揭示并厘清群体多准则决策中的聚合与离散谬误
统计方法学
2023-04-19 v1 人工智能
摘要
多准则决策（MCDM）中的优先级传达了一个准则相对于另一个准则的相关偏好，通常通过对非负性和单位和为一约束的施加来体现。此类优先级的的处理不同于其他无约束数据，但这一点常被研究者忽视，从而导致谬误的统计分析。本文研究了群体 MCDM 中三种普遍存在的谬误，并给出基于成分数据分析的解决方案以避免误用统计操作。首先，我们采用成分方法聚合一组决策者的优先级，表明成分分析的结果与归一化几何平均相同，意味着应避免算术平均。此外，我们开发了一种新的聚合方法，作为几何平均的鲁棒替代。我们还讨论了在计算离散度量（包括标准差和距离函数）时的错误。在讨论计算标准差中的谬误时，我们通过建立恰当的贝叶斯检验提供了概率性准则排序，计算出一个准则比另一个准则更重要的程度。最后，我们解释了计算优先级之间距离时的错误，并基于恰当的距离度量专门定制了一种聚类算法。
引用
@article{arxiv.2304.08859,
title = {Unveiling and unraveling aggregation and dispersion fallacies in group MCDM},
author = {Majid Mohammadi and Damian A. Tamburri and Jafar Rezaei},
journal= {arXiv preprint arXiv:2304.08859},
year = {2023}
}