基于主客觀賦權結合法的公共信用評價模型優化路徑研究

關鍵詞：公共信用評價，模型優化，主客觀結合

DOI編碼：10.3969/j.issn.1002-5944.2024.011.006

0引言

近年來，社會信用體系建設已從夯基礎、搭平臺階段上升到強應用、拓服務的新階段，更加注重信用應用場景的構建和信用信息服務水平的提升。其中，公共信用綜合評價、行業信用評價工作作為社會信用體系建設的有機組成部分，在推進信用分級分類監管、“信易+”惠民便企場景創建等方面發揮了重要作用。

當前，各地信用信息共享平臺已逐步迎來升級改造的2.0階段。公共信用綜合評價也應結合平臺升級，加快推動模型迭代優化，修訂完善評價標準，以適應新形勢要求。

1主客觀賦權法介紹

當前，公共信用評價普遍采取信用積分法，該類方法能有效滿足公共信用評價對全覆蓋、公益性、公正性、透明性的要求，已獲得實踐證明，但在指標權重的確定方面還有較大的優化空間。在各信用信息共享平臺1.0階段，受限于平臺數據資源少、數據質量水平不高等難題，單純依靠專家業務經驗設計公共信用評價指標體系無可厚非。而如今，各地方、各領域信用信息共享平臺建設更加完善，數據質量水平持續提升，“數據+算法”在公共信用評價中的應用優勢也逐步凸顯。對此，有必要充分“喚醒”沉睡于平臺的信用數據資源，探索“數據+算法”嵌入公共信用評價模型的迭代和調優合適路徑，讓公共信用評價工作更加科學客觀。

縱觀各地區、各行業公共信用評價的實踐，評價結果的計算需對評價指標體系中的各級指標進行匯總綜合，各個指標對于公共信用的影響程度是不同的，因此需將其重要性以數量值形式表示，即要確定指標的權重。大量研究表明，主觀賦權法和客觀賦權法二者各有優點，也各有所不足。比如客觀賦權法有時得到的結果難以從專業上解釋，而主觀賦權法不免存在主觀隨意性。主客觀賦權結合法則是將二者有機結合，得到的指標權重既充分利用樣本資料的統計信息，又能反映專家的意見，能保證權重值的科學合理性。因此，主客觀權重的組合是有意義的。

本文所介紹主客觀賦權結合法，主要是利用客觀賦權方法的優勢修正主觀賦權方法的劣勢。模型優化首先以指標數據為基礎，根據數據特征及采集情況，對數據進行標準化處理；再通過主客觀賦權法分別對底層指標權重進行賦值和修正；最后根據指標體系及其權重，使用信用數據計算綜合評價結果。

2公共信用評價模型優化路徑

2.1指標數據準備

（1）指標初篩。公共信用評價模型的構建首先需建立評價指標體系。一般而言指標體系的構建在1.0階段已經完成。在模型優化過程中，則根據公共信用評價的科學性、客觀性、公正性、適用性等原則合理調整部分指標即可。

（2）樣本選擇。要使用主客觀賦權法優化模型，需針對指標體系采集相應的樣本數據作為基礎。樣本數據的選擇遵循代表性、充分性、時效性的原則。同時，需選擇分類區分明顯的樣本進入模型訓練。具體抽樣方法包括隨機抽樣、等比例抽樣、分層抽樣等。

2.2指標數據預處理

數據預處理是從數據中檢測、糾正或刪除損壞，不準確或不適用于模型的樣本的過程。主要包括以下環節：

（1）數據清洗。原始數據一般都存在許多問題，例如，數據噪聲大，存在重復值、缺失值和異常值等。因此，需對數據進行清洗和處理，提升數據的質量和準確性，讓數據適應模型，匹配模型的需求。

（2）指標量化。由于公共信用評價各項指標性質、維度各不相同，需要提出對具體指標值的測算方法。具體測算方法需根據指標特征而定。

（3）無量綱化。由于各項指標的計量單位并不統一，甚至存在不同的數量級，因此還需要進行無量綱化處理，去除數據的單位限制，使指標的絕對值轉化為相對值，便于不同質的指標的比較和加權。同時，將數據按比例縮放，使之落人一個小的特定區間。常用標準化處理方法包括歸一化法、mm-max標準化法、z-score標準化法等。

2.3指標權重的確定

（1）主觀權重

主觀權重的計算運用經典的層次分析法與德爾菲法，經過編制兩兩比較矩陣及開展多輪調研，由若干名專家綜合評價所得。主觀權重的計算公式（1）如下：

余弦值的范圍在[-1，1]之間，值越趨近于1，代表兩個向量的方向越接近，它們的方向更加吻合，則越相似，即能說明兩個維度數值方向接近，相似度非常高。

3展望和建議

本文主要提出運用主客觀結合法的優化公共信用評價模型的初步思路。未來，我們可以結合信用信息共享平臺升級改造和信用信息資源建設工作，以信用評價促進信用應用、以信用應用促進數據治理，以數據治理完善信用評價，挖掘信用數據價值，進一步發揮信用數據在模型構建、模型驗證等方面的作用，從而提出更科學、更合理評價指標體系。通過公共信用評價在日常監管、政府采購、招投標、資金扶持等事項中的深化應用，我們能構建起更有效的信用分級分類監管機制和守信激勵失信約束機制。但是，我們也要注意“算法亦法”，算法嵌入公共信用評價后，必須避免因算法黑箱影響評價透明性，避免因數據濫用影響評價公正性，避免因數據缺陷影響評價科學性。

作者簡介

吳雨洲，信息系統項目管理師，從事信用評價技術研究工作。

黃秀宏，數據工程師，從事信用數據治理工作。

陳江玲，信息系統項目管理師，數據分析師，從事信息技術及軟件標準化研究工作。

（責任編輯：張佩玉）