科技評估方法綜述及簡評＊

劉志強，王慧晴，溫 穎

（北京建筑大學，北京102616）

1 科技評估方法研究綜述

關于科技評估方法，李志軍（2016 年）對事前、事后評估方法進行了細致的梳理和總結[1]。此外，聚焦于科技政策評估視角，LEEUWEN 等（2003 年）、李強等（2018 年）梳理了國內外在政策評估領域的研究成果，并對文獻計量法、經濟模型法等經典方法進行了分析總結[2-3]。和經緯（2008 年）指出政策評估方法的核心是政策效果分離的社會實驗[4]。曲婉等（2017 年）以科技創新政策評估為例，建立了新的邏輯框架分析法，并結合政策作用對象，來識別不同類型的政策工具[5]。肖小溪等（2015 年）總結了PING（2014 年）[6]介紹的快速循環評價，指出該方法可通過海量數據搜集和挖掘來提供實時監測數據，為科技政策制訂提供更可靠的數據支撐[7]。高華川和白仲林（2019 年）提出一種估計政策因果效應的時變LASSO 方法，并通過實證研究發現，該方法對樣本時期數較長、政策干預時間點相對較晚的政策評估更加有效[8]。

從績效評估視角，YAGER（2002 年）等人對政府績效評估中常用的數據包絡分析法、3E 評價法等評估方法進行了梳理，并對方法的適用場景以及局限進行了總結[9]。盛明科（2009 年）通過對比主觀評議法與多指標綜合評價法，指出政府績效評估應該從價值理性和工具理性相結合的角度，對兩種方法進行綜合的運用，以充分發揮各自方法的優勢[10]。莊國波和時新（2019 年）指出將大數據技術的海量數據和精準分析可以消除了政府績效評估中人為因素的干擾和反饋信息的失真[11]，極大地增強了定量評估方法的準確性和說服力。

2 科技評估中的主要方法

科技評估方法有很多種，按照描述方式的不同，可以分為定性的科技評估方法、定量的科技評估方法以及定性與定量相結合的綜合評估方法。

定性的科技評估方法主要依據評估者的經驗、知識、技能等，但其主觀性過強，對評估者本身的素質要求極高。定量評估方法是指根據評估對象的數據信息或量化的數據信息，建立政策評估的數學模型，再借助電子計算機等手段進行計算來求得答案的方法和技術。

定性與定量相結合的綜合評估方法融合了定性、定量評估方法的優點，廣泛地應用于復雜的科技評估中。典型的方法有層次分析法、模糊綜合評價法、灰色系統評估方法以及數據包絡分析法等。

2.1 模糊綜合評估法

模糊綜合評價法是指在模糊數學的隸屬度理論基礎上，在事物組成模糊的環境中，考慮各方面因素的綜合影響后，針對某一特殊的目標對一個事物做出綜合性評價結果的方法。它以模糊推理為主，定性和定量相結合，精確與非精確相統一。模糊綜合評價法基本可分4 步進行：①確定評估對象集、因素集和決斷集；②運用專家咨詢法、層次分析法等確定因素權重值，建立評估因素的權重分配向量；③通過各單因素模糊評估獲得模糊綜合評估矩陣；④進行復合運算可得到綜合評估結果，計算每個評估對象的綜合分值，并進行選擇排序。

將模糊綜合評價方法應用于科技評估中，其主要優點在于簡單實用、可操作性強，并能進行整體的評價，但也存在評價指標體系的合理性與代表性問題，模糊隸屬函數的構造帶有一定的主觀隨意性等不足。

2.2 灰色系統評估方法

灰色系統評估方法來源于20 世紀80 年代中國華中理工大學鄧聚龍教授提出并創立的灰色系統理論。其基本思想是先從樣本中確定一個理想化的最優樣本，并以此為參考序列，通過計算各樣本序列與該序列的關聯度，對評估對象做出綜合比較和排序。灰色系統評估方法的基本步驟為：①確定參考序列；②指標值的規范化處理即無量綱化；③求各個方案與由最佳指標組成的理想方案的關聯系數矩陣，由關聯系數矩陣得到關聯度；④按關聯度的大小進行排序、分析，得出綜合評判結果。

灰色系統評估法通過對評估對象進行綜合比較和排序，解決了評估指標難以準確量化和統計的問題，可以減少人為因素帶來的影響，但也存在灰色關聯度量化模型所求出的關聯度總為正值，不能全面反映事物之間關系的局限。

2.3 數據包絡分析法

數據包絡分析法是由著名運籌學家查尼斯和庫柏等在“相對效率評估”概念基礎上發展起來的一種新的效率評估方法。它應用數學規劃模型計算比較決策單元之間的相對效率，對評價對象做出綜合評價。運用數據包絡法進行科技評估時，主要有以下4 個步驟：①確定評估目標。②建立評估指標體系。基本的原則是能反映評價內容和目的，避免指標間的強線性關系，最后考慮指標的可獲得性和多樣性等。③收集和整理數據，并進行計算。④分析評估結果并提出決策建議。

數據包絡分析法通過模型自行計算權重，大大減少了主觀因素對評估結果的影響。但是其使用范圍具有一定的局限性，要求被評估的組織單元的目標要相似并且影響組織單元效率的因素應相同。

3 科技評估方法的前沿與發展趨勢

以云計算、數據挖掘、機器學習、人工智能和區塊鏈等為代表的新一代信息技術的快速進步，推動著科技評估向自動化、智能化、智慧化方向發展，同時為評估方法更細致地科學應用提供了新的理論和技術支持。

科技評估工作具有數據海量的特點和深度分析的需求。而數據挖掘的基本思想正是從數據中抽取有價值的信息，從而幫助決策者尋找數據間潛在的關聯。將數據挖掘運用到資料查閱法時，它就是一種適當的測度方法，通過關鍵詞提取，可以將文獻資料的段落和章節作為單元進行聚類分析，提高信息獲取效率；云計算技術同樣也可以很好地進行數據分析工作。它的基本思想是通過構建大規模的基于集群系統的數據中心，將集群中的資源以虛擬化的形式向用戶提供資源池。將云計算運用到人工神經網絡的公共項目評估中，可以幫助獲得更加全面的項目端監測數據，從而對其進行更好的動態分析，以提高系統的綜合評估水平。此外，區塊鏈技術通過建立一組互聯網上的公共賬本，由網絡中所有的用戶共同在賬本上記賬與核賬，起到保障數據真實性和不可篡改性的作用。將該技術運用于主成分分析法、數據包絡分析法等需要大量數據處理的評估方法中，可以通過追溯進行數據真實性的比較和檢驗，提高評估的可信度。

與此同時，隨著科技評估領域的擴大和交叉學科的發展，應用統計學、數理經濟學、計量經濟學等學科的方法也被引入到了評估中，通過綜合運用評價指標體系、量化模型等知識，來改進科技評估方法，實現定性與定量相結合。比如計量經濟學中斷點回歸，就是當前利用微觀數據進行政策評估一個重要的方法，它可以在沒有隨機性的情況下識別出政策的效果；傾向得分匹配則通過改善選擇性偏誤，減少對照組與實驗組特征的差異而被視為評估干預影響的準實驗方法。統計學中的貝葉斯方法可以充分考慮評估模型以及參數的不確定性，對非線性狀態空間模型進行較好的擬合，近年來在科技評估中受到越來越廣泛的應用。

4 總結

科技評估工作是一種跨學科、跨層次的綜合性工作。它既要求社會科學、經濟學與自然科學的綜合，又要求決策層、執行層與研究層的結合。因此根據具體的評估對象和評估目的選擇合適的科學的方法對提高評估實施效果，改進管理決策有至關重要的作用。同時，仍需要對科技評估方法進行深入探索，并且將社會經濟發展的實際需要以及信息技術和交叉學科相結合，進行科技評估方法的實際應用，不斷推動中國科技評估工作的發展。