模糊层次分析法案例分析：基于消费者视角的新能源汽车购买决策研究.docxVIP

模糊层次分析法案例分析：基于消费者视角的新能源汽车购买决策研究

模糊层次分析法（FuzzyAnalyticHierarchyProcess,简称FAHP）是在传统层次分析法（AHP）基础上，引入模糊数学理论形成的决策方法。其核心优势在于通过模糊语言变量与模糊判断矩阵，有效解决传统AHP中“判断信息过于绝对”“难以量化模糊认知”的问题，适用于指标复杂、决策目标多元的场景。本案例以消费者购买新能源汽车的决策过程为研究对象，运用FAHP构建评价体系并计算权重，为消费者理性决策及企业产品优化提供依据。

一、案例背景与研究目标

（一）背景意义

随着“双碳”目标推进及新能源汽车技术迭代，市场上新能源汽车品牌与车型日益丰富，消费者面临“续航、价格、智能配置、安全性”等多维度的决策困境。传统决策多依赖主观经验，易忽略指标间的重要性差异；而FAHP可将消费者的模糊偏好转化为量化数据，提升决策的科学性与客观性。

（二）研究目标

1.构建消费者购买新能源汽车的多层次评价指标体系；2.运用FAHP确定各指标的权重，识别影响购买决策的核心因素；3.结合具体车型评分，验证方法的实用性，为消费者决策提供参考。

二、模糊层次分析法的核心原理

FAHP的核心逻辑是“分层建模—模糊判断—权重计算—一致性检验”，其与传统AHP的关键区别在于：将“1-9标度法”的确定型判断，转化为“三角模糊数”的模糊型判断，更贴合人类决策时的模糊认知。

（一）三角模糊数定义

设模糊数?=(l,m,u)，其中l≤m≤u，l为下限值，m为最可能值，u为上限值。例如，“指标A比指标B稍重要”可表示为(1,2,3)，通过模糊数反映判断的不确定性。

（二）核心步骤

建立层次结构模型：分为目标层、准则层、指标层；

构造模糊判断矩阵：邀请专家/决策者用三角模糊数对指标重要性进行两两比较；

权重计算：通过模糊矩阵的合成、归一化处理，得到各指标的权重；

一致性检验：确保模糊判断的逻辑一致性，避免矛盾判断。

三、案例实施过程：新能源汽车购买决策分析

（一）步骤1：构建层次结构模型

结合市场调研与消费者访谈，将“新能源汽车购买决策”作为目标层，下设5个准则层指标及15个指标层指标，具体结构如下：

目标层（A）：新能源汽车购买决策

准则层（B）：B1续航能力、B2购车成本、B3智能配置、B4安全性能、B5售后服务

指标层（C）：

B1：C11纯电续航里程、C12快充效率、C13低温续航保持率

B2：C21裸车价格、C22购置税减免、C23后期保养成本

B3：C31自动驾驶级别、C32车机系统流畅度、C33智能互联功能

B4：C41车身结构强度、C42电池安全技术、C43主动安全配置

B5：C514S店覆盖率、C52电池质保政策、C53故障响应速度

（二）步骤2：构造模糊判断矩阵

邀请5位新能源汽车潜在消费者（有购车计划、了解行业信息）作为决策群体，采用“三角模糊数标度表”（如下表）对准则层指标进行两两重要性比较，形成模糊判断矩阵。

重要性等级

三角模糊数表示

含义说明

同等重要

(1,1,1)

两指标重要性相同

稍重要

(1,2,3)

一指标比另一指标稍重要

较重要

(2,3,4)

一指标比另一指标较重要

很重要

(3,4,5)

一指标比另一指标很重要

极重要

(4,5,6)

一指标比另一指标极重要

反向比较

(1/u,1/m,1/l)

若A对B为(l,m,u)，则B对A为(1/u,1/m,1/l)

经汇总整理，准则层B的模糊判断矩阵如下（以B1-B5为行和列）：

矩阵中元素?_ij表示Bi相对于Bj的重要性模糊数，例如?_12=(2,3,4)表示“续航能力（B1）比购车成本（B2）较重要”。

matrix

?=[

(1,1,1),(2,3,4),(1,2,3),(1,1,2),(3,4,5)

(1/4,1/3,1/2),(1,1,1),(1/3,1/2,1),(1/2,1,2),(2,3,4)

(1/3,1/2,1),(1,2,3),(1,1,1),(1/2,1,2),(2,3,4)

(1/2,1,1),(1/2,1,2),(1/2,1,2),(1,1,1),(2,3,4)

(1/5,1/4,1/3),(1/4,1/3,1/2),(1/4,1/3,1/2),(1/4,1/3,1/2),(1,1,1)

]

（三）步骤3：模糊权重计算

1.模糊矩阵合成：对模糊判断矩阵的每行元素进行几何平均，得到各准则层指标的模糊权重向量?_i=(l_i,m_i,u_i)。计算公式为：?_i=(∏j=1到n?_ij)^(1/n)，其中n为准则层指标个数（n=5）。

以B1的模糊权重计算为例：将第