第三章 研究架構與方法
3.2 研究方法
3.2.4 層級分析法
3.2.4.4 層級分析法之步驟
層級分析法之操作步驟簡單地說,首先將目標問題做問題的描 述,再從中找出可能的影響因素並建立起層級關係,採用兩兩因素成 對比較之方式比較兩因素之間的優劣程度,並依此建立成對比較矩 陣,利用矩陣之特徵值與特徵向量的計算,求得各屬性與方案之權重 值,最後再透過綜合評判的方式得到最終的方案排序,其重要步驟說 明如下。流程圖如圖3.7 所示:
一、 問題描述
欲將問題以層級分析法方式運作時,對於問題所處之系統應該儘 量詳加瞭解分析,將可能影響問題之因素均納入問題中,同時決定問 題之主要目標。
二、 建立層級架構
在此一階段,必須決定問題之目標以及總目標之各項指標,決定 各指標之評估準則及列入考慮之替代方案,而其評估準則以及方案之 產生可應用腦力激盪法、Delphi 法等。
首先在這個階段中包含了形成問題、確立定義、確立要素和層級 三個步驟。然後將複雜的問題系統化,匯集專家學者及決策者的意見 來進行評估並建構層級架構,此層級為研究架構的骨架,用來探討各 要素間對整體的影響,而層級架構中,每一層級只受上一層級的影響 且要素間互相獨立。同一層級內的要素不超過七個為原則,才能得到 較好的一致性。
三、 建立成對比較矩陣
此矩陣是以要素間相對的重要程度來建立。主要是以某一層級下 各要素,以上一層級要素為評估準則下,來進行成對比較。衡量尺度 是採用比率尺度 (Ratio Scales)來表示,可劃分為五項:一樣重要、稍 微重要、頗重要、非常重要、絕對重要,再加上另外四個介於兩者間 的強度,共可分為九個尺度,並分別給序1~9 的比重。AHP 評估尺 度語意及說明,請見表3.1:
表3. 1 AHP 評估尺度語意表 [12]
評估尺度 定義 說明
1 同等重要
(Equal Importance)
兩項計畫的貢獻度具相同重要性
⊙等強 (Equal) 3 稍微重要
(Weak Importance)
經驗與判斷稍微傾向喜好某一計畫
⊙稍強 (Moderately) 5 頗為重要
(Essential Importance)
經驗與判斷稍微傾向喜好某一計畫
⊙頗強 (Strongly) 7 極為重要
(Very Strong Importance)
實際顯示菲常強烈傾像某一喜好某一 計畫
9 絕對重要
(Absolute Importance)
有足夠證據肯定絕對喜好某計畫
⊙絕強 (Extremely) 2,4,6,8 相鄰尺度之中間值
(Intermediate Values)
需要折衷值時
將兩兩因素間進行成對比較,即可得到一成對比較矩陣A。若有 n 個因素需要比較時,則需進行 n(n-1)/2 次成對比較,若因素 i 與因 素j 的比值為 ,因成對比較有倒數性質 (Reciprocal Property),則 要素 j 與要素 i 的比值即為原來比值的倒數即1 。同理,成對 比較矩陣A 的下三角形部分,即為上三角形部分的倒數。如 3.29 所 示:
(3.29)
若當因素的權重值已知時,亦可用公式 3.30 來表示,其中a 如 公式 3.31 所示:
(3.30)
(3.31)
:因素 i 的權重;i= 1,2,… ,n.
:兩兩因素間的比值:i= 1,2,…,n, j = 1,2,…,n.
四、 計算特徴向量 (Eigenvector)和最大特徴值 (Eigenvalue) 一 特徵項量的解法
特徵向量 (Eigenvector)或稱優勢向量 (Priority Vector)或權重 (Weight),Thomas L. Saaty 提出四種近似法如下:
1. 行向量平均值常態化,又稱 ANC 法 (Average of Normalized
Columns)。首先將各行元素常態化,再將常態化後之各列元素 加總,最後再除以各列元素之個數,如公式 3.32:
W ∑ ∑
,
, 1,2, … , (3.32) 2. 列向量平均值常態化,又稱 NRA 法 (Normalization of the RowAverage)。將各列元素加總後,再進行常態化,如公式 3.33:
∑ ∑ ∑
,
, 1,2, … , (3.33) 3. 列向量幾何平均值常態化,又稱 NGM 法 (Normalization of theGeometric Mean of the Rows)。將各列元素相乘後取其幾何平均 數,再進行常態化求得,如公式 3.34:
∏
∑ ∏
,
, 1,2, … , (3.34) 4. 行向量和倒數標準化。將各行元素予以加總,再求其倒數進行常態化,如公式 3.35:
∑
∑ ∑
,
, 1,2, … , (3.35)※ 在實務上是採用前三種方法,其中又以第三種 (NGM 法)最 常被使用。
二 最大特徵值 的計算
將成對比較矩陣 A 乘以所求出的特徵向量 W,可得到新的特徴 向量W’,W’的每一向量值分別除以對應原向量 W 之向量值,最後將 所求出的各數值求其算數平均數,即可求出 。如公式 3.36-3.38 所示:
(3.37)
其中
(3.38)
五、 一致性檢定
為了要求客觀且較準確的評估,所以必須要求一致性的檢定。此 檢 定 是 利 用 一 致 性 指 標 (Consistency Index, C.I.) 及 一 致 性 比 率 (Consistency Ratio, C.R.)來計算,而 Satty [12]建議當 C.I. 0.1 時,
為可接受之誤差,若C.I. 0.2 時,亦為可接受之誤差。一致性指標 定義如公式3.39 所示:
. . (3.39) 其中n:評估要素的個數
而每個成對比較矩陣可依階數 n 來對應隨機指標值 (Random Index, R.I.)。AHP 一致性檢定之隨機指標表,請見表 3.2:
表3. 2 隨機指標表 [12]
N 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
R.I. 0 0 0.58 0.90 1.12 1.24 1.32 1.41 1.45 1.49 1.51 1.48 1.56 1.57 1.59
一致性比率 C.R.如公式 3.40 所示:
. .
(若 C.R. 0.1,表示矩陣的具有一致性,即為可接受之矩陣)
以上所述為單一層級的一致性計算,若層級數大於 1 時,則需 求出整體層級的一致性指標 (C.I.H)及一致性比率 (C.R.H),如公式 3.41:
. . . .. . (3.41) 其中:C.I.H=Σ (每一層級的優先向量)*(每一層級 C.I.值)
R.I.H=Σ (每一層級的優先向量)*(每一層級 R.I.值)
(若 C.R.H 0.1,表示整體層級矩陣具一致性,即為可接受之矩陣)
(一) 計算方案的優先順序
將每一層級特徵向量 (eigenvector)對應上一層級之特徵向量相 乘,求得每一層級的整體權重值 (綜合特徵向量),此為最底層各方案 對目標的優先值,讓決策者了解評估結果優先順序來下決策。
圖 3. 7 AHP 法流程圖 [13, 14]