python层次分析法案例_在R语言中使用层次分析法-案例1

一、案例描述

在一个工厂里，有一百多个岗位，这些岗位复杂程度各不相同，工作的环境各不一样，一个合理的岗位工资分配制度对于提高员工满意度、体现人力资源的公平性具有非常重要的作用，而该工厂所处的行业比较特殊，没有可以借鉴的经验，必须由该工厂对自已的岗位工资水平进行合理地定义。

现已知社会的平均工资水平，该公司决定比社会平均工资水平高10%做为公司总的基数，如何对工厂内部各个岗位的工资基数进行分配，这是该文章要解决的问题。

以一线员工的岗位工资为例，在对公司各层次的调查中，大家一致同意将劳动强度、岗位技术含量、生产出的产品对质量的影响以及该岗位员工的获得性做为一个评判标准：

劳动强度(labour

intensity，简称LI)：越高则工资应该越高；

技术含量(Technical

content，简称TC)：越高则工资应该越高；

对质量影响(Influence on

quality，简称IQ)：影响越大则工资应该越高；

工人获得性(Worker

acquired，简称WA)：越难获得的岗位，工资应该越高。

以A、B、C、D

四个岗位为例，利用层次分析法进行分析求出这四个岗位的薪酬水平应该怎样分配，才是合理的，在这里A、B、C、D

是我们要分析的决策变量。

二、编辑数据文件

编辑一个数据文件，名称为"案例1.yaml"，保存到R项目文件夹中，内容如下：

------------------------

Version:

2.0

Alternatives:

&alternatives

A岗位:

LI: 100

TC: 30

IQ: 40

WA: 30

B岗位:

LI: 85

TC: 70

IQ: 80

WA: 70

C岗位:

LI: 60

TC: 100

IQ: 20

WA: 90

D岗位:

LI: 70

TC: 60

IQ: 60

WA: 50

Goal:

name:

岗位价值评估

preferences:

pairwise:

- [LI, TC, 2/3]

- [LI, IQ, 3/4]

- [LI, WA, 3]

- [TC, IQ, 3]

- [TC, WA, 6]

- [IQ, WA, 6]

children:

LI:

preferences:

scoreFunction: function(a) a$LI

children:

*alternatives

TC:

preferences:

scoreFunction: function(a) a$TC

children:

*alternatives

IQ:

preferences:

scoreFunction: function(a) a$IQ

children:

*alternatives

WA:

preferences:

scoreFunction: function(a) a$WA

children:

*alternatives

------------------------

注意，以上内容可复制到一个文本文件中保存，后缀名改为.yml，当然，也可以不改后缀名，直接用.txt。

三、R语言分析

在R中编辑一小段代码，用于载入数据文件，进行层次分析。代码如下：

------------------------

#

载入ahp包

library(ahp)

#

将数据文件转码(因含有中文)

x

readLines("案例1.yaml")

x

iconv(x, 'UTF-8', 'UTF-8')

writeLines(x,

"案例1C.yaml")

# 进行层次分析

# 加载数据文件

ahpfile

Load("案例1C.yaml")

# 生成层次图

Visualize(ahpfile)

# 计算

Calculate(ahpfile)

# 生成表格化数据

AnalyzeTable(ahpfile)

------------------------

四、分析结果

1. 层次结构图

2.权重分析表

3.结果分析

ABCD四个岗位，B岗位的重要性最大，其余依次为CDA岗位。

从结果可以得到ABCD四个岗位的重要性的量化指标，当设置平均工资为100元时，各岗位的工资基数计算如下：

A岗位 = 0.18 × 4000 =

720元

B岗位 = 0.30 × 4000 =

1200元

C岗位 = 0.27 × 4000 =

1080元

D岗位 = 0.25 ×4000 =

1000元

不过从不一致性系数看，设计数据文件时候还存在一些问题，不一致性比较高，在实际运用中应进行修正。