国内对于农业科技项目的创新性指标体系研究较少，本书将科技立项一般规律与农业科技创新相结合构建适用于立项阶段项目的可行性与创新性评价指标，同时提出基于层次-熵值分层组合赋权的方法，将项目进行综合评价后对其结果进行组合评价，具体说本书的主要创新点如下：

1.得到基于创新视角的农业科技项目立项评价指标

通过文献回顾、案例研究、专家访谈和问卷调查方法，提出了41个基于创新视角的农业科技项目立项评价指标，而后通过结构方程模型中的验证性因子分析，得到了由9个一级指标和35个二级指标构成的农业科技项目创新性评价指标。这些指标中既涉及立项评审中对于科技项目的学术意义、社会价值、科研能力等的一般要求，又有针对项目研究的创新需求、创新模式以及可能取得的创新成果等创新性的指标。

2.提出基于主客观权重的层次-熵值分层组合赋权法

根据层次分析法的主观性特点与熵值法的客观性特点，本书提出了一级指标以层次分析法为权重、二级指标以熵值法为权重的分层组合赋权法。与层次分析法权重、熵值法权重和离差最大化组合赋权权重相比，分层组合赋权法具有缓解极端权重、拉大评价值差距等特点。(www.daowen.com)

将分层组合赋权法作为基本权重对样本项目进行综合评价，在得到五个不完全一致的评价结果后进行组合评价（通过事前、事后一致性检验），得到相对合理的最终评价结果。将该结果与较成熟的以离差最大化组合赋权法为基础的综合评价结果进行比较后认为：运用层次-熵值分层组合赋权法的组合评价，过程可行、结果合理。此外，本书还对基于层次赋权法的组合评价结果进行了灵敏度分析，结果显示：在增加了一个典型性的评价对象后，原有评价对象的排序未发生逆序现象，因此可以认为：在增加了一个样本的情况下，所采用的基于层次-熵值分层组合评价依旧有效，且该方法具有一定的稳定性。

3.将基于方法集的综合评价模型运用到农业科技项目的立项评价中

本书应用了常用的层次分析法、熵值法以及层次-熵值分层组合赋权法进行加权线性评价，旨在对各种线性评价在多属性立项评价中的应用情况进行比较。运用适合创新性评价的TOPSIS和模糊综合评价的非线性评价模型对10个申请书样本进行评价，在对各单一评价方法所得到的结果进行一致性检验后，对这五种方法的排序结果又运用了平均值法、Borda法和Copeland法三种组合评价，通过组合评价的事后检验后，得到了与单一评价法相关度最高的最终评价结果，由此可知基于方法集的综合评价模型可以运用到科技项目的立项评价中。此外运用创新性评价指标与分层组合权重进行项目评价还可以降低非共识度、减少非共识项目。