AHP是主观赋权法
精神专科医院医疗质量评价指标主观权重的确定
精神专科医院医疗质量评价指标主观权重的确定一、确定指标权重的方法确定指标权重的方法主要有主观赋权法、客观赋权法和组合赋权法。
主观赋权法是根据专家的经验、意愿来赋予指标权重，常用的有层次分析法（analytic hierarchy process，AHP）、德尔菲法等。
客观赋权法则是根据指标的客观数值来计算各个指标的权重，常用的有主成分分析法、熵值法、多目标规划法、离差法及均方差法等。
组合赋权法则由前两种方法结合而成，常用的有基于离差平方和的组合赋权法，以及基于最小二乘原理的组合赋权、基于离差函数和联合熵的组合赋权、线性加权单目标最优化法、嫡系数综合集成法等。
主、客观两种赋权方法均有优缺点。
例如，主观赋权法简便易行，主要考虑专家的偏好，但是有可能脱离实际情况；客观赋权法虽然较好地考虑到了实际情况，但是有可能偏离决策者的主观意图，因此两种方法最好结合使用。
本研究拟采用AHP来确定指标的主观权重。
AHP是一种适用于多目标决策的分析工具，由美国著名运筹学家Saaty于20世纪70年代提出。
该方法将与决策相关的元素分解成为目标、准则、方案等层级，然后使用定性和定量的分析方法，将专家的经验判断进行量化，从而确定决策的方法。
该方法具有系统、灵活、简洁的优点，因此被广泛地用于指标赋权的相关研究中。
AHP的基本思路是：首先构建一个有序的层次结构，然后比较各个层级之中两两元素之间的相对重要性，构建判断矩阵，再通过处理判断矩阵获得每个因素的相对重要程度。
二、AHP的基本步骤（一）层次的建立为了确定各个指标的权重，需要将所有指标划到不同的层级之中。
精神专科医院医疗质量专家评价指标体系中共有三个层级，即一级指标、二级指标和三级指标，对应于AHP中的目标层、准则层和方案层。
（二）构建判断矩阵本研究参照如表3-9所示的赋值表，对每一个层级的指标分别进行赋值，获得判断矩阵A=（aij ）n×n。
本研究邀请了参与第二轮改良德尔菲专家调查的19名专家分别赋值，并利用相关软件统计专家们的信息进行分析。
赋权方法
（2）计算各指标的变异系数的比重作为其权重。
XLL
二、客观赋权方法——主成分分析法
主成分分析法：指标权重等于以主成分的方差贡献率为权 重，对该指标在各主成分线性组合中的系数的加权平均的归一 化。 因此，要确定指标权重需要知道三点： （1）指标在各主成分线性组合中的系数 （2）主成分的方差贡献率 （3）指标权重的归一化
XLL
二、客观赋权方法——熵值法
熵值法步骤：
（1）数据处理
a. 标准化处理
xj x min x max xj x ' ij ; x ' ij x max x min x max x min
其中，xj为第j项指标值，xmax为第j项指标的最大值，xmin为 第j项指标的最小值， x’ij为标准化值。 若所用指标的值越大越好，则选用前一个公式。 若所用指标的值越小越好，则选用后一个公式。
XLL
一、主观赋权方法——AHP法
层次分析法（APH 法)步骤 ： （1）构造判断矩阵 （2）权重及一致性检验的计算 参考文献： 层次分析法确定评价指标权重及Excel 计算——曹茂林
XLL
二、客观赋权方法
客观赋权法是利用数理统计的方法将各指标值经过分析处理 后得出权数的一类方法。
根据数理依据，这类方法又分为变异系数法、主成分分析法 、熵值法等。 这类方法根据样本指标值本身的特点来进行赋权，具有较好 的规范性。但其容易受到样本数据的影响，不同的样本会根据同 一方法得出不同的权数。 应用中，当样本各指标独立性很强时，可以选择采用变异系 数法; 而对于样本指标相互之间具有复杂联系的时候，采用熵值法 得出的权数较为理想; 而样本指标过多，计算量过大时，主成份法 无疑是一个很好的选择，使用该方法可以在较好的保持结果的准 确性的前提下，大幅减少工作量，因此该种方法被广泛采用。
赋权方法
步骤:
（1）编制专家咨询表。按评价内容的层次、评价指标的定义、 必须的填表说明, 绘制咨询表格。 （2）分轮咨询。根据咨询表对每位专家至少进行两轮反馈, 并 针对反馈结果组织小组讨论, 确定调查内容的结构。经过有控制 的2-4轮咨询后将每轮的专家意见汇总。 （3）结果处理。应用常规的统计分析方法, 分析专家对该项目 研究的关心程度( 回收率)、专家意见的集中程度、专家意见的 协调程度等来筛选指标或描述指标的重要程度( 即权重值)。
XLL
二、客观赋权方法——熵值法
（2）计算指标信息熵值e和信息效用值d
m
ej K yij ln yij i 1
dj 1 ej
式中，K为常数。
某项指标的信息效用价值取决于该指标的信息熵ej与1之间 的差值，它的值直接影响权重的大小，信息效用值越大，对评 价的重要性就越大，权重也就越大。
层次分析法确定评价指标权重及Excel 计算——曹茂林
XLL
二、客观赋权方法
客观赋权法是利用数理统计的方法将各指标值经过分析处理 后得出权数的一类方法。
根据数理依据，这类方法又分为变异系数法、主成分分析法 、熵值法等。
这类方法根据样本指标值本身的特点来进行赋权，具有较好 的规范性。但其容易受到样本数据的影响，不同的样本会根据同 一方法得出不同的权数。
XLL
二、客观赋权方法——熵值法
（3）计算评价指标权重 利用熵值法估算各指标的权重，其本质是利用该指标信息
的价值系数来计算，其价值系数越高，对评价的重要性就越大( 或称权重越大，对评价结果的贡献大)。
基于ahp-熵权法的中国商业银行社会责任评价指标的体系构建
基于AHP-熵权法的中国商业银行社会责任评价指标的体系构建蒙明慧，覃年玉（广西大学，广西 南宁 530004）摘 要：本文利用2018年17个中国上市银行社会责任报告公布的相关数据，采取定性和定量相结合的方法，从经济、社会以及环境三方面构建中国商业银行社会责任框架，并基于AHP-熵权法，利用主客观结合的方法对指标进行赋权，以期能够全面而科学地评价我国商业银行履行社会责任的行为。
关键词：商业银行；社会责任；AHP-熵权法0 引言上世纪90年代初，随着国内外兴起企业社会责任运动热潮，人们开始逐渐把目光聚焦于企业社会责任的问题上来。
商业银行作为特殊的企业，占据了大量资源，其社会责任的履行状况更是备受瞩目。
作为我国经济运行体系的核心参与者，商业银行有着举足轻重的影响力，也起着巨大的引导和示范作用，因此商业银行更应注重其社会责任的发展情况。
我国商业银行社会责任的践行和研究起步相对较晚。
2006年浦发银行率先公布第一份社会责任报告，各大小银行才陆续公布自己的社会责任履行情况，由此产生了一批早期的关于构建商业银行社会责任框架和选取社会责任指标的研究。
徐尚昆［1］等（2007）采用关键事件归纳法确认了中国企业社会责任的概念范畴，通过归纳性分析设计出了一个包括员工发展、顾客导向、环境保护、公益慈善和经济责任在内的五维度综合反映我国企业社会责任的度量指标。
萧松华和谭超颖［2］（2009）利用层次分析法设计了含股东、员工、客户、政府、社区、环境、和监督机构7个一级指标和21个二级指标的银行社会责任评价体系。
吴炜和袁翰林［3］（2012）利用层次分析法从利益相关者的角度构建了从管理、经济、社会、环境四个维度的银行社会责任评价指标体系，并且结合中国银行业的特点进一步修正了相关权重。
随着银保监对银行业社会责任报告发布的要求日益统一和指标体系构建方法日渐丰富，这给构建一套更贴合实际和更科学的银行社会责任评价指标体系提出了可能性。
赋权法_
权重确定的主客观赋权法组员：余芳云1011200110卢玲婕1011200147钟灵欢1011200148 一、引言在多属性决策问题的求解过程中,属性的权重具有举足轻重的作用,它被用来反映属性的相对重要性。
很多多属性决策方法( 如简单加性加权法、TOPSIS 法、多属性效用理论等) 都涉及到属性权重,如何科学、合理地确定属性权重, 关系到多属性决策结果的可靠性与正确性。
目前已有许多确定属性权重的方法,这些方法可以分为三大类,即主观赋权法、客观赋权法和主客观综合赋权法( 或称组合赋权法)。
1、主观赋权法主观赋权法是人们研究较早、较为成熟的方法, 它根据决策者( 专家)主观上对各属性的重视程度来确定属性权重,其原始数据由专家根据经验主观判断而得到。
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。
常用的主观赋权法有（1）层次分析法( AHP) 、（2）最小平方法、（3）TACTIC 法、（4）专家调查法( Delphi 法)、（5）二项系数法、（6）环比评分法等。
其中层次分析法是实际应用中使用得最多的方法, 它能将复杂问题层次化, 将定性问题定量化。
随着AHP 法的进一步完善, 利用AHP法进行主观赋权的方法将会更加合理, 更加符合实际情况。
2、客观赋权法客观赋权法研究较晚,还很不完善, 它主要根据原始数据之间的关系来确定权重,不依赖于人的主观判断, 不增加决策分析者的负担,决策或评价结果具有较强的数学理论依据。
但这种赋权方法依赖于实际的问题域,因而通用性和决策人的可参与性较差, 计算方法大都比较繁琐,而且不能体现决策者对不同属性的重视程度,有时确定的权重会与属性的实际重要程度相悖。
常用的客观赋权法主要有（1）主成份分析法、（2）熵技术法、（3）离差及均（4）方差法、多目标规划法等。
其中熵技术法用得较多, 这种赋权法使用的数据是决策矩阵确定的属性权重反映了属性值的离散程度。
指标体系的评估与赋权方法
指标体系的评估与赋权方法1.引言概述部分的内容可以如下所示：1.1 概述在现代社会中，为了对一个系统或者一个组织的发展与运营情况进行全面、科学的评估，人们常常需要建立一个完善的指标体系。
指标体系可以帮助我们了解和衡量一个系统或组织在各个方面的表现和效果，从而为决策提供科学依据。
而对于评估指标体系的有效性和客观性，以及对于各个指标之间的相对重要性进行准确赋权，又是一个重要的问题。
本文就指标体系的评估与赋权方法展开讨论。
首先，我们将介绍指标体系的作用和意义，以及为什么需要对其进行评估和赋权。
其次，我们将详细探讨指标体系评估的方法，包括定性评估方法和定量评估方法。
定性评估方法主要是通过专家评估和主观判断来对指标进行评估，而定量评估方法则基于数据分析和统计模型来进行量化评价。
除了评估指标体系的有效性外，对指标进行赋权也是评估过程中的一个重要环节。
赋权方法可以根据指标的相对重要性为其赋予相应的权重，从而更准确地反映其在评估体系中的贡献度。
本文将介绍两种常用的指标体系赋权方法：层次分析法和主成分分析法。
层次分析法通过构建层次结构、建立判断矩阵和计算特征向量来进行赋权，而主成分分析法则通过降维和构造新指标来进行赋权。
通过本文的论述，我们希望能够更全面地了解指标体系的评估与赋权方法，从而在实际应用中能够更科学地构建和运用指标体系，提高评估的准确性和可信度。
同时，我们也希望通过深入研究和探讨，为指标体系评估与赋权方法的改进和创新提供一定的参考和启示。
1.2文章结构文章结构部分的内容如下：1.2 文章结构本文将围绕指标体系的评估与赋权方法展开讨论。
文章分为三个主要部分：引言、正文和结论。
引言部分首先对指标体系的概念进行简要介绍，包括指标的定义和作用。
接着，文章将说明本文的结构和目的，为读者提供清晰的阅读路线和预期。
正文部分将重点探讨指标体系的评估和赋权方法。
在指标体系评估方法部分，将介绍定性评估方法和定量评估方法的原理和应用情况。
AHP法专家调查法与神经网络相结合的综合定权方法
2001年3月系统工程理论与实践第3期 文章编号:100026788(2001)0320059205A H P法专家调查法与神经网络相结合的综合定权方法梁 杰,侯志伟(沈阳工业大学经管学院,辽宁沈阳110023)摘要: 针对多目标决策中评价指标权系数的确定问题,在分析现有两大类方法(主观赋权法、客观赋权法)优缺点的基础上,提出一种以层次分析法、专家调查法与误差逆传播神经网络技术(B P网)相结合的综合分析方法,同时运用M ath W o rk s公司开发的M A TLAB5.1作为系统工具进行程序编制,得出最终结果Λ关键词: 赋权法;人工神经网络;矩阵实验室中图分类号: F4232 文献标识码: A αA Syn thetic W eigh ting M ethod of Connecting A H Pand D elph i w ith A rtificial N eu ral N etw o rk sL I AN G J ie,HOU Zh i2w ei(Shenyang Po lytechn ic U n iversity,Shenyang110023,Ch ina)Abstract In th is paper,ai m ing at the p rob lem of w eigh ting in m u lti2ob ject decisi on,asyn thetic w eigh ting m ethod of connecting A H P and D elph i w ith artificial neu ralnetw o rk s based on analysing tw o k inds of w eigh ting m ethods is p resen ted,at the sam eti m e the softw are M atlab5.1is u sed to draw a final conclu si on.Keywords w eigh ting m ethod;artificial neu ral netw o rk s;M A TLAB1 引言随着我国社会主义市场经济体制改革的不断深入,世界经济一体化的趋势越发强烈,在各个领域开展客观公正的评价工作成为社会发展的必然趋势Λ大到国家的综合国力评价、省市的经济实力评价,小到企业的综合业绩评价、竞争力评价、人力资源评价等工作,目前都已在不同程度上开展起来Λ在开展各项评价工作时影响评价结果客观准确性的最重要的两个问题是:1)评价分指标的选择;2)评价分指标权系数的确定Λ本文仅针对第二个问题进行探讨Λ目前关于权系数的确定方法有数十种之多,根据计算权系数时原始数据的来源不同,这些方法大致可分为两大类:一类为主观赋权法,其原始数据主要由专家根据经验主观判断得到,如古林法、A H P法、专家调查法等;另一类为客观赋权法,其原始数据由各指标在被评价单位中的实际数据形成,如均方差法、主成份分析法、离差最大化法、熵值法、代表计数法、组合赋权法等Λ这两类方法各有优缺点:主观赋权法客观性较差,但解释性强Λ客观赋权法确定的权数在大多数情况下精度较高,但有时会与实际情况相悖,而且解释性比较差,对所得结果难以给出明确地解释Λ基于上述原因,人们提出了综合主、客观赋权法的第三类方法,即组合赋权法Λ本人提出的以A H P法、专家调查法与误差逆传播神经网络技术(BP网)相结合的综合分析方法正是组合赋权法中的一种Λα2 主、客观赋权法的优缺点2.1 主观赋权法的优缺点目前对于主观赋权法的研究比较成熟,这些方法的共同特点是各评价指标的权重是由专家根据自己的经验和对实际的判断给出Λ选取的专家不同,得出的权系数也不同;这类方法的主要缺点是主观随意性大,这一点并未因采取诸如增加专家数量、仔细选专家等措施而得到根本改善Λ因而,在某些个别情况下应用单一一种主观赋权法得到的权重结果可能会与实际情况存在较大差异Λ该类方法的优点是专家可以根据实际问题,较为合理地确定各指标之间的排序,也就是说尽管主观赋权法不能准确地确定各指标的权系数,但在通常情况下,主观赋权法可以在一定程度上有效地确定各指标按重要程度给定的权系数的先后顺序Λ2.2 客观赋权法的优缺点客观赋权法的原始数据来源于评价矩阵的实际数据,使系数具有绝对的客观性Λ视评价指标对所有的评价方案差异大小来决定其权系数的大小Λ这类方法的突出优点是权系数客观性强,但有时会与实际不符Λ在实际情况中,依据上述原理确定的权系数,最重要的指标不一定具有最大的权系数,最不重要的指标可能具有最大的权系数Λ3 AHP法、专家调查法与误差逆传播神经网络技术(BP网)相结合的综合分析方法3.1 原始数据的归一化原始数据的归一化工作利用S型传递函数(Y ij=1-e -M ij1+e-M ij)来完成Ζ此函数是非线性递增函数,当M ij →0时,Y ij的导数d ij=f′(M ij)逐渐变大,Y ij=f(M ij)→0,函数曲线越来越陡;当M ij→∞时,Y ij的导数d ij =f′(M ij)→0,Y ij=f(M ij)→±1,函数曲线越来越平缓Ζ如此归一化处理,一方面可以防止某一指标过大时左右整个综合指标,另一方面当原始值小于平均值时,其效用函数为负,体现“奖优罚劣”Ζ3.2 AHP法与专家调查法的基本原理由于A H P法与专家调查法的使用已有数十年的历史,应用范围又较为广泛,其基本原理也早已为广大学者熟知,故于本文中,本人不在累述Ζ为防止使用单一主观赋权法所得权重重要程度排序与实际情况不符,本人在所提出的综合赋权法中分别采用A H P法和专家调查法得出两套权重重要程度排序结果Λ比较两套结果是否一致,若一致则可利用得到的一致权重重要程度排序结果作为检验神经网络所得权重结果重要程度排序的标准Λ若不一致,则需重新调整上述两种方法直到一致为止Λ这样便可在很大程度上提高主观赋权法重要度排序的准确性Λ3.3 误差逆传播神经网络技术(BP网)的基本原理神经网络技术是近年来才兴起的一门新兴技术,由许多并行运算的功能简单的单元组成,这些单元类似于生物神经系统的单元Ζ这些神经元函数模型为:S j=6n i=0W3ij X i+b j,Y j=f(S j)其中Y j为输出,X i为输入,b j为偏差,W j i称为连接权系数,f(・)为变换函数Ζ神经网络是一个非线性动力学系统,其特色在于信息的分布式存储和并行协同处理Λ虽然单个神经元的结构极其简单,功能有限,但大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的Λ和数字计算机相比,神经网络系统具有集体运算的能力和自适应的学习能力ΛBP网络的产生归功于BP算法的获得ΛBP算法是最著名的多层神经网络的训练方法,依照A daline网络所采用的最小误差学习方法及修改后D elta学习规则,以适应多层网络ΛBP算法的主要思想为:对于q个学习样本:p1,p2,…,p q,已知与其对应的输出样本为:T1,T2,…,T qΖ学习的目的是用网络的实际输出A1,A2,…,A q与目标矢量T1,T2,…,T q之间的误差来修改其权值,A l(l= 1,2,…,q)l与期望的T l尽可能的接近;即:使网络输出层的误差平方和达到最小Ζ它是通过连续不断地在相对于误差函数斜率下降的方向上计算网络权值和偏差的变化而逐渐逼近目标的Ζ每一次权值和偏差的06系统工程理论与实践2001年3月变化都与网络误差的变化成正比,并以反向传播的方式传递到每一层ΖBP 算法是由两部分组成:信息的正向传递与误差的反向传播Ζ在正向传播过程中,输入信息从输入经隐含层逐层计算传向输出层,每一层神经元的状态只影响下一层神经元的状态Ζ如果在输出层没有得到期望的输出,则计算输出层的误差变化值,然后转向反向传播,通过网络将误差信号沿原来的连接通路反传回来修改各层神经元的权值直至达到期望目标Ζ设输入为p ,输入神经元有r 个,隐含层有s 1个神经元,激活函数为F1,输出层内有s 2个神经元,对应的激活函数为F 2,输出为A ,目标矢量为T Ζ信息的正向传递1)隐含层中第i 个神经元的输出为:a 1i =f 16rj =1w 1ij p j +b 1i , i =1,2,…,s 12)输出层中第k 个神经元的输出为:a 2i =f 26rj =1w 2k i a 1i +b 2k ,k =1,2,…,s 23)定义误差函数为:E (W ,B )=126s 2k =1(t k -a 2k )2利用梯度下降法求权值变化及误差的反向传播1)输出层的权值变化对从第i 个输入到第k 个输出的权值有:∃w 2k i =-Γ5E 5w 2k i =-Γ5E5a 2k 5a 2k 5w 2k i=Γ(t k -a 2k )f 2′a 1i =Γ∆k i a 1i其中:∆k i =(t k -a 2k )=e k f 2′,e k =t k -a 2k同理可得:∃b 2k i =-Γ5E 5b 2k i =-Γ5E5a 2k 5a 2k 5b 2k i=Γ(t k -a 2k )f 2′=Γ∆k i a 1i 2)隐含层的权值变化对从第j 个输入到第i 个输出的权值有:∃w 1ij =-Γ5E 5w 1ij =-Γ5E5a 2k 5a 2k 5a 1i 5a 1i 5w 1ij =Γ6s 2k =1(t k -a 2k )f 2′ w 2k i f 1′p j =Γ∆k i p j其中:∆ij =e i f 1′,e i =6s 2k =1∆k i w 2k i同理可得:∃b 1i =Γ∆ij .但是由于BP 网涉及复杂的多维输入和输出空间,因而其误差面可能有一些局部的最低点(L ocal m in i m um )Λ在网络训练时,往往权重矢量被调节在局部的最低点,而不能达到实际的最小误差Λ同时神经网络是“黑箱推理”,全部知识都存在于网络内部,难以对最终的结果提供可信的解释Λ因而在确定评价企业经营业绩指标体系的权重时,结合上述两种方法,扬其所长、避其所短,形成一种综合分析方法.3.4 M AT LAB 5.1(矩阵实验室)神经网络工具箱简介M A TLAB 是M ath W o rk s 公司于1982年起开始推出的一套高性能的数值计算和可视化软件Λ它集数值分析、矩阵运算、信号处理和图形显示于一体,构成了一个方便的、界面友好的用户环境ΛM A TLAB 5.1是于1997年5月推出的,包括神经网络(neu ral netw o rk ),信号处理(signal p rocessing ),控制系统(con tro lsystem ),图象处理(i m age p rocessing ),鲁棒控制(robu st con tro l ),非线性系统控制设计(non linear con tro l system design ),系统辨别(system iden tificati on ,最优化(op ti m isati on ),分析与综合(analysis and syn thesis ),模糊逻辑(fuzzy logic ),小波(w avelet ),样条(sp line )等工具箱Λ神经网络工具箱中的实用函数包括误差分析函数,∆函数,设计,初始化,学习规则,矩阵,邻域,绘图,仿真,训练,传递函数Λ利用这些函数和M A TLAB 提供的基本命令、函数便可以方便、快捷、直观地进行神经网络设计,完成繁复的工作Λ16第3期A H P 法专家调查法与神经网络相结合的综合定权方法3.5 综合分析方法运用步骤1)分别运用A H P 法、专家调查法和BP 网络得出合理的权重Λ2)判断上述两种方法得出的结果中各指标的权系数重要程度排序是否一致Λ在多目标决策中,各指标的相对重要程度是不同的Λ指标按其重要程度可分为若干等级,依次为P 1,P 2,…,P k ,重要性依次降低Λ每一类指标等级中又含有若干个指标,这些指标重要程度的差别远小于跨等级指标之间的差别Λ比较利用BP 网络训练、检验后得出的的结果与使用A H P 法、专家调查法定性分析得出的重要等级排序是否一致Λ如果一致,则说明BP 网络在训练过程中没有陷入到误差面中的局部最小点,达到了真正的最小点,得出的结果可以信赖Λ如果不一致,则说明BP 网络在训练过程中陷入到误差面中的局部最小点,没有达到真正的最小点,这就需要采取:重新选择初始权重、训练数据、增加隐层神经元数、改用动量算法等措施来重新训练、检验网络,得出新的权重值,直到与使用A H P 法、专家调查法定性分析得出的重要等级排序一致为止Λ3)利用已得权重结果对各待评对象进行评价Λ使用BP 网络所得评价结果虽然准确度很高,但解释性极差,因而就必须同时运用A H P 法和专家调查法增强评价结果的解释性Λ4 实证分析表1为我国14个省、直辖市1992年主要工业统计指标及综合评估值Λ表1省市评价指标全员劳动生产率(元 人)资金利税率(%)销售利润率(%)工业产值占用流动资金率(%)产值利税率(%)综合评估值北京 47177 16.61 8.89 31.05 15.77 0.7896天津433239.083.6529.808.440.3238上海5902313.846.0626.5512.870.7366江苏4682110.593.5122.467.410.4687浙江4164613.244.4624.339.330.5355安徽2644610.162.3826.809.850.2846福建3838111.974.7926.4510.640.4862广东5780810.294.5423.009.230.5895辽宁288697.682.1231.089.050.1543山东388128.923.3825.688.730.3562湖北3072110.874.1530.3611.440.3524湖南2464810.772.4230.7111.370.2594河南269259.343.0630.1110.840.2571江西232698.252.5832.578.620.1111 此问题是一个多指标决策与排序问题Λ上述5个评价指标从主观上很难判断哪个指标更为重要,因此认为它们处于同一重要等级Λ使用A H P 法及专家调查法所得5个评价指标权重值均在0.2左右Λ应用本文所述的基于人工神经网络的多指标综合评价方法,设有5个输入节点,分别是全员劳动生产率,资金利税率,销售利润率,工业产值占用流动资金率,产值利税率Λ输出节点1个,为综合评估指标Λ根据经验,隐层节点数选取为6Λ26系统工程理论与实践2001年3月将表1数据分为两部分,前14组数据用作学习样本,作为训练神经网络连接权值用,学习精度为SSE =0.001,后2组数据作为检验用Λ经过1606次的训练,训练所得权重矩阵结果(未详细列述)符合以A H P 法和专家调查法所得的重要度基本一致的判断标准Λ由此可见,BP 网的训练是建立在权重重要程度排序与实际情况相符的基础上进行的Λ运用网络输出与样本期望值之间的差异结果分析本人所建BP 网的自学习能力,详情见表2Λ表2 网络输出与样本期望值差异比较省份北京天津上海江苏浙江安徽福建网络输出0.79580.31450.73100.46900.53760.29900.4766期望值0.78960.32380.73660.46870.53550.28460.4862相对误差0.00780.02870.00760.00060.00390.05600.0197省份广东辽宁山东湖北湖南河南江西网络输出0.59300.15000.36630.34660.24470.26820.1165期望值0.58950.15430.35620.35240.25940.25710.1111相对误差0.00590.02790.02840.01650.05670.04320.0486 训练结束后,利用训练好的三层BP 网,分别输入校验后的数据,得到的结果如下:网络输出 期望值 相对误差河北 0.1865 0.1893 0.0148山西 0.1619 0.1616 0.0018 由以上结果可以看出,利用BP 网得出的训练数据输出值与样本之间的最大相对误差为0.0567,检验数据输出值与期望值之间的最大相对误差为0.0148,可见该网络的自学习能力非常强,网络性能很好Λ这说明此种综合评价方法是有效的Λ参考文献:[1] 王明涛.多指标综合评价中权系数确定的一种综合分析方法[J ].系统工程,1999,17(2):56-61.[2] 戴文战.基于三层BP 网络的多指标综合评估方法及应用[J ].系统工程理论与实践,1999,19(5):29-34.[3] 张际先,宓霞.神经网络及其在工程中的应用[M ].北京:机械工业出版社.1996.[4] 楼顺天,于卫,闫华梁.M A TLAB 程序设计语言[M ].西安:西安电子科技大学出版社.1997.[5] 楼顺天,施阳.基于M A TLAB 的系统分析与设计——神经网络[M ].西安:西安电子科技大学出版社.1998.36第3期A H P 法专家调查法与神经网络相结合的综合定权方法。
权重确定方法综述
权重确定方法综述作者：郭昱来源：《农村经济与科技》2018年第08期[摘要]赋权研究一直是社会工作专业中的一个重要研究主题，针对多属性决策中指标权重的确定问题，目前已有的确定指标属性权重的方法大致可分为：主观赋权发、客观赋权法、主客观赋权法三个类别，本文将针对这三个类型的赋权方法，选取其中有代表性的方法加以介绍和总结，为目前权重的选择和研究提供借鉴。
[关键词]权重；赋权方法；综述[中图分类号]TP391.1 [文献标识码]A权重是用来衡量总体中各单位标志值在总体中作用大小的数值，是表示某一指标项在指标项系统中的重要程度，它表示在其地指标项不变的情况下，这一指标项的变化对结果的影响。
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。
1 主观赋权法主观赋权法是人们研究较早、较为成熟的方法，它根据决策者（或专家）主观上对各属性的重视程度来确定属性权重，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）、二项系数法、环比评分法等。
本文详细介绍层次分析法和专家调查法。
1.1 层次分析法、专家调查法1.1.1 层次分析法。
层次分析法是一种解决测度难于量化的复杂问题的手段，它能在复杂决策过程中引入定量分析，并充分利用决策者在两两比较中给出的偏好信息进行分析与决策支持，既有效地吸收了定性分析的结果，又发挥了定量分析的优势，从而使评估过程具有很强的条理性。
利用AHP确定多因素权重分配的步骤为：第一，建立问题的递阶层次结构。
把一个复杂问题分解成各个组成因素，把这些因素按照属性和支配关系分成若干组，形成不同层次。
第二，构造两两比较判断矩阵。
对某一因素支配下的因素两两进行比较，用数值表明哪一个重要及重要程度。
第三，计算一致性比例CR。
CR=CI/RI当CR第四，计算所有因素对总目标的权重分配，并进行一致性检验。
- 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)。
1.AHP是主观赋权法
可是你去哪里找专家做判断矩阵、专家真的是有学识的专家还是徒有虚名的专家。
这些问题都限制了AHP的广泛应用
建议你用最大熵值法来做
它是客观赋权法，按照数据的性质自动计算出最后得分。
只是计算过程比较复杂，没有软件可以实现自动计算
层次分析法是将与决策总是有关的元素分解成目标、准则、方案等层次，在此基础之上进行定性和定量分析的决策方法。
2.希望能够介绍一些类似层次分析法的数学分析方法，如对其进行了部分了改进的方法。
如对层次分析法进行了改进的分析方法。
数学方向的同学给点提示
举报| 2010-12-25 07:58提问者采纳
改进的话是把判断矩阵给改了，然后按照这个矩阵接着做一致性检验，改进的入口点是看出判断矩
阵的矛盾。
建议你看看系统工程的书
3.现在要从诸多影响因素中找出比较重要的几个因素，应该采用哪种spss的分析方法结果最明显？
举报|分享| 2011-07-11 16:10liuning0229|浏览1468 次
可能因为数据质量问题，多元回归结果不理想，所以需要其他方法
2011-07-11 16:15提问者采纳
多元回归或者逻辑回归吧，看你数据的目的是什么了。
4.。