在多属性效用测量中属性范围对权重的影响

本文《The Effect of Attribute Ranges on Weights in Multiattribute Utility Measurements》来自《Management Science》作者von Nitzsch & Weber 发表时间 1993

************************************************************************************************************** 

一 介绍

多属性效用理论（MAUT）被广泛应用于决策分析。方案的效用最简单的形式遵循可加性，即∑（属性权重*各属性效用函数）。在标准模型中，各属性权重累和为1，各属性效用函数需进行归一化处理。

其中，许多研究可考虑到“属性权重与该属性范围”的关系，本文进一步研究“属性权重变化与属性范围大小”的关系，并提出确定这种变化的程度。

二 范围敏感性概念

基于属性范围与属性值相关，且属性范围越大，属性值越大的前提下，作者定义了范围敏感度指标s，当s=0时表示更改范围后，权重并不发生变化，即缺乏范围敏感性，当s=1时，表示更改范围后，属性权重发生变化且变化为理论值。当s越接近1，说明权重越容易收到范围变化影响。具体定义公式可见本文。

三 假设提出

作者基于激发决策者考虑范围的启发式方法，调查了两种评估属性的方法：1.直接要求决策者给出属性重要性，direct ratio weights（并不要求决策者考虑属性范围的暗示） 2.通过回归得到属性权重regression weights（利用交合分析的方法，该方法迫使消费者考虑权重）。

提出假设：

H1：对于直接比例权重和回归权重，其范围敏感性s均在【0,1】之间。

H2：直接比例权重的范围敏感性低于回归权重的

H3：由直觉范围区间得到的权重更能代表决策者的偏好

说明：H1说明作者认为属性范围的改变一定会造成属性权重的改变，只是受范围影响的程度达不到理论水平；H2说明作者认为直接比例权重中，决策者对于范围变化感知更低，因此权重更不容易收到范围变化影响；H3中作者认为决策者面对属性给出的直觉范围（类似于决策者背景范围或理想范围）而感知到的属性权重最能代表消费者的实际偏好，而实验设计的属性范围不够能代表决策者实际偏好。

三 实验与结果

有关实验设计详情可参考论文，比较简单，本评述省略。

结果：

Intuitive range指决策者给出的直观范围；Half range指在直观范围基础上人为将范围变为一半；Double range指在直观范围基础上认为将范围扩大一倍。

可以看出，采用回归权重的测度方式，属性的范围敏感性较大（0.52）。这说明采用这种方式测度权重更容易受到属性范围的影响。且有趣的是，Half range的范围敏感性较低，Double range范围敏感性较高，这暗示了范围的起止点在直观范围内时，决策者对范围较为熟悉，因此不太受到范围的影响，当起止点在直观范围外时，决策者更易注意到范围的变化。

H1和H2得证

其次，作者也证明了H3应被拒绝（具体方法请看原文），即采用直观范围得到的属性权重不能更好的反应偏好（也就是说即使消费者可以先行给出一个满意范围，但在这个范围得到的属性权重和人工设计的范围得到的属性权重没有明显优劣）。

全文总结：

在多属性决策中，属性权重如何随情境（本文中为属性范围）改变是一类研究方向。一般来说，属性范围越大，属性权重越大。本文核心论证了当属性范围发生变化时，属性权重或多或少会发生变化（即范围敏感性在0，1之间），且敏感性会随着测量方式的不同而不同（即启发方式有影响），一般来说，基于回归方法确定的权重比直接询问权重更容易受到范围变化的影响。最后，基于直观范围得到的属性权重并未显示其优越性。 

本文分享重点在于对已有结论的普及，用方便读者应用该角度视野研究其他问题，因此对具体公式，指标并未给出介绍，如想进一步了解，可参看原文。