神經網絡法的優點在於：（1）方法屬於人工智能範疇，是一種對於“黑箱”參數的非線性擬合技術；（2）相較於一般回歸方程式的線性擬合，神經網絡具備可以任意精度逼近任何非線性函數的優勢，並同時具有分布式存儲、自組織、自學習等特點。其缺點為：（1）同粗糙集方法類似，該方法所做的是對專家知識的模擬，卻無法給出專家評價的詳細邏輯；（2）即便采用相同的神經網絡算法，所得的權重結果也存在不穩定性；（3）算法的數據基礎是訓練集及檢測集，需要較多的已評價數據用於網絡的訓練和檢測。
2. 對客觀權重算法的優劣比較。變異係數法的優點在於：（1）評價過程中不需要采納專家的觀點；（2）操作較為簡單，從指標離差的角度予以考慮。其缺點在於：變異係數大表明指標離散程度高，但指標離散程度越高並不一定表明該指標就越重要，需要根據情況具體分析。
因子分析法的優點在於：（1）與變異係數法類似，評價過程中不需要采納專家的觀點；（2）操作起來較為簡單快捷。其缺點在於：（1）通過該方法所得到的指標權重，實際上是變量經降維處理後所包含的原有信息程度，但包含原有變量係統的信息多僅代表指標對擬合原有數據更重要，並不代表其相對其他指標更重要；（2）如需進一步確定指標權重，仍須用公因子對目標做回歸擬合或非線性擬合，然而，經降為處理後的公共因子本來就丟失了各指標的獨特信息，其結果可能不如用各指標直接經行回歸；（3）因子分析法所得的指標權重極大的依賴於所選的數據，不同的數據庫及因子算法可能帶來結果的巨大差異。
熵值法的優點在於：（1）評價過程中不需要采納專家的觀點；（2）操作較為簡單，從指標信息量（有序程度）的角度予以考慮。其缺點在於：（1）文獻中所采用的熵權法存在明顯的錯誤，因為在信息熵的計算過程中，如果將每項指標視為一個隨機變量，那麼某樣本在該指標的出現概率顯然不是用該樣本的指標值除以指標總值，而是應根據其為離散型變量或連續型變量分別考慮其概率分布函數或概率密度函數；（2）熵權法作為一種客觀算法，根據各項指標的信息熵判斷指標相對重要程度的標準，一方麵需要根據實際問題加以判斷，另一方麵其權重結果可能受到所選樣本的影響。
四、 農業產業化龍頭企業權重算法的選擇
從上述關於主觀及客觀方法的比較可以看出，基於客觀的指標評價法多是基於對樣本數據的某種處理，得到如變異係數、信息熵等指標從而對指標權重進行判斷。然而，這些客觀的衡量指標卻是由其使用者主觀選擇的，且指標權重受到使用者“主觀”選擇的數據影響，因而並不能算是完全意義的客觀法。評價指標體係的構建本身就是一個相對主觀的過程，所選的評價指標本身就是評價者對於客觀數據某種綜合取舍及評判，因而，在選擇農業龍頭企業社會責任評價的指標權重算法時，可以采用多種主觀算法相結合的方式，例如：可以首先使用粗糙集方法對指標體係的完整度進行甄別，若完整度較好則再使用德爾菲法、層次分析法、神經網絡法等確定指標權重，最後采用層次分析法或者灰色聚類法對樣本經行分類或者打分。
參考文獻：
1. 李雄飛.企業社會責任的多級模糊綜合評價.統計與決策，2009，（4）：168-170.
2. 齊二石，朱永明，焦馨銳.基於灰色理論的煤炭企業社會責任績效評價研究.商業研究，2011，（10）：12-16.
3. 王林萍，施嬋娟，林奇英.農藥企業社會責任指標體係與評價方法.技術經濟，2007，（9）：98-102+122.
4. 孫承飛.基於BSC的農業企業社會責任績效評價研究.重慶科技學院學報（社會科學版），2011，（13）：84-86.
5. 那保國.粗糙集—模糊積分模型：一種評價企業社會責任的新方法.統計與決策，2012，（3）：103-106.
6. 龐永師，王瑩.基於粗糙集的建築企業社會責任評價指標權重確定.工程管理學報，2012，（3）：109-113.
7. 朱學穎，張丕宏.BP神經網絡在企業社會責任評價中的應用淺探.商業文化（學術版），2009，（4）：80-81.
8. 楊宇鳳，焦馨銳，朱永明.基於數據倉庫的企業社會責任評價研究.會計之友，2011，（29）：26-29.
9. 冀巨海，王琪.煤炭企業績效灰色關聯評價——基於變異係數法的分析.經濟問題，2011，（5）：89-91.
10. 徐泓，朱秀霞.低碳經濟視角下企業社會責任評價指標分析.中國軟科學，2012，（1）：153-159.
基金項目：香港樂施會資助課題“農業產業化龍頭企業社會責任評價研究和網絡平台”（項目號：PCU-94091-02-1213A-F）；國家社會科學基金一般項目“農業產業化龍頭企業社會責任研究”（項目號：11BGL054）。
作者簡介：張照新，中國人民大學經濟學博士，農業部農村經濟研究中心產業與技術研究室室主任、研究員；陳新達，中國人民大學農業與農村發展學院管理學博士生；徐雪高，中國人民大學管理學博士，農業部農村經濟研究中心產業與技術研究室副研究員。
收稿日期：2014-06-20。