AHP层次分析结果解读
一、分析方法概述
层次分析法（Analytic Hierarchy Process，AHP）由美国运筹学家T.L.Saaty于1970年代提出，是一种将定性判断与定量分析相结合的多准则决策方法。该方法通过构建判断矩阵，将专家对各指标相对重要性的两两比较转化为数值，进而计算各指标的特征向量和权重值。AHP方法的核心优势在于能够将复杂的多指标决策问题分解为层次结构，通过一致性检验确保判断的逻辑合理性。该方法在工程管理、政策评价、资源配置等领域得到广泛应用。本研究使用SPSSAU软件对4个指标进行AHP层次分析，采用和积法进行计算。
在SPSSAU【综合评价】模块选择【AHP层次分析】，选择判断矩阵阶数，填写白色单元格，操作如下图：
二、判断矩阵
由表1判断矩阵可知，该矩阵为4阶方阵，对角线元素均为1（表示自己与自己的重要性相等），右上角和左下角元素互为倒数（满足互反性）。从矩阵数据来看，指标2相对于其他指标的重要性最高：指标2对指标1的重要性比值为3（ moderately important），对指标3和指标4均为2。指标1相对于指标3和指标4的重要性比值为0.5，说明指标1的重要性低于指标3和指标4。指标3对指标4的重要性比值为0.5，说明指标4略优于指标3。整体来看，专家判断的重要性排序为：指标2>指标3>指标4>指标1。
三、AHP层次分析结果
由表2可知，基于4阶判断矩阵采用和积法计算得到的特征向量为（0.484，1.667，1.078，0.771），对应的权重值分别为：指标1=12.094%，指标2=41.680%，指标3=26.948%，指标4=19.278%。指标2以41.680%的权重位居首位，超过全部权重的40%，是系统中最重要的指标。指标3权重为26.948%，排名第二。指标4权重为19.278%，排名第三。指标1权重最低为12.094%。最大特征根为4.071，CI值（一致性指标）为0.024，由公式CI=(λmax-n)/(n-1)=(4.071-4)/(4-1)=0.024计算得到。
四、随机一致性RI参考值
由表3可知，RI值（随机一致性指标）是通过对大量随机判断矩阵进行模拟计算得到的参考值，用于一致性检验。本次研究构建的是4阶判断矩阵，对应的RI值为0.890。RI值随判断矩阵阶数的增大而增大，但增速逐渐放缓。
五、一致性检验
由表4可知，一致性检验的关键指标CR值（一致性比率）=CI/RI=0.024/0.890=0.027。CR值远小于0.1的判定阈值，说明本次判断矩阵通过一致性检验，专家对各指标重要性的两两比较具有逻辑一致性，计算所得的权重值可信。CR值越小意味着判断矩阵的一致性越好，当前CR=0.027接近于0，表明专家的判断逻辑高度自洽。
六、权重分布图
图1 AHP权重分布图
由图1权重分布图可知，指标2以41.680%的权重占据绝对主导地位，指标3（26.948%）和指标4（19.278%）构成第二梯队，指标1（12.094%）权重最低。四个指标的权重分布呈现出明显的梯度差异，指标2的重要性约为指标1的3.4倍，这一结果与判断矩阵中的两两比较数据相互印证。
七、结论
本研究运用AHP层次分析法对4个指标进行了权重计算，构建了4阶判断矩阵并采用和积法进行求解。结果表明，指标2的权重最高（41.680%），其次为指标3（26.948%）、指标4（19.278%）和指标1（12.094%）。一致性检验结果显示CR=0.027<0.1，判断矩阵通过一致性检验，权重计算结果具有逻辑合理性和可靠性。SPSSAU软件的分析结果为多指标决策提供了科学的权重依据。