企业绩效营运评定.docx

企业绩效营运评定第一章 绪论1.1 研究动机比率分析自从十九世纪末提出以来，一直为企管实务中判断公司营运绩效良窳的重要工具之一。适当的选择财务报表中任两个会计科目的比值，并藉由观察这些指标值的大小以及彼此间的变化关系，即可了解公司的营运状况。不过，在运输产业营运绩效评估的范畴中，多半以运输投入与运输产出间的资源运用效率与产出利用率做为衡量的基础，显少有财务比率的出现。盖财务报表系表现公司当期的经营成果与财务状况，若缺乏对财务比率的探讨，很可能有部分的营运绩效因而被忽略，使得评估结果的完整性较为不足。因此，如何将财务比率纳入运输产业营运绩效评估的研究中，实为一重要的课题，为本研究的动机之一。此外，利用财务比率与传统上以运输投入与产出构成的运输指标进行运输产业营运绩效评估时，不同的指标类型系各自代表部分绩效层面的表现，抑或两者所衡量的营运绩效具有高度替代性，亦为相当重要的研究课题。此乃因若财务比率与运输指标间的替代性较低，系各自衡量运输产业整体营运绩效的一部分，则过去偏重以运输指标衡量营运绩效的方式即较难一窥其全貌。因此，不同类型的评估指标间是否存有替代性，其替代程度如何，系本研究的动机之二。最后，财务比率的种类不下数百种，过去比率分析所使用的撷取方法，大多以数理统计中的回归分析、相关分析、因素分析、群落分析等方法为主，这些方法通常需要较长期间的数据以确保样本数够大与数据符合常态分配的假设前提。然而，在运输产业营运绩效评估的研究中，取得非上市、上柜公司的财务资料甚为困难，故过去多仅以运输指标衡量公司之营运绩效，所用的资料期间亦仅为一年。因此，如何在数据期间较短，而不会受到样本数大小与数据分配型态的限制下，在这两类指标中撷取出代表性指标以进行营运绩效评估，为本研究的动机之三。1.2 研究目的鉴于运输产业整体营运绩效之评估应更具完整性、实用性与可操作性等性质，如何建立完整的评估步骤以协助管理者发现经营上的问题症结，实为绩效评估的重要工作。本研究进行财务比率纳入运输产业营运绩效评估时，主要的目的可归纳如下：一、 提出一个涵盖财务绩效的绩效评估概念模式，期能使运输产业营运绩效之评估工作更完整。二、 提出营运绩效的分解方式，并探讨财务比率与运输指标两者间在营运绩效评估中各自代表的绩效层面，以及不同指针类型间的关系(替代或独立)，期能使评估结果对管理者在绩效提升上更具实用性。三、 针对小样本数与数据期间较短的特性，应用适当的方法，俾便从众多评估指标中撷取具代表性指标，进行绩效评估工作。四、 提出运输产业营运绩效的评估步骤，期能使评估工作在实务上更具可操作性。1.3 研究内容本文进行财务比率纳入运输产业营运绩效评估之研究时，主要内容包括：相关文献回顾、绩效评估概念架构的形成、绩效评估步骤的建立、实例应用与不同指针类型间关系的探讨等五个部分。兹扼要说明如下：一、 相关文献回顾。本文系探讨财务比率纳入运输产业营运绩效评估之相关课题。因此，过去对于运输产业营运绩效评估的相关文献，包括：绩效评估的概念、评估指标产生的准则、绩效评估的方法(多变量分析、层级分析法、资料包络分析法、模糊综合评判、灰色关联分析法)，均尽量予以充分搜集；至于财务比率与营运绩效评估的相关文献回顾，包括：财务比率的意义与分类、比率分析在企管实务与运输产业绩效评估上的应用例等，亦加以扼要回顾。二、 绩效评估概念架构的形成。运输产业营运绩效的良窳与其营运活动中各环节表现之优劣密切相关。本文将运输产业营运活动之过程依其功能分解成要素投入、服务产出与服务消费等三个部分，各部分除了考虑运输层面的相关因素外，亦加入财务层面相关因素的考虑。而整体营运绩效依此营运活动过程与组织中各部门的职掌，分解成生产效率、营销效率与执行效率三类。三、 绩效评估步骤的建立。本文针对小样本数与数据期间较短的性质，提出包含6个步骤的营运绩效评估程序。包括：形成概念架构、列出评估项目、产生评估指针集合、分群与撷取代表性评估指标、计算与排序绩效分数，以及应用评估结果等。四、 实例应用。本文分别以公路客运业与国内线航空运输业为例，应用本文提出的绩效评估步骤，衡量国内4家公路客运业者与5家航空公司彼此间的相对绩效，说明该评估程序的进行方式与实用性。五、 不同指标类型间关系的探讨。本文将评估指标依其组成内容区分为财务比率、运输指标与混合指标三类。经由实例应用结果的观察，探讨各类型指标间的替代关系。除分析各类型指标在整体营运绩效评估中所扮演的角色，亦可说明加入财务比率后所衡量的营运绩效是否较为完整。1.4 研究方法本文旨在探讨纳入财务比率于运输产业营运绩效的评估中，如何将财务比率与传统上所使用的运输指标予以整合，实为本研究所发展或所应用之方法的必要所需。包括：财务比率的分类方式、众多评估指标如何分群并从中撷取代表性指标，以及各运输业者绩效分数的计算与排序等。一、 财务比率的分类方法。过去财务比率的分类方式因分析者本身的使用目的以及获取经营指标的难易度而有所不同，最常用的为五力分析，包括：收益力、活动力、生产力、成长力及安定力等(经济部中小企业处，民79；王淑芬，民84)。不过，此种分类法并不适用于运输指标的分类。为整合财务比率与运输指标，本文以投入产出消费的营运活动过程，将五大会计要素(资产、负债、业主权益、收入、费用)依其定义分别归类于要素投入、服务产出与服务消费中，再依运输产业的财务特性产生初选的财务比率分类。二、 评估指标的分群方法。过多的评估指标不仅在操作上较为繁复，亦容易造成资源的浪费。过去指标的分群多以数理统计中的回归分析、相关分析、因素分析、群落分析等方法为主，但在样本数不多与数据分配型态未知时，此类方法即有所限制。本文应用灰色关联分析法，依指标间灰色关联系数的大小，将具有高关联度者划为同型群指标，使群内指标的相关性高，而群间的相关性低。三、 代表性指标的撷取方法。本文提出同型群中各指标的相对总得点计算方法撷取代表性指标。该法系依各指标的灰色关联排序结果，按排序的先后给予得点分数，灰关联排序愈前面，则得点愈高。选择总得点最高的评估指标，亦即距理想解(灰关联排序皆为第一)最接近者为该群代表性指标。四、 绩效分数的计算方法。运输产业营运绩效评估基本上为一多评准决策问题(Multiple Criteria Decision Making; MCDM)。本文应用MCDM中之TOPSIS(Technique for Order Preference by Similarity to Ideal Solution)法进行最后绩效分数的计算。除了该法简单易懂，符合操作的便利性外，主要系基于评估指标值单调递增或递减的性质亦符合本法的基本要件。第二章 文献回顾有关运输产业营运绩效评估的相关文献非常丰富，各研究间的差异主要系因评估指针的选取方式，以及采用的绩效评估方法不同而产生。在评估指针的选取上，依评估指针层级的构建方式可分为不同的立场与投入产出消费二种概念形成初选指针集合。在绩效评估方法的使用上，可区分为多变量分析、层级分析法(Analytic Hierarchy Process, AHP)、资料包络分析法(Data Envelopment Analysis, DEA)、模糊综合评判(Fuzzy Synthetic Decision, FSD)与灰色关联分析法(Grey Relation Analysis, GRA)五类。本章第一节回顾形成初选评估指针集合的绩效评估概念与指针集合的组成内容；第二节则针对各绩效评估方法的特性与使用上的限制进行探究；此外，本文旨在探讨财务比率纳入运输产业营运绩效评估之研究，鉴此，比率分析法(ratio analysis)的特性与其在绩效评估上的应用将于第三节中探讨。2.1 绩效评估之研究概念与评估指针集合过去文献关于运输产业营运绩效的评估指针，不论在产生方式上，或是在评估指针集合的内容上，皆不尽相同。不过，许多学者先后提出初选指针选取原则以做为指针筛选的第一道关卡。兹整理 (王传芳、王国材，民78；张有恒等，民80；邓振源，民79；蔡钦同，民81；胡宜珍，民83；Fielding et al.,1985; Keeny,1982; Talley and Becker,1982; Tanaboriboon et al.,1993) 如下。一、具完备性(Completeness)。准则须能涵盖决策问题的所有重要特性。二、具可操作性(Operational)。准则于决策者而言必有意义，且可公开研究。三、具可分解性(Decomposable)。可自高阶层分解至低阶层，使评估过程得以简化。四、具衡量容易性(Ease of Measuring)。期所选取之指针能便于衡量。五、具客观性(Objectives)。期所选取之指针系能以量化方式来衡量绩效，尽量排除主观判断之情况。上述五项原则仅能做为初选评估指针的初步判断依据，至于评估指针的产生方式，本文将之区分为二类。第一类系以不同的立场(营运者、消费者、政府单位、专家学者)做为初选评估指针的产生方式。蓝武王(民72)以消费者的立场，将评估指针分为路线因子(单位就业人口享有之路线数、单位公车旅次享有之路线数)、站牌因子(单位就业人口享有之站牌数、单位公车旅次享有之站牌数)与班次因子(单位就业人口享有之班次数、单位公车旅次享有之班次数)三大类共6个指针，用以评定市区公车分区服务水准。韩复华等(民75)同时考虑营运者与消费者的立场，将评估指针区分为成本收益性指针(单位行驶里程之营运成本、单位行驶时间之营运成本、单位行驶班次之营运成本、单位载客人数之营运成本、单位延人公里之营运成本、单位行驶班次之营运收入、收益成本比)、服务性指针(沿线平均拥挤度、沿线加权拥挤度、沿线最高拥挤度、平均等车时间、单位行驶公里所需时间、平均旅次之旅行时间、平均旅次长度与路线长度比)与效率性指针(平均产出营运时间、平均产出营运里程、平均产出旅次数、平均产出旅次长度、单位车辆行驶旅次数、单位车辆载客旅次数、单位班次载客旅次数、出车率)三大类共23个评估指针，用以评估公车系统各路线、各站、或各部门之营运与服务绩效。王传芳、王国材(民78)同时考虑营运者与消费者的立场，将评估指针区分为车辆状况指针(新车比例、保养状况、车容清洁、乘坐舒适性)、营运操作指针(候车班距、违规肇事率、载客服务)、路线结构指针(站距合适性、路线弯绕性)与乘客服务指针(过站不停现象、停站妥善性、司机品质、乘客服务设备)四大类共13个评估指针，用以评估公车营运绩效。张有恒等(民79)同时考虑营运者与消费者的立场，将评估指针区分为安全指针(驾驶员是否遵守交通规则、紧急逃生设备、肇事与违规纪录、车辆平均车龄)、舒适指针(车内环境、驾驶员服务态度、车内拥挤情形、行车平稳性、车内设备、冷气车比例)、经济指针(票价结构、劳工生产力、获益率、每车公里成本)、便利指针(上下车方便程度、搭车方便性、旅客搭车信息提供情形、过站不停情形、购票或付费之方便性、营运服务时间、出车率、误点情形)、迅速指针(步行到站时间、等车时间、车内行驶时间、营运方式之改变、路线弯绕程度、马力加权之新车比例)与社会责任指针(博爱座之设置与管理、旅客对公车公司履行社会责任之整体评价、残障公车、造成环境污染情形、服务路线)六大类共33个评估指针，用以评估市区汽车客运业之营运服务绩效。台北市政府交通局(民82)同时考虑营运者、消费者与政府单位的立场，将评估指针区分为车辆及场站绩效指针(马力加权之新车比率、冷气车比率、场站空间)、量化之乘客服务水准指针(发车准点性、过站不停比率、车内信息服务设施、行车肇事率指针、环保品质指针)、质化之乘客服务水准指针(车容整洁、驾驶平稳性、舒适与噪音、驾驶员服装仪容与态度、驾驶员遵循路线)与配合交通局重要设施指针(行车安全与管理、执行乘车排队运动、车厢外广告检查；过站不停与服务态度)四大类共 17个评估指针，用以评估台北市联营公车营运服务绩效。张有恒、蔡钦同(民82)以消费者立场，将评估指针区分为安全(肇事率、车辆平均车龄)、舒适(车内拥挤情形、冷气车比例)、经济(成本效率性、成本效果性、服务效果性)、便利迅速(转车方便性、班次可靠性)与社会责任(造成环境污染情形)五大目标共10个评估指针，用以评估公车系统营运服务绩效。曾国雄、王荣祖(民83)同时考虑营运者、消费者与政府单位的立场，将评估指针区分为供给面指针(员工绩效、车辆绩效、维修绩效、益本比)、需求面指针(肇事率、平均车龄、车内拥挤度、冷气车比例、驾驶平稳性、班次可靠性、转车方便性、服务态度)与监督面指针(环境污染、行车安全管理、站牌与场站管理、车厢外广告)三大类共16个评估指针，用以评估公车系统整体营运绩效。游明敏、张学孔(民88)以消费者的立场，选择飞航安全、班机准点、班机时刻安排便利选择、订位、购票简便、售票、售票员服务态度、空服员服务态度、机位舒适、机舱内之布置及清洁、空中餐饮服务、行李托运、机型大小与票价12个指针，用以评估国内民航客运业之服务水准。周文生、曾群明(民89)同时考虑营运者、消费者、政府单位与专家学者的立场，将评估指针区分为可靠(有无照表收费、仪表是否完整、有否黏贴申诉电话)、舒适(车辆整洁、服务态度、司机服装仪容、乘坐之宁适性)、安全(贴不透明反光纸、车门能否自由打开、车号标示清晰、品牌标志设置齐全)与便利(准点性、是否拒载短程)四大类共13项指针，用以评估品牌出租车之服务品质。Allen and Dicease(1976)同时考虑营运者与消费者的立场，将评估指针区分为服务量指针(路线密度、路线分布、涵盖路线每平方公里、涵盖路线每人、车辆利用程度、班距、服务人口与车座位容量比、路线尖峰乘客人数、路线拥挤度)、服务品质指针(车速、班次可靠性、乘坐舒适性、搭乘方便性、安全性、服务之改善革新、运输效率、环境污染、生产力、工作旅次对总旅次之比、服务利用率、乘客密度、路线利用密度、车内拥挤情形、座位使用情形、实际路线与期望路线符合程度)与益本比指针(基本费率、费率合理性、收费方式、营运成本与营业收入之比率、路线成本经济性、路线收入经济性、相对每乘客之营收、相对每乘客之营运成本、维修成本在营运成本中所占比例)三大类共34个评估指针，用以评估运输系统营运与服务绩效。Alter(1976)仅考虑消费者立场，选择可及性、旅行时间、可靠性、服务直接性、服务班次与旅客密度共6个指针，用以评估大众运输系统服务水准。Becker et al.(1981)亦仅考虑消费者立场，选择车内旅行时间、可及性、班次数、服务直接性、可靠性、车内环境、驾驶员服务态度、车内拥挤情形、安全性、旅客搭车信息提供情形、上车方便性与相对每乘客之营运赤字共12个评估指针，用以评估公车系统服务水准。Fielding et al.(1985)考虑营运者的立场，选择单位成本之产出、服务利用率、相对于支出之收入成长率、员工效率、车辆效率、维修效率与安全性共7个评估指针，用以评估公车系统营运与服务绩效。第二类则以Fielding et al.,(1978), Fielding and Anderson(1984)提出的运输绩效概念架构做为评估指针初选的基础。该架构将运输业的营运活动分解成服务投入(service inputs)、服务产出(service outputs)与服务消费(service consumption)三个过程，任意两个过程之间的关系构成三种衡量运输产业营运绩效的指针类型：1.服务投入与服务产出间的成本效率(cost efficiency)，成本效率系衡量产生运输服务的资源利用程度；2.服务产出与服务消费间的服务效果(service effectiveness)，服务效果系衡量消费者对运输服务的使用程度；3.服务消费与服务投入间的成本效果(cost effectiveness)，成本效果系衡量运输服务消费量与资源投入量之间的关系。由上述知，此类研究方式对于评估指针的选取，系建立在运输投入与产出间资源运用效率与产出利用率的架构下，可同时检视产生运输服务所需的成本以及运输服务的利用程度。基本上该架构似乎较偏重营运者的观点，不过，由于纳入服务消费的观念，使得消费者对于运输服务的满意程度可藉由服务效果的相关指针显示出来，而政府单位对于运输业的表现亦可由成本效果的相关指针予以衡量。因此，将运输业的营运绩效分为效率与效果的看法亦为一般学者所接受(Dajani and Gilbert,1978；Zerrllo et al.,1981)并用以选取绩效评估指针。张国平(民76)以从业员工数、耗用油料数、材料费用、资本费用做为资源投入的要素，以一般车车公里与高级车车公里做为服务产出的要素，再利用DEA的方法进行运输部门生产力之评估。胡宜珍(民83)将初选评估指针按营运者立场区分为成本效率性、成本效果性、服务效果性三大类共22个指针，以及按消费者立场区分为量化指针与质化指针二大类共19个指针，再利用灰色关联分析法分别撷取出7个营运绩效代表性指针(路线成本经济性、维修成本效率、路线收入经济性、生产力指针、平均每车之营运收入、平均每班次承载之乘客人数、单位车公里之肇事次数)与8个服务绩效代表性指针(可及性、发车准点性、冷气车比率、交通违规率、环保品质指针、车容整洁度、转车方便性、行车平稳性)，共同用以评估公车营运与服务绩效。叶清江(民83) 以人事费用、燃料费用、维修费用、提供座位数做为资源投入的要素，以营业收入、飞行公里、载客人数做为服务产出的要素，再利用DEA的方法进行国内线航空公司营运效率之评估。陈敦基、萧智文(民83)以员工数、车辆数、耗油量做为资源投入的要素，以延车公里、班次数做为服务产出的要素，以延人公里、乘客数做为服务消费的要素，再利用DEA法评估公路客运业总体绩效。Fielding and Anderson(1984)以劳动、资本、耗油量做为服务投入要素，以总延车小时、总延车英哩、总容量英哩、服务可靠性做为服务产出的要素，以乘客数、总延人英哩、营业收入、行车安全做为服务消费的要素。由这些要素间的关系将营运绩效分为12个绩效概念60个初选评估指针，再藉由因素分析法从中撷取9个代表性评估指针(每单位营业费用之延车小时收入、每单位延车英哩收入之乘客数、每尖峰车辆之延车英哩、每加仑燃油之延车英哩、每单位政府补助之售票收入、每单位都市人口数之延车小时收入、每维修员工之延车英哩、每单位营业费用之售票收入、每行车肇事次数之延车小时收入)，用以评估大众运输营运绩效。Chu and Fielding(1992)以年车辆营业费用、年维修费用、年管销费用、年其它费用做为资源投入的要素，以年延车小时收入做为服务产出的要素，以年乘客旅次数做为服务消费的要素，再利用DEA法评估公路客运业之营运绩效。Tanaboriboon et al.(1993)将绩效评估指针分为资源效率(每位员工之延车小时、每单位延车公里收入之营业费用、每单位延车小时之营业费用、每单位延车公里之维修费用、每车之延车公里、每车之延车小时、平均每班次之员工数、相对于配置车辆之实驶车辆数)、资源效果(每车次之总费用、每单位营业费用之售票收入、每单位总费用之售票收入、每位乘客之营业费用、每公升燃油之乘客数、每车之乘客数、每单位延人公里之营业费用)、服务效果(每单位延车公里收入之乘客数、每单位容量公里收入之乘客数、每单位延车公里收入之售票收入、每单位延车小时之乘客数、每单位延车小时之售票收入)与特征指针(每位乘客之售票收入、每位乘客之延人公里、每车之营业费用、每单位延车公里之延车公里收入、每小时之延车公里收入)共四大类25个指针，用以评估公车系统营运绩效。2.2 绩效评估的方法运输产业之绩效评估，本质上具有多属性(或多准则)、多层次之性质。用以衡量绩效良窳的评估项目中，包括可量化与不可量化的指针，而这些指针间常具有冲突性、相关性或独立性等特性，因处理方式的不同，使得绩效评估的方法亦呈现多样性。本文将绩效评估方法区分为多变量分析(因素分析、集群分析、判别分析)、层级分析法(AHP)、资料包络分析法(DEA)、模糊综合评判(FSD)、灰色关联分析法(GRA)五种，并据此进行相关文献的回顾。虽然这几种方法都是从全面性的角度对具有多准则特性的方案进行综合决策，不过，由于他们各自的原理和适用的情境不尽相同，若使用时未能审慎考虑，可能造成评估结果产生偏颇。2.2.1多变量分析在绩效评估上的应用多变量分析系针对两种以上的变量资料，利用多元空间的统计方法，将复杂的问题或现象予以数量化后，再对其作合理且有系统的整理，以达成分类、判断、评估、预测等目的的一种分析法。其中在绩效评估中常用的三种方法，分别是：(1)因素分析法(factor analysis，FA)从众多影响绩效的因素中萃取出独立的评估因素，以降低评估指针间的相关性；(2)集群分析(cluster analysis，CA)藉由观察各受评对象在所有评估指针的表现是否相近，将具有相同性质的受评者归为一类；(3)判别分析(discriminate analysis，DA)依集群分析的数据建立判别函数，一旦有新的受评者加入，即可判别其应归属何群。多变量分析的发展已臻于完备，关于其理论探讨的专书亦十分丰富，以下仅针对其在绩效评估方面的应用与使用上的限制加以说明。陈武正、杨美珠(民78)以因素分析法从27个影响台铁客运绩效与28个影响列车别营运绩效的指针中，分别萃取14个与12个评估指针，并以车种之类别为目标变量进行判别分析。林玲圆(民81)以台湾地区60家航运公司民国79年的营运资料为例，利用因素分析法从23个财务比率中萃取七个因素，再以集群分析法将60家航运公司分为七群，并描述各群之特性，最后由判别分析所建立的判别函数，可作为新进航运公司经营特性的分析之用。林惠茹(民81)以台湾地区11家航运公司民国75年到79年的资料为例，以因素分析法从34个财务比率中萃取六个因素，再利用集群分析法将11家航运公司依各年度予以分群。姚介泰(民84)以因素分析法从30个财务比率中萃取12个对航空公司获利能力影响较大的因素。Fielding, Brenner and Faust,(1985)以4个营运特性(车队规模、平均行车速度、延车英哩、尖离峰行驶车辆数之比)为因素，利用层次(hierarchy)集群分析法将274家固定路线的公车运输系统分为12个同级群。Fielding, Babitsky and Brenner,(1985)以因素分析法从30个指针中撷取7个评估指针，用以评估公路客运业的绩效。综上所述，因素分析旨在撷取评估指针，集群分析旨在进行受评对象的分群，判别分析旨在进行新受评者的归类。此类方法的概念系建立在机率论下的随机过程，其理论基础较为完备。不过，对样本资料量大小的要求以及资料分布需符合典型机率分布的假设系多变量分析方法的主要限制。此外，Aaker(1981)认为即使资料经由检定后可以进行因素分析，但仍有二项限制无法避免：(1)对于因素的数目与内容、因素的解释与转轴的选择都涉及研究人员的主观判断；(2) 在因素分析的过程中，并无统计检定方法可供有规律的使用。亦即，对于因素分析的结果，究系为一种巧合，抑或是确具有某种意义仍有待研究。2.2.2层级分析法(AHP)在绩效评估上的应用AHP法系Saaty在1971年所提出之绩效评估方法，主要应用在不确定及多准则的决策问题上。本法旨在利用层级结构(hierarchical structure)，将复杂的问题由高层次(high level)往低层次(low level)逐步分解。透过两两成对比较的方式，确定各层次中诸因素(指针)间的相对重要性，并汇集有关决策人员的判断，以求得各方案相对重要性的优势排序(outranking)。有关AHP之理论，在Saaty(1980,1988,1994)、Saaty与Vargas(1982)及Saaty与Keans(1985)等专书或文献中已有详细说明，国内学者则以邓振源、曾国雄(民78)对此有较完整且深入的叙述。AHP法的应用范围相当广泛，最早系Saaty(1977a, 1977b)将其应用于进行苏丹之运输规划，随后众多学者相继发表一系列针对运输投资计划选择的相关文献(Pak et al.,1987；Gomes,1990；Azis,1990；徐村和、粘淑惠，民86)，邓振源(民81)与Saaty(1995)曾对此领域的相关文献进行回顾。之后，AHP法在其它运输领域的应用，更如雨后春笋般的涌现，举凡区位选择(Banai-Kashani,1990)、路线选择(曾国雄、李穗玲，民84)、甚或运具选择(Banai-Kashani,1984,1989；Sharp,1987)等皆有其踪迹。此外，本法亦被广泛的应用在其它非运输领域的范畴中，如：行销策略及媒体选择问题(何照义等，民73；徐村和、杨宗欣，民89；Wind and Saaty,1980；Davies et al.,1993)，外币选择权投资策略(汪美香、许溪南，民89)，高等教育系统中资源调整及绩效评估(王国明、顾志远，民84)等。若决策问题本身具有多层次、多准则的特性，皆可应用AHP法对各评估方案进行比较、排序。AHP法应用在绩效评估的相关领域时，最常见的方式是将产业中各运输业者视为不同的待评方案，再利用该法建立层级结构，并求取各因素(指针)间的相对权重，最后配合其它系统评估方法，进行绩效分数的计算与排序。Bagchi(1989)应用AHP法进行运输公司选取之研究；曾国雄、王荣祖(民83)结合AHP法、模糊多属性决策法(FMADM)与TOPSIS多评准决策法进行台北市公车系统绩效评估；曾国雄、胡宜珍(民84)与周文生、曾群明(民89)结合AHP法与灰色多准则决策法分别进行台北市公车系统绩效评估与品牌出租车服务品质评鉴指针之撷取。应用AHP法进行绩效评估时，主要包括4个步骤：(1)建立层级结构；(2)进行成对比较，建立成对比较矩阵。亦即某一层级的要素，以其上一层级的要素做为评估之考虑基准，进行要素间的成对比较；(3)计算特征值与特征向量，经由一致性检定建立绩效评估指针间的相对权重；(4)根据各指针间的相对权重，求取各业者之绩效优势程度并进行排序。综上所述，AHP法在计算各要素(指针)间之重要性时，其结果必须经过一致性检定，较有理论基础且较具客观性是此法之优点。不过，藉由各领域专家进行各要素间之成对比较时，此法并未整合各专家之意见，当出现意见差距颇大时，可能使最后得到之要素间的相对权重值无法符合真实状况。针对此一现象，近来已有学者结合Delphi法与AHP法提出德菲层级分析法(DHP)以寻求专家的共识性(Khorramshahgol and Moustakis,1988)。此外，AHP法在进行两两要素间的成对比较时，评价值只有一点，若有位评估者认为评价值系介于两个评比尺度之间时，AHP法即无法解决此类具模糊性的问题(Buckley,1985)。鉴此，Ruoning and Xiaoyan(1992)、Lasek(1992)将AHP法扩充至模糊环境中考虑，以弥捕此项缺失。2.2.3资料包络分析法(DEA)在绩效评估上的应用DEA法最早系源于Farrell(1957)以生产效率前缘(production frontier)观念评估决策单位(Decision Making Unit, DMU)而发展出来的效率评估模式。由于Farrell的模式仅限于单一产出，Charnes et al.于1978年将其扩充至多项投入与多项产出的衡量，并正式定名为资料包络分析法。本法系将观测值以效率前缘的方式予以包络的方法，由生产面来分析问题。其评估效率的概念乃是将所有决策单位的投入项与产出项投射(map)到空间中，以寻找出其最高产出或最低投入的边界。此边界即DEA中所谓之效率前缘，在经济学上称之为包络线，系由待测之DMU中所有可能之相对效率最高点所组成，凡落在边界上的DMU被称为有效率，不在边界上的DMU则被认为无效率。有关DEA法的理论或应用之相关文献，截至1995年为止已不下500篇。理论部分主要包括DEA模式的构建与效率衡量方式两类。在模式构建方面，DEA法是每次将一个DMU的产出与投入的比值作为目标式，在所有DMU的效率值不得大于1的限制下，为每一个DMU找出一组投入项的权数与产出项的权数，使得该DMU之效率值(各项产出的加权总和除以各项投入的加权总和)为最大。最常见的为Charnes et al.(1978)提出之CCR模式与Banker et al.(1984)提出之BCC模式。前者系在固定规模报酬的假设下，衡量DMU的整体技术效率(overall technical efficiency)；后者则假设规模报酬可以变动的情况下，将CCR模式中的整体技术效率分解成纯粹技术效率(pure technical efficiency)与规模效率(scale efficiency)，用以衡量DMU的相对效率。所谓纯粹技术效率系指在相同的规模下，相对于其它决策单位，可以用较少的投入达到有效利用资源的能力；规模效率系指当生产技术可变动的情况下，决策单位是否处于最适生产规模，使得产出水准所需的平均投入量最低；而纯粹技术效率与规模效率之乘积即为DMU之整体技术效率。在效率衡量方式上，传统的DEA系采用射线效率衡量(radial efficiency measure)，不过，Chang and Guh(1995)在研究具有loglinear 生产函数之DMU的效率值时，射线效率衡量方式将因投入与产出资料单位尺度的不同，使得计算出来之效率值亦不同，因此提出以垂直距离取代射线距离的距离效率衡量(distance efficiency measure)。有关DEA的使用程序及其应用在黄旭男(民82)论文中有详细的介绍。DEA法的应用范围相当广泛，且由于其以投入与产出之比值为效率衡量的概念而未涉及获利能力高低的特性，使得该法大多应用于非营利事业的绩效评估。如：医院效率的评估(Grosskopf and Valdmnis,1987)、学校行政效率的评估(欧进士、林秋萍，民89；Smith and Mayston,1987；Beasley,1990)、户政机关生产力之研究(陈健全，民79)、台湾林业效率之评估(萧基渊，民78；Kao and Yang,1992)、法院效率之评估(Kittelsen et al.,1992)、项目执行绩效的评估(袁建中等，民88)等。运输产业在本质上属管制经济学的范畴，其费率、路线、班次等项目受到一定程度的政府管制或监督，其绩效衡量方式大多着重于生产力的高低，因此，DEA法在运输产业绩效评估的应用例亦相当多见。如：运输部门生产力的衡量(张国平，民76)、台北市公车生产力之衡量(顾志远、张国平，民79；Chang and Kao,1992)、公路客运业绩效评估(陈敦基、萧智文，民83；Chu and Fielding,1992)、港埠生产力之研究(Roll and Hayuth,1993；李怡容，民84)、航空公司营运效率之研究(叶清江，民83)、机场生产力之研究(David and Ashish, 1997)等。传统上对于绩效评估之研究多偏重于多元绩效指针之建立，再藉由个别绩效指针比较出同业间绩效的优劣。这类衡量方法不可避免的将遭遇指针权重值的决定以及多元指针难以整合的问题，DEA法能以一个比值(最大值为1)表示一个DMU投入与产出间的关系，且不需预设各投入、产出项的加权值即可整合各类绩效因素，是使用DEA法的优点。此外，效率前缘的观念，使得DEA法可藉由差额变量分析进一步了解各DMU尚有多少改善空间亦为其它绩效评估方法所缺少之特性。不过，由于DEA法系奠基于柏拉图最适(Pareto Optimality)的观念所发展出的绩效评估方法，选择影响DMU绩效表现之投入与产出项目不宜过多，否则将使得大多数的DMU之效率值皆为1.0，如此将丧失效率衡量的用意，此为DEA法的限制之一。再者，若选择出来的投入或产出项目间具高度互补性或替代性，可能使得评估结果产生偏颇。2.2.4模糊综合评判(FSD)在绩效评估上的应用影响绩效良窳的因素有很多，当其中部分(或全部)因素具有不确定性(uncertainty)、主观性(subjectivity)、不精确性(imprecision)等性质时，传统二值逻辑观念中非真即假、非是即非的处理方式，不易准确的衡量此类因素对受评对象的绩效影响程度。有别于其它绩效评估方法，模糊理论最大的特色在于藉由隶属函数(membership function)的建立，将具模糊性质的语意变量(linguistic terms)予以明确化，使得绩效评估能更符合真实的状况。模糊理论源于1965年Zadeh提出的模糊集合论(fuzzy set)，而有关模糊决策的研究则起始于1979年Bellman与Zadeh发表的模糊环境下的决策(Decision-Making in a Fuzzy Environment)一文。之后，许多与模糊决策方法与其应用有关的文献相继发表(Nojiri,1980；Dimitrov,1983；Buckley,1984；Seo and Sakawa,1985；Mitali and Keith,1987；Rao et al.,1988；Nafarieh and Keller,1991；Nola,1991)。模糊综合评判系属模糊决策方法的一种，其所要处理的问题是对受到多个因素(质化或量化)影响的事物作出全面评价，按照指定的评判条件(指针集合与指针权重)对每个评估对象赋予一个实数值作为总评指针，使得总评指针的大小反映全面评价的高低(区奕勤、张先迪，民80)。模糊理论在运输方面的应用范围甚广，从交通控制(traffic control)、指派问题(assignment problem)、车辆路线与排班(vehicle routing and scheduling)到运具选择( mode choice)等课题，都可应用模糊理论协助解决，在Teodorovic(1992)一文中有详细的说明。FSD法应用在绩效评估时，须将众多影响因素区分为量化与质化指针两类，分别建立连续型隶数函数与离散型隶属函数，做为指针值转换之用。量化指针之连续型隶属函数系预先设立，以营运数据为自变量，隶属度为因变量，建立每一个量化指针在不同绩效等级(如：佳、中、差)的隶属函数，再依实际指针值之大小计算绩效隶属度。质化指针之离散型隶属函数由于没有量化的数据可预先设立其隶属函数，仅能经由问卷调查，以受访者对特定受评对象的某指针表现程度之回答为自变量，隶属度为因变量，分别建立每一个质化指针在不同绩效等级(如：佳、中、差)的隶属函数。张有恒、蔡钦同(民82)应用FSD法与模糊多准则决策(FMCDM)于公车系统营运与服务绩效之评估；张有恒、陈俊魁(民86)应用FSD法进行铁路立体化方案选择时的综合评判；游明敏、张学孔(民88)应用FSD法于国内民航客运业服务水准之评估；Chang and Shyu(1995)结合FSD法与FMCDM进行公车民营化方案之选择。应用FSD法进行绩效评估时，主要包括5个步骤(假设影响绩效之因子结构有两层，第一层称为因素，第二层为各因素再分解之元素，称为评估指针)：(1