基于云模型的CEO聲譽(yù)評(píng)價(jià)

李辰穎，張 巖，劉紅霞

（1.北京林業(yè)大學(xué)，北京100083；2.中央財(cái)經(jīng)大學(xué)，北京100081）

0 引言

當(dāng)今CEO個(gè)人聲譽(yù)對(duì)CEO和企業(yè)非常重要，CEO個(gè)人聲譽(yù)有助于個(gè)人價(jià)值的提升，也有助于企業(yè)的長(zhǎng)遠(yuǎn)發(fā)展，還可以降低委托代理成本。因而，CEO對(duì)個(gè)人聲譽(yù)越來越重視，社會(huì)也越來越關(guān)注CEO聲譽(yù)。CEO聲譽(yù)的好壞不僅關(guān)系到個(gè)人的發(fā)展，也會(huì)關(guān)系到企業(yè)和股東等相關(guān)利益方的發(fā)展。既然CEO個(gè)人聲譽(yù)有好壞高低之分，那么該如何評(píng)價(jià)CEO聲譽(yù)呢，或者說該如何度量CEO的聲譽(yù)呢？一般來說CEO個(gè)人聲譽(yù)屬于定性的概念，涉及的方面比較多，較難以量化，另外站在不同的角度和立場(chǎng)，對(duì)于CEO聲譽(yù)的評(píng)價(jià)也可能不同，因此對(duì)CEO個(gè)人聲譽(yù)的評(píng)價(jià)一直是理論界和實(shí)務(wù)界的難點(diǎn)和熱點(diǎn)問題。

1 云模型概述

云模型是由李德毅院士[1]提出的，是用于描述定性概念與其數(shù)值表示之間的不確定性的轉(zhuǎn)化模型。云模型可以通過三個(gè)數(shù)字特征：期望Ex，熵En，超熵He來反映定性概念整體上的定量特征，將模糊性和隨機(jī)性關(guān)聯(lián)到一起，構(gòu)成定性和定量的相互映射關(guān)系。期望Ex：反映這個(gè)概念的云滴群的重心位置。熵En：反映定性概念的不確定性。超熵He：反映了數(shù)域空間中代表該語言值的所有點(diǎn)的不確定度的凝聚性，即云滴的凝聚度。由于所用到的云模型理論知識(shí)主要涉及逆向云發(fā)生器和X條件云生成器以及定量變量的云化，以下著重介紹這三部分的理論知識(shí)。李德毅等[2]論證了正態(tài)云的普適性，因而采用正態(tài)云來進(jìn)行CEO聲譽(yù)的評(píng)價(jià)，且介紹的云模型理論僅針對(duì)于正態(tài)云。

1.1 逆向云發(fā)生器

以下介紹的逆向云發(fā)生器屬于無確定度信息的逆向云發(fā)生器，其輸入是給定的一組樣本x=(x1,x2,…,xi,…,xn)，輸出是云模型的三個(gè)數(shù)字特征(Ex,En,He)，具體算法如下：

1.2 X條件云發(fā)生器

設(shè)有云Cloud的期望，熵和超熵分別為(Ex,En,He)，如果已知x為定量輸入值，則根據(jù)云模型的數(shù)字特征及x求解對(duì)應(yīng)隸屬度y的過程，即為X條件云生成器，如要用X條件生成云生成n個(gè)X條件云滴，對(duì)應(yīng)算法如下：

(3)返回步驟(1)，重復(fù)n次，生成n個(gè)X條件云滴。

1.3 定量變量的云化

對(duì)于定量變量，如其具有上下界，形如VQa[Bmin,Bmax]，云化為正向云模型。采用約束條件的中值作為期望值，用主要作用區(qū)域?yàn)殡p邊約束區(qū)域的云來近似這個(gè)定量變量，云參數(shù)通過下式計(jì)算，式中k為常數(shù)，可根據(jù)變量本身的模糊閾度來具體調(diào)整。

對(duì)于只有單邊界限的定量變量，形如VQa[Bmin,+∞]或VQa[-∞，Bmax]，可先根據(jù)測(cè)試數(shù)據(jù)的最大上限或下限確定其缺省邊界參數(shù)或期望值，然后再參照上式計(jì)算云參數(shù)。

2 評(píng)價(jià)方法

2.1 評(píng)價(jià)指標(biāo)體系結(jié)構(gòu)的構(gòu)建

在構(gòu)建CEO聲譽(yù)評(píng)價(jià)指標(biāo)體系結(jié)構(gòu)前，總結(jié)分析了相關(guān)文獻(xiàn)的評(píng)價(jià)指標(biāo)體系結(jié)構(gòu)，并請(qǐng)教有關(guān)專家對(duì)匯總的指標(biāo)進(jìn)行增刪和修改，在和相關(guān)專家商討，權(quán)衡利弊之后，刪除了一些諸如“領(lǐng)導(dǎo)魅力”，“職業(yè)威信”等主要依靠打分評(píng)價(jià)的指標(biāo)，另外還刪除了諸如“敏銳洞察力”，“環(huán)境診斷能力”等一些只能依賴與CEO關(guān)系密切人打分的指標(biāo)，最后轉(zhuǎn)化和分解了一些可以用定量指標(biāo)代替的定性指標(biāo)（如“金融關(guān)系能力”等），得到初始的評(píng)價(jià)指標(biāo)體系。

在篩選出初始的評(píng)價(jià)指標(biāo)體系之后，采用因子分析法[3]提取了最終的評(píng)價(jià)指標(biāo)體系結(jié)構(gòu)，所得評(píng)價(jià)指標(biāo)體系結(jié)構(gòu)如表1所示：

表1 CEO聲譽(yù)評(píng)價(jià)指標(biāo)體系結(jié)構(gòu)

以上指標(biāo)相關(guān)計(jì)算方法或獲取途徑在備注中予以標(biāo)注，其中I21=(rij-Rij)/σij，rij為第i個(gè)公司第 j年的總資產(chǎn)報(bào)酬率，Rij為第i個(gè)公司所在行業(yè)第j年的平均總資產(chǎn)報(bào)酬率，σij為第i個(gè)公司所在行業(yè)第j年的總資產(chǎn)報(bào)酬率的標(biāo)準(zhǔn)差。

2.2 各指標(biāo)權(quán)重的確定

一般來說權(quán)重的確定方主觀方法和客觀法，熵權(quán)法屬于客觀法的一種。結(jié)合要求，選取熵權(quán)法確定權(quán)重，一是因?yàn)殪貦?quán)法屬于客觀法，其權(quán)值由指標(biāo)的變異程度決定；二是因?yàn)楦髦笜?biāo)的數(shù)據(jù)容易獲得。以下簡(jiǎn)要介紹熵權(quán)法計(jì)算各指標(biāo)權(quán)重的步驟。

設(shè)有m位待評(píng)CEO，n項(xiàng)評(píng)價(jià)指標(biāo)，形成原始指標(biāo)數(shù)據(jù)矩陣，由于各個(gè)評(píng)價(jià)指標(biāo)有的屬于越小越優(yōu)型，有的屬于越大越優(yōu)型，且各指標(biāo)量級(jí)相差懸殊，所以在采用熵權(quán)法前需要對(duì)數(shù)據(jù)進(jìn)行正向化和無量綱化[4]處理，使得各指標(biāo)的值落入無量綱的某一區(qū)間內(nèi)，經(jīng)處理后指標(biāo)數(shù)據(jù)矩陣R=(rij)m×n。

(1)計(jì)算第j項(xiàng)指標(biāo)下的第i位CEO的比重

2.3 評(píng)價(jià)標(biāo)準(zhǔn)云評(píng)價(jià)模型參數(shù)的確定

目前主要有兩種基于云模型的評(píng)價(jià)標(biāo)準(zhǔn)生成方法：基于數(shù)據(jù)驅(qū)動(dòng)的方法和基于黃金分割的模型驅(qū)動(dòng)法，前者適用于給定數(shù)據(jù)量較大的情形，后者適用于定性指標(biāo)較多情況。結(jié)合本研究，由于目標(biāo)層和一級(jí)指標(biāo)沒有數(shù)據(jù)，因而只能采用基于黃金分割的模型驅(qū)動(dòng)法[1]確定評(píng)價(jià)云模型參數(shù)，若對(duì)這兩層定性語言值設(shè)定的范圍為[0,1]，根據(jù)心理學(xué)的研究成果，五級(jí)標(biāo)度法的區(qū)分度較高，易于識(shí)別和打分，故設(shè)每一個(gè)指標(biāo)的評(píng)語集有5個(gè)評(píng)語，對(duì)應(yīng)的評(píng)語為{差，合格，中，良好，優(yōu)秀}。采用基于黃金分割的模型驅(qū)動(dòng)法確定的評(píng)價(jià)標(biāo)準(zhǔn)云模型參數(shù)如表2所示，圖形如圖1所示。

表2 目標(biāo)層和一級(jí)指標(biāo)層評(píng)價(jià)標(biāo)準(zhǔn)云模型

圖1 目標(biāo)層和一級(jí)指標(biāo)層評(píng)價(jià)標(biāo)準(zhǔn)云模型

二級(jí)指標(biāo)為量化指標(biāo)，因此其評(píng)價(jià)標(biāo)準(zhǔn)云模型的參數(shù)適合采用基于數(shù)據(jù)驅(qū)動(dòng)的方法確定。由于模糊C均值聚類算法能自動(dòng)對(duì)數(shù)據(jù)樣本進(jìn)行聚類，且可以得到聚類中心和邊界值，因此在二級(jí)指標(biāo)評(píng)價(jià)標(biāo)準(zhǔn)云模型的參數(shù)確定中采用該方法。主體思路是，首先采用模糊C均值聚類將指標(biāo)j的數(shù)據(jù)聚為5類，得到每一類的聚類中心和邊界值，然后采用2.3節(jié)中的定量變量的云化方法，得到各個(gè)評(píng)價(jià)標(biāo)準(zhǔn)云模型的參數(shù)，且對(duì)應(yīng)的評(píng)語也為{差，合格，中，良好，優(yōu)秀}。模糊C均值計(jì)算步驟可參考文獻(xiàn)[5]，這里不再介紹。

2.4 綜合評(píng)價(jià)過程

綜合評(píng)價(jià)的過程思路是：首先采用X條件云發(fā)生器，得到各二級(jí)指標(biāo)相對(duì)于各評(píng)價(jià)標(biāo)準(zhǔn)云模型的隸屬度，然后結(jié)合各二級(jí)指標(biāo)權(quán)重，得到一級(jí)指標(biāo)相對(duì)于各評(píng)價(jià)標(biāo)準(zhǔn)云模型的隸屬度，最后得到目標(biāo)層相對(duì)于評(píng)價(jià)標(biāo)準(zhǔn)云模型的隸屬度，具體方法如下：

2.5 評(píng)價(jià)結(jié)果的計(jì)算

一般來說，在對(duì)CEO聲譽(yù)的評(píng)價(jià)時(shí)，希望得到的是CEO聲譽(yù)的一個(gè)具體量化數(shù)值，而3.4節(jié)中得到的是隸屬度，因而需將隸屬度轉(zhuǎn)化到量化數(shù)值，一般來說轉(zhuǎn)換方法有質(zhì)心法和中位線法等，具體方法的選取還沒有定論，大多依靠實(shí)驗(yàn)法選取，經(jīng)過試驗(yàn)，采用質(zhì)心法效果較優(yōu)，轉(zhuǎn)換算法如下：設(shè)目標(biāo)層評(píng)價(jià)標(biāo)準(zhǔn)云模型為Cloud0(Exi0，Eni0，Hei0)，i=1，2，…，5，

經(jīng)過上述得到了第j位CEO的a個(gè)評(píng)價(jià)值，以這a個(gè)評(píng)價(jià)值作為逆向云生成器的輸入，可以得到第j位CEO的最終評(píng)價(jià)結(jié)果。

3 實(shí)例分析

為了直觀說明本評(píng)價(jià)方法的應(yīng)用過程以及實(shí)用性，現(xiàn)舉實(shí)例加以說明和驗(yàn)證。選取2010年滬深A(yù)股上市公司的CEO為研究樣本（數(shù)據(jù)來源于Wind資訊、國(guó)泰安數(shù)據(jù)服務(wù)中心中國(guó)證券市場(chǎng)CSMAR系列研究數(shù)據(jù)庫），剔除金融行業(yè)和缺失的數(shù)據(jù)之后，剩余1157個(gè)樣本。為了使數(shù)據(jù)更加符合正態(tài)分布，對(duì)指標(biāo)I11,I12,I13,I23,I25的數(shù)據(jù)取了自然對(duì)數(shù)。

表3 指標(biāo)權(quán)重及評(píng)價(jià)標(biāo)準(zhǔn)云模型

采用上文節(jié)所述的熵權(quán)法計(jì)算權(quán)重，再計(jì)算各指標(biāo)評(píng)價(jià)標(biāo)準(zhǔn)云模型，如表3所示。

經(jīng)綜合評(píng)價(jià)后按照上文方法可計(jì)算出評(píng)價(jià)結(jié)果。本例按企業(yè)控制權(quán)性質(zhì)，分為中央政府控制企業(yè)，地方政府控制企業(yè)和民營(yíng)企業(yè)，分別進(jìn)行評(píng)價(jià)，得到5個(gè)等級(jí)對(duì)應(yīng)的CEO人數(shù)和比例，如表4所示：

從表4數(shù)據(jù)中，可以得出以下結(jié)論：

(1)無論是中央政府控制企業(yè)、地方政府控制企業(yè)還是民營(yíng)企業(yè)，等級(jí)為優(yōu)秀的CEO人數(shù)均為0，這說明我國(guó)滬深A(yù)股上市公司缺乏頂級(jí)CEO，這一結(jié)果也與CEO排行榜單結(jié)果相一致；

(2)三種控制權(quán)性質(zhì)的企業(yè)中CEO聲譽(yù)為差這一等級(jí)的人數(shù)也為0，這一評(píng)價(jià)結(jié)果與實(shí)際情況相一致，因?yàn)槟艹蔀樯鲜泄镜腃EO其能力和聲譽(yù)均得到一定的認(rèn)可，聲譽(yù)差者一般不大可能成為上市公司的CEO；

(3)等級(jí)為良好，中等和合格的CEO人數(shù)中，等級(jí)中等的人數(shù)最多，同時(shí)大體符合正態(tài)分布，這一評(píng)價(jià)結(jié)果與實(shí)際情況也是大體一致的；

(4)等級(jí)為良好的CEO聲譽(yù)比例，在國(guó)有企業(yè)最高，民營(yíng)企業(yè)次之，最后是地方政府，這一評(píng)價(jià)結(jié)果也可以用實(shí)際的情況來解釋：一般來說中央政府控制的企業(yè)實(shí)力都比較強(qiáng)，對(duì)CEO能力要求也相對(duì)較高，這一類企業(yè)的CEO聲譽(yù)一般也相對(duì)較高，對(duì)于地方政府控制企業(yè)和民營(yíng)企業(yè)來說，企業(yè)的實(shí)力一般沒有中央政府控制企業(yè)強(qiáng)，對(duì)CEO的吸引力也相對(duì)較弱，但民營(yíng)企業(yè)更加注重企業(yè)的實(shí)際經(jīng)營(yíng)效果，行政干預(yù)也較少，更加愿意也有更多的自主權(quán)選擇能力強(qiáng)、聲譽(yù)更好的CEO。

5 結(jié)束語

本文研究了基于云模型的CEO聲譽(yù)評(píng)價(jià)方法，首先應(yīng)用因子分析法建立了評(píng)價(jià)指標(biāo)體系，接著采用熵權(quán)法確定各指標(biāo)的權(quán)值，然后應(yīng)用模糊C均值聚類的方法確定了評(píng)價(jià)標(biāo)準(zhǔn)云模型，最后采用質(zhì)心法得到評(píng)價(jià)值并舉例應(yīng)用，通過舉例說明了該方法的評(píng)價(jià)過程和實(shí)用性。該方法具有受主觀因素影響少，可以同時(shí)批量評(píng)價(jià)多位CEO聲譽(yù)，且包含大多數(shù)CEO聲譽(yù)影響因素的優(yōu)點(diǎn)，研究成果可以為CEO薪酬制定和CEO業(yè)績(jī)考核提供一定的參考，也可以促使CEO本人更加珍視自己的聲譽(yù)，有利于重視聲譽(yù)氛圍的形成，還可以為其它CEO聲譽(yù)的研究工作提供一定的參考。

[1]李德毅等.不確定性人工智能（第一版）[M].北京：國(guó)防工業(yè)出版社，2005.

[2]李德毅,劉常昱.論正態(tài)云模型的普適性[J].中國(guó)工程科學(xué)，2004，6(8).

[3]丁春忠.學(xué)生成績(jī)?cè)u(píng)價(jià)中的因子分析法[D].蘇州：蘇州大學(xué)，2004.

[4]葉斌.基于改進(jìn)熵值法的內(nèi)河水運(yùn)評(píng)價(jià)研究[D].成都：成都理工大學(xué)，2012.

[5]陳春明.一種改進(jìn)的模糊C-均值算法[J].情報(bào)探索，2009，141(7).