第四章 研究設計與方法
第二節 習慣領域與層級分析法
一、習慣領域
習慣領域（Habitual Domains,HD）理論由游伯龍提出，其應用範圍甚廣，
例如徐村和、張有恆以習慣領域的行為動態模式分析消費者行為模式。因為人 類在複雜的生活系統中經常面臨決策問題，有些決策問題並非經常發生，因此 無法從過去的經驗中得出解決的途徑，也無法利用數學模式進行分析，決策者 必需擴展其習慣領域，以明瞭未知與不確定部份的事與物。一般而言，因受限 於當時的思考環境以及個人無形習慣領域的影響，以致於在研擬評估準則時，
無法思考出完整與周延的準則因素，此外也可能由於所接受到的訊息不夠充份
，而造成無從判段某一些準則的相互間的關係，使準則之間形成關係曖昧不明 的印象，在這種情形之下，往往會納入諸多類似、關聯程度頗高的準則進行評 估卻不自知，或有偏重一方之嫌，使用習慣領域方法，則在釐清這些因受個人 習慣影響以致可能產生的決策灰色地帶、提升決策品質上，達到一定的成效。
使用習慣領域理論來進行資料分析時，包括三個步驟：建立標準因素集、
建立影響因素集（實際領域）以及計算影響因素隸屬度。
由於某些影響因素的隸屬度很低，表示該項因素並未獲得一定程度以上的受 訪者認為具代表性，因此必需再將影響因素進行代表性篩選，篩選的方法就是計 算隸屬性，利用模糊統計法，可計算各影響因素的隸屬度。其計算方式為：隸屬 度（
µ
AD（x
i））＝填寫x
i 為影響因素的人數 ÷ 總調查人數。之後再設定α-截 集(α-cuts)值，並篩選出隸屬度大於α的影響因素。本研究之α-截集值之設定係 依徐村和、楊宗欣在民國88年所發表的文獻中，建議採用共識度α＝0.5（亦即 採過半數的共識度）為篩選基準。（四）建立可達領域
挑選出隸屬度大於所設定之α-截集值的影響因素，即可建立可達領域。
綜上所述，習慣領域理論在本研究的應用如圖 4-2 所示：
圖 4-2 習慣領域法於本研究之應用
二、層級分析法
「層級分析法」（Analytic Hierarchy Process, AHP）在 1971 年時由美國賓州 匹茲堡大學教授 Thomas L. Saaty 所提出，主要在試圖解決決策制訂時所面臨的 可行方案如何選擇的困難。Saaty 在 1972 年至 1978 年間將層級分析法應用於美 國國家科學基金會中有關產業電力配額、蘇丹運輸系統研究、美國武器管制以 及裁軍局分配資源以從事恐怖主義分析等之多項研究，再經過不斷地修正，層 級分析法運用的層面更為廣泛，在行為科學、行銷管理、投資組合等等的議題
研究上也都可以此方法進行探討，到了 1980 年 Saaty 總結過去的研究成果，提 出了一套完整的方法論並著作成書（Saaty，1980；Saaty & Vargas，1982）。
層級分析法可解決包含多個評核準則的決策問題，以用來處理各領域中多 個評估準則方案的選取與資源配置的權重分配（Zahedi，1986）。藉由層級分析 法可使複雜的問題化為簡單的層級，透過系統化的分解（Breakdown）程序，
將複雜的問題由高層次往低層次逐步分解，也就是先藉由決策人員或專家意見 收集某一決策下的各種評估因素，將各個評估因素進行兩兩配對比較（Pairwise Comparison），以找出各評估因素之間相對重要性的比值，經計算賦予各評估因 素權重後，再整合所有評估因素，依其權重高低排列出各評估因素之間的優先 順序，以做為擇取最適方案的依據。因此，在面對資訊與風險皆不確定的情況 下，使用層級分析法可幫助人員釐清在制定某一決策前，就各適行方案的優先 順序予以排列，以提供決策制定者推動其決策之參考。
以層級分析法操作時，各個步驟分別詳述如下：
（一）問題描述
對於想要尋求解決的問題予以界定。通常層級分析法對於下列十三種決策 問題，可提供解決之道（Saaty，1990；Saaty & Vargas，1991）：
1.決定優先順序（Setting Priorities）
2.產生可行方案（Generating a Set of Alternatives）
3.選擇最佳方案（Choosing the Best Policy Alternatives）
4.決定需要條件（Determining Requirements）
5.依據成本效益制定決策（Making Decision Using Benefits and Cost）
6.資源分配（Allocating Resources）
7.預測結果-風險評估（Predicting Outcomes-Risk Assessment）
8.衡量績效（Measuring Performance）
9.系統設計（Designing a System）
10.確保系統穩定性（Ensuring System Stability）
11.最適化（Optimizing）
12.規劃（Planning）
13.衝突解決（Conflict Resolution）
（二）影響要素分析
利用各種資料收集方式，包括與決策制訂有關人員之間的會議或討論、專 家訪談或是同業做法等，例如以腦力激盪法（Group Brainstorming）或是德爾 非法（Delphi Method），找出對於解決上述問題的所有可能的評估因素。此階 段主要目的在於整合決策者與專家的意見，而此時毋需考慮各評估因素之間的 順序或關聯性。
（三）建立層級結構（Hierarchical Structure）
建立層級結構乃是層級分析法中至關重要的步骤，在說明其建立方法之前
，先探討層級結構的幾個基本概念（楊士德，2004）：
1.倒數對照特性（Reciprocal Comparison）：決策者在進行因素之間的比較 時，對於因素喜愛的程度必須滿足倒數的特性，也就是說，若 A 比 B 的 偏好程度是 a 倍，則 B 是 1/a 倍偏好於 A。
2.同質性（Homogeneity）：因素之間的比較必須是有意義的，並且在一個 合理的評估尺度內。
3.獨立性（Independence）：因素彼此之間的比較必需假設相互獨立。
4.預期性（Expectations）：為了完成決策目標，關係階層必需完整的描述，
在建構關係階層及相關準則或是選擇方案時，必須完整而不能有所遺漏
。
依據評估問題的複雜度與需分析程度後決定層級級數，並在各級數內填入 評估因素。舉一個具有六個評估因素（A1、A2、A3、B1、B2、B3），劃分成 三個層級，再將六個評估因素分別填入（A：A1、A2、A3；B：B1、B2、B3
）之層級結構圖如圖 4-3。
圖 4-3 層級分析法之層級架構圖
（四）問卷設計
製作問卷內容，就經專家訪談法或腦力激盪法所收集之各可行方案，設計 問卷題目。
（五）問卷填寫
將問卷提供予相關人員填寫。
（六）建立成對比較矩陣
層級結構建立後，根據問卷的結果，評估同層級各要素彼此之間的相對重 要性，在此步驟內必須先進行成對比對評估，之後再建立成對比較矩陣。
成對比較評估時，以上一層級的要素為基準，將同一層級內之任二要素對 該上層要素的重要性或影響性兩兩比較，以減輕決策者思考時之負擔，清晰地 呈現影響決策之重要因素的彼此相對性。層級分析法的評比尺度如表 4-2，包 括等強（Equal Strong）、稍強（Weak Strong）、頗強（Strong）、極強（Very Strong
）到絕強（Absolute Strong）再加上介於二者之間的強度，共分為九個等級，
分別配以比重 1~9。
表 4-2 層級分析法之評比尺度 A 因素與 B 因素之
相對重要性強度 定義 說明
1 一樣重要 A 與 B 對該目標有相同貢獻 3 稍重要 評比者認為 A 較 B 稍重要 5 很重要 評比者認為 A 較 B 為頗重要 7 十分重要 對 A 有強烈偏好，甚重要 9 極其重要 A 之重要性絕對凌駕於 B 2,4,6,8 重要性介於此數之
相鄰二數間 當需要折衷值時 上列數之倒數 在比較 B 對 A 之
相對重要性 --- 資料來源：Saaty, Thomas L.，1980
賦予各要素彼此之間之相對重要性評比之後，再進行成對比對矩陣的建立
。此時以每一層的評比要素作為基準，並以其所屬的下一層的 n 個評比要素，
進行兩兩比較，形成成對的比對評估值，其所產生的 C（n,2）=n（n-1）/2 個 評估值，即為成對比較矩陣值之倒數放置主對角線左下方相對位置中，並將主 對角線上的要素數值均設為 1，則可得較完整的成對比較矩陣。
以前述圖 4-4 之層級架構圖而言，以第二層級 A 要素為例，其下的第三層 級有三個要素 A1、A2、A3，因此可建立的成對矩陣如表 4-3。
表 4-3 成對比較矩陣
可行方案 A1 A2 A3
A1 A11 A12 A13 A2 A21 A22 A23 A3 A31 A32 A33
矩陣比較時以左列的可行方案與上欄的可行方案相比，因此 A12 表示 A1 比 A2，而 A21 則表示 A2 比 A1。同時，矩陣對角線右上角每一比對數值的倒 數，即為其下方的相對數值（金正台，2001），因此，舉例而言，假設 A13=5
，則 A31=1/5；假設 A12=3，則 A21=1/3；以數值表示，帶入表 4-4 得出成對矩 陣比對數值如表 4-4。
表 4-4 成對比較矩陣數值表
（七）特徵向量（Eigenvalue Vector）與最大特徵值（Maximized Eigenvalue）
1.特徵向量（Eigenvalue Vector）的計算
層級分析法利用數值分析中常用之特徵值解法，計算出特徵向量或優先向
=2.4662 2.4662/3.9938=0.6175 A2 A21
=1.1856 1.1856/ 3.9938=0.2969 A3 A31
=0.3420 0.3420/3.9938=0.0856 小計 2.4662+1.1856+0.3420
=3.9938 1.00
接著將權重 0.6175 分別帶入 A11、A21、A31，將權重 0.2969 分別帶入 A12
、A22、A32，將權重 0.0856 分別帶入 A13、A23、A33，得出加權過後的各評 估因素之成對比較矩陣即為特徵向量值如表 4-6。
表 4-6 成對比較矩陣之特徵向量值
A1 A2 A3 A1 A11
1×0.6175＝0.6175
A12
3×0.2969＝0.8906
A13
5×0.0856＝0.4282 A2 A21
1/3×0.6175＝0.2058
A22
1×0.2969＝0.2969
A23
5×0.0856＝0.4282 A3 A31
1/5×0.6175＝0.1235
A32
1/5×0.2969＝0.0594
A33
1×0.0856＝0.0856
2.最大特徵值（Maximized Eigenvalue）的計算
A1 0.6175 0.8906 0.4282 1.9363 1.9363/0.6175=3.1356 A2 0.2058 0.2969 0.4282 0.9309 0.9309/0.2969=3.1356 A3 0.1235 0.0594 0.0856 0.2685 0.2685/0.0856=3.1356
合計 9.4068
最大特徵值λmax 合計 9.4068/3=3.1356
（八）一致性檢定
層級分析法以一致性指標 C.I.（Consistence Index）及一致性比率 C.R.（
Consistence Ratio）來檢定評分結果是否合乎信度。
1. 一致性指標 Consistence Index, C.I.）的計算 C.I.=( λmax-n)/n-1（Saaty,1980）。
舉前表 2-15 成對比較矩陣之最大特徵值為例，其 C.I.值的計算方式為：C.I=(
λmax-3)/(3-1)= (3.1356-3)/(3-1)=0.0678
2. 一致性比率(Consistence Ratio, C.R.）的計算
進行 C.R.值計算之前，先取得 n 值正倒值矩陣的隨機指標值表（Saaty，
1980）如表 4-8。
表 4-8 得 n 值正倒值矩陣的隨機指標值表
N 1 2 3 4 5 6 7 8 9 10 11
R.I. 0.00 0.00 0.58 0.90 1.12 1.24 1.32 1.41 1.45 1.49 1.51 資料來源：Saaty, Thomas L.，1980
知道 R.I 的值後，C.R.=C.I./R.I.。層級分析法即是利用 C.R.值來衡量成對 比較矩陣的整體一致性，其 C.R.值必須小於 0.1 才是可接受的一致性水準，如 果 C.R.值大於 0.1，即表示判斷具有隨機性，必需考慮重新評估或修正。
（九）計算整體層級的總優先向量
整體層級之一致性若達到可接受的水準後，層級分析法最後的步驟是將各 階層的要素相對權數予以整合，以求算整體層級的總優先向量，所算出的向量 即代表各決策方案對應於決策目標的相對優先順序。
（十）最適方案
依各方案所得數值由高到低順序排列，即可提供決策人員對於決策推動時 相關資源配置或關注焦點之優先順序。