G1序关系分析法
方法概述
G1法（又称序关系分析法）是一种基于指标重要性排序的主观赋权方法。它通过专家对指标的重要性进行排序，并给出相邻指标间的相对重要性比值，从而直接计算权重。与层次分析法（AHP）相比，G1法无需进行一致性检验，且当指标数量较多时，专家判断更加简便、准确，能够有效克服因判断犹豫带来的误差。
G1法的核心思想是： - 首先由专家确定各指标的重要性序关系（从最重要到最不重要）。 - 然后给出相邻指标间的重要程度之比（即权重比值）。 - 最后通过递推公式计算各指标的权重。
该方法特别适用于指标数量较多、专家难以进行两两比较的复杂决策场景，广泛应用于状态评估、绩效评价等领域。
计算步骤
1. 确定指标序关系
设有 \(n\) 个指标构成的集合 \(\{x_1, x_2, \ldots, x_n\}\)。专家根据自身经验，从集合中选出最不重要的一个指标，记为 \(x_{j_n}\)；然后在剩余指标中再选出最不重要的指标，记为 \(x_{j_{n-1}}\)；依此类推，最终得到所有指标的唯一序关系（从最重要到最不重要）：
\[ x_{j_1} \succ x_{j_2} \succ \cdots \succ x_{j_n} \]
其中“\(\succ\)”表示“重要于”。
2. 确定相邻指标的重要性比值
设相邻指标 \(x_{j_{k-1}}\) 与 \(x_{j_k}\) 的权重之比为 \(r_k\)，即：
\[ r_k = \frac{w_{j_{k-1}}}{w_{j_k}}, \quad k = 2,3,\ldots,n \]
\(r_k\) 的取值根据专家判断确定，通常采用以下标度：
| 标度 | 含义 |
|---|---|
| 1.0 | 同样重要 |
| 1.2 | 稍微重要 |
| 1.4 | 明显重要 |
| 1.6 | 强烈重要 |
| 1.8 | 极端重要 |
| 1.1,1.3,1.5,1.7 | 上述相邻判断的中间值 |
注意：\(r_k\) 必须大于等于1，且取值越大于1，表示前者比后者越重要。
3. 计算权重
首先计算最不重要指标 \(x_{j_n}\) 的权重：
\[ w_{j_n} = \left(1 + \sum_{k=2}^{n} \prod_{j=k}^{n} r_j \right)^{-1} \]
然后通过递推公式依次计算其他指标的权重：
\[ w_{j_{k-1}} = w_{j_k} \times r_k, \quad k = n, n-1, \ldots, 2 \]
最终得到各指标的权重向量 \(W = (w_{j_1}, w_{j_2}, \ldots, w_{j_n})\)。
4. 多专家群策时的聚合
当有 \(p\) 位专家参与时，可先按上述步骤计算每位专家的权重向量 \(W^{(a)}\)，然后对各专家的同一指标权重取算术平均：
\[ \bar{w}_i = \frac{1}{p} \sum_{a=1}^{p} w_i^{(a)} \]
若专家权威性不同，可采用加权平均。
案例分析
案例背景：某企业需对四个评价指标（技术先进性 \(C_1\)、经济性 \(C_2\)、实施风险 \(C_3\)、可维护性 \(C_4\)）进行权重确定。邀请一位专家按G1法给出判断。
步骤1：确定序关系
专家从四个指标中选出最不重要的指标：经过比较，认为可维护性最不重要，记为 \(x_4\)；从剩余指标中选出最不重要的为实施风险，记为 \(x_3\)；再从剩余中选出最不重要的为经济性，记为 \(x_2\)；最后技术先进性最重要，记为 \(x_1\)。得到序关系：
\[ C_1 \succ C_2 \succ C_3 \succ C_4 \]
步骤2：确定相邻比值
专家给出相邻指标重要性比值：
\(r_2 = w_{C_1} / w_{C_2} = 1.4\)（明显重要）
\(r_3 = w_{C_2} / w_{C_3} = 1.2\)（稍微重要）
\(r_4 = w_{C_3} / w_{C_4} = 1.6\)（强烈重要）
步骤3：计算权重
首先计算最不重要指标 \(C_4\) 的权重：
\[ \begin{aligned} \prod_{j=2}^{4} r_j &= r_2 \times r_3 \times r_4 = 1.4 \times 1.2 \times 1.6 = 2.688 \\ \prod_{j=3}^{4} r_j &= r_3 \times r_4 = 1.2 \times 1.6 = 1.92 \\ \prod_{j=4}^{4} r_j &= r_4 = 1.6 \\ \sum_{k=2}^{4} \prod_{j=k}^{4} r_j &= 2.688 + 1.92 + 1.6 = 6.208 \\ w_{C_4} &= (1 + 6.208)^{-1} = 1 / 7.208 \approx 0.1388 \end{aligned} \]
然后递推：
\(w_{C_3} = w_{C_4} \times r_4 = 0.1388 \times 1.6 = 0.2221\)
\(w_{C_2} = w_{C_3} \times r_3 = 0.2221 \times 1.2 = 0.2665\)
\(w_{C_1} = w_{C_2} \times r_2 = 0.2665 \times 1.4 = 0.3731\)
归一化（可选）： \[ \sum w = 0.3731 + 0.2665 + 0.2221 + 0.1388 = 1.0005 \approx 1 \]
最终权重向量为： \[ W = [0.3731,\ 0.2665,\ 0.2221,\ 0.1388]^T \]
结论：技术先进性最重要，可维护性最不重要，权重分配合理。
多专家情况示例
若另有两位专家，各自给出判断，可分别计算权重后取平均。
常见问题
Q1: G1法与AHP相比有何优势？
A: G1法无需构造判断矩阵，也无需进行一致性检验，避免了AHP中因判断不一致而需反复调整的麻烦。当指标数量较多时，专家更容易通过排序和比值给出判断，且计算简单，结果稳定。
Q2: 重要性比值 \(r_k\) 的取值范围是多少？
A: 通常取1.0、1.2、1.4、1.6、1.8，分别对应同样重要、稍微重要、明显重要、强烈重要、极端重要。也可取1.1、1.3、1.5、1.7作为中间值。原则上 \(r_k \ge 1\)，若出现小于1的情况，说明排序可能错误。
Q3: 如何确保排序的唯一性？
A: 专家应严格按“最不重要”的顺序依次选择，保证最终序关系是从最重要到最不重要的唯一排列。若专家难以直接给出全局排序，可先两两比较再综合排序。
Q4: 多专家意见如何聚合？
A: 平台支持上传包含多个工作表的Excel文件，每个工作表对应一位专家的判断（两列数据：指标排序和比值）。系统先分别计算每位专家的权重，再自动计算算术平均（或加权平均），给出综合权重。
Q5: 比值可以是非数值吗？
A: 平台支持分数（如“7/5”）和Excel公式（如“=1.4”），会自动转换为数值。若输入非法字符，将提示错误。
平台功能
G1序关系分析法平台提供以下核心功能：
数据输入
- 支持CSV、Excel、TXT多种格式。
- Excel文件支持多工作表，每个工作表代表一位专家。
- 数据格式要求：第一列为指标名称（按重要性从最不重要到最重要排序），第二列为相邻指标重要性比值（最后一行留空）。
- 自动解析分数（如“1/3”）和Excel公式（如“=1.4”）。
分析设置
- 小数位数：控制结果输出精度（默认5位）。
结果展示
- 详细分析报告：包含每个专家的权重向量、原始数据、计算过程（连乘积、分母、递推）。
- 可视化图表：权重分布柱状图。
- 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。
工作表管理
- 多工作表自动识别，支持批量分析。
- 实时显示每个工作表的验证状态。
- 支持对比不同专家的权重分布。
使用建议
准备阶段：明确评价指标，设计调查表。专家需理解序关系确定方法和比值标度含义。
数据收集：
- 使用模板文件填写，每个工作表代表一位专家。
- 第一列按从最不重要到最重要的顺序列出指标（即最后一行是最重要的指标）。
- 第二列填写相邻指标的重要性比值（倒数第二行对应最重要的两个指标的比值，依此类推），最后一行留空。
参数设置：根据需要设置小数位数。
结果解读：
- 首先查看各专家的权重排序是否合理，是否存在异常值。
- 对比不同专家的权重分布，分析意见一致性。
- 结合AI分析建议，综合决策。
迭代优化：
- 若发现某专家判断异常，可单独调整后重新分析。
- 对于重要决策，可邀请多位专家并采用加权平均。
平台界面
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：
郭亚军. 综合评价理论与方法（第二版）[M]. 科学出版社，2012.
王应明. 序关系分析法及其应用[J]. 系统工程理论与实践，1999.
G1法在权重确定中的应用研究[J]. 统计与决策，2015.