ahp层次分析法_层次分析法（AHP）的延伸ANP在PPP项目运用的探索以及学术论文写作的方法研究...

最新推荐文章于 2022-03-31 13:32:49 发布

weixin_39658966

最新推荐文章于 2022-03-31 13:32:49 发布

阅读量762

点赞数 1

文章标签： ahp层次分析法 ahp层次分析法matlab代码 matlab层次分析法代码 ppp用于at指令吗层次分析法matlab 层次分析法matlab代码

近日，学院老师给了我一篇英文学术论文，让我研究研究，论文的题目是：Identification and evaluation of risk allocation criteria and barriers:A Malaysian Public Partnership Case Study。看到题目我一开始以为只是一个关于PPP风险管控方面的论文，但是当我细读以后，才发现文章所引用的研究方法--网络分析法(ANP)，也正是建模过程中涉及到的方法之一：层次分析法(AHP)的拓展，通过这篇英文文献的学习，有助于更好的了解AHP，感受AHP不仅可以服务于建模比赛，在实际生活的运用也是十分广的。

通过本篇文章的学习，有助于学生掌握以下三个方面的知识：

1.PPP项目下如何进行风险管控。

2.学术论文写作方法的研究。

3.AHP的运用以及其扩展的ANP在本文中的实践。

论文概述

下面通过对这篇文章的简要学习，让同学们了解学术文章分析的思路，并加强对AHP方法的掌握和运用。

上文为文章第一部分：总体介绍。在介绍语部分，作者先介绍了当前PPP模型在世界各国的一个流行程度以及该PPP模式被许多国家普通的运用，马来西亚也正在逐步的应用PPP模式，各国正逐步加强PPP模型下的私人部门和公共部门之间的关系，因此作者提出控制好PPP模型下的风险分配是当前我们应该面对的一个重要问题。

上文为文章第二部分：数据收集和研究方法介绍。

在材料收集和方法介绍部分，作者提出采用问卷调查的形式来收集数据，并强调了所有的受采访者都应该是PPP项目的专家或者有着丰富经验的人，以此来获取更加合理的数据。问卷的内容设计有如下三部分：

接下来作者进行本文的方法介绍：ANP，它是基于AHP的基础上发展起来的，ANP首先将系统元素划分为两大部分：第一部分称为控制因素层，包括问题目标及决策准则。所有的决策准则均被认为是彼此独立的，且只受目标元素支配。控制因素中可以没有决策准则，但至少有一个目标。控制层中每个准则的权重均可用AHP方法获得。第二部分为网络层，它是由所有受控制层支配的元素组组成的C其内部是互相影响的网络结构，它是由所有受控制层支配的元素组成的，元素之间互相依存、互相支配，元素和层次间内部不独立，递阶层次结构中的每个准则支配的不是一个简单的内部独立的元素，而是一个互相依存，反馈的网络结构。ANP运作如下图：

上文为文章第三部分：数据分析和结果检验：

首先，针对问卷的结果做分析，确定了15项风险分配标准和11项风险分配障碍。然后应用ANP方法对这些标准和障碍分别进行排序。对15项风险分配标准又分类成3大项标准，即：管控风险能力、刺激机制和风险偏好。对11项风险分配障碍又分类为3大项障碍，即：行为障碍、技术障碍和组织障碍。

在网络层级中，应用层次分析法确定所构建的矩阵是否通过一次性检验。定义1到9为相应的重要程度大小：1为两个指标因素同等重要，以此类推，9为上一个因素比下一个因素的重要程度最大，注意这里的数字全为奇数。偶数不用于做判断。

确定好判断矩阵以后，做一致性检验，如果CR小于0.1，则矩阵通过检验，可以使用，否则要对矩阵进行修改。

最后进行数据分析：先确定未加权的超矩阵，然后对未加权的超矩阵做加权处理，让每个列的总值为1，然后求出最大特征值对应的特征向量，构成极大超矩阵，特征向量对应的数值即为每个指标对应的权重。

上文为文章第四部分：对文章进行总结概括

1. 本文先对最优配置下的标准和障碍指标进行辨认和权重分析。

2. 通过文献查阅和问卷调查来确定出11个障碍指标和15个标准指标。

3. 通过利用ANP方法和超矩阵处理软件，对数据所构造的矩阵进行分析处理，确定这些指标的权重大小，进行排序。

4. 将结果利用于实际情况中，在马来西亚的PPP项目执行中应当克服这些障碍和标准，让风险分配更加合理有效。

论文方法研究

通过这篇文章的学习，我在这里给出一些论文常用的展开方法，供你在写作中运用：

文章展开形式：总--分--总。第一大部分和最后一大部分要做到呼应。
文章中心部分按照关键词展开。像本篇学术论文的关键词是criteria和barrier以及ANP，所以在文章中的第二部分就先对criteria和barrier的种类确认以及ANP做出了说明。
要有科学的分析过程。文章运用的是ANP方法来研究所调查的数据，并在第三大部分对研究过程和数据处理做了详细的介绍。这个环节也使得这个文章的研究更具科学性，结果更有说服力。

ANP研究方法的实践

在这篇英文文献中，有两个表格吸引了我的注意，一个是table6的weighted super matrix for barriers，一个是table7的limit super matrix for barriers。

table6描述的是对未加权的矩阵进行加权的得到的结果。

table7则是通过matlab，求出最大特征向量，构成的矩阵，这里应用的研究方法就是AHP方法。

该指令的代码如下：

A=[0 0 0.333 0 0.167 0.083 0 0.083 0.07 0.04 0.25;0.075 0 0 0.333 0.333 0 0 0 0.062 0.106 0;0.224 0 0 0 0 0.250 0 0.25 0.136 0.186 0.083;0 0 0 0 0 0 0.333 0 0.036 0 0;0.033 0.333 0 0 0 0 0.167 0 0.026 0 0;0 0.224 0.266 0 0 0 0 0.25 0.216 0.158 0.208;0 0 0 0 0.333 0.103 0 0 0.067 0.058 0;0.25 0.033 0.066 0 0 0.036 0 0 0.04 0.031 0.045;0.083 0.075 0 0.333 0.167 0.193 0.5 0.083 0 0.084 0.079;0.25 0.25 0.25 0 0 0.266 0 0.267 0.25 0 0.25;0.083 0.083 0.083 0.333 0 0.067 0 0.067 0.083 0.333 0.083];% 评判矩阵

%% 一致性检验和权向量计算

[n,n]=size(A);

[v,d]=eig(A);

r=d(1,1);

CI=(r-n)/(n-1);

RI=[0 0 0.58 0.90 1.12 1.24 1.32 1.41 1.45 1.49 1.52 1.54 1.56 1.58 1.59];

CR=CI/RI(n);

if CR<0.10

CR_Result='通过';

else

CR_Result='不通过';

End

%% 权向量计算

w=v(:,1)/sum(v(:,1));

w=w';

%% 结果输出

disp('该判断矩阵权向量计算报告：');

disp(['一致性指标:' num2str(CI)]);

disp(['一致性比例:' num2str(CR)]);

disp(['一致性检验结果:' CR_Result]);

disp(['特征值:' num2str(r)]);

disp(['权向量:' num2str(w)]);

运行结果：

运算结果和论文结果一致。

再对风险分配指标做同样的数据分析最终的结果是：

在11个障碍指标中，风险项目的不同信息配置所占的比重最大为0.1842，第二大障碍是缺乏有效的风险控制机制，占比0.1395，第三大障碍是缺乏对最优分配利益的认识，占比0.1338 。在15个标准指标中，第一大标准是在最低价格下忍受风险，占比0.1527，第二大标准是控制风险的机会，占比0.1274，第三大标准是风险态度，占比0.1099.

在文中，还有一处地方table4和table5也运用的AHP方法，我也进行了matlab检验，检验效果为通过一次性验证。

>> A=[1 5 1/3;1/5 1 1/8;3 8 1];

>> %% 一致性检验和权向量计算