DEMATEL‑AISM‑MICMAC

方法概述

DEMATEL‑AISM‑MICMAC是一种系统因素分析与结构解析的综合方法，将 DEMATEL（决策试验与评价实验室法）、AISM（对抗解释结构模型）和 MICMAC（影响矩阵乘法分类）有机结合，从多维度全面揭示复杂系统中因素间的相互关系、层级结构与驱动力特征。该方法突破了单一方法的局限性：DEMATEL 擅长量化因素间的影响强度和方向，计算中心度与原因度，识别关键因素；AISM 通过对抗性层级划分（UP 型与 DOWN 型）揭示因素的递阶结构，提供原因优先与结果优先两种互补视角；MICMAC 基于驱动力与依赖度对因素进行分类，明确系统的驱动点、依赖点、关联点与独立点。三者融合不仅能够回答“哪些因素重要”，更能回答“因素如何关联、如何分层、如何驱动”，为复杂系统诊断、政策模拟和优化决策提供系统化、多角度的科学依据。

计算步骤

1. 数据准备与多专家聚合

1.1 数据格式与验证

设有 \(E\) 位专家，每位专家提供一个 \(n \times n\) 的直接影响矩阵 \(A^{(e)} = [a_{ij}^{(e)}]\)，其中 \(a_{ij}^{(e)}\) 表示专家 \(e\) 认为因素 \(i\) 对因素 \(j\) 的直接影响强度（通常采用 0~4 或 0~5 标度：0=无影响，1=低影响，2=中影响，3=高影响，4=极高影响，5=极端影响）。矩阵需满足：

  • 方阵：\(n\) 个因素，行与列对应相同因素集合。
  • 对角线为 0：\(a_{ii}^{(e)} = 0\)，因素对自身无直接影响。
  • 元素为数值型，且在标度范围内。

程序自动进行以下验证： - 行列因素名称是否一致，若不一致则使用行名称作为标准因素集。 - 每个单元格是否能转换为数值。 - 对角线是否全部为 0。

1.2 多专家聚合

若专家数量 \(E > 1\)，需为每位专家设定权重 \(w_e\)（\(\sum_{e=1}^{E} w_e = 1\)，默认等权），加权聚合得到综合直接影响矩阵：

\[ a_{ij} = \sum_{e=1}^{E} w_e \cdot a_{ij}^{(e)}, \quad \forall i,j \]

程序通过动态生成的权重输入框获取用户设定的专家权重，并自动归一化。

2. DEMATEL 分析

DEMATEL 的核心是通过矩阵运算将直接影响转化为综合影响（直接+间接），并据此计算各因素的影响度、被影响度、中心度与原因度。

2.1 规范化直接影响矩阵

选择规范化方法（默认“行和最大值”），计算规范化因子：

  • 行和最大值法：\(s = \max_i \sum_{j=1}^{n} a_{ij}\)，\(B = A / s\)
  • 列和最大值法：\(s = \max_j \sum_{i=1}^{n} a_{ij}\)，\(B = A / s\)
  • 行和列和最大值法：\(s = \max\left( \max_i \sum_j a_{ij},\; \max_j \sum_i a_{ij} \right)\)，\(B = A / s\)

若 \(s=0\) 则报错退出。规范影响矩阵 \(B\) 的元素 \(b_{ij} \in [0,1]\)，且每行和（或每列和，或两者）的最大值为 1。

2.2 计算综合影响矩阵

综合影响矩阵 \(T\) 反映因素间的直接与间接影响总和，其级数定义为：

\[ T = B + B^2 + B^3 + \cdots = B (I - B)^{-1} \]

式中 \(I\) 为 \(n\) 阶单位矩阵。在实际计算中：

  1. 计算 \(I - B\)。
  2. 若 \(\det(I - B) \neq 0\)，使用标准矩阵求逆得到 \((I-B)^{-1}\)。
  3. 若 \(\det(I - B) = 0\)（即矩阵奇异），则使用广义逆（MASS::ginv）计算近似逆。
  4. 计算 \(T = B \times (I-B)^{-1}\)。

验证计算：同时计算级数前 10 项 \(T_{approx} = B + B^2 + \cdots + B^{10}\)，并在 \(B^k\) 收敛于零矩阵时提前终止，用于验证主计算结果的正确性。

2.3 计算影响度、被影响度、中心度与原因度

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

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

  • 中心度：因素在系统中的重要性综合度量 \[ M_i = D_i + C_i \]

  • 原因度：因素属于“原因类”还是“结果类”的判别指标 \[ R_i = D_i - C_i \]

若 \(R_i > 0\)，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）。

2.4 因素属性分类

以平均中心度 \(\bar{M} = \frac{1}{n}\sum_{i} M_i\) 为界，结合原因度符号，将因素分为四类：

原因度 中心度 属性 管理含义
\(R_i > 0\) \(M_i > \bar{M}\) 核心原因 系统关键驱动源，应优先干预
\(R_i > 0\) \(M_i \le \bar{M}\) 一般原因 次要驱动因素，可后续改进
\(R_i < 0\) \(M_i > \bar{M}\) 核心结果 关键输出指标，反映系统状态
\(R_i < 0\) \(M_i \le \bar{M}\) 一般结果 次要结果因素，影响较小

2.5 权重计算（可选）

将中心度归一化可作为因素权重： \[ w_i^{(DEM)} = \frac{M_i}{\sum_{j=1}^{n} M_j} \]

3. AISM 分析（对抗解释结构模型）

AISM 在 DEMATEL 的综合影响矩阵基础上，通过阈值截取、可达性计算和对抗性层级划分，构建因素间的有向层级结构。

3.1 阈值截取与邻接矩阵

对综合影响矩阵 \(T\)，按用户指定的方法计算截断阈值 \(\lambda\)：

  • 均值+标准差法：\(\lambda = \text{mean}(T) + \text{sd}(T)\)（默认）
  • 均值法：\(\lambda = \text{mean}(T)\)
  • 自定义法：\(\lambda = \text{用户输入值}\)

将 \(T\) 二值化为邻接矩阵 \(A = [a_{ij}]\)： \[ a_{ij} = \begin{cases} 1, & t_{ij} \ge \lambda \text{ 且 } i \neq j \\ 0, & \text{其他情况} \end{cases} \] 对角线强制置 0。

邻接矩阵 \(A\) 表示因素间的直接二元影响关系：\(a_{ij}=1\) 表示因素 \(i\) 对因素 \(j\) 有“显著”直接影响（达到或超过阈值）。

3.2 计算可达矩阵

采用布尔迭代法计算可达矩阵 \(R\)（也可选阈值法）：

  1. 初始化：\(R^{(0)} = A + I\)（\(I\) 为单位矩阵，表示因素可达自身）。
  2. 迭代：\(R^{(k+1)} = R^{(k)} \lor (R^{(k)} \times R^{(k)})\)（布尔矩阵乘法），直到 \(R^{(k+1)} = R^{(k)}\) 收敛。
  3. 最终可达矩阵 \(R\) 满足自反性（对角线为 1）和传递性（若 \(r_{ij}=1\) 且 \(r_{jk}=1\)，则 \(r_{ik}=1\)）。

可达矩阵的元素 \(r_{ij}=1\) 表示因素 \(i\) 能够通过直接或间接路径到达因素 \(j\)。

3.3 强连通分量（SCC）识别与缩点

采用 Kosaraju 算法识别可达矩阵中的强连通分量（Strongly Connected Components, SCC），即满足 \(r_{ij}=r_{ji}=1\) 的因素集合，表示互相可达的闭环群体。

识别步骤： 1. 在可达矩阵 \(R\) 上进行深度优先搜索（DFS），记录后序顺序。 2. 在转置矩阵 \(R^T\) 上按逆后序顺序进行 DFS，每个搜索树构成一个 SCC。

将每个 SCC 缩为一个节点，得到缩点可达矩阵 \(R_{cond}\)（\(m \times m\)，\(m\) 为 SCC 数量），其元素表示 SCC 之间的可达关系。

3.4 骨架矩阵与一般性骨架矩阵

骨架矩阵：从缩点可达矩阵中删除冗余边，保留最少的有向边以维持原有的层级关系。算法：对每一对 \(i,j\)（\(i \neq j\)），若 \(r_{ij}=1\) 且存在中间节点 \(k\) 使得 \(r_{ik}=1\) 且 \(r_{kj}=1\)，则删除边 \(i \to j\)。最终骨架矩阵 \(S\) 是缩点可达矩阵的约简。

一般性骨架矩阵：在骨架矩阵基础上将对角线置为 0，即 \(S_{gen} = S - I_{m}\)，仅保留层次间因果关系，去除自反关系。

3.5 对抗性层级划分（UP 型与 DOWN 型）

AISM 的核心特征是对抗性层级划分，提供两种互补视角：

基本概念（针对缩点可达矩阵 \(R_{cond}\) 或可达矩阵 \(R\)）： - 可达集 \(Reach(i) = \{j \mid r_{ij}=1\}\)：因素 \(i\) 能够到达的因素集合（包括自身）。 - 前因集 \(Ante(i) = \{j \mid r_{ji}=1\}\)：能够到达因素 \(i\) 的因素集合（包括自身）。 - 交集 \(Inter(i) = Reach(i) \cap Ante(i)\)。

UP 型（结果优先，自下而上）

提取规则：逐层找出满足 \(Reach(i) = Inter(i)\) 的因素（即那些可达集完全由自身及下层因素构成的因素，通常为“结果因素”），置于当前最高层，然后从系统中删除这些因素，更新剩余因素的可达集和前因集，继续迭代。

  • 第一层：系统中最顶层的结果因素（可达性与交集相等）。
  • 后续层：逐层向下，直到所有因素被分配。
  • 特点：顶层为结果因素，底层为根源因素，箭头方向自下而上（从原因指向结果）。
DOWN 型（原因优先，自上而下）

提取规则：逐层找出满足 \(Ante(i) = Inter(i)\) 的因素（即那些前因集完全由自身及上层因素构成的因素，通常为“原因因素”），置于当前最高层，然后从系统中删除这些因素，更新剩余因素的可达集和前因集，继续迭代。

  • 第一层：系统中最顶层的原因因素（前因集与交集相等）。
  • 后续层：逐层向下，直到所有因素被分配。
  • 特点：顶层为原因因素，底层为结果因素，箭头方向自上而下（从原因指向结果）。

两种划分方式并非对称反转，而是基于不同逻辑起点（UP 从结果出发，DOWN 从原因出发），提供对系统结构的多角度理解。

3.6 层级过程记录与结果表

程序在层级划分过程中记录每层提取的因素及其可达集、前因集、交集，形成完整的层级划分过程表。最终输出 AISM 因素结果表，包含：因素名称、所属 SCC、UP 型层级、DOWN 型层级、可达集、前因集。

4. MICMAC 分析

MICMAC（Matrix of Impacts Cross-Reference Multiplication Applied to a Classification）基于可达矩阵 \(R\)，计算因素的驱动力和依赖度，据此进行分类。

4.1 驱动力与依赖度计算

  • 驱动力（行和）：因素 \(i\) 能够到达的因素总数 \[ DP_i = \sum_{j=1}^{n} r_{ij} \]

  • 依赖度（列和）：能够到达因素 \(i\) 的因素总数 \[ DE_i = \sum_{j=1}^{n} r_{ji} \]

驱动力越高，表明该因素越能影响其他因素；依赖度越高，表明该因素越受其他因素影响。

4.2 因素分类

以平均驱动力 \(\overline{DP} = \frac{1}{n}\sum_i DP_i\) 和平均依赖度 \(\overline{DE} = \frac{1}{n}\sum_i DE_i\) 为界，将因素分为四类：

驱动力 依赖度 因素属性 管理含义
高 低 驱动因素 系统的杠杆点，干预效果扩散广
低 高 依赖因素 系统的脆弱点，受其他因素制约
高 高 关联因素 处于核心枢纽位置，双向影响
低 低 独立因素 相对孤立，影响有限

4.3 权重计算

因素权重基于驱动力和依赖度的综合贡献： \[ w_i^{(MIC)} = \frac{DP_i + DE_i}{\sum_{j=1}^{n} (DP_j + DE_j)} \]

5. 结果输出与可视化

5.1 表格输出

  • DEMATEL 因素分析表：因素名称、影响度(D)、被影响度(C)、中心度(M)、原因度(R)、权重、中心度排序、原因度排序、因素属性。
  • AISM 因素分级表：因素名称、所属 SCC、UP 型层级、DOWN 型层级、可达集、前因集。
  • MICMAC 因素分析表：因素名称、驱动力、依赖度、权重、驱动力排序、依赖度排序、因素属性。
  • 矩阵系列：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）、邻接矩阵、可达矩阵、缩点可达矩阵、骨架矩阵、一般性骨架矩阵、MICMAC 可达矩阵。
  • 强连通分量表：SCC 名称、包含因素、因素数量。
  • 统计汇总表：专家数量、因素数量、规范化方法、规范化因子、平均中心度、阈值 \(\lambda\)、UP/DOWN 总层数等。

5.2 可视化图表

  • DEMATEL 散点图：可选择中心度‑原因度图或影响度‑被影响度图，支持点状/块状显示、颜色色卡、标签字体、网格样式、坐标轴标签自定义，并自动绘制均值参考线。
  • AISM 层级拓扑图：UP 型与 DOWN 型并列显示，支持节点大小、节点间距、层间距、箭头大小、边线颜色/宽度、字体类型和大小等参数自定义。
  • MICMAC 散点图：以驱动力为横坐标、依赖度为纵坐标，绘制四象限分类图，支持与 DEMATEL 图类似的自定义参数。

5.3 AI 智能分析

调用 DeepSeek API（deepseek‑v4‑flash）自动解读融合分析结果，涵盖： - DEMATEL 关键因素识别与优先级建议。 - AISM 层级结构解读，UP/DOWN 型差异分析。 - MICMAC 因素分类及其管理启示。 - 综合决策建议（优化路径、监控重点、政策杠杆）。 每日限 3 次，用户可自定义分析提示词。

5.4 报告导出

  • Excel 报告：包含上述所有表格，每个矩阵以独立工作表呈现，因素表含行列名称，SCC 表完整列出。
  • HTML 报告：包含所有表格、关键因素高亮、方法对比分析和决策建议，样式清晰，适合文档存档和打印。

案例分析

案例背景：某制造企业欲分析影响生产效率的六个因素：设备状态(F1)、人员技能(F2)、原材料质量(F3)、工艺流程(F4)、管理制度(F5)、市场需求(F6)。邀请三位专家以 0~4 标度（0=无影响，4=极高影响）对因素间直接影响进行打分。三位专家权重等权（1/3），采用 DEMATEL‑AISM‑MICMAC 融合分析。

原始数据（专家1，简化）：

F1 F2 F3 F4 F5 F6
F1 0 3 2 4 1 0
F2 2 0 3 2 3 1
F3 1 2 0 1 2 0
F4 3 1 2 0 3 2
F5 0 2 1 3 0 3
F6 1 1 0 2 3 0

（专家2、专家3数据略，经加权聚合后得到综合直接影响矩阵）

计算过程

1. 多专家聚合

对三位专家的矩阵逐元素加权平均（权重均为 1/3），得到综合直接影响矩阵 \(A\)（数值略）。

2. DEMATEL 分析

规范化（行和最大值法）：计算每行和，最大行和 \(s = \max_i \sum_j a_{ij}\)，\(B = A / s\)。

综合影响矩阵：\(T = B(I-B)^{-1}\)。

计算影响度、被影响度、中心度、原因度（示例数值）：

因素 影响度 D 被影响度 C 中心度 M 原因度 R 属性
F1 1.82 1.15 2.97 0.67 核心原因
F2 1.75 1.42 3.17 0.33 核心原因
F3 0.98 1.85 2.83 -0.87 核心结果
F4 1.56 1.78 3.34 -0.22 核心结果
F5 1.23 1.64 2.87 -0.41 一般结果
F6 0.91 0.81 1.72 0.10 一般原因

平均中心度 \(\bar{M} = (2.97+3.17+2.83+3.34+2.87+1.72)/6 = 2.82\)。

3. AISM 分析

阈值截取：采用均值+标准差法，计算 \(\lambda \approx 0.28\)，得到邻接矩阵 \(A_{adj}\)。

可达矩阵：经布尔迭代计算得到 \(R\)。

强连通分量：识别 SCC，本例无 SCC（所有 SCC 为单因素），故缩点矩阵等同于可达矩阵。

骨架矩阵：删除冗余边后得到骨架矩阵。

UP 型层级划分（结果优先，自下而上）：

层级 因素 类型
第1层（顶层） F3, F4 结果因素
第2层 F5 中间因素
第3层 F1, F2 原因因素
第4层（底层） F6 根源因素

DOWN 型层级划分（原因优先，自上而下）：

层级 因素 类型
第1层（顶层） F1, F2 原因因素
第2层 F6 中间因素
第3层 F5 中间因素
第4层（底层） F3, F4 结果因素

UP 与 DOWN 呈现对抗性互补：UP 从结果出发，DOWN 从原因出发，但两者的底层-顶层方向正好相反。

4. MICMAC 分析

基于可达矩阵计算驱动力与依赖度（示例数值）：

因素 驱动力 依赖度 属性
F1 6 3 驱动因素
F2 5 4 驱动因素
F3 2 6 依赖因素
F4 3 5 依赖因素
F5 4 4 关联因素
F6 1 2 独立因素

平均驱动力 = 3.5，平均依赖度 = 4.0。

结果解读

  • 核心原因因素（F1、F2）：设备状态与人员技能是系统的关键驱动源，其改善将对工艺流程(F4)、原材料质量(F3)等产生显著正向影响。
  • 核心结果因素（F3、F4）：原材料质量与工艺流程受其他因素影响大，是系统表现的输出指标，应作为监测重点。
  • 驱动因素（F1、F2）：MICMAC 与 DEMATEL 一致确认，应优先投入资源改进。
  • 依赖因素（F3、F4）：需依赖驱动因素的改善来提升，不宜孤立干预。
  • AISM 层级结构：UP 型显示从 F6 经 F1/F2 到 F3/F4 的影响链；DOWN 型从 F1/F2 向下传递，两种视角互补，帮助制定“先驱动、后结果”的递进式管理策略。

综合决策建议：优先解决设备老化与人员培训问题（F1、F2），同步优化管理制度(F5)支撑执行，最终提升原材料质量(F3)和工艺流程(F4)水平，市场需求(F6)作为外部因素需单独关注。

常见问题

Q1: DEMATEL 与 AISM 中的阈值 \(\lambda\) 如何选择？

A: \(\lambda\) 决定邻接矩阵的稀疏程度，影响后续层级结构。程序提供三种方式： - 均值+标准差（默认）：\(\lambda = \text{mean}(T) + \text{sd}(T)\)，较为严格，生成的邻接矩阵较稀疏，层级较多。 - 均值：\(\lambda = \text{mean}(T)\)，中等严格，适用于大多数场景。 - 自定义：用户直接指定 \(\lambda \in [0,1]\)，可根据分析目的灵活调整。若层级过多或过少，可尝试调整阈值重新分析。

Q2: UP 型与 DOWN 型层级划分的区别是什么？

A: UP 型（结果优先，自下而上）从可达集与交集相等的因素（通常是结果因素）开始提取，逐层向下，顶层为结果因素，底层为原因因素。DOWN 型（原因优先，自上而下）从前因集与交集相等的因素（通常是原因因素）开始提取，顶层为原因因素，底层为结果因素。两者并非简单反转，而是基于不同逻辑起点构建的对抗性视角，综合两者可更全面理解系统结构。

Q3: 强连通分量（SCC）在 AISM 中如何处理？

A: SCC 表示因素间存在互相可达的强连接关系（即双向可达），在层级结构中将 SCC 内的因素合并为一个节点（缩点），避免循环依赖导致层级无法划分。合并后的 SCC 节点作为一个整体参与层级划分，其名称通常标记为 SCC1:因素1,因素2 等形式。

Q4: MICMAC 与 DEMATEL 的结果为什么可能不一致？

A: DEMATEL 基于综合影响矩阵的连续数值计算影响度与被影响度，是加权汇总的连续指标；MICMAC 基于可达矩阵的二值关系（0/1）计算驱动力和依赖度，更强调“有无路径”而非“强度”。两者角度不同，但通常趋势一致。若出现明显不一致，可能是指标截断阈值的选择导致了路径信息的丢失，可尝试调整阈值。

Q5: 如何解读“核心原因”与“驱动因素”的差异？

A: 核心原因来自 DEMATEL（基于影响强度），强调该因素对其他因素的直接影响和间接影响的总量大，且原因度为正，是“影响者”。驱动因素来自 MICMAC（基于可达路径），强调该因素在系统中的可达范围广（驱动力高）且被依赖度低，是“传播者”。两者通常高度重叠，但不完全等同。结合二者可更精准定位干预靶点。

Q6: 支持多工作表吗？

A: 支持。Excel 文件中每个工作表视为一位专家的直接影响矩阵，程序自动识别所有工作表并允许用户选择参与分析的工作表及设定其权重。

Q7: 矩阵阶数较大时性能如何？

A: 主程序采用高效矩阵运算，\(n \le 30\) 时可在数秒内完成。若 \(n > 30\)，矩阵求逆和布尔迭代运算量增大，建议适当增加迭代限制或减少因素数量。

平台功能

数据输入

  • 文件格式：仅支持 Excel（.xlsx/.xls），每个工作表代表一位专家的直接影响矩阵。
  • 数据格式：第一行为因素名称，第一列为因素名称，数据区域为数值型方阵，对角线为 0。
  • 自动验证：方阵性、对角线、数值有效性、因素名称一致性。
  • 工作表选择：用户可选择参与分析的工作表（即专家），默认全选。
  • 专家权重：动态生成权重输入框，自动归一化，默认等权重。

参数设置

  • 规范化方法：行和最大值（默认）、列和最大值、行和列和最大值。
  • 小数位数：1~10 位（默认 4 位）。
  • 对角线置为 0：自动强制，无需用户干预。
  • 阈值计算方法：均值+标准差（默认）、均值、自定义。
  • 自定义阈值：当选择“自定义”时启用，输入 0~1 数值。
  • 可达矩阵生成方法：布尔迭代（默认）、阈值法。

结果展示

  • 多选项卡面板：
    • DEMATEL 因素分析表（含属性与排序）
    • AISM 因素分级表（含 UP/DOWN 层级与 SCC）
    • MICMAC 因素分析表（含驱动力/依赖度与属性）
    • DEMATEL 矩阵（直接影响、规范影响、综合影响、验证矩阵）
    • AISM 矩阵（邻接、可达、缩点可达、骨架、一般性骨架）
    • MICMAC 可达矩阵
    • 强连通分量明细
    • 统计分析汇总
  • 数据表交互：所有表格使用 DT 包，支持搜索、排序、复制、导出 CSV/Excel/PDF。

可视化图表

  • DEMATEL 图：
    • 图表类型切换（中心度-原因度 / 影响度-被影响度）
    • 显示样式切换（块状 / 点状）
    • 自定义标题、X/Y 轴标签
    • 颜色色卡（Set1/Set2/Set3/Pastel1/Pastel2/Dark2/Accent/Paired/Spectral/RdYlBu/BrBG）
    • 字体大小（标签、图例、刻度）、字体类型（Arial/Times New Roman/Helvetica/Courier）
    • 网格样式（带网格/不带网格）
    • 点状图支持自定义散点大小和形状（圆形/三角/方块/菱形/星形）
    • 自动标注均值参考线和四象限文字
  • AISM 层级图：
    • UP 型与 DOWN 型并列展示
    • 自定义标题、字体大小与类型
    • 节点宽度/高度、节点间距、层间距
    • 箭头大小与角度、边线宽度与颜色、节点颜色
  • MICMAC 图：
    • 同 DEMATEL 图的完整自定义选项
    • 自动绘制驱动力与依赖度均值参考线及象限标注
  • 实时更新：点击对应“更新”按钮，图表根据当前参数重新绘制。

AI 智能分析

  • 模型：DeepSeek V4 Flash
  • 触发：点击“AI分析结果”按钮
  • 配额：每日 3 次，自动重置
  • 提示词：用户可自定义分析关注点
  • 输出：Markdown 格式渲染的 HTML 文本，含关键因素解读、层级结构分析、驱动力-依赖度诊断及综合决策建议

报告导出

  • Excel 报告：
    • 汇总结果表（含所有统计项）
    • DEMATEL/AISM/MICMAC 因素分析表
    • 所有矩阵（含行/列名称）
    • 强连通分量表
    • 工作簿命名清晰，便于后续加工
  • HTML 报告：
    • 包含所有表格
    • 关键因素高亮显示
    • 方法对比分析
    • 综合决策建议
    • 样式简洁，适合打印和存档

使用建议

  1. 数据准备
    • 确保因素数量适中（建议 5~15 个），过多（>25）会导致矩阵庞大、可视化拥挤。
    • 各专家的标度应统一（如全部用 0~4 或 0~5），以便加权聚合。
    • 因素名称应简洁且不重复，便于图表展示。
    • 建议先进行单专家预分析，检查矩阵是否合理，再汇总多专家。
  2. 参数选择
    • 规范化方法：默认“行和最大值”是 DEMATEL 标准做法。若行和差异很大，可尝试“列和最大值”或“行和列和最大值”。
    • 阈值 \(\lambda\)：默认“均值+标准差”较严格，层级分明；若层级过多导致孤立节点，可改用“均值”或自定义较低阈值；若层级过少，可提高阈值。
    • 可达矩阵方法：默认“布尔迭代”更严谨；“阈值法”速度快但可能丢失传递关系，一般不推荐。
  3. 结果解读
    • 综合三种方法：不要孤立看单一方法。DEMATEL 定位关键因素，AISM 揭示结构路径，MICMAC 分类驱动/依赖类型。
    • 核心原因 vs 驱动因素：两者结合可确认“真·杠杆点”。若某因素既是核心原因又是驱动因素，应优先干预。
    • UP 与 DOWN 型对比：若两种层级顺序一致，说明结构稳健；若差异大，说明系统存在多路径或多中心，需深入分析。
    • SCC 处理：若出现 SCC（且包含多个因素），说明这些因素互为因果，需作为整体考量，不宜单独干预。
  4. 迭代优化
    • 若结果不符合预期，可调整阈值 \(\lambda\)，观察层级结构变化。
    • 可尝试不同的专家权重组合，检验结果的稳健性。
    • 可删除个别明显异常的因素后重新分析，观察结构变化。
  5. 报告使用
    • Excel 报告适合进一步数据分析和图表制作。
    • HTML 报告适合快速汇报和打印，可直接嵌入 Word 或 PPT。

平台界面

官方地址：https://superr.online

DEMATEL‑AISM‑MICMAC 融合分析工具界面

平台界面包含：数据上传区（多工作表预览与选择）、参数设置（规范化、阈值、专家权重）、分析结果多选项卡展示（DEMATEL/AISM/MICMAC 因素表与矩阵）、可视化图表面板（三图并列或切换）、绘图参数自定义面板及 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. 汪应洛. 系统工程理论、方法与应用[M]. 高等教育出版社, 1998.
  3. 杨善林, 胡小建. 复杂系统决策方法[M]. 科学出版社, 2009.
  4. 基于 DEMATEL‑AISM‑MICMAC 的复杂系统因素分析[J]. 系统工程理论与实践, 2022, 42(5): 1289‑1298.
  5. Duperrin J C, Godet M. Méthode de hiérarchisation des éléments d’un système[J]. Rapport économique du CEA, 1973.
  6. 刘伟, 李华. 融合 DEMATEL 与 ISM 的系统因素分析方法比较研究[J]. 管理工程学报, 2021, 35(3): 112‑120.