خروجی روش مقایسات زوجی چیست؟ از وزن‌ها تا رتبه‌بندی در AHP

پرسشنامه را تکمیل کرده‌اید و حالا چند جدول، عدد اعشاری و یک رتبه‌بندی مقابل شماست. کدام عدد نتیجهٔ اصلی است؟ وزن معیارها، امتیاز گزینه‌ها یا نرخ ناسازگاری؟

خروجی اصلی مقایسات زوجی در روش AHP، وزن‌های نسبی عناصر مقایسه‌شده است. اگر مدل، هم معیارها و هم گزینه‌ها را داشته باشد، با ترکیب این وزن‌ها، امتیاز نهایی و رتبهٔ گزینه‌ها نیز به دست می‌آید. نرخ ناسازگاری هم نشان می‌دهد قضاوت‌های هر ماتریس تا چه اندازه با یکدیگر هماهنگ‌اند.

پس برای تفسیر نتیجه باید بدانید هر عدد به کدام بخش مدل تعلق دارد؛ یک ستون عدد بدون نام معیار، گزینه و روش محاسبه، گزارش کاملی نیست.

خروجی روش مقایسات زوجی در یک نگاه

در این مقاله منظور از مقایسات زوجی، کاربرد آن در فرآیند تحلیل سلسله‌مراتبی یا AHP است. هر روشی که در آن دو مورد را مقایسه می‌کنیم، الزاماً همهٔ خروجی‌های AHP را ندارد.

این تمایز با مبنای AHP سازگار است: قضاوت‌های مقایسه‌ای به اولویت‌های نسبی تبدیل می‌شوند و در ساختار سلسله‌مراتبی ترکیب می‌شوند. مقالهٔ ساعتی دربارهٔ تصمیم‌گیری با AHP

آیا ماتریس مقایسات زوجی همان خروجی نهایی است؟

خیر. ماتریس، شکل منظم ثبت قضاوت‌هاست. مثلاً اگر معیار تناسب با نیاز تیم را با شدت ۳ بر هزینهٔ مناسب‌تر ترجیح دهیم، جدول دو معیار به این صورت خواهد بود:

عدد ۳ در این جدول، مقدار یک مقایسه است؛ وزن نهایی معیار نیست. مقدار خانهٔ معکوس، یک‌سوم و مقدار خانه‌های قطر اصلی، یک است.

پس از محاسبه، وزن دو معیار به‌ترتیب ۰٫۷۵ و ۰٫۲۵ می‌شود. مجموع وزن‌ها برابر ۱ است؛ یعنی در این مدل، سه‌چهارم اهمیت به تناسب با نیاز تیم و یک‌چهارم به هزینهٔ مناسب‌تر اختصاص یافته است.

در AHP کلاسیک، استخراج وزن‌ها با بردار ویژهٔ اصلی ماتریس توضیح داده می‌شود. بنابراین نباید صرفاً اعداد یک سطر را وزن نامید یا بزرگ‌ترین خانه را برندهٔ نهایی دانست. توضیح ساعتی دربارهٔ بردار ویژه و اولویت‌ها

تفاوت وزن معیار و وزن گزینه چیست؟

وزن معیار پاسخ می‌دهد: «چه چیزی برای تصمیم ما مهم‌تر است؟» وزن گزینه پاسخ می‌دهد: «زیر همین معیار، کدام گزینه ترجیح دارد؟»

برای مثال، ممکن است تناسب با نیاز تیم مهم‌ترین معیار باشد، اما یک نرم‌افزار دیگر فقط از نظر هزینه اول شود. این دو نتیجه تناقضی ندارند؛ به دو سؤال متفاوت پاسخ می‌دهند.

وزن‌های هر گروه در همان گروه تفسیر می‌شوند. جمع وزن معیارها معمولاً ۱ است و جمع وزن گزینه‌ها زیر هر معیار نیز جداگانه ۱ می‌شود. نباید وزن یک معیار را با وزن محلی یک گزینه جمع کرد و آن را نتیجهٔ نهایی نامید.

مثال عددی: خروجی مقایسات زوجی سه نرم‌افزار

فرض کنید می‌خواهیم از میان سه نرم‌افزار مدیریت پروژه، یکی را انتخاب کنیم. گزینه‌ها را الف، ب و ج می‌نامیم و همان دو معیار را به کار می‌بریم:

• تناسب با نیاز تیم، با وزن ۰٫۷۵؛
• هزینهٔ مناسب‌تر، با وزن ۰٫۲۵.

این مثال کاملاً فرضی و آموزشی است و ارزیابی هیچ محصول واقعی نیست. منظور از هزینهٔ مناسب‌تر، ترجیح هزینهٔ کمتر در شرایط این تمرین است؛ وزن مربوط به آن، مبلغ یا نسبت قیمت نرم‌افزارها نیست.

خروجی اول: وزن‌های محلی گزینه‌ها

پس از مقایسهٔ سه نرم‌افزار زیر هر معیار، به وزن‌های زیر می‌رسیم:

جمع هر ستون برابر ۱ است. الف از نظر تناسب اول است و ج از نظر هزینه؛ هنوز نتیجهٔ کل مدل را محاسبه نکرده‌ایم.

برای بازتولید این تمرین، زیر معیار تناسب، نسبت الف به ب برابر ۲، الف به ج برابر ۶ و ب به ج برابر ۳ است. زیر معیار هزینه، ب به الف برابر ۳، ج به الف برابر ۶ و ج به ب برابر ۲ است. خانه‌های معکوس نیز از معکوس همین اعداد ساخته می‌شوند.

اگر روند ساخت ماتریس برایتان تازه است، مثال حل‌شدهٔ AHP را هم ببینید.

خروجی دوم: امتیاز نهایی گزینه‌ها

امتیاز هر گزینه از جمع حاصل‌ضرب وزن هر معیار در وزن محلی همان گزینه به دست می‌آید. برای نرم‌افزار الف:

0.75 × 0.60 + 0.25 × 0.10 = 0.475

برای نرم‌افزار ب:

0.75 × 0.30 + 0.25 × 0.30 = 0.300

برای نرم‌افزار ج:

0.75 × 0.10 + 0.25 × 0.60 = 0.225

الف اول می‌شود؛ چون در معیاری برتری دارد که اهمیت بیشتری به آن داده‌ایم. جمع امتیازهای نهایی نیز در این مدل برابر ۱ است. محاسبات این مثال با موتور AHP تصمیم‌هاب بررسی شده‌اند.

امتیاز با رتبه چه فرقی دارد؟

رتبه فقط ترتیب را نشان می‌دهد: اول، دوم و سوم. امتیاز، مقدار اولویت نسبی را هم نگه می‌دارد؛ بنابراین گزارش امتیاز و رتبه کنار هم، از گزارش رتبه به‌تنهایی روشن‌تر است.

اما امتیاز ۰٫۴۷۵ به معنی احتمال موفقیت ۴۷٫۵ درصدی نیست. همچنین نمی‌گوید الف در دنیای واقعی به همین نسبت سریع‌تر، ارزان‌تر یا سودآورتر است. این عدد به معیارها، قضاوت‌ها و گزینه‌های همین مدل وابسته است.

اگر اهمیت هزینه تغییر کند، نتیجه نیز ممکن است عوض شود. برای تصمیم مهم، بررسی حساسیت رتبه‌ها به تغییر وزن‌ها را در کنار جدول نهایی انجام دهید.

نرخ ناسازگاری چه نقشی در خروجی دارد؟

نرخ ناسازگاری یا Consistency Ratio به هماهنگی قضاوت‌های داخل ماتریس مربوط است. مثلاً اگر الف بر ب و ب بر ج ترجیح داشته باشند، مقایسهٔ الف با ج باید با بقیهٔ قضاوت‌ها بررسی شود.

در مثال ما، دو ماتریس سه‌گزینه‌ای از نسبت‌های کاملاً سازگار ساخته شده‌اند و CR = 0 دارند. این ویژگیِ اعداد آموزشی است؛ به معنی درست بودن یک تصمیم واقعی نیست.

ماتریس دو معیار نیز فقط یک مقایسهٔ مستقل دارد؛ نرخ ناسازگاری متعارف AHP برای ماتریس دو در دو کاربرد ندارد. گزارش «قابل اعمال نیست» را نباید خطای محاسباتی دانست یا به جای آن ادعای اعتبار کامل تصمیم کرد.

CR شاخص کیفیت شواهد یا تخصص پاسخ‌دهنده نیست. حتی قضاوت‌های هماهنگ می‌توانند بر اطلاعات ناقص یا تعریف نامناسب معیارها تکیه داشته باشند. جزئیات تفسیر را در راهنمای نرخ ناسازگاری AHP بخوانید. شرح محاسبهٔ وزن و سازگاری در ابزار AHP

خروجی مقایسات زوجی را در پایان‌نامه چگونه گزارش کنیم؟

تنها نوشتن «گزینهٔ الف برتر شد» برای بازبینی محاسبات کافی نیست. گزارش باید هدف، معیارها، گزینه‌ها، نحوهٔ دریافت قضاوت‌ها، روش استخراج وزن و سازگاری ماتریس‌ها را روشن کند؛ سپس وزن‌های محلی و امتیاز نهایی را نشان دهد.

برای مثال بالا می‌توان نوشت:

«در مدل فرضی انتخاب نرم‌افزار، معیار تناسب با نیاز تیم با وزن ۰٫۷۵ اهمیت بیشتری داشت. پس از ترکیب وزن‌های محلی، نرم‌افزار الف با امتیاز ۰٫۴۷۵ در رتبهٔ اول قرار گرفت. این نتیجه به معیارها و قضاوت‌های همین مدل مربوط است.»

در پژوهش واقعی، شیوهٔ انتخاب ارزیابان و تجمیع نظر آن‌ها را هم توضیح دهید. تعداد رقم‌های اعشار، جای توضیح روش و منبع داده را نمی‌گیرد.

آیا خروجی فقط فایل اکسل است؟

خیر. وزن، امتیاز و رتبه خروجی تحلیلی‌اند؛ CSV یا اکسل قالب نگهداری و انتقال اطلاعات است. محاسبه می‌تواند آنلاین انجام شود و نتیجه به‌صورت جدول یا فایل دریافت شود.

در محاسبه‌گر آنلاین AHP تصمیم‌هاب می‌توانید مقایسات را وارد و وزن‌ها، رتبه‌بندی و سازگاری را بررسی کنید. فایل خروجی CSV سایت شامل رتبه و امتیاز نهایی گزینه‌ها، وزن معیارها و اطلاعات سازگاری است و می‌توان آن را در اکسل باز کرد. این فایل، خروجی بومی XLSX یا فایل PDF نیست.

اگر می‌خواهید پیش از ورود داده‌ها، منطق این روش را بهتر بشناسید، مقالهٔ مزیت اصلی روش مقایسات زوجی توضیح می‌دهد چرا شکستن یک تصمیم پیچیده به مقایسه‌های دوتایی مفید است.

پرسش‌های رایج دربارهٔ خروجی مقایسات زوجی

اگر فقط معیارها را مقایسه کنیم، رتبهٔ گزینه‌ها هم به دست می‌آید؟

خیر. در این حالت، وزن و ترتیب اهمیت معیارها را داریم. برای رتبه‌بندی گزینه‌ها باید عملکرد یا ترجیح گزینه‌ها زیر معیارها نیز با روش مشخص وارد مدل و ترکیب شود.

آیا گزینهٔ اول قطعاً بهترین انتخاب است؟

گزینهٔ اول، بالاترین اولویت را در مدل تعریف‌شده دارد. کیفیت اطلاعات، محدودیت‌های اجرایی و حساسیت نتیجه به تغییر قضاوت‌ها همچنان باید بررسی شوند.

برای خواندن نتیجه، اول کدام عدد را ببینیم؟

ابتدا هدف و تعریف معیارها را بخوانید؛ سپس وزن معیارها و سازگاری ماتریس‌ها را بررسی کنید. در پایان، امتیاز و رتبهٔ گزینه‌ها را تفسیر کنید. نتیجه زمانی مفید است که بتوانید توضیح دهید چرا یک گزینه اول شده است.