网络分析法
社会网络分析法
社会网络分析法社会网络分析法是一种研究社会结构和人际关系的方法论，它主要关注个体之间的互动、信息传递、资源共享等社会关系。
通过对社会网络的分析，可以揭示出个体之间的联系模式、信息流动路径和结构特征，为研究社会组织、社会影响和社会动态提供重要依据。
社会网络分析的基本原理社会网络分析的基本原理是基于图论的概念和方法，将社会系统中的个体和它们之间的关系抽象为图结构。
在这种抽象下，个体即节点，关系即边，通过分析节点之间的联系强度、关系密度、群体结构等指标，揭示整个社会网络的特征和演化规律。
社会网络分析方法通常包括以下几个步骤：1.确定研究对象：首先确定研究的社会网络对象，可以是社会团体、组织机构、个人、甚至概念之间的关系网。
2.构建网络图：根据研究对象之间的关系数据，构建相应的网络图，节点表示个体，边表示关系，通过图的可视化展示来呈现社会网络结构。
3.分析网络特征：通过计算节点度、中心性、群聚系数等指标，揭示网络的核心节点、群组结构、信息传播路径等重要特征。
4.探索网络演化规律：借助社会网络分析方法，可以研究网络的演化过程，探讨节点之间关系的形成与变化规律。
社会网络分析的应用领域社会网络分析方法在许多领域都有广泛应用，特别是在社会学、管理学、信息科学等领域。
具体来说，社会网络分析可以应用于以下几个方面：社会关系研究通过社会网络分析，可以揭示社会系统内部的人际关系网，帮助研究者了解个体之间的互动模式、社会影响力以及信息传播路径，有助于深入了解社会结构和社会动态。
组织管理与决策在组织管理领域，可以利用社会网络分析方法研究组织内部的信息流动、决策路径、领导力结构等，为组织管理者提供决策支持和优化管理方式。
社交网络挖掘社交网络是当今互联网时代的重要组成部分，社会网络分析方法可以应用于社交网络的挖掘和分析，发现用户之间的关系、信息传播规律，为推荐系统、信息传播研究等提供重要数据支持。
社会影响评估通过社会网络分析方法，可以评估社会政策、项目或活动对社会结构和人际关系的影响，为政策制定与评估提供科学依据。
haoxm网络层次分析法(ANP)
❖ 层次分析法（AHP）是美国著名运筹学家、匹兹堡 大学的T. L. Saaty教授于20世纪70年代提出的一种评
价方法。在解决问题时能对定性分析进行定量转换 。
服务业发展环 境
资源和基础设 施
经济条件 市场条件
要素条件
社会服务
土
旅
交
邮
供
供
环
经
经
市
市
资
引
城
地
游
通
电
电
水
保
济
济
场
场
W ( j2) in
Wi1(
jn
j
)
Win(
jn
j
)
这样最终可获得各元素比较的超矩阵W:
网络层次分析法（ANP）
网络层次分析法（ANP）
构造加权超矩阵
各元素组分别以Cj（j＝1,2,…,Ｎ）为准则进行重要性
比较。
… …
Cj
C1 … CN
C1 j=1，…，N
CN
由此得加权矩阵A
a11
A
aN1
中每一元素的影响和被影响关系进行两两比较分析。
评分标度 : 若因素i与j比较得a，则因素j与i比较得
1 1/a.
表示两个元素相比，具有同样的重要性
3
表示两个元素相比，一个元素比另一个元素稍微重要
5
表示两个元素相比，一个元素比另一个元素明显重要
7
表示两个元素相比，一个元素比另一个元素强烈重要
9
表示两个元素相比，一个元素比另一个元素极端重要
图 4 A-B判断矩阵的一致性检验结果
输入的B1-C判断矩阵如图5所示，图6为该判断矩阵的一致性检验结果。以此类推， 我们可以分别得到B2-C.B3-C.B4-C和B5-C的判断矩阵及其一致性检验结果 （这里将图示省略），并最终计算出权重向量并得出层次总排序的一致性检验结果如图 7所示。
社交网络分析的研究方法
社交网络分析的研究方法社交网络分析是一个关注人际互动、群体行为及其演化的跨学科研究领域，目前在社会学、心理学、计算机科学等领域都有广泛的应用。
社交网络分析的方法论主要包括：调查问卷法、实验法、模型仿真法、大数据分析法等。
本文将从这四个方面展开，阐述社交网络分析的研究方法。
一、调查问卷法调查问卷法是最常见也是最直接的社交网络分析方法。
它通过收集个体和组织的人际关系数据，构建原始网络，从而获得一些描述和度量网络特性的基础数据。
调查问卷法通常使用标准化问题或自由提问问题进行采集。
采用标准化问题可以使得研究中变量的可度量性得到保证，而自由提问问题可以在探索性研究中提供全面的数据资源。
社交网络调查问卷的项设计包括：节点特征项、联系项以及其他属性项。
其中节点特征项包括个体的属性如性别、年龄、职业等；联系项则包括用于描述个体之间关系的数据点，如联系类型、频率、强度等；其他属性项则包括网络的时间、空间信息。
这些设计的项选择应突出研究目的，同时也需要注意问卷的有效性和可信度。
调查问卷法适用于收集中小型社交网络数据，获取具体的人际关系结构和个体特征。
根据研究目标设计标准化问题是简化分析过程的关键，同时还要注意人口学数据的选择与收集，以避免数据偏差。
二、实验法实验法通过有意识地引入人为实验条件来模拟社交网络的行为。
其目的是理解人际互动和网络演化的机制，探究社会现象的成因和结果。
社交网络实验法包括自然实验和受控实验。
自然实验是在真实世界环境下进行的，这种情况下研究寻求自然数据，可为研究者提供丰富的实证模型。
而受控实验是在模拟环境下进行的，它的优势是控制变量和条件。
实验法适用于研究社交网络的机理和规律，可以提高结论的内部有效性。
三、模型仿真法模型仿真法是社交网络分析中的一种重要方法，它是建立在现实世界情况有限的情况下，通过计算机仿真来探讨网络演化的规律和机制。
模型仿真法主要有两种，即基于代理的仿真和基于智能体的仿真。
代理是指在计算机程序中代表特定实体进行分析的元素，通过代理的分析，研究人员可以探究不同的行为和策略变量等对网络结构的影响。
网络数据分析的3种方法
网络数据分析的3种方法随着互联网技术的不断发展，网络数据分析成为了当代企业经营不可或缺的一部分。
通过对互联网上各个领域的数据进行深入的挖掘和分析，企业可以更好地掌握市场趋势和消费者行为，以更精细化的方式进行运营管理，提高产品和服务的市场竞争力。
本文将介绍网络数据分析的3种方法，希望对您有所帮助。
一、监测分析法监测分析法是一种通过对网站、社交媒体、论坛、微博和移动应用等各种渠道的评论、留言、转发、点赞等信息进行定量和定性分析的方法。
它可以反映消费者对企业品牌、产品和服务的态度和需求，对企业制定营销策略和优化产品设计提供重要参考。
监测分析法一般可以分为以下三个步骤：1.选择分析工具。
市面上有很多网络数据分析工具，如百度指数、好搜指数、微指数、新加坡数字营销公司Pulsar的社交情报平台等。
企业可以根据自己的需求选择适合自己的分析工具。
2.数据采集。
数据采集是监测分析的第一步，它的数据来源应当充分、客观、真实，选取的数据应该具有代表性，以保证分析的可靠性与精确性。
3.数据分析。
通过对数据的清洗、过滤、排序和统计，分析师可以挖掘大量隐含在数据背后的信息和规律，制定有效的营销策略和产品方案。
例如，配合百度指数等工具，分析消费者搜索行为、关注度以及用户画像，从而了解产品的市场需求以及客户的心理需求，根据分析结果调整营销策略，提高业绩。
二、模型预测法模型预测是基于大量的历史数据和学术理论构建预测模型，根据模型将未来相关变量进行预测或决策的方法。
随着预测模型的逐渐成熟和工具的不断完善，模型预测法的使用逐渐在企业内部得到了普及。
其优点在于可以有效地解决不确定性、复杂性以及难以测量的因素等诸多问题，提高决策的准确性、可靠性和有效性。
模型预测主要有以下三个步骤：1.确定预测指标。
企业需要明确自己所需要预测的因素，如未来市场需求、竞争对手策略等，再根据这些因素选择适合的预测模型。
2.建立预测模型。
根据选取的预测要素与统计学原理，建立预测模型，并对模型参数进行逐步测试和优化。
学术研究中的社会网络分析方法
学术研究中的社会网络分析方法一、引言社会网络分析是一种广泛应用的定量研究方法，它能够从个体之间的交互中揭示出复杂的网络结构和关系。
在社会科学、人类学、医学等领域，社会网络分析已经成为了理解群体行为、人际关系、组织结构等方面的重要工具。
本文将介绍社会网络分析的基本概念、方法和应用，帮助读者了解这一领域的最新进展和未来趋势。
二、基本概念社会网络是指一组行动者（个体、群体、组织等）以及它们之间的关系所构成的网络。
这个网络可以被看作是一个图结构，其中行动者是节点（nodes），而关系则是边（edges）。
社会网络分析就是对这种网络结构及其内部关系进行量化研究的方法。
行动者可以是任何具有相似特征或共同目标的个体或群体，而关系则可以是任何形式的互动或联系，如合作、竞争、信息传播、权力分配等。
社会网络分析的目标是理解网络的结构和关系如何影响个体的行为、决策、互动模式，以及整个网络系统的动态变化。
三、方法1.构建网络结构：社会网络分析通常需要收集相关的数据，如问卷调查、访谈、观察记录等。
这些数据可以用来构建网络结构，即行动者的关系图。
常用的数据收集方法包括问卷调查、访谈法、观察法、内容分析法等。
2.测量关系强度：社会网络分析需要对行动者之间的关系进行量化测量。
这可以通过计算中心性指标（如度数中心性、接近中心性、中介性等）、凝聚子群指标（如核心-边缘结构、领导者-追随者结构等）以及分类分析（如角色分类、互动分类等）来实现。
3.分析网络动态：社会网络的动态变化是社会网络分析的一个重要方面。
可以通过时间序列分析、马尔可夫链蒙特卡罗模拟等方法来研究网络结构的演变过程和影响因素。
4.模型构建：社会网络分析还可以通过构建理论模型来解释和预测网络结构和关系的形成机制。
常用的模型包括结构方程模型、复杂网络模型等。
四、应用社会网络分析在许多领域都有广泛的应用，包括但不限于：1.社会学：社会网络分析可以帮助社会学家理解群体行为、人际关系和组织结构。
社会网络分析法2篇
社会网络分析法2篇第一篇：社会网络分析法介绍社会网络分析法，简称SNA，是一种用于分析社会网络结构和关系的研究方法。
它将个体和组织及其之间的关系看作网络，通过对网络的拓扑结构、关系强度和网络特性等方面的分析，揭示了个体和组织间的信息传递、话语权、影响力、集体行动等方面的状态和机理。
SNA开发于20世纪六七十年代，随着社会网络的快速发展和互联网技术的进步，SNA得到了广泛的应用和发展。
其研究领域已经扩展到社会学、心理学、管理学、计算机科学、统计学、政治学等多个学科领域。
社会网络分析法的基本思想是，社会网络是由节点（个体或组织）、连线（节点之间的联系）以及节点和连线的属性共同构成的。
SNA通过分析这些元素之间的相互关系，得出节点和连线在网络中的中心性、连通性、聚合度、弱化度、平衡度、嵌入度等特征，从而揭示社会网络内部的社会结构和动态。
SNA的研究方法主要包括：网络数据收集、网络结构分析、社会网络测量、网络演化分析、社会网络模型建立等。
其中，网络结构分析是SNA的核心内容，它通过度中心性、接近中心性、媒介中心性等指标，揭示节点在网络中的重要程度和影响力，提供了最基本的社会网络数据。
社会网络分析法的应用涉及多个领域。
在企业管理中，SNA可以用于帮助企业领导者了解公司内部的组织结构和员工之间的关系，改善组织运作，提高业绩。
在医疗健康领域，SNA可以用于了解医护人员、患者和家庭之间的关系，辅助医疗决策和治疗方案的制定。
在社会学领域，SNA可以用于了解个体和群体之间的联系与交互，探究社交关系的影响和机制。
需要注意的是，SNA在涉及隐私和伦理等问题时，需要先征得相关方的同意和保密，以确保研究合法合规。
总之，社会网络分析法是一种多领域交叉的研究方法，它的基本原理和研究方法具有普适性和跨学科性。
随着大数据时代的到来，SNA的应用将会更加广泛，对社会网络、群体行为和人类交互等方面的研究都将做出重要贡献。
第二篇：社会网络分析法在企业管理中的应用社会网络分析法（SNA）在企业管理中的应用受到越来越多的关注。
社会网络分析法的实施步骤
社会网络分析法的实施步骤1. 引言社会网络分析法（Social Network Analysis，SNA）是一种基于社会网络理论的研究方法，用于分析和可视化社会关系网络。
社会网络分析法在人际关系、组织结构、信息传播等领域中具有广泛的应用，可以帮助研究者深入了解人际社会关系的形成和演化规律，以及网络中的权力、影响力等重要概念。
本文将介绍社会网络分析法的实施步骤，以帮助读者理解和运用该方法。
2. 数据采集社会网络分析法的第一步是收集相关的社会网络数据。
数据的采集可以通过多种途径进行，如问卷调查、观察记录、网络爬虫等。
根据研究目的和资源情况，选择合适的数据采集方法，并确保数据的准确性和完整性。
3. 数据清洗与整理采集到的数据可能存在一些噪音和冗余信息，需要进行数据清洗和整理。
数据清洗包括去除错误数据、填补缺失数据、处理异常值等操作，以确保数据的质量。
数据整理则包括将采集到的数据按照统一的格式进行整理和存储，便于后续的统计分析和可视化。
4. 社会网络图构建社会网络分析的核心是构建社会网络图。
社会网络图由节点和边组成，节点代表个体或组织，边代表它们之间的社会联系。
根据数据的特点和研究问题，选择合适的网络构建算法，生成符合研究需要的社会网络图。
5. 基本网络指标计算构建社会网络图后，可以计算一系列的基本网络指标，以揭示网络的结构和特征。
常见的基本网络指标包括节点的度中心性（Degree Centrality）、介数中心性（Betweenness Centrality）、接近中心性（Closeness Centrality）等。
这些指标可以帮助研究者了解网络中的重要节点和关键路径，从而深入研究网络的功能和影响力。
6. 社区发现社区发现是社会网络分析的重要任务之一，旨在识别网络中具有相似性质或关系的节点子集。
通过社区发现，可以揭示网络中的重要子群体或社区，深入研究其内部的关系和活动。
社区发现可以采用聚类方法、模块度优化等算法进行，选择合适的算法并生成具有解释性的社区划分结果。
网络分析法的理论与算法
网络分析法的理论与算法随着社会的进步和科技的发展，网络分析法在各个领域的应用越来越广泛。
作为一种重要的社会科学研究方法，网络分析法通过研究网络中节点和边的交互关系，揭示出复杂系统的内部结构和运行规律。
本文将介绍网络分析法的理论与算法，以期为相关领域的研究者提供有益的参考。
网络分析法的发展历程网络分析法最早可以追溯到20世纪30年代的社会学领域。
当时，社会学家开始社会网络的拓扑结构和节点关系，并提出了相应的分析方法。
随着计算机技术的不断发展，网络分析法逐渐扩展到其他领域，如计算机科学、生物科学、交通工程等。
在这些领域中，网络分析法都发挥了重要的作用，为科学研究提供了新的视角和工具。
网络分析法的理论体系和实现原理网络分析法的理论体系主要包括图论、复杂网络理论和网络传播理论等。
其中，图论是网络分析法的基础，它通过对节点和边的研究，描述了网络的基本结构。
复杂网络理论则进一步研究了网络中的拓扑结构和动态行为，揭示了网络的复杂性。
网络传播理论则信息在网络中的传播过程和影响，为网络分析法的应用提供了重要的理论基础。
实现网络分析法的主要算法包括：最小生成树算法、最短路径算法、中心性算法、社区发现算法等。
这些算法分别用于解决不同的问题，如网络的拓扑结构分析、路径规划、节点重要性评估、网络模块划分等。
最小生成树算法是最常用的网络分析算法之一，它通过寻找图中的最小权重边来构建一个连接所有节点的树状结构。
最短路径算法则用于寻找两个节点之间的最短路径，常用于网络中的路径规划和优化。
中心性算法评估了节点在网络中的重要性和影响力，为节点的分类和排序提供了依据。
社区发现算法则通过一定的算法将网络中的节点划分为不同的社区，揭示了网络的模块结构和群体行为。
数据处理在网络分析法中具有非常重要的地位。
在进行网络分析时，需要处理大量的数据，包括节点信息、边信息以及可能的权重信息等。
为了有效地进行数据处理，研究者们开发了各种数据处理技术和工具，如数据库、数据挖掘、机器学习等。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
什么是网络分析法 网络分析法（ANP）是美国匹兹堡大学的T.L.Saaty教授于1996年提出的一种适应非独立的递阶层次结构的决策方法，它是在层次分析法(Analytic Hierarchy Process,简称AHP)的基础上发展而形成的一种新的实用决策方法。
AHP作为一种决策过程，它提供了一种表示决策因素测度的基本方法。
这种方法采用相对标度的形式，并充分利用了人的经验和判断力。
在递阶层次结构下，它根据所规定的相对标度—比例标度，依靠决策者的判断，对同一层次有关元素的相对重要性进行两两比较，并按层次从上到下合成方案对于决策目标的测度。
这种递阶层次结构虽然给处理系统问题带来了方便，同时也限制了它在复杂决策问题中的应用。
在许多实际问题中，各层次内部元素往往是依赖的C低层元素对高层元素亦有支配作用，即存在反馈。
此时系统的结构更类似于网络结构。
网络分析法正是适应这种需要，由AHP延伸发展得到的系统决策方法。
ANP首先将系统元素划分为两大部分：第一部分称为控制因素层，包括问题目标及决策准则。
所有的决策准则均被认为是彼此独立的，且只受目标元素支配。
控制因素中可以没有决策准则，但至少有一个目标。
控制层中每个准则的权重均可用AHP方法获得。
第二部分为网络层，它是由所有受控制层支配的元素组组成的C其内部是互相影响的网络结构，它是由所有受控制层支配的元素组成的，元素之间互相依存、互相支配，元素和层次间内部不独立，递阶层次结构中的每个准则支配的不是一个简单的内部独立的元素，而是一个互相依存，反馈的网络结构。
控制层和网络层组成为典型ANP层次结构，见下图。
[编辑]网络分析法的特点[2] AHP通过分析影响目标的一系列因素，比较其相对重要性，最后选出得分最高的方案即为最优方案。
Harker和Vargas曾经这样评价AHP：“AHP是一套复杂的评价系统，当我们进行多目标、多准则以及多评委的决策时，面对众多的可选方案，AHP能够用来解决各种量化和非量化、理性与非理性的决策问题。
”AHP简单易用，其缜密的理论基础决定了它能解决各种实际问题。
AHP模型使各决策层之间相互联系，并能推出跨层次之间的相互关系。
模型的顶层为企业的总目标，然后逐层分解成各项具体的准则、子准则等，直到管理者能够量化各子准则的相对权重为止。
层次分析法能够为决策者解决各种复杂系统问题，但它也存在一些缺憾。
例如，AHP就未能考虑到不同决策层或同一层次之间的相互影响，AHP模型只是强调各决策层之间的单向层次关系，即下一层对上一层的影响。
但在实际工作中对总目标层进行逐层分解时，时常会遇到各因素交叉作用的情况。
如一个项目的不同研究阶段对各评委的权重是不同的；同样，各评委在项目研究的不同阶段对各评价指标的打分也会发生变化。
这时，AHP模型就显得有些无能为力了。
网络分析法的特点就是，在层次分析法的基础上，考虑到了各因素或相邻层次之间的相互影响，利用“超矩阵”对各相互作用并影响的因素进行综合分析得出其混合权重。
而ANP模型并不要求像AHP模型那样有严格的层次关系，各决策层或相同层次之间都存在相互作用，用双箭头表示层次间的相互作用关系。
若是同一层中的相互作用就用双循环箭头表示。
箭头所指向的因素影响着箭尾的决策因素。
基于这一特点，ANP 越来越受到决策者的亲睐，成为企业在对许多复杂问题进行决策的有效工具。
ANP中各因素的相对重要性指标的确定与AHP基本相同。
各因素的相对重要性指标（标度）是通过对决策者进行问卷调查得到的，但有时也会出现一些不一致的现象（如I与H比，标度为3；J与K比，标度为5；而I与K比，标度为6）。
[编辑]网络分析法的案例分析[3] 案例：基于ANP的水电工程风险分析模型 1.水电工程风险因素识别 由于水电工程项目各分项工程众多，且工程建设期一般较长，各分项工程面临的风险也将多种多样，对水电工程风险从总体上进行风险识别将有一定的难度，并且很可能遗漏较重要的风险因素，因此在识别风险前有必要将整体工程进行适当分项工程划分，然后再对各分项工程进行风险识别。
同时由于风险因素的多样化，有必要也将风险按照一定的风险原则进行分解。
因此本文采用项目分解结构(WBS)与风险分解结构(RBS)相结合的方法进行风险的识别。
另外采用此方法进行风险识别也将有利于风险因素ANP结构模型的建立与求解。
2.工程项目的层次结构模型 在建立整体工程风险因素网络分析模型结构时，首先要建立工程项目的工作结构模型。
由于各个子工程项目都有其相应的工程控制目标:费用、进度、质量、安全，并且各个子项目对整体工程项目目标必然具有不同的重要程度影响。
因此在建立工程项目的层次结构时，应该将工程目标作为判断准则对各子工程项目之间重要度进行判断。
在WBS的基础上建立的各子工程项目重要度模型是AHP结构，如下图所示例。
3.风险因素的网络结构模型 根据风险的来源将风险因素分为自然风险、技术风险、经济风险、组织管理风险和社会政策风险五个类别。
根据这五个类别风险再进行具体的风险因素的划分。
传统的风险分析认为风险具有发生概率和损失两种属性，但是这种定义显然不能够较全面的反映风险的本质，因此张建设将可预测性、可控制性、可转移性引人到风险属性中，将风险看作是具有这五种属性的多维特性对象进行描述。
引人多维属性对风险进行描述可以从不同角度更全面的反映风险因素的特性，但其中可转移性和可预测性均可在可控制性上反映，所以只须将可控制性进行估计就可以较全面的反映风险的特性，根据研究的需要，分析认为风险估计一般是对负面影响估计，在传统的二维属性的基础上引人“不可控制性”对水电工程项目风险进行评估。
在风险识别过程中，只识别了风险因素，而要建立ANP模型还必须对风险因素之间的互相影响关系进行研究。
通过以专家调查或是小组讨论方式最终可得到风险因素影响关系，如下表所示。
根据影响关系表，以风险因素的发生概率、损失和不可控制性为准则建立ANP结构模型，见图3。
要对每个子工程项目的风险因素都建立相应的风险因素ANP结构模型，即可得到工程项目的整体的结构模型，建立的整体风险因素ANP结构模型为多准则、多层次模型。
4.基于ANP的水电工程风险分析模型解析 (1）子工程项自重要度的确定。
计算各子工程项目的重要度，由于基于WBS建立的结构模型为AHP形式，所以采用传统方式很容易对模型进行重要度求解。
(2)子工程的风险因素的权重向量及排序。
对各子工程项目下相互关联的风险因素权重向量确定是图3子工程项目风险因素的ANP结构模型。
整个工程项目风险因素排序的关键步骤，同时也是采用ANP进行风险分析的核心。
根据图3的ANP结构模型以及表1中的风险因素影响关系，对子工程项目下的风险因素权重计算按以下步骤进行: 1)计算风险属性权重。
对描述风险大小的概率、损失和不可控制性进行重要性比较。
此三个属性是看作评判风险因素的准则，所以采用传统的AHP法可以确定其权重大小。
2)计算单准则下各风险因素权重。
由于此模型是多准则问题，因此相互关联的风险因素要在三个准则下分别进行比较判断，现以其中概率准则对风险因素进行研究，这一过程又可分为以下几步: a.建立超矩阵。
建立以概率为主准则，以其中一个风险因素为次准则，进行其他风险因素的相对重要度比较，即其他风险因素对这一风险因素发生概率的影响程度大小进行重要度比较。
由于并不是其他每个风险因素都对其有影响，所以并不是所有元素都要在此次准则下进行比较，影响这个一风险因素的其他风险因素可从影响关系表中查得。
然后以各风险类别组为单元分别计算其特征向量，即相应的局部权重向量。
经过以每一个元素为次准则的比较判断和计算后按式(1)建立超矩阵。
(1) 其中(；))表示风险因素类别R j中风险因素受R i类别中因素影响的向量矩阵。
W ij 的列向量是由R i中每个因素以R j中一个因素为次准则，进行比较判断得到判断矩阵的特征向量。
b.建立权矩阵。
以概率为主准则，风险类别R i为次准则，对所有类别进行比较判断构造判断矩阵，即每个风险类别中的对R i风险类别发生概率的影响程度大小进行判断比较。
其中的判断比较包括了R i自身与其他类别对自身影响的比较判断。
因为每个风险因素所受的影响程度是在各风险类别中进行比较判断的，由多个矩阵组成的超矩阵中的各列向量不是归一化的，即列向量和不为1，无法比较分别存在于不同类别中的元素对一个为次准则的因素影响程度的大小;另外，未加权的超矩阵无法采用幂法求解极限相对权重向量，所以要对各风险类别的互相影响重要度进行比较判断。
依次以各个类别为次准则进行比较判断后，得到五个判断矩阵，并计算特征向量，最后可得如式(2)的权矩阵。
(2) c.建立加权超矩阵并求解。
将超矩阵按式(3)进行加权可得到加权超矩阵，加权超矩阵中列向量元素大小即为各风险因素对处于此列上的因素影响的大小，若某一风险因素对此因素没有影响，则对应的值为零。
此时可利用幂法或其他方法对加权超矩阵进行相对排序向量的求解，最后相对排序向量就是各风险因素在概率准则下的权重。
(3) 3)计算多准则风险因素权重。
依次以损失、不可控制性为准则对各风险因素按照第(2)步进行权重向量求解，然后以第(1)步中所求得的权重对各单准则的风险因素权重进行合成，可得到风险因素在子工程项目中的风险大小排序。
(3)整体工程项目风险因素排序 对每一个子工程项目的风险因素进行权重向量求解，就可以对整体工程项目的风险因素进行权重合成和总排序计算。
将各子工程项目的风险因素权重对应到整体工程项目所有风险因素中，对于不影响此子工程项目的风险因素，将其权重设为零。
由上述工程项目重要度的计算，得到了各子工程项目在整体工程项目的权重，因此通过对各层子工程项目下的风险因素权重进行加权求和就可得到各风险因素在上一层工程项目的排序。
最终可得到整体工程项目的风险因素总排序。
从总排序结果可以很容易发现工程项目所面临的最大、最关键的风险因素，由于考虑了风险因素的相互影响关系，所以最终结果将更加客观真实地反映实际情况。
根据上述研究总结得到基于ANP进行水电工程项目风险分析的流程图，见下图。