最好最差权重BWM原理及案例实操分析

BWM(best-worse-method,最好最差法)是一种多准则决策方法,由Jafar Rezaei于2015年提出,其通常用于确定决策标准的权重。其原理是比如5个指标,如果以前AHP就需要5个指标两两的相对重要性数据。但是现在简化为先得到‘最优’和‘最差’这2个指标。得到后需要得到BO(Best-to-other)和OW(Others-to-worst)数据,BO表示‘最好指标与各指标’的相对重要性,OW表示‘各指标与最差指标’的相对重要性。那么5个指标BO就5个数字,OW也5个数字。共10个数字就好了。

得到后使用数学求解规则那套东西来求解,其求解规划数学表达式如下:

W表示最好指标的权重,W表示最差指标的权重,W表示某指标权重,c表示第j个指标BO时的数据,c表示第j个指标OW时的数据,ε(eps)为误差,通常情况下希望该误差越小越好,越接近0越好(其实际意义为规划求解得到和实际情况的gap值)。从上述来看其思想是:本属于该重要性位置的指标,它也应该属于该重要的位置,这是BWM权重的思想意会。

最好最差权重BWM

Contents

1 背景 2

2 理论 2

3 操作 2

4 SPSSAU输出结果 3

5文字分析 3

6 剖析 4

7 疑难解惑 4

1 背景

当前有一份数据需要进行BWM权重计算,其BO数据和OW数据如下:

BO数据表示‘最好指标与各指标’的相对重要性,比如上表格中指标2对应的BO数据为1,其意味着‘最好指标与指标2’的重要程度为2,至于2代表的意义,其由标度决定(通常情况下使用1 ~ 9级标度较多即1分最不重要,9分最重要,如果是这样则意味着‘最好指标’相对于指标2来讲,重要性很弱,也即说明指标2很重要的意思);

others-to-worst(OW)表示‘各指标与最差指标’的相对重要性,比如上表格中指标2对应的OW数据为8,其意味着‘指标2与最差指标’的相对重要性为8,如果8代表很重要,那么意味着‘指标2’相对于‘最差指标’,指标2很重要。

2 理论

针对BWM权重法,其一般的步骤如下:

  • 确定好研究的指标即准则指标;

  • 确定最优准则和最劣准则,即最优和最劣指标

  • 确定好使用的标度,比如使用1~9分法,1分表示最差,9分表示最差;

  • 在确认好指标、最优和最劣指标及标度后,准备好分析数据即BO数据和OW数据;

  • 利用数学规划求解计算出权重值;

  • 进行一致性检验。

3 操作

本例子SPSSAU操作如下:

需要注意的是,SPSSAU提供两个表格分别放BO和OW数据。以及如果有多个专家打分,那么比如BO数据就有多行,依次放入就好。与此同时,在计算结果输出时,1个专家对应着1份权重数据,多个专家就对应多份权重数据,因此结果中还会有多个专家权重的平均值即输出global权重值。

4 SPSSAU输出结果

SPSSAU共输出5个表格和1个权重分布图,如下说明。

5文字分析

上表格展示BO和OW数据,即原始输入数据。事实上BWM权重计算时,其前期准备工作包括准备好准则指标,确定最优和最劣指标,确定好标度,然后让专家进行打分,专家打分数据才得到最终的BO和OW数据。

BWM权重计算的原理是数学规划求解,其核心目的是让‘让本应该某指标所属地位,就让其在该位置’,意思是本来该项重要那么其权重就应该高,本来某项不重要那么其权重就应该低。并且这种gap(即数学规划里面的eps指标)应该尽可能小。

上表格展示一致性系数Consistency Index;CI指标为固定值,当前最多为9阶数据,CI指标是接下来CR指标的计算中间值,其为中间过程值并不特别意义。

上表格展示一致性检验及其结果等。上表格展示EPS指标,EPS是BWM进行数学规划求解时计算得到。CI值是查表得到,比如当前是5个专家打分数据,那么对应为2.3。一致性比率CR指标用于评价一致性,CR=EPS指标/CI值,并且对CR进行检验的标准为0.5,如果小于0.5则意味着通过一致性检验,反之则说明没有通过一致性检验。本次数据计算得到CR值为0.005,即通过一致性检验,意味着专家打分数据相对重要性满足一致性,并没有逻辑性问题。

如果没有通过一致性检验,需要考虑是否有出现比如指标1相对指标2更加重要,指标2比起指标3更加重要,那么肯定指标1相对指标3更重要,但数据上却出现指标3比指标1更重要。

6 剖析

涉及以下几个关键点,分别如下:

  • 请确保分别放入BO和OW数据,并且如果有多个专家,那么对应就有多行BO或者OW数据。

  • BWM的计算参考文献如下:Rezaei J .Best-worst multi-criteria decision-making method: Some properties and a linear model[J].Omega, 2016, 64(oct.):126-130.DOI:10.1016/j.omega.2015.12.001.

7 疑难解惑

  • BWM权重计算时一致性检验没有通过?

如果没有通过一致性检验,需要考虑是否有出现比如指标1相对指标2更加重要,指标2比起指标3更加重要,那么肯定指标1相对指标3更重要,但数据上却出现指标3比指标1更重要。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,772评论 6 477
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,458评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,610评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,640评论 1 276
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,657评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,590评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,962评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,631评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,870评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,611评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,704评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,386评论 4 319
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,969评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,944评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,179评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 44,742评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,440评论 2 342

推荐阅读更多精彩内容