AHP层次分析法原理、步骤与应用

层次分析法（Analytic Hierarchy Process, AHP）是一种经典的多准则决策方法，由美国运筹学家托马斯·L·萨蒂（Thomas L. Saaty）在20世纪70年代提出。该方法通过将复杂问题分解为层次结构，将定性判断与定量分析相结合，为决策者提供系统化的分析工具。

本文将从AHP的基本原理出发，详细解析其实施步骤，并通过实际案例展示其在管理决策中的应用，帮助初学者快速掌握这一方法。

1. AHP的基本原理与核心思想

层次分析法（AHP）的诞生源于对复杂决策问题的深入思考，特别是那些涉及多个相互冲突且难以纯定量解决的评判标准的问题。AHP通过模拟人类思维的分解、判断和综合过程，将复杂问题层次化处理，使决策者能够系统地评估各因素的重要性，最终为决策提供定量依据。

AHP的理论根基建立在三个核心原理之上：

• 分解原理：将一个复杂、非结构化的决策问题拆解成若干个更小、更易于管理的组成部分，并按内在逻辑关系组织成自上而下的层次结构模型。这种结构通常包括目标层、准则层和方案层。
• 比较原理：在层次结构的每一层中，决策者需要将同层级元素两两配对比较，依据上一层级的某个准则，判断元素间相对重要性（或优劣、可能性等），并使用1-9标度法量化这种比较结果。
• 综合原理：将各层次的权重和优先级进行整合，最终得出全局的评估结果。这一过程确保了所有局部判断被系统性地聚合，形成整体决策依据。

AHP方法在管理研究中备受青睐，主要归功于其三大优势：

1. 处理复杂性问题：能够有效处理那些难以完全量化的复杂问题，特别是涉及组织战略、资源配置、风险评估等管理决策时。
2. 主客观结合：将决策者的主观判断与数学的严谨性有机结合，既尊重专家经验，又通过一致性检验等机制确保判断的可靠性。
3. 灵活性与适应性：层次结构可根据具体问题调整层次和因素，适应性强。

值得注意的是，AHP虽然涉及数学运算，但其本质是一种思维工具，旨在帮助决策者更好地结构化复杂问题、理清思路，而非替代决策者的判断。在应用AHP时，重点不应仅放在数学计算上，而应更多地关注如何合理构建层次结构、准确表达判断标准以及合理解释结果，这样才能充分发挥其优势。

2. AHP方法的实施步骤详解

掌握AHP方法的实施步骤是应用这一工具解决实际问题的关键。AHP的应用过程可以分为六个系统化步骤，每一步都有其特定的操作方法和理论依据。下面我们将详细解析每个步骤的操作要点和注意事项。

步骤一：建立层次结构模型

构建合理的层次结构是AHP方法应用的基础工作，也是决定分析成败的关键环节。一个典型的层次结构包含三个主要层次：

• 目标层：位于层次结构的顶端，代表决策的总体目标，通常只有一个元素。
• 准则层：连接目标与方案的桥梁，包含评估备选方案的各种标准和指标。准则层可以进一步细分为子准则层，以更精细地描述决策标准。
• 方案层：由待评价或选择的备选方案组成，是层次结构的最底层。

在构建层次结构时，分解逻辑至关重要。例如在选择笔记本电脑时，目标层是"选择最合适的笔记本电脑"；准则层可包括性能、便携性、价格、品牌等因素；方案层则是具体的笔记本型号。再比如选择旅游地的例子，目标层是"选择最佳旅游地"，准则层可包括景色、费用、居住、饮食、旅途等因素，方案层则是具体的旅游地点如苏州、杭州、桂林等。

实际构建层次结构时，需注意几个原则：

• 完全性原则：上层每个因素都影响下层所有因素（完全层次结构），或至少影响下层部分因素（不完全层次结构）。
• 独立性原则：同一层次的因素应尽可能相互独立，减少重叠。
• 适度原则：层次不宜过多，因素不宜过细，以免增加不必要的复杂性。

步骤二：构造判断矩阵

构造判断矩阵是AHP方法的核心环节，也是将定性判断转化为定量分析的关键步骤。在这一步骤中，需要对同一层次内的各元素，以上一层某一准则为基准，进行两两重要性比较。比较结果采用Saaty提出的1-9标度法表示，该标度法通过心理学研究证实符合人类判断的特点。

1-9标度法的具体含义如下表所示：

以旅游地选择为例，专家对准则层构建的判断矩阵可能如下：景色与费用相比稍微重要（标度3），景色与饮食相比明显重要（标度5），费用与饮食相比稍微重要一些（标度2），对应的判断矩阵为：

判断矩阵具有正互反性，即若A对B的重要性为a，则B对A的重要性为1/a。在实际操作中，判断矩阵的构建通常基于专家调查或决策者的主观判断。在管理类论文中应用时，应详细说明判断矩阵的来源，是依据文献、专家问卷还是作者分析，以增强方法的可信度。

步骤三：计算权重向量

构建判断矩阵后，下一步是计算各元素的相对权重，即确定它们在对应准则下的重要性排序。计算权重的方法主要有和积法（算术平均法） 和方根法（几何平均法）。

1. 和积法（算术平均法）

和积法是一种常用的权重计算方法，步骤如下：

1. 将判断矩阵按列归一化： $$ b_{ij}=\frac{a_{ij}}{\sum_{k=1}^n a_{kj}} $$

2. 对归一化后的矩阵按行求算术平均值，得到权重向量： $$ w_i = \frac{1}{n} \sum_{j=1}^{n} b_{ij} $$

以旅游地选择案例中的判断矩阵为例： $$ A = \begin{bmatrix} 1 & 3 & 5 \ 1/3 & 1 & 2 \ 1/5 & 1/2 & 1 \end{bmatrix} $$ 按列归一化：

第一列和 = $1 + 1/3 + 1/5 ≈ 1.533$

• $b_{11}=1/1.533≈0.652$
• $b_{21}=0.333/1.533≈0.217$
• $b_{31}=0.2/1.533≈0.130$

第二列和 = $3 + 1 + 0.5 = 4.5$

• $b_{12}=3/4.5≈0.667$

• $b_{22}=1/4.5≈0.222$

• $b_{32}=0.5/4.5≈0.111$

第三列和 = $5 + 2 + 1 = 8$

• $b_{13}=5/8=0.625$
• $b_{23}=2/8=0.250$
• $b_{33}=1/8=0.125$

得归一化矩阵： $$ B = \begin{bmatrix} 0.652 & 0.667 & 0.625 \ 0.217 & 0.222 & 0.250 \ 0.130 & 0.111 & 0.125 \end{bmatrix} $$

按行求算术平均：

• $w_1=(0.652+0.667+0.625)/3≈0.648$
• $w_2=(0.217+0.222+0.250)/3≈0.230$
• $w_3=(0.130+0.111+0.125)/3≈0.122$

得到权重向量：$[0.648, 0.230, 0.122]$

2. 方根法（几何平均法）

方根法是通过计算判断矩阵各行元素的几何平均值，再进行归一化处理得到权重向量的方法。计算步骤如下：

1. 计算判断矩阵每行元素的几何平均值： $$ g_i = \sqrt[n]{\prod_{j=1}^{n} a_{ij}} $$ 其中$n$为矩阵阶数，$a_{ij}$为矩阵元素。

2. 对几何平均值进行归一化处理，得到权重向量： $$ w_i=\frac{g_i}{\sum_{k=1}^n g_k} $$

还是以旅游地选择案例中的判断矩阵为例: $$ A = \begin{bmatrix} 1 & 3 & 5 \ 1/3 & 1 & 2 \ 1/5 & 1/2 & 1 \end{bmatrix} $$ 计算每行几何平均值：

• 景色：$g_1 = \sqrt[3]{1 \times 3 \times 5} = \sqrt[3]{15} \approx 2.466$
• 费用：$g_2 = \sqrt[3]{1/3 \times 1 \times 2} = \sqrt[3]{2/3} \approx 0.874$
• 饮食：$g_3 = \sqrt[3]{1/5 \times 1/2 \times 1} = \sqrt[3]{0.1} \approx 0.464$

归一化得到权重：

• 总和 = $2.466 + 0.874 + 0.464 ≈ 3.804$
• $w_1=2.466/3.804≈0.648$
• $w_2=0.874/3.804≈0.230$
• $w_3=0.464/3.804≈0.122$

得到权重向量：$[0.648, 0.230, 0.122]$

步骤四：一致性检验

由于判断矩阵基于主观判断构建，可能存在逻辑不一致的情况。例如，若A比B重要，B比C重要，从逻辑上讲A应该比C重要，但判断矩阵中可能出现相反的情况。为评估判断矩阵的一致性，AHP方法引入了一致性检验机制。

一致性检验的步骤如下：

1. 计算一致性指标CI（Consistency Index）： $$ CI=\frac{\lambda_{max} - n}{n-1} $$

   其中$λ_{max}$为判断矩阵的最大特征值，$n$为矩阵阶数。

2. 查询随机一致性指标RI（Random Index），与矩阵阶数相关：

   n	1	2	3	4	5	6	7	8	9	10
   RI	0	0	0.58	0.90	1.12	1.24	1.32	1.41	1.45	1.49

3. 计算一致性比率CR（Consistency Ratio）： $$ CR=\frac{CI}{RI} $$

当CR < 0.1时，认为判断矩阵的一致性可接受；若CR ≥ 0.1，则需要调整判断矩阵。

以前述旅游地选择案例为例： 计算最大特征值$λ_{max}$：

$$ A \cdot w=\left[\begin{array}{ccc} 1 & 3 & 5 \ 1 / 3 & 1 & 2 \ 1 / 5 & 1 / 2 & 1 \end{array}\right] \cdot\left[\begin{array}{l} 0.648 \ 0.230 \ 0.122 \end{array}\right]=\left[\begin{array}{c} 1 \times 0.648+3 \times 0.230+5 \times 0.122 \ 1 / 3 \times 0.648+1 \times 0.230+2 \times 0.122 \ 1 / 5 \times 0.648+1 / 2 \times 0.230+1 \times 0.122 \end{array}\right] \approx\left[\begin{array}{c} 1.948 \ 0.69 \ 0.367 \end{array}\right] $$

$$ \lambda_{\max }=\frac{1}{n} \sum_{i=1}^n \frac{(A \cdot w)_i}{w_i}=\frac{1}{3}\left(\frac{1.948}{0.648}+\frac{0.69}{0.230}+\frac{0.367}{0.122}\right)=\frac{1}{3}(3.006+3+3.008) \approx 3.005 $$

计算CI、CR值： $$ CI=\frac{3.005-3}{3-1}=0.0025 $$

$$ CR=\frac{0.0025}{0.58}≈0.0043<0.1 $$

通过了一致性检验。

步骤五：层次总排序与决策

完成各层次单排序和一致性检验后，需要进行层次总排序，即计算各方案对总目标的相对权重。这一过程是从上至下进行的，将上层元素的权重与下层元素的局部权重相乘累加，得到最终的综合权重。

层次总排序也需要进行一致性检验，确保整体判断的一致性。总排序一致性比率计算公式为： $$ CR_{\text{总}} = \frac{\sum_{j=1}^{m} a_j CI_j}{\sum_{j=1}^{m} a_j RI_j} $$ 其中：

• $a_j$ 为准则层第 $j$ 个元素的权重
• $CI_j$ 为方案层对准则 $j$ 的判断矩阵的一致性指标
• $RI_j$ 为方案层对准则 $j$ 的判断矩阵的随机一致性指标

当CR总 < 0.1时，认为层次总排序的一致性可接受。

步骤六：结果分析与决策

最后一步是根据层次总排序结果进行综合分析，选择最优方案或进行方案排序。

在管理类论文中应用AHP时，不仅需要呈现计算结果，更应深入分析结果背后的原因和启示，将定量分析与定性分析有机结合，为管理决策提供全面、深入的参考依据。

3. AHP方法的应用案例解析

理论方法的真正价值在于实践应用，本节将通过一个典型案例——供货商选择决策，展示AHP方法在实际管理决策中的具体应用过程与技巧。

案例：供货商选择决策

供货商选择是企业供应链管理中的经典决策问题，涉及质量、成本、交付效率等多重因素。某厂家需要从A、B、C三个供货商中选择最优的一个，决策标准包括质量、成本、交付效率三个指标，且决策者认为质量 > 成本 > 效率。

1. 建立层次结构模型

首先构建层次结构：

• 目标层：选择最优供货商
• 准则层：质量、成本、效率
• 方案层：供货商A、B、C

2. 构造判断矩阵与权重计算

准则层判断矩阵（相对于目标层）： 根据决策者判断：质量比成本稍微重要（标度3），质量比效率强烈重要（标度7），成本比效率稍微重要（标度3）。 $$ A = \begin{bmatrix} 1 & 3 & 7 \ 1/3 & 1 & 3 \ 1/7 & 1/3 & 1 \end{bmatrix} $$ 计算权重（使用几何平均法）：

• 行几何平均值：

  • $g_1 = \sqrt[3]{1 \times 3 \times 7} = \sqrt[3]{21} \approx 2.759$
  • $g_2 = \sqrt[3]{1/3 \times 1 \times 3} = \sqrt[3]{1} = 1$
  • $g_3 = \sqrt[3]{1/7 \times 1/3 \times 1} = \sqrt[3]{1/21} \approx 0.362$

• 归一化：总和 = $2.759 + 1 + 0.362 = 4.121 $

  • $w_1=2.759/4.121≈0.669$（质量权重）
  • $w_2=1.000/4.121≈0.243$（成本权重）
  • $w_3=0.362/4.121≈0.088$（效率权重）

一致性检验：

• $λ_{max}≈3.007$
• $CI=(3.007−3)/2≈0.004$
• $CR=0.004/0.58≈0.007<0.1$，通过检验。

方案层判断矩阵（相对于各准则）：

1. 相对于质量准则： $$ A_{质量} = \begin{bmatrix} 1 & 2 & 1/3 \ 1/2 & 1 & 1/4 \ 3 & 4 & 1 \end{bmatrix} $$

   权重计算：$w_{A1}≈0.238$，$w_{B1}≈0.137$，$w_{C1}≈0.625$ $CI=0.009$，$RI=0.58$，$CR=0.017<1$，一致性检验通过

2. 相对于成本准则： $$ A_{成本} = \begin{bmatrix} 1 & 1/3 & 2 \ 3 & 1 & 4 \ 1/2 & 1/4 & 1 \end{bmatrix} $$ 权重计算：$w_{A2}≈0.238$，$w_{B2}≈0.625$，$w_{C2}≈0.137$ $CI=0.009$，$RI=0.58$，$CR=0.017<1$，一致性检验通过

3. 相对于效率准则： $$ A_{效率} = \begin{bmatrix} 1 & 1/2 & 1 \ 2 & 1 & 2 \ 1 & 1/2 & 1 \end{bmatrix} $$ 权重计算：$w_{A3}≈0.250$，$w_{B3}≈0.500$，$w_{C3}≈0.250$ $CI=0$，$RI=0.58$，$CR=0<1$，一致性检验通过

3. 层次总排序及决策

计算各方案的总权重（方案层总排序）：

层次总排序一致性检验：

$$\begin{aligned} CI_{\text{总}} &= 0.669 \times CI_{\text{质量}} + 0.243 \times CI_{\text{成本}} + 0.088 \times CI_{\text{效率}} \ &= 0.669 \times 0.009 + 0.243 \times 0.009 + 0.088 \times 0 \ &= 0.008 \end{aligned}$$

$$\begin{aligned} RI_{\text{总}} &= 0.669 \times RI_{\text{质量}} + 0.243 \times RI_{\text{成本}} + 0.088 \times RI_{\text{效率}} \ &= 0.669 \times 0.58 + 0.243 \times 0.58 + 0.088 \times 0.58 \ &= 0.58 \end{aligned}$$

$CR_总=0.008/0.58≈0.014<0.1$，通过一致性检验。

决策建议：

根据总权重，供货商C（0.473）> 供货商B（0.288）> 供货商A（0.239）。因此，应选择供货商C作为最优合作伙伴。

4. AHP方法的优势、局限与应用建议

作为一种经典的决策分析方法，AHP在管理研究和实践中得到了广泛应用。然而，任何方法都有其适用边界和局限性，深入理解AHP方法的优势与不足，掌握其在论文中的应用技巧，对于研究者至关重要。

4.1 AHP方法的独特优势

AHP方法之所以能在众多多准则决策方法中脱颖而出，主要得益于以下几个方面的显著优势：

1. 有效整合定性与定量因素：通过两两比较和标度转换，将难以精确量化的定性因素（如品牌形象、环境影响）纳入定量分析框架，实现了定性分析与定量分析的有机结合。
2. 层次化结构符合人类思维习惯：将复杂问题分解为层次化的结构，降低了问题的认知复杂度，使决策者能够逐步、系统地分析问题，确保所有相关因素都被纳入考虑。
3. 一致性检验增强科学性：通过计算一致性比率，能够识别判断矩阵中的逻辑矛盾，减少主观随意性，增强结果的可靠性。
4. 灵活性与透明度高：可以根据具体问题调整层次结构和准则设置；计算过程和权重分配清晰可见；结果易于向利益相关者解释。

4.2 AHP方法的应用局限

尽管AHP方法具有诸多优势，但我们在应用时也需清醒认识其潜在局限：

1. 主观性较强：判断矩阵依赖于决策者的主观判断，不同专家可能给出不同的比较结果，导致结论差异。在缺乏相关领域专家的情况下，研究者自身的判断可能带有偏见。

2. 方法相对传统，可能显得工作量不足：AHP作为一种诞生于上世纪70年代的经典方法，其核心计算流程（构造矩阵、求权重、一致性检验）目前已非常成熟，有许多现成的软件工具可以快速完成。在学术研究中，尤其是在毕业论文或学术水平较高的项目中，仅单独使用AHP方法可能会被评审老师认为创新性不足或工作量单薄。为了提升研究的深度和广度，建议将AHP与其他研究方法（熵权法、TOPSIS、云模型等）结合使用，或将其作为复杂决策模型中的一个环节，从而展现出更全面的研究能力和工作量。

3. 指标独立性要求：AHP方法基于一个基本假设，即同一层次内的各准则或因素之间相互独立。这意味着它要求每个评价指标都能被单独考量，而不考虑它们之间可能存在的相互影响和依赖关系。然而，在实际管理问题中，许多因素之间存在着复杂的关联性（例如，产品质量可能影响客户满意度，而客户满意度又会影响品牌形象）。如果指标间存在这种显著的相互影响或反馈关系，AHP的层次结构模型将无法准确描述这种网络化的相互作用，从而导致评估结果出现偏差。在这种情况下，建议采用其扩展方法——网络层次分析法（Analytic Network Process, ANP）。ANP通过引入“控制层”和“网络层”，并利用超矩阵计算各元素的权重，能够有效处理元素间的依赖和反馈关系，更适用于刻画复杂的决策系统。