评价类问题
确定评价指标,形成评价体系
三个问题
1.评价的目标
最佳旅游景点
2.有哪些可选的方案
上海,北京,苏州
3.评价的准则或指标
景色,花费,居住,饮食,交通
若题目没给相关数据支撑需要自行查阅相关资料
搜索文献的地方 :
知网(优先),万方,百度学术,谷歌学术
美赛查文献推荐地址:美赛必备的两个网址
清风up推荐的:虫部落-快搜(此类型题的关键词:旅游选择因素,旅游景点评价指标),goog搜索,微信搜索,知乎搜索
权重表格
根据以上信息可以得到权重表格
指标权重 | 上海 | 北京 | 苏州 | |
---|---|---|---|---|
景色 | ||||
花费 | ||||
居住 | ||||
饮食 | ||||
交通 |
如何确定具体权重
分而治之
比如考虑指标权重:一次性考虑五个指标间关系不周全
因此,两个两个指标进行比较,最终结果推算权重
判断矩阵
景色 | 花费 | 居住 | 饮食 | 交通 | |
---|---|---|---|---|---|
景色 | 1 | 1/2 | 4 | 3 | 3 |
花费 | 2 | 1 | 7 | 5 | 5 |
居住 | 1/4 | 1/7 | 1 | 1/2 | 1/3 |
饮食 | 1/3 | 1/5 | 2 | 1 | 1 |
交通 | 1/3 | 1/5 | 3 | 1 | 1 |
标度 | 含义 |
---|---|
1 | 同样重要 |
3 | 稍微重要 |
5 | 明显重要 |
7 | 强烈重要 |
9 | 极端重要 |
2,4,6,8 | 上述中值 |
倒数 | A和B相比如果标度为3,那么B和A相比就是1/3 |
上述矩阵记为A,对应元素
a
i
j
a_{ij}
aij,这里的重要性也可以解释为满意度
有一下特点:
(1)
a
i
j
a_{ij}
aij表示,与指标j相比,i的重要程度
(2)
a
i
j
>
0
a_{ij}>0
aij>0且满足
a
i
j
×
a
j
i
=
1
a_{ij} \times a_{ji}=1
aij×aji=1 (正互反矩阵)
对于横排的上海,苏州,北京的权重也是同样用判断矩阵
通过判断矩阵我们可以得出相应的权重(在后面提到)
出现不一致的问题
得出正互反矩阵后
景色 | 苏州 | 上海 | 北京 |
---|---|---|---|
苏州 | 1 | 2 | 1 |
上海 | 1/2 | 1 | 2 |
北京 | 1 | 1/2 | 1 |
会发现:苏州>上海,苏州=北京,但上海>北京
出现矛盾(不一致)
一致性检验
一致矩阵
a i j = i 的 重 要 程 度 j 的 重 要 程 度 a_{ij}=\frac{i的重要程度}{j的重要程度} aij=j的重要程度i的重要程度, a j k = j 的 重 要 程 度 k 的 重 要 程 度 a_{jk}=\frac{j的重要程度}{k的重要程度} ajk=k的重要程度j的重要程度
a i k = i 的 重 要 程 度 k 的 重 要 程 度 = a i j × a j k a_{ik}=\frac{i的重要程度}{k的重要程度}=a_{ij}\times a_{jk} aik=k的重要程度i的重要程度=aij×ajk
景色 | 苏州 | 上海 | 北京 |
---|---|---|---|
苏州 | 1 | 2 | 4 |
上海 | 1/2 | 1 | 2 |
北京 | 1 | 1/2 | 1 |
各行(各列)成倍数关系
定义:
若正互反矩阵满足
a
i
j
×
a
j
k
=
a
i
k
a_{ij}\times a_{jk}=a_{ik}
aij×ajk=aik,则我们称该矩阵为一致矩阵
# 在使用判断矩阵求权重前必须对其进行一致性检验
一致性检验
原理: 检验判断矩阵和一致矩阵的差异度
判断矩阵具有完全一致性为什么最大特征值是n?
因为特征值之和等于对角线元素之和,而在AHP(层析分析)中,对角线元素全为1(自己对自己是同等重要),根据一致性矩阵定义,当矩阵为正反矩阵时,其为一致性矩阵必要性是这个矩阵秩为1,因而特征值只有一个最大为N(对角线元素和为N),其余特征值为0
当正互反矩阵非一致时:
λ
m
a
x
>
n
\lambda_{max}>n
λmax>n
一致性检验的步骤
1.一致性指标CI:
C I = λ m a x − n n − 1 CI=\frac{\lambda_{max}-n}{n-1} CI=n−1λmax−n
2.查找对应的随机平均随机一致性指标RI
n | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 |
---|---|---|---|---|---|---|---|---|---|---|---|
RI | 0 | 0 | 0.52 | 0.89 | 1.12 | 1.26 | 1.36 | 1.41 | 1.46 | 1.49 | 1.52 |
3 计算一致性比列CR
C R = C I R I CR=\frac{CI}{RI} CR=RICI
若CR<0.1,则矩阵的一致性可以接受,否则拒绝并进行修改
权重的计算
方法一:(算术平均法求权重)
1.将判断矩阵按照列归一化(每一个元素除以其所在列的和)
2.将归一化的各列相加(按行)
3.将相加后得到的向量中每个元素除以n即可得到权重向量
A = [ a 11 a 12 ⋯ a 1 n a 12 a 22 ⋯ a 2 n ⋮ ⋮ ⋮ a n 1 a n 2 ⋯ a n n ] A=\left[ \begin{matrix} a_{11}& a_{12}&\cdots&a_{1n}\\ a_{12} &a_{22}& \cdots&a_{2n} \\ \vdots& \vdots& &\vdots\\ a_{n1}&a_{n2}&\cdots&a_{nn} \end{matrix} \right] A=⎣⎢⎢⎢⎡a11a12⋮an1a12a22⋮an2⋯⋯⋯a1na2n⋮ann⎦⎥⎥⎥⎤
算术平均法求得权重向量:
ω
i
=
1
n
∑
j
=
1
n
a
i
j
∑
k
=
1
n
a
k
j
\omega_{i}=\frac{1}{n}\sum_{j=1}^{n}\frac{ a_{ij}}{\sum_{k=1}^{n}a_{kj}}
ωi=n1j=1∑n∑k=1nakjaij
方法二:(几何平均法求权重)
1.将A的元素按照行相乘得到一个新的列向量
2.将新的向量的每个分量开n次方
3.对该列向量进行归一化即得到权重向量
ω i = ( ∏ j = 1 n a i j ) 1 n ∑ k = 1 n ( ∏ j = 1 n a k j ) 1 n \omega_{i}=\frac{(\prod_{j=1}^na_{ij})^{\frac{1}{n}}}{\sum_{k=1}^{n}(\prod_{j=1}^na_{kj})^{\frac{1}{n}}} ωi=∑k=1n(∏j=1nakj)n1(∏j=1naij)n1
方法三:特征值法
1.求出矩阵A的最大特征值以及其对应的特征向量
2.对求出的特征向量进行归一化即可到权重
综上论文中可将三种方法都用上进行比较会显得更科学