系统分析法操作及要求

三、系统分析法各个环节的操作及要求

(一)阐明问题

系统分析发展前期的特点是具有明确的目标和约束条件，事先给定的行动方案以及定量的评价指标。这类结构清晰的问题不妨称之为“硬”问题。解决这类问题的路子，往往可归结为挑选某种技术方法去寻找最优的解答。另外，在系统分析过程中，还有大量的结构不清晰的所谓“软”问题。这类问题涉及众多组织和人员的利益，他们的需求和价值观各异，甚至相互矛后。因而目标和约束混淆不清，难以用“效率”、“效益”这类定量指标做出评价，单靠某种技术方法也就无法解决问题。对于这类“软”问题，到底什么是问题倒成了真正的问题。阐明问题因而成为系统分析中的重要阶段，系统科学界的阿柯夫教授曾总结系统分析的经验说过：“解决错误问题引起的失误比错误地解决正确问题引起的失误要多得多”。阐明问题阶段本身就是一项小规模的系统分析，需要分析研究目标结构、价值观念、约束条件、备选方案、方案后果及人们对后果的反应等。尽管分析方法很粗略，甚至完全凭直观判断，但这些工作决定着今后的分析过程，如构造什么模型，比较哪些备选方案，某种后果是否可行等。其重要性已为愈来愈多的研究人员所接受。但是，人们总感觉阐明问题的工作比较空洞，似乎只有开始建立数学模型才是系统分析的真正开端。为此，弄清这一阶段工作的实际内容，总结某些典型做法很有必要。经验表明，采取撰写两种书面文件的做法，能比较集中体现阐明问题阶段的工作内容，即初期的问题剖析报告和结束时的阶段结果报告。

1.问题剖析报告

问题剖析报告包括问题性质和问题条件两部分内容：

(1)“问题性质”部分，主要是弄清各种相关联问题形成的问题域和它们的来龙去脉，即问题的结构、过程和情势。为此，研究人员必须广泛地和决策者、利益有关的人员以至各界人士进行对话。分析人员通常在对话中提出下面一类问题：你认为存在什么问题？为什么这是个问题？如何出现的，什么原因引起的？解决这个问题的重要性何在？如果就这个问题进行系统分析可能得出什么结论？可能解决的方式是什么？谁能采取解决问题的行动？这类行动会带来什么变化？这个问题和哪些问题相牵连，它是哪个更大问题中的一部分？等等。通过对话，感受决策者及有关人员的情绪、价值观念，才有可能对问题的结构、过程和情势获得一幅生动的总体图像。工程技术人员有时可以根据用户提出的技术要求在远隔千里之外进行一项技术设计。如果研究人员也凭决策者的一个要求或意见。就立即在自己的“技术方法库”中去找解决办法的话，往往容易导致虚假印象，如排队论“爱好者”总希望把研究对象看成是个排队问题，而线性规划“爱好者”又看做是线性规划问题，那是难以奏效的。在对话基础上得出的问题剖析报告，主要是扼要地描述存在的问题，问题提出者，决策者，他们的价值观念，相关的问题，环境等。

(2)“问题条件”部分，主要是弄清解决问题所需资源。研究人员在对话过程中要问：涉及哪些资源分配问题？谁分配？分配者的职权、作用如何？资源使用的监督、控制系统如何？报告描述各种可利用的资源情况，以及相应的限制条件。

这两项报告都比较粗略、简要。目的是检验问题性质和问题条件是否匹配，使工作任务和所需资源相当。如果力不能及或绰绰有余都可从两方面作适当调整，直至大体平衡。接着，可以确定解决问题的成员，最好组成一个小组，并着手进一步收集数据、资料，形成观点。

2.阶段结果报告

在以上工作基础上，可着手撰写阶段结果报告。这项报告的主要内容包括：问题的由来和背景、重要性、可能采取行动的组织和个人、利益相关的组织和人员、目标、评价指标、约束条件、备选方案的初涉描述、建议等。根据阶段结果报告，决策者可以看出解决问题的大体方向和领域，以便给予更多的支持。当然也可能认为到此为止，不值得进一步分析下去。一般说来，阐明问题阶段约占分析全过程时间的20%～25%。

图12－2　阐明问题环节的主要内容

图7－2表达了上述阐明问题环节的工作内容及相应概念。输出的阶段报告中，目标、评价指标、约束条件乃是关键。

3.确立目标

系统分析研究人员作为决策者的智囊，归根结底是帮助决策者确立真正的目标，并找出解决问题的途径。理想的做法应尽早明确目标。但在这些“软”问题上，人们很难听到决策者用清晰周密的语言表达他的真正目标。问题还在于，即使决策者在分析开始时就明确提出目标，也不能不加分析地采纳。例如，一位决策者提出为他拟议中的新建医院选择合理地址，以满足病人需要。分析者可能立即按照“选址问题”去处理，由此得出的分析结果也能使决策者满意，但并不一定是一项好的系统分析。因为真正的目标是改善整个地区的医疗保健。为了达到这个目标，也许建立定期健康检查制度或改善妇幼的医疗设施更为有效，并不需要新建医院。为什么决策者提出新建医院的要求？可能由于组织体制上的隔阂，现有设施得不到充分利用而引起；也可能由于个人的偏好，求新求全，与人攀比；甚至为了个人的名声地位。但不能不承认，目标的层次性引起决策者判断上的困难。

本例中，改善整个地区的医疗保健是较高层目标，而兴建地址适当、患者看病方便的新医院是较低层目标，同时又是达到较高层目标的一种方式。又如，消防队配备的较高层目标是为了及时扑灭火灾，较低层目标则可选择消防站到起火地点的平均行驶时间。而改善医疗保健服务、及时灭火又隶属于提高人民生活水平，改善社会服务这类更高层目标。一般说来，越高层目标适用时期长，范围广愈，能为更多的人所接受。低层次目标应服从高层次目标。但是低层次目标比较明确具体，如选择适当的医院地址、最短的消防车行驶时间等，便于分析研究。有时，低层目标不同，系统分析得出的结果会有很大差异。例如，为了减少交通违章事故，可以采取两种备选方案，一种采取突击拦截和罚款的办法，一种采取定期巡逻的办法。前者抱有增加政府收入这一目标，企图拦截较多的违章事例，增加罚款；后者则是希望降低违章次数，民警经常公开露面，驾车者意识到有民警执勤便可能打消违章的企图。所以，研究人员需要全面分析目标结构，选择适当层次的目标。目标太笼统，系统分析难度大，如太具体又容易以偏概全，至于选定何一层次目标，这恰恰是研究人员发挥技艺之处。

决策者的同一层次目标往往不止一个，如既要改善公共交通安全，又要缩短车辆行驶时间。在资源既定情况下，如决策者力争达到某个目标，那么，其他目标则无法在最大程度上达到，甚至彼此冲突。即是说，如有两个以上的目标，除非一个目标隶属于另一个，否则这些目标之间总是彼此矛盾的。

在众多决策者和多种目标的状况下，可以采用一些筛选的办法，将目标数量减少以便进行分析。例如：将某项目标归结到更高一级目标；将各目标排出优先次序，首先选取最优先的目标，然后尽可能在不损害第一项目标前提下完成第二项目标；除了最重要的一个目标外，其他都作为约束条件等。

4.评价指标

为了衡量决策者对方案后果的满意程度，系统分析需确定一个(一组)评价指标。根据各方案的指标状况，排出优先次序。有时目标往往难以直接量化。需要采用一种可定量的代用指标，例如，用婴儿死亡率来反映某地区的医疗状况。

一项合理的评价指标应能反映目标的实现程度。但有些常用的指标，如果用输入资源、效率或负荷这些指标去评价输出后果却是不合适的。例如，城市的垃圾清理系统，采用不受污染地区的比例，未集中清理的垃圾堆数、鼠害状况及病疫状况等指标都能说明改善清洁工作的程度，但是，人们如采取输入资源指标(每户交付的清洁费用)或效率指标(单位人时收集垃圾吨数)或工作负荷指标(收集垃圾吨数)，那并不反映目标的改善状况，无法依此排列方案进行优先次序。

在有多种指标，即方案后果有多重属性的情况下，一般是将其组合成单一的指标。对后果每种属性赋予权重，然后综合得出一个效用值函数。需要指出的是，这种效用函数在很大程度上是研究者本人对各种属性相对重要程度的判断结果，而不反映决策者的意见。决策者即使愿意花费较多时间去估计权重，也是在研究人员的指导下进行。决策者只有通过右半脑的直感思维，才能对各种显示出的后果做综合判断。确定评价指标不只是为了寻求辨优的尺度，重要的是它所带来的信息。

5.约束条件

约束条件是对备选方案、后果和目标的限制。只有不直接或间接违反约束条件的方案，后果和目标才能看作是可行的。约束条件限制了方案数量，它可能是物理定律、自然条件和资源的限制，也可能是组织体制、法律、道德观念等方面形成的界限。有些约束(如物理定律)长期成立，不容破坏；有些约束则可能随技术进步和社会发展而变化。

目标和约束在决策者的观念中有相似之处，决策者并非单从目标角度去看待一项决策，而经常盘算着这项决策在那些方面行不通，所以，目标和约束需要相互关联地考虑。当然，两者有差别，约束条件有界限，目标却无，总希望更上一层楼。约束条件一旦确定下来，会在整个系统分析过程中起到“强硬”的作用。

研究人员面临着各级决策者提出的各类约束条件，如任意选定或全面照顾。都势必使整个分析工作过于庞大和烦琐。需要审察其合理和必要性。例如，在一项武器系统的分析中，如按某一技术上的约束条件去设计方案，需花费100万元来保证一个人的安全，而这些费用本可用于别的、为更多的人提供安全的措施。如果决策者认识到这种为了安全而付出的机会成本，便可能放弃此约束要求。有时可进行灵敏度分析，如稍许降低污染标准会大幅度减少生产消耗，那就要考虑放宽约束界限的可能性。

在阐明问题环节，不可能一次就把所有的约束条件都弄清楚，系统分析过程中，任何时候发现有约束存在，都需要加以补充。

(二)谋划备选方案

备选方案的拟订有赖于系统分析研究者的想象力、创造力和对现实的深刻了解。每项系统分析都可能有众多的备选方案。例如，关于减少青少年犯罪问题，教育、文娱活动、民警监督、住房、社会福利等方面采取的措施，都可能单独地或相互组合地形成一个方案。这些方案不可能全面加以研究，决策者也无暇审阅，需要通过筛选将方案数缩小到可控规模。

谋划和筛选方案是为了实现所提出的目标，自然要视具体情况行事，但需要满足备选方案一般应具备的特点：(1)强壮性。在受到干扰的情况下，继续维持正常后果的程度，例如在公共交通系统中，强壮性意味着气候变化或负荷变化(上、下班高峰期)时行驶时间不会增加太多。又如，在组织体制中，不致因个别负责人的更迭而引起混乱。(2)适应性。要求所制订的实施方案能适应不同的目标要求。即使目标经过修正甚至完全不同的情况下，原来的方案仍能适用。这在不确定因素影响大的情况下尤为重要。例如，铁路运输燃料比管道运送燃料适应性好得多。(3)可靠性。指系统在任何时候正常工作的可能性。要求系统不出现失误，即使失误也能迅速恢复正常。完善的监督机构和信息反馈将提高政策实施系统的可靠性。(4)现实性。即方案实施的可能性，资源条件的影响、决策者支持与否，制订具有现实可能性的实施方案。

备选方案是逐步筛选形成的。最初尽可能考虑各种方案，每个机会或建议都不要放过。初听难以思议的想法，仔细研究后也可能有理。然后将一些不可行的或太敏感的方案删去，一致同意删去比同意选取要容易得多。最后详细分析研究少数几个较好的备选方案。在分析过程中自始至终要注意发掘新的更好的方案，研究者要谨慎从事但又要有勇气提出创造性的结论。

值得注意的是组织和个人行为引起的问题。系统涉及的各个组织总是期望采取对自己有利的行动方案，而回避那些即使该干而对己不利的方案。决策者的认识限制、受激励的条件和所处地位等，往往使他的选择产生偏差，如为了“赶时髦”“赶浪潮”而盲目拟定一些“新”的行动方案，或者为了回避责任生搬硬套别人的做法。所以，研究人员不能单凭决策者的意见拟定备选方案，要分析筛选。研究人员没有决策者的支持将一事无成，但如果只是投其所好，论证其意图之正确，那也起不到智囊作用，未履行研究者的专业职责。

(三)建模和预计后果

每种备选方案都相应有一系列后果。有的后果有助于实现目标，有的则是消极的，有些后果对选定的目标影响甚小，但涉及其他决策者和组织的利害关系；有的后果满足近期目标，但其作用可延续较长时间并妨碍长期目标的实现。可见，研究者不能局限于某个决策者的具体目标，应从较广范围来考察后果。另一方面，由于受时间、精力和财力的限制，研究人员不可能全面考虑方案在社会、经济、技术等方面的后果。因此，本环节的首要“决策”便是确定应该预计哪些后果？其中哪一项最重要？后果的作用时间该考虑多久？

选定后果项目后，便可着手建立一个或多个模型，预计行动和后果之间的关系。实际上，系统分析的其他阶段，包括阐明问题、谋划备选方案及方案评比等，和预计后果一样往往都需要建立模型。建模成为系统分析特色的主体内容。然而，预计后果的模型较之其他阶段的模型要复杂和重要得多，往往把系统分析的模型只理解为本环节的模型。

人们在日常决策时，后果预计大都以直感判断为基础。直感判断来自决策者右半脑模糊的固有思维模式，或称之为隐形思维模式。由于价值观念、思想、经验和处境不同，每个人都有各自的思维模式。这种思维模式有许多优点，可以处理各种不能定量分析的因素，权衡各种相互矛盾的价值或要求。所以，愈是上层的重大决策，愈依靠隐形思维模式的“盘算”、“估量”。然而，各人固有的思维模型都会有难以自知和别人难于发现的认识偏差，无法提供精确的答案。作为决策者智囊的研究人员，总希望在决策前用左半脑的思维方式将一项行动的前因后果解释清楚。从技术角度来说，就是要建立清晰的逻辑推理模型，用表格、图形、数字、数学关系式或计算机程序来表达行动和后果之间的关系，通过精确计算，处理更多的信息。严格的逻辑推理可以得出直感判断难以得出的结果，其缘由、依据可清楚地展现出来，便于其他人检验、讨论和判断。但是，前面曾提到过，由于政策分析涉及政治、社会、心理因素，这类逻辑推理模型的作用仍然是有限的。从现状看来，在系统分析的后果预计阶段，隐形思维模式和清晰的数学模型都是需要的，不可偏废。

特别需要指出的是，不能用自然科学中数学模型的概念来看待系统分析中的后果预测模型。自然科学模型是科学理论的数学表达式，可通过试验来验证。而系统分析中的模型很少有这类科学理论，多半是推测，难以试验，其精度也不能和它相提并论。研究者很难说他预计的后果一定可靠，因为无法排除不确定因素和未知因素。照这样说来，花费精力、财力去进行不精确的估算是否有必要呢？答案是肯定的。有系统分析的帮助，比单纯的直感判断要好。尽管绝对精度不高，但用于方案比较，选出一个较优方案还是有效的。

1.建模技术

建模技术主要有四种：分析、仿真、博弈和判断。前两种主要反映逻辑思维方式，后两种则主要反映直感思维方式。(www.xing528.com)

(1)分析模型

分析模型通常用数学关系式表达变量之间的相互关系。自然科学和工程技术都有应用分析模型的传统。运筹学中的排队、网络、搜索、库存等问题常用这类模型。

大多数分析模型是描述性的，即在一组条件下，预测某一方案的各种后果数值，如采用回归分析或状态方程的形式。方案的优先次序是在模型运算以外进行的。当各种方案的结构类似，只是参数有差别的情况下，便可建立一个规范性模型，按照某项功能指标评定方案优先次序。模型的运算包含优化过程(如线性规划)，从而能选择一组使功能指标最优的参数值。然而，从全局观点来看，这种最优选择是有先决条件的，即这种单一的功能指标能够正确反映和权衡决策者所考虑的各种经济、社会、心理等因素。而在政策分析和高层决策中几乎不可能满足这样的条件。尽管如此，分析模型仍然是令人向往的，也是研究人员追求最多的一种模型。

(2)仿真模型

广义说来，任何一种模型都是仿真，但在运筹学和系统分析的用语中有其特定含义。仿真通过一系列逐步的或逐项的“伪试验”来预测有目的的行动的各种后果。所谓“伪试验”，指的是试验对象不是真实世界而是仿真模型。系统分析中的仿真处理随机系统，而很少讨论确定型系统，每次模型试验都可能产生不同的结果，统计分析这些结果便能算出各项后果指标。

仿真，通常指的是计算机仿真，由计算机产生随机数，表征出现的事件或状态，而不运用任何分析技术去算出数值结果。这对那些难以建立分析模型的过程十分有利。例如，交通车辆流这样错综复杂的过程，可用一些简单事件(如一辆正在十字路口左转弯的小轿车，或一辆停靠的卡车)和简单规则(如小轿车要等对面驶来的车辆过完后才能左转弯，一辆卡车停靠后，后面的车辆要被迫停下)来描述。计算机按照相应的分布曲线得出随机数后，便可确定什么时候将可发生那些行为，如小轿车左转弯或者要等待多少车辆驶过。试验出一连串在现实生活中发生的事件后，便可分析出行动的后果，如某种交通控制方案对车辆流的影响。

计算机仿真是很有效的技术工具，对于一个变量之间关系不清楚的系统，采用仿真模型是合适的。当然，从阐明原理的角度说，仿真模型并不理想，它不能为观测到的结果提供理论上的解释，分析过程也很费事。

(3)博弈模型

无论分析模型或仿真模型都无法将人们的行为用数学方程式或计算机程序表达出来。牵涉到多个决策者的行为就更束手无策了。而在系统分析所处理的问题中，人们的行为是不可缺少的重要因素，博弈模型则将人的因素贯穿在模型之中，将两者有机地结合起来。

博弈技术(博弈模型)、仿真和博弈论三者在过去50年都有较大发展，相互联系密，但发展至今，它们之间的区别也是明显的。

博弈和仿真都是通过“伪试验”去认识现实世界。所不同的，仿真主要是“计算机导向”，靠编制好的计算机程序试验仿真模型。而博弈和行为科学关系密切，是“人的行为导向”，系统的“伪试验”是靠人和计算机的不断对话，共同完成。局中人(对话者)根据对局者的上一步行动和当时的具体条件作出判断，抉择下一步行动，而计算机有效地完成逻辑和数字运算。对话者的试验规则和计算机的试验程序构成了博弈模型。

博弈技术起源于军事，用沙盘来反映敌方采取的行动，研究作战计划的可行性。在经营管理人员的培训方面已得到较广泛的应用。在政策分析领域中，虽然还处于初期应用阶段，但由于引入“对话”，已显示出许多优点。例如可以反映人的勇气、道德观、价值观等难以定量的因素；多个对局者促使研究者从不同处境去思考问题、沟通信息。博弈技术将会对系统分析作出更大的贡献。

(4)判断模型

通过个人隐形思维模型对后果进行判断是必不可少的。同时，由于系统分析的多学科性质，还需要依靠集体的判断。博弈技术是其中的一种，另一种则是由来已久、普天下通行的会议讨论。会议讨论有其缺陷，影响到预测质量。所以，有人开发了一些取会议之长补会议所短的方法，其中最常用的是特尔斐法，即专家咨询法。它通过若干轮征询个人真实意见，使预测结果不断完善。分析小组和专家之间的信息交换替代了会议讨论。一般采用书面问答的方式征询意见。征询意见的对象应包括有关论题的专家、决策人员。要使他们提出的意见受到相互评论，又避免面对面讨论时心理上的附和、勉强等弊端，每位参与人员的意见都具有同等作用。专家意见经过几个回合之后趋于集中，但结论仍是一组意见。实践表明，特尔斐法构造集体讨论的模式能起到分析模型和仿真模型同样的作用，所预测的后果往往较之会议讨论要精确些，特别适合于预测事件何时发生、某项指标在未来的数值等。当然，它不能替代其他模型，只是对分析模型和仿真模型缺乏信心时才会依靠这种集体判断方式。

情景描述法是系统分析中常用的描述集体判断结果的一种方式。情景描述法是设想未来行动所处的环境和状态，并预测相应的技术、经济和社会后果。情景可以通过仿真或博弈得出，但大多数靠直感判断。有时，情景描述法也可作为建立分析模型的先行步骤。

有时，用上述四种模型预测后果都不会令人放心。例如，在新的环境下采取牵涉到公众利益的行动，对此需要用社会试验的办法，在一部分人、一个地区进行试点，然后推广。然而，社会试验也有局限性，其结果未必能在未来的环境中重复出现。用社会试验来预测行动后果仍须辅之以分析论证。

2.建模过程

即使在自然科学领域内，建模也不是一个章法清晰的过程，而是一项富于创造性的工作。在系统分析中，建模者首先碰到的问题往往是重要变量之间的关系不清楚，拥有的数据资料虽多，但合用的不多或弄不清。

第一步，选择合适的模型和筛选数据。通常从上述已有的各类模型中选择一种或数种，当然不排除创新。这里需要强调，何种模型最为合适，完全视问题性质而定、防止用问题去凑自己所偏好的模型，也不能说模型愈复杂愈好，能简单则应尽量简单。在此过程中，要求研究人员要进行一系列正确判断。首先，在模型简化方面，因为模型是现实世界的抽象，简化是不可避免的事，建模者要忽略那些与后果关系不大的变量，又不能因数据缺乏或理论上解释不清将有些变量轻率地删去；尽可能将复杂关系看作线性关系，变量取为常数，以确定型取代随机型，但又要小心从事。其次，在数据的筛选和处理方面，既要综合和简化数据，又要注意综合过程中所丧失的信息，判断原始数据和模型是否相匹配等。简而言之，要从无限多种可能的模型形式中，选择出最能说明问题的一种。

第二步，做好模型本体的工作，如确定模型结构、选定参数、编制计算机程序等。

第三步，应用和改进模型。任何系统分析模型的输出结果都不可能和现实生活完全吻合。需要运用这些模型，将已知的情况、历史数据去检验它，完善它，最好能暴露出模型所不适应的场合。告诉模型用户有关模型的预测能力和限制。

(四)预测未来环境

每一行动方案的后果都和未来实施的环境密切相关，离开环境孤立地谈论后果是没有实际意义的。行动方案从决策到实施有一段时间间隔，它的影响期就可能更长。因此，未来环境总有几种可能状况，相应地也有几种不同后果。

根据问题性质不同，环境可以指社会、经济、技术和自然等方面的条件。预测未来状态的技术同样包括上述四类模型。定量分析模型是需要的，因为预测未来的一个重要依据是事物的继承性，未来在很大程度上由过去决定，历史数据和推理模型无疑可用于预测，如经济计量模型预测经济发展，时间系列分析预测市场需求等。当然，在建模预测未来的过程中仍要判断许多问题。如历史数据应追溯多久？如何权衡不同时期的数据(新近数据和以往数据)的权重？根据现有数据能推论到多长时间？等等。另一方面，完全依靠过去数据预测未来显然不行，这不仅由于数据可能不足或有误差，主要考虑到事物发展的变革性，社会、组织和政治上的变革，技术上的新发明所引起的突变，目前都难以用数学模型来推论。对于复杂的环境预测，简单的判断模型并不亚于复杂的分析模型，繁多的数据资料倒不如人们丰富的经验和洞察能力。所以，政策分析中的环境预测至今仍然以判断模型为主。

情景描述法最常用于预测未来环境，对未来可能发生的重大事件链作出判断，并逻辑地推论出现状的演变情景。也可采用博弈的方式，例如分析水资源的供求状况，未来气候条件就可作为局中人的角色构成博弈模型。

预测未来环境包括预测后果。后果的表述反映“预计后果”和“预测环境”两阶段的工作结果。它要回答未来履行备选方案时的情景(环境、状况)以及在此情景下行动的后果。回答的形式可概括为：“如果环境如此，则行动后果将是……”在后果的表述报告中，对于每一种备选方案都有几种情景方案，通常都是三种左右，如“乐观”、“正常”和“悲观”的环境，出现可能性大、正常和特殊的环境等。维持现状往往作为一种情景方案，尽管按此发展可能达不到目标，但有现实可能性，也便于分析比较。每种情景方案下都需要用一个或一组模型预测方案的后果。一般说来，同一备选方案的各种情景都用同样的预测模型。

后果的表述还包括灵敏度分析的内容。分析者在现实容许的范围内，改变模型的参数、结构和设定，算出后果值的变化幅度。如果此变化幅度大到需要修订原来的判断，则称系统模型对于该因素是灵敏的。模型不灵敏意味着后果不依某些参数或设定发生大的变化。这种模型预测出的后果较可靠。当然，研究者要排除模型本身不合理的原因。如果研究输入参数(外界环境因素)对后果的影响，则属于权变分析。在进行灵敏度分析时，一次改变一个参数不是好办法，需要试验几个因素之间的交互影响，为此，可用蒙特卡罗法抽样，按参数的频率分布随机选定参数值。在灵敏度分析过程中，分析者需要和决策者保持密切联系，判断哪些参数该进行灵敏度分析，弄清影响大的需控制的关键参数。

(五)评比备选方案

方案的评比和选择密切相关。但在系统分析中，这两部分工作是由不同人员完成的。研究人员有责任对各种方案进行评估并尽可能排出优先次序。但作出选择乃是决策者的权利和职责。如果决策者选择的只是研究者列为第三、第四的方案，那并不奇怪，因为决策者的价值观和偏好并不为研究者所了解，甚至误解。只要决策者根据系统分析列出的后果选择他满意的方案，这就说明系统分析是成功的。研究者的目标不能只着眼于选择一个最优方案，而是提供一组最接近于满足决策者目标的方案，给出足够的后果信息。

评比方案的困难之处是：每种方案的后果都依不同环境条件而定，有些情景方案后果好，另一些则差，如何评比各种备选方案？有一种可行的方法，即将所有备选方案和情景方案的后果列于同一表格中，差别和类似之处一目了然，但情景方案越多，清晰性越差。另外，研究者总希望列出方案的优先名次，以供选择，这意味着拟订一项单一的评价标准。但在多项后果中，有的优先，有的较次，难以统一。加之后果是动态的，不同时期后果的优先次序会发生变化。后果的短期效益和长期效益的权重随人而异，更增加了难度。

尽管有种种困难，为了作出方案选择，研究者不得不将各种后果归结为数个或单一的评比指标。从系统分析发展过程来看，在寻求单一的评比指标方面已进行过许多工作。先是20世纪40～50年代开发的“成本——效益分析”和“成本——利润分析”，在同样的人、财、物等资源消费的条件下，效益(利润)愈大则名次愈优先。后来是五十至六十年代发展起来的效用值理论，它能反映决策者的价值观念、偏好和对风险的态度。在效用值理论基础上开发了许多技术方法，将性质不同的多种后果、定性和定量指标都统一用效用值来表达。这比成本一效益分析要完善得多。但是，效用值是建立在决策者个人偏好和主观判断的基础上的，而在复杂的政策分析中很难找到真正能代表决策者实际想法的效用值函数、多个决策者或组织的不同价值观念所引起的问题就更为棘手。同时，单一的评比指标往往将方案的特色抹杀掉。决策者根据多个后果指标进行的判断，较之凭一个抽象的效用值去判断更能符合他的价值观念。当然，在寻求效用值函数的过程中，也要求决策者判断各项后果，但前已指出，这实际反映了研究者的意图难以真正反映决策者的意见。

研究者在寻求单一评比指标方面已取得许多成效，发展了像“决策理论”、“决策分析”这样一些出色的理论和技术。但另一方面也显示出一种偏差，过分强调将许多后果指标集结为单一指标，而忽视了单一指标难以避免的缺陷。因此还是以“折中”为宜。在政策分析中，既不能罗列所有后果指标，又不能只根据单一指标去排名次，需要设置几项评比指标，足以使决策者进行有效的真实的判断，又不致感到繁琐或混淆不清。

方案评比后，决策前的系统分析工作就告完成，方案选择不一定要参加。当然，在方案的实施过程中，特别在开始阶段或环境发生变化的情况下，还会要求研究人员参加，方案实施结果的评价也离不开他们，但不一定是原班人马。

系统分析的最后一项工作是撰写系统分析报告。系统分析报告有包括三种类型：(1)简略报告。简要写明到分析中问题的要点、依据、结论和行动方案的建议。(2)主体报告。用非技术语言描述整个分析过程，包括分析背景、问题的阐明、分析的依据和设想、方案的筛选、分析过程中的关键问题、结论，提供给政府部门及有关组织的管理人员参阅。(3)技术报告。包括分析过程中的技术内容、数学模型、计算机程序及使用说明等，供审查分析报告的技术专家审阅。

【注释】

(1)本章参考了李怀祖教授的研究成果。

(2)“霍桑实验”的涵义详见本书“实验研究法”中的相关内容。