路小静

（北京数圣会计师事务所有限公司， 北京 101300）

0 引言

绩效评价作为一种先进的管理方法已经被应用到很多企业中，在企业管理中发挥着重要的作用。通过绩效评价能够帮助企业适应不断变化的新形势和新政策，指引重工业企业发展的战略方向，增强企业经营能力[1]。行政绩效评价在重工业企业中最为常见，包括部门绩效评价和个人绩效评价。行政工作与整个企业中的很多部门息息相关，在绩效评价中，包含的内容也很多，传统的绩效评价中需要事先确定好考核指标，分别展开考评工作，对企业行政管理工作进行适时的评价，有助于提高工作效率，调动行政人员的积极性、端正工作态度[2-4]。随着信息技术的发展，行政绩效评价的指标在不断变化，评价方法也在不断优化。

目前，一些发达国家的专家学者在相关理论的支持下，提出了动态化的绩效评价模型。以企业的长远发展作为目标，从传统、独立的绩效评价发展到了全面绩效评价，更加全面和细致，并且随着互联网技术的迭代更新，不断提出一些具有创新性的绩效评价模型，为企业管理提供了有效的理论指导[5]。在国内研究中，对绩效评价模型的研究主要以应用型为主，早期的一些绩效研究主要以企业的经济绩效为主，经过对绩效评价的深入研究，逐渐延伸到其他方面。在重工业企业行政绩效评价中，评价模型的研究还比较薄弱，虽然有一套考核体系，但是实际操作效果与理想效果还有一定差距[6]。在重工业企业行政绩效评价的具体操作中，由于一些重工企业业务数据冗余问题，在行政绩效评价上评价结果并不稳定，严重削弱了绩效管理的作用[7]。因此，提出基于DEA 模型的重工业企业行政绩效评价模型，以解决上述问题。

1 重工业企业行政绩效评价模型设计

1.1 确定企业行政绩效评价指标

在重工业企业行政管理中，需要与企业内的各个部门相互沟通协调，在行政绩效评价中，这种沟通和协调作为工作态度也是需要评价的一种指标，在指标具体的划分上与不同的部门、人员相关。具体的相关者信息如图1 所示。

图1 行政部门的绩效评价相关者

通过图1 显示的行政绩效评价相关者信息，可以确定与工作态度相关的绩效指标，对于其他评价指标，则是与其他工作相关。行政工作内容除了与其他部门协调沟通外，还包括文书的起草工作、会议的记录工作、档案资料管理和后勤物资管理等[8]。根据重工业企业的实际工作内容，划分企业行政绩效类别，确定企业行政绩效评价指标，如表1 所示。

表1 重工业企业行政绩效评价指标

在企业行政绩效评价中，对于每一个评价指标还需要设置相应的评价标准。评价标准包括两种，一种是计划标准，根据事先拟定的计划或设定的目标作为标准。另一种是经验标准，根据评价主体对客观工作的了解程度，产生主观性的评价。表1 中显示的工作态度和上级指派任务完成情况的评价标准就是经验标准，其他指标的评价标准均为计划标准。文书管理指标评价标准是文书的规范性。后勤事务管理、会议组织管理、物资采购管理和固定资产管理等均以工作是否出现失误或错误作为评价标准。部门工作计划管理则是以规定时间内完成的计划任务数作为评价标准。由于各项指标的数据属性各不相同，为了避免数据属性不同影响评价效果，需对行政绩效评价指标数据进行预处理。

1.2 指标数据预处理

在行政绩效评价指标预处理中，为了保证行政绩效评价的趋同趋势，分别对正向型评价指标和逆向型评价指标进行无量纲化处理。在处理前，对原始指标数据进行线性转换，将其区域划分为［0，1］。处理公式如下：

式中：r为指标原始数据；rmin为数据源中的最小值；r+为正向型评价指标处理结果；r-为逆向型指标数据处理结果；rmax为数据源中的最大值。在指标数据处理完成后，基于DEA 模型建立重工业企业行政绩效评价模型。

1.3 基于DEA 模型的评价模型建立

假设在评价模型中有m个指标，uij为指标值，n个评价对象，则评价对象相对多个指标值的矩阵表示为：

计算出第i个指标的信息熵Ki，公式如下：

根据信息熵的基本含义可知，信息熵越小越好，这样指标权重才能最大。利用DEA 模型建立第v个评价对象的信息熵—DEA 评价模型，表示如下：

式中：U为指标数据集；Qv为行政绩效综合评价结果；Yv为评价对象集合；α 和β 为DEA 评价权重向量。通过DEA 模型将企业行政绩效多个指标作为输入项，可以同时实现对多个评价对象的绩效评价。在使用上，无论是对部门的行政绩效评价还是对个人行政绩效评价，均能很好地适应。至此，基于DEA 模型的行政绩效评价模型设计完成。

2 实验研究

根据上述基于DEA 模型的重工业企业行政绩效评价模型的设计情况，以重工业企业为对象展开实验研究，设计实验方案，通过敏感性分析验证评价模型的使用性能。在实验设计中，为保证实验的严谨性，引入两种常规的评价模型，在相同的实验条件下，与提出的基于DEA 模型的评价模型进行对比实验，并根据实验结果完成对比分析。

实验中，选择多家重工业企业作为评价对象，为方便实验分析，以编号形式表示，以各家企业的行政绩效相关数据作为实验数据，具体内容如表2 所示。

表2 重工业企业行政绩效实验数据

由表2 数据可知，在重工业企业行政绩效评价中包含很多绩效评价指标，敏感性分析实验主要是测试去掉某一项指标，评估剩余指标对企业的行政绩效，根据所得结果判断指标的敏感系数。如果去掉指标后，企业的行政绩效水平变化比较大，说明该指标对重工业企业行政绩效的评价敏感程度高。反之，指标敏感程度低。

使用不同的评价模型对各个重工业企业进行行政绩效评价，得到评价结果后，去除重工业企业行政绩效评价指标中的某关键指标，得到处理后的评价结果。利用计算机软件计算出该指标的敏感性系数，重复上述过程，直到完整各个评价模型的敏感性系数计算。敏感性系数计算公式如下：

式中：xi为行政绩效评价中的第i个指标；n为指标个数；j为评价次数；yjxi为去除指标xi后的行政绩效评价结果；yj为重工业企业行政绩效正常评价结果。实验中使用的常规的评价模型分别是基于深度学习的评价模型和基于线性回归模型的评价模型。为方便对比分析，利用计算机统计软件计算出各组实验结果的平均数并输出。经过简单处理和统计后，得到的实验结果如表3 所示。

表3 各个评价模型的敏感性实验结果

由表3 的实验结果可以看出，提出的行政绩效评级模型的指标敏感性系数均大于1.5，最高值为2.897 1，最低值为1.836 2，说明该评价模型的敏感程度比较高，在行政绩效评价中选择的绩效指标均为有效指标，无冗余数据。而另外两种评价模型的实验结果中，指标敏感性系数比较低，最低值分别是0.751 6、0.611 9，最高值分别是1.651 2、1.289 3，说明企业行政绩效评价中存在敏感性差的指标，对评价结果影响较小，可以视为冗余数据。因此，提出的基于DEA 模型的重工业企业行政绩效评价模型指标敏感性高，评价结果更可靠，整体使用性能优于常规的评价模型。

3 结语

本文以重工业企业作为研究对象，结合以往的企业绩效评价研究成果，设计基于DEA 模型的企业行政绩效评价模型，在评价指标的建立上参考了重工业企业的实际运营情况，在评价模型的设计上结合了信息熵理念构建了基于DEA 的评价模型。在评价模型建立完成后，结合以往评价模型的使用经验，设计实验方案，对比分析提出的评价模型与常规的评价模型的使用性能，通过大量敏感性实验的分析验证，证明了提出的行政绩效评价模型具有高敏感性，能够适应不同的工作环境，满足重工业企业行政绩效评价的需求。虽然本文在行政绩效评价模型的研究上取得了一些研究成果，但是受限于样本数据的获取，研究内容更多的是基于小规模样本实现的，对于大规模样本数据的评价还需要进一步研究。