第二讲多属性决策要点分析.ppt

物元决策模型的建模步骤： 建立物元矩阵 确定节域物元矩阵 其中N 表示节域产品，即包括标准产品和可拓性产品。可拓性产品是指能转化为标准产品的产品。 Xρi=[aρi , bρi] (i=1, 2, ···, n) 表示产品评价指标的节域。 物元决策模型的建模步骤： 建立物元矩阵 确定待评产品物元矩阵 其中NB表示待评产品，xi表示待评产品关于指标ci ( i=1, 2, ···, n) 的指标值。 物元决策模型的建模步骤： 建立关联函数 关联函数可由下列条件确定： 经典域 X0i 和节域Xρi有公共右端点，即： b0i = bρi (i=1, 2, ···, n) K (aρi) = – 1，K (a0i) = 0 K(x) 是线性或非线性的增函数。例如可选择线性的关联函数： 物元决策模型的建模步骤： 评价标准 当K(x)≥0时，待评产品符合标准产品条件； 当-1≤K(x)＜0时，待评产品不符合标准产品条件，但属于可拓性产品，可转化为标准产品； 当K(x)＜-1时，待评产品不符合标准产品条件，且不能转化为标准产品。 　应用实例 设某产品的质量评价中，选择 4 个评价指标：c1(产品功能) ，c2(工艺性) ， c3(维修费) ， c4(成本) 。各评价指标均采取专家评分法进行评定，确定三个评价等级，用 10 分制评分，标准如下表： 评价等级 评价标准 评分 一 满足用户要求 10 二 基本满足用户要求 8 三 不能满足用户要求 5 产品的经典域物元矩阵和节域物元矩阵分别为： 现有二产品,其待评物元矩阵分别是： a0i aρi xi 选择线性的关联函数： 计算得： 取评价指标的权重系数分别为： d1 = 0.4，d2 = 0.2，d3 = 0.1，d4 = 0.3 得： KA=0， KB=0.4，均符合标准产品要求。 　主成分分析的原理 此外，新变量应满足： 相互不相关 Z1的方差最大，Z2, …, Zn的方差依次减少。　 新旧指标的总方差不变。 　主成分分析的原理 满足上述条件的新变量（综合指标） Z1、Z2、…、Zn分别称为原始指标的第1、第2、…、第n个主成分（主元）。 当 很小时，用Z1、Z2、…、Zk就 可基本上反映出原始n个指标所包含的信息量。 优点： 减少了评价指标个数； 充分保留了原始指标的信息量； 新指标彼此不相关，避免了信息的交叉和重叠。 　主成分分析的原理 如何求得原始指标的n个主成分？ 设X有协方差矩阵∑，λ1≥λ2≥…≥λn是∑的从大到小的n个特征根，L1, L2, …, Ln是这 n个特征根对应的标准化正交特征向量。 其中： 数理统计已经证明，原始指标的第j个主成分Zj为： 　主成分分析的计算步骤 设有 n个决策指标，m个可行方案的决策问题。 决策矩阵为X=(xij) m×n 决策矩阵标准化（一般采用标准样本变换） 其中： 　主成分分析的计算步骤 决策矩阵标准化（一般采用标准样本变换） ？为什么要进行决策矩阵的标准化 由于主成分是从协方差矩阵∑求得的，而协方差矩阵会受评价指标的量纲和数量级的影响，从而主成分也会因评价指标的量纲和数量级的改变而不同。 标准化指标的协方差矩阵等于其相关系数矩阵，而相关系数矩阵不受指标量纲或数量级的影响，因此标准化后的主成分是不受原指标量纲或数量级的影响的。 　主成分分析的计算步骤 求出样本相关系数矩阵R=(rij) n×n R是对称矩阵，且主对角线元素均为1，即： 　主成分分析的计算步骤 计算相关系数矩阵R的特征值和对应的特征向量 由特征方程 解出n个特征值： λ1≥λ2≥…≥λn 再由齐次线性方程组 解出对应的特征向量： L1, L2, …, Ln 　主成分分析的计算步骤 按累积贡献率准则提取主成分 计算各主成分的贡献率 并按累积贡献率准则，即以累积贡献率 为准则，提取k个主成分 主成分分析的计算步骤 分析主成分的经济意义，用主成分进行综合评价 综合评价值根据具体情况，可以取第1主成分；也可以按综合评价值，即以各主成分的方差贡献率为权数，对k个主成分线性加权求和： 以Z值的大小来评判被评价对象的优劣。 　主成分分析的应用实例 用主成分分析法对14个企业的经济效益进行综合评价。经过专家咨询，。选取8个经济效益评价指标这些指标是： （1）净产值利润率（％）； （2）固定资产利润率（％）； （3）总产值利润率（％）2 （4）销售收人