专家评价模型指标的量化处理

7.3.2　专家评价模型指标的量化处理

定性指标有它的好处，但是运用定性指标进行评价通常只能得到“好、中、差”等较为模糊的结果，而通过定量指标得出的评价结果往往是十分精确的。评价的目的就是要尽可能地减少模糊性，提高精确性，因此，在既包括定量指标，也包括定性指标的评价体系中，如果不对定性指标进行量化处理，那么这个体系的实用价值就无法得到保障，因为它无法综合运用定性评价指标与定量评价指标而最终得到一个确定的评价结果。对评价指标量化处理工作的重点是确定指标的权重，我们发现许多指标权重的设定带有一定的经验色彩，在很大程度上取决于指标体系制定者的主观感觉和经验。为使指标权重的设定更科学、更合理，专家评价模型设计了一套简洁、规范的量化处理流程。

(1)设计调查问卷。

设计调查问卷的重点工作是要将指标的重要性程度设定为非常重要K₁、比较重要K₂、一般重要K₃、不太重要K₄、不重要K₅五个等级，并给每一等级设定一个分值:其中K₁=9，K₂=7，K₃=5，K₄=3，K₅=1，以反映重要性等级差别，然后根据上述的五个等级，结合20个指标，设计好调查问卷。

(2)选择合适的专家样本。

遵循“专家评价模型”的专家选取原则，选取若干相关领域的专家作为调查样本，专家的选择要多样化，不仅要包括该研究领域内的专家，还应包括该领域外的相关专家。

(3)完成问卷调查。

将调查问卷和答题卡送达或邮寄给这些专家，并要附上详细的答题说明，以方便他们准确、客观地回答问题;最后，在确认专家完成答卷后回收调查问卷。

(4)计算指标重要性程度得分。

首先，分析问卷的有效性，对不符合要求的无效问卷进行剔除;其次，对有效问卷进行详细分析，计算出每项指标的重要性程度得分，每一项指标的重要性程度得分的计算公式为:

B_i=K₁C_i1+K₂C_i2+K₃C_i3+K₄C_i4+K₅C_i5

其中:i为变量，表示i项指标，i=1，2，…，20

B_i表示第i项指标的重要性得分，i=1，2，…，20

C_i1表示有效问卷中认为第i项指标非常重要的专家人数

C_i2表示有效问卷中认为第i项指标比较重要的专家人数

C_i3表示有效问卷中认为第i项指标一般重要的专家人数

C_i4表示有效问卷中认为第i项指标不太重要的专家人数(www.xing528.com)

C_i5表示有效问卷中认为第i项指标不重要的专家人数

最后，计算全部指标的重要性总得分，所有指标的重要性总得分计算公式如下:

(5)计算每项指标的权重。

一个指标的权重，实际上也就是该指标在整个指标体系中的重要性程度，因而每项指标的得分占所有指标总得分的比例即为该项指标的权重，其计算公式如下:

X_i=B_i/B

其中:X_i为第i项指标在全部指标体系中的权重，i=1，

2，…，20

B_i为第i项指标的重要性得分，i=1，2，…，20 B为全部指标的重要性总得分

权重表如表7-1所示。

表7-1　　　　　　　　　网络科技文献评价指标权重表