第三章 研究方法
3.2 AHP 層級分析法說明
3.2.4 AHP 層級序分析法處理步驟
AHP 層級分析法應用處理複雜問題時,大致可包含下列步驟:
24
圖3.3 AHP 層級分析法流程圖 資料來源:【15】
一、確定問題與最高準則的定義;
確立最高目標,分析各種可能解決對策、方案,並運用群體腦力激 盪法(brain stormaig)或德菲法(dephi method),彙整專案學者的意見,將 影響問題的評估準則(criteria)、替選方案(alternatives)等要項逐一列出。
二、建立層級結構:
AHP 層級結構是由目標(Goal)、評估準則(Criteria)、方案(alternatives) 等要項構成、運用AHP 層級分析法需先行建立階層,用來決定不同層級 之隸屬關係,並藉由階層關係發揮評估分析功能,AHP 可將影響系統因 素分解成數個群體,再將每個群體區分為數個相對應的子群體,持續逐 一分層,便可建立系統全部的層級結構。AHP 層級結構圖,如圖 3.4。
(一) 最高層級表示評估的最終目標。
否
確立問題與最高準則 建立層級關係結構 層級因素對比評估
建立層級比較矩陣
計算層級矩陣最大向量與最大特徵向量 一致性檢定(CI≦0.1)
評估參考方案 是
整體一致性檢定(CR≦0.1)
25
(二) 盡量將重要性相近似的要項方在同一層級。
(三) 層級內的要項不宜太多,按 Saaty 建議最好不要超過七個,如果超 出可再分一層級,避免影響層級的一致性。
(四) 各層級的要素,應力求具有獨立性,若産生相依性(dependence),可 分別將獨立性與相依性各自分析後,再合併二者分析。
(五) 層級中最低層的要項即為替代方案。
圖3.4 AHP 層級分析結構圖 資料來源:【5】
三、建立成對比較矩陣;
當完成建構層級後,接下來就是對每一層級各個要素,進行要素間 的兩兩比較(某一層級的要素,是以上一層級某一個要素作為評估基 準),建立「成對比較矩陣」。假設若有 n 個要素時,則必須進行 n(n-1)/2 個成對比較。
在進行成對比較時,所採用AHP 評估尺度的基本劃分,包括「同等 重要」、「稍微重要」、「重要」、「相當重要」、「非常重要」等五項,並賦 予1、3、5、7、9 衡量值外,再加上介於相鄰尺度之間的強度,賦予 2、
評估項目A 評估項目
B 評估項目
C 評估項目 D
方案一 方案二 方案三 問題與最高準則
評估目標
(第一層)
評估要素
(第二層)
評選方案
(第三層)
26
4、6、8 衡量值,共計區分為九個尺度,尺度內容與意義,如表 3.1。
表3.1 AHP 評比尺度定義及說明表
評比尺度 定義 說明
1 同等重要 兩方案具同等重要之項獻度 3 稍微重要 經驗與判斷稍微傾向某一方案
5 重要 經驗與判斷強烈向某一方案
7 相當重要 實際顯示非常強烈喜好某一方案 9 非常重要 有足夠證據肯定絕對喜好某一方案 2,4,6,8 相鄰尺度之中間值 需要折衷值時
資料來源:【5】
建立 AHP 層級評估要項之成對比較矩陣後,首先各層級內有要素 A1、A2、A3、…、An,經兩兩相比後,可求得成對比較矩陣數值,如 圖3.5 所示,其中a 表示之意,係指評估準則ij a 因素與i a 因素,經兩兩j 比較後所得到的交叉比較值。其表示管理者對評估準則a 因素與i a 因素j 的重視度。
[ ]
aijA=
⎥⎥
⎥⎥
⎥⎥
⎥⎥
⎦
⎤
⎢⎢
⎢⎢
⎢⎢
⎢⎢
⎣
⎡
⋅
⋅
⋅
⋅
⋅
⋅
⋅
⋅
⋅
⋅
⋅
⋅
⋅
⋅
⋅
⋅
⋅
⋅
⋅
⋅
1 )
/ /(
1
1 1 1
) / /(
1
/ /
1
1 2 1 2
1 2
1 1
2 1
n n
n n
A A A
A A A
A A A
A A
A A
A
另外,有關成對矩陣具有下列五項性質;
(一) 矩陣 A 對稱元素相互間為倒數關係,即Aij =1/Aij
(二) 矩陣 A 的所有元素均為正值,且對角線兩側之要素互成倒數 (reciprocal),因此亦稱為「正倒值矩陣」(positive reciprocal matrix)。
(三) 成對比較矩陣 A 的秩(rank)為 1。因為每一列皆為第一列的常倍數,
所以其特徵λi
(
i =1,2, ⋅⋅⋅⋅,n)
中,只有一個非零,其餘均為零,而非零27
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所對應的等徵元素 也都為正值。
(五) 矩陣 A 的對角線和為 n。從特徵值的特性得知特徵值的和也為 n,
故λmax =n,所以決策判斷前後若具有一致性(consistency),其特徵 值必須等於n。。
其次,為檢定成對比較矩陣A 是否符合一致性的要求,必須求出權重與 最大特徵值λmax,計算方式如下;
(一) 權重
( )
W : ij依成對比較矩陣,可以計算出特徵向量或優勢向量(priority vector),即權重分配,計算方式如下;
∑
= ==
⎥⎦⎤
⎢⎣⎡
⎥⎦⎤
⎢⎣⎡
= m
i
m ij m
ij
a a
Wij
1
/ m 1
1 J /
m 1 1 J
II II
其中m 表示評估準則個數。
(二) 最大特徵值
(
λmax)
;即是將成對比較矩陣A 乘以已計算出的權重Wi,可得到一個新 的向量W ′i,再將所有數值加總求算數平均數,即可計算出λmax。
⎥⎥
⎥⎥
⎥⎥
⎥⎥
⎦
⎤
⎢⎢
⎢⎢
⎢⎢
⎢⎢
⎣
⎡
′
′
′
′
=
⎥⎥
⎥⎥
⎥⎥
⎥⎥
⎦
⎤
⎢⎢
⎢⎢
⎢⎢
⎢⎢
⎣
⎡
=
⎥⎥
⎥⎥
⎥⎥
⎥⎥
⎦
⎤
⎢⎢
⎢⎢
⎢⎢
⎢⎢
⎣
⎡
n ij
n ij
n n
n n
W W W W
W W W W
A A A
A A A
A A A
A A
A A
A
2 1 2 1
1 2 1 2
1 2
1 1
2 1
1 )
/ /(
1
1 1
1 )
/ /(
1
/ /
1
公式:λmax =
( ) (
1/n × W1′/W1 +W2′/W2 +⋅ ⋅⋅+Wn′/Wn)
28
四、一致性檢定;
為評估管理者前後判斷是否一致,必須對成對比較矩陣做一致性檢 定。Saaty 建議用計算每一階層的一致性指標 C.I.(consistency index)與一 致性比率C.R.(consistency ratio)來判斷矩陣的一致性。
(一) 一致性指標
( )
C.I. :計算公式:C.I.=
(
λmax −n) (
/ n−1)
當C.I.=0時,表示問卷填寫者對評估因素前後判斷具有一致 性,而沒有矛盾之處,而C.I.≦0.1 時表示誤差在可容許的範圍內。
(二) 一致性比率
(
C.R.)
:計算公式:C.R.=C.I./R.I. .
.I
R 為一隨機指標(random index),依據 Dak Ridge National Laboratory 與 Wharton shool 進行研究,由評尺度 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,
如表3.2。
表3.2 隨機指標表
M 1 2 3 4 5 6 7 8 R.I. 0.00 0.00 0.58 0.90 1.12 1.24 1.32 1.41
M 9 10 11 12 13 14 15 R.I. 1.45 1.49 1.51 1.48 1.56 1.57 1.59
資料來源【14】
若C.R.≤0.1時,則可以認為所有評估過程達到一致性。
五、選擇適當方案優先順序。
管理者完成各層級要素間的權重值計算後,便可進行整體層級權重 計算。如整體層級結構可通過一致性檢定,即可依各替代方案之加權數 值高低來選定最終目標的替代方案。
29
計算公式:總加權值=
∑
WiYij其中,i= 1 ⋅⋅ ⋅⋅n,(共有n 個決策因素) m
j = 1 ⋅⋅ ⋅⋅ ,(共有m 個替代方案)
W =表示第 i 個決策因素之權重值 i
Y =表示第 j 個替代方案第 i 個因素所獲得的評估值。 ij
3.3 德菲法