层次分析法(AHP)
应用
层次分析法是对难以完全定量的复杂系统作出决策的模型和方法。
结构
层次分析法的结构如下。
步骤
- 建立层次结构模型
- 构造判别矩阵(正反交矩阵)
- 层次单排序及其一致性检验
- 层次总排序及其一致性检验
建立层次结构模型
这里使用一个例子,比如我们的目标是选出学校附近最好的餐馆,这里我们就会考虑每个餐馆的卫生、口味、价格、服务这个几个方面,而候选的餐馆只有赵六小炒、张二干锅。所以根据上述叙述,我们得到了我们的目标,就是选出最好的餐馆,而准则就是卫生、口味、价格和服务,方案就是赵六小炒、张二干锅和肖三水饺。准则最好不要超过9个。
构造判别矩阵
这个问题的主要困难在于,这些因素通常不易定量的表示,比如口味5分,卫生6分等。人们凭自己的经验和知识进行判断。而层次分析法做的,一是不把所有因素放在一起比较,而是两两相互对比,二是对比时采用相对尺度,以尽可能地减少性质不同的诸因素相互比较的困难,提高准确度。
-
这是Santy 1-9的标度
-
我们根据这个标度,按照我们认为的重要性构造判别矩阵,例如准则层的判别矩阵如下(判别矩阵的主对角线均为1,因为每个准则与他自己是同样重要的,而左下的三角是右上三角的倒数,表明A的重要性是B的2倍,那么B的重要性就是A的0.5倍)
这里的打分都是按照个人认为的重要程度来的,比如卫生-口味为2,表示我们认为评价一个餐馆的好坏,卫生比口味更重要一些。
层次单排序及其一致性检验
-
接着进行一致性检验,我们可以在这个网站将这个矩阵复制进去,计算这个矩阵的最大特征值 M M M,然后根据检验一致性(n为矩阵的阶数,这里是4阶的)。
一 致 性 指 标 C I = M − n n − 1 一致性指标CI=\frac{M-n}{n-1} 一致性指标CI=n−1M−n
随 机 一 致 性 指 标 R I = 这 个 要 靠 查 表 得 到 了 , 表 如 下 随机一致性指标RI=这个要靠查表得到了,表如下 随机一致性指标RI=这个要靠查表得到了,表如下
一 致 性 比 率 C R = C I R I 一致性比率CR=\frac{CI}{RI} 一致性比率CR=RICI
当 一 致 性 比 率 C R < 0.1 一致性比率CR<0.1 一致性比率CR<0.1则表明一致性检验通过,反之没有通过一致性检验,需要重新修改判别矩阵中的元素直到一致性检验通过。
这里的检验如下,通过一致性检验
-
然后将方案层也按准则层这样操作一遍,一致性检验均通过,得到如下结果
-
现在开始计算准则层的特征向量,这里我们在excel中使用
PRODUCT()
函数计算行积再计算标准化特征向量( 每 行 乘 积 的 n 次 方 n 次 方 和 \frac{每行乘积的n次方}{n次方和} n次方和每行乘积的n次方)。
同样的最后要将其余4个特征向量也计算出来,如下
层次总排序及其一致性检验
将所有数据按此列出,在总排序权上按SUM(方案层特征向量*TRANSPOSE(准则层特征向量))
(编程的话也就是
A
B
T
AB^T
ABT)计算总排序权值。
接下来进行总的一致性检验,同上使用SUM(方案层CI*TRANSPOSE(准则层特征向量))
计算总的一致性指标,再除上0.58的随机一致性指标得到总的一致性比率,若任然小于0.1,则通过一致性检验,我们接受这个结果。
可以看出总权相加为1,且肖三水饺占的总排序权最大,一致性检验通过。所以我们认为最好的校外餐馆是肖三水饺。当然层次分析法非常主观,不同的人会得到不同答案,毕竟在吃货心中口味才是最重要的~
层次分析法优缺点
- 优点:系统型、实用性、简洁性
- 缺点: 囿旧、粗略、主观