本课题选用层次分析法(AHP)将上述指标体系中各层之间的影响程度进行定量分析。层次分析法是美国运筹学家Satty提出的多目标、多准则的决策方法，是对复杂问题做出决策的一种简明有效的新方法。它把定性分析与定量分析相结合，根据问题的总目标，以系统的观点，把问题分解成若干因素，并按其支配关系构成递阶层次结构模型，应用两两比较的方法确定决策方案因子之间的相对重要性，从而获得满意的决策结果。
各指标对重要性的判断
各指标相对重要性的值反映了人们对该指标相对重要性的估计，如设第一层元素A与下一层元素B1,B2,...,Bn有关，两两比较B1,B2,...,Bn的重要性，其相对重要性的比例标度一般采用1～9及其倒数的标度方法（见表2）。
表2 相对重要性的比例标度
若Bij=1，表示因素Bi与因素Bj同等重要;Bij=3，表示因素Bi比因素Bj稍微重要；以此类推。
2.3.2体系各指标权重的计算。
2.3.2.1运用AHP方法，根据打分的得到的数值，构造判断矩阵。目标层A的判断矩阵（见表3）。
表3 目标层A的判断矩阵
同理可得出子准则层的判断矩阵，从略。
2.3.2.2判断矩阵的特征向量与特征根的计算（方根法）
（1）计算判断矩阵A的每一行元素乘积
Mi=∏aij,i=1,2,∧,n。
（2）计算Mi的n次方根
Wi=
（3）将Wi标准化为
则Wi为所求特征向量。
（4）计算最大特征值
以准则层A中对应的指标层B1-B4的权重计算为例，计算W的过程。
然后再求最大特征值的近似值
2.3.2.3计算单排序权向量，进行一致性检验
所谓一致性指标，是指用来衡量判断矩阵不一致程度的数量指标，记做CI，定义为 
显然，CI=0⇔λmax=n⇔判断矩阵是一致阵。CI的值越大，判断矩阵不一致程度越严重。那么，判断矩阵不一致程度在什么范围内，层次分析法仍然可以使用呢？为此，引入随机一致性指标。
对于固定的n，随机从
，1，1，2，∧，9中任取一数作为aij，并构成正互反阵^A=
（i＜j）
这样的^A是最不一致的，设其最大特征值为 max^λ ，则定义
为随机一致性指标。当随机一致性比例
CR=
＜0.1时，A的不一致性仍可接受，否则，必须调整判断矩阵。
另外，为了检验方便，给出一致性指标RI对各阶矩阵的相应数值如表4
表4 随机一致性指标
对于矩阵A，
λ max=4.0457，CI=0.0152，RI=0.94，CR=0.0162＜0.1
故通过一致性检验，从而上述W可作为权向量。其余部分经过计算可知均通过一致性检验，在此从略。
2.3.2.4计算层次总排序权值并进行一致性检验
层次单排序后，还需要进行总排序，即计算同一层次所有因素对于最高层（目标层）相对重要性的排序权值，称为层次总排序。这一过程是从最高层到最低层逐层进行的。结合本例说明如下：
将A-B矩阵的权向量W=（0.1018，0.4781，0.1440，0.2760）列于表5的第一行，再将BI-C矩阵的权向量按列依次列于相应地列上。则层次C的总排序按以下公式计算为
0.103553×0.224288+0×0.4619828+0×0.143308+0×0.170422=0.023226
0.439340×0.224288+0×0.4619828+0×0.143308+0×0.170422=0.098539
…
…
…
0×0.224288+0×0.4619828+0×0.143308+0.423147×0.170422=0.072114
表5 层次C的总排序
总排序也要进行一致性检验。检验是从最高层到最低层进行的。设C中的某因素对Bi的单排序的一致性指标为CI，随机一致性指标是RI，则C层总排序随机一致性比例为
其中ai是W的第i个分量。同样，当CR＜0.1时，认为递阶层次结构上所有判断具有整体的一致性。本例的总排序的一致性检验：
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
