L15多屬性決策3和ASMS3000決策分析平臺

L15多屬性決策3詹文杰（教授/博導）Office:華中科技大學管理學院611室Telmail:wjzhan@?學習目標理想解法(TOPSIS)；基于估計相對位置的方案排隊法。?15多屬性決策15.1逼近理想解(TOPSIS法)15.2基于估計相對位置的方案排隊法?15.1逼近理想解

(TOPSIS法)TOPSIS又稱雙基點法，是逼近理想解的排序方法(TechniqueforOrderPreferencebySimilaritytoIdealSolution)的英文縮略。通過構造多指標問題的理想解和負理想解，并以靠近理想解和遠離負理想解兩個基準，作為評價各可行方案的判據。理想解:是設想各指標屬性都達到最滿意值的解。負理想解:是設想各指標屬性都達到最不滿意值的解。?理想解與負理想解

示意圖f1f2OA1A2A3AmA*A-?設決策問題有m個可行方案a1,a2

,…,am，兩個評價指標f1、f2，不妨設二指標均為效益型指標。方案ai的二指標值記為(xi1,xi2)，于是方案ai可以用平面f1-f2上的點Ai(xi1,xi2)表示。記：則： 理想解為A*(x*1,x*2)；

負理想解為A-(x-1,x-2)。理想解與負理想解

的數(shù)學描述?相對貼近度

設方案ai對應的點Ai到理想點A*和負理想點A-的距離分別為：定義方案ai與理想解、負理想解的相對貼近度為滿足：0≤Ci*≤1；

理想點:Ci*＝1;負理想點:Ci*＝0.方案逼近理想解而遠離負理想解時Ci*→1。?TOPSIS法的基本步驟:用向量歸一化法對決策矩陣進行標準化處理，得規(guī)范化矩陣：Z=(zij)m×n；用適當?shù)姆椒ù_定各決策指標的權重wj，得加權規(guī)范化矩陣：確定理想解和負理想解：效益型指標成本型指標?TOPSIS法的基本步驟：（續(xù)）計算各方案到理想解和負理想解的距離計算各方案的相對貼近度Ci*，相對貼近度大者為優(yōu)，小者為劣。?例5:用TOPSIS法解”買車”問題效益指標成本指標備選車價格(萬元)y1(w1=0.6)油耗(升/百公里)y2(w2=0.35)舒適度y3(w3=0.05)x1402510x215183x325106x435158成本指標?步驟1:向量規(guī)范化備選車價格(萬元)y1(w1=0.6)油耗(升/百公里)y2(w2=0.35)舒適度y3(w3=0.05)x10.65980.70040.6917x20.24740.50430.2075x30.41240.28020.4150x40.57740.42020.5534效益指標成本指標成本指標?步驟2:加權規(guī)范陣備選車價格(萬元)y1(w1=0.6)油耗(升/百公里)y2(w2=0.35)舒適度y3(w3=0.05)x10.39590.24510.0346x20.14850.17650.0104x30.24740.09810.0208x40.34640.14710.0277效益指標成本指標成本指標?步驟3:理想解與負理想解V*=[0.1485,0.0981,0.0346]V—=[0.3959,0.2451,0.0104]效益型指標成本型指標?步驟4:距離計算與排序

S*S-C*10.28790.02420.077620.08210.25680.757730.09990.20920.676840.20400.11120.3527方案排序:x2>x3>x4>x1?例6:用TOPSIS法解研究生院排序問題。設決策人設定的各屬性權重分別為(0.2,0.3,0.4,0.1)效益指標效益指標成本指標區(qū)間指標指標方案人均專著C1（本/人）生師比C2科研經費C3（萬元/年）逾期畢業(yè)率C4（%）A10.1550004.7A20.2740002.2A30.61012603.0A40.3430003.9A52.822841.2?步驟1:數(shù)據預處理(區(qū)間指標)效益指標效益指標成本指標指標方案人均專著C1（本/人）生師比C2科研經費C3（萬元/年）逾期畢業(yè)率C4（%）A10.11.050004.7A20.20.833340002.2A30.60.333312603.0A40.30.666630003.9A52.80.02841.2效益指標?步驟1:向量規(guī)范化

人均專著y1生師比y2科研經費y3逾期畢業(yè)率y410.03460.66670.69560.648220.06930.55550.55650.303430.20780.22220.17530.413740.10390.44450.41740.537850.96960.0000.03950.1655效益指標效益指標成本指標效益指標?步驟2:加權規(guī)范陣

人均專著y1生師比y2科研經費y3逾期畢業(yè)率y410.00690.20230.27820.064820.01390.16670.22260.030330.04160.06670.07010.041440.02080.13330.16690.053850.19390.00000.01580.0165效益指標效益指標成本指標效益指標?步驟3:理想解與負理想解V*=[0.1939,0.2023,0.2782,0.0165]V-=[0.0069,0.0000,0.0158,0.0648]?步驟4:距離計算與排序

S*S-C*10.19310.33000.630820.19190.26790.582730.29140.09560.247040.21950.20230.479650.33000.19310.3692方案排序:x1>x2>x4>x5>x3?例7：用理想解法對購機問題進行決策。例4：某航空公司欲購買飛機按6個決策指標對不同型號的飛機進行綜合評價。這6個指標是，最大速度(f1)、最大范圍(f2)、最大負載(f3)、價格(f4)、可靠性(f5)、靈敏度(f6)。現(xiàn)有4種型號的飛機可供選擇，具體指標值如下表：指標(fj)機型(ai)

最大速度(馬赫)最大范圍(公里)最大負載(千克)費用(106美元)可靠性靈敏度a12.01500202305.5一般很高a22.52700180006.5低一般a31.82023210004.5高高a42.21800202305.0一般一般?指標(fj)機型(ai)

最大速度(馬赫)最大范圍(公里)最大負載(千克)費用(106美元)可靠性靈敏度a12.01500202305.5一般很高a22.52700180006.5低一般a31.82023210004.5高高a42.21800202305.0一般一般指標(fj)機型(ai)

最大速度(馬赫)最大范圍(公里)最大負載(千克)費用(106美元)可靠性靈敏度a12.01500202305.559a22.52700180006.535a31.82023210004.577a42.21800202305.055例7：定性指標定量化處理?例7：購機決策問題。①求決策矩陣的向量歸一標準化矩陣Z;指標(fj)機型(ai)

最大速度(馬赫)最大范圍(公里)最大負載(千克)費用(106美元)可靠性靈敏度a12.01500202305.559a22.52700180006.535a31.82023210004.577a42.21800202305.055?例7：購機決策問題。適當?shù)姆椒ù_定各決策指標的權重為：計算加權規(guī)范矩陣：V=(wj·zij)m×n；效益效益 效益成本效益效益?例7：購機決策問題。③確定理想解和負理想解；

計算各方案到理想解和負理想解的距離；計算各方案的相對貼近度Ci*

：Ci*最大的方案最優(yōu)，故滿意方案為方案1。?15.2基于估計相對位置的方案排隊法前面幾節(jié)介紹的求解多屬性決策問題的方法，包括加權和法，字典序法，加權積法和逼近理想點的排隊法(TOPSIS法)，都需要有較多的初始信息，需要在事先給出決策矩陣，即需要給出每個備選方案的各屬性的數(shù)值。但在很多實際問題中，總有一些屬性無法或很難量化，這時就給不出決策矩陣，決策人只能給出每個目標下各方案的優(yōu)劣次序。例如，選擇干部問題，要給出每個候選人的德、才、體的屬性值是令人傷腦筋的事，但要決策人按照德、才、體這幾個方面分別排出候選人的優(yōu)劣次序卻并不困難。對這種可以給出序數(shù)信息，但給不出基數(shù)信息的問題，應當有適當?shù)姆椒ㄇ蠼?。Navarrete,1979提出的基于估計相對位置的方案排隊法是求解這類問題的一種較好的方法。?一、方案優(yōu)先關系的表述首先根據各方案對在各目標下的優(yōu)先次序（即序數(shù)信息）及各目標的權重進行排序。各方案間的優(yōu)先關系可以用語言說明，也可以用第三章介紹>和~等符號描述。但是它們都不如指向圖直觀，也不如0-1矩陣便于運算。?⑴指向圖指向圖用小圓表示方案，稱為節(jié)點；有向弧表示優(yōu)先關系，箭頭從表示優(yōu)方案的節(jié)點出發(fā)指向代表劣方案的節(jié)點。例如，若xi>xk，則有向弧從節(jié)點xi出發(fā)，指向節(jié)點xk；若xi~xk，則在xi和xk之間畫兩條有向弧，一條從從xi指向xk，另一條從從xk指向xi；若方案xi與xk不可比，則節(jié)點xk和xi之間不畫有向弧。圖9.6所示為某個方案集中各方案的指向圖。其中方案x1優(yōu)于方案x2和x3，方案x1與方案x4無差異，方案x1和方案x5不可比。?(2)

0-1矩陣優(yōu)先關系還可以用0-1矩陣（或稱優(yōu)先關系表）P={pik}m×m來表示。與圖9.6對應的優(yōu)先關系表如表9.15所示。其中，若xi>xk，則pik＝1，pki＝0；若xi

~xk，則pik＝pki＝1；若xi與xk不可比，則pik＝pki＝0。x1x2x3x4x5x111110x201000x301111x410011x500001表9.15?(3)各方案的排序利用指向圖或優(yōu)先關系表可以方便地確定方案集X中各方案的排序。對指向圖，可以設從xi發(fā)出的有向弧為ri條，指向xi的有向弧有qi條，則排隊指示值:vi＝ri－qi

vi的值越大，方案xi越優(yōu)，根據vi的大小可以排定方案集中各方案的優(yōu)劣。對0-1矩陣，xi所在行中元素為1的個數(shù)（不包括對角線上的元素）記為ri，元素為0的個數(shù)記為qi，(xi所在列中元素為1的個數(shù)（不包括對角線上的元素記為qi），仍用上式計算排隊指示值。?二、基于估計相對位置的方案排隊法的求解步驟第一步：由決策人設定各目標或屬性j的權wj，j＝1,2,…n，且使∑wj＝1.0。第二步對每一目標或屬性j，進行方案的成對比較,給出優(yōu)先關系矩陣或指向圖。xi的第j個屬性值優(yōu)于xk的第j個屬性值記作(xi>xk)j，xk的第j個屬性值優(yōu)于xi的第j個屬性值記作(xi<xk)j，xi與xk的第j個屬性值無差異或不可比記作(xi

~xk)j

。?二、基于估計相對位置的方案排隊法的求解步驟3.第三步確定各方案對(xi，xk)的總體優(yōu)先關系:①計算方案對(xi，xk)的總體優(yōu)、劣的權重把(xi>xk)j的各目標j的權相加，記作w(xi>xk)，即:

類似地，把xi～xk的各目標的權相加，記作w(xi~xk)，把xi<xk的各目標的權相加，記作w(xi<xk)。?二、基于估計相對位置的方案排隊法的求解步驟②計算方案對(xi，xk)的總體優(yōu)劣指示值Aσ(xi，xk)

式中，1≥σ≥0，σ值的大小反映xi與xk無差異的目標在決策過程中的重要性。

3.第三步確定各方案對(xi，xk)的總體優(yōu)先關系:?二、基于估計相對位置的方案排隊法的求解步驟③選定閥值A≥1，判定方案總體優(yōu)劣若Aσ(xi，xk)≥A,則xi>xk;若Aσ(xi，xk)≤1/A,則xi<xk;若1/A＜Aσ(xi，xk)＜A,則xi

~xk。

④根據上面判定的方案總體優(yōu)劣，畫出方案集X中各方案的總體優(yōu)劣指向圖或優(yōu)先關系表。3.第三步確定各方案對(xi，xk)的總體優(yōu)先關系:?二、基于估計相對位置的方案排隊法的求解步驟第四步：計算方案xi的總體優(yōu)劣的排隊指標值。根據方案集X中各方案的總體優(yōu)劣指向圖或優(yōu)先關系表，可以計算方案xi的總體優(yōu)劣的排隊指標值：

第五步:按vi的大小排定方案集X中各方案xi(i=1,2,…,m）的優(yōu)劣次序。?例8:用基于估計相對位置的方案排序法解研究生院排序問題。指標方案人均專著C1（本/人）生師比C2科研經費C3（萬元/年）逾期畢業(yè)率C4（%）A10.1550004.7A20.2740002.2A30.61012603.0A40.3430003.9A52.822841.2?例8:用基于估計相對位置的方案排序法解研究生院排序問題。?例8:用基于估計相對位置的方案排序法解研究生院排序問題。?例8:用基于估計相對位置的方案排序法解研究生院排序問題。?例8:用基于估計相對位置的方案排序法解研究生院排序問題。?小結：基于估計相對位置法①基于估計相對位置的方案排隊法采用序數(shù)信息判斷方案間的優(yōu)劣，它所要求的信息較少，這是一大優(yōu)點；與此同時，因為沒有決策矩陣中的基數(shù)信息，所以不能反映方案集X中各方案在各自標下的優(yōu)先程度，評價可靠性欠佳，這又是該方法的缺點。所以凡是屬性值均能定量表示，能給出決策矩陣的，不宜采用這種方法。②基于估計相對位置的方案排序法的評價結果也是平局太多。在方案數(shù)較小時，方案之間出現(xiàn)平局的可能性較大。?例9：估計相對位置的方案排隊法的供應鏈合作伙伴選擇.

邱屹峰,張勤生.工業(yè)工程,2023(6):110-113.摘要:采用本征向量法得到評價供應鏈合作伙伴的各屬性的權重的近似值,根據基于估計相對位置的方案排隊法，采用表示優(yōu)先關系的0-1矩陣對備選合作伙伴的各屬性進行對比，根據對比結果計算出各備選合作伙伴的總體優(yōu)劣，并按照總體優(yōu)劣進行排序，進而選擇出最優(yōu)供應鏈合作伙伴。并通過簡單算例說明此方法的優(yōu)點。關鍵詞:多屬性決策;本征向量法;基于估計相對位置的方案排隊法;供應鏈;合作伙伴選擇?引言供應鏈管理是指現(xiàn)代企業(yè)為了降低成本,提高服務水平,將供應商、制造中心、倉庫、配送中心、零售點以及在各個機構之間流轉的原料、在制品、產成品有效地整合成為一體,使系統(tǒng)成本最小[1]。合作是供應鏈的關鍵性環(huán)節(jié),供應鏈上各節(jié)點之間的合作效果將直接影響供應鏈的整體效果。合理的選擇合作伙伴將直接影響到企業(yè)降低成本、增加柔性、提高競爭力,此外還可以減少供應鏈中存在的風險。?引言目前,對合作伙伴選擇的研究較多,大多數(shù)都是對合作伙伴選擇所用到的方法進行研究,建立各種數(shù)學模型來求解供應鏈合作伙伴選擇問題。常用的模型方法主要有模糊評價法[2-3],灰色綜合評價[4],作業(yè)成本法[5],遺傳算法[6],TOPSIS法[7],應急成本法[8]等,這些方法都可以通過數(shù)學模型來選擇出最優(yōu)的供應鏈合作伙伴。但以上幾種方法都需要有較多的初始信息,需要事先給出決策矩陣,即需要給出每個備選合作伙伴的各屬性的數(shù)值。而在很多時候,有一些屬性無法或很難量化,這時就給不出決策矩陣,決策者只能給出每個屬性下各備選合作伙伴的優(yōu)劣次序。而基于估計相對位置的方案排隊法則是求解此類問題的一種較好的方法。將本征向量法與基于估計相對位置的方案排隊法相結合對供應鏈合作伙伴選擇問題進行研究,尚未有專門的論述。本文先利用本征向量法得出各屬性的權重近似值,并使用基于估計相對位置的方案排隊法對合作伙伴選擇進行決策。?1)供應鏈合作伙伴選擇理想的合作伙伴能夠為供應鏈中的組織帶來巨大利益,合作伙伴的優(yōu)劣將直接影響組織的成長與發(fā)展。選擇長期固定的合作伙伴的優(yōu)勢可以歸納為以下幾點:1)降低交易成本;2)降低供應鏈的生產成本;3)降低風險。??2)方案優(yōu)先關系的表述?3)基于估計相對位置的方案排隊法的供應鏈合作伙伴選擇模型?3)基于估計相對位置的方案排隊法的供應鏈合作伙伴選擇模型?3)基于估計相對位置的方案排隊法的供應鏈合作伙伴選擇模型?4)求解步驟?4)求解步驟?4)求解步驟?5)應用舉例某企業(yè)從戰(zhàn)略角度出發(fā),經過前期篩選,最后希望從4個備選合作伙伴中選擇一個與其建立長期合作關系。企業(yè)根據具體情況,將產品服務質量(C1)、企業(yè)信譽度(C2)、合作成本(C3)、風險意識(C4)和地理位置(C5)這5個目標作為評價目標標準。?屬性的兩兩比較矩陣?優(yōu)先關系矩陣?優(yōu)先關系矩陣?優(yōu)先關系矩陣?確定各備選合作伙伴的

總體優(yōu)先關系?確定各備選合作伙伴的

總體優(yōu)先關系?確定各備選合作伙伴的

總體優(yōu)先關系?6)結語本文依據各合作伙伴之間的兩兩相互對比，估計相對位置，進行優(yōu)劣排序，根據排序結果對企業(yè)合作伙伴進行選擇。通過例子可以看出此方法思路清晰，計算簡單，比較容易操作。從控制供應鏈風險的角度出發(fā)，企業(yè)不同的風險偏好對合作伙伴選擇的影響等問題是下一步的研究方向。?參考文獻:[3]王玉燕,李幫義,丁立波.FAHP在供應鏈合作伙伴中的應用[J].工業(yè)技術經濟,2023,25(2):51-53.[4]侯俊東,呂軍.虛擬企業(yè)中合作伙伴選擇的灰色評價模型[J].科技進步與對策,2023(5):17-19.[5]李麗,劉彩華,田昊.基于作業(yè)成本法的供應鏈合作伙伴選擇[J].財會通訊:綜合版,2023(12):27-29.[6]張銳,夏娜,張國富,等.基于免疫遺傳算法的敏捷供應鏈伙伴選擇[J].計算機工程與應用,2023(21):203-206.[7]桑圣舉,王炬香,楊陽.基于模糊多目標決策的供應鏈合作伙伴選擇[J].組合機床與自動化加工技術,2023(3):101-109.[8]鄧朝暉,段鋼龍.緊急成本法在供應鏈合作伙伴選擇中的應用[J].科技與管理,2023(4):27-32.?參考文獻:[1]于淼.供應商管理[M].北京:清華大學出版社,2023:1-5.[2]MikhailovL.Fuzzyanalyticalapproachtopartnershipselectioninformationofvirtualenterprise[J].TheInformationJournalofManagement,2023,30(5):393-401.[9]汪應洛.系統(tǒng)工程理論、方法與應用:第2版[M].北京:高等教育出版社,2023:172-173.[10]岳超源.決策理論與方法[M].北京:科學出版社,2023:201-202,214-219.?作業(yè)7:P245:二、1．試用加權和法求解例9.1，討論權重的選擇對決策的影響。2．設w1=2w2，用TOPSIS法求解例9.1。?R3:多屬性決策的應用應用1：TOPSIS在期刊評價中的應用及在高次冪下的推廣俞立平,潘云濤,武夷山.TOPSIS在期刊評價中的應用及在高次冪下的推廣[J].統(tǒng)計研究,2023(12):96-102.?應用1：TOPSIS在期刊評價中的應用及在高次冪下的推廣內容提要:標準TOPSIS評價是在2次冪下進行的，本文以學術期刊評價為例，將標準TOPSIS推廣到其他冪次并分別進行評價，同時比較了不同評價結果的一致性、區(qū)分度、打分傾向、數(shù)據分布特點等。研究表明，標準TOPSIS是一種對較好期刊區(qū)分度較好、對弱勢期刊區(qū)分度較差，對較好期刊打分傾向偏高、對弱勢期刊打分傾向偏低的評價方法。應該根據不同的評價目的選擇不同冪次的TOPSIS評價，本文的研究方法也可用于其他多屬性評價方法的選取。關鍵詞:TOPSIS;冪次;學術期刊;區(qū)分度;打分傾向?一、引言學術期刊是展示一個國家或地區(qū)科技發(fā)展水平的重要窗口，反映了知識創(chuàng)新、科技成果轉化的能力，在推動社會科技進步方面具有十分重要的價值。期刊定量評價方法包括單指標評價、多指標綜合評價兩大類。國內外學者在期刊評價中設計了許多各種各樣的指標，傳統(tǒng)的指標相對單一，包含的信息量較少，如影響因子、引用半衰期、擴散因子、基金論文比等，后來發(fā)展到信息量較大的復合指標，典型的有FCSm(Moedetal.,，1995)、H指數(shù)(Hirsch，2023)［2］、ACIF(Markpin，2023)等。多指標綜合評價也稱為多屬性評價，其方法眾多，如主成分分析、熵權法、灰色關聯(lián)法、CRITIC、粗糙集等。?一、引言TOPSIS作為一種優(yōu)秀的評價方法在多屬性決策與多屬性評價中得到了廣泛的應用，涉及經濟、管理、教育、科技等眾多學科，對于其不足，一些學者提出了一些改進方法，進一步豐富了TOPSIS評價。然而，TOPSIS是在2次冪基礎上的一種評價方法，如果將其進行擴展，在其他冪次下TOPSIS的特點至今沒有學者進行相關研究。本文將其他冪次下的TOPSIS評價方法稱為擴展的TOPSIS評價。那么其他冪次下的TOPSIS評價方法有什么特點，不同冪次下評價結果的一致性如何，不同冪次下評價結果的區(qū)分度或者分析粒度有什么差別，不同冪次下對不同水平的評價對象的打分傾向如何，這些區(qū)別在學術期刊評價中有什么意義，本文針對這些問題進行相關研究，試圖豐富TOPSIS評價方法，并研究不同冪次下TOPSIS的評價特點對評價方法選取的作用。?二、研究方法?二、研究方法?二、研究方法(三)不同冪次下TOPSIS方法的比較原則1.總體一致性。本文用不同冪次下TOPSIS評價結果的相關系數(shù)作為衡量評價結果一致性的指標，當然也可以進行排序一致性檢驗，但這是以丟失部分數(shù)據信息為代價的，因此用相關系數(shù)衡量較好。2.區(qū)分度。區(qū)分度也稱為“粒度”，在評價實踐中，當評價指標和評價對象較多時，原始指標數(shù)據間距往往較小，導致評價值之間的間距也很小，尤其是相鄰的幾個評價對象，其優(yōu)勢和弱勢都不明顯，即使排序后名次相差幾位，但實際差距可能是極其有限的。在評價對象較多的情況下，必須考慮到評價方法的區(qū)分度問題。?二、研究方法(三)不同冪次下TOPSIS方法的比較原則2.區(qū)分度。(1)離散系數(shù)。離散系數(shù)是標準差與平均值的比值，可以用來比較不同評價方法的離散程度。如果某種評價方法結果的離散系數(shù)越大，說明該評價方法的區(qū)分度越大，或者說，由于學術期刊水平接近而導致評價排序誤判的可能性越小，從而評價結果更有說服力。(2)極小值與極大值之比。對于某種評價方法而言，用其評價結果得分的極小值除以極大值，可以看出評價值的大致范圍，也是區(qū)分度的一個指標，同樣可以用來對評價結果的離散程度進行評價。(3)高低端區(qū)分度。高低端區(qū)分度包括高端區(qū)分度與低端區(qū)分度兩個指標，用來進一步評價較好期刊和較差期刊的區(qū)分度。從統(tǒng)計學的角度，什么樣的期刊是較好期刊或什么樣的期刊是較差期刊，并沒有一個統(tǒng)一標準，本文根據二八定律，假定最好的20%的期刊是較好期刊，最差的20%的期刊為較差期刊。一般評價對象的分布接近或呈正態(tài)分布，較好期刊與弱勢期刊都是少數(shù)。?二、研究方法(三)不同冪次下TOPSIS方法的比較原則3.打分傾向。打分傾向是指采用某種評價方法評價時，評價結果平均水平的高低程度，進一步可以細分為較好評價對象分值的平均水平或較差評價對象分值的平均水平，當然打分傾向并不特指主觀評價方法，客觀評價方法同樣存在這個問題，當然打分傾向是一個相對概念，用于不同評價方法的比較。學術界對打分傾向沒有引起足夠的重視。4.評價結果數(shù)據分布特點。期刊評價值有時會被用來作為進一步研究的中間數(shù)據，比如研究期刊質量的影響因素，此時，數(shù)據的分布特點就非常重要了。在大樣本情況下，一般數(shù)據會傾向于服從正態(tài)分布。?三、數(shù)據本文數(shù)據來自于中國科學技術信息研究所CSTPC期刊統(tǒng)計數(shù)據庫，該數(shù)據庫基本囊括了我國中文自然科學各學科的優(yōu)秀學術期刊。從1987年開始，中國科學技術信息研究所對國內學術期刊論文數(shù)量和被引情況進行統(tǒng)計分析，建立了中國科技論文與引文數(shù)據庫CSTPC，并且出版《中國學術期刊引證報告》。本文選取2023年的農業(yè)學術期刊數(shù)據進行分析，由于部分新期刊統(tǒng)計數(shù)據不全，因此對其進行了刪減，還剩下90種農業(yè)期刊。本文研究重點是TOPSIS方法層面的問題，因此在選取指標時選取了6個典型指標:總被引頻次、影響因子、即年指標、被引半衰期、引用半衰期、基金論文比。?四、評價結果分析(一)TOPSIS評價結果的一致性分析:本文利用EXCEL計算不同冪次下TOPSIS評價結果，然后將不同冪次下的評價結果進行排序，結果如表1所示。k=2是標準的TOPSIS評價，其他情況下都是TOPSIS的推廣。由于篇幅所限，本文只給出了標準TOPSIS評價的前20種優(yōu)秀期刊。單從排序看，不同冪次下TOPSIS評價的結果不盡相同。?四、評價結果分析?四、評價結果分析(一)TOPSIS評價結果的一致性分析:表2為不同冪次下TOPSIS評價結果的相關系數(shù)，可以看出，總體上相關程度較高，只有1次冪和5次冪下評價結果的相關系數(shù)低于0.8，其他都在0.8以上。如果以標準TOPSIS評價(K=2)作為參照系，那么，除了與5次冪下的評價結果的相關系數(shù)稍低外(0.809)，與其他冪次下的評價結果的相關系數(shù)均較高，都在0.94以上，應該說，不同冪次下TOPSIS評價結果的一致性較高。?四、評價結果分析?四、評價結果分析(二)區(qū)分度、打分傾向、數(shù)據分布分析:區(qū)分度:隨著冪次的升高，離散系數(shù)也逐漸變小，說明數(shù)據的波動程度較小，而極小極大值比逐漸變大，說明總體的區(qū)分度是下降，意味著在評價結果較多的情況下，相鄰期刊評價值的差距有縮小的趨勢，如果存在數(shù)據誤差，甚至有排序錯誤的可能。?四、評價結果分析(二)區(qū)分度、打分傾向、數(shù)據分布分析:區(qū)分度:隨著冪次的升高，離散系數(shù)也逐漸變小，說明數(shù)據的波動程度較小，而極小極大值比逐漸變大，說明總體的區(qū)分度是下降，意味著在評價結果較多的情況下，相鄰期刊評價值的差距有縮小的趨勢，如果存在數(shù)據誤差，甚至有排序錯誤的可能。隨著冪次的升高，不同評價結果的高端極差比也逐漸變小，說明優(yōu)秀期刊的區(qū)分度下降，然而低端極差比在緩慢升高，說明弱勢期刊的區(qū)分度在逐漸加大。隨著冪次的升高，高端匯總比在逐漸降低，說明對于較好的期刊，采取了一種防止驕傲型策略，對較好期刊打分比實際情況要低。而低端匯總比在逐漸升高，說明對弱勢期刊采取了鼓勵落后型策略，打分比實際情況偏高。?四、評價結果分析(二)區(qū)分度、打分傾向、數(shù)據分布分析:區(qū)分度:隨著冪次的升高，離散系數(shù)也逐漸變小，說明數(shù)據的波動程度較小，而極小極大值比逐漸變大，說明總體的區(qū)分度是下降，意味著在評價結果較多的情況下，相鄰期刊評價值的差距有縮小的趨勢，如果存在數(shù)據誤差，甚至有排序錯誤的可能。隨著冪次的升高，不同評價結果的高端極差比也逐漸變小，說明優(yōu)秀期刊的區(qū)分度下降，然而低端極差比在緩慢升高，說明弱勢期刊的區(qū)分度在逐漸加大。打分傾向:隨著冪次的升高，高端匯總比在逐漸降低，說明對于較好的期刊，采取了一種防止驕傲型策略，對較好期刊打分比實際情況要低。而低端匯總比在逐漸升高，說明對弱勢期刊采取了鼓勵落后型策略，打分比實際情況偏高。數(shù)據分布:除了當k=1(p=0.019)和k=8(p=0.090)評價結果服從正態(tài)分布外，其他冪次都不服從正態(tài)分布。從偏度看，隨著冪次升高，評價結果從右偏慢慢變成左偏，并且偏度在持續(xù)減少。從峰度看，隨著冪