AHP法在財務、經濟、金融、管理等專業(yè)上的應用真的非常頻繁，不僅在于其上手簡單，更是在于對于一個問題對應多種決策方案的情況下，它提供了一個較為明確清晰的分析框架，從定量+定性結合的角度，比較、判斷、評價、根據權重做出系統(tǒng)化、層次化的分析，但是很多學生在實際寫論文中存在很多疑點，怎么用、什么情況下才能用，需要注意什么，這篇文章就在輔導學生時存在的諸多疑點進行一一解析。

什么情況下適用AHP?

在面對諸多因素決定方案選擇時適用。比如說，你想選擇一個最佳旅游景點，當前有三個選擇標準（分別是景色，門票和交通），并且對應有三種選擇方案?，F通過旅游專家打分，希望結合三個選擇標準，選出最佳方案（即最終決定去哪個景區(qū)旅游）。諸如此類問題即專家打分進行權重計算等，均可通過AHP層次分析法得到解決。

AHP怎么用？

AHP層次分析法包括兩個步驟，分別是權重計算和一致性檢驗，

對于AHP層次分析法，即專家打分進行權重，專家打分是常用的定性分析方法，需要遵循特殊的數據格式，當然也有問卷量表分析等，以獲取即“判斷矩陣”。

假設，對于經典的選擇總涉及4個評價因素（即準則層為4項，分別是景色，門票，交通和擁擠度），現在邀請10位旅游專家進行打分，采用1-5分標度法，即比如A因素相對B因素非常重要，此時打5分，那么B因素相對于A因素就是1/5即0.2分。A因素相對B因素比較重要，此時打3分；A因素相對B因素重要程度一樣，此時為1分。

共有10個旅游專家打分，最終將10個旅游的打分進行計算平均分，得到最終的判斷矩陣表格，如下表：

上表格顯示：門票相對于景色來講，重要性更高，所以為3分；相反，景色相對于門票來講，則為0.33333分。交通相對于景色來更重要為2分，以及擁擠度相對于景色來講更重要為2分。其余類似下去。

在實施這一步的時候，需要大腦里面有一個清晰的比較，不然很容易出現同一個因素對應相同時出現一大一小的情況，這樣一致性檢驗通過不了。

如果已經計算出權重，并且判斷矩陣滿足一致性檢驗，最終則可以下結論繼續(xù)進一步分析。

AHP實現的難點在于？

上述實際的定量分析都可以通過市面上諸如yaahp等軟件檢驗實現，不是很難的事。

其困難之處反而在于，在開始權分析之前，厘清你的準則層與方案層。因為在實際項目中涉及的影響因素有很多，將其進行分類，保證各因素間不能交叉，是需要嚴格進行分析的，不能想到、覺得哪個因素重要就一股腦地向上堆砌。

除此以外若涉及到多個級別指標，就需要得到多個專家評分進行權重賦值然后累乘，這個比較容易出錯。

比如有3個二級指標分別是A,B,C；A對應著A1,A2,A3; B對應著B1,B2,B3,B4; C對應著C1,C2,C3,C4；那么A1,A2,A3進行一次得到權重；B1,B2,B3,B4進行一次得到權重；C1,C2,C3,C4進行一次得到權重。 A,B,C也一定需要有數據才可以，單獨進行一次得到權重。最終比如A1,A2,A3的權重等于A的權重乘上自己的權重。

需要注意的是？

最終是否選取最終方案，還需要對決策層各個因素進行打分之后，乘以權重進行加和，獲得得分最大的方案將成為最終選擇，但是很多圍繞指標體系建立的論文不需要走到最后一步，只是得到各個要素之間的權重即可得到評價體系，AHP常與其他方法一起來進行分析，比如AHP+模糊綜合評價，AHP+熵權法，因為專家打分更多的是經驗的體現，相對來說比較主觀，而結合其他的方法來做會彌補這個缺陷。

熵值法用以確定指標權重的根據是各項指標在數值層面的變異程度，由于對客觀數據有著高度依賴，熵值法的運用過程中避免了人為因素對指標權重結果可能造成的偏差。

在進行熵值法之前，如果單位不同時，可以進行歸一化處理；如果數據方向不一致時，需要進行提前數據處理，通常為正向化、逆向化兩種處理。

因此，在對指標進行權重分配時，應考慮指標數據之間的內在統(tǒng)計規(guī)律和權威值。給出了合理的決策指標賦權方法，即采用主觀賦權法（AHP）和客觀賦權法（熵權法）相結合的組合賦權方法，以彌補單一賦權帶來的不足。將兩種賦權方法相結合的加權方法稱為組合賦權法。主客觀組合權重是：

關于AHP的使用詳解如上，如果論文有疑問，可以在線咨詢。