灰色关联分析法原理及解题步骤教学提纲

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是一种常用于研究和预测多个影响因素之间关联程度的方法。

该分析方法可以通过对各个因素的数值进行比较，得出它们之间的关联强度，从而为决策提供依据。

下面将详细介绍灰色关联分析的原理、应用以及优势。

灰色关联分析的原理基于灰色系统理论，该理论是中国科学家陈纳德于1982年提出的一种对部分已知和部分未知信息进行分析的数学方法。

灰色关联分析将各个影响因素的数据进行标准化处理，然后计算各个因素之间的关联度。

通过对关联度进行排序，即可得出影响因素之间的关联程度大小。

灰色关联分析在各个领域都有广泛的应用，比如经济学、管理学、环境科学等。

在经济学领域，可以使用灰色关联分析来研究不同经济指标之间的关联程度，从而预测未来的经济趋势。

在管理学中，可以利用灰色关联分析来研究不同管理指标之间的关联程度，进而指导管理决策。

在环境科学领域，可以运用灰色关联分析来分析各个环境因素对生态系统的影响程度，以及控制污染等。

灰色关联分析相对于其他分析方法有一些独特的优势。

首先，它不要求数据分布满足正态分布等数学假设，可以对数据进行较好的处理。

其次，灰色关联分析可以处理样本量较小的情况，对于样本量不足的数据分析也有较好的适用性。

此外，由于灰色关联分析能够捕捉到数据之间的内在联系，因此对于某些非线性关系的分析，其结果可能更加准确。

然而，灰色关联分析也存在一些限制和不足之处。

首先，该分析方法依赖于数据的稳定性，对于非稳态的数据可能会导致分析结果不准确。

其次，灰色关联分析无法处理存在时间滞后效应的数据。

此外，该方法对数据的标准化要求较高，如果数据质量较差或者存在异常值，也会影响分析结果。

综上所述，灰色关联分析是一种研究和预测多个影响因素之间关联程度的有效方法。

它的原理基于灰色系统理论，可以在各个领域中广泛应用。

灰色关联分析相对于其他分析方法有一些独特的优势，但也存在一定限制。

在实际应用中，我们应该结合具体情况，合理选择分析方法，并充分考虑其适用性和局限性，以提高分析和决策的准确性。

灰色关联度分析讲解第五章灰色关联度分析目录壹、何谓灰色关联度分析------------------------- 5-2 贰、灰色联度分析实例详说与练习 ----------------- 5-8第五章灰色关联度分析壹、何谓灰色关联度分析一.关联度分析灰色系统分析方法针对不同问题性质有几种不同做法，灰色关联度分析(Grey Relational Analysis)是其中的一种。

基本上灰色关联度分析是依据各因素数列曲线形状的接近程度做发展态势的分析。

灰色系统理论提出了对各子系统进行灰色关联度分析的概念，意图透过一定的方法，去寻求系统中各子系统(或因素)之间的数值关系。

简言之，灰色关联度分析的意义是指在系统发展过程中，如果两个因素变化的态势是一致的，即同步变化程度较高，则可以认为两者关联较大；反之，则两者关联度较小。

因此，灰色关联度分析对于一个系统发展变化态势提供了量化的度量，非常适合动态(Dynamic)的历程分析。

灰色关联度可分成「局部性灰色关联度」与「整体性灰色关联度」两类。

主要的差别在于「局部性灰色关联度」有一参考序列，而「整体性灰色关联度」是任一序列均可为参考序列。

二.直观分析依据因素数列绘制曲线图，由曲线图直接观察因素列间的接近程度及数值关系，表一某老师给学生的评分表数据数据为例，绘制曲线图如图一所示，由曲线图大约可直接观察出该老师给分总成绩主要与考试成绩关联度较高。

表一某一老师给学生的评分表单位：分/ %由曲线图直观分析，是可大略分析因素数列关联度，可看出考试成绩与总成绩曲线形状较接近，故较具关联度，但若能以量化分析予以左证，将使分析结果更具有说服力。

三.量化分析量化分析四步曲：1.标准化(无量纲化)：以参照数列(取最大数的数列)为基准点，将各数据标准化成介于0至1之间的数据最佳。

2.应公式需要值，产生对应差数列表，内容包括：与参考数列值差(绝对值)、最大差、最小差、ζ（Zeta）为分辨系数，0＜ζ＜1，可设ζ = 0.5(采取数字最终务必使关联系数计算：ξi（k）小于1为原则，至于分辨系数之设定值对关联度并没影响，请参考p14例) 3. 关联系数ξi （k ）计算：应用公式 maxoi(k)maxmin )(?+??+?=ζζξk i 计算比较数列X i 上各点k 与参考数列X 0 参照点的关联系数，最后求各系数的平均值即是X i 与X 0 的关联度r i 。

一、灰色关联分析法的建模过程
灰色关联分析法的基本思想是根据各比较数列集构成的曲线族与参考数列构成的曲线之间的几何相似程度来确定比较数列集与参考数列之间的关联度，比较数列构成的曲线与参考数列构成的曲线的儿何形状越相似，其关联度越大。

参考数据列应该是一个理想的比较标准，可以以各指标的最优值（或最劣
值）构成参考数据列，也可根据评价目的选择其它参照值。

例如，在某多属性综合评价问题中，可将各属性的最优值组成一个参考数列，各个评价方案（对象）构成比较数列集，若关联度越大，该方案（对象）越优，反之越劣。

利用灰色关联分析进行综合评价的步骤如下。

1、根据评价目的确定评价指标体系，收集评价数据，确定原始评价矩阵及参考数列。

2、对指标数据进行标准化处理，并记标准化处理后的数据序列为：
对于不同的指标类型（如正向型、逆向型、最优值为给定区间的指标，等等），应采取不同的标准化处理策略。

常用的几种标准化处理的方法见y.html，这里不赘述。

3、对标准化处理的数据序列，逐个计算每个被评价对象指标序列（比较序列）与参考数列对应元素的绝对差值，即：
4、确定
与。

5、计算每个比较序列与参考数列对应元素的关联系数：。

灰色关联分析算法步骤 Revised by BLUE on the afternoon of December 12,2020.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。

是由着名学者教授首创的一种系统科学理论(GreyTheory)，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，如各部门投资收益、区域经济优势分析、等方面，都取得较好的应用效果。

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。

灰色关联分析的步骤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。

灰色关联度分析灰色关联度分析是一种常用的多指标决策方法，它可以用于相关性较强但不易被直接比较的指标之间的关联度分析。

该方法最早由中国工程师陶行知在20世纪50年代提出，并在实践中得到广泛应用。

灰色关联度分析的基本思想是将研究对象的各个指标进行数值标准化处理，以消除量纲和单位的差异。

然后，根据数据序列中的变化趋势，寻找出存在的关联规律。

通过计算不同指标之间的关联度，可以确定其相关性的强弱程度。

具体而言，灰色关联度分析的步骤如下：首先，将各个指标的原始数据进行正态化处理，将其限制在0-1之间。

然后，根据数据的发展趋势，构建关联数列，并计算相邻数据之间的差值。

接下来，通过计算累加生成序列的绝对值来确定各个指标的权重。

最后，根据权重值计算出不同指标之间的关联度。

灰色关联度分析的优点是能够充分考虑不同指标之间的相关程度，避免了单指标评价所带来的不足之处。

它对于数据规模较小、数据质量较差的情况下仍能有效分析，并且可以通过调整权重值来考虑不同指标的重要性。

此外，灰色关联度分析方法简单易行，不需要大量数据和复杂的运算，适用范围广泛。

然而，灰色关联度分析也存在一些限制和不足之处。

首先，该方法对于数据的处理比较敏感，一旦数据质量较差或者变化趋势不明显，分析结果可能受到较大影响。

其次，该方法不能直接评估指标的具体表现，只能提供关联度的大小，对于指标的具体意义和解释需要结合实际情况进行判断。

此外，灰色关联度分析所得到的关联度结果不能作为因果关系的证据，只能作为参考依据。

综上所述，灰色关联度分析是一种常用的多指标决策方法，通过对指标间关联度的计算，帮助决策者进行综合评价。

虽然该方法存在一些局限性，但在实际应用中却有着广泛的应用前景。

随着大数据时代的到来，灰色关联度分析方法也得到了进一步的发展和完善，为决策提供更准确、科学的依据。

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。

28. 灰色(huīsè)关联分析一、灰色系统理论(lǐlùn)简介若系统的内部信息是完全已知的，称为白色(báisè)系统；若系统的内部信息是一无所知（一团漆黑），只能从它同外部的联系来观测研究，这种系统便是黑色系统；灰色系统介于二者之间，灰色系统的一部分信息是已知的，一部分是未知的。

灰色系统(xìtǒng)理论以“部分信息已知、部分信息未知”的“小样本(yàngběn)”、“贫信息”不确定型系统为研究对象，其特点是：（1）认为不确定量是灰数，用灰色数学来处理不确定量，使之量化，灰色系统理论只需要很少量的数据序列；（2）观测到的数据序列看作随时间变化的灰色量或灰色过程，通过鉴别系统因素之间发展趋势的相似或相异程度，即进行关联度分析；（3）通过累加生成和累减生成逐步使灰色量白化，从而建立相应于微分方程解的模型，从而预测事物未来的发展趋势和未来状态。

二、灰色关联度分析1. 要定量地研究两个事物间的关联程度，可以用相关系数和相似系数等，但这需要足够多的样本数或者要求数据服从一定概率分布。

在客观世界中，有许多因素之间的关系是灰色的，分不清哪些因素之间关系密切，哪些不密切，这样就难以找到主要矛盾和主要特性。

灰因素关联分析，目的是定量地表征诸因素之间的关联程度，从而揭示灰色系统的主要特性。

关联分析是灰色系统分析和预测的基础。

关联分析源于几何直观，实质上是一种曲线间几何形状的分析比较，即几何形状越接近，则发展变化趋势越接近，关联程度越大。

如下图所示：xt曲线A与B比较平行，则认为A与B的关联程度大；曲线C与A随时间变化的方向很不一致，则认为A与C的关联程度较小；曲线A与D相差最大，则认为两者的关联程度最小。

2. 关联度分析是分析系统中各因素关联程度的方法步骤：(1) 计算(jì suàn)关联系数设参考(cānkǎo)序列为比较(bǐjiào)序列为比较(bǐjiào)序列X i对参考(cānkǎo)序列X0在k时刻的关联系数定义为：其中，和分别称为两级最小差、两级最大差，称为分辨系数，越大分辨率越大，一般采用对单位不一，初值不同的序列，在计算关联系数之前应首先进行初值化，即将该序列的所有数据分别除以第一数据，将变量化为无单位的相对数值。