排序的模式

我們使用 Common weight model 來計算一組共通的權重。

以下是模式的變數定義：

變數 定義

p 二元變數，若Score_i ≥Score_j則為 1，否則為 0 n 參與排名的商學院數

w 評比項目的權重，權重總和為 1

C 原始資料，C_j,k為第 k 個評比項目的第 j 個值 Score 商學院總得分

g 商學院分區數，分為四區

ε

極小值，設為 0.01，為避免權重為零

模式定義如下：

Common Weight Model ：

∑∑

(3.1)

Subject to

∑

1 Faculty of Business Administration, Chinese Univ. of Hong Kong 2 Faculty of Business and Economics, Univ. of Hong Kong 3 Aetna School of Management, Shanghai JiaoTong University 4 Yonsei School of Business, Yonsei Univ., Seoul, South Korea 5 College of Management, National Chiao Tung University 6 College of Commerce, National Chengchi University

我們令：

Score1>Score2；Score1>Score3；Score1>Score4 …Score1>Score6 Score2>Score3；Score2>Score4: …Score2>Score6

Score3>Score4；Score3>Score5；Score3>Score6 Score4>Score5；Score4>Score6

Score5>Score6

找出一組適合的權重讓限制式 ，若滿足則給予 ，使得目標

函式

∑∑

最大化，其他三區以此類推。

j i Score

Score ≥ p_ij =1

= ≠

m

i

j i m

i j

p

1

,

此組權重符合原本分區的排名，並能計算出每間商學院的得分，因此能得到 全部商學院的排名。

以下為原始資料使用 Common Weighting Model 所求出的一組權重。

C1 C2 C3 C4 C5 C6 C7 C8

0.202521 0.153616 0.039593 0.01 0.029974 0.27657 0.011533 0.167555

C9 C10 C11

0.067703 0.01 0.030935 並獲得亞洲商學院的排序:

亞洲商學院 總得分 排名

East Asia

Faculty of Business Administration, Chinese Univ. of Hong Kong 0.5948 2

Faculty of Business and Economics, Univ. of Hong Kong 0.57846 3

Aetna School of Management, Shanghai JiaoTong University 0.45293 11

Yonsei School of Business, Yonsei Univ., Seoul, South Korea 0.45293 11

College of Management, National Chiao Tung University 0.45293 10

College of Commerce, National Chengchi University 0.31773 23

South Asia

<表 3-6>

Indian Institute of Management, Ahmedabad 0.50689 5

Indian Institute of Management, Bangalore 0.50498 6

Indian Institute of Management, Calcutta 0.38053 15

Faculty of Management Studies, Univ. of Delhi 0.38053 16

Birla Institute of Technology & Science, Pilani, Rajasthan 0.28488 25

SP Jain Institute of Management & Research Mumbai 0.20389 28

Amity Business School, New Delhi 0.37892 17

Graduate School of Business Administration, Lahore Univ. of Management Science, Pakistan 0.19788 29

Southeast Asia

NUS Business School, Singapore 0.60795 1

Nanyang Business School, Nanyang Technological Univ., Singapore 0.48032 7

Asian Institute of Technology (AIT) School of Management, Thailand 0.48032 8

Asian Institute of Management, Philippines 0.34377 18

Sasin Graduate Institute of Business Administration, Chulalongkorn Univ., Thailand 0.31879 21

The Graduate School of Business Administration, NIDA, Thailand 0.16858 31

Graduate School of Management, Universiti Putra Malaysia 0.15247 32

International Business School, Universiti Teknologi Malaysia 0.14606 34

Graduate School of Business, Faculty of Business & Accountancy, Universiti Malaya 0.17847 30

Assumption University (MBA) Thailand 0.14606 33

Australia and New Zealand

Australian Graduate School of Management, Univ. of NSW 0.44058 13

Macquarie Graduate School of Management, Macquarie Univ. 0.47081 9

Monash Univ. Graduate School of Business 0.57535 4

Brisbane Graduate School of Business Queensland, Univ. of Technology 0.40369 14

Graduate School of Business, Curtin Univ. of Technology 0.34104 20

Graduate School of Business, Univ. of Technology, Sydney 0.34104 19

Centre for Executive Education, Waikato Management School, New Zealand 0.30857 24

Adelaide Graduate School of Business, Univ. of Adelaide 0.31792 22

Deakin Business School, Deakin Univ. 0.28221 26

Victoria Graduate School of Business 0.28221 26

四、排序模式之二

4.1 簡介

在前一章中我們將原始資料作全亞洲的排序，得到一組共通的權重值，在這 11 個評比項目中，我們舉出前四個最佳的、最具代表性的評比項目,作為深入探 討與分析的四個評比重點，分別為：

1. SCI/SSCI 文章數。

2. Average Tuition(US$) 平均學費。

3. Average GMAT score 平均 GMAT 分數。

4. No of staff with PhD 教師擁有 PhD degree 的數量。

我們使用前 27 間商學院當作資料，加入 RANK-DEA 的模式中,此模式可計算 的商學院數目稍少於 Common Weight Model，是受限於計算軟體的變數限

制,RANK-DEA 模式需要較多的二元變數，而 RANK-DEA 模式的概念將在以下詳述。

4.2 加入 RANK-DEA 模式

1.簡介資料包絡分析法(DEA)

效率評估的根本在於推估出「生產函數」，經由實際產出值與生產函數所顯

示的理論產出的比值，即可得到一效率值。在建構生產函數的過程中，因為所有 的資料皆被包絡﹝envelop﹞於生產函數之下，學者因而將此分析方法稱為資料 包絡分析法﹝Data Envelopment Analysis﹞，簡稱 DEA。

資料包絡分析法起源於 1978 年由 Charnes，Cooper 與 Rhodes 所提出的 CCR 模式，其與 1984 年 Banker，Charnes 與 Cooper 所提出的 BBC 模式被公認為 DEA 領域中最具影響力的。CCR 模式是以分數線性規劃﹝Fractional Linear

Programming﹞來衡量組織的相對效率，其定義一得分函數 如下﹝式子

﹝4.1﹞﹞。

E

‹ DEA-CCR 模式之得分函數﹝相對效率值﹞

其中， 為該決策單位﹝Decision Making Unit，DMU﹞第 i 項投入值、 為 該 DMU 第 i 項產出值， 、 分別代表第 r 個產出項與第 i 個投入項的權重值，

s、m 則分別為產出項與投入項的個數。

Xi Y_i

ur v_i

假設有n項DMU，每個DMUj﹝j=1,…,n﹞有m項投入量與s項產出量，其第i 項投入量為 ﹝i=1,…,m﹞，第r項產出量為 ﹝r=1,…,s﹞，我們可以將CCR 模式由下列式子來表示。

：第 K 個 DMU 之相對效率值 模式不容易運算之外，亦會造成無窮解的可能。所以在 1962 年，Charnes 和 Cooper 提出了固定分母之值的方法，將目標函式轉換成線性規劃﹝Linear

m

《表 4-1 資料表》

C¹ C² C³

A¹ 10 9 8

A² 12 10 6

A³ 11 7 9

若以原始的DEA-CCR模式來評估之，對A1來說，為了使得分函數最高，其會給予 C¹最高的權重 1，而C²、C³則給予 0，若以這組最佳權重

(

^1,0,0

)

^{來計算得分，各個}

評估目標A1、A2、A3會分別得到 10、12、11 的分數，所得到的排名為A2 > A3 > A1。 若改由本研究所提出的RANK-DEA模式來評估，對A¹來說，為了使排名最高，所給 予C¹、C²、C³的權重會是 0、0.4、0.6，我們以此組權重

(

^0,0.4,0.6

)

^{來計算各個評}

估目標的得分，會得到A¹=8.4、A²=7.6、A³=8.2，而依此排名為A¹ > A³ > A²。因 此，綜合上述兩種方式的結果來看，RANK-DEA模式在評選目標的排名方面有較明 確的結果，而原始的DEA-CCR模式雖能保障各個評選目標能夠最大化其得分函 數，但是卻不能保證其排名結果最優，這會造成利用DEA-CCR模式來排名時，評 選目標無法以自我最好的名次來與其他評估目標作比較，而失去排名的意義。以 下，我們將簡略的對DEA-CCR模式與RANK-DEA模式作比較﹝表 4-2﹞。

《表 4-2 DEA-CCR 模式與 RANK-DEA 模式的比較》

﹞

{

0,1

}

, , ﹝4.16﹞

若A^j < Aⁱ，則Sⁱ必定大於S^j，則 則等於 0 即可滿足式子﹝4.14﹞。最後，式子

weighting 0.288331 0.196365 0.316562 0.198741 與得到的商學院排名

<表 4-4>

商學院 評比項 目

SCI/SSCIAvg

Tuition(US$)

Faculty of Business

Administration, Chinese Univ. of Hong Kong

179.7 17900 641 87 0.5793015 2

Faculty of Business and Economics, Univ. of Hong Kong

183 21346 611 70 0.53465 4

Aetna School of Management,

Shanghai JiaoTong University 98.7 17135 600 130 0.42571 8

Yonsei School of Business,

Yonsei Univ., Seoul, South Korea 153.64 22000 590 49 0.43366 6

College of Management, National Chiao Tung University

150 5000 570 140 0.40187 11

College of Commerce, National Chengchi University

14 4000 560 205 0.23568 19

Indian Institute of Management,

Ahmedabad 4 21000 750 69 0.47968 5

Indian Institute of Management,

Bangalore 11 12200 740 62 0.41848 9

Indian Institute of Management, 23 5195.5 700 54 0.32391 15

Calcutta

Faculty of Management Studies,

Univ. of Delhi 37 1000 670 61 0.28093 17

Birla Institute of Technology &

Science, Pilani, Rajasthan 18 5250 650 33 0.20992 22

Amity Business School, New Delhi 1 8850 725 35 0.32975 14

NUS Business School, Singapore 163.6 14807.5 664 102 0.59174 1

Nanyang Business School, Nanyang

Technological Univ., Singapore 60.9 14000 651 104 0.40518 10

Asian Institute of Technology (AIT) School of Management, Thailand

131 16400 600 64 0.40041 12

Asian Institute of Management, Philippines

1 20000 620 24 0.20347 23

Sasin Graduate Institute of Business Administration, Chulalongkorn Univ., Thailand

51 20260 573 32 0.21458 21

Australian Graduate School of

Management, Univ. of NSW 11 37045 655 46 0.39464 13

Macquarie Graduate School of

Management, Macquarie Univ. 71 33172 640 34 0.43043 7

Monash Univ. Graduate School of Business

158 29150 630 60 0.55824 3

Brisbane Graduate School of Business Queensland, Univ. of Technology

57.5 27642.5 601 27 0.30626 16

Graduate School of Business,

Curtin Univ. of Technology 10 18900 620 30 0.21833 20

Graduate School of Business,

Univ. of Technology, Sydney 11 25957 610 40 0.25268 18

Centre for Executive Education, Waikato Management School, New Zealand

6 16370 600 35 0.17038 25

Adelaide Graduate School of Business, Univ. of Adelaide

9 19197 590 32 0.17057 24

Deakin Business School, Deakin

Univ. 5 15697.5 580 38 0.1351 26

Victoria Graduate School of 4 14034 570 55 0.12646 27

Business

* 以色塊標記的儲存格資料代表原始資料無法取得而給予一組合理的推測值。

五、亞洲商學院之分群模式

5.1 決策球模式的建立

一、構想

一般來說，我們很難將兩兩間的絕對關係以 2-D 平面的方式來表示。例如：

A 點到 B 點的距離為 20，B 點到 C 點的距離為 40，C 點到 A 點的距離為 15，在二 維空間中，無法以線段表達出以上的絕對關係，只能以邏輯性的方式來呈現，如 圖 5.1.a。因為在平面上任一三角形兩邊長之和，必須大於第三邊，而以上情況 並不能完全符合。但是，上述 A、B、C 的關係卻能輕易的表達在球面上，如圖 5.1.b。

二、決策球模式的建構

依照上述的概念，本研究建構了一個排序與分群的決策球模式。模式的目的 是利用排序模式所計算出的權重、得分與既有的實際資料值，來對於所有的評估 目標作排序與分群，並將結果以一 3-D 球面的方式來呈現。

在以往的決策球模式中，都是以球面上兩點間的弧長來代表評選目標間的關

係，但本研究決定以兩點間的幾何距離來代表評估目標間的非相似性，因為球面 上兩點的實際弧長越大，其之間的幾何距離也越大，所以改用兩點間的幾何距離 來代替弧長，不僅減低了計算量，對於原有所存在的關係也不會有所改變。因此，

本研究中，我們利用相似度的計算來找出點與點間的相對位置，例如以任兩個評

選目標 、 來說， 到 的幾何距離越小，表示 與 的相似度越大，這樣

即可看出所有評選目標間的群聚關係。為了易於比較，我們在決策球模式中，以

非相似性﹝ ﹞來代替相似性，兩者存在著反比的關係。所以我們可以說 到

的幾何距離越小，表示 與 的非相似度越小。

Ai A_j A_i A_j A_i A_j

dij A_i

Aj A_i A_j

另一方面，我們將決策球的北極點設定為一基準點﹝ ﹞， 評估準則的

值以各評估準則的最大值來表示，即

A* A_* )

*k max(Ck

C = ，每個評選目標在排序模式

中所計算出的得分函式﹝ ﹞越高，在球面上會顯示出與北極點越接近。如此一

來，決策者就可以北極點為基準往下俯視，依據各個評選目標所在的同心圓距

離，清楚地看出評選目標間的排序關係。我們將 在球面上的座標設定為

，r 為球半徑。以下將針對決策球模型中的所有函數與變數作定義。

Si

A*

(

0 r, ,0

)

假設利兩個評選目標A_i與A_j，其在球面上的座標可用

(

Xi,Yi,Zi

)

^、

(

Xj,Yj,Zj

)

來表示，因為點必須在落於球面上，所以所有評選目標的座標與半徑間必須符合

2 2 2

2 y z r

x_i + _i + _i = 的 關 係 。 而 兩 點 間 球 面 上 的 幾 何 距 離 可 表 示 成

(

xi −xj

) (

² + yi −yj

) (

² + zi −zj

)

² 。 代 表 評 選 目 標 間 的 非 相 似 性 ﹝ 式 子

5.11﹞， 越大表示 與 間的相似度越小。 代表評選目標與基準點間的非

相似性﹝式子 5.12﹞，若評選目標在球面上越靠近北極點，表示其與基準點的

相似度越大。 代表各個評估目標的得分函數，其與各個評估目標的 值有正

向的關係，即 越大，評估目標的 值也越大。所以，評估目標 越接近基準

dij

dij A_i A_j d_i*

Si y_i

Si y_i A_i

點﹝A_*﹞，表示其S_i越大，排名亦越高。S_*表示基準點的得分值，故S_* =1。

《特性二》

本研究欲將所有的評估目標放置在以半徑= r 、球心座標為

(

^的球面

上，若半徑=1，各個評估目標 的座標為

)

0 , 0 , 0

Ai

(

Xi,Yi,Zi

)

，基準點 的座標為

( )

^，

因為在半徑=1 下，基準點到赤道上任一點的幾何距離為

A* 0,1,0

2 ，則

(

X_i,Y_i,Z_i

)

、

(

^X_j^,Y_j^,Z_j

)

^與d_ij^{的關係可呈現為：}

(

^x_i ^−x_j

) (

^{2 + y}_i ^−y_j

) (

^{2+ z}_i ^−z_j

)

^{2 =2*d}_ij^{2 ﹝5.16﹞}

同理推得

( )

²*

2 2

2 _i 1 _i 2* _i

i y z d

x + − + = ﹝5.17﹞

《特性三》

若半徑 r=1，則 y_i =1−d_i*² =1−

(

1−S_i

)

² ﹝5.18﹞

《證明》

﹝式子 5.17﹞

( )

^{2 2 2}_*

2 1 2*

x_i + y_i− +z_i = d_i Q

又 x_i²+y_i²+z_i² =r²=1

2

1 *

y_i = −d_i

∴

又 d_i* =1−S_i﹝式子 5.16﹞ ,

∴ yi =¹−

(

¹−Si

)

²

因此，分群的決策球模式如下：

球上

代號 商學院名稱 0 假定的理想學校

1 Faculty of Business Administration, Chinese Univ. of Hong Kong

2 Faculty of Business and Economics, Univ. of Hong Kong

3 Aetna School of Management, Shanghai JiaoTong University

4 Yonsei School of Business, Yonsei Univ., Seoul, South Korea

5 College of Management, National Chiao Tung University

6 College of Commerce, National Chengchi University

7 Indian Institute of Management, Ahmedabad

8 Indian Institute of Management, Bangalore

9 Indian Institute of Management, Calcutta

10 Faculty of Management Studies, Univ. of Delhi

11 Birla Institute of Technology & Science, Pilani, Rajasthan

12 Amity Business School, New Delhi

13 NUS Business School, Singapore

14 Nanyang Business School, Nanyang Technological Univ., Singapore

15 Asian Institute of Technology (AIT) School of Management, Thailand

16 Asian Institute of Management, Philippines

17 Sasin Graduate Institute of Business Administration, Chulalongkorn Univ., Thailand

18 Australian Graduate School of Management, Univ. of NSW

19 Macquarie Graduate School of Management, Macquarie Univ.

20 Monash Univ. Graduate School of Business

21 Brisbane Graduate School of Business Queensland, Univ. of Technology

22 Graduate School of Business, Curtin Univ. of Technology

23 Graduate School of Business, Univ. of Technology, Sydney

24 Centre for Executive Education, Waikato Management School, New Zealand

25 Adelaide Graduate School of Business, Univ. of Adelaide

<表 5-1>球上代號對照表

26 Deakin Business School, Deakin Univ.

27 Victoria Graduate School of Business

<表 5-2> 非相似性矩陣

代號 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 0 0.7 0.8 0.8 1 0.8 0.8 0.7 0.8 0.9 1 1.1 0.9 0.7 0.8 1 1.2 1.21 0.9 1 0.8 1.1 1.2 1.1 1.2 1.2 1.3 1.2 1 0.7 0.1 0.3 0.3 0.4 0.8 0.6 0.6 0.5 0.4 0.4 0.6 0.1 0.2 0.2 0.5 0.51 0.5 0.4 0.2 0.5 0.4 0.5 0.5 0.5 0.5 0.5 2 0.8 0.1 0.3 0.2 0.4 0.8 0.6 0.6 0.5 0.4 0.5 0.7 0.3 0.4 0.1 0.4 0.38 0.5 0.4 0.1 0.3 0.4 0.3 0.4 0.4 0.4 0.4 3 0.8 0.3 0.3 0.4 0.2 0.5 0.7 0.7 0.6 0.5 0.6 0.8 0.3 0.3 0.3 0.5 0.45 0.6 0.5 0.4 0.4 0.5 0.5 0.4 0.5 0.5 0.4 4 1 0.3 0.2 0.4 0.4 0.8 0.6 0.6 0.5 0.5 0.4 0.6 0.4 0.5 0.1 0.3 0.23 0.4 0.3 0.2 0.2 0.3 0.3 0.3 0.2 0.3 0.3 5 0.8 0.4 0.4 0.2 0.4 0.4 0.9 0.9 0.7 0.6 0.7 0.9 0.4 0.5 0.4 0.7 0.54 0.8 0.7 0.5 0.6 0.7 0.7 0.6 0.6 0.6 0.5 6 0.8 0.8 0.8 0.5 0.8 0.4 1 0.9 0.8 0.8 0.8 1 0.8 0.6 0.7 0.8 0.7 0.9 0.9 0.9 0.8 0.8 0.7 0.7 0.7 0.6 0.6 7 0.7 0.6 0.6 0.7 0.6 0.9 1 0.1 0.3 0.3 0.4 0.2 0.5 0.5 0.6 0.5 0.61 0.4 0.5 0.5 0.6 0.5 0.5 0.5 0.5 0.5 0.5 8 0.8 0.6 0.6 0.7 0.6 0.9 0.9 0.1 0.2 0.3 0.3 0.1 0.5 0.4 0.5 0.5 0.58 0.4 0.5 0.5 0.6 0.4 0.4 0.4 0.5 0.5 0.4 9 0.9 0.5 0.5 0.6 0.5 0.7 0.8 0.3 0.2 0.1 0.2 0.2 0.5 0.4 0.5 0.4 0.48 0.3 0.4 0.5 0.5 0.3 0.4 0.4 0.4 0.4 0.4 10 1 0.4 0.4 0.5 0.5 0.6 0.8 0.3 0.3 0.1 0.2 0.3 0.4 0.3 0.4 0.4 0.43 0.3 0.3 0.4 0.4 0.3 0.4 0.4 0.4 0.4 0.4 11 1.1 0.4 0.5 0.6 0.4 0.7 0.8 0.4 0.3 0.2 0.2 0.2 0.5 0.3 0.4 0.2 0.3 0.2 0.2 0.4 0.3 0.2 0.2 0.2 0.2 0.2 0.3 12 0.9 0.6 0.7 0.8 0.6 0.9 1 0.2 0.1 0.2 0.3 0.2 0.6 0.5 0.6 0.3 0.49 0.3 0.4 0.6 0.5 0.3 0.4 0.3 0.4 0.4 0.5 13 0.7 0.1 0.3 0.3 0.4 0.4 0.8 0.5 0.5 0.5 0.4 0.5 0.6 0.2 0.3 0.6 0.6 0.5 0.5 0.3 0.6 0.5 0.6 0.6 0.6 0.6 0.6 14 0.8 0.2 0.4 0.3 0.5 0.5 0.6 0.5 0.4 0.4 0.3 0.3 0.5 0.2 0.3 0.4 0.46 0.4 0.3 0.4 0.4 0.4 0.4 0.4 0.5 0.5 0.4 15 1 0.2 0.1 0.3 0.1 0.4 0.7 0.6 0.5 0.5 0.4 0.4 0.6 0.3 0.3 0.4 0.28 0.4 0.3 0.2 0.3 0.3 0.3 0.2 0.3 0.3 0.3 16 1.2 0.5 0.4 0.5 0.3 0.7 0.8 0.5 0.5 0.4 0.4 0.2 0.3 0.6 0.4 0.4 0.2 0.2 0.2 0.4 0.2 0 0.1 0.1 0.1 0.2 0.2 17 1.2 0.5 0.4 0.4 0.2 0.5 0.7 0.6 0.6 0.5 0.4 0.3 0.5 0.6 0.5 0.3 0.2 0.4 0.2 0.4 0.1 0.2 0.2 0.1 0.1 0.1 0.2 18 0.9 0.5 0.5 0.6 0.4 0.8 0.9 0.4 0.4 0.3 0.3 0.2 0.3 0.5 0.4 0.4 0.2 0.36 0.2 0.3 0.3 0.2 0.2 0.3 0.3 0.3 0.3 19 1 0.4 0.4 0.5 0.3 0.7 0.9 0.5 0.5 0.4 0.3 0.2 0.4 0.5 0.3 0.3 0.2 0.25 0.2 0.2 0.2 0.2 0.2 0.3 0.3 0.3 0.4 20 0.8 0.2 0.1 0.4 0.2 0.5 0.9 0.5 0.5 0.5 0.4 0.4 0.6 0.3 0.4 0.2 0.4 0.4 0.3 0.2 0.3 0.3 0.3 0.4 0.4 0.4 0.4 21 1.1 0.5 0.3 0.4 0.2 0.6 0.8 0.6 0.6 0.5 0.4 0.3 0.5 0.6 0.4 0.3 0.2 0.12 0.3 0.2 0.3 0.2 0.1 0.1 0.1 0.2 0.3 22 1.2 0.4 0.4 0.5 0.3 0.7 0.8 0.5 0.4 0.3 0.3 0.2 0.3 0.5 0.4 0.3 0 0.18 0.2 0.2 0.3 0.2 0.1 0.1 0.1 0.1 0.2 23 1.1 0.5 0.3 0.5 0.3 0.7 0.7 0.5 0.4 0.4 0.4 0.2 0.4 0.6 0.4 0.3 0.1 0.19 0.2 0.2 0.3 0.1 0.1 0.1 0.1 0.1 0.2 24 1.2 0.5 0.4 0.4 0.3 0.6 0.7 0.5 0.4 0.4 0.4 0.2 0.3 0.6 0.4 0.2 0.1 0.15 0.3 0.3 0.4 0.1 0.1 0.1 0 0.1 0.1 25 1.2 0.5 0.4 0.5 0.2 0.6 0.7 0.5 0.5 0.4 0.4 0.2 0.4 0.6 0.5 0.3 0.1 0.1 0.3 0.3 0.4 0.1 0.1 0.1 0 0.1 0.1 26 1.3 0.5 0.4 0.5 0.3 0.6 0.6 0.5 0.5 0.4 0.4 0.2 0.4 0.6 0.5 0.3 0.2 0.11 0.3 0.3 0.4 0.2 0.1 0.1 0.1 0.1 0.1 27 1.2 0.5 0.4 0.4 0.3 0.5 0.6 0.5 0.4 0.4 0.4 0.3 0.5 0.6 0.4 0.3 0.2 0.17 0.3 0.4 0.4 0.3 0.2 0.2 0.1 0.1 0.1

另外，本模式的設計是以北極點作為基準點，並以此作為比較評估目標排序 的標竿值，所以球面上各個點到基準點的幾何距離越小表示其與基準點的相似性

越大，其所代表的評估目標排名也越高。我們將基準點加入評選方案的實際資料

越大，其所代表的評估目標排名也越高。我們將基準點加入評選方案的實際資料

在文檔中 亞洲商學院之排序與分群 (頁 28-0)