第三章 研究設計
第四節 分析方法
一、專家訪談法 （一）專家訪談法
將專家學者意見系統化的過程，藉由問卷調查及整理，來取得專家學者們合 理且一致的意見。可以有效的讓群體中的每一個人處理一件複雜的問題。能同時 兼顧專家團體決策的優點，並避免群體成員面對面時所產生的溝通困擾。其採取 的是一連串匿名方式的問卷調查，在彼此不互相干擾的環境下，達到一致性的共 識。
（二）專家訪談的執行步驟
1. 蒐集相關文獻，擬出核心問題。
2. 選定相關背景之專家。
3. 設計問卷，並以不記名方式交予指定的專家填寫。
4. 依第一次的回收問卷做結果分析。
5. 將首次的結果分析，再設計第二次問卷，填寫後檢視其一致性，未趨 一致則再重覆以上問卷調查，直到趨於一致性。
6. 結果分析。
二、層級程序分析法
（一）層級分析法(AHP)之來源及應用範圍
層級程序分析法(Analytic Hierarchy Process；簡稱 AHP) 是屬於一種多目標 決策方法，並應用在不確定性情況下及具有多數個評估要素的決策問題上。美國 賓州匹茲堡大學教授Thomas L.Saaty 在 1971 年，協助美國國防部處理「應變計 畫問題」(Contingency Planning Problem)所提出相關問題與研究流程。1972 年在 美國國家科學基金會資助下，進行各產業電力合理分配的研究。其後，在 1974 年 至 1978 年間，經不斷應用修正及驗證後，使得整個理論才趨成熟，更臻完備（褚 志鵬，2003）。
直到 1980 年 Saaty 才針對 AHP 發表出完整的理論與方法，並於 1986 年將 其整理成書問世，此即為著名的「The Analytic Hierarchy Process」(Saaty, 1980)，
AHP 法的理論簡單又具實用性，自 AHP 發展以來，在國際間廣泛應用，並在各 國研究單位中發表相關的論文期刊，後來逐漸運用於企業、工程、公共決策等各 項領域。
（二）層級程序分析法之內涵與目的：
層級分析法(AHP)之所以受到廣泛運用，因理論簡單又具實用性，有系統的 分析問題並將各個評估層面與因素給予層級化的架構，此層級架構有助於決策者
40
對事物的整體瞭解，也易於掌握時效與達成工作進行。層級分析法(AHP)的層級 式架構具有彈性、易於瞭解與合乎邏輯的優點，透過層級式架構與量化的方式，
將減少決策者錯誤的發生機率（鄧振源、曾國雄，1989）。
經由專家學者評估後，接著以尺度評估進行指標的成對比較，再予以量化後 建立成對比較矩陣。必須利用主觀的判斷進行兩兩比較各層級之決策因素，相對 於上一層級某決策因素的重要性之優先順序，最後看哪個項目的得分是最高，再 加以探討（胡肇東，2007）。易於瞭解高層級對低層級的影響程度，協助決策者 做最有利的理性選擇(Saaty,1980)；（吳淑滿，2003）。適用於多目標決策及最適合 決策選擇使用，是一種常見的專家決策法則。因層級程序分析法結構清晰、理論 清楚且操作容易，可整合多數決策問題，及驗證判斷一致性程度。
根據 Saaty(1980)的經驗，層級分析法(AHP)可應用於下列 12 種類型決策問 題(Decision-making Problem)上：
1. 決定優先順序 (Setting Priorities)。
2. 產生替代方案 (Generating a Set of Alternative)。
3. 選擇最佳方案 (Choosing a Best Policy Alternative)。
4. 決定需求 (Determining Requirements)。
5. 資源分配 (Allocating Resources)。
6. 預測結果與風險評估 (Predicting Outcomes and Risk Assessment)。
7. 衡量績效 (Measuring Performance)。
8. 系統設計 (Designing Systems)。
9. 確保系統穩定 (Ensuring System Stability)。
10. 最佳化 (Optimizing)。
11. 規劃 (Planning)。
12. 解決衝突 (Conflict Resolution)。
（三）層級程序分析法之基本假設
層級分析法(AHP)發展的目的，就是將複雜的問題系統化，由不同的層面將 層級分解，並透過量化的判斷，覓得脈絡後加以綜合評估，以提供決策者選擇適 當方案的充分資訊，同時減少決策錯誤的風險性。層級分析法(AHP)的基本假設，
主要包括下列 9 項：
1. 一個系統可被分解成許多種類(classes)或成分(components)，並形成 網路式的層級結構。
2. 層級結構中，每一層級的要素均假設具獨立性(independence)。
3. 每一層級內的要素，可以用上一層級內某些或所有要素作為基準，
進行評估。
4. 比較評估時，可將絕對數值尺度轉換成比例尺度(ratio scale)。
5. 成對比較(pairwise comparison )後，可使用正倒值矩陣 (positivereciprocal matrix)處理。
41
6. 偏好關係可滿足遞移性(transitivity) 。不僅優劣關係滿足遞移性(A 優 於 B，B 優於 C，則 A 優於 C)，同時強度關係也滿足遞移性(例如： A 優 於 B 二倍，B 優於 C 三倍，則 A 優於 C 六倍)。
7. 完全具遞移性不容易，因此容許不具遞移性的存在，但需測試其一 致性的程度(consistency Index；C.I. )。
8. 要素的優勢程度，經由加權法則(Weighting Principle)而求得。
9. 任何要素只要出現在階層結構中，不論其優勢程度是如何小，均被 認為與整個評估結構有關，而並非檢核階層結構的獨立性(Saaty，1980)；（鄧振 源，曾國雄，1989）。
（四）層級程序分析法(AHP)之層級與要素
層級程序分析法在運用上，分為兩部分，一個是層級系統的建立，另一個是 層級要素組合評估。每一層級只影響另一個層級，同時僅受另一層級的影響，而 層級的多寡，決定於系統的複雜性與分析所需而定。其進行的步驟本研究統整各 學者（鄧振源、曾國雄，1989a，1989b；郭佩雯，2004；鄧振源，2005）所提出 的步驟綜合如下：
1. 目標的界定
「問題」是整體層級結構的焦點，也是研究的目標，成立規劃群組，釐清與 定義問題點，即是將所有涉及影響涵蓋要素擴大，並納入規劃進而界定問題的範 圍。在此階段有收集資訊，可採用文獻回顧法或腦力激盪法(Brainstorming Method)，蒐集可供確認問題性質、範圍、影響因素、可用資源等資訊，將與問 題有關的因素列出。
2. 建立層級架構
建立系統的層級架構時，需要解決的問題有二：一是如何構建層級關係，二 是如何評估各層級要素的影響程度。當所得到的要素多且過於複雜，層級的層次 可依問題之需要而生成，每一層級與上一層級之關係要自然，不可過於牽強。以 最高層級代表評估的最終目標，將問題要素逐一列出，進行歸納整理成層級形式 排列，儘量將重要性相近的要素放在同一層級。分析各因素間交互影響。層級內 的各要素，力求具備獨立性，有相依性存在時，可先將獨立性與相依性各自分析，
再將二者合併分析。層級的多寡須要視問題衍生與目標產生而有所不同。但基於 人類無法同時對7 種以上事物進行比較之假設下，以不超過 7 個為佳。
建立層級的優點在於可以有效的將複雜的問題以層級方式組合而成，藉由層 級架構的建立對整個系統的結構面與功能面能詳細的描述。褚志鵬（2009）說明 利用層級來分析問題時，應以站在最高層級來看相異層級之相互影響，並不是直 接從各層級的要素進行分析。
3. 建立成對比較矩陣
建立完層級結構後，對同一層級中各要素做兩 比較，建立「成對比較矩陣」
(pairwise comparison matrix)，然後利用(Saaty) 提出之特徵向量，來求取同一層
42
級間各評估要素間的相對權數。進行每一層級要素以兩 配對相較，每一層級的 要素以上一層級為基準評估。若評估的指標有n 個時，則兩兩比較 C2n= n (n-1) / 2 次。此評估表採用九點尺度，其中，「同等重要」、「稍微重要」、「頗為重要」、
「極為重要」、與「絕對重要」在輸入資料時可分別給予1、3、5、7、9 之值，
而其中間值分別給予2、4、6、8 之值，如表 3-6 所示。根據成對比較矩陣，利 用數值分析中的特徵值(eigen value) 解法求取特徵向量(eigen vector)或稱優勢向 量(priority vector)，再根據此優勢向量計算最大值。詳如表 3-8 所示。
表3-17
層級分析法尺度意義及說明
尺度 相對重要性定義 說明
1 同等重要 兩者重要性相同
3 稍微重要 經驗與判斷稍微傾向喜好某一方案
5 頗為重要 經驗與判斷強烈傾向喜好某一方案
7 極為重要 實際顯示非常強烈傾向喜好某一方案
9 絕對重要 有足夠證據肯定絕對喜好某一方案
資料來源: Saaty (1983)
4. 求取最大特徵向量及特徵值
根據成對比較矩陣，利用數值分析中的特徵值(Eigen value) 解法求取特徵向 量(Eigen vector)或稱優勢向量(Priority vector)，再根據此優勢向量計算最大特徵 值。
5. 一致性檢定
在成對比較矩陣的過程中，要求決策者或專家在成對比較時，能達到前後一 致有時是有困難的，若前後不一致情形太嚴重，則研究結果將會與實際情形相差 甚大，導致錯誤決策。因此成對比較矩陣需要進行一致性檢定。層級一致性的檢 定分析可使用試算表軟體(如 Excel)、專用分析軟體系統(Expert Choice)，或以程 式語言(如 C、Delphi 等)自行設計分析程式。其計算方法為先求一致性指標 (Consistency Index, CI)，再除以一個與矩陣大小相對應之隨機指標(Random Index, RI)，即可推求出 CR 值。一般來說 C.I.值小於等於 0.1 一致性才為可接受。
一致性指標(Consistence Index, C.I.)：
C.I. = λmax−n n− 1
CI= 0 時，表示單一準則下 n 個要素相對重要程度的判斷具完全一致 性。若CI＞0，表示判斷不連貫；Satty 建議，CI＜0.1 最佳，但最大可容 忍誤差偏誤為CI＜0.2。
一致性比例(Consistence Ratio, C.R.)：
C.R. =RI CI
43
當欲解決之問題越變複雜時，成對比較矩陣的階數也會跟著增加，在此狀況 下要判斷是否維持一致性變得較為困難，所以Saaty 提出隨機指標(Random Index, R.I)來調整不同階數下產生的 C.I.值變化。R.I.值，參見表 3-4。利用 R.I 值調整 C.I.值後，而得到一致性比率(consistency ratio, C.R)。當 C.R. 0.1 時矩陣才有滿足 一致性。詳如表3-9 所示。
表3-18 隨機指標
階數 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
R.I. 0.00 0.00 0.58 0.09 1.12 1.24 1.32 1.41 1.45 1.49 1.51 1.48 1.56 1.57 1.58
資料來源：Satty (1980)；鄧振源（2002）
6. 整體層級的一致性檢定
由於層級間的重要性不一樣，因此需檢驗整體層級結構是否一致性，具一致 性方可接受評估值。整體層級的一致性比率(Consistency Ratio of the Hierarchy, CRH)， 就是將整體層級一致性指標(Consistency Index of the Hierarchy, CIH)除以 整體層級隨機指標(Random Index of the Hierarchy, RIH)，當 CRH＜0.1，表示整體 層級的一致性可接受。其數學式如下：
C.R.H. = C.I. H R.I.H
C.I.H.= Σ（每個層級的優先向量）* （每個層級的 CI 值）
R.I.H.= Σ（每個層級的優先向量）* （每個層級的 RI 值）
7. 方案的選擇：
若整個層級結構通過一致性檢定，則可求取方案的優先向量。在此步驟中，
將各層級對應上一層級不同準則的優先向量，合併成優先矩陣，再由每一層級的 優先矩陣相乘，得到一個綜合優先向量，也就是最下層級各方案相對於最高層級 焦點的優先值，優先值最大者，即為所要選取的方案。
44
45