多属性效用函数方法是目前在组织绩效评估领域广为应用的方法之一。但该类方法在评估组织绩效时对所有组织均采用相同的函数形式和权重,因此它更擅长于反映各组织的共性特征,而不是强调组织的个性特点。另外,该方法能给予管理者如何改进组织绩效的诊断性信息非常有限。标杆管理(Benchmarking)作为一种绩效管理的有效方法,已在企业和公共部门得到广泛的应用。然而在大量阅读标杆管理相关文献过程中,我们发现只有部分学术性论文零散地出现了一些数学方法以帮助组织寻找比照标杆。然而在方法论上,标杆管理实践尚缺乏统一的、严密的数学理论支撑。基于上述考虑,本文首先从实践中抽象和建立相关数学理论,为标杆管理实践提供理论支撑,同时在此基础上建立起一类能够强调组织个性特点的标杆比较分析方法(Benchmarking Comparison Analysis,BCA),并提出BCA方法的三个数学基本结构:偏好(Preference),测度(Measure)和标杆集合(Benchmark set)。因而,本研究本质上主要属于通过数学演绎的方式建立理论框架(或方法论)上的研究范式。本文首先在第2章提出BCA方法的基本数学理论框架,具体研究内容包括:一、总结评估实践和学术研究中的常用偏好和测度;二、建立标杆管理相关概念的数学定义,并研究目标集、标杆集和可实现集的一些数学性质,以及多层次标杆集的分解方法;三、研究可实现集的扩张方法以及相关假定,使扩张后可实现集的前沿面(或称0层标杆集)成为适当的标杆集。然后,本文在第3章详细地论证如何基于BCA的理论框架推导出一些现有常用的决策方法,例如TOPSIS,DEA,相对距离位置方法,PROMETHEE和ELECTRE。另外,第3章还展示如何应用BCA的理论框架产生新的决策方法。随后,本文从第4章到第8章分别研究如下几个核心问题:1、如何在评估模型中引入决策者的各种偏好。为此,本文在第4章引入考虑不同偏好的基于0层标杆的BCA模型,即“广义”的DEA模型。在该章中,本文分别研究基于平均序,矩阵序和字典序的非经典DEA模型,并以雅典奥运会为案例,对不同偏好的DEA模型进行实证比较分析。2、如何在评估模型中处理存在“非意愿(undesirable)”变量的评估问题。为此,本文在第5章首先提出“扩展的强免费处置”假定,并在此假定基础上推导出“扩展生产可能集”。然后基于“扩展生产可能集”确定的0层标杆集,Pareto偏好和各种测度,本文进一步提出若干新的DEA模型,并探讨它们与现有方法的关系。最后,通过应用案例的结果论证了这些新模型的有效性。3、如何从正面和反面两个角度综合考虑评估对象的绩效。为此,本文在第6章定义BCA综合绩效指数来综合考虑现实表现最好和最差标杆集的信息。案例研究证实该指数极大地提高了新模型的区分能力。同时,随机模拟实验的结果表明在样本容量较小的情况下,该方法与真实效率的相关性要远高于经典的BCCDEA模型。4、如何处理标杆集随时间变动的动态绩效评估问题。为此,在第7章,基于BCA的理论框架,本文首先定义了一般动态绩效指数。并在此基础上,本文提出动态竞争力(competitiveness)指数,并论证该指数可以看成是一种“扩展的拉氏(或帕式)消费者价格指数”。另外,基于上述一般动态绩效指数,推导出用于投入产出问题动态分析的Malmquist生产率指数。然后在第8章,本文运用相关BCA方法分别从科学院内部标杆和国际外部标杆两个维度就科学院研究所评估展开两个案例研究:案例一运用动态竞争力指数和Malmquist生产率指数,研究自知识创新工程实施以来,科学院基础类型研究所的综合竞争力和生产率的动态变化情况。案例二则是运用基于0层标杆集的BCA方法,对物理所的研究质量和领先性进行了国际同类机构的比较分析。该案例研究结果证实中国科学院今后的研究所评估工作从院内研究所横向比转变为国际同类机构纵向比的可行性。上述两个案例研究的结果显示,BCA方法在中国科学院研究所评估实践中将具有广泛的应用前景。本文的基本结论为,BCA是在标杆管理实践基础上,抽象和提炼出的一种具有广泛包容性的数学理论框架。它不仅可以包含很多现有决策方法(例如TOPSIS,DEA,PROMETHEE等等),同时也可以发展出很多新的决策方法。与效用函数方法比较,BCA与管理者的认知过程比较一致,容易为管理者所理解和接纳。BCA方法可以帮助管理者根据实际情况,即根据不同决策者偏好、测量和标杆集,自由选择(或个性化的定制)对自身组织最为合适的绩效评估方法。