基于二元语义模糊层次分析法的智力资本价值测度

六、基于二元语义模糊层次分析法的智力资本价值测度

二元语义层次分析法^[21]是指将二元语义判断矩阵与层次分析法相结合，对智力资本价值测度总体上使用层次分析法的框架结构，但在具体测度时主要采用二元语义模糊综合评价的方法。

“模糊”一词译自英文“FUZZY”，主要是指客观事物差异的中间过渡中的“不分明性”。这在日常生活中比比皆是，例如“高个与矮个”、“清洁与污染”、“美与丑”、“冷与热”等都很难分清界限。1965年，美国加利福尼亚大学的控制论专家查德根据科学技术发展的客观需要，经过多年潜心研究，发表了一篇题为《模糊集合》（Fuzzy Sets）的重要论文，第一次成功地运用精确数学的方法描述模糊概念，在精确数学与充满模糊性的现实世界之间架起桥梁，从而宣告了模糊数学的诞生。模糊数学就是用数学方法研究和处理具有“模糊性”现象的数学学科。

模糊综合评价（Fuzzy Comprehensive Evaluation，FCE）是以模糊数学为基础，应用模糊关系合成的原理，将一些边界不清，不易定量的因素定量化，进行综合评价的一种方法。在多属性决策中，属性值评价一般有定量与定性两种处理方法。通常情况下，定量处理方法一般是给出一些确定的数值，而定性处理方法一般采用自然语言变量（如优、良、差等）或其他形式来实现。近年来有关自然语言的决策分析方法已经引起众多学者的广泛关注，并取得了丰硕的成果。但是随着研究的深入，人们发现在对自然语言评价信息的集结过程中，很容易造成信息的损失与扭曲。由Herrera^[22]首次提出的二元语义以及相应的集结算子，很好地解决了上述缺陷。二元语义的最大优点是将语言短语看做在其定义域内是连续的，它能以预定的语言短语集合中的短语和一个数值的形式来表达语言评价信息集结后所获得的所有信息，因此在语言信息的集结过程中能够确保信息的完整与真实。

在测度企业智力资本价值贡献时考虑到模糊评价的方法，主要是由于：第一，智力资本的特性（不确定性、风险性）和智力资本绩效评价本身的模糊性。第二，影响智力资本绩效的因素是方方面面的。正如下面将要阐述的那样，智力资本评价指标涵盖财务与非财务因素、数量与质量因素、定性与定量因素，决不是单从某一方面或某些方面就能对智力资本进行绩效评价的。第三，模糊综合评价法是一种在多因素、多层次决策的过程中广泛运用的方法，它的数学模型简单，容易掌握，对多因素、多层次的复杂问题评判效果比较好，适用于智力资本的绩效评价。

（一）模型的整体构思

如前所述，现有企业智力资本价值贡献测度的模型都或多或少存在着某种局限性，从智力资本各构成要素对企业价值创造的驱动来看，影响智力资本价值创造潜力的因素是多方面的，单纯从一个角度去评价都难免有失偏颇。智力资本对企业价值的影响来自财务与非财务类别、智力资本存量和未来流量状况的影响以及智力资本配置状态、使用效率和挖掘程度等因素的影响，因此不能单纯地从一个角度去评价它。因此本模型的设计是在层次分析法的基础上展开的。层次分析法（AHP法）在20世纪70年代中期由美国运筹学家托马斯·塞蒂（T.L.Saaty）正式提出。它是一种定性和定量相结合、系统化、层次化的分析方法。由于它在处理复杂的决策问题上的实用性和有效性，很快在世界范围得到重视。层次分析法的基本步骤是：（1）建立层次结构模型。在深入分析实际问题的基础上，将有关的各个因素按照不同属性自上而下地分解成若干层次，同一层的诸因素从属于上一层的因素或对上层因素有影响，同时又支配下一层的因素或受到下层因素的作用。最上层为目标层，通常只有1个因素，最下层通常为方案或对象层，中间可以有一个或几个层次，通常为准则或指标层。当准则过多时（譬如多于9个）应进一步分解出子准则层。（2）构造成对比较阵。从层次结构模型的第2层开始，对从属于（或影响）上一层每个因素的同一层诸因素，用成对比较法和1～9比较尺度构成对比矩阵，直到最下层。（3）计算权向量并做一致性检验。对于每一个成对比较阵计算最大特征根及对应的特征向量，利用一致性指标、随机一致性指标和一致性比率做一致性检验。若检验通过，特征向量（归一化后）即为权向量；若不通过，则需要重新构成对比矩阵。（4）计算组合权向量并做组合一致性检验。计算最下层对目标的组合权向量，并根据公式做组合一致性检验，若检验通过，则可按照组合权向量表示的结果进行决策，否则需要重新考虑模型或重新构造那些一致性比率较大的成对比较阵。

在层次分析法基础上的二元语义模糊综合评价恰恰是一个多层次多指标，定性与定量分析相结合，能全面地综合反映智力资本对企业价值创造的影响的方法，因此本书选择模糊层次分析法作为智力资本价值贡献测度的主要途径。二元语义模糊层次分析法的智力资本价值贡献测度模型的整体构思如表4-7所示。智力资本评估框架图如图4-8所示。

表4-7　二元语义模糊层次分析法的智力资本价值贡献测度模型的整体构思

图4-8　智力资本评估框架图

（二）二元语义模糊评价的主要内容

假设决策问题的有限方案集合为X＝｛x₁，…，x_n｝，自然语言集合可以描述为S＝｛s₀，…，s_g｝，其中2≤g≤14，且g的取值为偶数。为了解决问题，有时候语言评价值也用三角模糊数来表示，即S_i＝（a_i，b_i，c_i），其中（0≤i≤g-1），a₀＝0，c_g＝1。例如基础为5的自然语言集合用三角模糊数可以表示为：S₀＝（0，0，0.25），S₁＝（0，0.25，0.5），S₂＝（0.25，0.5，0.75），S₃＝（0.5，0.75，1），S₄＝（0.75，1，1）。

二元语义是采用一个二元组（S_i，α）表示语言评价信息的方法。其中S_i表示事先定义的语言评价信息集中的语言短语，α表示计算得到的语言信息与初始语言评价信息集中最贴近的语言短语之间的差别，该差别是区间［-0.5，0.5）内的一个数值。下面给出二元语义有关的运算算子的定义。

定义1：设S_i∈S为语言短语，则相应的二元语义可以通过下面的转化函数θ得到

θ：S→S×［-0.5，0.5）

θ（S_i）＝（S_i，0），S_i∈S

定义2：假设语言评价集S＝｛s₀，…，s_g｝，β∈［0，g］且是一个数值，表示语言符号集运算的结果，则与β相应的二元语义可由函数Δ得到

Δ：［0，g］→S×［-0.5，0.5）

Δ（β）＝（S_i，α）

其中i＝round（β），α＝β-i，α∈［-0.5，0.5）。这里round表示“四舍五入”取整运算。

定义3：假设语言评价集S＝｛s₀，…，s_g｝，（Si，α）是一个二元语义，则存在一个逆函数Δ^-1使得二元语义可以转化为相应的数值β∈［0，g］（这里也称β为二元语义的代表值），即

Δ^-1：S×［-0.5，0.5）→［0，g］

Δ^-1（S_i，α）＝i＋α＝β

假设（S_i，α₁），（S_j，α₂）为任意的两个二元语义。关于二元语义的比

较有如下规定：当i＞j时，有（S_i，α₁）＞（S_j，α₂）。当i＝j时，若α₁＞α₂，则（S_i，α₁）＞（S_j，α₂）；若α₁＝α₂，则（S_i，α₁）＝（S_j，α₂）；若α₁＜α₂，则（S_i，α₁）＜（S_j，α₂）。当（S_i，α₁）≥（S_j，α₂）时，有max｛（S_i，α₁），（S_j，α₂）｝＝（S_i，α₁）。当（S_i，α₁）≤（S_j，α₂）时，有min｛（S_i，α₁），（S_j，α₂）｝＝（S_i，α₁）。其中符号＞，≥，＝，≤，＜表示“优于”、“不劣于”、“等于”、“不优于”及“劣于”。同时定义一个二元语义逆算子“Neg”：Neg（S_i，α₁）＝Δ（g-Δ-1（S_i，α₁））。

定义4：假设x＝｛（r₁，α₁），…，（r_n，α_n）｝为一组二元语义集合，W＝（W₁，…，W_n）^T为相应的二元语义权重向量，则基于二元语义的加权平均算子定义为：

（三）具体举例说明

运用上述方法对企业智力资本进行评价的整体思路，如图4-9所示。^[23]

第一步：先设定评语集，对于重要性的语义变量，本书设置5个等级，得到三角模糊数（如表4-8和表4-9所示）。

然后选择专家进行测评。智力资本之所以难以测度，主要原因是很多指标难以量化，这就给它的测度带来了难度。如员工创造力——知识生产过程的核心，其过程和结果难以预测，并且通常会有多种表现形式。所以本方法中，专家测评也只是运用语义进行定性的测评，内容包括对各指标和准则层的评价及指标重要程度（也就是权重）的等级评价，如表4-10和表4-11所示。

图4-9　企业智力资本评价整体思路图

表4-8　等级语义变量表

①后面评价时均用英文缩写反映。

表4-9　重要性权重的语义变量表

表4-10　专家对各指标进行模糊评价

表4-11　专家对各准则层进行模糊评价

第二步，运用二元语义模糊变量加权的方法计算出语义的评价。例如“员工的专业能力”这个指标。

第三步：运用二元语义变量计算准则层，也就是“人力资本”，“结构资本”以及“客户资本”各自的权重。例如“人力资本”的重要性和等级分别为：

＝Δ（0.77）＝（S₃，0.02）

第四步：最终算得智力资本对企业价值贡献的比率，把这一比率用VCR_ic表示。

第五步：计算得出企业智力资本的总体价值贡献。

如假设企业总体价值为2 000万元，^[24]那么智力资本对企业价值的贡献为：

V_ic＝2 000×0.72＝1 440

从结果中可以看出，企业最终由三位专家进行语义评价后的综合值为0.72，这一数字表明企业智力资本对企业价值的贡献率为0.72，即企业总体价值中有72%的部分是由智力资本所贡献的。通过这一模型可以完成对智力资本的整体测度。总的来说，这种方法将专家的定性评价转换为数理分析，进行运算后得到具体的贡献率，再根据已知的企业总价值，得出最终的智力资本的价值。

智力资本很难具体定量测度，该设计模型解决了这一难题，并且可以根据企业的实际情况扩展评价指标，如通过对企业进行问卷调查的方式来确定指标。因此，该模型从设计上来看，具有很强的实用性。这种方法也可以在多个方案中进行比较，评价企业间智力资本的价值增值能力的高低。同时，企业管理者可以根据这个测评结果，更直观地看出企业目前业绩驱动的关键智力资本因素所在，从而加强对此的投入和管理，以便更有效地提高企业的绩效。当然，笔者也看到了该模型还存在比较大的缺陷，如过分地依赖专家的评价，而此评价在这一模型中又被赋予相应的数值，可能在一定程度上会造成对结果可信性的质疑。所以，在提请专家评价时，应尽可能地选择对企业有较深了解，并且具备一定独立性的专业人士来完成。关于专家的人数可以考虑适当增加人数，这样，有利于消除因为个别专家的不适当评价对总体测评的影响，减小抽样风险。