决策矩阵计算器
列出您的备选方案以及重要的标准,为每项标准赋予权重,并为每个方案打分。计算器按加权得分对方案排序,说明领先优势有多明确,并检验在不同的权重判断下,胜出的方案是否依然成立。
您的矩阵
每一列是一项标准及其权重;每一行是一个方案。请为每个方案在每项标准上打分,分数越高越好。
| 方案 | ||||
|---|---|---|---|---|
结果
二手数据分析
最佳方案
0.3
领先第二名的幅度
稳定
±20% 权重检验
| 排名 | 方案 | 加权得分(满分 5) | 占最高分的比例 |
|---|---|---|---|
| 1 | 二手数据分析 | 3.95 | 79% |
| 2 | 访谈研究 | 3.65 | 73% |
| 3 | 问卷调查研究 | 3.4 | 68% |
二手数据分析 以 0.3 分领先 访谈研究,占最高分的 6%。
最高分是如何计算的
二手数据分析: 0.4 × 5 + 0.25 × 2 + 0.2 × 5 + 0.15 × 3 = 3.95
敏感性检验
每项权重依次下调 20% 和上调 20%,其他权重保持不变,并为每个方案重新计分。最后一列显示该项权重需要变动多少,才会使另一个方案与之持平。
| 标准 | 权重 | 下调 20% 时的胜出方案 | 上调 20% 时的胜出方案 | 使领先方案持平的变动 |
|---|---|---|---|---|
| 可行性 | 40% | 二手数据分析 | 二手数据分析 | −37.5%(访谈研究) |
| 个人兴趣 | 25% | 二手数据分析 | 二手数据分析 | +40%(访谈研究) |
| 数据获取 | 20% | 二手数据分析 | 二手数据分析 | −75%(访谈研究) |
| 职业价值 | 15% | 二手数据分析 | 二手数据分析 | +200%(访谈研究) |
胜出方案保持不变:任何单项权重 ±20% 的变动都不会改变最佳方案。
如何使用决策矩阵计算器
- 1. 选择评分量表和权重形式。 快速判断可用 1–5 分,较精细的判断可用 1–10 分。权重可以输入总和为 100 的百分比,也可以输入任意大小的分值——例如 3、2、1 表示第一项标准的重要性是最后一项的三倍。
- 2. 命名标准和方案。 列是标准,行是方案。每类最多可添加八项;示例比较的是一项论文研究的三种研究设计。
- 3. 为每个单元格打分。 分数必须始终是越高越好,因此像成本这样的标准应转换为可承担性:最便宜的方案得分最高。
- 4. 阅读排名,然后查看敏感性检验。 领先幅度大、且在每个权重 ±20% 的变动下都保持不变,说明结果稳健。领先幅度小或脆弱,则提示您应更仔细地审视权重和证据,而不是下定论。
加权决策矩阵如何工作
每项标准的权重除以所有权重之和,使权重成为总和为 1 的比例。每个方案在某项标准上的得分乘以该标准的比例,再将乘积相加:
加权得分
Sᵢ = w₁sᵢ₁ + w₂sᵢ₂ + … + wₙsᵢₙ,其中 w₁ + w₂ + … + wₙ = 1
由于权重经过标准化,结果仍保持在评分量表上:在 1–5 分量表上加权得分 3.95 即为满分 5 分中的 3.95 分。这也意味着,总和未恰好为 100% 的百分比同样可用——计算器会对其进行缩放,并告知您已这样处理。
示例:选择研究设计
一位学生将可行性权重定为 40%,个人兴趣 25%,数据获取 20%,职业价值 15%,然后以 1 至 5 分为三种设计打分。以下是计算器的默认输入。
| 方案 | 可行性(40%) | 兴趣(25%) | 数据(20%) | 职业(15%) | 加权得分 |
|---|---|---|---|---|---|
| 二手数据分析 | 5 | 2 | 5 | 3 | 3.95 |
| 访谈研究 | 3 | 5 | 3 | 4 | 3.65 |
| 问卷调查研究 | 4 | 3 | 3 | 3 | 3.4 |
二手数据分析以 0.4 × 5 + 0.25 × 2 + 0.2 × 5 + 0.15 × 3 = 3.95 胜出,领先访谈研究 0.3 分——占最高分的 6%。任何单项权重的 ±20% 变动都不会改变胜出方案,因此结果稳定。临界点提供了更多细节:如果个人兴趣的重要性比学生最初所定的高出 40%,访谈研究将与之持平。胜出方案可靠但优势不算压倒性,这种情况很常见,在做出承诺之前值得留意。
如何阅读敏感性检验
权重本身是判断,因此检验会追问:不同的判断是否会改变答案。每次依次将一项权重下调 20% 和上调 20%,其他权重保持不变,然后重新标准化,并为每个方案重新计分。临界点则精确求解使次优方案与之持平时,该单项权重需要变动的幅度——因为每个加权得分在该权重上是两条直线的比值,交点有闭式解,无需反复试算。
- 稳定: 任何 ±20% 的变动都不会改变胜出方案。排名反映的是分数,而非对权重的微调。
- 敏感: 至少有一种变动会使其翻转。请询问该项标准的权重是否真的已经确定——如果没有,矩阵本身无法替您做出选择。
- 临界点很大(+200%,或“任何变动都不会”)意味着该标准对结果几乎没有影响;临界点很小则意味着它在起决定作用。
加权矩阵与 Pugh 矩阵
Pugh 矩阵由设计工程师 Stuart Pugh 为概念筛选而提出,它将每个方案与一个参照方案(基准)进行比较。每个单元格记为更好(+)、更差(−)或大致相同(S),然后统计加号和减号的数量。它快速、无需数字,适合筛选大量早期构想。加权决策矩阵则在绝对的量表上为每个方案打分,并为标准加权,更适合在少数几个充分了解的方案之间做最终选择——这正是本计算器所构建的矩阵。
常见问题
- 什么是加权决策矩阵?
- 它是一张表格,以方案为行、标准为列,为每个方案在每项标准上打分,再将分数乘以反映各标准重要性的权重。加权总分最高的方案排名第一。它也被称为加权评分模型、优先级矩阵或决策表格。
- 我应如何选择权重?
- 在打分之前先确定权重,使分数无法左右权重。一种方法是将 100 分分配给各项标准;另一种是先为标准排序,最重要的给最多的分数。然后使用敏感性检验:如果您不太确定的某个权重只需稍作改变胜出方案就会翻转,请先确定该权重。
- 权重必须加起来等于 100 吗?
- 不必。计算器会将每个权重除以它们的总和,因此 3、2、1 与 50%、33.3%、16.7% 的结果相同。如果您选择百分比且其总和不是 100,计算器会将其缩放并告知您。
- 应该使用 1–5 分还是 1–10 分的量表?
- 当您的判断比较粗略时,使用 1–5 分,因为更精细的量表容易带来虚假的精确感。当您的分数背后有测量数据,并希望保留它们之间的差异时,使用 1–10 分。最重要的是,每项标准上的每个数字都应含义相同,因此在开始之前请写下 1 分、3 分和 5 分分别是什么样子。
- 如果两个方案得分相同怎么办?
- 平局,或领先幅度低于最高分约 5%,意味着根据您给出的标准,矩阵无法区分它们。请重新审视最接近的分数背后的证据,或添加能够区分它们的标准——这类标准往往是因为难以打分而被遗漏的。
- 决策矩阵能替我做决定吗?
- 不能——它只是帮助组织决策。它的输出只取决于您给出的标准、权重和分数。它的真正价值在于使您的推理变得可见、可检验,这样您就能解释选择,并看清它依赖于哪一个假设。