第四节 AHP 指标权重的确定
指标体系确定之后，由于各个指标在整体体系中所占的比重是不同的，就需要运用相关方法，确定各个指标在体系中的相对比重。层次分析法确定指标权重的基本步骤如下：
一、建立评价指标体系阶梯层模型
层次分析法的运算是基于多层次性的指标体系中。新能源汽车产业政策绩效的分析分为三个层析，最高目标层即为新能源汽车产业政策绩效的评估，中间层为政策绩效分析的四个准则，准则层下涵盖十六个指标成果。
二、构建两两判断矩阵
层次分析法的信息基础主要是对每层中各个因素的重要性给出合理判断，以得出判断矩阵的表达式，判断矩阵表示相对于上一层次某个因素，本层次与之有关因素之间相对重要性的比较，假定 A 层因素中 Ak 与下一层次各因素 B1,B2,B3,B4……Bn 有联系，则构造的判断矩阵形式一般如下判断矩阵为了使决策判断定量化，形成数值判断矩阵，引用 1-9 标度方法对同一层次的各因素进行两两比较。
层次分析法中最为重要的是保持判断思维的一致性，在解决这一问题时引入了判断矩阵最大特征根以外的其余特征根的负平均值，其结果作为判断矩阵偏离一致性的指标，即[
CI=λmax-n/n-1
用以检查决策者判断思维的一致性，为了度量不同阶段判断矩阵是否具有满意的一致性，需要引入判断矩阵的平均随机一致性指标 RI 值，对于 1-9 阶判断矩阵，RI 值分别为RI 在一二阶判断矩阵中只是形式上的，因为其总是具有完全一致性，但是当阶数大于 2 时，判断矩阵的一致性指标 CI 与同阶平均值随机一致性指标 RI 之比称为随机一致性比率，记为 CR,当CR=CI/RI<0.10
时，即认为判断矩阵具有满意的一致性，当判断矩阵不具有满意的一致性时需要调整判断矩阵，为使之具有满意的一致性。
通过咨询结合相关专家、学者对各级评价指标中相对重要程度两两比较，根据比较结果构建判断矩阵。本文采用 yaahp 软件和 excel 表格中相关函数公式，来实现判断矩阵的计算结果，当不能满足一致性检验时，微调相关矩阵，其过程及结果见下表：
CR=0.000<0.10,符合一致性检验，各准则相对于新能源汽车产业政策绩效评估总目标的相对重要性从大到小依次为：0.393,0.196,0.196,0.131.
CR= 0.026<0.10,符合一致性检验，投入准则层下各指标相对权重从大到小依次为：0.434,0.278,0.160,0.102.
CR=0.019 <0.10,符合一致性检验，效果准则层下各指标相对权重从大到小依次为： 0.473,0.266,0.154,0.086.
CR= 0.046 <0.10,符合一致性检验，效率准则层下各指标相对权重从大到小依次为：0.471,0.253,0.179,0.096.
CR= 0.008 <0.10,符合一致性检验，效应准则层下各指标相对权重从大到小依次为：0.306,0.257,0.182,0.153.
根据层析分析法两级判断评价矩阵及其权重的计算，可以得到新年能源汽车产业政策绩效评价指标体系及其权重的整体情况，如下表：
从以上综合分析，可以看出新能源汽车产业政策绩效在作业、经济和公共管理的社会角度这 3 个指标所对应的投入、效果、效率和效应四个指标中所占的权重是比较符合我们的实际情况的。在倡导“低碳环保，节能减排”的大环境下，新能源汽车产业政策的目标应倾向环境的改善而改善，而环境的改善从某种程度上来讲就是增加新能能汽车产销量。仅从层次分析法角度分析，由于不同专家学者的见解不同，不可避免的存在主观判断，其评价结果必然缺乏一定的客观性，结合模糊综合分析法，可以在一定程度上降低由于主观判断而存在的客观性。
第五节 模糊综合评价定量处理
模糊综合评价法的研究分为模糊矩阵和模糊数两部分组成，模糊矩阵的因素依据层次分析法的指标体系构成，模糊数从调查问卷及专业信息搜集分析中得到。
模糊综合评价的原理是：首先，确定被评价对象的各因素集合和被评价对象的评价等级集合，其中被评价对象的因素集合与层次分析法中指标体系相同；其次，确定各个评价因素的权重，常用的方法有层次分析法、主观赋权法以及客观赋权法等，为了更为客观、真实对新能源汽车产业政策绩效进行有效分析，本文采用得是层次分析法确定评价指标的权重；最后，确定各个评价因素隶属于评价等级的概率，获得模糊矩阵，然后把模糊矩阵与各个评价因素的权重矢量进行模糊运算，并确定模糊综合评价结果。
新能源汽车产业政策绩效评价是一个多层次的综合性的决策问题，在分析问题时，可以把高层的主因素看作子问题，在对子问题进行评价的基础之上对总问题进行综合评价。总原则是先低层次、后高层次。
一、建立考评对象的评语集
设 V={V ,V …V }是评价主体对评价客体做出的各种考核等级的集合，该集合具有模糊性，又称为等级模糊集合。一般情况下，m 为 3-5 个最佳，本文将新能源汽车产业政策绩效评价的评价等级分为 4 个等级，很满意、满意、一般、不满意。即：U={V ,V ,V ,V }={很满意，满意，一般，不满意},分值在 0-10之间，数值越大表示对指标的满意程度越大。其中V 代表第 j 个评价结果，其中j=1,2,3…m.
二、根据隶属度得出单因素模糊矩阵表
用隶属度来描述二级评价指标隶属于评判集 V 的程度，得出单因素模糊评判矩阵。结果统计如下表：
有上表可以看出单因素，政策投入指标的模糊数、政策效果指标的模糊数、政策效率指标的模糊数、政策效应指标的模糊数的判断矩阵如下：
第六节 评价结果
1、运用层次分析法，经过数学计算可知所有判断矩阵均通过了一致性检验，由上述的评价结果可以得到准则层 B 各指标的权重值分别为 0.393、0.196、0.131、0.196.基于准则层政策投入 B1 的指标层 C 的各指标 C1、C2、C3、C4 的权重值分别为 0.278、0.160、0.102、0.434.基于准则层政策效果 B2 的指标层 C 的各指标 C5、C6、C7、C8 的权重值分别为 0.154、0.086、0.473、0.266,基于准则层政策效果 B3 的指标层 C 的各指标 C9、C10、C11、C12 的权重值分别为 0.096、0.253、0.179、0.471,基于准则层政策效应 B4 的指标层 C 的各指标 C13、C14、C15、C16的权重值分别为 0.182、0.257、0.306、0.153,通过以上各指标权重的结果，进一步分析可以得到1）在准则层中权重最大的为政策投入指标占到 0.393,相对最低的为政策效率指标为 0.131.可以看出新能源汽车产业发展在很大程度上依赖产业政策投入，包括资金的投入、相关基础设施的建设、科研人才的培养的支持。从新能源汽车产业政策绩效的指标权重来看，效率指标是新能源汽车产发展中需要重点关注的维度，各投入产出率依托人才培养、科技创新以及新能源汽车的推广进程。新能源汽车产业属于新科技和新技术深度融合的产业，是知识密集型产业，对知识的高度敏感性、对人才的强烈依赖性，因此为更好的促进新能源汽车产业的发展，政府首先应从人才培养可别是领军人才方面出台合理的产业发展政策，其次是新能源汽车推广的角度将新能源汽车的推广从公共领域转向私人家庭领域。
2）在政策投入指标的子指标中，充电桩和充电桩指标和 R&D 人员指标所占的权重较大，特别是充电桩和充电桩指标的权重超过 0.4,可以得到影响我国新能源汽车产业发展的制约因素是由于充电桩的数量，而充电技术的发展依赖科研人员的技术水平，进而影响充电时间长短和建设成本等。
3）在政策产出指标分析中从三个维度进行分析，即作业维度的效果指标、经济维度的效率指标和社会维度的效应指标。在效果指标的子指标中权重最大是新能源汽车销售量，在效率指标的子指标中所占权重最大是新能源汽车的推广率，二者都是体现新能源汽车产业发展的直接指标，尽管从 14 年下半年开始新能源汽车市场一片大好，但是销量却仍无法和传统汽车相比。但就目前来看我国已经拥有良好的新能源汽车发展环境，政府可以适当的推出产业发展战略，为新能源汽车产业提供更多的政策上的支持。而从效应指标来看，对于环境的改善是新能源汽车发展的主要社会福利，新能源汽车产业所产生的正的外部性，政府应通过税收优惠等利好政策鼓励。
2、运用层次分析法中得到的权重来进行模糊综合分析，通过构造隶属函数得到隶属矩阵，将权重与隶属矩阵相乘，进行一级、二级模糊综合评价，在准则层维度的分析中，各准则层指标按隶属度原则，评价结果分别为“满意”、“满意”、“一般”、“很满意”.效应指标的隶属度最大，评定结果为“很满意”,即新能源汽车产业的推广带来的社会效应和经济效应在本文给出的指标体系中是最可喜的，随着新能源汽车产业的推广，将极大的带动相关产业的发展和改善因汽车尾气加剧所带来的环境恶化；作业标准中投入指标和效果指标的隶属度是相对最低的，评定结果为“一般”.综合评判得出最终评价结果，可以看出“满意”等级的隶属度最大，为3.121,因此我们可以判定新能源汽车产业政策绩效评价结果为“满意”.
