DEMATEL决策实验室法

方法概述

DEMATEL（Decision Making Trial and Evaluation Laboratory，决策实验室分析法）是一种基于图论与矩阵工具的系统因素分析方法，由美国 Battelle 研究所于 1973 年提出。该方法通过分析系统中因素之间的直接影响关系，计算每个因素的影响度、被影响度、中心度与原因度，从而识别关键因素并揭示因素间的因果关系。

DEMATEL法的核心思想是：

  • 邀请专家对因素之间的直接影响程度进行两两打分，构建直接影响矩阵。
  • 将直接影响矩阵规范化，得到规范影响矩阵。
  • 计算综合影响矩阵，反映因素间的间接影响。
  • 计算每个因素的影响度（行和）与被影响度（列和），进而得到中心度（D+C，反映因素的重要性）和原因度（D-C，反映因素的因果属性）。
  • 以中心度为横坐标、原因度为纵坐标绘制因果散点图，将因素划分为原因因素（原因度>0）和结果因素（原因度<0），结合中心度高低进一步分为核心原因、一般原因、核心结果、一般结果四类。

该方法广泛应用于复杂系统的因素识别与结构分析，如供应链风险、技术创新影响因素、企业管理问题等。

计算步骤

1. 构建直接影响矩阵

设有 \(n\) 个因素，邀请 \(K\) 位专家对因素两两之间的直接影响程度进行打分。通常采用 0~4 分制：0=无影响，1=低影响，2=中影响，3=高影响，4=极高影响。每位专家给出一个 \(n \times n\) 的直接影响矩阵 \(X^{(k)}\)，其中元素 \(x_{ij}^{(k)}\) 表示专家 \(k\) 认为因素 \(i\) 对因素 \(j\) 的直接影响强度。矩阵对角线元素均为 0。

若有多个专家，可对矩阵进行加权平均（专家权重可设定），得到综合直接影响矩阵 \(A = [a_{ij}]\)：

\[ a_{ij} = \sum_{k=1}^{K} w_k \cdot x_{ij}^{(k)} \]

其中 \(w_k\) 为第 \(k\) 位专家的权重，满足 \(\sum w_k = 1\)。

2. 规范化直接影响矩阵

计算规范影响矩阵 \(B\)，常用的规范化方法有：

（1）行和最大值法

\[ s = \max_{1 \le i \le n} \sum_{j=1}^{n} a_{ij}, \quad B = \frac{A}{s} \]

（2）列和最大值法

\[ s = \max_{1 \le j \le n} \sum_{i=1}^{n} a_{ij}, \quad B = \frac{A}{s} \]

（3）行和列和最大值法

\[ s = \max\left( \max_i \sum_j a_{ij},\; \max_j \sum_i a_{ij} \right), \quad B = \frac{A}{s} \]

3. 计算综合影响矩阵

综合影响矩阵 \(T\) 反映了因素间的直接与间接影响总和，计算公式为：

\[ T = B (I - B)^{-1} \]

其中 \(I\) 为单位矩阵。可以证明，\(T = B + B^2 + B^3 + \cdots\) 级数收敛。实际计算中，通常先计算 \(I - B\)，再求逆矩阵。

4. 计算影响度与被影响度

  • 影响度（行和）：因素 \(i\) 对其他因素的综合影响程度 \[ D_i = \sum_{j=1}^{n} t_{ij} \]
  • 被影响度（列和）：因素 \(i\) 受其他因素的综合影响程度 \[ C_i = \sum_{j=1}^{n} t_{ji} \]

5. 计算中心度与原因度

  • 中心度：\(M_i = D_i + C_i\)，值越大说明该因素在系统中的地位越重要。
  • 原因度：\(R_i = D_i - C_i\)，若 \(R_i > 0\)，则因素 \(i\) 为原因因素（对其他因素影响大）；若 \(R_i < 0\)，则为结果因素（受其他因素影响大）。

6. 因素属性分类

以中心度的均值为界，将因素分为四类：

原因度 中心度 属性
>0 >均值 核心原因因素
>0 ≤均值 一般原因因素
<0 >均值 核心结果因素
<0 ≤均值 一般结果因素

7. 计算权重（可选）

将中心度归一化可得到因素的权重： \[ w_i = \frac{M_i}{\sum_{j=1}^{n} M_j} \]

8. 结果可视化

以中心度为横坐标、原因度为纵坐标绘制散点图，并用不同颜色标记因素属性，直观展示各因素的地位和角色。

案例分析

案例背景：某企业欲分析影响产品创新能力的五个因素：研发投入（F1）、人才水平（F2）、激励机制（F3）、技术积累（F4）、市场需求（F5）。邀请两位专家（权重相等）对因素间的直接影响程度打分（0-4分），原始数据如下（简化示例）：

专家1的直接影响矩阵：

F1 F2 F3 F4 F5
F1 0 3 2 4 1
F2 2 0 3 3 2
F3 1 2 0 1 3
F4 3 2 2 0 2
F5 2 1 4 2 0

专家2的直接影响矩阵：

F1 F2 F3 F4 F5
F1 0 2 3 4 2
F2 3 0 2 3 1
F3 2 2 0 2 4
F4 2 3 1 0 2
F5 1 2 3 3 0

取平均值得到综合直接影响矩阵 \(A\)：

\[ A = \begin{bmatrix} 0 & 2.5 & 2.5 & 4.0 & 1.5 \\ 2.5 & 0 & 2.5 & 3.0 & 1.5 \\ 1.5 & 2.0 & 0 & 1.5 & 3.5 \\ 2.5 & 2.5 & 1.5 & 0 & 2.0 \\ 1.5 & 1.5 & 3.5 & 2.5 & 0 \end{bmatrix} \]

计算过程

1. 规范化（采用行和最大值法）

计算每行和：

  • 行1：2.5+2.5+4.0+1.5 = 10.5
  • 行2：2.5+2.5+3.0+1.5 = 9.5
  • 行3：1.5+2.0+1.5+3.5 = 8.5
  • 行4：2.5+2.5+1.5+2.0 = 8.5
  • 行5：1.5+1.5+3.5+2.5 = 9.0

最大行和 \(s = 10.5\)，规范影响矩阵 \(B = A / 10.5\)：

\[ B = \begin{bmatrix} 0 & 0.2381 & 0.2381 & 0.3810 & 0.1429 \\ 0.2381 & 0 & 0.2381 & 0.2857 & 0.1429 \\ 0.1429 & 0.1905 & 0 & 0.1429 & 0.3333 \\ 0.2381 & 0.2381 & 0.1429 & 0 & 0.1905 \\ 0.1429 & 0.1429 & 0.3333 & 0.2381 & 0 \end{bmatrix} \]

2. 计算综合影响矩阵 \(T = B(I-B)^{-1}\)

先计算 \(I-B\)，再求逆矩阵。经计算（略），得：

\[ T = \begin{bmatrix} 0.204 & 0.410 & 0.396 & 0.527 & 0.372 \\ 0.389 & 0.236 & 0.391 & 0.478 & 0.351 \\ 0.285 & 0.337 & 0.254 & 0.358 & 0.462 \\ 0.354 & 0.391 & 0.315 & 0.282 & 0.377 \\ 0.296 & 0.328 & 0.475 & 0.416 & 0.263 \end{bmatrix} \] （数值经四舍五入保留三位小数）

3. 计算影响度 \(D_i\) 与被影响度 \(C_i\)

  • \(D_1 = 0.204+0.410+0.396+0.527+0.372 = 1.909\)
  • \(D_2 = 0.389+0.236+0.391+0.478+0.351 = 1.845\)
  • \(D_3 = 0.285+0.337+0.254+0.358+0.462 = 1.696\)
  • \(D_4 = 0.354+0.391+0.315+0.282+0.377 = 1.719\)
  • \(D_5 = 0.296+0.328+0.475+0.416+0.263 = 1.778\)

计算列和 \(C_i\)（被影响度）：

  • \(C_1 = 0.204+0.389+0.285+0.354+0.296 = 1.528\)
  • \(C_2 = 0.410+0.236+0.337+0.391+0.328 = 1.702\)
  • \(C_3 = 0.396+0.391+0.254+0.315+0.475 = 1.831\)
  • \(C_4 = 0.527+0.478+0.358+0.282+0.416 = 2.061\)
  • \(C_5 = 0.372+0.351+0.462+0.377+0.263 = 1.825\)

4. 计算中心度 \(M_i\) 和原因度 \(R_i\)

  • \(M_1 = 1.909+1.528 = 3.437\)

  • \(M_2 = 1.845+1.702 = 3.547\)

  • \(M_3 = 1.696+1.831 = 3.527\)

  • \(M_4 = 1.719+2.061 = 3.780\)

  • \(M_5 = 1.778+1.825 = 3.603\)

  • \(R_1 = 1.909-1.528 = 0.381\)

  • \(R_2 = 1.845-1.702 = 0.143\)

  • \(R_3 = 1.696-1.831 = -0.135\)

  • \(R_4 = 1.719-2.061 = -0.342\)

  • \(R_5 = 1.778-1.825 = -0.047\)

5. 因素属性分类

平均中心度 \(\bar{M} = (3.437+3.547+3.527+3.780+3.603)/5 = 3.579\)。

  • F1: \(R>0\), \(M>\bar{M}\) → 核心原因
  • F2: \(R>0\), \(M<\bar{M}\) → 一般原因
  • F3: \(R<0\), \(M<\bar{M}\) → 一般结果
  • F4: \(R<0\), \(M>\bar{M}\) → 核心结果
  • F5: \(R<0\), \(M>\bar{M}\) → 核心结果

6. 结果解读

  • 核心原因因素：研发投入（F1），说明该因素对其他因素有较强的驱动作用，应优先管理。
  • 核心结果因素：技术积累（F4）和市场需求（F5），它们是受其他因素影响的关键结果变量，改善原因因素可有效提升这些结果。
  • 一般原因因素：人才水平（F2），虽为原因但中心度较低，重要性稍弱。
  • 一般结果因素：激励机制（F3），受其他因素影响且重要性较低。

常见问题

Q1: DEMATEL 法适用于哪些场景？

A: 适用于因素关系复杂、需要识别关键驱动因素和结果因素的系统分析，如企业风险分析、技术创新因素研究、供应链瓶颈诊断、社会问题根源分析等。

Q2: 直接影响矩阵的打分标准如何确定？

A: 一般采用 0-4 分制（0=无影响，1=低影响，2=中影响，3=高影响，4=极高影响），也可采用其他尺度（如 0-3 分），但需保持一致性。平台允许用户自定义矩阵值，只要符合方阵、对角线为0即可。

Q3: 如何规范化？三种方法有何区别？

A: - 行和最大值法：最常用，适用于行和差异较大的情况，保证规范化后每行和 ≤1。 - 列和最大值法：适用于列和差异较大的情况。 - 行和列和最大值法：取行和与列和的最大值，更为保守。 通常推荐行和最大值法。

Q4: 如何处理多个专家？

A: 平台支持将每个专家的矩阵放在 Excel 的不同工作表，并为每个专家设置权重（默认为等权重），系统会自动加权平均得到综合直接影响矩阵。

Q5: 综合影响矩阵的计算中，如果 \(I-B\) 不可逆怎么办？

A: 平台会使用广义逆（MASS::ginv）进行计算，并给出提示。一般情况下，DEMATEL 要求矩阵 \(B\) 的谱半径小于1，此时 \(I-B\) 可逆。

Q6: 支持多工作表吗？

A: 支持。Excel 文件中每个工作表代表一个专家的评价矩阵，用户可选择需要分析的工作表并设置专家权重。

平台功能

DEMATEL 法分析平台提供以下核心功能：

数据输入

  • 支持 Excel（.xlsx, .xls）格式。
  • 每个工作表为一个专家的直接影响矩阵，第一行和第一列为因素名称，数据区域为方阵。
  • 自动校验矩阵是否为方阵、对角线是否为0等。

参数设置

  • 规范化方法：选择行和最大值、列和最大值、行和列和最大值。
  • 小数位数：控制结果精度（默认4位）。
  • 选择分析的工作表：可多选，支持多个专家。
  • 专家权重设置：为每个专家分配权重（自动归一化）。
  • 对角线置为0：确保矩阵对角线为0。

结果展示

  • 因素分析结果：各因素的影响度、被影响度、中心度、原因度、权重、排序、属性分类。
  • 矩阵展示：直接影响矩阵、规范影响矩阵、综合影响矩阵、验证矩阵（级数展开）。
  • 统计分析：专家数量、因素数量、规范化因子、平均中心度等。
  • 可视化：中心度-原因度散点图（可切换为影响度-被影响度图），支持丰富的绘图参数（颜色、点状/块状、字体大小、图例等）。
  • AI智能分析：基于 DeepSeek API 自动解读结果，提供决策建议（每日限3次）。
  • 多格式导出：支持 Excel 和 HTML 报告下载。

使用建议

  1. 准备阶段：确定分析的系统边界，筛选出关键因素（一般不超过15个，否则矩阵复杂）。设计调查问卷，明确打分尺度。

  2. 数据收集：邀请专家独立填写直接影响矩阵，确保对角线为0。将每位专家的数据放入 Excel 的不同工作表，按模板格式填写。

  3. 参数设置：

    • 选择合适的规范化方法（推荐行和最大值法）。
    • 若有多位专家，合理设置权重（可根据专家权威性、熟悉程度等）。
    • 根据分析目的选择绘图类型和样式，调整标签、颜色等。

  4. 结果解读：

    • 核心原因因素是管理的重点，改善它们可带动其他因素。
    • 核心结果因素应作为监测指标，反映系统整体状况。
    • 结合中心度和原因度，判断各因素在系统中的角色。
    • 利用 AI 分析获取更专业的解读和建议。

  5. 迭代优化：

    • 若结果不符合预期，可检查原始数据是否合理，或调整规范化方法。
    • 对比不同专家权重的结果，检验稳定性。
    • 可将 DEMATEL 结果作为后续决策方法（如网络层次分析法 ANP）的输入。

平台界面

官方地址：https://superr.online

DEMATEL法工具界面

平台界面包含：数据上传区、参数设置区、多工作表预览、分析结果展示和AI分析模块

参考文献：

  1. Gabus A, Fontela E. World problems, an invitation to further thought within the framework of DEMATEL[R]. Battelle Geneva Research Centre, 1972.
  2. 周德群，章玲. 集成 DEMATEL 与 ANP 的复杂系统因素分析[J]. 系统工程理论与实践，2011, 31(3): 481-488.
  3. 基于 DEMATEL 法的企业创新能力影响因素分析[J]. 科技进步与对策，2013, 30(19): 84-88.