管理类文科类的综合评价模型都可以做,一般都是层次分析法ahp,主成分pca /因子分析,灰色关联度,熵权法,topsis求指标权重,然后做一个排序。如果结合2种或者3种模型,,结合的方法分内在和外在结合,
1 外在的结合就是2种方法分别求权重,然后用一个公式把他们结合在一起做一个归一化排序
2 内在结合就是在一种方法上,原理里面算的步骤里面结合另外一种模型的权重,
我看了很多相关文章基本都是这样的,后面以具体案例说明:
-
续写 : 上面的方法(除去AHP)基本都是针对自己有数据的情况,并且想对每个样本都有一个评价值额情况下很适用,如果你没有数据,推荐你用(AHP+专家模型)模糊综合评价,这个可以对总体样本评价出一个值。多个方法何以采用耦合分析,博弈论,多目标智能决策等,这样更能做出高水平的模型。
-
需要注意的是,大家都在说模糊综合评价,其实模糊的方法特别多,最常用的就是三角模糊,这个也可以2个三角形一起模糊(工科用得多),就是通过各种变换,最后数据变成0-1之间(一般都是这样),社科类的模糊其实很多就是直接加来等于1就行了,很简单的模糊,所以不要被名字吓着了,找权威专家(其实就是自己写)打打分就可以,说了这么多,其实这个方法还是很有主观性的,不管结果如何,自圆其说就行,我自己认为很少有确认的一个结论,只要不要太偏离实际情况,可以接受就可以了,
-
***上面的模型学习还是都不算难,有矩阵分析和概率论基础肯定就能学会了,大家一起加油学习吧,我只是把我研究的分享给大家
-
其实ahp的求解方法也很多,我这里分享一个利用特征根,特征值求解的代码,其他方法的后面在补上
AHP code
clc;clear
A=[1 1/9 1/2 1/4 1/6
9 1 6 5 3
2 1/6 1 1/2 1/3
4 1/5 2 1 1/5
6 1/3 3 5 1
]
[n,n]=size(A);
[V,D]=eig(A);%求得特征向量和特征值
%求出最大特征值和它所对应的特征向量
tempNum1=D(1,1);
pos=1;
for h=1:n
if D(h,h)>tempNum1
tempNum1=D(h,h);
pos=h;
end
end
w=abs(V(:,pos));
w=w/sum(w);
t=D(pos,pos);
disp('权重w=');disp(w);disp('最大特征根t=');disp(t);
%以下是一致性检验
CI=(t-n)/(n-1);RI=[0 0 0.58 0.89 1.12 1.26 1.36 1.41 1.46 1.49 1.52 1.54 1.56 1.58 1.59 1.60 1.61 1.615 1.62 1.63];
CR=CI/RI(n);
if CR<0.10
disp('此矩阵的一致性可以接受!');
disp('CI=');disp(CI);
disp('CR=');disp(CR);
else disp('此矩阵的一致性验证失败,请重新进行评分!');
end
结果
A =
1.0000 0.1111 0.5000 0.2500 0.1667
9.0000 1.0000 6.0000 5.0000 3.0000
2.0000 0.1667 1.0000 0.5000 0.3333
4.0000 0.2000 2.0000 1.0000 0.2000
6.0000 0.3333 3.0000 5.0000 1.0000
权重w=
0.0390
0.5067
0.0726
0.1079
0.2738
最大特征根t=
5.2376
此矩阵的一致性可以接受!
CI=
0.0594
CR=
0.0530
模糊的以后分享,因为这个模糊的确太模糊了,方法太多,模型太多,需要具体问题具体分析,都是需要定制,所以不能一个代码包括所有