98.

[17]江文奇.無量剛化方法對屬性權(quán)重影響的敏感性和方案保序性[J].系統(tǒng)工程與電子技術(shù)，2012，34（12）：2520-2523.

[18]蘇術(shù)鋒.客觀評價法中的數(shù)據(jù)差異賦權(quán)有效性及實證[J].統(tǒng)計與決策，2015，（21）：74-76.

[19]俞立平，宋夏云，王作功.自然權(quán)重對非線性科技評價的影響及糾正研究——以TOPSIS方法評價為例[J].數(shù)據(jù)分析與知識發(fā)現(xiàn)，2018，2（6）：48-57.

[20]Pearl R，Reed L J.On the Rate of Growth of the Population of the United States Since 1790 and Its Mathematical Representation[J].Proceedings of the National Academy of Sciences，1920，6（6）：275-288.

[21]Vinkler P.Introducing the Current Contribution Index for Characterizing the Recent，Relevant Impact of Journals，Scientometrics，2008，79（2）：409-420.

[22]Seglen P O.The Skewness of Science[J].Journal of the American Society for Information Science，1992，43（9）：628-638.

（責(zé)任編輯：郭沫含）