• 沒有找到結果。

第四章 研究設計

第三節 模糊層級分析法

立 政 治 大 學

N a

tio na

l C h engchi U ni ve rs it y

四、環境面考量因素 (一)財務金融

金融環境的健全與否會直接或間接的影響新興產業的發展,新產業發 展通常有融資上的困難。政府可協助籌措資金,或引導銀行對於政府 意圖扶植之產業進行資金優惠條件之放貸。

(二)租稅優惠

政府藉由租稅優惠,鼓勵特定產業的發展,使產業容易籌措資金,設 立據點,例如科學園區的設立、獎勵投資條例等,皆為政府策略性扶 植產業的措施。

(三)法規管制

法規是健全市場的必要規範,政府制定法規保護智慧財產、專利、商 標、營業秘密等不受侵害,或是規範商業行為以及訂定產品的檢驗標 準,維護公共安全,並限制本國尖端技術外流,設法吸引外資設廠,

以增強本國技術水平。

(四)政策性策略

對於政府意圖扶植的新興產業,在新技術發展過程中,政府透過產業 政策,引領人才、技術和資金進入新興產業,訂定獎勵標準等策略性 措施,鼓勵企業投入該產業,並強化產業上下游結構,追求規模經濟。

第三節 模糊層級分析法

在層級分析法在使用上,大致分為層級的建立與層級評估兩部分。層級分析 法是匯集企業界與學術界的專家意見,將複雜的決策問題建構成一層級架構,交 由專家學者逐層以成偶比對評估的方式,兩兩比較並以比例尺度(Ratio Scale)評 估出各層決策因素相對於上一層級某決策因素的相對重要性,比較後建立比對矩

‧ 國

立 政 治 大 學

N a

tio na

l C h engchi U ni ve rs it y

陣,然後以線性代數方法求得各決策因素之特徵向量(Eigenvector),比較出層級 決策因素的優先順序。之後檢驗成偶比對矩陣一致性(Consistency)的強弱,確定 各層級決策因素的優先順序,決策者便可做為實際決策的參考。本研究的問卷資 料以FAHP分析專家問卷,並根據計算結果,進行關鍵因素權重排序。

現實世界大多屬於模糊的環境,且人類的想法、認知...等多具有不確定之特 性;模糊理論適合應用於不確定性與模糊性之資料,因此對於專家意見的主觀思 維,具有較精確的衡量效果,加上準確性高,且能使用於多種決策分析上,故本 研究在探討 AMI 創新政策關鍵因素時,將採用以 Buckley(1985)所提出之 FAHP 作為分析工具,在求得各關鍵因素之權重後,於 FAHP 資料的分析過程中,將以 Microsoft Office EXCEL 2010 計算之。本研究於 FAHP 的計算步驟如圖 4-3 所示:

圖 4-3 模糊層級分析法計算步驟 資料來源:孫國豐(1995)

‧ 國

立 政 治 大 學

N a

tio na

l C h engchi U ni ve rs it y

一、建立層級架構

針對研究問題,建立層級因素分析架構,此一部份可整合相關研究內容,

並依照其相關性,建立層級。若整合後因素過多,可透過專家意見的蒐集處 理方式,將因素加以增減或修改架構,以建立層級分析架構。

二、建立三角模糊數

模糊數的應用,Buckley (1985)是使用梯形模糊數,但由於實際應用中,

梯形模糊數的計算較為繁雜,實用性也較低。為了簡化運算,將梯形模糊數 簡化為三角模糊數,以三角模糊數來表示與整合專家意見。本研究使用之三 角模糊數A�=(l, m, r)L−R,其隸屬函數μA�(x),如圖 4-4 所示。

圖 4-4 三角模糊數隸屬函數

此三角模糊數A�的隸屬函數亦可以下列數學式來表示:

μA�(x) =

⎩⎪

⎪⎧ x − l

m − l , l ≤ x < 𝑚𝑚 1 , x = m r − x

r − m , m ≤ x < 𝑟𝑟 0 , otherwise

‧ 國

立 政 治 大 學

N a

tio na

l C h engchi U ni ve rs it y

每一受測者進行因素相對重要程度比較後,三角模糊數左端隸屬度為 0 的點是所有受測者評估中最小的數;反之,右端隸屬度為 0 的點,是所 有受測者評估中最大的數。至於隸屬度為 1 的點,是所有受測者評估的平 均數。Buckley (1985) 則建議使用幾何平均數來運算,因為幾何平均數較不 易受離散值的影響,亦可以增加因素判斷的一致性程度及精確度。

本研究透過專家針對各關鍵因素進行評估,然而專家的主觀判斷具有 模糊性,因此使用模糊語意描述來使專家能充分表達評估數值,並運用三 角模糊數表達每一語意評判值。本研究模糊語意採用的尺度為九點尺度,

其模糊語意與所代表之模糊數如表 4-1 所示:

表 4-1 兩因素間重要性比較的模糊語意尺度 語意措辭 三角模糊數

同重要 1�=(1,1,2) 介於兩者間 2�=(1,2,3) 稍重要 3�=(2,3,4) 介於兩者間 4�=(3,4,5) 重要 5�=(4,5,6) 介於兩者間 6�=(5,6,7) 很重要 7�=(6,7,8) 介於兩者間 8�=(7,8,9) 超重要 9�=(8,9,9) 資料來源:孫國豐(1995)

‧ 國

立 政 治 大 學

N a

tio na

l C h engchi U ni ve rs it y

三、建立模糊正倒值矩陣

由於傳統層級分析法具有主觀、模糊及不確定等特性,因此成對比較 矩陣中每一原始數值以三角模糊數來表達受測者的評估模糊結果,即可建 立模糊正倒值矩陣M。

M=�M�ij

M�ij=(Lij,Mij,Rij) ,∀ij=1,2,…,n

四、群體整合

有很多種不同處理方式來整合受測者評估結果,而本研究採用 Buckley(1985)建議之平均數法來整合三角模糊數m�ij,公式如下:

m�ij=�m�ij1 + m�ij2 + ⋯ + m�ijNN1 ,N 為受測者總數

五、計算模糊正倒值矩陣的模糊權重

這步驟所指的模糊權重其實就等同於 Saaty(1980)傳統層級分析法中的 特徵向量,Buckley (1985)建議計算模糊權重時,以列向量幾何平均法來操 作,先求得三角模糊數m�ij的幾何平均數Z�i,再以下列算式求出模糊權重值W�i。 運用幾何平均來計算除了可以得到模糊正倒值矩陣的模糊權重外,更可達 到正規化的目的,計算公式如下:

Z�i=(a�i1× a�i2× ⋯ × a�in)1n ,∀i=1,2,…,n

W�i=Z�i× �Z�1+ Z�2+ ⋯ + Z�n�−1

六、模糊矩陣一致性檢定

傳統層級分析法資料分析所得到的λmax,等同模糊層級分析法中的m�ij

‧ 國

立 政 治 大 學

N a

tio na

l C h engchi U ni ve rs it y

因此,可以計算出 Saaty(1980)所提之一致性指標(Consistency Index;CI),

當使用m�ij所算出之一致性指標符合一致性檢定的要求 (CI<0.1) 時,進而 可以推論模糊層級分析法計求得的結果也具一致性。

七、解模糊化

由於上述所計算出權重值為模糊權重值,需經過解模糊化的過程才能 獲取各項關鍵因素之權重值,故本研究以 Mon&Chang (1994)所提出的公式,

先將權重模糊數除模糊化。當權重之三角模糊數為A�ij= (Lij,Mij,Rij)時,其解 模糊權重值 dFij的計算公式如下所示:

dFij=Lij+4Mij+Rij

6 ,∀ij=1,2,…,n

八、正規化

為方便比較各關鍵因素的重要性,故需將解模糊之權重值進行正規化過程,

正規化權重值NWi的計算公式如下所示:

NWi= dFij

∑ dFij

九、層級串連

當各層級的評估因素已具一致性,且計算出各項關鍵因素的權重值後,

就要進行層級的串連。算法是將次層級關鍵因素 i 的權重乘以上一層主層 級相關因素權重,串連相乘後所得的百分比,即為此關鍵因素 i 之整體權 重值。

‧ 國

立 政 治 大 學

N a

tio na

l C h engchi U ni ve rs it y

十、關鍵因素排列

由以上步驟計算,便可得到層級串聯後的關鍵因素權重值,依此關鍵 因素整體權重值高低進行排序,最後重要關鍵因素之排序即完成。

相關文件