燕明輝
(大慶師范學院,黑龍江 大慶 163712)
設有域U={u1,u2,…,un},V={v1,v2,…,vn},其中U代表綜合評判的各種因素所組成的集合,V代表評價所組成的集合,作模糊變換:
B=A°R=(b1,b2,…,bm)
(1)
式中:
R:m×n階模糊矩陣。
A:U上的模糊子集,權重集。
B:評價結果,論域上的一個模糊子集。
具體的評判的步驟如下:
1)對U中諸因素,用各種可行的辦法發(fā)表做出評語集V中的單因素評判,進而得到一個實際上表示U、V之間模糊關系的模糊矩陣。
2)對因素集U中的諸因素,確定它們在被評判事物中的重要程度,即權重,且要求各因素的權重之和等于1。
3)利用模糊變換公式B=A°R=(b1,b2,…,bm)作模糊變換[1]。
1)演繹條件。將因素集U={u1,u2,…un},按某種屬性分成S個子因素集x1,x2,…xs,其中
xi={ui1,ui2,…uin}(i=1,2,…s)
(2)
滿足:①n1+n2+…+ns=n;②x1∪x2∪…∪xs=U;③對任意的i≠j,xi∩xj=φ。
2)對每一個子因素集合xi分別作出一級多目標評價。若設評語集V={v1,v2,…vn},且xi中各因素相對于V的權重分配時A={ai1,ai2,…ain},若Ri為單因素評判矩陣,則可得一級評判向量
B1=A1°R1=(bi1,bi2,…bim)(i=1,2,…s)
(3)
3)將每個xi看作一個因素,記K=(x1,x2,…xn),這樣,K又構成一個因素集,K的單因素評價矩陣就由一級評價向量組成。
(4)
每個xi作為U的一部分,反映了U的某種屬性,可以按它們的重要性給出權重分配:
A=(a1,a2,…am)
(5)
從而可得二級模糊多目標評價:
B=A°R=(b1,b2,…,bm)
(6)
如果每個子因素xi(i=1,2,…s)還含有不同類型的或不同層次的子因素,則可將x1再進行劃分,類似于二級評價過程可得三級評價模型,以此類推四級和五級等模型[2]。為了用分數(shù)表示評價的結果,可以對分等級因素賦值,設賦值矩陣為:
(7)
則綜合評價的結果為:
(8)
最后對被評價對象綜合評價得到的結果進行排序。
因子分析的模型為:
X=AF+ε
(9)
假設:
1)F~N(0,Iq);2)ε~(0,ψp×p);3)F與ε相互獨立,其中
X:X=(x1,x2,…xp)表示每個樣本的P個指標且每個指標已經(jīng)標準化;
F:F=(F1,F2,…Fp)表示公共因子矩陣;
ε:ε=(ε1,ε2,…εm)表示特殊因子;
Fj:表示由標準化的可觀測評價指標分解出來的相互獨立的公共因子。
(10)
其中
1)aij表示第i個指標xi與第j個公共因子Fj的相關系數(shù);
2) A中第i行元素的平方和,稱為xi的共同度:
(11)
因子模型原始P個指標表示為n個公共因子與特殊因子的線性組合,因而公共因子能反映原始指標的內部依賴關系。有時需要用公共因子代表原始指標反映本情況,而公共因子是不可觀測的。因此,要反過來將m個公共因子表示成p個原始指標的線性組合,即
Fi=βj1x1+βj2x2+…+βjpxp,j=1,2,…m
(12)
由上式來計算各樣本的公共因子取值,即因子評價,進而用公共因子研究樣本情況。上式中如果方程的個數(shù)m小于指標個數(shù)p,因此無法精確的將因子表示為原始指標的線性組合,只能進行估計[3]。估計因子得分的方法較多,最常用的是Thomson回歸估計法,通過假定m個公共因子可以對p個指標作回歸,由最小二乘法估計得出因子評價:
F=AR-1
(13)
其中,R-1為原始指標相關矩陣的逆矩陣;為因子載荷矩陣[4]。
因此,利用因子得分不僅可以知道被評對象的排序,而且還知道被評價對象在各個指標上的情況。
1)提出了模糊因子綜合評價的方法,不僅可以得到被評價對象的排序情況,而且還可以分析出被評價對象在哪些方面有優(yōu)勢和劣勢。
2)本文的指標體系的合理性研究方法是可以建立一個合理的指標體系,用概率統(tǒng)計知識,對指標體系進行合理性評價,具有廣泛的實用性。
[參考文獻]
[1] 肖辭源.工程模糊系統(tǒng)[M].北京:科學出版社,2004:170-220.
[2] 趙煥臣.層次分析法一種簡易的新決策方法[M].北京:科學出版社,1986:20-30.
[3] T.L.Saaty.Anlytical Hierachy Process[M].New York:MoGraw-Hill,1980:12-13.
[4] 張堯庭,方開泰.多元統(tǒng)計分析引論[M].北京:科學出版社,1982:200-230.