不同的综合评价方法其合成模型也不同, 综合评价实践中要结合评价目标、指标量化方法、权数构造及评价标准等选择合适 的合成模型, 力图采用合成模型具有共性、合成过程易于分解、 功能强大且有利于解决复杂问题的综合评价方法进行合成。
结合指标量化和权数构造环节考虑合成模型, 可以把综合评价方法分为两类: 一类是不考虑构权直接利用特定指标量化方法进行合成评价, 如神经网络 (ANN) 和数据包络分析 (DEA) 等; 第二类是根据特定指标量化及权数进行合成评价, 如效用函数评价、模糊综合评价、灰色关联度综合评价、层次分析评价及多元统计评价等。
在第一类方法中, 神经网络方法没有 “显式” 评价模型, 其排序评价只适用于通过专家方法获取总评价值的情形（苏为华, 2000）。数据包络分析方法也有明显的不足, 如只适合拥有相同投人、产出要素的投资效率评价, 样本构成对评价结论的影响很大, 且其排序评价不具 “充分性”（苏为华, 2000）。在第二类方法中, 如果按照权数的形成方式又可细分为利用自然权数合成（如多元 统计评价等）和人工权数合成（如效用函数评价、模糊综合评价、 灰色关联度综合评价、层次分析评价等)。
企业环保投资效率评价指标体系构建没有现成的权数, 需要遵循一定标准主观确定指标权数, 因此, 这里主要关注人工权数合成的综合评价方法。
采用人工权数的综合评价方法中, 效用函数综合评价法是一种非常实用、有效的综合评价方法, 与其他综合评价方法相比较, 效用函数评价法拥有较多优势, 如合成过程易于分解, 效用函数 评价法的评价过程各环节之间没有信息传递关系，各环节都有众 多的方法可供选择, 这些方法可以进行多方位的组合, 便于结合其他综合评价方法的优点; 其评价效率或准确性与很多带有数学推导的模型结果相差无几。并且从理论上讲, 效用函数综合评价 方法的内容最为丰富, 完全能够根据综合评价实践调整组合解决 复杂问题。另外, 效用函数综合评价合成结果直接表现为效用函 数值, 非常方便排序评价。
效用函数综合评价的诸多优点使得有理由以效用函数综合评价方法中的合成模型为主, 辅以其他评价方法的合成模型完成对企业环保投资效率评价指标体系的各层指标的合成过程。
由于企业环保投资效率评价指标体系中指标合成前均做了百分值量化, 所以采用简单、实用的效用函数合成评价方法是非常好的选择。
企业环保投资效率是企业环保投资产生的包括经济效益、环境效益和社会效益在内的综合效益与包括环境污染预防投资、日常管理投资和污染治理投资在内的企业环保总投入的比值。在企 业环保投资总效益计算中，虽然企业比较重视企业环保投资产生的经济效益, 企业环保投资外部利益相关者更关注企业环保投资 产生的环境效益和社会效益, 但是总体看来这些效益之间并没有 互斥关系, 各效益间呈现互为补偿关系, 因此这里的合成模型 择了简单的加权平均合成模型, 而企业环保总投人指标的合成过程可效仿企业环保投资总效益合成模型。
企业环保投资效率评价指标体系的准则层模型合成分为两类, 一类是企业环保投资经济效益指标采用的合成模型, 另一类是企 业环保投资环境效益指标和企业环保投资社会效益指标采用的合 成模型。企业环保投资经济效益指标中各细分指标间具有内在逻 辑关系, 互为补偿关系, 因此采用加权平均合成; 企业环保投资 环境效益指标和企业环保投资社会效益指标中各细分指标是按不同角度或侧面区分, 之间没有内在逻辑关系, 并且在环境效益和 社会效益评价实践中经常体现出一些 “奖惩”原则, 因此具有 “惩罚落后” 思想的几何平均及具有 “鼓励先进” 思想的平方平均合成模型就是较好的选择。由于受几何平均合成法要求数据条件较高(比如指标数值不能为 0 等) 的限制, 因此这里的合成模型选择了“鼓励先进” 的平方平均合成模型, 在我国企业环保投资效率不高的现状下, 采取具有鼓励思想的模型似乎更有意义。
摘自