G2序关系分析法
方法概述
G2法是一种基于指标重要性排序的主观赋权方法。它通过专家确定各指标相对于最不重要指标的重要程度，然后直接归一化得到权重。与G1法相比，G2法只需要专家给出所有指标与同一个基准指标的比较，判断次数更少，操作更简便，特别适用于指标数量较多且专家难以对所有相邻指标给出精确比值的场景。
G2法的核心思想是：
首先由专家确定指标集合中最不重要的指标作为基准。
然后将其余指标与这个基准进行比较，给出相对重要度（即该指标重要程度是基准指标的多少倍）。
最后通过归一化计算各指标的权重。
该方法广泛应用于多指标决策、绩效评估、风险评估等领域，尤其适合需要快速获取权重且对判断精度要求相对宽松的情形。
计算步骤
1. 确定最不重要指标
设有 \(n\) 个指标构成的集合 \(\{x_1, x_2, \ldots, x_n\}\)。专家根据经验选出最不重要的指标，记为 \(x_{\min}\)。其余指标按重要性从高到低排序（此排序仅用于数据录入，不参与计算）。
2. 确定各指标相对于最不重要指标的重要度
对于每个指标 \(x_i\)（包括 \(x_{\min}\) 自身），专家给出其相对于最不重要指标的重要度比值 \(r_i\)，即：
\[ r_i = \frac{w_i}{w_{\min}} \]
其中 \(w_i\) 为指标 \(x_i\) 的权重，\(w_{\min}\) 为最不重要指标的权重。显然，最不重要指标自身的 \(r_{\min}=1\)。
比值 \(r_i\) 通常采用1~9标度或其倒数，含义如下：
| 标度 | 含义 |
|---|---|
| 1 | 同样重要 |
| 2 | 稍微重要 |
| 3 | 明显重要 |
| 4 | 重要得多 |
| 5 | 强烈重要 |
| 6 | 更强烈重要 |
| 7 | 非常强烈重要 |
| 8 | 极端重要 |
| 9 | 绝对重要 |
| 小数或分数 | 可根据需要取中间值，如1.2、1.5等 |
注意：\(r_i \geq 1\)，且数值越大表示该指标比最不重要指标重要越多。
3. 计算权重
由于所有指标的权重之和为1，即：
\[ \sum_{i=1}^{n} w_i = 1 \]
将 \(w_i = r_i \cdot w_{\min}\) 代入得：
\[ w_{\min} \sum_{i=1}^{n} r_i = 1 \]
因此：
\[ w_{\min} = \frac{1}{\sum_{i=1}^{n} r_i} \]
进而：
\[ w_i = r_i \cdot w_{\min} = \frac{r_i}{\sum_{j=1}^{n} r_j} \]
即权重向量为各指标相对重要度的归一化结果。
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G2法给出判断。
步骤1：确定最不重要指标
专家认为可维护性最不重要，记为 \(C_4\)。
步骤2：确定相对重要度
专家给出各指标相对于 \(C_4\) 的重要度比值：
\(r_1 = 3.5\)（技术先进性）
\(r_2 = 2.0\)（经济性）
\(r_3 = 1.5\)（实施风险）
\(r_4 = 1.0\)（可维护性）
步骤3：计算权重
计算分母： \[ \sum r = 3.5 + 2.0 + 1.5 + 1.0 = 8.0 \]
各指标权重：
\(w_1 = 3.5 / 8.0 = 0.4375\)
\(w_2 = 2.0 / 8.0 = 0.2500\)
\(w_3 = 1.5 / 8.0 = 0.1875\)
\(w_4 = 1.0 / 8.0 = 0.1250\)
最终权重向量： \[ W = [0.4375,\ 0.2500,\ 0.1875,\ 0.1250]^T \]
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
若另有两位专家给出各自的相对重要度，可分别计算权重后取平均。
常见问题
Q1: G2法与G1法有何区别？
A: G1法需要专家给出所有相邻指标的比值，而G2法只需确定一个基准（最不重要指标），并给出所有指标与该基准的比较。G2法判断次数更少，尤其适合指标数量较多时；G1法则能更精细地反映相邻重要性差异。
Q2: 基准指标是否必须是最不重要的？
A: 理论上也可选最重要指标作为基准，但此时需注意比值可能小于1（即其他指标不如基准重要），计算时仍用同一公式，但比值允许小于1。平台目前设计为以最不重要为基准，便于理解和输入（所有 \(r_i \geq 1\)）。
Q3: 相对重要度 \(r_i\) 的取值范围？
A: 通常取 \(\geq 1\) 的数值，可用1~9标度或中间值（如1.2、1.5等）。若以最不重要为基准，则 \(r_i \geq 1\)；若以最重要为基准，则 \(r_i \leq 1\)。平台支持小数和分数输入。
Q4: 如何处理多个专家意见？
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：指标名称和相对重要度）。系统分别计算每位专家的权重，再自动计算算术平均，给出综合权重。
Q5: 是否需要一致性检验？
A: 不需要。G2法基于直接比较和归一化，无需进行一致性检验，这是其优势之一。
平台功能
G2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（按重要性从高到低排序，最后一行必须是最不重要指标），第二列为相对重要度（最不重要指标自身为1）。
- 自动解析分数（如“3/2”）和Excel公式（如“=1.5”）。
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（分母、归一化）。
- 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。专家需理解最不重要指标的含义，并掌握相对重要度标度。
数据收集：
- 使用模板文件填写，每个工作表代表一位专家。
- 第一列按重要性从高到低列出所有指标（最后一行必须是最不重要指标）。
- 第二列填写每个指标相对于最不重要指标的重要度（最不重要指标填1）。
参数设置：根据需要设置小数位数。
结果解读：
- 检查各专家的相对重要度是否合理（应 ≥1）。
- 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：
- 若某专家判断明显异常，可单独调整后重新分析。
- 对于重要决策，建议结合G1法交叉验证。
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. 序关系分析法的扩展研究[J]. 系统工程，2001.
G2法在风险评估中的应用[J]. 统计与决策，2018.