灰色关联分析法

灰色关联度分析法为了适应瞬息万变的市场需求, 企业不断调整自己的核心能力, 在产品的开发设计中更重视供应商的作用。

作为供应链合作关系运行的基础, 供应商的评价选择是一个至关重要的问题, 供应商的业绩对企业的影响越来越大,影响着企业的生存与发展。

因此, 进行科学全面的供应商评价就显得十分必要。

（1）确定比较对象产品质量、技术水平、供应能力、经济效益、市场影响度指标属于效益型指标；产品价格、地理位置、售后服务指标属于成本型指标。

i 指五个待选供应商编号，,5,,1 =i j 指八个指标8,,1j =，ij a 是第i 个供应商第j 个指标变量为了使每个属性变换后的最优值为1 且最差值为0，对数据进行标准0－1变换利润型指标标准化公式)/()(min maxmin j j j ij ij a a a a b --=成本型指标标准化公式)/()(min max max j j ij j ij a a a a b --=数据结果见下表。

（2）计算灰色关联系数)()(max max )()()()(max max )()(min min )(0000t x t x k x k x t x t x t x t x k s tsi s ts s ts -+--+-=ρρξ为比较数列对参考数列在第个指标上的关联系数，其中为]1,0[∈ρ分辨系数。

称式中)()(min min 0t x t x s ts-、)()(max max 0t x t x s ts-分别为两级最小差及两级最大差。

一般来讲，分辨系数ρ越大，分辨率越大；ρ越小，分辨率越小。

在这里ρ取0.5。

（3）计算灰色加权关联度 灰色加权关联度的计算公式为∑==nk i i k w r 1)(ξ这里i r 为第i 个评价对象对理想对象的灰色加权关联度。

关联系数和关联度值（4）评价分析根据灰色加权关联度的大小，对各评价对象进行排序，可建立评价对象的关联序，关联度越大其评价结果越好。

灰色关联分析灰色关联分析(Grey Relational Analysis, GRA)什么是灰色关联分析灰色关联分析是指对一个系统发展变化态势的定量描述和比较的方法，其基本思想是通过确定参考数据列和若干个比较数据列的几何形状相似程度来判断其联系是否紧密，它反映了曲线间的关联程度[1]。

灰色系统理论是由著名学者邓聚龙教授首创的一种系统科学理论(Grey Theory)，其中的灰色关联分析是根据各因素变化曲线几何形状的相似程度，来判断因素之间关联程度的方法。

此方法通过对动态过程发展态势的量化分析，完成对系统内时间序列有关统计数据几何关系的比较，求出参考数列与各比较数列之间的灰色关联度。

与参考数列关联度越大的比较数列，其发展方向和速率与参考数列越接近，与参考数列的关系越紧密。

灰色关联分析方法要求样本容量可以少到4个，对数据无规律同样适用，不会出现量化结果与定性分析结果不符的情况。

其基本思想是将评价指标原始观测数进行无量纲化处理，计算关联系数、关联度以及根据关联度的大小对待评指标进行排序。

灰色关联度的应用涉及社会科学和自然科学的各个领域，尤其在社会经济领域，如国民经济各部门投资收益、区域经济优势分析、产业结构调整等方面，都取得较好的应用效果。

[2]关联度有绝对关联度和相对关联度之分，绝对关联度采用初始点零化法进行初值化处理，当分析的因素差异较大时，由于变量间的量纲不一致，往往影响分析，难以得出合理的结果。

而相对关联度用相对量进行分析，计算结果仅与序列相对于初始点的变化速率有关，与各观测数据大小无关，这在一定程度上弥补了绝对关联度的缺陷。

[2]灰色关联分析的步骤[2]灰色关联分析的具体计算步骤如下：第一步：确定分析数列。

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。

反映系统行为特征的数据序列，称为参考数列。

影响系统行为的因素组成的数据序列，称比较数列。

设参考数列（又称母序列）为Y={Y(k) | k = 1,2,Λ,n}；比较数列（又称子序列）X i={X i(k)| k = 1,2,Λ,n},i = 1,2,Λ,m。

灰色关联分析1、作用对于两个系统之间的因素，其随时间或不同对象而变化的关联性大小的量度，称为关联度。

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，灰色关联分析是指对一个系统发展变化态势的定量描述和比较的方法，其基本思想是通过确定参考数据列和若干个比较数据列的几何形状相似程度来判断其联系是否紧密，它反映了曲线间的关联程度。

2、输入输出描述输入:特征序列为至少两项或以上的定量变量，母序列（关联对象）为 1 项定量变量。

输出:反应考核指标与母序列的关联程度。

3、案例示例案例:分析 09-18 年内，影院数量，观影人数，票价、电影上线数量这些因素对全年电影票房的影响。

其中电影票房是母序列，影院数量，观影人数，票价、电影上线数量是特征序列。

4、案例数据灰色关联分析案例数据5、案例操作Step1：新建分析；Step2：上传数据；Step3：选择对应数据打开后进行预览，确认无误后点击开始分析；step4：选择【灰色关联分析】；step5：查看对应的数据数据格式，【灰色关联分析】要求特征序列为定量变量，且至少有一项；要求母序列为定量变量，且只有一项。

step6：设置量纲处理方式（包括初值化、均值化、无处理）、分辨系数（ρ越小，分辨力越大，一般ρ的取值区间为 ( 0 ，1 )，具体取值可视情况而定。

当ρ≤ 0.5463 时，分辨力最好，通常取ρ = 0.5 ）step7：点击【开始分析】，完成全部操作。

6、输出结果分析输出结果 1：灰色关联系数图表说明:关联系数代表着该子序列与母序列对应维度上的关联程度值（数字越大，代表关联性越强）。

输出结果 2：关联系数图分析：输出结果 1 和输出结果 2 是一样的，输出结果 1 用了表格形式来呈现关联系数，输出结果 2 用了图表形式来呈现关联系数。

图表很直观地展现了，大多数年份的银幕数量和电影上线数量对票房影响更大。

灰色关联分析法是一种用于比较多个因素之间关联程度的分析方法，其基本思想是通过比较各因素之间的相似程度来评估它们之间的关联程度。

在两因素三水平的情境下，可以使用灰色关联分析法来比较三个水平之间的关联程度。

具体步骤如下：1.确定参考序列和比较序列。

参考序列是用于比较的基准序列，通常选择一个固定值或者已知的最佳水平作为参考序列。

比较序列是待比较的各个因素在不同水平下的观测值序列。

2.数据预处理。

对参考序列和比较序列进行数据预处理，包括数据清洗、缺失值处理、异常值处理等。

3.计算灰色关联度。

根据灰色关联分析法的原理，计算参考序列与各个比较序列之间的灰色关联度。

灰色关联度的计算公式为：(\gamma(x_0, x_i) = \frac{\min_i |x_0(k) - x_i(k)| + \rho \max_i |x_0(k) -x_i(k)|}{|x_0(k) - x_i(k)| + \rho \max_i |x_0(k) - x_i(k)|})其中，(x_0(k))表示参考序列在时刻k的值，(x_i(k))表示第i个比较序列在时刻k 的值，(\min_i |x_0(k) - x_i(k)|)和(\max_i |x_0(k) - x_i(k)|)分别表示第k时刻所有比较序列与参考序列的差的绝对值的最小值和最大值，(\rho)是一个分辨系数，通常取0.5。

4. 判断关联程度。

根据计算出的灰色关联度，判断各个比较序列与参考序列的关联程度。

灰色关联度越接近于1，表示关联程度越高。

通过以上步骤，可以得出各个水平之间的关联程度，从而为决策提供依据。

需要注意的是，灰色关联分析法只是一种定性的分析方法，其结果具有一定的主观性，因此在具体应用时需要根据实际情况进行合理的解释和判断。

灰色关联分析法原理及解题步骤---------------研究两个因素或两个系统的关联度(即两因素变化大小,方向与速度的相对性)关联程度——曲线间几何形状的差别程度灰色关联分析是通过灰色关联度来分析和确定系统因素间的影响程度或因素对系统主行为的贡献测度的一种方法。

灰色关联分析的基本思想是根据序列曲线几何形状的相似程度来判断其联系是否紧密1> 曲线越接近,相应序列之间的关联度就越大,反之就越小 2> 灰色关联度越大，两因素变化态势越一致分析法优点它对样本量的多少和样本有无规律都同样适用,而且计算量小,十分方便,更不会出现量化结果与定性分析结果不符的情况。

灰色系统关联分析的具体计算步骤如下 1》参考数列和比较数列的确定参考数列——反映系统行为特征的数据序列比较数列——影响系统行为的因素组成的数据序列2》无量纲化处理参考数列和比较数列(1) 初值化——矩阵中的每个数均除以第一个数得到的新矩阵(2) 均值化——矩阵中的每个数均除以用矩阵所有元素的平均值得到的新矩阵(3) 区间相对值化3》求参考数列与比较数列的灰色关联系数ξ(Xi) 参考数列X0比较数列X1、X2、X3……………比较数列相对于参考数列在曲线各点的关联系数ξ(i)称为关联系数，其中ρ称为分辨系数，ρ?(0，1)，常取0.5.实数第二级最小差，记为Δmin。

两级最大差，记为Δmax。

为各比较数列Xi曲线上的每一个点与参考数列X0曲线上的每一个点的绝对差值。

记为Δoi(k)。

所以关联系数ξ(Xi)也可简化如下列公式:4》求关联度ri关联系数——比较数列与参考数列在各个时刻(即曲线中的各点)的关联程度值，所以它的数不止一个，而信息过于分散不便于进行整体性比较。

因此有必要将各个时刻(即曲线中的各点)的关联系数集中为一个值，即求其平均值，作为比较数列与参考数列间关联程度的数量表示，关联度ri公式如下:5》排关联序因素间的关联程度，主要是用关联度的大小次序描述，而不仅是关联度的大小。

灰⾊关联分析
灰⾊关联分析法
对于有m个评价对象，n个评价指标的问题，⽤灰⾊关联分析来选择，可以针对⼤量的不确定因素以及相互关系，⽤定性和定量有机结合的⽅式，使原本复杂的决策问题变得更加清晰简单，⽽且计算⽅便，主要是排除了决策者的主观任意性，得出的结论很客观，有⼀定的参考价值。

主要步骤
1. 确定评价对象和评价标准。

（以⼀个评价对象为例）
评价对象为x={x(k)|k=1,2,3,...,n}，评价标准为x0={x(k)|k=1,2,3,...,n}
k是指该评价对象的第k个评价指标
2. 确定各个评价指标的权重
主要是为了最后对求出的各个指标的灰⾊关联系数进⾏总和，若⽆权重也可以直接求平均值
3. 计算灰⾊关联系数
将每⼀个评价对象的评价指标都与评价标准相减并求绝对值，即
令c=|x(k)−x0(k)|
那么我们可以得到⼀个新的矩阵C
取C中的每⼀列中的最⼩值在每⼀⾏中的最⼩值，即两级最⼩差
a=min i min j c ij
再取每⼀列中的最⼤值在每⼀⾏中的最⼤指，即两级最⼤差
b=max i max j c ij
灰⾊关联系数为
ξi(j)=a+ρb c ij+ρb
式中，ρ⼀般取0.5，ρ属于0到1.
4. 计算灰⾊加权关联度
就是计算每⼀个评价对象的灰⾊关联度的加权和
r i=
n
∑
j=1w i∗ξi(j)
灰⾊关联度越⼤则效果越好Processing math: 100%。

灰色关联分析方法灰色关联分析方法（Grey Relational Analysis，GRA）是一种多指标决策方法，它用于研究因素之间的关联程度。

与传统的关联分析方法相比，灰色关联分析方法具有较强的适用性和灵活性。

它可以用于分析多个指标之间的关联程度，对于复杂决策问题具有较强的应用能力。

灰色关联分析方法的基本思想是将系统的各个指标转化为灰色数列，再利用灰色关联度来评估指标之间的关联程度。

该方法可以对多个指标进行综合评价，找出各个指标之间的关联程度，并根据关联程度来进行排序和决策。

灰色关联分析方法的具体步骤如下：1. 数据预处理：将原始数据进行标准化处理，以确保各指标在同一数量级上进行比较。

2. 构建灰色数列：将标准化后的数据转化为灰色数列，通过建立灰色微分方程来描述数据序列的发展趋势。

3. 确定关联度测度：根据灰色数列的特点，选择适当的关联度测度方法来计算指标之间的关联程度。

4. 计算关联度：根据所选择的关联度测度方法，计算每个指标与其他指标之间的关联度。

5. 排序和决策：根据计算得到的关联度值进行排序，并作出相应的决策。

灰色关联分析方法的优点有以下几个方面：1. 适用性广泛：灰色关联分析方法适用于各种类型的指标数据，包括定量指标和定性指标。

2. 考虑了指标之间的时序关系：灰色关联分析方法考虑了指标数据的时序性，能够更好地反映指标之间的演变趋势。

3. 简单易行：灰色关联分析方法不需要过多的统计方法和复杂的计算过程，容易被理解和操作。

4. 提供了多指标综合评价的能力：灰色关联分析方法可以将多个指标之间的关联程度综合考虑，对于决策问题的综合评价有着较好的效果。

然而，灰色关联分析方法也存在一些限制和局限性：1. 灵敏度不高：由于灰色关联分析方法只考虑了指标之间的线性关联程度，对于非线性关系的刻画较为困难，灵敏度较低。

2. 依赖于初始数据：灰色关联分析方法对初始数据的选取较为敏感，不同的初始数据可能导致不同的关联度结果。