第三章 研究設計
3.2 研究方法
3.2.2 層級分析法
由以上敘述可清楚瞭解德爾菲法之優缺點,為改善其缺點,本研究將於 問卷中說明國軍士官績效評量之特性且明確解釋各評估準則之涵意,提供予 每位應答者作為答題之參考,並於不瞭解之處補充更完整之解釋。對於專家 之選擇方面,共分為軍事教育單位學者、國防部政策單位及各軍種執行單位 等三大群體進行調查,廣義衡量所有影響面,避免單一族群之主觀意見偏頗。
透過上述德爾菲法之相關文獻探討,本研究採用此評估法制訂適宜評量 國軍士官績效之層級架構,首先彙整國軍士官、美國士官及國內公務人員績 效評量, 設計及發放第一次德爾菲問卷,之後將回收之問卷進行分析整理,
依問卷結果編製第二次問卷,再次進行專家學者評鑑,歸納第二次問卷結果,
如此反覆進行直至專家意見一致,確立士官績效評量指標之層級架構。
檢驗德爾菲問卷結果時,為判斷專家是否已達成共識程度(Consensus),
故採用變異係數(Coefficient of Variance,C.V)來衡量每位受測者間之差異。
變異係數可將單位標準化,解決資料單位不同而無法相互比較差異之問題。
變異係數之運算式係將標準差除以平均數,當C.V.值愈小時,表示專家意見 之共識程度愈高,依據Chang et al.所提出之標準,當 C.V.值≤ 0.3 時,表示 專家意見達高度一致性;而 C.V.值≤ 0.5 表示專家的意見在可接受之範圍
【27】,如下列數學式所示:
μ
=
σ
CV
其中 σ = 標準差 , μ = 平均數雜的問題簡化。而AHP 在提出後,多年來應用於經濟、社會、及管理科 學等領域,並利用階層結構幫助決策者對事物作更深的瞭解,進而處理 複雜的決策問題。
二、AHP發展的目的與假設
當面臨一個問題時,經常會發現它是由一些複雜的成分所產生組 合,而成分間彼此有許多的交互影響,問題受到許多因素影響,包括有 形的;無形的;量的;質的因素。AHP 發展的目的就是將複雜的問題系 統化,劃分成不同層面給予層級分解,同時使複雜的評比問題層級結構 能夠更加容易評比且評比品質更高,並透過量化的判斷加以綜合評估,
以提供決策者選擇適當的方案,並減少決策錯誤的風險性【43】。而AHP 方法在進行時的假設條件,主要包括下列七項:
( 一 ) 一 個 系 統 或 問 題 可 被 分 解 成 許 多 被 評 比 的 種 類 或 成 分 (Components),形成具方向性之網路的層級結構。
(二)層級結構中,每一層級的要素均假設具獨立性(Independence)。並 且可以用上一層級內的某些或所有的要素為基準,進行評比。
(三)評比時,可將絕對數值尺度轉換成比例尺度(Ratio Scale)。例如A1 比A2重要比值則為5/1。
(四)成對比較(Pairwise Comparison)後之矩陣倒數對稱於主對角線,可 用正倒值矩陣(Positive Reciprocal matrix)處理。
(五)偏好關係滿足遞移性(Transitivity),但完全具遞移性不容易,因此 容許不具遞移性質,但必須測試其一致性(Consistency)的程度,藉 以測試不一致性的程度若干。
(六)要素的優勢比重,係經由加權法則求得。
(七)任何要素只要出現在階層結構中,不論其優勢比重為多少,均被 認為與整個評比目標結構有關。
另外在使用AHP 方法之前,1990年Vargas【43】提出使用者應該具
備以下的幾點認識:
(一)倒數對照特性(Reciprocal Comparison):決策者在進行比較時,對 於元素喜愛的程度必須滿足倒數特性,若A比B的偏好程度是x 倍,則B是1/x倍偏好於A。
(二)同質性(Homogeneity):元素的比較必須是有意義的,並且在一個 合理的評估尺度內。
(三)獨立性(Independence):元素間彼此間的比較必須假設相互獨立。
(四)預期性(Expectations):為了完成決策目標,關係階層必須完整的 描述,在建構關係階層及相關準則或是alternative 必須完整不能 有所遺漏或忽略。
三、AHP的優點:
在1983年Narasimhan曾經歸納出AHP的幾項優點如下【34】:
(一)可將主觀的決策模式化,提供較為準確的判斷參考;
(二)有相關軟體協助,可進一步作敏感度分析;
(三)AHP 數量化的結果可以供作群體決策的基礎,做為彼此溝通的工 具。
而層級結構的建立在AHP 方法的進行中是相當重要的一個部分,可 以將複雜的問題簡化,使決策者更容易做出正確的決定。AHP 的層級並 不是一般傳統的決策樹,它的每一個層級皆表示對原問題的一個重要部 分。建立層級的優點依據Saaty(1977)【37】、Saaty(1980)【38】可 歸納出以下幾點:
(一)提供一個有意義的整合系統,而整合是將一個複雜的系統轉換成 簡單的成分。
(二)很清楚的說明上一層內的各因子之優先權重發生變動時,將會如
何影響下一層次內各因子的優先權重。
(三)將元素分成不同層級的集合,易於達成工作。且比直接評估整體 系統有效率。
(四)對整個系統更詳細的劃分層級結構,以更深入的瞭解層級結構的 目標。
(五)發展自然系統以層級的方式是相當迅速及有效的。
(六)層級具有可靠性(Reliable)及彈性(Flexibility);也就是說局部的改 變不會影響整體的結構。
(七)對於人類的認知而言,階層式的關係是容易被接受的,而且具備 易於溝通的特色。
四、AHP的應用:
AHP除了可應用在決策問題上,還可進一步的應用在分析問題方 面。依Saaty(1980)【38】的經驗,AHP主要可應用在以下十三類問題 中【39】。
(一)決定優先次序(Setting Priorities)
(二)產生交替方案(Generating a Set of Alternatives)
(三)選擇最佳方案(Choosing a Best Policy Alternatives)
(四)決定需求(Determining Requirements) (五)資源分配(Allocating Resources)
(六)預測結果(Predicting Outcomes)
(七)績效衡量(Measuring Performance)
(八)系統設計(Designing System)
(九)確保系統穩定(Ensuring System Stability)
(十)最佳化(Optimization)
(十一)規劃(Planning)
(十二)解決衝突(Resolving Conflict)
(十三)風險評估(Risk Assessment) 五、AHP的理論基礎:
假設某一層級的要素A1,A2, …,An,在上一層某一要素為評估基準下,
其 每 一 要 素 的 權 重 W1,W2,…,Wn , 且 已 知 。 接 下 來 建 立 成 對 比 較 矩 陣 (PairwiseComparison Matrix),而矩陣的每一列是由單一要素的權重相對於其 他要素的權重之比例而成。此時,Ai 與Aj的相對重要度以A=[
a ]表示,而
ij 要素A1,A2, …..,An 的成對比較矩陣為A=[a ],若W1,W2,…,Wn為已知
ij 時,則成對比較矩陣A=[a ]可寫成如下形式,Saaty(1980)【38】:
ij⎥⎥
⎥⎥
⎥⎥
⎦
⎤
⎢⎢
⎢⎢
⎢⎢
⎣
⎡
=
⎥⎥
⎥⎥
⎥⎥
⎦
⎤
⎢⎢
⎢⎢
⎢⎢
⎣
⎡
=
n n n
n
n n
n n
n n
a a
a a
a a
A
W W . . W W W W
. .
.
. .
.
W W . . W W W W
W W . . W W W W
1 . . / 1 / 1
. .
.
. .
.
. . 1 /
1
. . 1
2 1
2 2
2 1 2
1 2
1 1 1
2 1
2 2
1
1 12
其中 aij > ,0 i,j=1,2,...n aij =1 ,
i
=j
a
ij =Wi Wj ,Wi,Wj分別代表要素i與要素j之權重
a
ij =1a
ji ,i
,j
=1,2,...n
而成對比較矩陣A,具有以下的性質Saaty(1977)【37】:
(一)矩陣A對稱元素相互間為倒數關係,即
ij
ij
a
a
= 1 。(二)矩陣A的所有元素均為正值,且滿足
ij
ij
a
a
= 1 則稱為正倒值矩陣(PositiveReciprocal Matrix)。
(三)成對比較矩陣A的列(Rank)為1,即rankA=1。因為每一列皆是第 一列的常數倍,所以其所以特徵值λi(i=1,2,⋯⋯,n)中,只有一個 為非零,其餘均為零,而非零的特徵值以λmax表示。
(四)矩陣A具有正的特徵值,其中最大的特徵值λmax,其所對應的特 徵向量元素,也都是正值。
(五)矩陣A的對角線和,即Trace(A)=n。從特徵值的特性得知,特徵值 的和也為n。故
∑
= n
i 1
λ
1= Trace( A ) =n
所以λmax=n假設在n個要素中的i,j,k 三個要素,若
ij ik
jk
a
a
=a
, i , j , k =1,2,⋯⋯,n 成立,也就是
a
ij×a
jk =a
ik,則表示決策者的判斷前後具一致性 (Consistency)。另一個A為一致性的矩陣的條件就是特徵值(λmax)等於n。因此,要素A1,A2, ⋯⋯,An 的特徵向量W,即為矩陣A 最大特徵值λ
max所對應特徵向量標準化後的值。
但在一個真實的決策環境下進行成對比較時,
a 是依決策者主觀判
ij 斷而得,不可能得到完全精確理想的比率j iW W,所以只能估計這個值,
而在專家判斷下會有少許的誤差,與理想值是有些許差距,即
j i
ij
w
a
≈w
(j i
ij
w
a
=w
′ ′ )其中W為實際比較的權重。
隨著
a 作微量的變動,則特徵值也會有些許變動。但當特徵值不再等於
ij n時,λmax還是主要的特徵值且很接近理想權重下的特徵值,A×W=λ
max×W,但此時A 也不再是一致性矩陣而仍是正倒值矩陣。可由λ
max 與n兩者之 間的差異程度可作為判斷一致性高低的評量標準,利用λmax-n 這個數字來 看出不一致性的結果Saaty(1990)【40】。六、AHP法的進行步驟:
AHP方法在進行評估上,主要是分為兩大階段,第一是層級的建立,
第二是層級評估。AHP 首先是將複雜之系統,匯集專家學者及決策者之 意見評估,以簡明之要素層級結構加以表示,並藉著比率尺度(Ratio Scales) 及名目尺度(Norminal Scales)來做成要素的成對比較且建立矩陣,據以 求得特徵向量,代表層級要素的優先順位;並衍生最大特性根(特徵值),
用以評定成對比較矩陣一致性的強弱,供作決策資訊取捨與否或再評估之 參考指標。如圖3.1 AHP 法進行的流程圖所示,並將各步驟說明如下。
圖3.1 AHP 法進行的流程圖 資料來源【40】
七、問題評估與要素分析:
如本研究的主題為影響國軍士官績效之評量指標,在探討軍中各級 單位基於獲得優質士官人力,較注重哪些考核評量的項目,及各評估項 目 的 相 對 權 重 。 根 據 國 內 外 之 相 關 文 獻 及 利 用 群 體 腦 力 激 盪 法 (Brainstorming) 或德菲法(Delphi method),匯集專家學者的意見,針對
是
確定評估問題
影響要素分析
將問題建立層級式的架構
建立成對比較矩陣
計算最大特徵值及特徵向量
一致性檢定
整體權重的計算
提供決策者參考之資訊 C.R≤ 0.1
否
欲評估之問題,討論整理出會影響問題決策的評估準則(Criteria)要素。
八、建立層級式的架構
元素在單一特性且不考慮其他的特性下的成對比較是很有效的判斷 評估方法,這也就是為什麼成對比較是建立在層級的架構下。層級為研 究問題之骨架,用以探討因素間及因素對方案之影響力。是將前面所歸 納出影響問題決策的評估準則要素予以層級化。根據Saaty 的定義此種 結構乃是將我們對問題所認定之要素(Entities)組合成幾個互斥的集 合,而形成上下『隸屬』的層級關係,並假設:第一、每一層的任一集 合僅受上一層集合的影響;第二、同層中的集合彼此互斥;第三、集合 中元素與元素之間相互獨立【36】。如此較容易看出層級中各個要素與 其他要素間的相對重要程度。利用層級來分析問題,是由高的層級往下 進行,以上一層的評估準則為基準來分析其下的各要素,而不是將各層 級的要素直接的進行比較分析。
整個層級是由目標、因素、子因素及方案所構成。而層級的數目,
端視問題的性質及分析深度而定;而每層要素的項目,根據Thomas L.
Saaty(1977)【36】之研究,在同一個層級之內的成對比較評估要素,
以不超過七個為原則,如此可較有效的進行成對比較及獲得較好的一致 性。
九、建立成對比較矩陣
成對比較矩陣之建立,在於求取要素間相對的重要程度。在某一個 層級之要素,以上一層級某一個要素為評估準則下,進行要素間的成對 比較。若有n個要素,則必須進行
C
2n次的比較。AHP是採用比率尺度做為衡量成對比較矩陣的衡量尺度,所謂比率 尺度就是尺度的數值是可以加減乘除的,且有固定的原點,在自然科學 方面最常應用。基本上劃分為五項:同等重要、稍重要、頗重要、極重 要和絕對重要,再加上另外的四個尺度,介於每兩者之間的強度,總共 可以區分為九個尺度,而分別給予1至9之比重Saaty(1990)【40】。AHP 評估的名義尺度的內容與意義如表3.1所示: