第三章 研究設計
第四節 研究方法
五、 行政服務:
行政配合:指教師應認同學校目標及教育願景,積極參與各項校務活動提供興革 意見,熱心參與學校行政工作,依據學校特性及政策擬定教學計畫。
人際關係:指教師應善用社區資源並願意參與社區服務,樂意與同儕專業對話並 維持良好互動關係,鼓勵家長參與校務並維持良好親師關係。
10.確保系統穩定性(Ensuring System Stability) 11.最佳化(Optimizing)
12.衝突解決(Conflict Resolution)
AHP是將複雜的問題系統化,透過建立具有相互影響關係的階層結構,可使複雜 的問題、風險不確定的情況、或分歧的判斷中尋求一致性,藉由量化的判斷來綜合評 估,以提供決策的充分資訊與降低決策的風險。
AHP本質上是一種思維法則,其結合定量與定性,將人們的主觀判斷用數量形式 表達和處理的方法(即定量化),究其最大的功用在將錯綜複雜的問題分解成各個組成 要素,接著將這些要素依關係分組來形成簡明的層級結構系統;經由名目尺度 (Nominal Scale)作各層級要素之成對比較矩陣後,藉由運算求得矩陣之特徵向量 (Eigenvector),以代表層級中某一層次各要素之優先程度,接續再求出特徵值,用該 特徵值來評定每個配對比較矩陣之一致性強弱程度,以作為取捨或評估決策之參考訊 息,確定決策方案相對重要性之優勢順位(Priority),因此即為決策分析之參考數據(許 明華,2003)。
二、AHP之目的與基本假設
AHP應用的目的,就是先將複雜問題系統化,並利用層級結構將問題層級比對 分析,且透過量化的判斷,以找出其相關連後再加以綜合評估,以提供決策者在選擇 適當方案時的完整資訊參考、依據,同時能夠減少決策錯誤的風險性。
AHP之基本假設,主要包括下列九項(鄧振源、曾國雄,1989):
1.一個系統可被分解成許多種類(Classes)或成份(Components),並形成有向網格層級 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評準,進行評估。
4.比較評估時,可將絕對數值尺度轉換成比率尺度(Ratio Scale)。
5.成對比較(Pairwise Comparison)後,可使用正倒矩陣(Positive Reciprocal Matrix)處
理。
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),同時強度關係亦滿足遞移性(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 並 不 容 易 , 所 以 容 許 不 具 遞 移 性 的 存 在 , 但 需 測 試 其 一 致 性 (Consistency)的程度。
8.要素的優勢程度,可經由加權法則(Weighted 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。
使用AHP方法來分析問題或系統,首先須將欲研究的複雜問題,劃分成簡單又 明確的層級架構關係,且以簡明之要素層級結構表示之,再藉由比率尺度及名目尺度 (Nominal Scales)來做要素的成對比較及建立矩陣,以便找出各個層級要素之重要程序、
優先順序或貢獻程度(影響程度)。故在建立系統的層級結構時,使用者需解決的問題 有二:一是如何建構層級關係,二則是如何評估各層級要素的影響程度(權重)(許明華,
2003)。
然而在使用AHP時,使用者也必須有下列基本認知(Vargas, 1990):
1.預期性(Expectations):所有的關係層級及評估要素必須完整包涵,不能有所忽略或 遺漏。
2.獨立性(Independence):元素彼此間的比較必須假設相互為獨立。
3.倒數性(Reciprocal Comparison):即在評估時,若A對B有n倍的偏好,則B對A應只 有1/n倍。
4.同質性(Homogeneity):元素的比較必須是有意義,並有一合理的評估尺度之間。
三、AHP之模式與架構
層級是AHP系統特別的型態,將影響系統的要素組合成許多層級,每一層級只 影響另一層級,且僅受另一層級的影響,層級可說是系統的骨架,用來研究階層中各
要素間的交互影響情形,及對整個系統的衝擊。當面對問題需做決策時,經常會發現 它是眾多複雜因素的組合,而各因素間又會彼此互相影響,且問題會被影響的因素則 包括很多有形、無形的、質的、量的因素。
而AHP層級分析法的模式就是先將一個複雜的問題,切割分解成不同的層級,
以便更容易分析,且分析的效果將會比未切割之前更好,可用來提供決策者做更好的 決策方案,且可減少決策錯誤的產生。
AHP層級分析法在使用上,可分為兩部分:層級的建立、準則評估及相關權重 計算,AHP層級分析法是將複雜的問題,經由專家學者評估出影響要素後,再以簡單 的層級結構來表示之,緊接著以尺度評估來做要素的成對比較並建立矩陣,經求得特 徵向量後,再比較出層級中各要素的先後順序;最後再檢驗成對比較矩陣的一致性,
看看有無一致性,是否可以作為決策之參考。圖3是AHP法進行的流程圖(鄧振源、曾 國雄,1989)。
圖 3AHP 法進行流程圖
確定評估問題
影響要素分析
建立成對比較矩陣 將問題建立層級式
的架構
計算最大特徵值 及特徵向量
確定評估問題 整體權重的計算
一致性檢定
是 否
一、界定問題:
對於問題所可能涵蓋的範圍,應盡量的擴大,使影響問題因素,均可以納入問題 中。
二、構建層級結構:
利用腦力激盪法找出影響問題的評估標準(Criteria)、次要評估標準(Sub-criteria) 等方案,用以研究評估準則要素間的影響程度、層級幾層,視問題分析所需而論。由 文獻探討分析歸納建立層級架構,第一層級表示最終目標,第二層級表示影響最終目 標的評估項目,第三層級表示各構面評估項目或替代方案。
三、評估準則與尺度:
層級結構建構完成後,緊接著就是進行評估的工作。AHP的評估是以每一層級的 上一層要素來作為對下一層各要素間之評估依據。換句話說,就是將某一層級內之任 二個要素,均以上一層的要素來作為評估準則,分別評估該二個要素對於評估準則的 相對貢獻度大小或重要性。此一過程即是將複雜的問題加以分解,形成兩兩成對比較 之方式,以減輕評估者的思考負擔,而使其能專注思考相互比較之二個要素間的關 係。
AHP評估尺度的基本劃分共有五項,即「同等重要」、「稍重要」、「頗重要」、
「極重要」及「絕對重要」等,並賦予名目尺度1、3、5、7、9的衡量值;另有四項 乃介於五個基本尺度之間,即相鄰尺度之中間值,並賦予2、4、6、8 的衡量值,而 各名目尺度代表意義及說明如表1所示。AHP在處理認知反應的評估得點時,則採取 比率尺度的方式(從名目尺度產生)(鄧振源、曾國雄,1989)。
表 1
AHP 評估尺度意義與說明
評估尺度 定 義 說 明
1 同等重要 兩比較方案的貢獻程度具同等重要性
※等強
表1 (續)
評估尺度 定 義 說 明
3 稍重要 經驗與判斷稍微傾向喜好某一方案
※稍強
5 頗重要 經驗與判斷強烈傾向喜好某一方案
※頗強
7 極重要 顯示非常強烈傾向喜好某一方案
※極強
9 絕對重要 有足夠的證據喜好某一方案
※絕強 2、4、6、8 相鄰尺度之中間值 須要折衷值時
四、建立成對比較矩陣:
AHP是以兩兩因素比較的方式,藉由名目尺度 ,將兩比較因素置於評量表,兩 邊由決策者選出兩因素之相對強度,接著再採比率尺度方式,對決策者選取的相對強 度以所代表之比率值來為作下一步運算的資料,如表2,在AHP評量表中,F1與F2的 相對強度以F1/F2表示的相對強度,若F1極強於F2,則代表的比例為F1/F2=7/1=7,若 F2頗強於F1,則代表的比例為F1/F2=1/5。
表 2
AHP評量表(n=3)
決策因素 絕強 極強 頗強 稍強 等強 稍強 頗強 極強 絕強 決策因素
F1 F2
F1 F3
F2 F3
某一層級的要素,以上層級某一要素為評估基準下,進行要素間重要性的成對比 較(Pairwise Comparison),比較每兩個要素間相對重要程度。若有n個要素時,則需進 行n*(n-1)/2個成對比較。
其採用名目尺度,設定其相對重要性的比值(Ratio),所使用之數值分別是1/9,
1/8 . . . ,1/2,1,2,3,. . . 8,9,接著將n個要素成對比較結果的衡量值,置於成對 矩陣的上三角形部分,主對角線為要素本身之比較,數值均為1,而下三角形部分為
上三角形部分相對位置之倒數,此即成對比矩陣A。
成對比較矩陣求得後,即可求取各層級要素的權重。使用數值分析中常用的特徵值 (Eigen-value)解法,找出成對比較矩陣之特徵向量(Eigenvector)或稱優勢向量(priority vector)與最大特徵值。
五、一致性的檢定
若對成對比較矩陣為正倒值矩陣,要求決策者在成對比較時,能達到前後一致性,
這是相當困難的。因此需進行一致性的檢定,以判斷是否為一致性矩陣。一致性指標 的提出,主要告訴決策者在評估過程中,所作判斷的合理程度如何?前後是否一致或 有矛盾之現象?以提供決策者作為修正之參考,避免作成不良的決策。
一致性的檢定,除了用於評量決策者之判斷外,還可用於檢定整體層級結構的一 致性。由於各層級間的重要性不一,故須檢測整體層級結構是否具一致性。不論在決 策者判斷的評量或是整個層級結構的測試,一致性指標值 Saaty建議宜在0.1左右(一 般採C.R.<0.1),評估的結果要能通過一致性檢定,才能顯示填答問卷者的判斷前後一 致,且具相當合理性。
如果每一成對比較矩陣之一致性程度皆符合所需,仍須檢定整個層級結構的一致 性。萬一整個層級結構之一致性程度不符合要求,則顯示層級的要求關聯有問題,必 須回頭重新進行層級要素及其關聯性分析。利用計算最大特徵值(λmax)與特徵向量(w) 來作為檢定成對比較矩陣是否具有一致性,根據Saaty建議以一致性指標(Consistency
n n n
n
n n
m m
m m
m m
m m
w w w
w w w
w w w
w w w
w w w
w w w A
a a
a a
a a
a a
a a
a a
2 1
1 2
2 1 2
1 2
1 1 1
2 1
2 12
1 12
2 1
2 21
1 12
1 1
1
1 1
1
1 1
1
Index , C.I.)與一致性比率(Consistency Ratio , C.R.),來檢定成對比較矩陣的一致性(許 明華,2003)。
1. 一致性指標(C.I.)公式如下:
1 . max
.
n I n
C
當C.I. = 0 ,表示前後判斷完全一致。
當C.I. = 1,表示前後判斷不一致。
而C.I. ≤ 0.1,為可容許偏誤。
2.隨機指標(Random Index , R.I.):此值可藉由查表3獲得。
一致性指標(C.I.)的大小又受矩陣A階數及評估尺度數的影響,矩陣A在階數及評估尺 度數皆已知情況下,所產生的C.I.值稱為隨機指標(R.I.)。其值隨矩陣階數之增加而增 加,階數(n)及其對應之隨機指標(RI)值如下:
表 3
隨機指標( RI )值對照表
n: 1 2 3 4 5 6 7 8
RI: 0.00 0.00 0.58 0.90 1.12 1.24 1.32 1.41
n: 9 10 11 12 13 14 15
RI: 1.45 1.49 1.51 1.48 1.56 1.57 1.59
3.一致性比率(C.R.):其公式如下 CR=CI/RI
Saaty認為在相同階數的矩陣下,若C.R. ≤ 0.1表示矩陣的一致性程度令人滿意,
若超過此水準,則可採重新修正評估來改善一致性比率,如此才能獲得一致性保證。
4.整個層級結構的一致性(Consistency Ratio of the Hierarchy , C.R.H.)檢定 C.I.H.= Σ(每個層級的優先向量)×(每個層級的C.I.值)
(2) (1)
(3)
R.I.H.= Σ (每個層級的優先向量)×(每個層級的R.I.值) C. R. H = C. I. H/R. I. H.
其中C. R. H.,表整體層級的一致性比率;
C. I. H. 表整個層級的一致性指標;
R. I. H. 表整個層級的隨機指標;
同樣在C. R. H. < 0.1時,整體層級的一致性達到可接受的水準,層級分析法最後 的步驟則將各階層之要素的相對權數加以整合,以求得整體層級之總優先向量。所算 出的向量之意義為各決策方案對應於決策目標之相對優先順序。
(5) (4)