计算指标权重的方法docx.docx

资源描述

计算指标权重的方法docx.docx

《计算指标权重的方法docx.docx》由会员分享，可在线阅读，更多相关《计算指标权重的方法docx.docx（23页珍藏版）》请在冰豆网上搜索。

计算指标权重的方法docx.docx

计算指标权重的方法docx

♦在统计学中用来确定权重的二种方法

三种方法：

AHP、ANP、炳值法

三种方法：

AHP、ANP、爛值法

其中，AHP、ANP既是一种评价方法，

但更常用来计算指标权重。

而爛值法则是一种根据指标反映信息

可靠程度来确定权重的方法。

*层次分析法（AHP）美国著名的运筹学家Satty等

人在20世纪70年代提出的将一种定性和定量分析相结合

的多准则决策方法。

这一方法的特点是在对复杂决策问

题的本质、影响因素以及内在关系等进行深入分析之后，

构建一个层次结构模型，然后利用较少的定量信息,把

决策的思维过程数学化，从而为求解多目标、多准则或

无结构特性的复杂决策问题，提供一种简便的决策方法。

具体的说，它是指将决策问题的有关元素分解成目标、

准则、方案等层次，用一种标度对人的主观判断进行客观量化，在此基础上进行定性和定量分析的一种决策方法。

他把人的思维过程层次化、数量化，并用数学为分

析、决策、预报或控制提供定量的依据。

它尤其适合于

人的定性判断起主要作用的、对决策结果难于直接准确

计量的场合。

性质和要达到的目标，将问题分解为不同组成因素，并按照因素间的相互关联影响及其隶属关系将因素按不同层次聚集组合，形成一个多层次的分析结构模型。

兴最终把系统分析

归结为最底层,相对于最高层目标的相对重要性权值的确定或相对优劣次序的排序问题。

在排序计算中，每一层次的因

素相对上一层次某一因素的单排序问题又可简化为一系列成对因素的判断比较。

为了将比较判断定量化，层次分析法引AT1-9标度法，并写成判断矩阵形式。

形成判断矩阵后，即

可通过计算判断矩阵的最大特征值及其对应的特征向量，计算出某一层对于上一层次某一个元素的相对重要性权值。

•在计算出某一层次相对于上一层次各个因素的单排序权值后,用上一层次因素本身的权值加权综合,即可计算出层次总排序权值。

总之，依次由上向下即可计算岀最低层因素

相对于最高层的相对重要性权值或相对优劣次序的排序值。

AHP的模型与步骤

假设某一企业经过发展，有一笔利润资金，要企业

高层领导决定如何使用。

企业领导经过实际调查和员工建议，现有如下方案可供选择：

办员工进修班；修建图书馆、俱乐部等；引进新技术设备进行企业技术改造。

从调动员工工作积极性、提高员工文化技术水平和改善员工的物质文化生活状况来看，这些方案都有其合理因素。

如何使得这笔资金更合理的使用,就是企业领导所面临需要分析的问题。

（1）

构造层次分析结构

每一层次中的元素一般不超过3个,

因同一层次中包含数

目过多的元素会给两两比较判断带来困难。

（2）构造判断矩阵

❖判断矩阵的一般形式

u“

性质:

（1）5>0;

（2）Cjj=l/Cj$（3）Cu=l此时,矩阵为正反矩阵。

若对于任慧、j、k,均有cg=Gk，则c为一致矩阵。

•:

・1-9标度方法

序号

重要性等级

C“赋

i,i两元素同等重要

i元素比j元素稍重要

i元素比j元素明显重要

i元素比j元素强烈重要

i元素比j元素极端重要

i元素比j元素稍不重要

1/3

i元素比j元素明显不重要

1/5

i元素比j元素强烈不重要

1/7

i元素比i元素极端不重要

1/9

注:

2,4,6,8和1/2,1/4,1/6,1/8介于其间。

1/3

对于上述例子，假定企业领导对于资金使用这个问题的态度是：

首先是提高企业技术水平，其次是改善员工物质生活,最后是调动员工的工作积极性。

则准则层对于目标层的判断矩阵A・B为：

1/5

1/3

1/5

1/3

•同

样，

可得:

■1

1/3

Bl=

1/5

1/3

1/2

1/4

1/2

1/7

1/5

1/2

1/3

11/71/31/5

B°=

31/5

1/3

51/2

B3=

1/31/3

（3）判断矩阵的一致性检验

判断矩阵的一致性，是指专家在判断指标重要性时，各判断之间协调一致，不致出现相互矛盾的结果。

出现不一致在多阶判断的条件下，极容易发生，只不过是不同的条件下不一致的程度上有所差别而已。

•:

•根据矩阵理论可知，如果入满足：

心=免乂

•:

•贝从为A的特征值，并且对于所有^=1,有

审显然，当矩阵具有完全-致性时，唇几宀

其余特征根均为0；而当矩阵A不具有完全一

^2.=n-2max

•:

•上述结论告诉我们，当判断矩阵不能保证具有完全一致性时，相应勃断矩降的特征根也将发生夏化，这样就可以用判断矩阵特征根的变化来检验判断的一致性程度。

因此，在层次分析法中引入判断矩阵最大特征根以外的其余特征根的负平均值，作为度量判断矩阵偏离一致程韵指标，即用：

CI二Nnax—n

n—1

检查决策者思维的一致性。

CI值越大，表明判断矩阵偏离完全一致性的程度越大；CI值越小（接近于0」表明判断矩阵的一致性越好。

❖当判断矩阵具有完全一致性时，Cl=o；

•当判断矩阵具有满意一致性时，需引入判断矩阵的平均随机一致性指标RI值。

对于1-9阶判断矩阵，RI

0.00

0.58

0.90

1.12

1.24

1.32

1.41

1.45

•当阶数大于2时，判断矩阵的一致性指标CI与同阶平均随机一致性指标RI之比称为随机一致性比率CR,当CR=CI/RI<0.10时，可以认为判断矩阵具有满意的一致性，否则需要调整判断矩阵。

（4）层次单排序

♦理论上讲，层次单排序计算问题可归结为计算判断矩阵的最大特征根及其特征向量的问题。

但一般来说，计算判断矩阵的最大蒋彳工根及其对血的特征尙量，并不需要追求较高的精确度，因为判断矩阵本身有相当的误差范围。

而且，应用层次分析法给岀的层次中各种因秦优先排序权值从本质上来桃是義送某神定槿0勺概念。

囱d匕，一般用送代法在计算机上求得近似的最大特征值及其对应的特征向量。

在此给岀计算矩阵最大特征根及其对应特征向量的方根法的计算步骤：

❖①计算判断矩阵每一行元素的乘积Mi

=XX

.7=1

♦:

*②计算Mi的n次方根W

两=07

•:

♦③对向量W[%吧丄，比J业规化（归一化处理）

则—[%%丄为所求的特征向量。

其中，mw儿表示向量力”的第/个元素。

•:

•对于判断矩阵A,其计算结果为：

_0.105_

0.637=3.30&C7=0.019,M=0.5&CR=0.033

0.258

口聪訓斤矩阵Bp其计算结果为:

0.232

W=0.092,2max=5.126,C/=0.032,7?

/=1.12,C7?

=0.028

0.1380.046

•:

•对于判断矩阵B2,其计算结果为:

0.5500.564

0.118^max=4.117,C/=0.039,^=0.90,^=0.0430.263

•:

•对于判断矩阵B3，其计算结果为:

「0.4061

0.406

“0.094入円—0心0.90,E0

0.094

（5）层次总排序

次E

层处、

总排序w土bjCij,=1

0.105

0.637

0.258

0.491

0.406

0.157

0.232

0.055

0.406

0.164

0.092

0.564

0.094

0.393

0.138

0.118

0.094

0.113

0.046

0.263

0.172

（6）决策

•:

•企业领导根据上述分析结果，决定各种考虑方案的实施先后次序，或者决定分配企业留成利润的比例。

算例

•:

•有5个指标：

X］对X2明显重要；X［对X3强烈重要;

X［对X4同等重要；X［对X5稍不重要。

采用AHP方法计算指标权重。

①列岀判断矩阵

②一致性检验

求最大特征根：

在此采用MATLAB软殍求取

A二[1，5,7，1，1/3;1/5，1，2，1/5，1/8;1/7，1/2，1，1/7，1/9;1，5,7，1，1/3;3,8,9,3，1]

[B,D]=eig（A）

则：

0.3697

-0.0645+0.2358i

-0.0645-0.2358i

-0.2806

-0.7071

0.0906

-0.0633-0.01821

-0.0633+0.0182i

0.2303

-0.0000

0.0595

-0.0063-0.0620i

-0.0063+0.0620i

-0.1231

-0.0000

0.3697

-0.0645+0.2358i

-0.0645-0.2358i

-0.2806

0.7071

0.8455

0.9339

0.8799

0.0000

5.1141

-0.0177+0.7618i0

-0.0177-0.7618i

-0.0786

-0.0000

CI=（入max-n）/（n-1）=（5.1141-5）/（5-1）=

0.1141/4=0.0285

RI（5）=1.12

CR=CI/RI=0.0285/1.12=0.0255<0.10

因此，通过一致性检验。

③求得权重

权重即为最大特征根对应的特征向量

W二［0.3697,0.0906,0.0595,0.3697,0.8455］进行归一化后的结果，w=W./sum（W）

=ro.2131005220034302131,0.48731

二、ANP（网络分析法）

❖AHP是基于以下几个假设进行决策的，而这几个假设与某些实际决策问题有背离：

（1）将决策系统分为若干层次，上层元素对下层元素起支配作用，同一层元素之间是相互独立的，但实际上，一般各层内部的元素之间都存在依存关系，同时下层对上层也有反支配（反馈）的作用；

（2）决策问题可分为多个层次，上层元素对下层元素起控制，同一层次的元素间相互独立，不存在内部的相互依赖性。

而实际决策问题中某些指标往往存在相互影响；

（3）各个层次间只是存在相邻两个层次间自上向下的影响作用，没有考虑下层对上层的反作用。

非相邻层次间的相互影响也没有考虑。

而在实际决策中下层元素对上层元素有反作用（反馈）。

ANP则取消了这些假定，在理论上允许决策者考虑复杂动态系统中各要素的相互作用，从而更符合决策问题的实际

ANP基本结构

ANP的超矩阵算法

❖设网络ANP中控制层的元素为P1,P2,...,Ps,...,Pm,网络层有元素组为Ci，C2,...G，Cj,・..,CN。

其中G有元素®i1--->®ini°

•:

•构造超矩阵如下，其中行表示汇，列表示源。

针对网络结构中的相互作用和反馈信息，基于源对汇中的元素进行两两比较，求解源对于汇的相对偏好和重要性。

CT?

*21L

叱2

叫2

e—2

*Znz

❖超矩阵W的每一元素Wjj都是基于一个两两判断比较

矩阵获得的归一化特征向量，列和为1,但是，W

不是归一化矩阵，为此，以控制元素ps为准则，对控制元素ps下的各元素组对各元素组Cj的重要性进行比较，得到一f归一化的排序向量^

°iiLa、N

A=MOM

❖把矩阵A与W相乘得到加权超矩阵:

•:

•在网络分析法ANP中，为了反映元素之间的依存关系，加权超矩阵W需要做一个稳定处理，即计算极限相对排序向量：

lim（l/A^）VW7"

❖如果极限收敛且唯一，则VT的第j列就是控制元

素下网络层各元素对于元素j的极限相对排序。

ANP的决策步骤

小■基于网络模型中各要素间的相互作用，进行两两比较；

•2•确定未加权超矩阵（基于两两判断矩阵，使用特征向量法获得归一化特征向量值，填入超矩阵列向量）；

❖3•确定超矩阵中各元素组的权重（保证各列归一）；

・:

•4•计算加权超矩阵；

・：

•5•计算极限超矩阵；（使用幕法，即求超矩阵的n次方，直到矩阵各列向量保持不变）。

案例

成本

美国车

欧洲车

日本车

特征向量

维修

美国车

欧洲车

日本车

特征向量

美国车

0.637

美国车

0.582

欧洲

车

1/5

1/3

0.105

欧洲车

1/5

1/3

0.109

日本车

1/3

0.258

日本车

1/2

0.309

CR=0.033

CR=0.003

耐用性

美国车

欧洲车

日本车

特征向量

美国车

1/5

1/3

0.105

欧洲车

0.637

日本车

1/3

0.258

CR=0.033

美国车

成本

维修

耐用性

特征向量

成本

0.634

维修

1/3

0.192

耐用性

1/4

0.174

CR=0.008

欧洲车

成本

维修

耐用性

特征向量

日本车

成本

维修

耐用性

特征向量

成本

1/2

0.25

成本

0.40

维修

1/2

0.25

维修

1/2

0.20

耐用性

0.50

耐用性

0.40

CR=0.008

CR=0.000

再考虑成本、维修和耐用性之间的相互影响，得到三者的权重矩阵如下：

成本

维修

耐用性

成本

0.3

0.2

0.6

维修

0.4

0.25

0.3-

耐用性

0.3

0.55

0.1

❖得到初始超矩阵

成本

维修

耐用性

美国车

欧洲车

日本车

成本

0.3

0.2

0.6

0.634

0.25

0.4

维修

0.4

0.25

0.3

0.192

0.25

0.2

耐用性

0.3

0.55

0.1

0.174

0.25

0.4

美国车

0.637

0.582

0.105

欧洲车

0.105

0.109

0.637

日本车

0.258

0.309

0.258

・：

•假定A=[0.5,1;0.5,0],则加权超矩阵:

成本

维修

耐用性

美国车

欧洲车

日本车

成本

0.15

0.1

0.3

0.634

0.25

0.4

维修

0.2

0.125

0.15

0.192

0.25

0.2

耐用性

0.15

0.275

0.05

0.174

0.25

0.4

美国车

0.319

0.291

0.053

0；

欧洲车

0.053

0.055

0.319

日本车

0.129

0.155

0.129

将加权超矩阵稳定处理，即自乘4・6次，得到稳定的极

化，否则加权超矩阵会越变越小，不会收敛）

成本

维修

耐用性

美国车

欧洲车

日本车

成本

0.282

0・282

0.282

维修

0.184

耐用性

0.193

美国车

0.159

欧洲车

0.089

日本车

0.093

ANP决策结果表明：

美国车是最优选择，成本是决定性因素。

软件：

Superdecision

Jtj

ISuperDecisionsMaiinWindow:

l.mod

form...|

_l口Ixl

Cluster

NodeLabels

匚1

0.333333

0.200000

0.285714

0.000000

0.423587

0.000000

o.eooooo

0.000000

0.800000

0.000000

0.333333

0.000000

0.285714

0.000000

0.227045

0.000000

0.142857

0.200000

0.122324

0.333333

0.000000

0.285714

0.000000

0.227045

Done

图元素组权重矩阵

O.34NS87

O.ONNNCJN

=-=S

mTO

xl1

mT3

xl4

mT5

xTG

«17

mTB

xlm

m2!

x2!

权重矩阵

O.3-a^ST"

o.siawe：

O.W5；m£N

O11143

0113-40

O.1

O.10030

O.331OS

O.35207"

O.31

O.1O：

=：

O：

=：

O.N1SOS

O.23350

O.OSSQS!

O.O2!

O3-4Si

o.osoes-^

O.O2!

T戸曰戸

||O.O2!

2：

T52

o.032x--ie

||o.os^-^si

O.100530

O.035x"32：

o.oes2ien

O.0557^00

O.07"002!

O.匸）2斗3W9

|io.o7^-=iseo

二炳值法

•爛的概念源于热力学，是对系统状态不确定性的一种度量。

在信息论中，信息是系统有序程度的一种度量。

而爛是系统无序程度的一种度量，两者绝对值相等，但符号相反。

根据此性质，可以利用评价中各方案的固有信息，通过慵值法得到各个指标的信息爛，信息慵越小，信息的无序度越低，其信息的效用值越大，指标的权重越大。

•:

•这就是惰。

其中K为正常数，当各个信息发生的概

率相等时，即Pj=1/n,S取值最大，此时爛最大。

•:

・可利用爛信息的概念确定权重，假设多属性决策矩阵如下：

一一

❖表示第/个属性下第i个方案A•的贡献度。

❖可以用◎来表示所有方案对属性X/的贡献总量：

d=_K工坊ln（坊）

其中，常数K=l/ln（m）,这率1就能保证O=vEjV=l,即乜最大为1。

由式中可以看出，当某个属性下各方案的贡献度趋于一致时，◎趋于1;特别是当全相等时，也就可以不考虑该目标的属性在决策中的作用，也即此时属性的权重为零。

这样，可看出属性值由所有方案差异大小来决定权系数的大小。

为此可定义4为第/属性下各方案贡献度的一致性程度。

T◎

❖则各属性权重叫如下:

•当牛0时，第j属性可以'剔除，其权重等于0。

❖如果决策者事先已有一些经验的主观估计权重人则可借助上述的wj来对人进行修正。

±乙叱

.7=1

•慵值法最大的特点是直接利用决策矩阵所给出的信

息计算权重，而没有引入决策者的主观判断。

算例

❖购买轿车决策矩阵:

展开阅读全文