層次分析法與一元回歸(完整版)
【正文】 陣 A為一致矩陣當(dāng)且僅當(dāng)其最大特征根 ，且當(dāng)正互反矩陣非一致時，必有 。 上式可以近似看作 A的最大特征值。 該特征向量標(biāo)準(zhǔn)化后變成 U = (,)Z。 層次分析法的局限性 ? 在應(yīng)用層次分析法研究問題時，遇到的主要困難有兩個： – （ i）如何根據(jù)實際情況抽象出較為貼切的 層次 結(jié)構(gòu)； – （ ii）如何將某些定性的量作比較接近實際 定量化 處理。在一元回歸分析預(yù)測法 中，自變量只有一個，而在多元回歸分析預(yù)測法 中，自變量有兩個以上。 ? 因此，作為自變量的因素與作為因變量的預(yù)測對象是否有關(guān)，相關(guān)程度如何，以及判斷這種相關(guān)程度的把握性多大，就成為進行回歸分析必須要解決的問題。 模糊算法 ? 現(xiàn)代數(shù)學(xué)建立在集合論的基礎(chǔ)上。 神經(jīng)網(wǎng)絡(luò)的研究內(nèi)容相當(dāng)廣泛，反映了多學(xué)科交叉技術(shù)領(lǐng)域的特點。 ? 然而，直觀性的思維是將分布式存儲的信息綜合起來，結(jié)果是忽然間產(chǎn)生想法或解決問題的辦法。符合概念的那些對象的全體叫做這個概念的外延，外延實際上就是集合。 4．檢驗回歸預(yù)測模型，計算預(yù)測誤差 回歸預(yù)測模型是否可用于實際預(yù)測，取決于對回歸預(yù)測模型的檢驗和對預(yù)測誤差的計算。 回歸分析預(yù)測的步驟 1．根據(jù)預(yù)測目標(biāo)，確定自變量和因變量 明確預(yù)測的具體目標(biāo)，也就確定了因變量。 – （ ii）比較、判斷過程較為 粗糙 ，不能用于精度要求較高的決策問題。 ? 先成對比較三個候選人的品德，得成對比較陣 經(jīng)計算， B1的權(quán)向量 ωx1(Y) = (,)z 故 B1的不一致程度可接受。 ? 4. 層次總排序及一致性檢驗 上面我們得到的是一組元素對其上一層中某元素的權(quán)重向量。 – 由于特征根連續(xù)地依賴于 ，故 比 n大得越多， A的非一致性程度也就越嚴(yán)重， 對應(yīng)的標(biāo)準(zhǔn)化特征向量也就越不能真實地反映出 在對因素 Z的影響中所占的比重。 關(guān)于如何確定的值， Saaty等建議引用數(shù)字 1~9及其倒數(shù)作為標(biāo)度。 例 1 假期旅游有 3個旅游勝地供你選擇，試確定一個最佳地點。 層次分析法基本原理與步驟 ? 運用層次分析法建模，大體上可按下面四個步驟進行： （ i）建立遞階層次結(jié)構(gòu)模型； （ ii）構(gòu)造出各層次中的所有判斷矩陣； （ iii）層次單排序及一致性檢驗； （ iv）層次總排序及一致性檢驗。 – 最后，你要將這兩個層次的比較判斷進行綜合，在 A、 B、 C中確定哪個作為
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1