層次分析法(AHP)

基本思想：

是定性與定量相結(jié)合的多準(zhǔn)則決策、評(píng)價(jià)方法,。將決策的有關(guān)元素分解成目標(biāo)層,、準(zhǔn)則層和方案層，并通過(guò)人們的判斷對(duì)決策方案的優(yōu)劣進(jìn)行排序,，在此基礎(chǔ)上進(jìn)行定性和定量分析,。它把人的思維過(guò)程層次化、數(shù)量化,，并用數(shù)學(xué)為分析,、決策、評(píng)價(jià),、預(yù)報(bào)和控制提供定量的依據(jù),。

基本步驟：

構(gòu)建層次結(jié)構(gòu)模型；構(gòu)建成對(duì)比較矩陣,；層次單排序及一致性檢驗(yàn)（即判斷主觀構(gòu)建的成對(duì)比較矩陣在整體上是否有較好的一致性）,；層次總排序及一致性檢驗(yàn)（檢驗(yàn)層次之間的一致性）。

優(yōu)點(diǎn)：

它完全依靠主觀評(píng)價(jià)做出方案的優(yōu)劣排序,，所需數(shù)據(jù)量少，決策花費(fèi)的時(shí)間很短,。從整體上看,，AHP在復(fù)雜決策過(guò)程中引入定量分析,，并充分利用決策者在兩兩比較中給出的偏好信息進(jìn)行分析與決策支持，既有效地吸收了定性分析的結(jié)果,，又發(fā)揮了定量分析的優(yōu)勢(shì),，從而使決策過(guò)程具有很強(qiáng)的條理性和科學(xué)性，特別適合在社會(huì)經(jīng)濟(jì)系統(tǒng)的決策分析中使用,。

缺點(diǎn)：

用AHP進(jìn)行決策主觀成分很大,。當(dāng)決策者的判斷過(guò)多地受其主觀偏好影響，而產(chǎn)生某種對(duì)客觀規(guī)律的歪曲時(shí),，AHP的結(jié)果顯然就靠不住了,。

適用范圍：

尤其適合于人的定性判斷起重要作用的、對(duì)決策結(jié)果難于直接準(zhǔn)確計(jì)量的場(chǎng)合,。要使AHP的決策結(jié)論盡可能符合客觀規(guī)律,，決策者必須對(duì)所面臨的問(wèn)題有比較深入和全面的認(rèn)識(shí)。另外,，當(dāng)遇到因素眾多,，規(guī)模較大的評(píng)價(jià)問(wèn)題時(shí)，該模型容易出現(xiàn)問(wèn)題,，它要求評(píng)價(jià)者對(duì)問(wèn)題的本質(zhì),、包含的要素及其相互之間的邏輯關(guān)系能掌握得十分透徹，否則評(píng)價(jià)結(jié)果就不可靠和準(zhǔn)確,。

改進(jìn)方法：

(1)成對(duì)比較矩陣可以采用德?tīng)柗品ǐ@得,。

(2)如果評(píng)價(jià)指標(biāo)個(gè)數(shù)過(guò)多（一般超過(guò)9個(gè)），利用層次分析法所得到的權(quán)重就有一定的偏差,，繼而組合評(píng)價(jià)模型的結(jié)果就不再可靠,。可以根據(jù)評(píng)價(jià)對(duì)象的實(shí)際情況和特點(diǎn),，利用一定的方法,，將各原始指標(biāo)分層和歸類(lèi)，使得每層各類(lèi)中的指標(biāo)數(shù)少于9個(gè),。

灰色綜合評(píng)價(jià)法（灰色關(guān)聯(lián)度分析）

基本思想：

灰色關(guān)聯(lián)分析的實(shí)質(zhì)就是,，可利用各方案與最優(yōu)方案之間關(guān)聯(lián)度大小對(duì)評(píng)價(jià)象進(jìn)行比較、排序,。關(guān)聯(lián)度越大,，說(shuō)明比較序列與參考序列變化的態(tài)勢(shì)越一致，反之,，變化態(tài)勢(shì)則相悖,。由此可得出評(píng)價(jià)結(jié)果。

基本步驟：

建立原始指標(biāo)矩陣,；確定最優(yōu)指標(biāo)序列,；進(jìn)行指標(biāo)標(biāo)準(zhǔn)化或無(wú)量綱化處理,；求差序列、最大差和最小差,；計(jì)算關(guān)聯(lián)系數(shù),；計(jì)算關(guān)聯(lián)度。

優(yōu)點(diǎn)：

是一種評(píng)價(jià)具有大量未知信息的系統(tǒng)的有效模型,，是定性分析和定量分析相結(jié)合的綜合評(píng)價(jià)模型,，該模型可以較好地解決評(píng)價(jià)指標(biāo)難以準(zhǔn)確量化和統(tǒng)計(jì)的問(wèn)題，可以排除人為因素帶來(lái)的影響,，使評(píng)價(jià)結(jié)果更加客觀準(zhǔn)確,。整個(gè)計(jì)算過(guò)程簡(jiǎn)單，通俗易懂,，易于為人們所掌握;數(shù)據(jù)不必進(jìn)行歸一化處理,，可用原始數(shù)據(jù)進(jìn)行直接計(jì)算，可靠性強(qiáng),；評(píng)價(jià)指標(biāo)體系可以根據(jù)具體情況增減,；無(wú)需大量樣本，只要有代表性的少量樣本即可,。

缺點(diǎn)：

要求樣本數(shù)據(jù)且具有時(shí)間序列特性,；只是對(duì)評(píng)判對(duì)象的優(yōu)劣做出鑒別，并不反映絕對(duì)水平,，故基于灰色關(guān)聯(lián)分析綜合評(píng)價(jià)具有“相對(duì)評(píng)價(jià)”的全部缺點(diǎn),。

適用范圍：

對(duì)樣本量沒(méi)有嚴(yán)格要求，不要求服從任何分布,，適合只有少量觀測(cè)數(shù)據(jù)的問(wèn)題,；應(yīng)用該種方法進(jìn)行評(píng)價(jià)時(shí)，指標(biāo)體系及權(quán)重分配是一個(gè)關(guān)鍵的題,，選擇的恰當(dāng)與否直接影響最終評(píng)價(jià)結(jié)果,。

改進(jìn)方法：

(1)采用組合賦權(quán)法：根據(jù)客觀賦權(quán)法和主觀賦權(quán)法綜合而得權(quán)系數(shù)。

(2)結(jié)合TOPSIS法：不僅關(guān)注序列與正理想序列的關(guān)聯(lián)度,，而且關(guān)注序列與負(fù)理想序列的關(guān)聯(lián)度,，依據(jù)公式計(jì)算最后的關(guān)聯(lián)度。

 模糊綜合評(píng)價(jià)法

基本思想：是以模糊數(shù)學(xué)為基礎(chǔ),，應(yīng)用模糊關(guān)系合成的原理,，將一些邊界不清、不易定量的因素定量化,，從多個(gè)因素對(duì)被評(píng)價(jià)事物隸屬等級(jí)（或稱(chēng)為評(píng)語(yǔ)集）狀況進(jìn)行綜合性評(píng)價(jià)的一種方法,。綜合評(píng)判對(duì)評(píng)判對(duì)象的全體，根據(jù)所給的條件，給每個(gè)對(duì)象賦予一個(gè)非負(fù)實(shí)數(shù)評(píng)判指標(biāo),，再據(jù)此排序擇優(yōu),。

基本步驟：確定因素集,、評(píng)語(yǔ)集,；構(gòu)造模糊關(guān)系矩陣；確定指標(biāo)權(quán)重,；進(jìn)行模糊合成和做出評(píng)價(jià),。

優(yōu)點(diǎn)：

:數(shù)學(xué)模型簡(jiǎn)單，容易掌握,，對(duì)多因素,、多層次的復(fù)雜問(wèn)題評(píng)判效果較好。模糊評(píng)價(jià)模型不僅可對(duì)評(píng)價(jià)對(duì)象按綜合分值的大小進(jìn)行評(píng)價(jià)和排序,，而且還可根據(jù)模糊評(píng)價(jià)集上的值按最大隸屬度原則去評(píng)定對(duì)象所屬的等級(jí),，結(jié)果包含的信息量豐富。評(píng)判逐對(duì)進(jìn)行,，對(duì)被評(píng)對(duì)象有唯一的評(píng)價(jià)值,，不受被評(píng)價(jià)對(duì)象所處對(duì)象集合的影響。接近于東方人的思維習(xí)慣和描述方法,，因此它更適用于對(duì)社會(huì)經(jīng)濟(jì)系統(tǒng)問(wèn)題進(jìn)行評(píng)價(jià),。

缺點(diǎn)：

并不能解決評(píng)價(jià)指標(biāo)間相關(guān)造成的評(píng)價(jià)信息重復(fù)問(wèn)題，隸屬函數(shù)的確定還沒(méi)有系統(tǒng)的方法,，而且合成的算法也有待進(jìn)一步探討,。其評(píng)價(jià)過(guò)程大量運(yùn)用了人的主觀判斷，由于各因素權(quán)重的確定帶有一定的主觀性,，因此,，總的來(lái)說(shuō)，模糊綜合評(píng)判是一種基于主觀信息的綜合評(píng)價(jià)方法,。

應(yīng)用范圍：

廣泛地應(yīng)用于經(jīng)濟(jì)管理等領(lǐng)域,。綜合評(píng)價(jià)結(jié)果的可靠性和準(zhǔn)確性依賴(lài)于合理選取因素、因素的權(quán)重分配和綜合評(píng)價(jià)的合成算子等,。

改進(jìn)方法：

(1)采用組合賦權(quán)法：根據(jù)客觀賦權(quán)法和主觀賦權(quán)法綜合而得權(quán)系數(shù),。

 BP神經(jīng)網(wǎng)絡(luò)綜合評(píng)價(jià)法

基本思想：

是一種交互式的評(píng)價(jià)方法，它可以根據(jù)用戶(hù)期望的輸出不斷修改指標(biāo)的權(quán)值,，直到用戶(hù)滿(mǎn)意為止,。因此，一般來(lái)說(shuō),，人工神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)方法得到的結(jié)果會(huì)更符合實(shí)際情況,。

優(yōu)點(diǎn)：

神經(jīng)網(wǎng)絡(luò)具有自適應(yīng)能力，能對(duì)多指標(biāo)綜合評(píng)價(jià)問(wèn)題給出一個(gè)客觀評(píng)價(jià)，這對(duì)于弱化權(quán)重確定中的人為因素是十分有益的,。在以前的評(píng)價(jià)方法中,，傳統(tǒng)的權(quán)重設(shè)計(jì)帶有很大的模糊性，同時(shí)權(quán)重確定中人為因素影響也很大,。隨著時(shí)間,、空間的推移，各指標(biāo)對(duì)其對(duì)應(yīng)題的影響程度也可能發(fā)生變化,，確定的初始權(quán)重不一定符合實(shí)際情況,。再者，考慮到整個(gè)分析評(píng)價(jià)是一個(gè)復(fù)雜的非線性大系統(tǒng),，必須建立權(quán)重的學(xué)習(xí)機(jī)制,，這些方面正是人工神經(jīng)網(wǎng)絡(luò)的優(yōu)勢(shì)所在。針對(duì)綜合評(píng)價(jià)建模過(guò)程中變量選取方法的局限性,，采用神經(jīng)網(wǎng)絡(luò)原理可對(duì)變量進(jìn)行貢獻(xiàn)分析,，進(jìn)而剔除影響不顯著和不重要的因素，以建立簡(jiǎn)化模型,，可以避免主觀因素對(duì)變量選取的干擾,。

缺點(diǎn)：

ANN在應(yīng)用中遇到的最大問(wèn)題是不能提供解析表達(dá)式，權(quán)值不能解釋為一種回歸系數(shù),，也不能用來(lái)分析因果關(guān)系,，目前還不能從理論上或從實(shí)際出發(fā)來(lái)解釋ANN的權(quán)值的意義。需要大量的訓(xùn)練樣本,，精度不高,，應(yīng)用范圍是有限的。最大的應(yīng)用障礙是評(píng)價(jià)算法的復(fù)雜性,，人們只能借助計(jì)算機(jī)進(jìn)行處理,，而這方面的商品化軟件還不夠成熟。

適用范圍：

神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型具有自適應(yīng)能力,、可容錯(cuò)性,，能夠處理非線性、非局域性的大型復(fù)雜系統(tǒng),。在對(duì)學(xué)習(xí)樣本訓(xùn)練中,，無(wú)需考慮輸入因子之間的權(quán)系數(shù)，ANN通過(guò)輸入值與期望值之間的誤差比較,，沿原連接權(quán)自動(dòng)地進(jìn)行調(diào)節(jié)和適應(yīng),，因此該方法體現(xiàn)了因子之間的相互作用。

改進(jìn)方法：

(1)采用組合評(píng)價(jià)法：對(duì)用其它評(píng)價(jià)方法得出的結(jié)果,，選取一部分作為訓(xùn)練樣本,，一部分作為待測(cè)樣本進(jìn)行檢驗(yàn),，如此對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，知道滿(mǎn)足要求為止,，可得到更好的效果,。

數(shù)據(jù)包絡(luò)法(DEA)

通過(guò)明確地考慮多種投入（即資源）的運(yùn)用和多種產(chǎn)出（即服務(wù)）的產(chǎn)生，它能夠用來(lái)比較提供相似服務(wù)的多個(gè)服務(wù)單位之間的效率,，這項(xiàng)技術(shù)被稱(chēng)為數(shù)據(jù)包絡(luò)線分析（DEA）,。它避開(kāi)了計(jì)算每項(xiàng)服務(wù)的標(biāo)準(zhǔn)成本，因?yàn)樗梢园讯喾N投入和多種產(chǎn)出轉(zhuǎn)化為效率比率的分子和分母,，而不需要轉(zhuǎn)換成相同的貨幣單位,。因此,，用DEA衡量效率可以清晰地說(shuō)明投入和產(chǎn)出的組合,，從而，它比一套經(jīng)營(yíng)比率或利潤(rùn)指標(biāo)更具有綜合性并且更值得信賴(lài),。

DEA是一個(gè)線形規(guī)劃模型,，表示為產(chǎn)出對(duì)投入的比率。通過(guò)對(duì)一個(gè)特定單位的效率和一組提供相同服務(wù)的類(lèi)似單位的績(jī)效的比較,，它試圖使服務(wù)單位的效率最大化,。在這個(gè)過(guò)程中，獲得100%效率的一些單位被稱(chēng)為相對(duì)有效率單位,，而另外的效率評(píng)分低于100%的單位本稱(chēng)為無(wú)效率單位,。

這樣，企業(yè)管理者就能運(yùn)用DEA來(lái)比較一組服務(wù)單位,，識(shí)別相對(duì)無(wú)效率單位,，衡量無(wú)效率的嚴(yán)重性，并通過(guò)對(duì)無(wú)效率和有效率單位的比較,，發(fā)現(xiàn)降低無(wú)效率的方法,。

DEA線形規(guī)劃模型建立如下：

1) 定義變量

設(shè)Ek（k=1，2,，……,， K）為第k個(gè)單位的效率比率，這里K代表評(píng)估單位的總數(shù),。

設(shè)uj（j=1,，2，……,， M）為第j種產(chǎn)出的系數(shù),，這里M代表所考慮的產(chǎn)出種類(lèi)的總數(shù)。變量uj用來(lái)衡量產(chǎn)出價(jià)值降低一個(gè)單位所帶來(lái)的相對(duì)的效率下降,。

設(shè)vI（I=1,，2,，……，N）為第I種投入的系數(shù),，這里N代表所考慮的投入種類(lèi)的綜合素,。變量vI用來(lái)衡量投入價(jià)值降低一個(gè)單位帶來(lái)的相對(duì)的效率下降。

設(shè)Ojk為一定時(shí)期內(nèi)由第k個(gè)服務(wù)單位所創(chuàng)造的第j種產(chǎn)出的觀察到的單位的數(shù)量,。

設(shè)Iik為一定時(shí)期內(nèi)由第k個(gè)服務(wù)單位所使用的第i種投入的實(shí)際的單位的數(shù)量,。

2) 目標(biāo)函數(shù)

目標(biāo)是找出一組伴隨每種產(chǎn)出的系數(shù)u和一組伴隨每種投入的系數(shù)ν，從而給被評(píng)估的服務(wù)單位最高的可能效率,。

（*）

式中,，e是被評(píng)估單位的代碼。 這個(gè)函數(shù)滿(mǎn)足這樣一個(gè)約束條件,，當(dāng)同一組投入和產(chǎn)出的系數(shù)（uj和vi）用于所有其他對(duì)比服務(wù)單位時(shí),，沒(méi)有一個(gè)服務(wù)單位將超過(guò)100%的效率或超過(guò)1.0的比率。

3) 約束條件

（**）

k=1,2,……,K

式中所有系數(shù)值都是正的且非零,。

為了用標(biāo)準(zhǔn)線性規(guī)劃軟件求解這個(gè)有分?jǐn)?shù)的線性規(guī)劃,，需要進(jìn)行變形。要注意,，目標(biāo)函數(shù)和所有約束條件都是比率而不是線性函數(shù),。通過(guò)把所評(píng)估單位的投入人為地調(diào)整為總和1.0，這樣等式（*）的目標(biāo)函數(shù)可以重新表述為：

滿(mǎn)足以下約束條件：

對(duì)于個(gè)服務(wù)單位,，等式（**）的約束條件可類(lèi)似轉(zhuǎn)化為：

k=1,2,…,K

式中 uj≥0 j=1,，2，…,，M vi≥0 i=1,，2，…,，N

關(guān)于服務(wù)單位的樣本數(shù)量問(wèn)題是由在分析種比較所挑選的投入和產(chǎn)出變量的數(shù)量所決定的,。下列關(guān)系式把分析中所使用的服務(wù)單位數(shù)量K和所考慮的投入種類(lèi)數(shù)N與產(chǎn)出種類(lèi)數(shù)M聯(lián)系出來(lái)，它是基于實(shí)證發(fā)現(xiàn)和DEA實(shí)踐的經(jīng)驗(yàn)：

組合評(píng)價(jià)法

首先闡述問(wèn)題,，包括識(shí)別突出的屬性以及規(guī)定這些屬性的水平,。用這些屬性的水平構(gòu)造組合，以突出刺激因素,，供被調(diào)查者作評(píng)價(jià),。被調(diào)查者利用適當(dāng)?shù)牧勘斫o這些組合形式評(píng)分或排序，然后對(duì)這些數(shù)據(jù)進(jìn)行分析,。最后解釋分析的結(jié)果并評(píng)價(jià)其信度和效度,。

（1）確認(rèn)問(wèn)題的屬性和水平

研究者必須首先識(shí)別并確定構(gòu)造該研究問(wèn)題的重要刺激因素，即所謂屬性,。該屬性應(yīng)該是影響消費(fèi)者喜好的突出屬性,，例如,，在選擇汽車(chē)品牌時(shí)，價(jià)格,、排量,、油耗、車(chē)內(nèi)空間等等比較敏感,。從經(jīng)濟(jì)管理的角度說(shuō),，屬性和屬性的水平應(yīng)該都是可操作的。你必須用精力所能控制的屬性來(lái)定義,、識(shí)別和確定屬性,，典型的組合分析一般可以涉及6-7個(gè)屬性（也可以叫做變量）。

確定了突出的屬性之后就是選擇水平,。為減輕被調(diào)查者的負(fù)擔(dān),，同時(shí)又使參數(shù)估計(jì)保證一定的精度，需要認(rèn)真考慮屬性水平的個(gè)數(shù),。

（2）構(gòu)成組合形式

屬性及水平用于構(gòu)成組合形式,，以突出激勵(lì)因素。構(gòu)成組合形式的方法主要有配對(duì)法和全輪廓法,。

配對(duì)法也叫雙因子評(píng)價(jià)，一般采用循環(huán)設(shè)計(jì)來(lái)減少配比比較的個(gè)數(shù),。

全輪廓法也叫多因子評(píng)價(jià),，常常借助由于正交表進(jìn)行設(shè)計(jì)。

（3）決定輸入數(shù)據(jù)的形式

輸入數(shù)據(jù)主要有兩種形式：排序或評(píng)分,。排序法是要對(duì)刺激因素集合中的所有屬性水平作相對(duì)的評(píng)價(jià),，要求對(duì)每個(gè)組合給出一個(gè)不同的等級(jí)（秩）。評(píng)分法是要對(duì)每一個(gè)組合獨(dú)立地進(jìn)行評(píng)價(jià),。有人認(rèn)為評(píng)分法更加便于被調(diào)查者作評(píng)價(jià),，所得的數(shù)據(jù)也比排序法更易于分析。近年來(lái)評(píng)分法用得更為普遍,。

（4）選擇組合分析的具體方法

基本的組合分析模型可以用下面的公式表示：

m ki

U（X）=∑ ∑aij xi

j=i j=i

其中,，U（X）代表方案的總效用等

aij代表第i個(gè)屬性（i,i=1,2,……m）的第j個(gè)水平的分值貢獻(xiàn)或者效用。

ki代表屬性的水平個(gè)數(shù)

m代表屬性個(gè)數(shù)

xij=l 如果第i個(gè)屬性的第j個(gè)水平出現(xiàn)

xij=0 其他

屬性的重要性定義為該屬性水平的最大分值與最小分值之差：

Li={max(aij)-min(aij)}

對(duì)每個(gè)i屬性的重要性是經(jīng)標(biāo)準(zhǔn)化的數(shù)字處理,。經(jīng)此表示其對(duì)別的屬性的重要性,。

（5）解釋結(jié)果

為了更直觀地解釋結(jié)果，一般借助于分值（效用）函數(shù)的圖形,，將每個(gè)屬性的分值函數(shù)作圖,。

（6) 評(píng)估信度和效度

評(píng)價(jià)組合分析結(jié)果的信度和效度，有多種方法,，常用的有：

1.評(píng)價(jià)估計(jì)模型的擬合優(yōu)度,；

2.用檢驗(yàn)-再檢驗(yàn)法來(lái)評(píng)價(jià)信度,；

3.用估計(jì)出來(lái)的分值函數(shù)作為評(píng)價(jià)的預(yù)測(cè)值，計(jì)算該預(yù)測(cè)值與被調(diào)查的實(shí)際評(píng)估值之間的相關(guān),，用以確定內(nèi)部效度,；

4.如果數(shù)據(jù)是按集合進(jìn)行分析的，那么可以將樣本分別分割成幾個(gè)部分,，再對(duì)每個(gè)子樣本實(shí)施組合分析,。比較這些子樣本的結(jié)果就可以評(píng)價(jià)組合分析的解的穩(wěn)定性。

優(yōu)點(diǎn)

組合分析的主要優(yōu)點(diǎn)就是為新產(chǎn)品或各種市場(chǎng)營(yíng)銷(xiāo)方案提供決策的參考信息,。