灰色关联分析计算说明

提示：本指南只针对灰色关联分析方法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

灰色关联分析（Gray Relational Analysis, GRA）是一种多因素统计分析方法，用于确定因素之间的关联程度。它通过计算参考数列与比较数列之间的灰色关联度，来评估各因素对系统的影响程度。

灰色关联分析的核心思想是：通过分析各因素数据序列曲线的几何形状相似程度来判断其联系的紧密程度。曲线越接近，相应序列之间的关联度就越大，反之就越小。

2. 适用场景

灰色关联分析适用于以下情况：

  • 多因素影响分析：分析多个因素对某个目标的影响程度
  • 指标重要性评价：确定各指标对系统的重要性排序
  • 发展趋势分析：分析不同时期各因素的发展趋势关联性
  • 方案优选：通过关联度大小进行方案排序和选择

2.1 数据要求

灰色关联分析需要准备参考序列和比较序列的数据：

基本要求：

  • 需要1个参考序列（母序列）和多个比较序列
  • 各序列的数据点数量必须相同
  • 数据应为数值型，可以是时间序列或截面数据
  • 建议数据点不少于4个，以保证分析的可靠性

3. 数据文件格式

灰色关联分析需要上传包含原始数据的Excel文件。

3.1 原始矩阵格式

数据应按以下格式组织：

<div style=“text-align: center;”> <img src=“/guide/figures/gra/原始矩阵.png” width=“400” alt=“原始矩阵”> </div>

数据组织说明：

  • 第一列建议为母序列（参考序列）
  • 其余列为子序列（比较序列）
  • 每列数据点数量必须相同

4. 参数设置

<div style=“text-align: center;”> <img src=“/guide/figures/gra/参数设置.png” width=“1100” alt=“参数设置”> </div>

4.1 基准列（母序列）选择

  • 作用：选择作为参考标准的数据序列
  • 选择原则：
    • 通常选择系统的主要特征序列
    • 或选择需要分析其影响因素的目标序列
    • 如分析经济增长影响因素时，可选择GDP作为母序列

4.2 标准化方法

消除不同指标间量纲差异的方法：

  • 均值化：每个数据除以该序列的均值

  • 初值化：每个数据除以该序列的第一个值

  • 极差法：将数据标准化到[0,1]区间

4.3 分辨系数（ρ）

  • 取值范围：0 < ρ < 1，通常取0.5
  • 作用：调节关联系数的分辨能力
  • 影响：
    • ρ值越小，分辨力越大，关联系数差异越明显
    • ρ值越大，分辨力越小，关联系数趋于平均

在进行重要决策支持的分析时，可以进行​​敏感性分析​​，即尝试不同的 ρ 值（如 0.3, 0.5, 0.7），观察关联序（排名）是否发生显著变化。若排名稳定，说明结果可靠；若排名波动大，则需谨慎解释并深入探究原因

4.4 结果保留小数位

计算结果的小数位数，建议保留3-5位小数。

5. 计算原理

灰色关联分析的计算步骤如下：

5.1 确定参考序列与比较序列

参考序列（$X_0$）：代表系统理想行为或目标的最优数据序列。 $$X_0 = {x_0(1), x_0(2), \dots, x_0(n)}$$

比较序列（$X_i$）：需与参考序列关联性分析的序列集合。 $$X_i = {x_i(1), x_i(2), \dots, x_i(n)}, \quad i=1,2,\dots,m$$

即1个参考序列，m个比较序列，每个序列有n个值。

5.2 数据无量纲化处理

消除量纲差异，常用方法：

初值化法：每个数据除以该序列第一个值，即 $$x’_i(k) = \frac{x_i(k)}{x_i(1)}$$

均值化法：每个数据除以该序列的均值，即 $$x’i(k) = \frac{x_i(k)}{\frac{1}{n}\sum{k=1}^n x_i(k)}$$

极差法：根据指标类型进行标准化。

  • 对于正向指标： $$x’{ij} = \frac{x{ij} - \min(x_j)}{\max(x_j) - \min(x_j)}$$

  • 对于负向指标： $$x’{ij} = \frac{\max(x_j) - x{ij}}{\max(x_j) - \min(x_j)}$$

5.3 计算差序列与极值

差序列：各时刻参考序列与比较序列的绝对差值
$$\Delta_i(k) = |x’_0(k) - x’_i(k)|$$

最小差：差序列中最小值 $$\Delta_{\min} = \min_i \min_k \Delta_i(k)$$

最大差：差序列中最大值 $$\Delta_{\max} = \max_i \max_k \Delta_i(k)$$

5.4 计算关联系数

$$\xi_i(k) = \frac{\Delta_{\min} + \rho \Delta_{\max}}{\Delta_i(k) + \rho \Delta_{\max}}$$

其中$\rho$为分辨系数，一般在0~1之间，通常取 $0.5$。

5.5 计算关联度

$$\gamma_i = \frac{1}{n} \sum_{k=1}^n \xi_i(k)$$

6. 计算结果

灰色关联分析的计算结果包含：

6.1 标准化矩阵

无量纲化处理后的数据

<div style=“text-align: center;”> <img src=“/guide/figures/gra/标准化矩阵.png” width=“620” alt=“标准化矩阵”> </div>

6.2 关系矩阵

关联系数矩阵

<div style=“text-align: center;”> <img src=“/guide/figures/gra/关系矩阵.png” width=“620” alt=“关系矩阵”> </div>

6.3 关联度结果

  • 关联度值：各比较序列与参考序列的关联程度
  • 关联度排序：按关联度大小进行排序

<div style=“text-align: center;”> <img src=“/guide/figures/gra/关联度.png” width=“440” alt=“关联度”> </div>

7. 常见问题

7.1 基准列选择

问：如何选择合适的基准列（母序列）？

答：基准列的选择应根据研究目的确定：

  • 如果研究某个指标的影响因素，则选择该指标作为基准列
  • 基准列应该是系统的主要特征序列或核心指标

7.2 标准化方法选择

问：如何选择标准化方法？

答：不同标准化方法适用于不同情况：

  • 均值化：适用于数据波动相对稳定的情况
  • 初值化：适用于分析增长趋势的时间序列数据
  • 极差法：适用于需要消除数据量级差异的情况

7.3 分辨系数设置

问：分辨系数应该如何设置？

答：分辨系数ρ的设置：

  • 通常取0.5，这是最常用的取值
  • 如果希望增强分辨能力，可适当减小ρ值（如0.3-0.4）
  • 如果希望减弱分辨能力，可适当增大ρ值（如0.6-0.7）
  • 建议在0.3-0.7范围内选择

7.4 数据量要求

问：数据点数量有什么要求？

答：关于数据量的建议：

  • 建议不少于6个
  • 数据点越多，分析结果越可靠
  • 各序列的数据点数量必须完全相同
  • 时间序列数据建议连续，避免缺失值