模糊综合评价计算说明

提示：本指南只针对模糊综合评价特有的内容进行描述，关于软件的通用操作流程（如文件上传、参数设置、结果下载等），请查看：通用计算说明

1. 方法概述

模糊综合评价法（Fuzzy Comprehensive Evaluation，FCE）是基于模糊数学理论的多因素决策方法，通过引入隶属度函数量化定性指标，结合指标权重实现多因素决策。其核心功能是将模糊不确定性问题转化为可计算的精确评价结果，适用于缺乏明确边界条件的复杂系统评估。

模糊综合评价的基本思想是：

  • 模糊化处理：将定性评价转化为定量的隶属度
  • 权重分配：确定各评价因素的重要程度
  • 模糊合成：运用模糊算子进行综合运算
  • 结果分析：得到综合评价向量并基于最大隶属度原则确定综合评价结果

2. 适用场景

2.1 适用情况

  • 定性指标评价：如服务质量、满意度、风险等级等难以精确量化的指标
  • 专家打分评价：基于专家经验的主观评价
  • 等级评价系统：如优、良、中、差等分级评价
  • 多层次评价：具有层次结构的复杂评价体系

2.2 数据要求

基本要求：

  • 需要构建评价指标体系和评价等级
  • 需要确定各指标的权重
  • 需要建立模糊评价矩阵（隶属度矩阵）
  • 评价等级通常为3-7个等级

3. 数据文件格式

模糊综合评价需要上传包含模糊评价矩阵的Excel文件。

3.1 数据格式要求

Excel文件结构：

  • 支持多个工作表，每个工作表代表一个评价对象或评价层次
  • 每个工作表包含一个完整的模糊评价矩阵
  • 第一列为权重列，其余列为各评价等级的隶属度

数据格式示例：

<div style=“text-align: center;”> <img src=“/guide/figures/模糊综合评价/数据格式.png” width=“520” alt=“数据格式”> </div>

格式说明：

  • 权重列：各评价指标的权重值，权重和不要求一定为1（软件会自动归一化）
  • 评价等级列：如"优秀"、“良好”、“一般”、"较差"等，每列对应一个评价等级
  • 隶属度值：每行表示一个指标在各等级上的隶属度，每行数据会自动归一化。

3.2 数据要求

  • 所有数值必须为非负数
  • 权重值必须大于0
  • 隶属度矩阵中每行至少有一个非零值

4. 参数设置

模糊综合评价包含以下计算参数：

4.1 模糊合成算子

模糊合成算子决定了权重向量与模糊评价矩阵的合成方式：

  • 乘法-有界算子（常用）：权重与隶属度相乘后求和，结果与1取最小值

    • 特点：考虑所有因素的综合影响，结果相对平衡

  • 取小-有界算子：权重与隶属度取最小值后求和，结果与1取最小值

    • 特点：突出限制性因素的影响

  • 取小-取大算子：权重与隶属度取最小值，然后取最大值

    • 特点：突出主要因素，忽略次要因素

  • 乘法-取大算子：权重与隶属度相乘，然后取最大值

    • 特点：突出优势因素的作用

4.2 结果保留小数位

计算结果的保留小数位数（默认4位）

5. 计算结果

==模糊综合评价的计算结果excel表包含与上传文件一样的多个sheet表==，每个sheet表里就是对应的计算结果，结果包含：

5.1 归一化评价矩阵

显示权重归一化后的结果和隶属度矩阵归一化后的结果：

<div style=“text-align: center;”> <img src=“/guide/figures/模糊综合评价/隶属度矩阵.png” width=“500” alt=“隶属度矩阵”> </div>

  • 如果上传的原始文件里权重列没有归一化，软件会自行归一化，结果文件里保存的也是归一化的权重
  • 如果上传的原始文件里隶属度矩阵没有按行归一化，软件也会自行归一化，结果文件里保存的也是归一化的隶属度矩阵

5.2 模糊综合评价向量

每个工作表的最后一行显示模糊向量，这是各评价等级的综合隶属度

<div style=“text-align: center;”> <img src=“/guide/figures/模糊综合评价/模糊向量.png” width=“500” alt=“模糊向量”> </div>

结果解读：

  • 模糊向量中数值越大，表示该评价等级的隶属度越高
  • 可根据最大隶属度原则确定最终评价等级
  • 也可计算综合得分 $$ \sum (等级分值 \times 隶属度) $$

6. 常见问题

6.1 合成算子选择

问：如何选择合适的合成算子？

答：

  • 乘法-有界算子：最常用，适合大多数情况，结果相对平衡
  • 取小-有界算子：当存在关键限制因素时使用
  • 取小-取大算子：当只关注主导因素时使用
  • 乘法-取大算子：当要突出优势因素时使用

根据评价问题的特点和参考文献选择合适的算子。

6.2 权重确定方法

问：如何确定指标权重？

答：可以使用多种方法：

  • 主观赋权法：专家打分法、AHP层次分析法、德尔菲法等
  • 客观赋权法：熵权法、CRITIC法、主成分分析法等
  • 组合赋权法：主观权重与客观权重的组合

6.3 隶属度矩阵构建

问：如何构建模糊评价矩阵？

答：

专家问卷统计法：通过问卷调查统计各等级的频率，形如：

<div style=“text-align: center;”> <img src=“/guide/figures/模糊综合评价/专家评判法.png” width=“480” alt=“专家评判法”> </div>

上图中有四个指标A1、A2、A3、A4，四个评价等级：非常满意、比较满意、不太满意和糟糕。邀请15名专家对每个指标进行评价，统计得到每个指标在不同等级上的专家打分数量。

将该矩阵中的每个数除以专家个数，即可得到用于计算模糊综合评价的隶属度矩阵。

6.4 评价等级设置

问：评价等级如何设置？

答：

  • 等级数量：一般设置3-7个等级，过多会增加判断难度
  • 等级命名：如"优秀、良好、一般、较差"或"很高、高、中、低、很低"
  • 等级赋分：可设置等级分值用于计算综合得分，如优秀=5，良好=4等

6.5 数据格式错误

问：上传文件后提示数据格式错误怎么办？

答：检查以下问题：

  • 确保所有数据为数值型，不能包含文本或空值
  • 权重值必须大于0
  • 隶属度值必须为非负数
  • 每行隶属度至少有一个非零值

6.6 多工作表处理

问：如何处理多个工作表？

答：

  • 每个工作表代表一个独立的评价对象或层次
  • 软件会分别计算每个工作表的模糊综合评价结果
  • 适用于多对象比较或多层次评价
  • 工作表名称会保留在结果文件中

6.7 多层级模糊综合评价

问：如何处理多层级模糊综合评价？

答： 以两级指标的模糊综合评价计算为例：

  1. 先使用每个一级指标下二级指标的局部权重和隶属度矩阵，计算一级指标的模糊向量
  2. 汇总所有一级指标的模糊向量，得到最终一级指标的隶属度矩阵
  3. 使用一级指标的隶属度矩阵和一级指标的权重，计算整体的模糊向量
  4. 使用整体模糊向量，基于最大隶属度原则，确定综合评价等级