丁岳維+張亞琴+郝曉春

【摘 要】 高校國有資產按用途可分為經營性國有資產和非經營性國有資產，文章對其分別建立績效評價指標體系，并基于主成分分析法，運用正態(tài)分布原理，測定客觀的概率比重，構建概率權數綜合評價模型，對高校國有資產進行全面、系統(tǒng)的評價，為教育資源的高效配置與利用提供量化的決策依據。

【關鍵詞】 高校國有資產； 指標體系； 主成分分析法； 測定概率比重

引 言

高校國有資產是高校從事教學、科研和管理等各方面工作的重要物質基礎，與高校的發(fā)展前途密切相關，已成為高校日常管理工作的重要部分。一方面，高校通過各種渠道獲得大量的資產為高校的發(fā)展補充能量，國有資產在數量、構成和使用等方面發(fā)生了重大變化；另一方面，國有資產配置不合理，使用效率低，造成國有資產流失嚴重。因此，針對我國高校國有資產管理現狀，深入高校國有資產績效評價研究，建立一套具有高校特色的國有資產績效評價指標體系是大勢所趨，是國家加強宏觀指導、促進高等教育可持續(xù)發(fā)展的必然選擇，是提高國有資產利用效率的內在要求，是建立激勵和約束機制的必然要求，也是滿足投資主體多元化的需要。

一、文獻綜述

國外學者對高校資產績效評估理論研究較早，且主要集中于資產績效評價體系的構建。代表性的研究有：1985年賈勒特將績效指標分為三類（內部指標、外部指標和運行指標），系統(tǒng)地反映高校的資產績效水平；凱夫等人提出了14個精選的績效指標，其中關于教學的指標有8個；羅伯特·S.卡普蘭和戴維·諾頓認為平衡計分卡是一套系統(tǒng)的績效評價指標，該方法在保留傳統(tǒng)財務指標的基礎上，增加了內部業(yè)務流程、學習與成長和客戶三個方面的非財務指標，并對組織進行績效評估與考核。另外，國外資產績效考核理論研究相對成熟，已形成了一套較為系統(tǒng)的高等教育績效評價指標考核體系，如：美國目前較為全面的高等教育績效評價指標體系包括教育質量、教育培養(yǎng)、機會均等、經濟發(fā)展和生活質量、協(xié)調與倡議精神五大類25個指標，該指標體系成為政府教育撥款的重要參考因素；英國則有由副院長、校長協(xié)會和大學撥款委員會聯(lián)合工作小組編制的《英國大學管理統(tǒng)計與績效指標體系》，該體系所有的指標均為財務指標。

國內高校國有資產績效評估起步較晚，研究主要集中于理論研究及資產績效評價指標的確認。代表性的研究有：邱向榮（2003）采用多指標體系對高校國有資產進行評價，通過對指標的無綱量化并賦予權重構建績效評估指標體系，應用雷達分析法作為對績效評價的補充；江文清（2004）通過對高校資產績效評估的目標及其管理成本、效率的分析，運用層次分析法和模糊分析法建立高校國有資產績效評估指標體系；李興國（2005）通過對高校國有資產管理的現狀分析，采用專家討論法、頭腦風暴法、德爾菲法等相互結合的方法，建立績效評估體系，用模糊綜合評價法對績效水平進行評價；周桂芳（2008）將國有資產按其用途分為經營性國有資產和非經營性國有資產，分別建立國有資產績效評價指標體系；方虹（2009）設立經濟績效指標、社會績效指標為一級指標并逐步細化為二級指標，建立績效指標體系，但未提出行之有效的績效評估方法。

縱觀現有文獻可發(fā)現大部分學者都停留在理論層面對國有資產進行評價，只有少數學者從量化角度建立模型對資產進行績效評估，但其量化方法大都采用層次分析法和模糊綜合評價法，難以克服主觀人為因素的影響，易造成績效指標權數取值的客觀量化不夠，影響其評價結果的客觀性。本文則采用主成分分析法，利用降維的思想對績效指標進行確認，結合概率知識測定其客觀的概率比重，構建概率權數綜合評價模型，對高校國有資產進行綜合評價。

二、高校國有資產績效評估指標體系的構建

按資產用途國有資產可分為經營性國有資產和非經營性國有資產，筆者在上述指標設計原則的基礎上，建立經營性國有資產績效評估體系和非經營性國有資產績效評估體系，提升高校國有資產的經濟效益和社會效益，如圖1所示。

（一）經營性國有資產績效評價指標體系

高校經營性國有資產是高校主要用于經營領域的國有資產，以盈利為主要目的，是高校國有資產不斷增長的源泉。其指標體系不僅考慮到財務指標，也涉及非財務指標，主要包括：（1）盈利能力指標；（2）轉化能力指標；（3）營運能力指標；（4）貢獻能力指標。這些指標能夠全面反映資產的運營狀況，利于對資產實行有償使用并監(jiān)督其實現保值增值的目標，以提升國有資產的經濟效益。

（二）非經營性國有資產績效評價指標體系

非經營性國有資產是指那些不直接參與經營活動，不以盈利為目的，不具有增值特點的資產。其主要目的是保證高等院校能更好地實現科學研究、人才培養(yǎng)和服務社會三大職能，帶動高校產業(yè)的良性發(fā)展，提高國有資產的社會效益。指標體系主要包括：（1）人才培養(yǎng)績效指標；（2）社會貢獻績效指標；（3）科研成果績效指標。

三、構建高校國有資產績效概率權數綜合評價模型

（一）定性指標定量化和指標的無綱量化

1.定性指標定量化

運用格柵獲取法對高校國有資產指標體系中的定性指標給予量化。格柵獲取法是由心理學家凱勒提出的，一個格柵由元素和屬性組成，其中元素已通過績效指標體系的構建完成，屬性則通過一個線性尺度對各元素的重要程度進行判斷打分，最終得到一個完整的格柵，本文采用1—5刻度的尺度來表達，如圖2。

2.指標的無綱量化

采用功效系數轉換定值法將績效指標統(tǒng)一變換到[0，1]范圍內，以便形成綜合評價的指標。具體公式：XZ=（Xi-Xmin）/（Xmax-Xmin）。

（二）主成分分析法篩選主成分

主成分分析法（PCA）也稱主分量分析法，是一種簡化數據收集的技術，也是一種線性變換。其運用降維的思想將原來多個相關指標轉化為一組新的相互無關的綜合指標，并按照新指標的方差依次遞減的順序排列，從而保留最主要的信息。endprint

1.構建原始數據矩陣

設N×M階數據矩陣為X=（xij）n×m，其中n為樣本數，m為績效評價指標數，X=x11 … x1mxn1 … xnm

2.原始數據的標準化處理

yij= （i=1，2，…n；j=1，2，…m）

其中Xj=Xij，=（Xij-Xj），得標準化矩陣Y。

3.計算Y的系數矩陣（R）及其特征值和特征向量

系數矩陣rij=ykiyki （i，j=1，2，…m）

通過求解得出系數矩陣R的m個特征值λ1，λ2，…λm（λ≥0）及相應的特征向量c1，c2，…cm。

4.求其主成分的貢獻率及累計貢獻率

Ui=為第i個主成分的方差貢獻率；為前s個主成分的累計貢獻率。

5.確定主成分的個數

將各主成分的累計貢獻率按由高到低的順序排列，一般情況下累計貢獻率達85%以上為宜，說明主成分能較好地代表原指標的信息。設前s個主成分的累計貢獻率達到85%的要求，則取前s個為n個樣本的主成分個數。

6.將標準化后的數據轉化為主成分

根據Zi=Y×Cn（i=1，2，…，s）構成新的n×s階矩陣， 如下：

Z=Z11 … Z1sZn1 … Zns

（三）指標概率權數的確定

1.比較評價標準的選擇

資產績效指標體系中有逆向指標（指標值越小越好），如資產負債率、研發(fā)收入和生均培養(yǎng)成本，其余為正向指標（指標值越大越好）。按照相對優(yōu)化的原則，將這些不同的指標與所有高校該指標的最優(yōu)指標相比較。比較評價標準的參考指標序列是由逆向指標的最小值和正向指標的最大值構成。

用數學語言描述就是：對于第i個高校的第j個指標值為Xij（i=1，2，…，n；j=1，2，…，m）。當j為逆向指標時，其比較對象為Xm i n j；當j為正向指標時，其比較對象為Xm a x j。

2.概率測定權數的確定

不同的績效指標應該與所有高校該績效指標的最優(yōu)指標相比較，即作為比較評價標準的參考指標序列應該由最優(yōu)績效指標構成。概率測定權數就是測定不同的指標應該優(yōu)于該指標最優(yōu)值的可能性，這里所說的可能性是指變量優(yōu)于最優(yōu)值的概率。概率是一個客觀量化的數值，可作為指標的量化權數。

用數學語言描述就是：（1）若評價指標為正指標，其比較對象的最優(yōu)值Xm a x j，所以采用Xij比其最優(yōu)值大的概率P{Xi，j>Xm a x j}為權數。根據中心極限定理，對于第i個高校的第j個指標值Xij應該或者近似有Xij～N（Xj， S2j）。其中樣本均值Xj=Xij，樣本方差S2j=（Xij-Xj），則第i個高校的第j個指標概率權數為：Fj= P{Xi，j>Xm a x j}=P>=1-（x）=e-d t是標準正態(tài)分布。

（2）若評價指標為負指標，其比較對象的最優(yōu)值為Xm i n j。所以采用Xij比其最優(yōu)值小的概率P{0

由于概率之和Fj不為一，運用公式fj=Fj÷Fj×100%，將m個指標作歸一化處理。

（四）概率權數綜合評價模型

概率論中的期望值原理是指變量的平均值是每個變量值與其相應概率的乘積之總和。該理論應用到這里就是指，各高校的綜合評價得分為m個指標變量值與其概率權數乘積之和。評價第i個高校平均得分的綜合模型可定義為：

Ki=（Kij·fj）=

1-×fi 當j為逆向指標時1-×fi 當j為正向指標時并作歸一處理。

同時，為了減少異常指標對最后綜合績效評分的影響，設定評分值的上限為正常值的1.5倍，下限為正常值的一半。

四、應用價值

基于以上對國有資產的分類，并結合高校的特色，分別建立績效指標體系，應用概率、統(tǒng)計等學科的知識，構建可以客觀量化的概率權數綜合評價模型，能夠對高校的資產使用狀況、使用效果、資產管理和制度保障等情況進行全面評價：（1）對經營性國有資產而言，利于對資產實行有償使用并監(jiān)督其實現增值保值的目標，提升國有資產的經濟效益；（2）對非經營性資產而言，利于各高校更好地完成培養(yǎng)人才、科學研究和服務社會的三大職能，提升國有資產的社會效益，同時，推動教育產業(yè)的良性發(fā)展。

五、總結

第一，本文通過主成分分析法，利用降維的思想對眾多龐雜的指標進行精簡，極大地降低了評估工作的復雜性，并結合高校的特色，運用概率、統(tǒng)計等學科的知識，建立可量化的綜合評價模型，增強了評價的客觀性，為教育資源的高效配置與利用提供量化的決策依據。

第二，本文所采用的概率測定權數綜合評價模型及其方法，運用Excel簡單工具即可完成，具有簡單實用、實踐操作性強等特點。

第三，本文的模型適用范圍較廣，不僅適用于對各大高校國有資產進行績效評估，使各高校對國有資產的管理水平及績效考核具有可比性，益于相互借鑒，提高資產的經濟效益與社會效益，也可對不同行業(yè)的相關資產進行評估。

第四，本文由于篇幅有限，未列舉出實證案例對其進行具體描述，但鑒于有充分的理論研究與科學的操作方法為保證，其評價結論應具有可靠性。

【參考文獻】

[1] 邱向榮.我國高校資產管理及其績效評價研究[D].昆明理工大學，2003.

[2] 江文清.高校國有資產管理績效評估體系構建的初探[J].四川大學學報（哲學社會科學版），2004（3）：135-138.

[3] 李興國.高校國有資產管理評價模型及應用研究[D].西北工業(yè)大學，2005.

[4] 周桂芳.普通高校國有資產績效評價體系構建研究[J].中州學刊，2008（2）：69-71.

[5] 方虹，許建新.中國高校資產績效評價體系的構建研究[J].山東商業(yè)職業(yè)技術學院學報（財會與金融），2009（12）：20-24.

[6] 鄧小軍.高校非經營性國有資產綜合績效評價指標體系構建[J].財會通訊，2012（3）：79-80.

[7] 丁岳維，李海霞，張玖艷.沃爾概率比重綜合評價模型及實證研究[J].會計之友，2013（1）：25-28.

[8] 紀亞莉.高校國有資產管理模式與績效評價研究[D].長沙理工大學，2008.

1.構建原始數據矩陣

設N×M階數據矩陣為X=（xij）n×m，其中n為樣本數，m為績效評價指標數，X=x11 … x1mxn1 … xnm

2.原始數據的標準化處理

yij= （i=1，2，…n；j=1，2，…m）

其中Xj=Xij，=（Xij-Xj），得標準化矩陣Y。

3.計算Y的系數矩陣（R）及其特征值和特征向量

系數矩陣rij=ykiyki （i，j=1，2，…m）

通過求解得出系數矩陣R的m個特征值λ1，λ2，…λm（λ≥0）及相應的特征向量c1，c2，…cm。

4.求其主成分的貢獻率及累計貢獻率

Ui=為第i個主成分的方差貢獻率；為前s個主成分的累計貢獻率。

5.確定主成分的個數

將各主成分的累計貢獻率按由高到低的順序排列，一般情況下累計貢獻率達85%以上為宜，說明主成分能較好地代表原指標的信息。設前s個主成分的累計貢獻率達到85%的要求，則取前s個為n個樣本的主成分個數。

6.將標準化后的數據轉化為主成分

根據Zi=Y×Cn（i=1，2，…，s）構成新的n×s階矩陣， 如下：

Z=Z11 … Z1sZn1 … Zns

（三）指標概率權數的確定

1.比較評價標準的選擇

資產績效指標體系中有逆向指標（指標值越小越好），如資產負債率、研發(fā)收入和生均培養(yǎng)成本，其余為正向指標（指標值越大越好）。按照相對優(yōu)化的原則，將這些不同的指標與所有高校該指標的最優(yōu)指標相比較。比較評價標準的參考指標序列是由逆向指標的最小值和正向指標的最大值構成。

用數學語言描述就是：對于第i個高校的第j個指標值為Xij（i=1，2，…，n；j=1，2，…，m）。當j為逆向指標時，其比較對象為Xm i n j；當j為正向指標時，其比較對象為Xm a x j。

2.概率測定權數的確定

不同的績效指標應該與所有高校該績效指標的最優(yōu)指標相比較，即作為比較評價標準的參考指標序列應該由最優(yōu)績效指標構成。概率測定權數就是測定不同的指標應該優(yōu)于該指標最優(yōu)值的可能性，這里所說的可能性是指變量優(yōu)于最優(yōu)值的概率。概率是一個客觀量化的數值，可作為指標的量化權數。

用數學語言描述就是：（1）若評價指標為正指標，其比較對象的最優(yōu)值Xm a x j，所以采用Xij比其最優(yōu)值大的概率P{Xi，j>Xm a x j}為權數。根據中心極限定理，對于第i個高校的第j個指標值Xij應該或者近似有Xij～N（Xj， S2j）。其中樣本均值Xj=Xij，樣本方差S2j=（Xij-Xj），則第i個高校的第j個指標概率權數為：Fj= P{Xi，j>Xm a x j}=P>=1-（x）=e-d t是標準正態(tài)分布。

（2）若評價指標為負指標，其比較對象的最優(yōu)值為Xm i n j。所以采用Xij比其最優(yōu)值小的概率P{0

由于概率之和Fj不為一，運用公式fj=Fj÷Fj×100%，將m個指標作歸一化處理。

（四）概率權數綜合評價模型

概率論中的期望值原理是指變量的平均值是每個變量值與其相應概率的乘積之總和。該理論應用到這里就是指，各高校的綜合評價得分為m個指標變量值與其概率權數乘積之和。評價第i個高校平均得分的綜合模型可定義為：

Ki=（Kij·fj）=

1-×fi 當j為逆向指標時1-×fi 當j為正向指標時并作歸一處理。

同時，為了減少異常指標對最后綜合績效評分的影響，設定評分值的上限為正常值的1.5倍，下限為正常值的一半。

四、應用價值

基于以上對國有資產的分類，并結合高校的特色，分別建立績效指標體系，應用概率、統(tǒng)計等學科的知識，構建可以客觀量化的概率權數綜合評價模型，能夠對高校的資產使用狀況、使用效果、資產管理和制度保障等情況進行全面評價：（1）對經營性國有資產而言，利于對資產實行有償使用并監(jiān)督其實現增值保值的目標，提升國有資產的經濟效益；（2）對非經營性資產而言，利于各高校更好地完成培養(yǎng)人才、科學研究和服務社會的三大職能，提升國有資產的社會效益，同時，推動教育產業(yè)的良性發(fā)展。

五、總結

第一，本文通過主成分分析法，利用降維的思想對眾多龐雜的指標進行精簡，極大地降低了評估工作的復雜性，并結合高校的特色，運用概率、統(tǒng)計等學科的知識，建立可量化的綜合評價模型，增強了評價的客觀性，為教育資源的高效配置與利用提供量化的決策依據。

第二，本文所采用的概率測定權數綜合評價模型及其方法，運用Excel簡單工具即可完成，具有簡單實用、實踐操作性強等特點。

第三，本文的模型適用范圍較廣，不僅適用于對各大高校國有資產進行績效評估，使各高校對國有資產的管理水平及績效考核具有可比性，益于相互借鑒，提高資產的經濟效益與社會效益，也可對不同行業(yè)的相關資產進行評估。

第四，本文由于篇幅有限，未列舉出實證案例對其進行具體描述，但鑒于有充分的理論研究與科學的操作方法為保證，其評價結論應具有可靠性。

【參考文獻】

[1] 邱向榮.我國高校資產管理及其績效評價研究[D].昆明理工大學，2003.

[2] 江文清.高校國有資產管理績效評估體系構建的初探[J].四川大學學報（哲學社會科學版），2004（3）：135-138.

[3] 李興國.高校國有資產管理評價模型及應用研究[D].西北工業(yè)大學，2005.

[4] 周桂芳.普通高校國有資產績效評價體系構建研究[J].中州學刊，2008（2）：69-71.

[5] 方虹，許建新.中國高校資產績效評價體系的構建研究[J].山東商業(yè)職業(yè)技術學院學報（財會與金融），2009（12）：20-24.

[6] 鄧小軍.高校非經營性國有資產綜合績效評價指標體系構建[J].財會通訊，2012（3）：79-80.

[7] 丁岳維，李海霞，張玖艷.沃爾概率比重綜合評價模型及實證研究[J].會計之友，2013（1）：25-28.

[8] 紀亞莉.高校國有資產管理模式與績效評價研究[D].長沙理工大學，2008.

1.構建原始數據矩陣

設N×M階數據矩陣為X=（xij）n×m，其中n為樣本數，m為績效評價指標數，X=x11 … x1mxn1 … xnm

2.原始數據的標準化處理

yij= （i=1，2，…n；j=1，2，…m）

其中Xj=Xij，=（Xij-Xj），得標準化矩陣Y。

3.計算Y的系數矩陣（R）及其特征值和特征向量

系數矩陣rij=ykiyki （i，j=1，2，…m）

通過求解得出系數矩陣R的m個特征值λ1，λ2，…λm（λ≥0）及相應的特征向量c1，c2，…cm。

4.求其主成分的貢獻率及累計貢獻率

Ui=為第i個主成分的方差貢獻率；為前s個主成分的累計貢獻率。

5.確定主成分的個數

將各主成分的累計貢獻率按由高到低的順序排列，一般情況下累計貢獻率達85%以上為宜，說明主成分能較好地代表原指標的信息。設前s個主成分的累計貢獻率達到85%的要求，則取前s個為n個樣本的主成分個數。

6.將標準化后的數據轉化為主成分

根據Zi=Y×Cn（i=1，2，…，s）構成新的n×s階矩陣， 如下：

Z=Z11 … Z1sZn1 … Zns

（三）指標概率權數的確定

1.比較評價標準的選擇

資產績效指標體系中有逆向指標（指標值越小越好），如資產負債率、研發(fā)收入和生均培養(yǎng)成本，其余為正向指標（指標值越大越好）。按照相對優(yōu)化的原則，將這些不同的指標與所有高校該指標的最優(yōu)指標相比較。比較評價標準的參考指標序列是由逆向指標的最小值和正向指標的最大值構成。

用數學語言描述就是：對于第i個高校的第j個指標值為Xij（i=1，2，…，n；j=1，2，…，m）。當j為逆向指標時，其比較對象為Xm i n j；當j為正向指標時，其比較對象為Xm a x j。

2.概率測定權數的確定

不同的績效指標應該與所有高校該績效指標的最優(yōu)指標相比較，即作為比較評價標準的參考指標序列應該由最優(yōu)績效指標構成。概率測定權數就是測定不同的指標應該優(yōu)于該指標最優(yōu)值的可能性，這里所說的可能性是指變量優(yōu)于最優(yōu)值的概率。概率是一個客觀量化的數值，可作為指標的量化權數。

用數學語言描述就是：（1）若評價指標為正指標，其比較對象的最優(yōu)值Xm a x j，所以采用Xij比其最優(yōu)值大的概率P{Xi，j>Xm a x j}為權數。根據中心極限定理，對于第i個高校的第j個指標值Xij應該或者近似有Xij～N（Xj， S2j）。其中樣本均值Xj=Xij，樣本方差S2j=（Xij-Xj），則第i個高校的第j個指標概率權數為：Fj= P{Xi，j>Xm a x j}=P>=1-（x）=e-d t是標準正態(tài)分布。

（2）若評價指標為負指標，其比較對象的最優(yōu)值為Xm i n j。所以采用Xij比其最優(yōu)值小的概率P{0

由于概率之和Fj不為一，運用公式fj=Fj÷Fj×100%，將m個指標作歸一化處理。

（四）概率權數綜合評價模型

概率論中的期望值原理是指變量的平均值是每個變量值與其相應概率的乘積之總和。該理論應用到這里就是指，各高校的綜合評價得分為m個指標變量值與其概率權數乘積之和。評價第i個高校平均得分的綜合模型可定義為：

Ki=（Kij·fj）=

1-×fi 當j為逆向指標時1-×fi 當j為正向指標時并作歸一處理。

同時，為了減少異常指標對最后綜合績效評分的影響，設定評分值的上限為正常值的1.5倍，下限為正常值的一半。

四、應用價值

基于以上對國有資產的分類，并結合高校的特色，分別建立績效指標體系，應用概率、統(tǒng)計等學科的知識，構建可以客觀量化的概率權數綜合評價模型，能夠對高校的資產使用狀況、使用效果、資產管理和制度保障等情況進行全面評價：（1）對經營性國有資產而言，利于對資產實行有償使用并監(jiān)督其實現增值保值的目標，提升國有資產的經濟效益；（2）對非經營性資產而言，利于各高校更好地完成培養(yǎng)人才、科學研究和服務社會的三大職能，提升國有資產的社會效益，同時，推動教育產業(yè)的良性發(fā)展。

五、總結

第一，本文通過主成分分析法，利用降維的思想對眾多龐雜的指標進行精簡，極大地降低了評估工作的復雜性，并結合高校的特色，運用概率、統(tǒng)計等學科的知識，建立可量化的綜合評價模型，增強了評價的客觀性，為教育資源的高效配置與利用提供量化的決策依據。

第二，本文所采用的概率測定權數綜合評價模型及其方法，運用Excel簡單工具即可完成，具有簡單實用、實踐操作性強等特點。

第三，本文的模型適用范圍較廣，不僅適用于對各大高校國有資產進行績效評估，使各高校對國有資產的管理水平及績效考核具有可比性，益于相互借鑒，提高資產的經濟效益與社會效益，也可對不同行業(yè)的相關資產進行評估。

第四，本文由于篇幅有限，未列舉出實證案例對其進行具體描述，但鑒于有充分的理論研究與科學的操作方法為保證，其評價結論應具有可靠性。

【參考文獻】

[1] 邱向榮.我國高校資產管理及其績效評價研究[D].昆明理工大學，2003.

[2] 江文清.高校國有資產管理績效評估體系構建的初探[J].四川大學學報（哲學社會科學版），2004（3）：135-138.

[3] 李興國.高校國有資產管理評價模型及應用研究[D].西北工業(yè)大學，2005.

[4] 周桂芳.普通高校國有資產績效評價體系構建研究[J].中州學刊，2008（2）：69-71.

[5] 方虹，許建新.中國高校資產績效評價體系的構建研究[J].山東商業(yè)職業(yè)技術學院學報（財會與金融），2009（12）：20-24.

[6] 鄧小軍.高校非經營性國有資產綜合績效評價指標體系構建[J].財會通訊，2012（3）：79-80.

[7] 丁岳維，李海霞，張玖艷.沃爾概率比重綜合評價模型及實證研究[J].會計之友，2013（1）：25-28.

[8] 紀亞莉.高校國有資產管理模式與績效評價研究[D].長沙理工大學，2008.