PCM优序图法
方法概述
优序图法（Preference Comparison Matrix, PCM）是一种基于专家打分的多指标决策方法。它通过专家对各项指标进行直接打分（如1~5分），然后计算各指标的平均得分，并根据平均值大小构建优序图矩阵，最后通过矩阵行和（TTL值）归一化得到权重。与传统的两两比较法相比，该方法操作简便，专家只需按里克特量表打分，无需进行复杂的成对比较，特别适用于指标数量较多、专家难以进行两两判断的场景。
优序图法的核心思想是：
专家对每个指标独立打分，反映其重要程度。
根据指标平均分的相对大小，构建一个反映优劣关系的优序图矩阵。
计算矩阵各行之和（TTL值），归一化后作为权重。
该方法广泛应用于综合评价、问卷调查、权重确定等领域。
计算步骤
1. 收集专家打分数据
设有 \(n\) 个指标构成的集合 \(\{X_1, X_2, \ldots, X_n\}\)，邀请 \(m\) 位专家进行打分。每位专家对每个指标按1~5分里克特量表进行评分：
| 分值 | 含义 |
|---|---|
| 1 | 非常不重要 |
| 2 | 不重要 |
| 3 | 一般 |
| 4 | 重要 |
| 5 | 非常重要 |
数据格式要求：第一列为专家名称（或编号），第二列开始为各指标的得分。
2. 计算各指标的平均得分
对每个指标 \(X_j\)，计算所有专家打分的算术平均值：
\[ \bar{x}_j = \frac{1}{m} \sum_{i=1}^{m} x_{ij}, \quad j=1,2,\ldots,n \]
其中 \(x_{ij}\) 为第 \(i\) 位专家对指标 \(X_j\) 的评分。
3. 构建优序图矩阵
根据各指标的平均得分，构建优序图矩阵 \(P = (p_{ij})_{n \times n}\)，其中 \(p_{ij}\) 表示指标 \(X_i\) 相对于指标 \(X_j\) 的优劣程度，取值规则如下：
- 若 \(i = j\)，则 \(p_{ij} = 0.5\)（自身比较）。
- 若 \(i \neq j\)，则：
- 当 \(\bar{x}_i > \bar{x}_j\) 时，\(p_{ij} = 1\)（表示 \(X_i\) 优于 \(X_j\)）；
- 当 \(\bar{x}_i = \bar{x}_j\) 时，\(p_{ij} = 0.5\)（表示同等重要）；
- 当 \(\bar{x}_i < \bar{x}_j\) 时，\(p_{ij} = 0\)（表示 \(X_i\) 劣于 \(X_j\)）。
该矩阵满足互补性：\(p_{ij} + p_{ji} = 1\)，且对角线元素为0.5。
4. 计算TTL值
每个指标 \(X_i\) 的TTL值（Total）定义为该行元素之和：
\[ \text{TTL}_i = \sum_{j=1}^{n} p_{ij} \]
TTL值反映了该指标在所有比较中的总得分，其值越大表示该指标越重要。
5. 计算权重
将各指标的TTL值归一化，即得权重：
\[ w_i = \frac{\text{TTL}_i}{\sum_{k=1}^{n} \text{TTL}_k} \]
由于TTL总和等于所有矩阵元素之和，根据矩阵结构可验证 \(\sum_{k=1}^{n} \text{TTL}_k = \frac{n(n+1)}{2}\)，但归一化后权重和为1。
6. 多工作表批量分析
平台支持上传包含多个工作表的Excel文件，每个工作表代表一组独立的专家打分数据（例如不同批次的专家或不同准则层）。系统将自动对每个工作表执行上述计算，并分别输出结果。
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5位专家按1~5分进行打分，数据如下：
| 专家 | \(C_1\) | \(C_2\) | \(C_3\) | \(C_4\) |
|---|---|---|---|---|
| 专家1 | 5 | 4 | 3 | 2 |
| 专家2 | 4 | 4 | 3 | 2 |
| 专家3 | 5 | 5 | 4 | 3 |
| 专家4 | 4 | 3 | 3 | 2 |
| 专家5 | 5 | 4 | 4 | 3 |
计算过程
- 计算平均得分
\[ \bar{x}_1 = (5+4+5+4+5)/5 = 23/5 = 4.6 \] \[ \bar{x}_2 = (4+4+5+3+4)/5 = 20/5 = 4.0 \] \[ \bar{x}_3 = (3+3+4+3+4)/5 = 17/5 = 3.4 \] \[ \bar{x}_4 = (2+2+3+2+3)/5 = 12/5 = 2.4 \]
- 构建优序图矩阵
根据平均值大小比较（4.6 > 4.0 > 3.4 > 2.4），得到矩阵：
| \(C_1\) | \(C_2\) | \(C_3\) | \(C_4\) | |
|---|---|---|---|---|
| \(C_1\) | 0.5 | 1 | 1 | 1 |
| \(C_2\) | 0 | 0.5 | 1 | 1 |
| \(C_3\) | 0 | 0 | 0.5 | 1 |
| \(C_4\) | 0 | 0 | 0 | 0.5 |
- 计算TTL值
\[ \text{TTL}_1 = 0.5 + 1 + 1 + 1 = 3.5 \] \[ \text{TTL}_2 = 0 + 0.5 + 1 + 1 = 2.5 \] \[ \text{TTL}_3 = 0 + 0 + 0.5 + 1 = 1.5 \] \[ \text{TTL}_4 = 0 + 0 + 0 + 0.5 = 0.5 \]
总和 = \(3.5 + 2.5 + 1.5 + 0.5 = 8.0\)。
- 计算权重
\[ w_1 = 3.5 / 8.0 = 0.4375 \] \[ w_2 = 2.5 / 8.0 = 0.3125 \] \[ w_3 = 1.5 / 8.0 = 0.1875 \] \[ w_4 = 0.5 / 8.0 = 0.0625 \]
最终权重向量： \[ W = [0.4375,\ 0.3125,\ 0.1875,\ 0.0625]^T \]
结论：技术先进性最重要，可维护性最不重要，权重分配与专家打分趋势一致。
常见问题
Q1: 优序图法与层次分析法（AHP）有何区别？
A: 优序图法基于专家直接打分，通过平均值比较构造矩阵，无需进行成对比较和一致性检验，操作更简便；AHP则需要专家对指标进行两两比较（1~9标度），并进行一致性检验。优序图法适用于指标较多、专家难以进行精确两两比较的场景。
Q2: 打分范围为什么是1~5？可以使用其他范围吗？
A: 15分是经典的里克特量表，易于专家理解。理论上可以使用其他范围（如17、19），但平台目前默认支持15分。若使用其他范围，只要数值能反映重要程度差异，计算结果仍有效，但建议保持一致性。
Q3: 对角线元素为什么取0.5？
A: 对角线表示自身比较，通常定义为0.5以保持矩阵的互补性（\(p_{ij}+p_{ji}=1\)），且使得每行和包含自身贡献，避免权重为零的指标。若对角线取0，则TTL总和会减少，但权重排序不变，平台默认采用0.5。
Q4: 如何处理专家打分数据中的缺失值？
A: 平台会自动检查缺失值，若有缺失将提示错误。建议确保数据完整；若确实有缺失，可先进行插补或删除该专家。
Q5: 支持多专家群体决策吗？
A: 支持。平台允许上传包含多个工作表的Excel文件，每个工作表对应一组专家打分（例如不同专家组的意见），系统会分别计算每个工作表的权重，便于对比分析。对于同一组专家，平台会自动计算平均分后构建矩阵，无需手动聚合。
Q6: 如果多个指标平均分相同，如何处理？
A: 当平均分相等时，优序图矩阵中对应位置赋值为0.5，表示同等重要。这符合互补性规则，且不影响整体权重的合理性。
平台功能
PCM优序图法分析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，每个工作表代表一组专家打分数据。
- 数据格式要求：第一列为专家名称（或编号），第二列开始为指标名称，数据区域为1~5的整数打分。
- 自动验证数据完整性、范围有效性。
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：包含每个工作表的平均得分、优序图矩阵、TTL值、权重向量。
- 可视化图表：权重分布柱状图、优序图矩阵热力图。
- 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。
- 支持对比不同工作表的权重分布。
使用建议
准备阶段：明确评价指标，设计专家打分表。确保专家理解1~5分的含义。
数据收集：
- 使用模板文件填写数据，每个工作表代表一组专家（如不同部门或批次）。
- 第一列填写专家姓名或编号（可为空，但建议填写以便追踪）。
- 从第二列开始，每列对应一个指标，填写1~5整数。
参数设置：根据需要设置小数位数。
结果解读：
- 首先查看平均得分，了解专家整体倾向。
- 检查优序图矩阵是否合理（对角线0.5，互补性成立）。
- 分析权重排序，识别关键指标。
- 对比不同工作表的权重，判断意见一致性。
- 结合AI分析建议，综合决策。
迭代优化：
- 若发现某专家打分异常，可剔除后重新分析。
- 对于重要决策，可邀请更多专家并对比多组结果。
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：
金菊良，魏一鸣. 复杂系统综合评价方法与应用[M]. 科学出版社，2008.
优序图法在权重确定中的应用[J]. 统计与决策，2010.
基于专家打分的多指标权重确定方法研究[J]. 系统工程，2015.