当前位置:文档之家› 权重评价方法

权重评价方法

权重评价方法
权重评价方法

2.2 权重确定

确定体系指标之后需要确定各指标在体系结构中所发挥影响的大小,即各指标的权重。比较常见的权重确定方法有层次分析法、专家打分法、模糊分析法、最大熵技术法、主成分分析法、特征值法、灰色关联法、概率统计法等。

2.2.1 层次分析法(AHP法)

层次分析法是应用最多的一种权重确定方法,该方法是美国运筹学家Pittsburgh大学教授Satie于20世纪70年代初,在为美国国防部研究“根据各个工业部门对国家福利的贡献大小而进行电力分配”课题时,应用网络系统理论和多目标综合评价方法,提出的一种层次权重决策分析方法。它将决策问题按总目标、各层子目标、评价准则直至具体的备选方案的顺序分解为不同的层次结构,然后得用求解判断矩阵特征向量的办法,求得每一层次的各元素对上一层次某元素的优先权重,最后再加权和的方法递阶归并各备选方案对总目标的最终权重,最终权重最大者即为最优方案。

以下用数学公式来表述具体步骤:

①构建层次结构模型

图2.2 AHP法结构示意图

②构造判断矩阵

B= ???12111B B B i i22212B B B ?????????????ij j j B B B 21,其中B ij =j i b b ,表示第i 个因素与第j 个因素重要性之比。重要性的确定一般采用1-9标度法进行,即对各要素重要性进行人为拟定重要程度,级别分为1-9九类程度依次递增。目标层与准则层,准责层与指标层直接都是使用这种方法构建矩阵。

③权重计算

计算相邻层级之间的层次单排序权重就是计算矩阵最大特征值与特征向量,即计算满足B·ν=λ·ν,其中λ为特征值,ν为特征向量,特征向量的每一个分量即为相对应的要素单排序权重。

④一致性检验 CI=1max --n n λ,RI=1max ^--n n λ(其中^

λ

m ax 为随机从B 中任取分量构成的矩阵

最大特征向量),CR=RI CI

; 当CR<0.1时,不一致性可接受,否则必须调整判断矩阵

这种方法的优点是系统、实用,既使用了数学的严谨推导,又保留了人为思考的空间,同时在数学推导方面仅进行较简单的求特征值特征向量与加权求和,简化了过程。缺点是备选指标较少时导致主观因素过甚,而备选指标过多时又会大大增加计算的复杂性,只能通过一些近似计算法来计算,结果的精确性便大大降低。不过现在已有相关计算软件如yaahp0.5.2可以直接进行相关计算,大大减少了研究人员的工作量。

2.2.2 专家打分法(Delphi 法)

专家打分法是最简便也是应用较多的一种方法,顾名思义就是将所列出的所有影响因子打印成册交给若干专家打分,之后收集起来按照各专家打分的平均值确定权重,或者将以往各专家学者所书文献中相关影响因子出现次数作为依据来确定权重。这种方法的优点有简便易行、强调主观色彩等,但缺点也较明显,没有比较扎实的科学依据,仅凭经验办事。刘建秀(1998)[86],钱贞兵(2010)

[87]等人便是使用此种方法确定的权重。

2.2.3 主成分分析法

主成分分析法是通过因子矩阵的旋转得到因子变量和原变量的关系,把多指标转化为少数几个综合指标,然后根据主成分的方差贡献率作为权重,给出一个综合评价值。可由以下部分分步完成[88]:

①建立评价分值矩阵

假设影响因子有m 个,并将评价区域划分为n 个评价单元,采用指数衰减或线性衰减等方法计算得到每个评价单元内各因子的评价分值,可建立n ×m 阶的评价分值矩阵A ,即:

A=(A 1,A 2,A m ) ???12111A A A n n2

22

12A A A ???????????

??nm m m A A A 21=(A ij )m n ?; ②标准化 将评价分值矩阵F 中的每一个元素A ij 进行标准化处理,即将所有因子评价分值的均值变为0,方差变为1,则原始数据的标准化值为:

~

ij A j j

ij S A A -=, ( i = 1, 2, ……, n ; j = 1, 2, ……m )

j A 、j S 分别为城镇土地评价范围内所有评价单元第j 个因子评价分值的平均值和标准差。将标准化后数据.~ij A 组成新的矩阵,记为n 行m 列标准化矩阵~A =(~

ij A )m n ?。

③坐标变换求特征值特征向量

?????????+?++=??+?++=+?++=~~22~11~2~222~1212~1~212~1111l A l l Z m mm m m m m m m

m A l A l A l Z A l A l Z A A l A (1)由标准化的评价分值矩阵~

A 计算相关系数矩阵R

(2)求解矩阵R 的特征值λ1,λ2, ……,λm (从大到小排列)和对应的特值向量l 1,l 2,…… ,l m

④提取主成分

主成分的提取主要是依据主成分的累积方差贡献率。主成分的方差占总方差的比重定义为方差贡献率,即:

e

j =λ

j

/∑

=

m

i1

i

λ,(i,j=1,2,……,m)

此方差贡献率即为各个主成分的权重。

这种分析方法降低了研究的数据分析量与主观臆断程度,但仅能得到有限的主成分或因子的权重,而无法获得各个独立指标的客观权重。目前可以使用spss软件进行计算权重,也较为方便。

2.2.4 最大熵技术法

最大熵计数法就是是利用信息论中信息熵来确定多指标决策问题各评价指标权重。其基本原理是:对多指标决策问题,从m个可行方案中选最优方案,取决于这m个可行方案的各个指标向决策者提供的决策信息。谁提供决策的确定信息量大,谁对决策做的贡献就大,从而该指标的权重值也就越大。

基于信息熵的客观赋权不足之处在于,赋权时仅对指标列的组间信息传递变异进行了调整,而且对于异常数据太过敏感,实际应用中有时某些非重要指标经此法计算得出的客观权重过大,导致综合权重不切实际。为了避免这一缺陷,利用熵权系数时必须给每个指标的客观权附加一个范围限制。

2.2.5 其他方法

除上述所列比较常见的权重确定方法外,还有一些不太常见的方法,如:程明熙(1983)[89]提出的二项系数法,陆明生(1986)[90]提出的环比评分法,宣家骥(1989)[91]提出的最小平方法,郭亚军(2004)[92]提出的序关系分析法(G1法),黄祥志等(2006)[93]在岩土力学中使用的简单关联函数法等等。2.3 评价模型构建

景观生态环境质量的综合评价首先是建立在环境单要素评价的基础上。自Horton等人(1965)提出了水质评价的“质量指数”以及Green(1966)提出的“大气污染综合指数”以来,国内外很多环境科学工作者,从不同的角度出发,用不同的方法观察和处理环境问题,提出了很多环境质量指数:如美国国家野生动物协会NWF环境质量指数、R·Brown的跨学科研究组征询法,日本的西田耕

之助的居民感受征询多元统计分析法,加拿大TEQI 总环境质量指数(1974),耶鲁大学与哥伦比亚大学联合联合发展的环境可持续指数ESI (1999)、环境绩效指数EPI (2006),我国橡树岭大气质量指数(1971)、内梅罗水质指数(1970)、黄浦江水质指数(1977)、姚志麒大气质量指数(1978)以及我国官方制定的生态环境质量指数EI (2006)等。环境质量的指数评价模型一度广为流行。

其中,早期的环境质量指数模型都是建立在单因子环境质量指数的基础上的.其基本计算公式: I i

i S C i 式中:I i ——第i 种污染物的单因子环境质量指数;C i ——第i 种污染物的环境浓度;S i ——第i 种污染物的环境质量评价标准。

单因子环境质量指数是无量纲数。表示某种污染物在环境中的浓度超过评价标准的倍数。根据单因子指数,通过各种环境质量指数模型的计算,得出多因子指数与环境质量的综合指数,然后根据环境质量的综合指数的分级来判断研究区域环埂质量的总体状况与主要环境问题。

随着环境质量评价工作的发展,环境科学工作者从地学、生态学、系统科学等各个学科对环境质量评价理论进行了探讨,大量的数学方法,如模糊数学、灰色系统分析、概率统计和系统工程等引入评价工作中,出现了众多的数学模式。其中以模糊综合评价模型、灰色聚类分析等现代数学方法的应用最为普遍,它们克服了传统的评价方法中以某一简单的数字指标作为环境质量分级的界线,造成环境质量相差很小的两个评价单元的环境质量可能被分为截然不同的两个等级的弊端,而用隶属度或白化函数来刻画环境质量的等级界线,更为符合环境实际。尤其是环境质量的多级模糊综合评判模型的提出,对于解决多因素、多层次的综合评价问题,更是提供了一个良好的方法[94]。

2.3.1 模糊综合评价模型

模糊综合评价模型的概念最初于1965年由美国自动控制专家查德(L.A.Zadeh )教授提出,用以表达事物的不确定性。它可以依据各类评价因素的特征,确定评价值与评价因素值之间的函数关系。数学步骤如下:

设U={u 1,u 2…u m },A={a 1,a 2…a m },V={v 1,v 2,,,v n },S={s 1,s 2…s n }

则单因素决策模糊映射为:

R

i = {r

1i

,r

2i

…r

im

} =

1

21

11

r

m

r

r

?

2

22

12

r

m

r

r

?

?

?

?

?

mn

n

n

r

r

r

2

1

?

U的所有因素综合评判矩阵:

B=A·R=A·(R

1,R

2

…R)(1)

综合评判的总评分值:

C=B·S (2)

式(1))式(2)中,U为因素集;A为权重集;V为评判集;S为评分集;R为单因素决策模糊映射;B为U的所有因素综合评判矩阵;m为因素集或权重集的元素个数;n为评判集或评分集的元素个数;i为因素集中起作用的因素标志;C为综合评判的总评分值。

根据总评分值的大小来判定各种决策的优良,分值越高,表示质量越好。但因其仅仅依据最大隶属度原则来确定各评价单元的环境质量级别,造成信息损失太多,有时也会得出不尽详实的结论。

我国学者王克三(1984)[95],应龙根(1986)[96],潘峰等(2002)[97],王金叶(2006)[98]等均在其对环境相关评价研究中运用此种模型进行评价。

2.3.2 灰色关联分析

在系统发展过程中,若两个因素变化的趋势具有一致性,即同步变化程度较高,即可谓二者关联程度较高;反之,则较低。因此,灰色关联分析方法,是根据因素之间发展趋势的相似或相异程度,亦即“灰色关联度”,作为衡量因素间关联程度的一种方法。具体计算步骤为:

①确定反映系统行为特征的参考数列和影响系统行为的比较数列

②对参考数列和比较数列进行无量纲化处理

③求参考数列与比较数列的灰色关联系数

④求关联度r

r=

r值越接近1,说明相关性越好。

⑤关联度排序

将m个子序列对同一母序列的关联度按大小顺序排列起来,便组成了关联序,记为{x},它反映了对于母序列来说各子序列的“优劣”关系。若r>r,则称{x}对于同一母序列{x}优于{x},记为{x}>{x} ;r表示第i个子序列对母数列特征值。

我国学者阎伍玖(1994)[99],张绍良等(1996)[100],卜广志等(2002)[101],罗党(2005)[102]都是采用灰色关联度分析法进行研究分析。

2.3.3 多因子综合评价模型

多因子综合评价模型也是一种应用十分广泛的方法,它的运算过程是将之前构建的体系中,不同因子的数值与权重连乘相加,将得出的数值与标准值或其他对照值作比较。一般公式为CEI=,其中I为单项指标评价分值,W为评价指标i的权重,N为评价指标数,S为评价指标等级划分数。因为计算简便,故近些年研究有相当数量的分析用这种方法。使用人有杨学军(2001)[103],谢花林(2003)[72],刘新卫(2005)[76],许月卿(2007)[104],李丽(2008)[85],潘金瓶(2011)[81],李珂(2011)[82]等人。

除此之外,还有一个与之十分类似的多因子标准差综合评价法,由陆书玉(2001)[105]提出,公式为:P=,其中P为所求的综合指数,n为影响的因素个数,P为各不同影响因子本身单因子指数数值。

2.3.4 安全度模型

付伟章(2006)[84]在其研究中使用的一种模型分析方法,也比较简单,带具有一定的代表性,即对于已选定的因子构建安全区间模型,在区间中的指数符合判断条件,不在区间中则不符合。模型如下:

具正功效时

具负功效时

安全度函数:

2.3.5 韦伯-费希纳定律评价模型

德国著名的生理学家韦伯(Weber Ernst Heinrich),和物理学家费希纳(Fechner Gustav Theodor)经研究得出:感觉的大小同刺激强度的对数成正比,刺激强度按几何级数递增,而感觉强度按算术级数递增。即:

S=KlgR

式中S-感觉,R-刺激强度,K-常数。

在景观环境评价中,巩如英(2006)[106],套用了这个公式,并将其稍加变动,建立如下模型:

P=

式中,P-总体评价,即总体感觉;K-指标的权重;R-打分,即环境对人的刺激强度;n-指标的个数。

2.4 总结与展望

几十年来,我国的景观生态学环境指标体系构建不仅发展迅速,研究工作也卓有成效,充分展示了此项研究在我国的发展前景。但与国外相比,我国的研究还存在较大差距:①在模型建立上鲜有创新,一般都是借鉴套用,没有自己独特的想法;②研究专题集中,宏观研究多于中观、微观研究;③人才培养力度不够,尚未形成一定规模的景观生态学研究队伍。绝大多数学者在此方面发表的论文都在徘徊在1~2篇,仅有少数国家级研究专家发表10篇以上相关文章。上述问题都说明我国的景观生态环境研究还比较稚嫩,许多工作需要共同努力来逐步完善,同时也充分说明我们有更广阔的的空间来进步。

中国有着独特的景观历史与文化,从地理形态上讲,中国地理地貌的丰富性当属世界第一,但建设中由于没有国家层面的景观评估与保护措施,对国土景观资源不可逆的破坏也达到了高潮,诸如:盲目改造自然环境;盲目拆除古城古镇古村落;开发建设中,长官意识浓重,缺乏与民众沟通的有效方式,无视民众对生于斯长于斯环境的依存感;不顾景观中原有的尺度与肌理,贪大求洋,甚至

小区或新城名称都是洋名,致使丢失景观文化自信心;只注重土木建设,不顾相关水体、空气纯净等因素,忽视景观是一个整体等等。

中国特色的国土景观资源评估体系应建立在科学与艺术相结合的框架内,首先应充分分析中国独特的地理环境与景观类型以及政治、经济、文化、社会心理、审美等要素;继而学习国外先进经验,特别是借鉴欧美近年在此课题上的新研究成果,在兼具科学性与艺术性的同时,合理、可行、易操作将是中国特色的景观资源评估体系可否顺利实施的关键。

国家层面的关注与立法支持是推动景观资源评估体系成为当代可持续发展国策的主要动力之一,同时我们作为学者也应该在国家做出决策前尽可能的在这样的背景下,中国应从国家层面关注本国国土景观资源的保护与合理开发,尽快推出具有中国特色的景观资源评估体系。在中国新的城镇化开始之前,通过评估,清点中国的景观资源,在规划与建设中,不仅重视诸如矿产资源、水土农林资源,还应将景观资源也作为国土中的宝藏,悉心呵护、精心开发。

第三章村镇建设用地再开发生态化规划技术研究

改革开放30多年来,我国的快速城市化进程遭遇到逐渐刚化的土地资源约束,土地再开发已成为越来越多的省市政府不得不慎重面对的问题。由于当前我国房地产主导下的建设用地再开发存在着严重的制度缺失、利益失衡和社会不平等加剧等问题,制约了其进一步的开发实践。

2013年4月15日,国土资源部印发《开展城镇低效用地再开发试点指导意见》,确定将在十省(区、市)开展试点,希望通过对城镇中布局散乱、利用粗放、用途不合理的存量建设用地进行再开发,优化我国城镇土地利用结构,促进经济发展方式转变。在当前的用地格局下,盘活城镇低效用地的必要性毋庸置疑。一方面,城市快速扩张对耕地的占用规模居高不下,在占补平衡实施十多年后,后备资源越来越少,补充耕地的质量难以保障,成本也直线上升。另外,征地补偿标准的提高,群众维权意识的增强,这些都要求尽快转变粗放的外扩型用地方式。另一方面,随着监察力度的加大、技术的改进,地方政府违规用地的风险越来越高,也希望能找到既解决发展空间又不触碰法律高压线的良策。在这种情况下,村镇建设用地再开发成为必然的考虑,因为这部分恰好有非常大的挖掘潜力[107]。

在日趋严格的国家土地政策调控下,我国城市增量土地的供应必将趋紧,以

旧城更新和城中村改造为代表的面向存量建设用地的城市土地再开发将是地方政府当前和未来一段时间内解决土地资源紧缺问题的重要突破口。虽然我国学术界已经对城市土地再开发及其相关议题进行了较为广泛的研究,但大多仅立足于空间更新方式或引用介绍国外经验,缺乏理论拓展和对现行再开发体制、政策及运作方式的深刻反思。因此有必要在对现行土地再开发规划技术进行总结和评价的基础上,结合国外经验,探索土地再开发的未来研究重点和方向,以减少此过程中的利益失衡、社会冲突问题,维护安定和谐的发展局面。由于建设用地涵盖多种土地类型,所以建设用地再开发在实践中有着多种表现。目前主要表现为城市更新、城市更新在广东的新实践——“三旧”改造、旧城土地再利用、工矿用地再开发、褐地再开发等等。

以层次分析法确定各级因素的权重调查

以层次分析法确定各级因素的权重调查 此问卷调查的目的在于确定中华优秀传统文化融入校园文化建设的路径各影响因素之间相对权重。 下面通过4个方面评估. 1、评估“中华优秀传统文化融入校园文化建设”的相对重要性(1~3); 2、评估“中华优秀传统文化融入校园文化建设必要性”的相对重要性(4~6); 3、评估“中华优秀传统文化融入校园文化建设紧迫性”的相对重要性(7~9); 4、评估“中华优秀传统文化融入校园文化建设影响力”的相对重要性(10~11)。 1相对于“中华优秀传统文化融入校园文化建设的必要性”,“紧迫性”显得 非常不重要 很不重要

稍不重要 一般重要 稍重要 重要 很重要 非常重要 2相对于“中华优秀传统文化融入校园文化建设的必要性”,“影响力”显得 非常不重要 很不重要 不重要 稍不重要 一般重要 稍重要 重要 很重要 非常重要 3相对于“中华优秀传统文化融入校园文化建设的紧迫性”,“影响力”显得 非常不重要 很不重要 不重要 稍不重要 一般重要

重要 很重要 非常重要 4相对于“学校管理者对优秀传统文化融入校园文化建设的必要性”,“教师对其的必要性”显得 非常不重要 很不重要 不重要 稍不重要 一般重要 稍重要 重要 很重要 非常重要 5相对于“学校管理者对优秀传统文化融入校园文化建设的必要性”,“学生对其的必要性”显得 非常不重要 很不重要 不重要 稍不重要 一般重要 稍重要 重要 很重要

6相对于“教师对优秀传统文化融入校园文化建设的必要性”,“学生对其的必要性”显得 非常不重要 很不重要 不重要 稍不重要 一般重要 稍重要 重要 很重要 非常重要 7相对于“学校管理者对优秀传统文化融入校园文化建设的紧迫性”,“教师对其的紧迫性”显得 非常不重要 很不重要 不重要 稍不重要 一般重要 稍重要 重要 很重要 非常重要 8相对于“学校管理者对优秀传统文化融入校园文化建设的紧迫性”,“学生对其的紧迫性”显得

确定权重的方法及原则

?权重 ?确定权重的原则 ?权值因子判断表法 ?专家直观判定法 ?层次分析法 ?排序法 权重 权重是一个相对的概念,是针对某一指标而言。某一指标的权重是指该指标在整体评价中的相对重要程度。 权重表示在评价过程中,是被评价对象的不同侧面的重要程度的定量分配,对各评价因子在总体评价中的作用进行区别对待。事实上,没有重点的评价就不算是客观的评价,每个人员的性质和所处的层次不同,其工作的重点也肯定是不能一样的。因此,相对工作所进行的业绩考评必须对不同内容

对目标贡献的重要程度做出估计,即权重的确定。 总之,权重是要从若干评价指标中分出轻重来,一组评价指标体系相对应的权重组成了权重体系。一组权重体系{Vi|I=1,2,…n},必须满足下述两个条件: (1)0

(1)0

最简单的权重计算方法

表 1 100 名大学生对择偶指标体系重要性的评价结果 、 第一步:以 67%(2/3)为界限,若选择“重要”“非常重要”、“极为重 最简单的权重计算方法 权重:反映指标在指标体系中重要性程度的数量。 研究问题:择偶指标体系权重集计算 1.外貌(身高、体重、长相魅力) 2.性格(情绪稳定性、性格匹配性、性格魅力) 3.成就(才华、财富) 4.潜力(升值空间) 一、定量统计法 假定随机抽取 50 名男大学生,50 名女大学生,填写一份调查问卷,结果 如表 1 所示: 要”的比例合计小于 67%,则删除该指标。由表 1 知,4 个指标累计比例均大 于 67%,均应保留。 第二步:把不重要赋值 1,有点重要赋值 2,重要赋值 3,非常重要赋值 4,极为重要赋值 5,若仅选择重要及以上数据进入统计,则这三种选项的权重

分别为:3/(3+4+5)=0.25;4/(3+4+5)=0.33;5/(3+4+5)=0.42。 第三步:计算每个指标的权重。指标1的权重 =(40*0.25+30*0.33+20*0.42)/{(40*0.25+30*0.33+20*0.42) +(30*0.25+40*0.33+10*0.42)+(40*0.25+30*0.33+10*0.42) +(30*0.25+40*0.33+20*0.42)}=28.3/(28.3+24.9+24.1+29.1)=28.3/106.4=0.266 指标2权重=24.9/106.4=0.234指标3权重=24.1/106.4=0.226 指标4权重=29.1/106.4=0.274 二、专家评定法 假设请三位专家对4个指标进行评价,结果如表2所示。 表2专家评定结果表 第一步,请每位专家就4个指标的重要性打分,4个指标评分的总和为100。第二步,计算每一指标的均值,见最后一列。 第三步,计算4个指标的权重。 指标1权重30/100=0.30 指标2权重26.67/100=0.27

层次分析法矩阵权重和,根,特征值法,c语言计算

// ???óè¨??2010.cpp : ?¨ò?????ì¨ó|ó?3ìDòμ?è??úμ??£ #include "stdafx.h" //vs2010ò?é?°?±?óD′??? #include"stdio.h" #include"math.h" void sum(int N,double a[13][13]) { double sum[13]={0},pro[13]={0}; int i,j,k; for(i=0;i

} for(k=0;k

确定权重的7种方法

确定权重的7种方法 表7-1 地质环境质量评价定权方法一览表 一、专家打分法 专家打分法即是由少数专家直接根据经验并考虑反映某评价观点后定出权重,具体做法和基本步骤如下: 第一步选择评价定权值组的成员,并对他们详细说明权重的概念和顺序以及记权的方法。

第二步列表。列出对应于每个评价因子的权值范围,可用评分法表示。例如,若有五个值,那么就有五列。行列对应于权重值,按重要性排列。 第三步发给每个参予评价者一份上述表格,按下述步骤四~九反复核对、填写,直至没有成员进行变动为止。 第四步要求每个成员对每列的每种权值填上记号,得到每种因子的权值分数。 第五步要求所有的成员对作了记号的列逐项比较,看看所评的分数是否能代表他们的意见,如果发现有不妥之处,应重新划记号评分,直至满意为止。 第六步要求每个成员把每个评价因子(或变量)的重要性的评分值相加,得出总数。 第七步每个成员用第六步求得的总数去除分数,即得到每个评价因子的权重。 第八步把每个成员的表格集中起来,求得各种评价因子的平均权重,即为“组平均权重”。 第九步列出每种的平均数,并要求评价者把每组的平均数与自己在第七步得到的权值进行比较。 第十步如有人还想改变评分,就须回到第四步重复整个评分过程。如果没有异议,则到此为止,各评价因子(或变量)的权值就这样决定了。 二、调查统计法 具体作法有下面四种。 1.重要性打分法:重要性打分法是指要求所有被征询者根据自己对各评价因子的重要性的认识分别打分,其步骤如下: a.对被征询者讲清统一的要求,给定打分范围,通常1~5分或1~100分都可。 b.请被征询者按要求打分。 c.搜集所有调查表格并进行统计,给出综合后的权重。 2.列表划勾法:该方法如图7-2所示。事先给出权值,制成表格。由被调查者在认为合适的对应空格中打勾。对应每一评价因子,打勾1~2个,打2个勾表示程度范围。这样就完成一个样本的调查结果。 在样本调查的基础上,除采用一般的求个样本的均值作为综合结果外,还可采用如下方法:

层次分析法确定绩效考核指标权重

表4-2 某厂运行部年度部门级绩效考核指标 (1)由1-9比例标度法分别对每一层次的评价指标的相对重要性进行定性描述,确定两两比较判断矩阵。 一级考核指标相对于总的考核指标所得两两比较判断矩阵如下: ????? ???? ???=13/17/1315/1751321321V V V V V V V A 二级考核指标相对于其所属一级考核指标所得的两两判断矩阵分别如下所示: ????? ???? ???=13/15/1313/153113121113121111v v v v v v V B

?? ? ?? ?? ?????????=12/14/15/1213/14/14313/15431242322212423222122v v v v v v v v V B 33132331321 31/31V v v B v v ????=?????? (2)运用和积法(方根法)求解各判断矩阵,得出单一准则下各级考核指标的相对权重。 1)一级指标两两判断矩阵A 的求解 一级指标的权重向量: w =(1w ,2w ,3w )T =(0.637,0.258,0.103)T 最大特征根:3 max 1()3i i i Aw w λ==∑ =3.037 一致性检验: 3.0373 0.018531 CI -= =-,0.58RI = 则0.0320.1CR =<,说明判断矩阵A 具有满意的一致性。 2)二级评价指标的两两判断矩阵的求解: ①判断矩阵1B 求解结果如下: 1B 下二级指标的权重向量: 1w =(11w ,21w ,31w )T =(0.6548,0.2499,0.0953)T 最大特征根:3 1max 1()3i i i B w w λ==∑ =3.0182 一致性检验: 3.01823 0.009131 CI -= =-,0.58RI = 则0.0160.1CR =<,这表明判断矩阵具有非常令人满意的一致性。 ②判断矩阵B 2求解结果如下: 权重向量: 2w =(21w ,22w ,32w ,24w )T =(0.5318,0.2701,0.1221,0.0760)T 最大特征根:4 2max 1()4i i i B w w λ==∑ =4.0753 一致性检验: 4.07534 0.025141 CI -= =-,0.9RI = 则0.0280.1C R =< ,这说明判断矩阵B 2具有令人满意的一致性。 ③判断矩阵B 3求解结果如下: 权重向量:

最简单的权重计算方法

最简单的权重计算方法 权重:反映指标在指标体系中重要性程度的数量。 研究问题:择偶指标体系权重集计算 1.外貌(身高、体重、长相魅力) 2.性格(情绪稳定性、性格匹配性、性格魅力) 3.成就(才华、财富) 4.潜力(升值空间) 一、定量统计法 假定随机抽取50名男大学生,50名女大学生,填写一份调查问卷,结果如表1所示: 表1 100名大学生对择偶指标体系重要性的评价结果 第一步:以67%(2/3)为界限,若选择“重要”、“非常重要”、“极为重要”的比例合计小于67%,则删除该指标。由表1知,4个指标累计比例均大于67%,均应保留。 第二步:把不重要赋值1,有点重要赋值2,重要赋值3,非常重要赋值4,极为重要赋值5,若仅选择重要及以上数据进入统计,则这三种选项的权重分别

为:3/(3+4+5)=0.25;4/(3+4+5)=0.33;5/(3+4+5)=0.42。 第三步:计算每个指标的权重。指标1的权重=(40*0.25+30*0.33+20*0.42)/{(40*0.25+30*0.33+20*0.42)+(30*0.25+40*0.33+10*0.42)+(40*0.25+30*0.33+10*0.42)+(30*0.25+40*0.33+20*0.42)} = 28.3/(28.3+24.9+24.1+29.1)=28.3/106.4=0.266 指标2权重=24.9/106.4=0.234指标3权重=24.1/106.4=0.226指标4权重=29.1/106.4=0.274 二、专家评定法 假设请三位专家对4个指标进行评价,结果如表2所示。 表2 专家评定结果表 第一步,请每位专家就4个指标的重要性打分,4个指标评分的总和为100。第二步,计算每一指标的均值,见最后一列。 第三步,计算4个指标的权重。 指标1权重30/100=0.30 指标2权重26.67/100=0.27

确定权重的方法

确定权重的方法表7-1 地质环境质量评价定权方法一览表 序号 定权方法1 专家打分法 2 调查统计法1.重要性打分法 2.“栅栏”法 3.“网格”法 4.列表打勾 ü集合统计法T 1.频数截取法 2.聚类求均值法 3.中间截取求均 值法. 3 序列综合法1.单定权因子排序法 2.多定权因子排序法 4 公式法1.三元函数法 2.概率法 3.信息量法 4.相关系数法 5.隶属函数法 5 数理统计法1.判别分析法 2.聚类分析法 3.因子分析法 6 层次分析法 7 复杂度分析法 一、专家打分法 专家打分法即是由少数专家直接根据经验并考虑反映某评价观点后定出权重,具体做法和基本步骤如下: 第一步选择评价定权值组的成员,并对他们详细说明权重的概念和顺序以及记权的方法。 第二步列表。列出对应于每个评价因子的权值范围,可用评分法表示。例如,若有五个值,那么就有五列。行列对应于权重值,按重要性排列。 第三步发给每个参予评价者一份上述表格,按下述步骤四~九反复核对、填写,直至没有成员进行变动为止。 第四步要求每个成员对每列的每种权值填上记号,得到每种因子的权值分数。 第五步要求所有的成员对作了记号的列逐项比较,看看所评的分数是否能代表他们的意见,如果发现有不妥之处,应重新划记号评分,直至满意为止。 第六步要求每个成员把每个评价因子(或变量)的重要性的评分值相加,得出总数。

第七步每个成员用第六步求得的总数去除分数,即得到每个评价因子的权重。 第八步把每个成员的表格集中起来,求得各种评价因子的平均权重,即为“组平均权重”。 第九步列出每种的平均数,并要求评价者把每组的平均数与自己在第七步得到的权值进行比较。 第十步如有人还想改变评分,就须回到第四步重复整个评分过程。如果没有异议,则到此为止,各评价因子(或变量)的权值就这样决定了。 二、调查统计法 具体作法有下面四种。 1.重要性打分法:重要性打分法是指要求所有被征询者根据自己对各评价因子的重要性的认识分别打分,其步骤如下: a.对被征询者讲清统一的要求,给定打分范围,通常1~5分或1~100分都可。 b.请被征询者按要求打分。 c.搜集所有调查表格并进行统计,给出综合后的权重。 2.列表划勾法:该方法如图7-2所示。事先给出权值,制成表格。由被调查者在认为合适的对应空格中打勾。对应每一评价因子,打勾1~2个,打2个勾表示程度范围。这样就完成一个样本的调查结果。 在样本调查的基础上,除采用一般的求个样本的均值作为综合结果外,还可采用如下方法: 图7-2 列表划勾法示意图 备择程 因子序号 度 W 1 2 3 …m-1 m 0.2 √√√ 0.4 √√√ 0.6 √√ 0.8 √ 1.0 a.频数截取法 频数截取法的主要步骤如下: 第一步:列中值频率分布表,见表7-2。记对应第个评价因子第个样本给的权值区间数为〔〕,

权重的确定方法汇总

一、指标权重的确定 1.综述 目前关于属性权重的确定方法很多,根据计算权重时原始数据的来源不同,可以将这些方法分为三类:主观赋权法、客观赋权法、组合赋权法。 主观赋权法是根据决策者(专家)主观上对各属性的重视程度来确定属性权重的方法,其原始数据由专家根据经验主观判断而得到。常用的主观赋权法有专家调查法(Delphi法)、层次分析法(AHP )[106-108]、二项系数法、环比评分法、最小平方法等。本文选用的是利用人的经验知识的有序二元比较量化法。 主观赋权法是人们研究较早、较为成熟的方法,主观赋权法的优点是专家可以根据实际的决策问题和专家自身的知识经验合理地确定各属性权重的排序,不至于出现属性权重与属性实际重要程度相悖的情况。但决策或评价结果具有较强的主观随意性,客观性较差,同时增加了对决策分析者的负担,应用中有很大局限性。 鉴于主观赋权法的各种不足之处,人们又提出了客观赋权法,其原始数据由各属性在决策方案中的实际数据形成,其基本思想是:属性权重应当是各属性在属性集中的变异程度和对其它属性的影响程度的度量,赋权的原始信息应当直接来源于客观环境,处理信息的过程应当是深入探讨各属性间的相互联系及影响,再根据各属性的联系程度或各属性所提供的信息量大小来决定属性权重。如果某属性对所有决策方案而言均无差异(即各决策方案的该属性值相同),则该属性对方案的鉴别及排序不起作用,其权重应为0;若某属性对所有决策方案的属性值有较大差异,这样的属性对方案的鉴别及排序将起重要作用,应给予较大权重.总之,各属性权重的大小应根据该属性下各方案属性值差异的大小来确定,差异越大,则该属性的权重越大,反之则越小。 常用的客观赋权法[109-110]有:主成份分析法、熵值法[111-112]、离差及均方差法、多目标规划法等。其中熵值法用得较多,这种赋权法所使用的数据是决策矩阵,所确定的属性权重反映了属性值的离散程度。

层次分析法计算权重在matlab中的实现

信息系统分析与设计作业 层次分析法确定绩效评价权重在matlab中的实现 小组成员:孙高茹、王靖、李春梅、郭荣1 程序简要概述 编写程序一步实现评价指标特征值lam、特征向量w以及一致性比率CR的求解。 具体的操作步骤是:首先构造评价指标,用专家评定法对指标两两打分,构建比较矩阵,继而运用编写程序实现层次分析法在MATLAB中的应用。 通过编写MATLAB程序一步实现问题求解,可以简化权重计算方法与步骤,减少工作量,从而提高人力资源管理中绩效考核的科学化电算化。 2 程序在matlab中实现的具体步骤 function [w,lam,CR] = ccfx(A) %A为成对比较矩阵,返回值w为近似特征向量 % lam为近似最大特征值λmax,CR为一致性比率 n=length(A(:,1)); a=sum(A); B=A %用B代替A做计算 for j=1:n %将A的列向量归一化 B(:,j)=B(:,j)./a(j); end s=B(:,1); for j=2:n s=s+B(:,j); end c=sum(s);%计算近似最大特征值λmax w=s./c; d=A*w lam=1/n*sum((d./w)); CI=(lam-n)/(n-1);%一致性指标 RI=[0,0,0.58,0.90,1.12,1.24,1.32,1.41,1.45,1.49,1.51];%RI为随机一致

性指标 CR=CI/RI(n);%求一致性比率 if CR>0.1 disp('没有通过一致性检验'); else disp('通过一致性检验'); end end 3 案例应用 我们拟构建公司员工绩效评价分析权重,完整操作步骤如下: 3.1构建的评价指标体系 我们将影响员工绩效评定的指标因素分为:打卡、业绩、创新、态度与品德。 3.2专家打分,构建两两比较矩阵 A = 1.0000 0.5000 3.0000 4.0000 2.0000 1.0000 5.0000 3.0000 0.3333 0.2000 1.0000 2.0000 0.2500 0.3333 0.5000 1.0000 3.3在MATLAB中运用编写好的程序实现 直接在MATLAB命令窗口中输入 [w,lam,CR]=ccfx(A) 继而直接得出 d = 1.3035 2.0000 0.5145 0.3926 w = 0.3102 0.4691 0.1242 0.0966 lam =4.1687

权重的确定方法

权重的确定方法 权重是一个相对的概念,是针对某一指标而言。某一指标的权重是指该指标在整体评价中的相对重要程度。在模糊决策中,权重至关重要,他反映了各个因素在综合决策过程中所占有的地位和所起的作用,直接影响决策的结果。通常是根据经验给出权重,不可否认这在一定程度上能反映实际情况,但凭经验给出的权重有时不能客观的反映实际情况,导致评判结果“失真”。比较客观的权重的判定方法有如下几种: 1.确定权重的统计方法 1.1专家估测法 该法又分为平均型、极端型和缓和型。主要根据专家对指标的重要性打分来定权,重要性得分越高,权数越大。优点是集中了众多专家的意见,缺点是通过打分直接给出各指标权重而难以保持权重的合理性。 设因素集U={n u u u ,...,2,1},现有k 个专家各自独立的给出各个因素i u (i=1,2,...,n )的权重, ∑==k j ij i a k a 11(i=1,2,...,n ),即)1,...,1,1(1 1211∑∑∑====k j nj k j j k j j a k a k a k A 。 1.2加权统计方法 当专家人数k<30人时,可用加权统计方法计算权重。 按公式i s i i k x w a ∑==1计算(其中s 为序号数)然后可得权重A 。 1.3频数统计方法 由所有专家独立给出的各个因素的权重,得到权重分配表,对各个因素i u (i=1,2,...,n )进行但因素的权重统计实验,步骤如下: 第一步:对因素i u (i=1,2,...,n )在它的权重ij a (j=1,2,...,k)中找出最大值i M 和最小值i m , 即{}ij k j i a M ≤≤=1max ,{} ij k j i a m ≤≤=1min . 第二步;适当选取整数p,利用公式p m M i i -计算出权重分为p 组的组距,并将权重从小到大分 为p 组. 第三步:计算出落在每组内权重的频数和频率. 第四步:根据频数和频率的分布请况,取最大频率所在分组的组中值为因素i u 的权重i a (i=1,2,...,n ),从而得权重A=(n a a a ,...,,21). 1.4因子分析权重法 根据数理统计中因子分析方法,对每个指标计算共性因子的累积贡献率来定权。累积贡献率越大,说明该指标对共性因子的作用越大,所定权数也越大。 1.5信息量权数法 根据各评价指标包含的分辨信息来确定权数。采用变异系数法,变异系数越大,所赋的

权重的确定方法

权重的确定方法 ——数学建模协会A.权重简介 在统计理论和实践中,权重是表明各个评价指标(或者评价项目)重要性的权数,表示各个评价指标在总体中所起的不同作用。权重有不同的种类,各种类别的权重有着不同的数学特点和经济含义,一般有以下几种权重。 按照权重的表现形式的不同,可分为绝对数权重和相对数权重。相对数权重也称比重权数,能更加直观地反映权重在评价中的作用。 按照权重的形成方式划分,可分为人工权重和自然权重。自然权重是由于变换统计资料的表现形式和统计指标的合成方式而得到的权重,也称为客观权重。人工权重是根据研究目的和评价指标的内涵状况,主观地分析、判断来确定的反映各个指标重要程度的权数,也称为主观权重。 按照权重形成的数量特点的不同划分,可分为定性赋权和定量赋权。如果在统计综合评价时,采取定性赋权和定量赋权的方法相结合,获得的效果更好。 按照权重与待评价的各个指标之间相关程度划分,可分为独立权重和相关权重。 独立权重是指评价指标的权重与该指标数值的大小无关,在综合评价中较多地使用独立权重,以此权重建立的综合评价模型称为“定权综合”模型。 相关权重是指评价指标的权重与该指标的数值具有函数关系,例如,当某一评价的指标数值达到一定水平时,该指标的重要性相应的减弱;或者当某一评价指标的数值达到另一定水平时,该指标的重要性相应地增加。相关权重适用于评价指标的重要性随着指标取值的不同而发生变化的条件下,基于相关权重建立的综合评价模型被称为“变权模型”。比如评估环境质量多采用“变权综合”模型。 确定权重的方法较多,这里介绍统计平均法、变异系数法和层次分析法,这些也是实际工作种常用的方法。 B.确定权重的原则 一、系统优化原则 在评价指标体系中,每个指标对系统都由它的作用和贡献,对系统而言都有它的重要性。所以,在确定它们的权重时,不能只从单个指标出发,而是要处理好各评价指标之间的关系,合理分配它们的权重。应当遵循系统优化原则,把整体最优化作为出发点和追求的目标。在这个原则指导下,对评价指标体系中各项评价指标进行分析对比,权衡它们各自对整体的作用和效果,然后对它们的相对重要性做出判断。确定各自的权重,即不能平均分配,又不能片面强调某个指标、单个指标的最优化,而忽略其他方面的发展。在实际工作中,应该使每个指标发挥其应有的作用。 二、评价者的主观意图与客观情况相结合的原则 评价指标权重反映了评价者和组织对人员工作的引导意图和价值观念。当他们觉得某项指标很重要,需要突出它的作用时,就必然各该指标以较大的权数。但现实情况往往与人们的主观意愿不完全一致,比如,确定权重时要考虑这样几个问题:(1)历史的指标和现实的指标;(2)社会公认的和企业的特殊性;(3)同行业、同工种间的平衡。所以,必须同时考虑现实情况,把引导意图与现实情况结合起来。前面已经讲过,评价经营者的经营业绩应该把经济效益和社会效益同时加以考虑。 三、民主与集中相结合的原则 权重是人们对评价指标重要性的认识,是定性判断的量化,往往受个人主观因素的影响。不

指标权重的确定方法

权重的确定方法 一、权重的概念 用若干个指标进行综合评价是,其对被评价的作用,从评价目标来看并不是同等重要。在统计综合评价中,权属的大小反映了评价指标的重要程度,权数大的评价指标重要程度大,权数小的评价指标重要程度小。一般有两种表现形式:一是绝对数(频数)表示,另一种是用相对数(频率)表示。 (1)从含信息的多少来考虑。权数越大,评价指标所包含信息越多。 (2)从指标的区分能力来考虑,全数越大,说明评价指标区别被评价对象的能力越强。 二、权重的确定方法 对实际问题选定被综合的指标后,确定各指标的权的值的方法有很多种。概括起来,权重的确定方法从总体上可归为三大类:即主观赋权评价法、客观赋权评价法及组合集成赋权法。 (一)主观赋权法 所谓主观赋权法,就是指基于决策者的知识经验或偏好,通过按重要性程度对各指标(属性)进行比较、赋值和计算得出其权重的方法。对于主观赋权法的研究,目前已取得的主要成果有:层次分析法(AHP 法)、专家调研法(Delphi 法)。 1、德尔菲法 德尔菲法又称为专家法,其特点在于集中专家的知识和经验,确定各指标的权重,并在不断的反馈和修改中得到比较满意的结果。基本步骤如下: (1)选择专家。这是很重要的一步,选得好不好将直接影响到结果的准确性。一般情况下,选本专业领域中既有实际工作经验又有较深理论修养的专家10~30人左右,并需征得专家本人的同意。 (2)将待定权重的p 个指标和有关资料以及统一的确定权重的规则发给选定的各位专家,请他们独立的给出各指标的权数值。 (3)回收结果并计算各指标权数的均值和标准差。 (4)将计算的结果及补充资料返还给各位专家,要求所有的专家在新的基础上确定权数。 (5)重复第(3)和第(4)步,直至各指标权数与其均值的离差不超过预先给定的标准为止,也就是各专家的意见基本趋于一致,以此时各指标权数的均值作为该指标的权重。 此外,为了使判断更加准确,令评价者了解已确定的权数把握性大小,还可以运用“带有信任度的德尔菲法”,该方法需要在上述第(5)步每位专家最后给出权数值的同时,标出各自所给权数值的信任度。这样,如果某一指标权数的任任度较高时,就可以有较大的把握使用它,反之,只能暂时使用或设法改进。 2、层次分析法(AHP 法) 层次分析法(analytic hierarchy process, AHP)是70年代由著名运筹学家T.L.Saaty 提出的。 方法:多属性决策中,由决策者对所有评价指标进行两两比较,得判断矩阵() ij n n U u ?=, 其中ij u 为评价指标i s 与j s 比较而得的数值,取值为1至9之间的奇数,分别表示前者指标比后者指标同等重要、较重要、很重要、非常重要、绝对重要;当取值为1至9之间的偶数时,分别表示指标两两相比的重要性程度介于两个相邻奇数所表示的 重要性程度之间,且1 ij ji u u =。则:() 1 1 ()1,2,,n n j ij i W u j n ===∏ (二)、客观赋权法 客观赋权法,它是基于各方案评价指标值的客观数据的差异而确定各指标的权重的方法。目前,关于客观赋权法的主要研究成果有:基于“差异驱动”原理的赋权方法,可分为突出整体差异的“拉开档次法”和突出局部差异的“均方差法”、“嫡值法”以及“极差法”、“离差法”。 1、主成分分析法 方法:把多项评价指标综合成z 个主成分,再以这z 个主成分的贡献率为权数构造一个综合指标,并据此作出判断 特点:用:个线性无关的主成分代替原有的n 个评价指标,当这n 个评价指标的相关性较高时,这种方法能消除指标间信息的重叠;而且能根据指标所提供的信息,通过数学运算而主动赋权 2“拉开档次”法

绩效考核指标权重的计算方法

绩效考核指标权重的计算方法在企业人力资源管理中,有许多涉及到权重的设置,如素质评价、绩效考核等。在一般的情况下,管理者都知道权重的重要性,但在设定权重时却往往会依凭自己积累起来的经验以及评价因素的定位来 进行判断。事实上,这种确定权重的方式存在很强的主观性,在实践中会导致一些不必要的偏差。如何在设定权重时,既考量管理者多年来积累起来的经验判断,又科学客观地定位各评价因素,避免一些不必要的偏差,使评价结果更接近于实际情况呢?下面的几种方法,或许能给你带来一定的收获。 一、简单排序编码法 这种方法通过管理者对各项考评因素的重视程度进行排序 编码,然后确定权重的一种简单的方法,需要管理者从过去的历史数据及个人的经验对各项考评项目作出正确的排序。 比如在绩效考核过程中,某一职位有四个KPI的考评因素,分别为A,B,C,D,依企业的要求及目标设定者的经验,各项考评因素的重要性排序为B,D,C,A;然后再按照自然数顺序由大到小对其进行分配,分别为4,3,2,1。然后将权数归一化,最后结果为A: 1/(4+3+2+1)=0.1;B:4/(4+3+2+1)=0.4C:2/(4+3+2+1)=0.2;D: 3/(4+3+2+1)=0.3。 这种简单排序编码法计算权数的方法简单,但也存在主观因素,存在一定的不合理性。但至少它比管理者单纯地依据自身经验进行设定的方式要客观一些。 二、倍数环比法 倍数环比法首先将各个考评因素随机排列,然后按照顺序对

各项因素进行比较,得出各因素重要度之间的倍数关系,又称环比比率,再将环比比率进行统一转换为基准值,最后进行归一化处理,确定其最终权重。这种方法需要对考评因素有客观的判断依据,需要有客观准确的历史数据作为支撑。 以上述四个因素为例,如下表。 说明:表格第二行,0.3表示A的重要性是B的0.3倍;2表示B的重要性是C的2倍,0.55表示C的重要性是D的0.55倍;1表示D本身。第三 行,是以D为基准进行的比率归一化,因C的重要性是D的0.55倍,因此取值为0.55*1=0.55;B是C的2倍,所以取值为 0.55*2=1.1;以下类推。最终权重则以合计数为分母,各基准值为分子算出。这种倍数环比法决定权重的方法较为实用,计算也简单,由于有准确的历史数据作支撑,因此具有较高的客观科学性。 三、优序对比法 倍数环比法虽然较为实用,但事实上,许多企业的历史数据常常不能反映因素之间的客观关系,而且也有些因素不能用量化的形式进行计算。如何评定它们之间的重要程度呢?优序对比法通过各项因素两两比较,充分考虑各项因素之间的互相联系,从而确定其权重。 首先需要构建判断尺度,一般情况下,重要程度判断尺度可用1,2,3,4,5五级表示,数字越大,表明重要性越大。当两个目标对比时,如果一个目标性为5,则另一目标重要性为0;如果一个目标为3,则另一个目标为2。 仍以上述四个因素为例,进行说明。 说明:合计列是将该行与其他因素两两比较得出的值进行加总,最终权数则是以各行合计数除以总合计得出。

浅析运用层次分析法确定指标权重

浅析运用层次分析法确定指标权重 我们有很多事情要做,但我们只有那么点资源,我该怎么办?我们先来看两个例子:问题一:某企业准备推出一种新产品,而目前市场上已有几个类似的产品在销售。对该企业来说,要想在已有的市场上赢得一席之地就必须提供更具市场竞争力的新产品,可是究竟什么样的产品才是消费者青睐的呢?产品设计及研发部门比较苦恼: (1)对于这类产品,消费者更注重的是价格?包装?功能?品牌?还是…… (2)如果包装更加重要,他们更加关注的是外包装形状?颜色?大小?还是内部材质?如果功能更加重要,那是防水性?延伸性?自动化程度?还是准确性? 问题二:售后服务的好坏已经逐渐成为车主选车、购车时考虑的一大关键要素,而对于汽车制造商来说,提供良好的汽车保养维修售后服务便成为了当前厂商间竞争的另一焦点。而作为汽车售后服务体现的关键部门——4S店的服务流程与质量的好坏,将直接影响到消费者对该厂商的评价。那么,在售后服务的整个流程当中,哪些服务内容是车主更加关注呢?在有限的资源内,重点加强哪方面的服务会更容易赢得车主们的信赖呢? 实际上,一个企业经常会遇到以上说到的关于产品及服务提供优先顺序考虑的问题,这些问题看起来确实很烦琐,一堆需要考虑的因素放在那里,千头万绪,有时候甚至让人摸不着头脑,不知道该从何下手。而事实上,运用市场研究的方法,这些问题解决起来似乎就不像想象中那么棘手了,问题的关键就在于从消费者需求出发合理地判断出用来表征产品及服务各项属性的重要性。而重要性的判断,从市场研究的角度上分析,就是对各属性(即指标)在整个体系中进行权重的判定。 就一个产品或一项服务来说,我们可以用很多不同的指标从不同方面去评价,那么,在众多的评价指标当中,哪些方面在消费者看来更加重要,需要我们重点关注和提高?哪些不太重要,可以在对重要指标进行重点提升以后再逐步改进?哪些根本不重要,甚至可以忽略不计?这些都是企业在产品及服务提供过程中需要特别关注或了解的问题,只要清楚地界定了这些问题,就能有的放矢地进行针对性改进或提升,从而更好地服务于客户,同时最大程度地节省企业资源及投入。从市场研究统计分析方法的角度来看,有多种方法可以用来确定指标的权重,如直接评价法、相关分析法、回归分析法、专家测评法以及层次分析法等。而在众多的方法当中,层次分析法(AHP法)是目前市场调查中运用较多的、对于结果分析更为有效的一种方法。本文以帮助企业解决上述“问题二”为例,对此方法进行初步的介绍。 层次分析法(Analytic Hierarchy Process,简称AHP)是对一些较为复杂、较为模糊的问题作出决策的简易方法,它特别适用于那些难于完全定量分析的问题。它是美国运筹学家T.L.Saaty教授于70年代初期提出的一种简便、灵活而又实用的多准则决策方法。 运用层次分析法建模,大体上可按下面四个步骤进行: (1)建立递阶层次结构模型; (2)构造出各层次中的所有判断矩阵; (3)层次单排序及一致性检验; (4)层次总排序及一致性检验。 例如,针对“问题二”运用层次分析法必须先建立一个层次结构模型。假设4S店提供的服务包括预约、接待、保养维修、汽车交付、回访五大环节,每个环节当中各项具体的服务细项内容。根据此服务体系,所建立的层次结构模型如下所示:

权重的确定方法

权重的确定方法 综合评价指标体系内部各元素间存在质和量的联系。由指标体系的结构模型(如层次模型),我们已经确定了指标体系质的方面的联系,那么权重则反映各系统各元素之间量的方面联系纽带,它对于系统综合评价具有重要的意义。无论是在模糊综合评价,还是层次分析、灰色系统评价无一例外的用到了评价指标的权重. 权重的概念 韦氏大词典中对权重(Weight)的解释为:“在所考虑的群体或系列中,赋予某一项目的相对值”;“在某一频率分布中,某一项目的频率”;“表示某一项目相对重要性所赋予的一个数”.从中我们可以得出两点结论: (1)权重是表示因素重要性的相对数值。 (2)权重是通过概率统计得出的频率分布中的频率。 由此可以看出权重具有随机性与模糊性,它是一个模糊随机量。在综合评价中权重可以定义为元素对于整体贡献的相对重要程度,即元素能够反映总体的程度. 权重的确定方法 对实际问题选定被综合的指标后,确定各指标的权的值的方法有很多种.有些方法是利用专家或个人的知识和经验,所以有时称为主观赋权法.但这些专家的判断本身也是从长期实际中来的,不是随意设想的,应该说有客观的基础;有些方法是从指标的统计性质来考虑,它是由调查所得的数据决定,不需征求专家们的意见,所以有时称为客观赋权法。在这些方法中,德尔菲(Delphi)方法是被经常被采用的,其它方法就相对来说用得不多,这里列举几个在下面,以供比较。 1. 德尔菲法 德尔菲法又称为专家法,其特点在于集中专家的知识和经验,确定各指标的权重,并在不断的反馈和修改中得到比较满意的结果。基本步骤如下:(1)选择专家。这是很重要的一步,选得好不好将直接影响到结果的准确性。一般情况下,选本专业领域中既有实际工作经验又有较深理论修养的专家10~30人左右,并需征得专家本人的同意。 (2)将待定权重的p个指标和有关资料以及统一的确定权重的规则发给选定的各位专家,请他们独立的给出各指标的权数值。 (3)回收结果并计算各指标权数的均值和标准差. (4)将计算的结果及补充资料返还给各位专家,要求所有的专家在新的基础上确定权数。 (5)重复第(3)和第(4)步,直至各指标权数与其均值的离差不超过预先给定的标准为止,也就是各专家的意见基本趋于一致,以此时各指标权数的均值作为该指标的权重。

权重确定方法

? ? ? ? ? ? 权重 权重是一个相对的概念,是针对某一指标而言。某一指标的权重是指该指标在整体评价中的相对重要程度。 权重表示在评价过程中,是被评价对象的不同侧面的重要程度的定量分配,对各评价因子在总体评价中的作用进行区别对待。事实上,没有重点的评价就不算是客观的评价,每个人员的性质和所处的层次不同,其工作的重点也肯定是不能一样的。因此,相对工作所进行的业绩考评必须对不同内容对目标贡献的重要程度做出估计,即权重的确定。 总之,权重是要从若干评价指标中分出轻重来,一组评价指标体系相对应的权重组成了权重体系。一组权重体系{Vi|I=1,2,…n},必须满足下述两个条件: (1)0

确定权重的原则 一、系统优化原则 在评价指标体系中,每个指标对系统都由它的作用和贡献,对系统而言都有它的重要性。所以,在确定它们的权重时,不能只从单个指标出发,而是要处理好各评价指标之间的关系,合理分配它们的权重。应当遵循系统优化原则,把整体最优化作为出发点和追求的目标。 在这个原则指导下,对评价指标体系中各项评价指标进行分析对比,权衡它们各自对整体的作用和效果,然后对它们的相对重要性做出判断。确定各自的权重,即不能平均分配,又不能片面强调某个指标、单个指标的最优化,而忽略其他方面的发展。在实际工作中,应该使每个指标发挥其应有的作用。 二、评价者的主观意图与客观情况相结合的原则 评价指标权重反映了评价者和组织对人员工作的引导意图和价值观念。当他们觉得某项指标很重要,需要突出它的作用时,就必然各该指标以较大的权数。但现实情况往往与人们的主观意愿不完全一致,比如,确定权重时要考虑这样几个问题:(1)历史的指标和现实的指标;(2)社会公认的和企业的特殊性;(3)同行业、同工种间的平衡。所以,必须同时考虑现实情况,把引导意图与现实情况结合起来。前面已经讲过,评价经营者的经营业绩应该把经济效益和社会效益同时加以考虑。 三、民主与集中相结合的原则 权重是人们对评价指标重要性的认识,是定性判断的量化,往往受个人主观因素的影响。不同的人对同一件事情都有各自的看法,而且经常是不相同的,其中有合理的成分;也有受个人价值观、能力和态度造成的偏见。这就需要实行群体决策的原则,集中相关人员的意见互相补充,形成统一的方案。这个过程有下列好处: 1、考虑问题比较全面,使权重分配比较合理,防止个别人认识和处理问题的片面性。 2、比较客观的协调了评价各方之间意见不统一的矛盾,经过讨论、协商、考察各种具体情况而确定的方案,具有很强的说服力,预先消除了许多不必要的纠纷。 3、这是一种参与管理的方式,在方案讨论的过程中,各方都提出了自己的意见,而且对评价目的和系统目标都有进一步的体会和了解,在日常工作中,可以更好的按原定的目标进行工作。 权值因子判断表法 1、组成评价的专家组。包括人事部门的人员、评价专家以及相关的其他人员。根据不同的评价对象和目的,专家构成可以不同。 2、制订评价指标因子判断表。见下表:

相关主题
相关文档 最新文档