层次分析法（AHP）的底层逻辑是将复杂决策问题分解为多层结构，通过两两比较的方式量化主观判断，最终计算各方案的相对权重以辅助科学决策。该方法由美国运筹学家托马斯•L•萨蒂（Thomas L. Saaty）提出，融合数学与心理学原理，适用于多准则、非结构化的复杂决策场景 。 Z! jJ93A"
一、底层逻辑：化繁为简，量化偏好 @xso{$ z?j
层次分析法的核 心思 想在于模拟人类决策的认知规律——面对多个影响因素时，人们更擅长“相对判断”而非“绝对评分”。AHP通过以下三个关键机制实现这一目标： ,^<39ng
层次化分解：将决策问题拆解为目标层、准则层和方案层，形成树状结构，使复杂问题条理清晰。 ^gNbcWc7CU
成对比较：在同一准则下，对各因素两两比较其重要程度，避免一次性排序的认知过载。 ~?)y'?
权重合成：将主观判断转化为数值矩阵，通过特征向量计算权重，并进行一致性检验，确bao逻辑自洽。 0ia-D`^me
这种方法有效整合了定性分析与定量计算，特别适合处理如供应商选择、项目评估、政策制定等she及多维度权衡的决策问题 。 @ +)T"5_Y[
二、具体步骤方法（四步法） Y?z o")
1. 建立层次结构模型 u6IM~kk>5
将决策问题按逻辑关系分层： a40>_;}:x
目标层：决策的最终目的（如“选择最佳旅游地”）； s Jl> evw
准则层：影响决策的各项标准（如“景色、费用、住宿、交通”）； Z:V< P,N
方案层：可供选择的具体方案（如“苏州、北 戴河、桂林”）。 |z&7K oYK'
示例：选择旅游地的层次模型 gw%L M7yQR
目标层 → 选择最佳旅游地 :S!!J* 0
准则层 → 景色｜费用｜住宿｜交通 RzFxO
方案层 → 苏州｜北 戴河｜桂林 Jw^my4
2. 构造判断矩阵（成对比较矩阵） )KkV< $
对每一层的元素，在上一层某一准则下进行两两比较，使用1-9标度法赋值： LfK/wS vWw
表格 N pQOLX/<?
标度 含义 {0AlQ6.@>
1 两因素同等重要 lH@goh
3 一个因素比另一个稍微重要 `krVfE;_O
5 明显重要 "gDk?w
7 强烈重要 qg<Y^ y
9 极端重要 ~x@V"rxGw
2,4,6,8 中间值 PGVp1T Q
倒数 如A对B为3，则B对A为1/3 n!lE|if
例如：在“景色”准则下比较三个地点，若认为“苏州比北 戴河稍微重要”，则赋值3；“北 戴河比桂林明显重要”，则赋值5，依此类推构造矩阵。 Qv;b$by3
3. 层次单排序及一致性检验 Bs d ~_y}8
单排序：计算判断矩阵的最大特征值对应特征向量，归一化后得到各因素的权重。 =4&"fZ"v
一致性检验：防止判断出现逻辑矛盾。 kE!k y\E
计算一致性指标 𝐶𝐼=𝜆𝑚𝑎𝑥−𝑛𝑛−1CI= n−1λ max −n 查表得随机一致性指标 𝑅𝐼RI计算一致性比率 𝐶𝑅=𝐶𝐼𝑅𝐼CR= RICI 若 𝐶𝑅<0.1CR<0.1，认为判断可接受；否则需调整判断矩阵 。这一步确bao了专家或决策者的主观判断具有合理的逻辑一致性。4. 层次总排序及综合决策从上至下逐层合成权重： Ad>@8^
将准则层各指标的权重； $?V YHkX
再加权求和，得出每个方案对总目标的综合权重； se} $/Y}t
权重最高的方案即为推荐最优解。 6Bexwf<u
例如：最终计算出“苏州”得分为0.45，“桂林”为0.38，“北 戴河”为0.17，则优先选择苏州作为旅游地。 [ :Sl~
12:40 XaoVv2=G~
【小白学统计】10分钟学会层次分析法,评价指标体系&判断矩阵构造;什么是和积法和方根法? 8,VEuBZ
哔哩哔哩 }g|9P S bJ
10:11 /+. m.TF
一分钟学会层次分析法,从此笑傲综合评价江湖 0 N0< 4b
