階層程序分析法(Analytic Hierarchy Process, AHP)係由美國學 者Saaty於1971年提出,適用於處理設定優先值、選擇較佳政策替代 方案、資源分配、預測及投資組合等方面(孫志麟,1998)。
這一套由Saaty所發展出來的決策方法,主要應用在不確定的情況 下或具有數個評估準則的多方案型的問題上。基本上,階層程序分析 法是將複雜且非結構的情況分割成數個組成成分,並安排這些成分或 變數以階層次序的方式呈現,再將每個變數的相關重要性以主觀判斷 的方式給予數值評分,最後綜合這些判斷來決定哪一個變數有最高優 先權。簡單來說,這樣的方式可將複雜的問題在不確定可佳方案的情 況下作有效的決策(陳瑩瑛,2005)。
階層程序分析是經由群體討論的方式,將複雜或未結構化的系 統,以簡明的要素表示之,並經由全體討論,匯集專家學者及決策者 的主觀判斷以排列這些要素的階層順序,經由成對比較,給予代表其 重要性的數值,再綜合判斷,確定哪些要素具高優先性且能影響狀態 的一種方法(謝金青,1997;葉連祺,2001)。此種方式可應用的範 圍廣泛,目前國外已應用於多種決策問題(Saaty,1980):
一、評定優先順序(setting priorities)
二、替選方案的產生(generating set of alternatives) 三、評選最佳方案(choosing a best policy alternatives) 四、決定需求條件(determining requirements)
五、根據成本效益分析制定決策(making decision using benefits and costs)
六、分配資源(allocating resources)
七、結果預測-風險評估(predicting outcomes-risk assessment)
八、績效衡量(measuring performance) 九、系統設計(designing a system)
十、確保系統穩定(ensuring system stability) 十一、最適化(optimizing)
十二、規劃(planning)
十三、衝突解決(conflict resolution)
壹、階層程序分析法主要內容
由於階層程序分析法是將問題層次結構化後,再將計量因素與非 計量因素同時進行考量的理論方式進行,並同時匯集專家們的判斷與 經驗,以產生所欲解決方案之優先順序,提供決策者參考。故在使用 此 一 分 析 方 式 時 , 其 基 本 的 主 要 內 容 應 包 含 以 下 四 項 (Saaty &
Vargas,1983):
一、將複雜的問題間之評估予以結構化,並建立層級結構。
二、設定各問題之評比尺度,並建立成偶比對矩陣。
三、計算各問題之相對權數。
四、檢定一致性。
另外本法的基本假設為:
一、每一問題可以自成一系統,並分解成評比性的層級要素,進而 形成具方向的層級結構。
二、每一層級內的要素均可以與上一層之全部或部分之要素再自成 一評比基準,進行評比。
三、要素間之評比可以名目尺度方式加以量化,並行權重。
四、比對矩陣為正倒值矩陣及一致性矩陣。
五、任何要素只要出現在層級結構中,即視為與評比目標有關。
貳、階層程序分析法的優缺點
茲將階層程序分析法的優缺點歸納分述如下(王淑怡,2002):
一、優點:
(一)容易瞭解、操作簡單及應用容易。
(二)結合了專業理念與知識的主觀判斷及客觀量化的數值分析,
建立的指標體系較為人所信服。
(三)提供了各階層指標相對權重的量化數據,利於研究者進行單 一指標的取捨或整體價值的判斷,及選擇最佳方案。
二、缺點:
(一)採用九點評定量表,太過瑣碎,亦造成填答判斷時的困擾。
(二)階層程序分析 進行加權標準化後,若增減任一變項,可能造 成原來變項間的相對比較關係,產生逆轉的結果。
(三)人類的判斷無法符合階層程序分析 絕對獨立的假設,因而可 能造成研究的誤差。
(四)成對比較次數過多,易造成填答者的困擾及厭煩。
參、階層程序分析法實施步驟
階層程序分析法是將所欲探討之問題先進行分析,並轉化為階層 關係的架構,以找出各階層要素的假以評等,最後綜合成各方案之優 先順序。先將其實施之流程分為以下九個實施步驟(陳麗珠、吳政穎,
2005):
一、決策問題之認定
首先要釐清問題之所在,才可對問題下定義,方能清楚瞭解決策 目的。尤其是在應用階層程序分析法時,對於評估要素之分層,更須 充分掌握問題之方向。
二、列舉各評估要素
在列舉各評估要素時,首重專家及決策者意見之整合,藉由其專
業知識與實務經驗對決策所面臨之問題的評估要素,慎重列舉各評估 要素,此時毋須考慮決策因素的順序及關聯性。有關專家及決策者意 見之採用可用腦力激盪法或德懷術以收匯整之效。
三、建立層級
將各項評估要素,依各要要之相互關係與獨立性程度劃分層級。
層級劃分多寡視分析問題之複雜度而定,但每一層級之要素至多七個 以內,以免在評估時造成矛盾之現象,以致影響評估結果,各層級之 要素彼此間應獨立。而層級之結構則可以從整體目標、子目標等,最 後至決策之結果,進而形成多重層級,而層級之多少則視決策之複雜 度與分析程度而定。層級之種類又可分成完整層級(complete hierarchy) 與不完整層級(incomplete hierarchy),完整層級是指每上下層級間之 要素彼此間都有所相連如教育均等之分析層級結構,不完整層級則是 指上下層級間並非全部都有連結。
層 級 結 構 之 建 立 是 以 群 體 討 論 的 方 式 或 參 考 相 關 文 獻 及 專 家 之 意見,經反覆修正後加以彙總而成。建立層級結構的原則可整理如下 (錢惠枝,1995):
(一)第一層為決策問題的目標或評比之目的 (二)重要性相近的要素應置於同一層級
(三)同一層級內之要素個數不宜過多且應力求獨立 (四)最底層為決策問題的行動方案或評比對象
根據鄧國源與曾國雄(1989)指出,建立層級時應注意的是:
(一)最高層級代表評估之最終目標;
(二)儘量將重性相近的要素放在同一層級;
(三)層級內之要素不宜多,依 Satty 之建議最好不要超過 7 個,因 為受限於人之因素,同時過多時,也會影響層級之一致性。
四、成偶比對評估
(Equal importance)
兩事件的貢獻度具同等重 要性
3 稍重要
(Moderate importance)
經驗與判斷顯示稍微喜歡 哪一方案
5 頗重要
(Essential importance)
經驗與判斷顯示強烈喜歡 哪一方案
7 極重要
(Very strong improtance)
實際非常強烈喜歡哪一方 案
9 絕對重要
(Extreme improtance)
有足夠證據肯定喜愛哪一 方案
2,4,6,8 中間值
(Intermediate values)
折衷值介於之前評估尺度 間
資料來源:Satty(1980)
五、建立成偶比對矩陣
成偶比對矩陣之建立是以每一層的評比要素作為基準,並以其所 屬之下一層的 n 個評比要素,進行兩兩比較,形成成偶比對的評估 值,其所產生的 C(n,2)=n(n-1)/2 個評估值 aij 即為成偶比對矩陣中,
主對角線右上方的元素值,如表 2-7 所示。將右上方之元素值之倒數 放置主對角線左下方相對位置中,並將主對角線上的元素數值均設為 1,則可得完整之成偶比對矩陣 A。
令 aij=wi/wj,此處 w1,w2,‥.,wn 代表層級中各要素對於上一層 級中某要素的相對權數。此時矩陣有兩個特點:
(一)階層程序分析法的成偶對比矩陣為正轉置矩陣。
(二)若專家評比時的判斷均非常完美精確,此時矩陣為一致性矩 陣。亦即所有比對值均滿足數學遞移律。
表 2-7 成隅比對矩陣
評比要素 A B C
A 1 2 3 B 1/2 1 5 C 1/3 1/5 1
六、計算各比對矩陣的優先向量及最大特徵值
由 於 A 為 正 倒 值 矩 陣 , 所 以 AW=nW, A= [ aij ] n*n , A=
1 A12 … A1n
1/A12 1 … A2n
… … … …
W=(w1,...,wn)T,按矩陣理論而言,w 為一致性矩陣 A 的特徵向量 (Eigenvector),在階層程序分析法中又稱為優先向量,代表各要素間 的相對權數,而其特徵值則為 n。成偶比對矩陣為一致性矩陣且 aij=l 時,只會有一個特徵值 n,其餘特徵值均為零,因而其最大特徵值為 n。在主觀的比對過程中有稍許誤差存在,則雖然特徵值亦將有微量 變動,但只要 aij=l 且矩陣 A 為一致性矩陣,則其最大特徵值仍會趨 近於 n。至於誤差在多少之內可以不影響結果的正確性,則須由一致 性指標及一致性比率加以檢驗。此時相對於最大特徵值之特徵向量 (亦即 A 分析程序層級法所稱之優先向量)W 可由矩陣 A 的 K 次乘方 的極限矩陣標準化後再將橫列予以加總的方式得出。
七 、 進 行 求 取 一 致 性 指 標(consistency index, C.I.)與 一 致 性 比 率 (consistency ratio, C.R.):
在進行成偶評估比對時,專家對於評估指標間可能無法完全一致 時,會影響分析的正確性。因此必須檢驗誤差大小,視其是否在可忍 受的誤差範圍內,才不會影響決策之優先順序之結果。Saaty 將最大 特徵值λ 與 n 之間的差異值轉化為一致性指標,以用來評量一致性max 的高低,作為是否接受比對矩陣的參考。
C. I. =(λ )/(n-1) max
而 隨 機 指 標 (R.I.) 則 根 據 Oak Ridge National Laboratory 與 Wharton School 進行的研究,從評估尺度 1-9 所產生的正倒值矩陣,
在不同的階數(order)下,產生不同的 C.I.值,稱為隨機指標(random index,R.I.)。其中矩陣階數為 1~11 的 R.I.值,係以 500 個樣本所求 得的平均值;階數為 12~15 的 R.I.值,則用 100 個樣本所求得的平 均值。其結果如表 2-7 所示。
表 2-8 隨機指標表
資料來源:Saaty(1980)
利用上述之一致性指標及隨機指標,便可求得比對矩陣之一致性