单从辨识度角度来说，本书可以得出T-S模糊系统的评价效果最优，但在实际研究过程中单方面的评价往往有失偏颇，甚至得出完全错误的结论。而且虽然通过辨识度得出了结论，但对于得出的结论的可靠性程度却没有相应的数据支撑，因此，对上述5种评价方法优劣的选择还需进一步深化。最终本书选定首尾一致率和区分度来进行评价结果的一致性检验和可靠性检验。[9]
（一）首尾一致率计算
虽然各评价方法的具体评价结果是不一致的，但根据正态分布规律，在一个群体中，最好的和最差的那部分对象总是少数的，而二者的差别往往较大、区分度较高，各评价方法对于这两部分的评价容易取得共识，较少存在争议。其具体计算方法为：对于m个评价对象，将各种评价方法按其评价结果v进行降序排列，本书运用“二八定律”[10]，选取前20%的评价对象作为最差的部分，并选取各评价方法公共的y个评价对象；选取后20%的评价对象作为最好的部分，并选取各评价方法公共的x个评价对象；最后计算其首尾一致率S。其计算方式如下：
显然，S值处于0～1之间，S越大，说明不同的评价方法的结果更为一致。
针对本书，根据表5-16可知，在4种评价方法中，前20%的最差城市排名中共同的城市个数y＝1，在后20%的最好城市排名中共同的城市个数x＝1，所以其首尾一致率为：
该一致率大于所选城市比例20%，因此认为本书的首尾一致率基本符合要求。
（二）区分度计算
传统意义上的区分度是对考试试题质量的一种度量，而本书所运用的区分度是对评价对象相对差距的一种度量，很显然，其相对差距越大，则说明该评价方法存在的争议越少。其具体原理是：对于m个评价对象，将各种评价方法按其评价结果v进行降序排列，然后给每个分值编上序号N，其中1≤i≤m，则函数V＝f（N）是单调递减函数。因此，评价结果最好的坐标值为（V1，1），评价结果最差的坐标值为（Vm，m）。其区分度计算公式为：
上述公式即表示各方法的相邻两点距离之和（曲线总长度）与首尾两点距离（极值距离）的比值。D≥1且D越大，说明相邻的两点越分散，则评价结果区分度越好，意味着评价结果的可靠性越高。
如前文所说，虽然需要标准化的数据可以分为极大型和极小型两类，但由于各评价方法对评价对象得到的具体的值都是不一致的，例如TOPSIS法得到的评价结果范围在0～1，主成分分析法的范围在－1～1。量纲的不一致就必须进行标准化才能够进一步的比较，辨识度统一采用极值法标准化，虽然将各评价具体值的范围统一归纳到0～1，但同时也存在一个问题，就是导致标准化后的两点之间的距离之和与首尾两点极值距离都会缩小，进而导致其比值缩小，最终导致区分度进一步减小，即标准化后的所有数值的范围都处于[0，1]，很明显这是一个很小的区间范围，进而导致所有数值都拥挤在一个狭小的范围内，很难找到数据之间的区分度，或者说即使找到了区分度，区分度也是极小的，而区分度过小，则无法达到区分评价对象的最终目的，进而对评价结果产生负面影响。因此，在计算区分度的标准化方面做如下改进：本书将标准化处理后的值设定为0～m之间，即最大值点的坐标为（m，1），最小值点的坐标为（0，m），中间某点的标准化值根据原值与极大值的差等比例处理。其计算公式如下：
其中，V｀为标准化后的值，Vi为原指标值。经过改进后，标准化后的数值就只对原值进行了简单的线性变化，并不会改变原评价结果的分布规律，保留了原数据之间固有的特点，而且标准化后的数值范围也并没有缩小到[0，1]的范围，拉大了区分度，使得区分度的计算、比较更为科学合理。
标准化后，区分度的计算可以进一步简化为：
(www.xing528.com)
按照上述标准化公式对基尼系数法、Borda法、主成分分析法、Topsis法与T-S模糊系统法的数据进行标准化，得到的结果如表8-17所示。
表8-17 五种评价方法得分标准化的值
续表
续表
将以上各评价方法的坐标点描述在二维坐标中，如图8-2所示。
图8-2 五种评价方法区分度散点图
计算可以得到各评价方法区分度的具体得分，如表8-18所示。
表8-18 五种评价方法的区分度得分
最终得出结论：在城市生活环境竞争力的综合评价中T-S模糊系统法的评价效果最优。通过辨识度和区分度两种优劣判别法可以发现，TS模糊系统相对于传统的评价方法存在较大的优势，评价效果也优于其他方法。因此本书最终以T-S模糊系统的评价结果为13个城市生活环境竞争力排名结果。具体评价结果如表8-19所示。
表8-19 T-S模糊系统评价排名结果
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
