第4章 维度权重设置方法

权重设置是评分模型构建中最关键的量化环节。本章以SOP形式描述如何通过层次分析法（AHP）、专家打分法、历史数据回归法以及一致率校验，为需求评分模型的各维度分配合理权重。四种方法可单独使用，也可组合校验。

4.1 适用场景

• 层次分析法（AHP）：适用于维度间存在复杂层级依赖、需要定性判断与定量结合的场景（如跨部门需求排序）。
• 专家打分法：适用于缺乏历史数据、依赖领域经验快速赋值（如新产品线初期）。
• 历史数据回归法：适用于已有大量需求-成果关联数据，可通过统计建模推断权重（如迭代成熟的敏捷项目）。
• 一致率校验：适用于所有需要验证权重合理性的场景，尤其当多源判断并存时（如AHP矩阵、多位专家打分）。

4.2 前置条件

4.3 操作步骤

1. 选择权重设置方法：根据前置条件与资源情况，从下图流程中选择1～2种主方法；优先推荐AHP+一致率校验组合。
2. 实施层次分析法（AHP）：
   • 构建层次结构模型（目标层、准则层、方案层）。
   • 邀请专家对同一层级两两比较重要性，生成判断矩阵。
   • 计算特征向量与最大特征值，归一化得权重向量。
   • 计算一致率CR = CI / RI，若CR < 0.1则接受，否则返回调整矩阵。
3. 实施专家打分法：
   • 设计权重分配问卷（每人给各维度打分，总和为100或1）。
   • 收集至少3份有效问卷，计算算术平均或去除极值后平均。
   • 计算变异系数CV = σ / μ，若CV > 0.3则需再开会对齐。
4. 实施历史数据回归法：
   • 选取因变量（如需求价值评分）和自变量（各维度得分），归一化预处理。
   • 使用多元线性回归（如OLS），提取标准化回归系数作为权重。
   • 若系数为负或未通过显著性检验（p > 0.05），需重新筛选变量或采用岭回归。
5. 一致率校验（跨方法验证）：
   • 将两套不同方法得出的权重向量计算Spearman秩相关系数（ρ）。
   • 若ρ > 0.7则视为一致性良好；否则需追溯差异根源（专家分歧、数据异常）。

4.4 输入输出物

4.5 责任边界

• 需求管理负责人（PM）：组织专家会议，审核权重合理性，签发最终权重。
• 数据分析师：执行AHP计算、回归建模、一致率检验，输出计算过程记录。
• 业务专家：独立填写AHP矩阵或权重问卷，参与研讨对齐。
• 质量保障（QA）：查验一致率指标是否达标，核验输入输出物完整性。

4.6 记录材料

• AHP判断矩阵原始表（含专家姓名、填写日期）
• 权重计算中间表（特征向量、CI、CR）
• 专家打分答卷汇总（去隐私处理）
• 回归模型摘要（含系数、p值、R²）
• 一致率校验记录（多方法对比结果、差异分析）

4.7 异常处理

4.8 验收标准

1. 权重向量所有元素为正且总和等于1（允许浮点舍入误差 ≤ 0.001）。
2. AHP判断矩阵一致率CR < 0.1（若采用AHP）。
3. 专家打分法变异系数CV ≤ 0.3（若采用专家打分法）。
4. 回归法所有自变量系数显著（p < 0.05）且无多重共线性（VIF < 5）。
5. 若采用多方法对比，Spearman ρ > 0.7。
6. 所有原始记录、计算过程、异常处理记录归档至项目知识库。