**章绪论
**节群组评价中的杠杆效应
一、群组评价的研究动态
20世纪80年代，中国经济统计学界关于经济效益的评价问题的讨论直接催化了多指标综合评价理论研究的兴起与发展(苏为华，2012)，一些具有标志性意义的评价方法逐渐提出，庞皓和谢胜智(1982)率先提出了功效系数评价法的应用；刘亮和卢春恒(1983)则提出了综合指数法在工业经济效益评价中的应用。随着评价新思想、新方法的不断涌现，各类多元统计评价方法、模糊综合评价方法相继被引入，邱东(1991)对20世纪80年代综合评价技术进行了全面、系统和高度理论化的总结。20世纪90年代，综合评价技术的广阔应用前景吸引了一大批运筹学、决策学、系统科学等研究领域的专家，大量的新方法得以出现，如层次分析法(analytic hierarchy process，AHP)、数据包络分析(data envelopment analysis，DEA)法、灰色系统(gray system，GS)理论等。进入21世纪，众多学者对综合评价进行了系统性研究，出版了大批专著，例如，苏为华(2001)总结了2000年以前学界的研究成果，并较为系统地讨论了综合评价中的有关理论与方法；郭亚军和于兆吉(2002)融合多属性决策、多目标决策等相关领域的方法，提出了综合评价的方法体系。胡永宏(2002)、秦寿康(2002)也开展了相应的研究。
基于学科背景的差异，不同的研究团队开展综合评价方法研究的角度也有所差异，郭亚军等(2007，2009，2011)研究了动态评价方法(包括纵向拉开档次法、横向拉开档次法)、大规模群体评价方法等；苏为华等(2006，2011，2013)对群组评价、组合评价、区间数评价、函数型数据评价等开展了专题系列研究；金菊良等(2006，2008)开展了智能化综合评价的研究，包括赋权的智能化、模式识别的智能化、决策分析的智能化等；陈国宏等(2003)开展了对组合评价方法及其计算机系统实现问题的系列研究。
近年来，随着大数据的加速发展，基于各类复杂数据、多模态数据的评价方法不断呈现。目前，在综合评价理论与方法中①，评价规模大型化趋势越发突出。特别是在面向复杂情形下的评价问题时，往往需要构建一个由多人组成的群组开展贯穿全程的综合评价，或者借助群组针对若干评价要素、在综合评价的某些环节上开展相关问题的研究，这称为群组评价方法(苏为华和陈骥，2006)。对于群组评价的核心概念——群组，根据群组的成员构成、评价组织形式等特征，陈骥和苏为华(2008)将其划分为多个类型①，并讨论了群组评价的组织问题。
受到评价对象的复杂性、定性变量的模糊性、评价信息的不完全性等因素的影响，群组中的个体之间在评价意见上存在较大的差异，甚至有可能出现意见冲突的情形。因此，如何取得群组的意见共识是群组评价理论研究中需要关注的重点内容之一。在此思路下，部分学者围绕群组共识程度的测算、识别等问题开展了大量的研究(陈骥和苏为华，2014；周金明等，2018)，希望以共识程度的提升来促进群组评价活动的科学化。
现有文献忽视了一个前提条件，即所有评价个体都是公正的，其评价能力也是稳定的②。但该前提并非时时成立。一旦存在个体舞弊、对部分评价单元的倾向性偏离、评价能力不稳定等诸多因素，就会导致非预期的情形出现——歪*的少数评价个体的评价意见“撬动了”绝大多数评价个体正常的评价意见，评价结论偏离多数评价个体的期望和评价对象的实际情况。这种现象称为群组评价的杠杆效应。其弊端很明显：一是信息倍增效应无法形成；二是群组希望以增加观测次数来消除评价量化的随机误差的初衷无法实现；三是评价结果的科学性、公正性受到质疑。因此，如何弱化或避免出现杠杆效应是群组评价方法和实践中需要讨论的主题之一。
二、杠杆效应研究的理论价值与意义
在群组评价中讨论杠杆效应问题并识别其是否存在、如何进行有效的处理，是具有理论和现实意义的。
*先，有利于完善与丰富群组评价的理论和方法。研究目前被综合评价学界所忽视的群组评价杠杆效应问题，系统地阐述群组评价中杠杆效应的成因、特点及影响等方面，并设计杠杆效应的识别测算体系及处理机制，有助于进一步完善多指标统计综合评价理论与方法的研究内容，在现有基础上丰富与扩展传统的群组评价方法体系。
其次，有利于促进群组评价活动的合理化和科学化。群组评价的初衷是通过构造知识结构、工作经验等方面具有多元化和互补性的群组，实现信息的融合汇聚、观点交流，达成或取得较高水平的评价共识，进而开展评价。但杠杆效应的存在容易使群组受到个别评价个体的影响，出现“多数服从少数”的情形；更有甚者，当群组中的评价个体为利益相关者时，可能出现具有倾向性、有失公允的评价结论。因此，研究杠杆效应处理机制，有助于为群组评价活动提供有效的规范和指南。
*后，为面向复杂情形下的统计应用、相关决策科学等领域提供方法借鉴和研究参考。本书围绕群组评价开展讨论，对数据一致性的处理、大规模数据的转换统一等问题也具有较高的借鉴价值。特别地，杠杆效应的识别问题可归结为统计数据质量识别的一个特例。本书的重点内容——杠杆效应下的评价机制设计问题，则与社会网络、舆论传播、系统决策等问题相关联。
第二节国内外相关研究现状述评
目前，学术界对群组评价方法的研究较为丰富，但系统性开展群组评价中的杠杆效应问题的研究并不多见。相关涉及杠杆效应问题的研究较为碎片化，在个体权重分配、评价数据处理及群组意见分歧测度等方面有一些研究。本书的主要目的是建立杠杆效应的识别体系，并根据具体情况，从评价机制的角度讨论如何弱化或消除杠杆效应，主要针对与研究主题相关的内容(如个体权重分配、评价机制等)开展梳理。
一、个体权重分配的研究
如何科学地分配评价个体的权重，是将评价个体信息集结为群组评价结论的关键，其结果直接关系到结论是否合理。因此，通过合理分配个体权重，以达到弱化杠杆效应的目的，这是大部分研究者采用的思路之一。从现有文献来看，评价个体权重分配方法主要分为两大类：一类是根据评价指标之间的数量特征进行赋权，称为数量特征构权法；另一类是根据评价目标进行构权，称为目标构权法。
(一)数量特征构权法
具体而言，数量特征构权法又可以分为主观赋权法和客观赋权法。主观赋权法主要包括AHP、模糊综合评价法、序关系分析法等。宫诚举等(2020)分析了在群体评价中应用序关系分析法存在的问题，提出了一种群体评价中的序关系分析法，提高了序关系分析法在群体评价中应用的科学性。Liu等(2020)提出了一种改进的群组AHP，解决了传统的群组AHP没有考虑同一类评价个体意见差异性的问题。然而，上述主观赋权法所确定的权重只是从主观上判断该评价个体或评价指标的重要性，没有考虑个体、指标之间的相关关系，也无法判断其重要性是否随时间的变化而变化。
客观赋权法主要有主成分分析法、逼近理想解排序法(technique for order preference by similarity to an ideal solution，TOPSIS)、灰色关联分析法、熵权法、纵横向拉开档次法等。李艳玲等(2017)提出基于欧几里得距离(Euclidean distance，又称欧氏距离)与灰色关联度的个体权重确定方法，以及基于相对距离的个体权重确定方法。Mohammad和Hosseini(2018)基于熵权法来确定多属性群组决策中评价个体的权重。林原等(2021b)提出了一种基于犹豫度和相似度的评价个体权重确定方法，解决了评价值为语言变量且评价个体权重未知的供应商选择问题。上述客观赋权法的优点在于充分考虑了评价个体或指标的信息；缺点是仅利用评价信息作为赋权的依据，忽略了个体在经验、知识、偏好等方面的主观信息，使得*终的结果与实际的情况存在较大差异。
(二)目标构权法
目标构权法往往根据评价的目标或导向(如评价个体的权威度、偏好等)来确定评价个体的权重。毛强等(2013)通过计算评价个体的权威度来计算评价个体的权重。李磊和王玉倩(2017)针对评价值为区间数的多属性群组决策问题，基于各评价个体的决策偏好意愿，利用离差和*小化原则来对个体权重进行分配。李凤伟(2019)通过评价个体的风险偏好情况来确定评价个体的权重。
从构权原理来看，目标构权法与评价的数据特征并没有较大的关系，构权目标往往*立于评价数据之外。除了应用传统的各种个体权重分配方法，部分学者还根据不同评价情形下的研究目标，提出了新的构权思路。张雷等(2012)、孙义等(2014)通过设置多轮次的调整控制条件，以个体评价结果与群组评价结果的无差异为目标，设计了相应的个体权重分配方法。王斌等(2018a)从指标层入手，确定指标的组合权重，从而对群组决策中的赋权方法进行研究。陈骥等(2019)提出了基于自适应变权的群组评价方法来分配评价个体的权重。
二、交互式评价方法的研究
交互式评价方法即通过增加评价过程中的信息交互来实现群组评价效率的提升，具体地，又可分为主客方协作式群组评价、多阶段交互式群组评价和大规模交互式群组评价等方法。
通过构建群组评价的交互机制，以信息充分交流来实现意见一致，减少杠杆效应出现的可能。同时，在交互的框架下，结合数据类型的扩展和交互信息集成方式的优选，解决群组评价方法设计问题。杜元伟等(2013)基于前景理论，构建了能够集结多种模糊信息并且能从中识别有效前景的优选模型及判别定理，提出了具有收敛性的交互式决策方法。杜娟和霍佳震(2016)提出了一种交互式迭代算法，确定了多属性群组决策中各属性的权重。张崇辉等(2018)通过多阶段评价技术和分子群技术，对评价结论进行交互式评价和标准化修正，兼顾了评价结论的科学性与活动组织的效率。
主客方协作式群组评价的一个重要特色是主客双方都参与并共同完成评价，但主方的重要性高于客方。其优点是考虑了以往被忽略的评价对象本身的意愿，在评价过程中以主方的评价信息为主，兼顾客方的意愿。张发明等(2018a)注意到传统的群组评价方法大多没有考虑评价对象的参与，且评价信息分布单一，对此提出了一种具有正态分布特征的主客方协作式群组评价方法。苏为华和张崇辉(2016)提出了一种两阶段子群评价方法。对主体和客体进行分子群的交互式评价，不仅减弱了大规模群组情况对评价过程的影响，而且避免了不同子群间的评价标准不一致带来的影响。
多阶段交互式群组评价的主要思路如下：在评价过程中，评价个体之间不断进行信息的交互反馈，从而对评价信息进行修正，将交互反馈后的信息进行集结，得到*终的评价结果。在多阶段交互式群组评价的框架下，结合数据类型的变化，如序关系、区间数、直觉模糊集、多粒度语言信息等，部分学者进行了方法设计。张发明等(2011，2014)提出了序关系分析下的多阶段交互式群组评价方法、基于区间数的多阶段交互式群组评价方法。谭睿璞和张文德(2017)提出了一种基于直觉模糊熵和直觉模糊交互影响算子的决策方法。袁宇翔和孙静春(2019)探讨了一种基于多粒度语言信息的交互式多属性群组决策方法。
展开
