321層次分析法
層次分析法（Analytical Hierarchy Process簡稱AHP），是對一些較為複雜、較為模糊的問題作出決策的簡易方法，它特別適用於那些難於完全定量分析的問題。其主要特征是，它合理地將定性與定量的決策結合起來，按照思維、心理的規律把決策過程層次化、數量化。該方法在1973年由美國數學家AL薩蒂提出(AL薩蒂，1988)。它的基本思想就是把要進行比較或評價的目標，根據問題的性質分解成若幹組成因素，按照各因素的隸屬關係，把它們排成從高到低的若幹層次。對同一層次的各個不同因素，通過兩兩比較確定其重要程度，對相鄰的下一層次內的各不同因素重要性的確定，既考慮本層次，又要考慮上一層次，確定其綜合重要程序，這樣一層一層算下去，就可以得到各個目標的綜合相對重要性數值，於是哪一個方案或目標重要（或好或差）就一目了然。AHP法大體可分四個步驟：
1建立層次結構
AHP模型（見圖33）是這種決策方法的數學模型，它是反映複雜問題層次關係的框架圖，分為目標層、要素層（一級指標）、準則層（二級指標）、指標層（三級指標）。由於該方法讓評價者對照相對重要性函數表，給出因素兩兩比較的重要性等級，因而可靠性高、誤差小。
圖33AHP模型圖
首先把係統問題條理化、層次化，構造出一個層次分析的結構模型。在模型中，複雜問題被分解，分解後各組成部分稱為元素，這些元素又按屬性分成若幹組，形成不同層次。同一層次的元素作為準則對下一層的某些元素起支配作用，同時它又受上麵層次元素的支配。層次可分為三類。
（1）最高層：這一層次中隻有一個元素，它是問題的預定目標或理想結果，因此也叫目標層（即義烏國際貿易綜合改革試點評價指標體係）。
（2）中間層：這一層次包括要實現目標所涉及的中間環節中需要考慮的指標準則。該層可由若幹層次組成，這一層也叫準則層。
（3）最底層：這一層次包括為實現目標可供選擇的各種措施、決策方案等，因此也稱為措施層或方案層。
上層元素對下層元素的支配關係所形成的層次結構被稱為遞階層次結構。當然，上一層元素可以支配下層的所有元素，但也可隻支配其中部分元素。遞階層次結構中的層次數與問題的複雜程度及需要分析的詳盡程度有關，可不受限製。每一層次中各元素所支配的元素一般不要超過9個，因為支配的元素過多會給兩兩比較判斷帶來困難。層次結構的好壞對於解決問題極為重要，當然，層次結構建立得好壞與決策者對問題的認識是否全麵、深刻有很大關係。
2構造判斷矩陣
針對上一層次某因素Ak而言該層次內各因素B1，B2，…，Bn進行兩兩比較；比較結果按表31的數值寫成矩陣形式，就是判斷矩陣：
AkB1B2…BnB1b11b12…b1nB2b21b22…b2n……Bnbn1bn2…bnn
顯然bii=1
bij=1/bij(i,j=1,2,…,n)
但biibik=bik未必成立
表31薩蒂的1—9標度李廉水等都市圈發展科學出版社，2006：P44
1表示兩個元素相比，具有同樣重要性
3表示兩個元素相比，一個元素比另一元素稍微重要5表示兩個元素相比，一個元素比另一元素明顯重要7表示兩個元素相比，一個元素比另一元素強烈重要9表示兩個元素相比，一個元素比另一元素極端重要說明2，4，6，8為上述相鄰判斷的中值
3計算某一指標下的相對權重和一致性檢驗
首先求判斷矩陣B的最大特征值λmax，再求出λmax相應的標準化特征向量ω，歸一化後得到的分量ωi就是對應因素權重。
一致性檢驗是為了避免出現甲比乙重要，乙比丙重要，丙比甲重要的情況而進行的驗證，可以用一致性比例CR作為度量判斷矩陣B偏離一致性的指標。分三步判斷：
（1）計算一致性指標CI（Consistent Index）
CI=(λmax-n)/(n-1)
式中，n為判斷矩陣B的階數
（2）平均隨機一致性指針RI（Random Index）
平均隨機一致性指針是多次重複進行隨機判斷矩陣特征值的計算之後取算術平均數得到的（見表32）。
表32平均隨機一致性指標這裏取美國賓州大學和橡樹嶺實驗室結果薩蒂（1980）重複計算的結果。
階數12345678910R·I00052089112126136141146149
（3）計算一致性比例CR（Consistent Rate）
CR=CI/(RI)
當CR＜01時，一般認為判斷矩陣的一致性是可以接受的。
4層次總排序
利用單排序的結果，計算對上一層次而言本層次各個因素的綜合權重。
322模糊綜合評價模型方法
模糊綜合評價模型（Fuzzy Evaluation Model）是一種定性與定量相結合的分析方法，是“定性—定量—定性”的評價過程。它在一定程度上可以解決義烏國際貿易綜合改革試點這種帶有很強不確定的模糊定量評價問題，為義烏國際貿易綜合改革試點的定量評價提供了一種較為科學的分析方法(徐輝等，2001)。
1確定評語集V=(V1,V2,…，Vn)
即在某一評價指標體係下，對評價對象給出的評定值。我們設立五級評語製，n=5，評語集V=(很好，好，一般，差，很差)，集合中的“好”、“差”指能力強弱或條件的好壞。
2建立隸屬函數，確定隸屬度向量
(1)對硬指標隸屬度的確定。所謂硬指標指能直接用數據來表達其能力強弱或狀況好壞的指標(高洪波，1994)，對這些指標隸屬度的確定，采用經驗法與模糊統計法相結合的方法來確定各項硬指標的隸屬度。具體步驟是：首先設計出各項硬指針的隸屬度調查表格，並在表中分別標明各項硬指標的具體含義；其次，請相關的專家和研究者，按照表格的要求，分別對各項硬指標的隸屬度進行評定；最後對評定結果采用統計分析法進行加工處理，得到各項硬指標的隸屬度值。
(2)對軟指標隸屬度的確定。軟指標指那些不能直接量化的指標。由於軟指標的度量不像硬指標那樣能夠有統一標準，所以需要采用模糊評判方法加以解決。
在確定硬、軟指標隸屬度的基礎上，用隸屬度函數來分析得到各指針對於評語集的隸屬度向量。前文確定的評語集V=(V1,V2,V3,V4,V5)，令其對應的5個取值區間為：(a2,+∞)、(a3,a1)、(a4,a2)、(a5,a3)、(-∞,a5)。若將義烏國際貿易綜合改革試點各指標的實現程度（亦即實際達到的水平）視為其中某個區間上的普通集合，則會造成這樣的問題：落在兩區間邊緣附近的點，其資料相關不大而評語相關一個級別的不合理現象。為此，引入模糊概念。(徐輝等，2001)具體做法是：假設落在某區間點，令區間中間點的隸屬度為1，而落在該區間兩個相鄰區間點的隸屬度為0，連結1和0，則得到某指標對該區間（或該區所對應的評語Vi）隸屬函數。a1、a2、a3、a4、a5分別取值為90，80，70，60，50。如圖34所示：
圖 34模糊隸屬度函數李廉水都市圈發展科學出版社，2006：P44
根據指標的特性，擬定其隸屬函線為線性函數，且滿足：若∪ai（∪i）=1，則∪ai-1(∪i)=0。設x表示某一評價單因素的隸屬度（得分），則x對於評語集V的隸屬度向量關係由下式計算(李安貴等，1994)：
∪a1（x）=1， x≥90
（x-80）/10，80≤x＜90
0， x＜80
∪a2（x）=
（x-90）/-10，80≤x＜90
（x-70）/10，70≤x＜80
0，x＜70
∪a3（x）= （x-80）/-10，70≤x＜80（x-60）/10，60≤x＜70
0，x＜60
∪a2（x）=（x-70）/-10，60≤x＜70
（x-60）/10，50≤x＜60
0，x＜50