风险评估体系各层次指标权重的配比

作为多指标综合评估体系，各层次的不同指标的重要性不尽相同。为了保证评估体系的合理性，需要对不同重要性的指标赋予不同的权重值。目前国内外的综合评价方多达几十种，主要分为主观赋权评价法和客观赋权评价法两大类。前者包括层次分析法、模糊综合评判法等定性方法；后者则有灰色关联度法、TOPSIS法、主成分分析法等根据指标直接的相关关系或各项指标的变异系数确定权数的定量方法。

由于各风险评估指标的重要性往往存在一定的经验性，因而需要在客观的数学统计方法基础上，设置相应的主观评判方法，达到专家系统与统计方法的结合。因此，在华东地区外来引种陆生植物风险评估体系中，使用的是较为成熟且适宜用于体系指标赋值的层次分析法（theanalytichierarchyprocess，AHP）。

层次分析法（AHP）是在20世纪70年代由美国运筹学家托马斯·塞蒂（TL Saaty），为美国国防部研究“根据各个工业部门对国家福利的贡献大小而进行电力分配”课题时，应用网络系统理论和多目标综合评价方法而提出的一种层次权重决策分析方法。这种方法是在对复杂的决策问题的本质、影响因素及其内在关系等进行深入分析的基础上，利用较少的定量信息使决策的思维过程数学化，从而为多目标、多准则或无结构特性的复杂决策问题提供简便的决策方法。该方法将定量分析与定性分析结合起来，用决策者的经验判断各衡量目标能否实现的标准之间的相对重要程度，并合理地给出每个决策方案的每个标准的权数，利用权数求出各方案的优劣次序，比较有效地应用于那些难以用定量方法解决的课题。

层次分析法是一种兼顾逻辑性、灵活性、系统性、间接性的多准则决策方法，已在各行各业得到多方面的应用。

用层次分析法计算风险评估体系各级指标的权重值，主要可分为五个步骤。

进行AHP分析决策问题时，首先需要构建一个有层次的结构模型。通常模型层次分为三类：最高层（目标层）、中间层（准则层）、最底层（方案层）。具体的层次数并不受限制，只与目标问题的复杂程度及分析详细度有关，也可以仅有目标层和方案层，但每一层次中各元素所支配的元素一般不能够超过9个。

设同一层次内的不同指标为A1，A2，……，An（n≤9），将这些指标进行两两比较，比较相互之间的重要度，建立一个比较判断矩阵A＝（aij）n×n（表1-2）。进行各指标之间的两两比较时，参照TLSaaty的1～9比例标度法（表1-3）。

表1-2 比较判断矩阵

表1-3 比例标度法的标度含义

（续表）

运用特征根法（eigenvaluemethod，EM）计算该权重系数，并将其归一化为同一层次中相应指标对上一层某个指标的权重向量。

计算判断矩阵A中每行指标的乘积Ui：

式中：Ui——第i行共j个（j＝n）指标标度值的乘积；aij——第i行第j个指标， j＝1，2，…，n。

所得乘积分别开n次方：

式中：U′i——Ui的n次方根；i＝1，2，…，n。

将方根向量作归一化处理，得到排序权重向量W（Ai）：

式中：Wi——该层指标在上级指标支配下的权重值；i＝1，2，…，n。

为保证所得权重值的合理性与正确性，需要在计算权重向量后，对每个判断矩阵进行一致性检验，通过检验的矩阵，其所得权重值方能使用。

计算判断矩阵的最大特征根λmax：

式中：（AW）i——向量AW的第i个分量；i＝1，2，…，n。

计算一致性比率CR：

CI＝（λmax－n）／（n－1）

CR＝CI／RI

式中：CI——一致性指标；λmax——矩阵的最大特征根；n——判断矩阵的阶数；RI——随机一致性指标，是大于500次重复随机判断矩阵特征值计算后取算术平均数所得值，是能够消除矩阵阶数影响所造成矩阵不一致性的修正系数（表1-4）。

表1-4 重复计算1000次的RI

当计算所得的CR＜0．1时，一般认为该矩阵具有满意的一致性，若不满足此条件，应该适当调整矩阵比对的标度值，直至通过一致性检验为止。

表1-5 一级指标的判断矩阵及其权重值

表1-5为三项一级指标的判断矩阵及其权重值。根据指标的相对重要程度，对各指标进行两两对比。计算所得的权重值经过一致性检验，获得一致性比率CR为0．0088，满足CR＜0．1的要求。为了便于操作，在不影响整体权重配比的条件下，对权重值进行微调。因此，三项一级指标的权重分值分别为0．7、0．2、0．1。其余各级指标均按照此方法进行计算并检验，直至获得符合检验要求的权重分值。

经计算检验，外来引种植物入侵风险评估体系（包括“已存在”和“未引入”两种状态）的各层次权重配比所得CR值均小于0．1，因而体系指标权重值满足一致性检验要求。

组合权重即为评估体系中各层次指标对总目标的权重系数，通过自上而下的简单换算即可以得到，最终各操作性指标的权重值和为1。

为了便于评估体系的操作，故将体系总分设为100分，各级权重值相应乘以100，在不影响一致性的前提下，各权重值可根据实际使用情况进行微调。如第一层次的指标1对应总目标的权重值为0．7，第二层次的指标1．4对应于上一层次的权重值为0．2667，进行换算可得指标1的权重分值为70分，指标1．4的权重分值为18．669分，为了便于操作，和其余指标进行微调之后，得到权重分值为18分。

经过计算和验证，获得两种状态下拥有各级指标权重值的完整评估体系，具体的体系操作性指标选择说明与权重说明在下文中详细展开陈述。

经过权重赋值的外来引种植物风险评估体系见表1-6，表中带为“已存在”状态下多设置的指标，在“未引入”状态下不需进行评估；括号及“赋分”项中的两个数字，前者代表“已存在”状态的权重分值，后者代表“未引入”状态的权重分值；若只有一个数值，则代表两种状态的分值一致（下同）。一级指标中的“物种本身特性”针对外来物种进行打分，每项操作指标所得的分值相加后获得该物种的入侵性得分，其余两项“引种地自然环境”与“引种地人类活动”则针对引种地进行打分，获得的得分为该引种地的可入侵性得分，最终将入侵性与可入侵性得分相加，计算结果即为某外来引种植物对该引种地的入侵风险评估分值。

表1-6 外来引种植物入侵风险评估体系

（续表）

（续表）

（续表）

（续表）

（续表）

（续表）

（续表）

（续表）

以上体系的大部分指标已经过尽可能的操作量化，但由于评估体系中部分指标确实缺乏可量化性，因而最终外来物种风险评估分值结果可能会随不同评估者的判断而稍有出入。为了保证评估体系的准确性和严谨性，可以考虑采用多专家评估方式，综合多位专家的评估结果，确定该物种在引种地的风险性大小。在关于珠海淇澳岛无瓣海桑入侵风险评估体系中，研究者对多位专家评分方法已有明确的阐述。

在进行外来物种风险评估时，往往会遇到信息缺失或不明确的情况。信息缺失是指某外来物种或某引种地的某一评估指标的信息无法获得，因而该指标无法做出判断。信息不明确是指某外来物种或某引种地的某一评估指标的信息不明确，往往存在不同来源的信息不统一或因主观判断而模糊不清的情况，或者是信息的来源具有不可靠性。

对于信息缺失情况，历来国内外许多评估体系都做出了不同的处理方法。Pheloung等设计的澳大利亚杂草风险评估体系以加减分方法对物种进行评判，体系可信度随物种信息量大小而变化。这种方法基本不影响评估结果。厦门外来物种入侵风险评估体系中的处理方法是对不确定的指标信息赋予可能符合情况的最高分和最低分分值范围，根据总分分值差确定评估是否有效。而多数风险评估体系应对信息缺失或不明确时则选用了对该指标赋予平均值的方法。

由于外来物种或引种地信息缺失或不明确在本评估体系操作指标中很难进行分值上下限的划定，因而本研究仍采用多数评估体系使用的平均值法，即某一操作指标的信息缺失或不明确时，该指标的得分为分值的中间值。但若信息缺失或不明确达到三项指标以上时，则该体系的评估结果可信度会明显降低。因此，使用本体系进行打分评估时，信息缺失或不明确的指标大于三项时，则不建议继续进行风险评估，该风险评估结果也应列入待定状态。