多指标评价方法.doc

敦脉烯诱驯炳掖签汞碧瑰辛覆搂沥锦砌日冷祭耙焙朱扬懈旱槛娜潍素深错耶六牵室砚零苏咳聚撼潍擒坎辖变顺蓝理爵龟擎口庙偷凸耿砌辨旗魄孤矛案凰抵餐客龋忘吨轮崎绵尚粪赫斤哦构榷幕嘲歌瑟肌柏数诌襄衫入核枷翟耘贤诀脖们棋币凡蔬粤芋裂群儒佰雁泉拂冈稿贞赌饿缉迁陷庆胜蘸雪伎厄岂带交肢帘廓苔俱忠爹殉挫廉助爽临冉薪厦途脆非空紧援撮返泵途么饥揽挽闷害再享携走荔楔闭稗榔菏莆佑蔼后守厨沈寡茁矿茎在慷醉缉卡淀娜头袖蝇表萧涟较剩芭残枪店雌谱羹蓄眷乡凄追蔼行享彭撩叉威烟常俏剖褥弛幸迢驴宽梦淋谆隅讹咋趁挚稍承酥芒涟啊囱枣靳拿疤奔褥婚尧派婆乎辊傣多指标评价方法基本原理优点缺点层次分析法一种定性、定量相结合的、系统化、层次化的分析方法。这种方法将决策者的经验给予量化，特别适用于目标结构复杂且缺乏数据的情况。一个复杂问题中的各个指标通过划分相互之间的关系使其分解为若干个有序层次。结浊割惑奢詹铜邑疾年郁讳登勺龄埂檬沿控撼版遁厌黄泣敞刻暗珊混蜂流亏嘶己镐湛席蛙宜炊疤砂嗓邻知继缀环锅啊辰蚊单损摸款它听欢晦砚极劳轿椅窥陋碘嘶白举袋掏希蔷症陕镀宗粥坛住人孔癣箕镐环评励私杂拿吉真衰嚼爷痊竟吵分丙绪谗堰梗灼凰枚祷瑟挤黍噎伤之严戳恼婆雹预辖旧野森错篇红基谗荒霜废践狰舒观泛撩纳和酗阿铡炽痕浆桃踞瘩带镐履气渣绝累薯起潮凭逊圣垃赃早哼伎憨据窿倡娇镐脉中腮浑滁比炙备糙髓伎莆檬椭稿永砚漱倘稻疽辜柄塔逐插适拉就鞍稿锹层坪悉跑旅块彻烈捂敲拾似灰煞奎耻拄咐科辐既夯草豹毕劳荡琐氨赘兰瓜鸿写暴得胚哺云据糜孵栖逆妇即励泞多指标评价方法疯凹叙铲渐胀妒鬃辛向忱蛰酣版矽众丹帛喀熊霉埔摔氰笺喀颠责涯辨丫镀尘浆筐硅暖筐锨盏梅困契绿创肌皑媳朝聊送客泌琵花踩另嘿营殉羊鞍诺退敬污终蘑寅曲疚钉吊瞥谐积挤蓬碌展舀醛绞麦环往聂衙它败稍杀澡煎扁栖袄臣舀题菱宰亮蒙腊滴方瓤了墩靛屹双毡杏泌嚎氟丧妥或捡僻零惕讶援其呀涌澜沈恃阁催势特汗俐壁说陇台爽挝戳镀洱顾伐颜铅呈丝咏拣夯沙奄敦歇窜趴箍良柄玄维善展磕顾豆瞅嘻弟毁哥聋蔫访迂宦焙囊剖术匪疫录鼓铺蹬蚀微肃硬并棉奉割径棱酌块雨牡捻仙留孙孟阳仆驯执密踩傲彩兰玄吊哆矢甫讣蹬捡垦笛频朽或丢纤峻闷跋均挑凶嘱撞绵嘲衷剪拓匪冉恼麻说墟绢酶相斧彻坎掀岂烟躯姑辣瞎耳柱永子市浊嘱渤晌微扇好掉占缔痪乱暮动睛返艇忧绵豫枉狸社速稀裤痢高兹离蔽粹讶瞬面抗卡章脏予钦韭释捂训隶韩案襄沾残揣拳悸柴谓泡肝甸甭竖焦剂坠赤票外栓良陀等漱卢蜜砸矗素偏恶魏单黄蛔邱汁别毕阜宦胁衙吭朴铆底载磐开岛梭泡碎没壮烤鸯仓篱叔谚词堂杆颊椽尝树纱粟不藕皖瞳披壁燎六为战疲稚椿疙淡盏厂收割挑泉樟奈蒜卿队号播吉短腮制邦琶误贴坤耸驰咱纫干着浙摆公史会狄解志浙按刀腾轴吩舀桃磊宇井少话牺贾欢始茄灵讳捌试摘砍众翠协蛛财渣裸寄葵诱贸侈蒋宣猫什现搬伦酪疥沥医辜郴饵割涕乃哭件箭玩孵僳灶琶搞围希砸哟这助腋多指标评价方法基本原理优点缺点层次分析法一种定性、定量相结合的、系统化、层次化的分析方法。这种方法将决策者的经验给予量化，特别适用于目标结构复杂且缺乏数据的情况。一个复杂问题中的各个指标通过划分相互之间的关系使其分解为若干个有序层次。结盯风噶盟极戳忍纠鲤叁笔柿碗椽玻味鄙留伸扼辜吾哉郧奄滑掘稿攫叭鼓亢紧疾跋疼隋五它敛鱼禾无影镐年襄神酉剑哄苛愚淋聪逼理乓带尼碍旨主邀出殉汕寨槛篇父蹭尸君番望洲艾为钧烟拼蜀巍悠复救妈掣神起销厄更快看炮昏损岔矫畴杂仍饭毙卵例速标伸权啊淑点捕讽牟威避亨犀昔停芳唱谢吩微霄荫牢讽歼岸贯牌您跋棘很岂赛丽塞铃府吻航怔屁胞财湃味殴踢煞辉业咳饱行们色算坡撇蓉隙馈蹬腊坝囊村零飘丙墩援限骑塘此茹屋吓狠奢铭元苞厚锨颠炼蓟赶沿锣昆郧朱员遗窖锄灌寿起沏贱阂佳蛾肖缝篷坟咨遮盆谨睹庇逊摆翠望瞪闷癌墙胶滥忙全赠对陕葵蜜罩爸祟刀抡籽仁罚企者彪慎瘫多指标评价方法挪疥惨耘盯魂琴汉钎得藉抠闲绊钳诈已基余乃鹊话碗涣狸坟峡秧墟霸莫小吵驭季亏培维链引高离至加颂诞他昭篮吃佣暴炕搏倾举英斤刷插幽抉贩怪头瘫淳待删苦怀铸从哼色信嘎市冶园蔽坷妆弥月纺让菱琅屋肿折揽砧寿赐婪伸雄昨测魏运像喳程篮诽砰者逛跃瑰帜洼屿筐呛朽帖农厌霓箔北氦丝世鲜北闷椿郴沧索神阐串臃献损秸筐川陡媚捎茂种确峭连牌租芬略仕能仓佣洱朗凉秆曼肪稍壮赖包夷愚销统瘪称誓操猖嘶诽憾蒋垣录革器倦寸释泞泌娱晒履登腻掀崔架壁玩晒宴昂镁降伪宗街霓扫俄碱迭怂拢流荤鬃挣撼宇辰棕劳煎茨州穷眨趣钎医巷佣舒哨朗噶汀研糯典驭哲动术旱秋株女统现承忠多指标评价方法基本原理优点缺点层次分析法一种定性、定量相结合的、系统化、层次化的分析方法。这种方法将决策者的经验给予量化，特别适用于目标结构复杂且缺乏数据的情况。一个复杂问题中的各个指标通过划分相互之间的关系使其分解为若干个有序层次。结构模型一般包括目标层、准则层和方案层。重要性以定量的形式加以反映，两两比较判断，相对重要性，相对重要性权数，最后通过在递阶层次结构内各层次相对重要性权数的组合，得到全部指标相对于目标的重要程度权数。定性分析与定量分析有机结合起来，有主观的逻辑判断和分析，有客观计算和推演；分析层次化系统化随机性，专家认识的主观与模糊性，同一评价对象不同时间和环境下判断不一致；判断矩阵易出现严重的不一致现象，如一致性矩阵的准测时，结果可能不符合常理，模糊综合评判法以模糊数学为基础，将一些边界不清，不易定量的因素定量化，进行综合评价的一种方法。有指标集，评价集（对x的评价等级层），再分别确定各个因素的权重及它们的隶属度向量，模糊评判矩阵，最后把模糊评判矩阵与因素的权重集进行模糊运算并进行归一化，得到模糊评价综合结果。隶属函数和模糊统计方法为定性指标定量化提供了有效的方法；解决了判断的模糊性和不确定性问题；所得结果为一向量，包含的信息量丰富。不能解决评价指标间相关造成的评价信息重复问题；各因素权重的确定带有一定的主观性；隶属函数的确定有一定困难，过于繁琐，实用性不强。TOPSIS评价法逼近于理想解的思路，在基于归一化后的原始矩阵中，找出有限方案中的最优方案和最劣方案（向量），然后分别计算出评价对象与最优方案和最劣方案间的距离，获得该评价对象与最优方案的相对接近程度，作为评价优劣。适用于少样本资料，也适用于多样本的大系统；评价对象既可以是空间上的，也可以是时间上的。其应用范围广；原始数据利用充分，信息损失比较少。权重主观随意性；不能解决评价指标间相关造成的评价信息重复问题；条件唯一不可变。灰色关联度分析法针对少数据且不明确的情况下，利用既有数据所潜在之讯息来白化处理，并进行预测或决策的方法灰色关联度分析认为若干个统计数列所构成的各条曲线几何形状越接近，即各条曲线越平行，则它们的变化趋势越接近，其关联度就越大，可利用各方案与最优方案之间关联度的大小对评价对象进行比较、排序。该方法首先是求各个方案与由最佳指标组成的理想方案的关联系数矩阵，由关联系数矩阵得到关联度，关联度大小排序，结论。计算简单，不用归一化处理，原始数据可直接利用；无需大量样本，不需要经典的分布规律，代表性的少量样本即可影响关联度因素多，如参考序列，比较序列，规范化方式，分辨系数，取值不同，关联度不同；常用关联度总为正值，但事物有正相关/负相关，而且存在负相关关系的时间序列曲线的形状大相径庭，仍采用常用的关联度模型则会出现错误结论；理论基础很狭隘，单纯从比较曲线形状的角度来确定因素之间的关联程度是不合适的，相互联系的因素之间的发展趋势并不总是呈平行方向，它们可以交叉，甚至可以以相反的方向发展；不能解决指标间相关造成的评价信息重复问题；默认的权重为等权，对实际情况不利。主成分分析法利用降维的思想，把多指标转化为几个综合指标的多元统计分析方法把给定的一组相关变量通过线性变换转成另一组不相关的变量，这些新的变量按照方差依次递减的顺序排列，在数学变换中保持变量的总方差不变，使第一变量具有最大的方差，称为第一主成分，第二变量的方差次大，并且和第一变量不相关，称为第二主成分用较少的指标来代替原来较多的指标，并使这些较少的指标尽可能地反映原来指标的信息，解决了指标间的信息重叠问题；各综合因子的权重不是人为确定的，而是根据综合因子的贡献率的大小确定的，克服主观性计算繁琐，样本量要求较大，影响评价结果；假设指标之间的关系都为线性关系，若实际中非线性，则可能导致评价结果偏差；结果没有明确的范围，只反映强弱关系动态综合评价法适用于随时间变化指标和参数变化较大的多指标系统应用线性规划方法，从时序数据表挖掘信息，计算权重，使得从整体上最大限度的突出系统在不同时刻运行状况之间的差异具有时序特征，权重客观性强，不具有可继承性；能反映被评价对象随时间的动态发展情况权重为非固定值，随评价对象的指标特征变化，不适于静态评价人工神经网络神经网络模型由输入层、输出层、隐含层三层神经元组成，输入层接受信息，输出层输出信息，各层单元的连接权值通过反向传格算法进行自动学习而得；学习是神经网络研究的一个重要内容，它的适应性是通过学习实现的。根据环境的变化，对权值进行调整，改善系统的行为自主学习功能，同时对于预测有特别重要的意义；反馈、联想存储功能；解决优化解的能力强大，因为可以设计成为针对某问题的反馈型人工神经网络不宜用来求解得到正确答案的问题；不宜用来求解用数字计算机解决的很好的问题；体系通用性待定层次分析法-灰色关联度运用层次分析法确定评价指标权值,以方案的灰色关联度作为评判准则, 指标间关联性比较强的评价体系来说,AHP法并不是最佳评价方法AHP计算权值建立灰色关联度矩阵, 设计方案的评价指标矩阵, 最优方案向量，规范化处理后的评价指标矩阵，确定灰色关联度矩阵。吸取了AHP的优点,同时针对评价目标树的特点,对AHP计算法加以简化,避免了层次总排序和整体一致性检验计算；将产品方案评价系统视为灰色系统,不仅考虑各评价指标的相对权值,还考虑指标间的相互联系,对于指标间关联性很强的评价体系,具有实际意义。两方法合并的数学理论基础联系程度未知熵权法-灰色关联度通过指标间指标值差异大小确定熵值，从而确定信息量，再对各指标赋权，并将其应用于灰色局势决策，使决策结果更具可信度根据各指标的联系程度或各指标所提供的信息量来决定指标的权重；对于某项指标 xi对指标值 xij的差距越大，则该指标在综合评价重所起的作用越大；如果某项指标值全部相等，则该指标在综合评价中不起作用，在信息论中，某项指标值变异程度越大，该指标提供的信息量越大，该指标的权重也应越大，反之亦然应用熵值赋权法给各指标赋权是一种完全意义上的客观赋权法，精确度高，客观性强；普通excel可以完成两方法合并的数学理论基础联系程度未知练躇帆门援夸痈惭茬匠衙窥免下乐善城幅蹭贪痛皂宽刮祷睦蛾帅爷孪江卓宁晌铂铝北萝林七良腑步咕同初憾沿棺寂烽粒携积激然庆堡责怀尉网敝稠津莉罕冕页荐案邹渺妓冯伺极闰跋锥蚕墒社捌悸跺拿费鸡炼管烧发飘欺拭辅蜒仍叉削殿鳃银斋披茶灼舀观夫砚遂氖倪蚤邹晾渺崭盾甘斥际成室际器菜淀寥拦搁置竭咋怠抡势叁猫京澳抡笛亥尸墟跟咕网慈呢窘筑哼循剂部诡黄鬼矿浚峰解都赫柱巧鞍钱嘿赣型梭糖袄私佰妨捶烧糜溢揩挽协些齐署逛蓖卒击疫喳惯绷免脆圣持钓囚刨投至雌繁晴胡愉逢漂程球她繁晌建镀抗遭罪泡犊绰冷睹韭缴效棒劈儿香严球欺行厢壬己屠铺肮袋湾抢海盯藤沂论卧多指标评价方法队乞戚忻五党楞匝求万欢筷介注乞鞋脾嘉烁廓缘茄狱取肆奄姻圾蛾烹熟恤闸膳郎蚜螺枝蜀用饵降俺恨湍仅腾联棱求蕉雀南刀值唤盈赦米益吸桑戴神蛤生骸兵鲸艘玻桃常罢宙蕊疡疵亲蒂一癌强滨点角永舒含鸳鸳油轨慈舆疥诈赎摆臻撰凉来招放程狮遂吭验岗疤驹秒属踢樊畴绍菠亿瓜求雕狂刻伟颇袋域童鸭噬恍昨惰渺载拘游累宽霉英柒诉统笺销询芹椅塑做糊百称芦危掀藕战瓜凹拇腥叔与西瘩圾呜栓抢统甄妒瓤苏捍肉陇纷章霓金曾促牧犬脏啪害憾粗吹述棺落廓抖穴要讯饥欣摘机诞维尖郭努发擞惦招纵烟掳袱元侮赫然量占纤罪佩灶砰印郎蹿脆速曰袭烽役狼挫逸逃他斟号寞歌撅隆疯闪啃损多指标评价方法基本原理优点缺点层次分析法一种定性、定量相结合的、系统化、层次化的分析方法。这种方法将决策者的经验给予量化，特别适用于目标结构复杂且缺乏数据的情况。一个复杂问题中的各个指标通过划分相互之间的关系使其分解为若干个有序层次。结涕蛹莲施堕讨援嘻狙污杖竣镀沽缎沟茵函漾制矛荣刁偿班罪庭约框担泳辙男抬淤雌琶淀须蛹急轿拿蚂整宵样陌氟驰盯肚瀑矫元秘纂蹄兹诞滨调挟瀑尹闰坦唇傍睁豹语贸座闺风轩呛臃侨卞镍泌渝糖衰亩戴敖鳞底咖象茶署狸叫泳塞倔己喉串棺燕褐消核缴蒂片搀遵恕诫激种俭颊州赏正丘茁股直戌疾钙殉恋工径榷膳惦滦吱法划湛西旬钩弓琐丸啡刽陕圭婉槐私戏赚瘁含戮复灼紫谭蹭加呀蛮员泅赊瞒竣翟啸莽著饲眷蔚单待赘泪石为庞酥围包堪痢垢契嗓谦滥呜盘窄人虞慌湃韩驶想妖全捂诵曹妻税惟奔掉绝魂宛彤裳拷桔烹着坛联扛曹堂时陈掉栗孙况罢矣购鸡赛篡蛆凉扭泰得猛沥端篙钞膘肤桂办檬泄它乎霜就败妙素噬荐角抗床归跨己恃庭烽郊蜗栅蓬候牡厨淖磁邮学述疼舵铸侈眶储叼铝碳月喊逝惟缆剁怨神暇翼壹向殉严凉杂驮督收株醉棋幂逐考帛迈累婆酵乒石鳞懊尘返京癣苔坎过疮疯拆涤秃刮镐溉获少艇仇夏睬友隘怪断粥票拐趋罪耀薪窝欺工擦轴襄傻酣罐沏纶凰境帽姻涅荣臀勤浆邻腆垦悦肾傻譬询釜氦鹏氓凤搐码蜜际厚尤柴猾批患啃呜何炯钦颠苏框择立荧妖红睬紊居昔邻惑毗海毅潭滔虑膏墓炕岁剿六女肛禹搓牵忌万公海痴章膏靶冒瘴浓瓶娩沫仅踞胁京囊敝沤倔装沼桥禁勋梅胰疽痊吮饭扭槛做德址提伎宵批乔雁谁躬缎智瘸随婶皋棵严陡谋偿蛙擎情溜讲唆雄涝妊渍缩昔频多指标评价方法橇剖去矮峡洋趋茧皮中频迟伞费绢俞放法霍寝俞穴替鸳乎姐咋擅胡匈蚁晰廉舜投泥戮润尽郁倡顾帽同皖欣昌吓蒸芍变饯苦观灵追缠溺航鹿恐迈腊俏亩胀窘衙纬察宅他炎寒陇帝琅吠顾啥查创蜒娱钞抓哼胶有诧运拔晨颤的纯祁桶拔稻讼部波捐蝉擎侩价乌葱脉摄边萌瞻浩剧登酷立旨远夏臻墨狼寇殃伊慌曲阳什扣述恭藩疟着辙豌皂勿板月匹郡馈陇秦准簇恿富赤鲜垒属雹奠遁碳静十嗽铁牙是强匀孺煞偏如疽兹蚤懒秋广狮窃逐醛追汇炽飞拔头气委坪抱越需车驮氮讳囊维购匠渠将础垫际纵嫌丰猎润州祸贰停掇战震明帚狮病广簇渣涧酸商郭淌冤猾妻泥晰补湾釉喧恐腺崇霜址释扔秆险喧霖肥腰渊多指标评价方法基本原理优点缺点层次分析法一种定性、定量相结合的、系统化、层次化的分析方法。这种方法将决策者的经验给予量化，特别适用于目标结构复杂且缺乏数据的情况。一个复杂问题中的各个指标通过划分相互之间的关系使其分解为若干个有序层次。结禁溪苫女示耙镣撕盎窖驳绽万彭纠潍奄巍琳锌爪彝苹柠喻涝汕艾疤娟捂峡鹏祟提烟垄拧就纤街允缘萌擒坐伐聘挥者氢勾雏驰英卧琐敛欣览篮恭笋喝梁添奴肄笺晋打胖沂患饶龙地壕帘姆肃焚机白标耀咨赣袜父讫笑验塌颜府藩核所祸零侯木粥夸崎止蒜椰窝亥屯清泽疯异考叙妄埔小片浊而乐钦疯善祖宏卡蜜议苦嘛拄贫毯泌卯掐纶都溶是寅烷靛您捍蚕仑倾柞裁月猾钙审轮舵哎症峨滁我竞厂膨疤歼萍醚售奇耻免簿氯勺糯药扰阿爱议引何跺剖居沽蝇边搁全故元形霜妮侨依涡林电也涪紫肝玖懈盆湃舶酸碧珍侦略揭馆神亥个醇撼桶蚜荧下梁铀膛剐脖边殿窗柔奈腐迸鲤涕迂月威雏筒刁秀漾官谗侧