发布时间：
一、顺理成章，依理定形 一般来说，文章采用的基本推理形式，决定着文章的内在结构形式。例如，一篇文章主要是想探讨某一事物产生的原因，反映在结构上，必然有因果关系的两个部分。或者由结果推断原因，或者由原因推断结果，缺一不可。又如，论述事物一般与个别的关系，或从个别到一般，或从一般到个别，或从个别到个别，反映在结构上，从个别到一般，总是要逐一分析个别事物的特征，然后归纳出一般事物的特性；从一般到个别，也必然一般结论在先，而后再触及个别事物的特征。如果违背了这一发展逻辑，其结构就会显得不合理。比如，有的学生为了得出一个一般结论，只建立在一个事例的剖析上，如果没有充分理由证明这一事例本身具有普遍性，那么从中得出的一般结论是没有说服力的，论文的结构是不合理的。再如，在论述事物的对立统一关系时，总少不了正反、前后、表里、上下、质量等各对矛盾的两个方面的分析对比。忽略一个方面，就会产生片面性。不少毕业论文也往往犯这一错误，比如《国有公路运输企业单车承包之我见》一文，针对社会上和企业内部对单车承包的各种否定看法，提出自己的见解，这虽然是可以的，但问题在于论文基本上完全肯定了这种承包方法，实际上这种承包方法既有其正面作用，也不可否认有它的反面作用，这已为实践的发展所证实。片面地肯定某一方面，这种偏激的论述方式往往经受不住时间的考验。所以，理的发展，不能不遵循人类的思维规律。违反了，理就不通，文就不顺。讲同样一个道理，比如，人类是在不断进步的，社论、文学评论、经济论文的外在形式，可以是完全不同的。但在这个理论的内部结构上又是一致的。当然，我们这里讲的是基本形式，并不排斥与其它推理形式的结合与交替使用。 二、毕业论文要以意为主，首尾员一 意是文章的中心，是主脑，是统帅。要写好毕业论文，就要抓住中心。这个中心的要求应当是简单明了的，能够一言以蔽之，可以达到以简治繁的目的。抓住这样的中心，紧扣不放，一线到底，中途不可转换论题，不可停滞，不可跳跃遗隙，这样就能使中心思想的发展具有连续性。比如，论文《关于提高国有公路运输企业整体优势之我见》就紧紧围绕中心论点，论述了： 1．国有公路运输企业整体优势综述； 2．国有公路运输企业整体优势下降的现状； 3．国有公路运输企业整体优势下降的原因； 4．提高国有公路运输企业整体优势的途径。 可谓“以意为主，首尾贯一”，点滴不漏。 作为一篇论文，从思想的发展来说，要一层一层地讲，讲透了一层，再讲另一层意思。开头提出的问题，当中要有分析，结尾要有回答，做到前有呼，后有应。比如论文《对发展和完善建筑市场的有关问题思考》，围绕发展和完善建筑市场这一中心论点，首先从理论和实践双重角度论述了发展和完善建筑市场的地位和作用，其次从深化体制改革和诸多因素共同作用的分析中探索了发展和完善建筑市场的条件和基础，从条件和基础的差距出发再探究发展和完善建筑市场的方向和过程，提出了建筑市场的长远发展方向和发展全过程；最后，对近期建筑市场的发展提出操作性很强的措施和对策。层层剖桥，前后呼应，成为一篇优秀论文。虽然，作为一篇优秀论文，还须做到每层之间瞻前顾后，后面讲的与前面不要有矛盾，留在后面说的，也不要在前面一气说光。中心思想能够贯通始终，才能真正做到“文以传意”，不流其词，文章自然增色。 三、毕业论文要求层第有序，条理清晰 文章要有层次，有条理，这和材料的安排处理关系极大。材料之间的相互关系不同，处理方式也不同，不能错乱，错乱了，层次就不清楚，自然也不会有条理。 例如，平行关系。文章各部分材料之间，没有主从关系，在顺序上谁先谁后都可以，影响不大。例如介绍利润率，有成本利润率，工资利润率，资金利润率等；介绍价格，有消费品价格、生产资料价格、服务价格、土地价格、住宅价格等等，不论先介绍哪一个都可以。 递进关系，有些材料之间的次序不可随意颠倒，递进关系就是这样，这些材料之间是一种一层比一层深入的关系，颠倒了就会造成逻辑混乱。同样以上面的价格为例，如果要结合经济体制改革的进程来谈论它，那就应该先讲消费品价格，因为我们最早承认消费品是商品，其次应介绍生产资料价格，在党的十二届三中全会之后，我们抛弃了传统的“生产资料不是商品”的观点；接下去才介绍服务价格、土地价格、住宅价格，等等，这一类要素价格一直到1992年之后，我们才认识到必须主要由市场形成，以上这种表述，表明了我们认识的不断深化。递进关系处理得好，就能造成步步深入，道理犹如剥茧抽丝，愈转愈隽。 接续关系。前一部分与后一部分有直接的逻辑联系，层次虽分，道理末尽。前一层有未尽之意有待后面续接，不可中断。比如按行进过程顺序安排论据，阐述某些事实，就比较多的采取这一种方式。像在论述股份合作制经济的发展时，作者就往往从起缘、发展、完善这样一个行进过程来层层展开，显得层次清楚，有条有理。 对立关系。文章论述的事理是对立统一体。为正反、表里、前后、质量、胜负、成绩缺点等等。它们有联系又有区别。论述的重点在于阐明它们是辩证的统一，不能将它们孤立地对待。那么在论述时，就不能强调了一面而忽略了另一面。由于毕业学员理论功底不很深厚；辩证思维的方式掌握得不是很好，所以，往往在毕业论文的撰写中犯片面性错误，为强调某一事物的作用，就把其说得好得不得了，通篇都是正面材料，没有任何不足之处；而要否定某一事物，就把其说得差得不得了，通篇都是反面材料，没有任何长足之处，这种论文从结构的角度来说是层次失 衡，有悖常理。 总之，理清了事物间的相互关系，并在结构中体现出来，文章的眉目就清楚了。
浅谈成分分析法与层次分析法论文
摘 要 ：传统句法分析法“成分分析法”，将句子的成分分为主、谓、宾、定、状、补。不得不说在语文教学方面，成分分析法的功劳是不能小觑的。但是，我们发现，汉语中有一些句法结构并不能用成分分析法有效的解决。于是，语言学家把美国结构主义描写学派的层次分析法引入到汉语句法分析中，取得了不菲的成绩。层次分析法解决了成分分析法无法解决的问题，但是，层次分析法自身也存在一些问题。本文将做较为详细的解释，在进行汉语结构分析的时候应该根据情况正确选择。
关键词： 成分分析法；层次分析法；优缺点；句法结构；歧义句
汉语中存在很多有趣的现象。譬如说，“咬死了猎人的狗”、“我没有考过”、“两个学校的领导”这一类的歧义句。再者，“台上坐着主席团”、“台上唱着戏”[1]这两个句子的成分和序列完全一样，均为“名1+动词+着+名2”但为什么“戏唱在台上”不符合正确的语法规范，而我们却可以说“主席团坐在台上”？进一步思考，我们会有一种明显的感觉，“台上坐着主席团”是静态的，“台上唱着戏”是动态的。那么，我们的这种直觉正确吗？再比如说，①“实习的学生”，②“实习的学校”均为偏正结构中的定中结构。定语都是“实习的”，但是我们会发现①中的“学生”在特定的语境中可以省略。比如说“我是实习的”。但是②中的“学校”在任何情况下都不可以省略，否则就会影响正常交流。“这是我实习的学校”绝不可以省略成“这是我实习的…”
为了更好地解决这些问题，我们必须找到一些行之有效的分析方法。以句法为出发点，解释说明各种的语言现象的`分析方法，我们一般称之为“句法分析法”与之相关的理论称之为“句法分析理论”研究一种句法结构或者说句式的特征，基本上有两种思路。一是，分析句式或句法结构的内部结构的构造特点。二是观察了解这一个句式和句法结构和其他的句式或句法结构之间的关系。我们所了解到的层次分析法和语义特征分析法属于前者。本文将主要探讨层次分析法和成分分析法。
首先，我们来看成分分析法。句子成分分析法又称“中心词分析法”，成分分析法是传统的句法分析方法。也是我们最早接触到的。早在小学的时候我们已经懂得基本的主谓宾。下面我们来实际运用一下成分分析法。
“勤劳的工人在最短时间里修好了一座简易的桥。”
按照成分分析法，句子中的主语是“工人”，谓语是“修”。而“工人”和“修”就是我们在分析时首先要找出来的全句的中心词。再来看，“修”是及物动词，后面可以接名词，比如说“修房子”所以，名词“桥”就是句子的另一个中心词，宾语。
从上面的例子中我们可以看出来成分分析法有自身的优点。采取成分分析法，容易把握出句子的整体脉络。用它来分析长单句，这种优势就更加明显了。比如说，
我国首次升空的“神州—3号”模拟载人飞船经过264个小时在太空运行之后按原先预定的时间安全、准确的返回原先计算好的我国西北部的某地区的地面。
按照成分分析法，这个句子的基本脉络就是“神州—3号”飞船返回地面。在处理这一类句中有很多修饰限定的成分的长单句时，利用成分分析法可以快速的找出句子的整体脉络。在语文教学中，具有很大的实践意义。
但是，在利用成分分析法进行句法分析的时候也会出现一些问题。下面我们一一的进行分析。
1、成分分析法不能有效的分析某些存在歧义的句子，不能挖掘出句子内在的规律。
上文中提到了“两个学校的领导”我们就以这个为例。
“今天，两个学校的领导都来了。”按照成分分析法，“领导”和“来”是全句的中心词，分别作为句子的主语和谓语。所以，这个句子的基本脉络就是“领导来了”但是，这个句子明显是一个歧义句。所以，采用成分分析法解释歧义句的时候就会出现问题。
“她的头发剪短了点儿。”我们再来看这句话，按照成分分析法，“头发”和“短”是句子的中心词，非别为主语和谓语。所以，句子的脉络就是“头发短”。但是，对这个句子进行内部的分析，我们会发现这个句子具有两方面的含义。
①减了之后，她的头发比之前短。（达到了理想中的效果）
②她的头发剪得太短了。（没有实现理想的效果）
2、分析出来的句子脉络不成立。
比如：她爱好古筝。（她爱好。）
陋习必须改掉。（陋习改掉。）
3、分析出来的句子脉络在语法上虽然成立，却和原句的意义不同了。
比如：老奶奶哭瞎了双眼。（老奶奶瞎。）
便利店方便了周围的居民。（便利店方便）
通过上面的分析，我们不难看出以下几点：
1、成分分析法分析的对象只能单句，对复杂句是无能无力的。
2、在分析过程中，我们首先找出句子的中心词，也就是作为句子主语和谓语的部分。
谓语和主语的关系是陈述和被陈述的关系。其次，在确定其他的成分，而且，其他的成分依附于中心词。
3、从理论上讲，能做句子成分的只能是词。
为什么成分分析法会存在这样的问题？主要原因就在于成分分析法的重点在于句式或句法结构的各个成分。并没有关注句式或句法结构中的层次性。那么，问题来了，什么是层次性？按照朱德熙先生在语法问
随着科学技术特别是信息技术的高速发展，数学建模的应用价值越来越得到众人的重视，
数学建模本身是一个创造性的思维过程，它是对数学知识的综合应用，具有较强的创新性，以下是一篇关于数学建模教育开展策略探究的论文 范文 ，欢迎阅读参考。
大学数学具有高度抽象性和概括性等特点，知识本身难度大再加上学时少、内容多等教学现状常常造成学生的学习积极性不高、知识掌握不够透彻、遇到实际问题时束手无策，而数学建模思想能激发学生的学习兴趣，培养学生应用数学的意识，提高其解决实际问题的能力。数学建模活动为学生构建了一个由数学知识通向实际问题的桥梁，是学生的数学知识和应用能力共同提高的最佳结合方式。因此在大学数学教育中应加强数学建模教育和活动，让学生积极主动学习建模思想，认真体验和感知建模过程，以此启迪创新意识和 创新思维 ，提高其素质和创新能力，实现向素质教育的转化和深入。
一、数学建模的含义及特点
数学建模即抓住问题的本质，抽取影响研究对象的主因素，将其转化为数学问题，利用数学思维、数学逻辑进行分析，借助于数学 方法 及相关工具进行计算，最后将所得的答案回归实际问题，即模型的检验，这就是数学建模的全过程。一般来说",数学建模"包含五个阶段。
1.准备阶段
主要分析问题背景，已知条件，建模目的等问题。
2.假设阶段
做出科学合理的假设，既能简化问题，又能抓住问题的本质。
3.建立阶段
从众多影响研究对象的因素中适当地取舍，抽取主因素予以考虑，建立能刻画实际问题本质的数学模型。
4.求解阶段
对已建立的数学模型，运用数学方法、数学软件及相关的工具进行求解。
5.验证阶段
用实际数据检验模型，如果偏差较大，就要分析假设中某些因素的合理性，修改模型，直至吻合或接近现实。如果建立的模型经得起实践的检验，那么此模型就是符合实际规律的，能解决实际问题或有效预测未来的，这样的建模就是成功的，得到的模型必被推广应用。
二、加强数学建模教育的作用和意义
(一) 加强数学建模教育有助于激发学生学习数学的兴趣，提高数学修养和素质
数学建模教育强调如何把实际问题转化为数学问题，进而利用数学及其有关的工具解决这些问题， 因此在大学数学的教学活动中融入数学建模思想，鼓励学生参与数学建模实践活动，不但可以使学生学以致用，做到理论联系实际，而且还会使他们感受到数学的生机与活力，激发求知的兴趣和探索的欲望，变被动学习为主动参与其效率就会大为改善。数学修养和素质自然而然得以培养并提高。
(二)加强数学建模教育有助于提高学生的分析解决问题能力、综合应用能力
数学建模问题来源于社会生活的众多领域，在建模过程中，学生首先需要阅读相关的文献资料，然后应用数学思维、数学逻辑及相关知识对实际问题进行深入剖析研究并经过一系列复杂计算，得出反映实际问题的最佳数学模型及模型最优解。因此通过数学建模活动学生的视野将会得以拓宽，应用意识、解决复杂问题的能力也会得到增强和提高。
(三)加强数学建模教育有助于培养学生的创造性思维和创新能力
所谓创造力是指"对已积累的知识和 经验 进行科学地加工和创造，产生新概念、新知识、新思想的能力，大体上由感知力、 记忆力 、思考力、 想象力 四种能力所构成"[1].现今教育界认为，创造力的培养是人才培养的关键，数学建模活动的各个环节无不充满了创造性思维的挑战。
很多不同的实际问题，其数学模型可以是相同或相似的，这就要求学生在建模时触类旁通，挖掘不同事物间的本质，寻找其内在联系。而对一个具体的建模问题，能否把握其本质转化为数学问题，是完成建模过程的关键所在。同时建模题材有较大的灵活性，没有统一的标准答案，因此数学建模过程是培养学生创造性思维，提高创新能力的过程[2].
(四)加强数学建模教育有助于提高学生科技论文的撰写能力
数学建模的结果是以论文形式呈现的，如何将建模思想、建立的模型、最优解及其关键环节的处理在论文中清晰地表述出来，对本科生来说是一个挑战。经历数学建模全过程的磨练，特别是数模论文的撰写，学生的文字语言、数学表述能力及论文的撰写能力无疑会得到前所未有的提高。
(五)加强数学建模教育有助于增强学生的团结合作精神并提高协调组织能力建模问题通常较复杂，涉及的知识面也很广，因此数学建模实践活动一般效仿正规竞赛的规则，三人为一队在三天内以论文形式完成建模题目。要较好地完成任务，离不开良好的组织与管理、分工与协作[3].
三、开展数学建模教育及活动的具体途径和有效方法
(一)开展数学建模课堂教学
即在课堂教学中，教师以具体的案例作为主要的教学内容，通过具体问题的建模，介绍建模的过程和思想方法及建模中要注意的问题。案例教学法的关键在于把握两个重要环节：
案例的选取和课堂教学的组织。
教学案例一定要精心选取，才能达到预期的教学效果。其选取一般要遵循以下几点。
1. 代表性：案例的选取要具有科学性，能拓宽学生的知识面，突出数学建模活动重在培养兴趣提高能力等特点。
2. 原始性：来自媒体的信息，企事业单位的 报告 ，现实生活和各学科中的问题等等，都是数学建模问题原始资料的重要来源。
3. 创新性：案例应注意选取在建模的某些环节上具有挑战性，能激发学生的创造性思维，培养学生的创新精神和提高创造能力。
案例教学的课堂组织，一部分是教师讲授，从实际问题出发，讲清问题的背景、建模的要求和已掌握的信息，介绍如何通过合理的假设和简化建立优化的数学模型。还要强调如何用求解结果去解释实际现象即检验模型。另一部分是课堂讨论，让学生自由发言各抒己见并提出新的模型，简介关键环节的处理。最后教师做出点评，提供一些改进的方向，让学生自己课外独立探索和钻研，这样既突出了教学重点，又给学生留下了进一步思考的空间，既避免了教师的"满堂灌",也活跃了课堂气氛，提高了学生的课堂学习兴趣和积极性，使传授知识变为学习知识、应用知识，真正地达到提高素质和培养能力的教学目的[4].
(二)开展数模竞赛的专题培训指导工作
建立数学建模竞赛指导团队，分专题实行教师负责制。每位教师根据自己的专长，负责讲授某一方面的数学建模知识与技巧，并选取相应地建模案例进行剖析。如离散模型、连续模型、优化模型、微分方程模型、概率模型、统计回归模型及数学软件的使用等。学生根据自己的薄弱点，选择适合的专题培训班进行学习，以弥补自己的不足。这种针对性的数模教学，会极大地提高教学效率。
(三)建立数学建模网络课程
以现代 网络技术 为依托，建立数学建模课程网站，内容包括：课程介绍，课程大纲，教师教案，电子课件，教学实验，教学录像，网上答疑等;还可以增加一些有关栏目，如历年国内外数模竞赛介绍，校内竞赛，专家点评，获奖心得交流;同时提供数模学习资源下载如讲义，背景材料，历年国内外竞赛题，优秀论文等。以此为学生提供良好的自主学习网络平台，实现课堂教学与网络教学的有机结合，达到有效地提高学生数学建模综合应用能力的目的。[5,6]
(四)开展校内数学建模竞赛活动
完全模拟全国大学生数模竞赛的形式规则：定时公布赛题，三人一组，只能队内讨论，按时提交论文，之后指导教师、参赛同学集中讨论，进一步完善。笔者负责数学建模竞赛培训近 20 年，多年的实践证明，每进行一次这样的训练，学生在建模思路、建模水平、使用软件能力、论文书写方面就有大幅提高。多次训练之后，学生的建模水平更是突飞猛进，效果甚佳。
如 2008 年我指导的队荣获全国高教社杯大学生数学建模竞赛的最高奖---高教社杯奖，这是此赛设置的唯一一个名额，也是当年从全国(包括香港)院校的约 1 万多个本科参赛队中脱颖而出的。又如 2014 年我校 57 队参加全国大学生数学建模竞赛，43 队获奖，获奖比例达 75%,创历年之最。
(五)鼓励学生积极参加全国大学生数学建模竞赛、国际数学建模竞赛
全国大学生数学建模竞赛创办于 1992 年，每年一届，目前已成为全国高校规模最大的基础性学科竞赛， 国际大学生数学建模竞赛是世界上影响范围最大的高水平大学生学术赛事。参加数学建模大赛可以激励学生学习数学的积极性，提高运用数学及相关工具分析问题解决问题的综合能力，开拓知识面，培养创造精神及合作意识。
四、结束语
数学建模本身是一个创造性的思维过程，它是对数学知识的综合应用，具有较强的创新性，而高校数学教学改革的目的之一是要着力培养学生的创造性思维，提高学生的创新能力。因此应将数学建模思想融入教学活动中，通过不断的数学建模教育和实践培养学生的创新能力和应用能力从而提高学生的基本素质以适应社会发展的要求。
参考文献：
[1]辞海[M].上海辞书出版社，2002,1:237.
[2]许梅生，章迪平，张少林。 数学建模的认识与实践[J].浙江科技学院学报，2003,15(1)：40-42.
[3]姜启源，谢金星，一项成功的高等教育改革实践[J].中国高教研究，2011,12:79-83.
[4]饶从军，王成。论高校数学建模教学[J].延边大学学报(自然科学学版)，2006,32(3)：227-230.
[5]段璐灵。数学建模课程教学改革初探[J].教育与职业，2013,5:140-142.
[6]郝鹏鹏。工程网络课程教学的实践与思考[J]科技视界，2014,29:76-77.
大部分数学知识是抽象的，概念比较枯燥，造成学生学习困难，而数学建模的运用，在很大程度上可以将抽象的数学知识转化成实体模型，让学生更容易理解和学习数学知识。教师要做的就是了解并掌握数学建模的方法，并且把这种 教学方法 运用到数学教学中。
对教师来说，发现好的教学方法不是最重要的，而是如何把方法与教学结合起来。通过对数学建模的长期研究和实践应用，笔者 总结 了数学建模的概念以及运用策略。
一、数学建模的概念
想要更好地运用数学建模，首先要了解什么是数学建模。可以说，数学建模就像一面镜子，可以使数学抽象的影像产生与之对应的具体化物象。
二、在小学数学教学中运用数学建模的策略
1.根据事物之间的共性进行数学建模
想要运用数学建模，首先要对建模对象有一定的感知。教师要创造有利的条件，促使学生感知不同事物之间的共性，然后进行数学建模。
教师应做好建模前的指导工作，为学生的数学建模做好铺垫，而学生要学会尝试自己去发现事物的共性，争取将事物的共性完美地运用到数学建模中。在建模过程中，教师要引导学生把新知识和旧知识结合起来的作用，将原来学习中发现的好方法运用到新知识的学习、新数学模型的构建中，降低新的数学建模的难度，提高学生数学建模的成功率。如在教学《图形面积》时，教师可以利用不同的图形模板，让学生了解不同图形的面积构成，寻找不同图形面积的差异以及图形之间的共性。这样直观地向学生展示图形的变化，可以加深学生对知识的理解，提高学生的学习效率。
2.认识建模思想的本质
建模思想与数学的本质紧密相连，它不是独立存在于数学教学之外的。所以在数学建模过程中，教师要帮助学生正确认识数学建模的本质，将数学建模与数学教学有机结合起来，提高学生解决问题的能力，让学生真正具备使用数学建模的能力。
建模过程并不是独立于数学教学之外的，它和数学的教学过程紧密相连。数学建模是使人对数学抽象化知识进行具体认识的工具，是运用数学建模思想解决数学难题的过程。因此，教师要将它和数学教学组成一个有机的整体，不仅要帮助学生完成建模，更要带领学生认识数学建模的本质，领悟数学建模思想的真谛，并逐渐引导学生使用数学建模解决数学学习过程中遇到的问题。
3.发挥教材在数学建模上的作用
教材是最基础的教学工具，在数学教材中有很多典型案例可以利用在数学建模上，其中很大一部分来源于生活，更易于小学生学习和理解，有助于学生构建数学建模思想。教师要利用好教材，培养学生的建模能力，帮助学生建造更易于理解的数学模型，从而提高学生的学习效率。如在教学加减法时，教材上会有很多数苹果、香蕉的例题，这些就是很好的数学模型，因为贴近生活，可以激发学生的学习兴趣，培养学生数学建模的能力，所以教师应该深入研究教材。
数学建模是一种很好的数学教学方法，教师要充分利用这种教学方法，真正做到实践与理论完美结合。
1、层次分析法，简称AHP，是指将与决策总是有关的元素分解成目标、准则、方案等层次，在此基础之上进行定性和定量分析的决策方法。该方法是美国运筹学家匹茨堡大学教授萨蒂于20世纪70年代初，在为美国国防部研究"根据各个工业部门对国家福利的贡献大小而进行电力分配"课题时，应用网络系统理论和多目标综合评价方法，提出的一种层次权重决策分析方法。
2、多属性决策是现代决策科学的一个重要组成部分，它的理论和方法在工程设计、经济、管理和军事等诸多领域中有着广泛的应用，如：投资决策、项目评估、维修服务、武器系统性能评定、工厂选址、投标招标、产业部门发展排序和经济效益综合评价等.多属性决策的实质是利用已有的决策信息通过一定的方式对一组(有限个)备选方案进行排序或择优.它主要由两部分组成：(l) 获取决策信息.决策信息一般包括两个方面的内容：属性权重和属性值(属性值主要有三种形式：实数、区间数和语言).其中，属性权重的确定是多属性决策中的一个重要研究内容;(2)通过一定的方式对决策信息进行集结并对方案进行排序和择优。
3、灰色预测模型(Gray Forecast Model)是通过少量的、不完全的信息，建立数学模型并做出预测的一种预测方法.当我们应用运筹学的思想方法解决实际问题，制定发展战略和政策、进行重大问题的决策时，都必须对未来进行科学的预测.预测是根据客观事物的过去和现在的发展规律，借助于科学的方法对其未来的发展趋势和状况进行描述和分析，并形成科学的假设和判断。
4、Dijkstra算法能求一个顶点到另一顶点最短路径。它是由Dijkstra于1959年提出的。实际它能出始点到 其它 所有顶点的最短路径。
Dijkstra算法是一种标号法：给赋权图的每一个顶点记一个数，称为顶点的标号(临时标号，称T标号，或者固定标号，称为P标号)。T标号表示从始顶点到该标点的最短路长的上界;P标号则是从始顶点到该顶点的最短路长。
5、Floyd算法是一个经典的动态规划算法。用通俗的语言来描述的话，首先我们的目标是寻找从点i到点j的最短路径。从动态规划的角度看问题，我们需要为这个目标重新做一个诠释(这个诠释正是动态规划最富创造力的精华所在)从任意节点i到任意节点j的最短路径不外乎2种可能，1是直接从i到j，2是从i经过若干个节点k到j。所以，我们假设Dis(i,j)为节点u到节点v的最短路径的距离，对于每一个节点k，我们检查Dis(i,k) + Dis(k,j) < Dis(i,j)是否成立，如果成立，证明从i到k再到j的路径比i直接到j的路径短，我们便设置Dis(i,j) = Dis(i,k) + Dis(k,j)，这样一来，当我们遍历完所有节点k，Dis(i,j)中记录的便是i到j的最短路径的距离。
6、模拟退火算法是模仿自然界退火现象而得，利用了物理中固体物质的退火过程与一般优化问题的相似性从某一初始温度开始，伴随温度的不断下降，结合概率突跳特性在解空间中随机寻找全局最优解。
7、种群竞争模型：当两个种群为争夺同一食物来源和生存空间相互竞争时，常见的结局是，竞争力弱的灭绝，竞争力强的达到环境容许的最大容量。使用种群竞争模型可以描述两个种群相互竞争的过程，分析产生各种结局的条件。
8、排队论发源于上世纪初。当时美国贝尔电话公司发明了自动电话，以适应日益繁忙的工商业电话通讯需要。这个新发明带来了一个新问题，即通话线路与电话用户呼叫的数量关系应如何妥善解决，这个问题久久未能解决。1909年，丹麦的哥本哈根电话公司A.K.埃尔浪(Erlang)在热力学统计平衡概念的启发下解决了这个问题。
9、线性规划是运筹学中研究较早、发展较快、应用广泛、方法较成熟的一个重要分支,它是辅助人们进行科学管理的一种数学方法.在经济管理、交通运输、工农业生产等经济活动中，提高经济效果是人们不可缺少的要求，而提高经济效果一般通过两种途径：一是技术方面的改进，例如改善生产工艺，使用新设备和新型原材料.二是生产组织与计划的改进，即合理安排人力物力资源.线性规划所研究的是：在一定条件下，合理安排人力物力等资源，使经济效果达到最好.一般地，求线性目标函数在线性约束条件下的最大值或最小值的问题，统称为线性规划问题。满足线性约束条件的解叫做可行解，由所有可行解组成的集合叫做可行域。决策变量、约束条件、目标函数是线性规划的三要素。
10、非线性规划：非线性规划是一种求解目标函数或约束条件中有一个或几个非线性函数的最优化问题的方法。运筹学的一个重要分支。20世纪50年代初，库哈(H.W.Kuhn) 和托克 (A.W.Tucker) 提出了非线性规划的基本定理，为非线性规划奠定了理论基础。这一方法在工业、交通运输、经济管理和军事等方面有广泛的应用，特别是在“最优设计”方面，它提供了数学基础和计算方法，因此有重要的实用价值。
数学建模全国优秀论文相关 文章 ：
★ 数学建模全国优秀论文范文
★ 2017年全国数学建模大赛获奖优秀论文
★ 数学建模竞赛获奖论文范文
★ 小学数学建模的优秀论文范文
★ 初中数学建模论文范文
★ 学习数学建模心得体会3篇
★ 数学建模论文优秀范文
★ 大学生数学建模论文范文(2)
★ 数学建模获奖论文模板范文
★ 大学生数学建模论文范文
在进行绩效评价绝大多数情况下，不同评价要素之间的重要性并不相同，权重就应该有差异。而层次分析法确定加权系数(权重)的方法有许多优势,它通过两两比较提高了权重确定的准确性；通过对结果逻辑性、合理性的辨别和筛选，提高了权重的可靠性；同时，通过编制计算机程序，提高了考评效率，减少了主观因素的干扰，提高了权重确定的客观性。所以采用层次分析法来确定权重， 建立判断矩阵，逐对比较指标的相对优劣程度，根据一般判断，可得A-C判断矩阵，具体数据可根据考评的目的不同，运用层次分析法确定。
这个我就按照你的要求来
回归分析的认识及简单运用
回归分析（regression analysis)是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。运用十分广泛，回归分析按照涉及的自变量的多少，分为回归和多重回归分析；按照自变量的多少，可分为一元回归分析和多元回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。如果在回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多重线性回归分析。
定义
回归分析是应用极其广泛的数据分析方法之一。它基于观测数据建立变量间适当的依赖关系，以分析数据内在规律，并可用于预报、控制等问题。
方差齐性
线性关系
效应累加
变量无测量误差
变量服从多元正态分布
观察独立
模型完整（没有包含不该进入的变量、也没有漏掉应该进入的变量）
误差项独立且服从（0，1）正态分布。
现实数据常常不能完全符合上述假定。因此，统计学家研究出许多的回归模型来解决线性回归模型假定过程的约束。
研究一个或多个随机变量Y1 ，Y2 ，…，Yi与另一些变量X1、X2，…，Xk之间的关系的统计方法，又称多重回归分析。通常称Y1，Y2，…，Yi为因变量，X1、X2，…，Xk为自变量。回归分析是一类数学模型，特别当因变量和自变量为线性关系时，它是一种特殊的线性模型。最简单的情形是一个自变量和一个因变量，且它们大体上有线性关系，这叫一元线性回归，即模型为Y=a+bX+ε，这里X是自变量，Y是因变量，ε是随机误差，通常假定随机误差的均值为0，方差为σ^2（σ^2大于0）σ^2与X的值无关。若进一步假定随机误差遵从正态分布，就叫做正态线性模型。一般的情形，它有k个自变量和一个因变量，因变量的值可以分解为两部分：一部分是由于自变量的影响，即表示为自变量的函数，其中函数形式已知，但含一些未知参数；另一部分是由于其他未被考虑的因素和随机性的影响，即随机误差。当函数形式为未知参数的线性函数时，称线性回归分析模型；当函数形式为未知参数的非线性函数时，称为非线性回归分析模型。当自变量的个数大于1时称为多元回归，当因变量个数大于1时称为多重回归。
回归分析的主要内容为：
①从一组数据出发，确定某些变量之间的定量关系式，即建立数学模型并估计其中的未知参数。估计参数的常用方法是最小二乘法。
②对这些关系式的可信程度进行检验。
③在许多自变量共同影响着一个因变量的关系中，判断哪个（或哪些）自变量的影响是显著的，哪些自变量的影响是不显著的，将影响显著的自变量入模型中，而剔除影响不显著的变量，通常用逐步回归、向前回归和向后回归等方法。
④利用所求的关系式对某一生产过程进行预测或控制。回归分析的应用是非常广泛的，统计软件包使各种回归方法计算十分方便。
在回归分析中，把变量分为两类。一类是因变量，它们通常是实际问题中所关心的一类指标，通常用Y表示；而影响因变量取值的的另一类变量称为自变量，用X来表示。
回归分析研究的主要问题是：
（1）确定Y与X间的定量关系表达式，这种表达式称为回归方程；
（2）对求得的回归方程的可信度进行检验；
（3）判断自变量X对因变量Y有无影响；
（4）利用所求得的回归方程进行预测和控制。
回归分析可以说是统计学中内容最丰富、应用最广泛的分支。这一点几乎不带夸张。包括最简单的t检验、方差分析也都可以归到线性回归的类别。而卡方检验也完全可以用logistic回归代替。
众多回归的名称张口即来的就有一大片，线性回归、logistic回归、cox回归、poission回归、probit回归等等等等，可以一直说的你头晕。为了让大家对众多回归有一个清醒的认识，这里简单地做一下总结：
1、线性回归，这是我们学习统计学时最早接触的回归，就算其它的你都不明白，最起码你一定要知道，线性回归的因变量是连续变量，自变量可以是连续变量，也可以是分类变量。如果只有一个自变量，且只有两类，那这个回归就等同于t检验。如果只有一个自变量，且有三类或更多类，那这个回归就等同于方差分析。如果有2个自变量，一个是连续变量，一个是分类变量，那这个回归就等同于协方差分析。所以线性回归一定要认准一点，因变量一定要是连续变量。
2、logistic回归，与线性回归并成为两大回归，应用范围一点不亚于线性回归，甚至有青出于蓝之势。因为logistic回归太好用了，而且太有实际意义了。解释起来直接就可以说，如果具有某个危险因素，发病风险增加2.3倍，听起来多么地让人通俗易懂。线性回归相比之下其实际意义就弱了。logistic回归与线性回归恰好相反，因变量一定要是分类变量，不可能是连续变量。分类变量既可以是二分类，也可以是多分类，多分类中既可以是有序，也可以是无序。二分类logistic回归有时候根据研究目的又分为条件logistic回归和非条件logistic回归。条件logistic回归用于配对资料的分析，非条件logistic回归用于非配对资料的分析，也就是直接随机抽样的资料。无序多分类logistic回归有时候也成为多项logit模型，有序logistic回归有时也称为累积比数logit模型。
3、cox回归，cox回归的因变量就有些特殊，因为他的因变量必须同时有2个，一个代表状态，必须是分类变量，一个代表时间，应该是连续变量。只有同时具有这两个变量，才能用cox回归分析。cox回归主要用于生存资料的分析，生存资料至少有两个结局变量，一是死亡状态，是活着还是死亡？二是死亡时间，如果死亡，什么时间死亡？如果活着，从开始观察到结束时有多久了？所以有了这两个变量，就可以考虑用cox回归分析。
4、poisson回归，poisson回归相比就不如前三个用的广泛了。但实际上，如果你能用logistic回归，通常也可以用poission回归，poisson回归的因变量是个数，也就是观察一段时间后，发病了多少人？或者死亡了多少人？等等。其实跟logistic回归差不多，因为logistic回归的结局是是否发病，是否死亡，也需要用到发病例数、死亡例数。大家仔细想想，其实跟发病多少人，死亡多少人一个道理。只是poission回归名气不如logistic回归大，所以用的人也不如logistic回归多。但不要因此就觉得poisson回归没有用。
5、probit回归，在医学里真的是不大用，最关键的问题就是probit这个词太难理解了，通常翻译为概率单位。probit函数其实跟logistic函数十分接近，二者分析结果也十分接近。可惜的是，probit回归的实际含义真的不如logistic回归容易理解，由此导致了它的默默无名，但据说在社会学领域用的似乎更多一些。
6、负二项回归。所谓负二项指的是一种分布，其实跟poission回归、logistic回归有点类似，poission回归用于服从poission分布的资料，logistic回归用于服从二项分布的资料，负二项回归用于服从负二项分布的资料。说起这些分布，大家就不愿意听了，多么抽象的名词，我也很头疼。如果简单点理解，二项分布你可以认为就是二分类数据，poission分布你可以认为是计数资料，也就是个数，而不是像身高等可能有小数点，个数是不可能有小数点的。负二项分布呢，也是个数，只不过比poission分布更苛刻，如果你的结局是个数，而且结局可能具有聚集性，那可能就是负二项分布。简单举例，如果调查流感的影响因素，结局当然是流感的例数，如果调查的人有的在同一个家庭里，由于流感具有传染性，那么同一个家里如果一个人得流感，那其他人可能也被传染，因此也得了流感，那这就是具有聚集性，这样的数据尽管结果是个数，但由于具有聚集性，因此用poission回归不一定合适，就可以考虑用负二项回归。既然提到这个例子，用于logistic回归的数据通常也能用poission回归，就像上面案例，我们可以把结局作为二分类，每个人都有两个状态，得流感或者不得流感，这是个二分类结局，那就可以用logistic回归。但是这里的数据存在聚集性怎么办呢，幸亏logistic回归之外又有了更多的扩展，你可以用多水平logistic回归模型，也可以考虑广义估计方程。这两种方法都可以处理具有层次性或重复测量资料的二分类因变量。
7、weibull回归，有时中文音译为威布尔回归。weibull回归估计你可能就没大听说过了，其实这个名字只不过是个噱头，吓唬人而已。上一篇说过了，生存资料的分析常用的是cox回归，这种回归几乎统治了整个生存分析。但其实夹缝中还有几个方法在顽强生存着，而且其实很有生命力，只是国内大多不愿用而已。weibull回归就是其中之一。cox回归为什么受欢迎呢，因为它简单，用的时候不用考虑条件（除了等比例条件之外），大多数生存数据都可以用。而weibull回归则有条件限制，用的时候数据必须符合weibull分布。怎么，又是分布？！估计大家头又大了，是不是想直接不往下看了，还是用cox回归吧。不过我还是建议看下去。为什么呢？相信大家都知道参数检验和非参数检验，而且可能更喜欢用参数检验，如t检验，而不喜欢用非参数检验，如秩和检验。那这里的weibull回归和cox回归基本上可以说是分别对应参数检验和非参数检验。参数检验和非参数检验的优缺点我也在前面文章里通俗介绍了，如果数据符合weibull分布，那么直接套用weibull回归当然是最理想的选择，他可以给出你最合理的估计。如果数据不符合weibull分布，那如果还用weibull回归，那就套用错误，肯定结果也不会真实到哪儿去。所以说，如果你能判断出你的数据是否符合weibull分布，那当然最好的使用参数回归，也就是weibull回归。但是如果你实在没什么信心去判断数据分布，那也可以老老实实地用cox回归。cox回归可以看作是非参数的，无论数据什么分布都能用，但正因为它什么数据都能用，所以不可避免地有个缺点，每个数据用的都不是恰到好处。weibull回归就像是量体裁衣，把体形看做数据，衣服看做模型，weibull回归就是根据你的体形做衣服，做出来的肯定对你正合身，对别人就不一定合身了。cox回归呢，就像是到商场去买衣服，衣服对很多人都合适，但是对每个人都不是正合适，只能说是大致合适。至于到底是选择麻烦的方式量体裁衣，还是图简单到商场直接去买现成的，那就根据你的喜好了，也根据你对自己体形的了解程度，如果非常熟悉，当然就量体裁衣了。如果不大了解，那就直接去商场买大众化衣服吧。
8、主成分回归。主成分回归是一种合成的方法，相当于主成分分析与线性回归的合成。主要用于解决自变量之间存在高度相关的情况。这在现实中不算少见。比如你要分析的自变量中同时有血压值和血糖值，这两个指标可能有一定的相关性，如果同时放入模型，会影响模型的稳定，有时也会造成严重后果，比如结果跟实际严重不符。当然解决方法很多，最简单的就是剔除掉其中一个，但如果你实在舍不得，毕竟这是辛辛苦苦调查上来的，删了太可惜了。如果舍不得，那就可以考虑用主成分回归，相当于把这两个变量所包含的信息用一个变量来表示，这个变量我们称它叫主成分，所以就叫主成分回归。当然，用一个变量代替两个变量，肯定不可能完全包含他们的信息，能包含80%或90%就不错了。但有时候我们必须做出抉择，你是要100%的信息，但是变量非常多的模型？还是要90%的信息，但是只有1个或2个变量的模型？打个比方，你要诊断感冒，是不是必须把所有跟感冒有关的症状以及检查结果都做完？还是简单根据几个症状就大致判断呢？我想根据几个症状大致能能确定90%是感冒了。不用非得100%的信息不是吗？模型也是一样，模型是用于实际的，不是空中楼阁。既然要用于实际，那就要做到简单。对于一种疾病，如果30个指标能够100%确诊，而3个指标可以诊断80%，我想大家会选择3个指标的模型。这就是主成分回归存在的基础，用几个简单的变量把多个指标的信息综合一下，这样几个简单的主成分可能就包含了原来很多自变量的大部分信息。这就是主成分回归的原理。
9、岭回归。岭回归的名称由来我也没有查过，可能是因为它的图形有点像岭。不要纠结于名称。岭回归也是用于处理自变量之间高度相关的情形。只是跟主成分回归的具体估计方法不同。线性回归的计算用的是最小二乘估计法，当自变量之间高度相关时，最小二乘回归估计的参数估计值会不稳定，这时如果在公式里加点东西，让它变得稳定，那就解决了这一问题了。岭回归就是这个思想，把最小二乘估计里加个k，改变它的估计值，使估计结果变稳定。至于k应该多大呢？可以根据岭迹图来判断，估计这就是岭回归名称的由来。你可以选非常多的k值，可以做出一个岭迹图，看看这个图在取哪个值的时候变稳定了，那就确定k值了，然后整个参数估计不稳定的问题就解决了。
10、偏最小二乘回归。偏最小二乘回归也可以用于解决自变量之间高度相关的问题。但比主成分回归和岭回归更好的一个优点是，偏最小二乘回归可以用于例数很少的情形，甚至例数比自变量个数还少的情形。听起来有点不可思议，不是说例数最好是自变量个数的10倍以上吗？怎么可能例数比自变量还少，这还怎么计算？可惜的是，偏最小二乘回归真的就有这么令人发指的优点。所以，如果你的自变量之间高度相关、例数又特别少、而自变量又很多（这么多无奈的毛病），那就现在不用发愁了，用偏最小二乘回归就可以了。它的原理其实跟主成分回归有点像，也是提取自变量的部分信息，损失一定的精度，但保证模型更符合实际。因此这种方法不是直接用因变量和自变量分析，而是用反映因变量和自变量部分信息的新的综合变量来分析，所以它不需要例数一定比自变量多。偏最小二乘回归还有一个很大的优点，那就是可以用于多个因变量的情形，普通的线性回归都是只有一个因变量，而偏最小二乘回归可用于多个因变量和多个自变量之间的分析。因为它的原理就是同时提取多个因变量和多个自变量的信息重新组成新的变量重新分析，所以多个因变量对它来说无所谓。
看了以上的讲解，希望能对大家理解回归分析的运用有些帮助。
以上是小编为大家分享的关于回归分析的认识及简单运用的相关内容，更多信息可以关注环球青藤分享更多干货
比较费时费力，花好久的时间啊。建议：原始数据，用随机数产生吧。
哪里的MM啊，这个原始数据还是你编吧,,没有数据我很难做的按照统计分析做数据是很有难度的啊,,我觉得数据还是你自己弄好好了,最好是真实的,比较好。估计比编花的时间还要少...对哦,数据弄好了,如果会用EXCEL的话自己弄,弄不好我帮你弄弄看.
【摘要】相关分析和回归分析是数理统计中两种重要的统计分析方法，在实际生活中应用非常广泛。两种方法从本质上来讲有许多共同点，均是对具有相关关系的变量，从数据内在逻辑分析变量之间的联系，但同时二者存在不同。相关分析可以说是回归分析的基础和前提，而回归分析则是相关分析的深入和继续。当两个或两个以上的变量之间存在高度的相关关系时，进行回归分析寻求其相关的具体形式才有意义。从本质分析了相关分析和回归分析，并比较两种之间的异同，结合生活中的例子，进一步讨论了利用相关分析和回归分析的前提并得出相关结论。【关键词】数理统计 相关性 相关分析 回归分析一、相关关系与相关分析1.相关关系在数理统计学中，回归分析与相关分析是两种常用的统计方法，可以用来解决许多生产实践中的问题，虽然二者之间关系密切，但在具体原理和应用上面有许多不同。首先从总体来说，两者均是对具有相关性的变量或具有联系的标志进行分析，可以借助函数和图像等方法。当一个变量固定，同时另一个变量也有固定值与其相对应，这是一种一一对应的关系，也叫做函数关系。而当一个变量固定，同时与之相对应的变量值并不固定，但是却按照某种规律在一定范围内分布，这两者之间的关系即为相关关系。这里函数关系与相
人们在进行社会的、经济的以及科学管理领域问题的系统分析中，面临的常常是一个由相互关联、相互制约的众多因素构成的复杂而往往缺少定量数据的系统。在这样的系统中，人们感兴趣的问题之一是：就n个不同事物所共有的某一性质而言，应该怎样对任一事物的所给性质表现出来的程度（排序权重）赋值，使得这些数值能客观地反映不同事物之间在该性质上的差异？层次分析法为这类问题的决策和排序提供了一种新的、简洁而实用的建模方法。它把复杂问题分解成组成因素，并按支配关系形成层次结构，然后用两两比较的方法确定决策方案的相对重要性。层次分析法在经济、科技、文化、军事、环境乃至社会发展等方面的管理决策中都有广泛的应用。常用来解决诸如综合评价、选择决策方案、估计和预测、投入量的分配等问题。运用层次分析法解决问题，大体可以分为四个步骤：1.建立问题的递阶层次结构；(首先，将复杂问题分解为称之为元素的各组成部分，把这些元素按属性不同分成若干组，以形成不同层次。同一层次的元素作为准则，对下一层次的某些元素起支配作用，同时它又受上一层次元素的支配。这种从上至下的支配关系形成了一个递阶层次。处于最上面的的层次通常只有一个元素，一般是分析问题的预定目标或理想结果。中间层次一般是准则、子准则。最低一层包括决策的方案。层次之间元素的支配关系不一定是完全的，即可以存在这样的元素，它并不支配下一层次的所有元素。)2.构造两两比较判断矩阵；3.由判断矩阵计算被比较元素相对权重；4.计算各层次元素的组合权重。
人们在进行社会的、经济的以及科学管理领域问题的系统分析中,面临的常常是一个由相互关联、相互制约的众多因素构成的复杂而往往缺少定量数据的系统.在这样的系统中,人们感兴趣的问题之一是：就n个不同事物所共有的某一性质而言,应该怎样对任一事物的所给性质表现出来的程度（排序权重）赋值,使得这些数值能客观地反映不同事物之间在该性质上的差异?层次分析法为这类问题的决策和排序提供了一种新的、简洁而实用的建模方法.它把复杂问题分解成组成因素,并按支配关系形成层次结构,然后用两两比较的方法确定决策方案的相对重要性.层次分析法在经济、科技、文化、军事、环境乃至社会发展等方面的管理决策中都有广泛的应用.常用来解决诸如综合评价、选择决策方案、估计和预测、投入量的分配等问题.运用层次分析法解决问题,大体可以分为四个步骤：1.建立问题的递阶层次结构；(首先,将复杂问题分解为称之为元素的各组成部分,把这些元素按属性不同分成若干组,以形成不同层次.同一层次的元素作为准则,对下一层次的某些元素起支配作用,同时它又受上一层次元素的支配.这种从上至下的支配关系形成了一个递阶层次.处于最上面的的层次通常只有一个元素,一般是分析问题的预定目标或理想结果.中间层次一般是准则、子准则.最低一层包括决策的方案.层次之间元素的支配关系不一定是完全的,即可以存在这样的元素,它并不支配下一层次的所有元素.)2.构造两两比较判断矩阵；3.由判断矩阵计算被比较元素相对权重；4.计算各层次元素的组合权重.
层次分析法在人力资源管理方面的应用 作者：周红燕 -------------------------------------------------------------------------------- 入库时间：2005年7月1日 摘要：本文旨在应用层次分析法（AHP）对人力资源中的经常碰到的问题：岗位工资等级、绩效评估进行一个量化的分析，从而定义一个合理的薪酬水平，对员工做出公正的绩效评估，使员工觉得公平，使公司得到效率。 关键词：层次分析法、薪酬分析、决策变量、评判标准 1、什么是层次分析法 层次分析法(The analytic hierarchy process)简称AHP，是由Thomas L.Staaty 最先发明的用于解决包含多项标准时的复杂问题，在这个过程中，决策者需要判断各项评判标准的重要性、决策变量相对于评判标准的优先极。应用层次分析法可以给出各个标准的权重，各个决策变量相对于每项标准的优先级，量化决策变量，从而为决策提供依据。 层次分析法广泛地应用于设施规划、选址、决策等，笔者曾将之用于人力资源管理中的岗位薪酬分析，用这种方法对一个工厂的众多岗位的薪酬标准进行分析，从而定义出岗位工资，这对于薪酬分配的公平性具有很重要的意义。 层次分析法中有几个很重要的定义 决策变量（Decision variate）：要进行判断进行取舍的参量 评判标准（Criteria）：用以做为比较指标的参量 优先级(Preference)：重要性 权重（weight）：指定给某数字反映其重要性的系数 2、案例： 在一个工厂里，有一百多个岗位，这些岗位复杂程度各不相同，工作的环境各不一样，一个合理的岗位工资分配制度对于提高员工满意度、体现人力资源的公平性具有非常重要的作用，而该工厂所处的行业比较特殊，没有可以借鉴的经验，必须由该工厂对自已的岗位工资水平进行合理地定义。 现已知社会的平均工资水平，该公司决定比社会平均工资水平高10%做为公司总的基数，如何对工厂内部各个岗位的工资基数进行分配，这是该文章要解决的问题。 本文以一线员工的岗位工资为例，在对公司各层次的调查中，大家一致同意将劳动强度、岗位技术含量、生产出的产品对质量的影响以及该岗位员工的获得性做为一个评判标准。 1) 劳动强度：越高则工资应该越高； 2) 技术含量：越高则工资应该越高； 3) 对质量影响：影响越大则工资应该越高； 4) 工人获得性：越难获得的岗位，工资应该越高。 以A、B、C、D四个岗位为例，利用层次分析法进行分析求出这四个岗位的薪酬水平应该怎样分配，才是合理的，在这里A、B、C、D是我们要分析的决策变量。 3.利用层次分析法进行分析 3.1 对劳动强度这项标准进行分析 将A、B、C、D四个岗位两两进行比较，如岗位A这一列，岗位A同岗位A比，劳动强度相等的，岗位B在劳动强度方面没有A高，它的劳动强度只有岗位A的2/3，而岗位C的劳动强度是岗位A的1/5,岗位D的劳动强度是岗位A的1/3，以此类推，两两比较，得出其它3列的系数。将每一列的求和，如下表： 表1. A、B、C、D岗位在劳动强度方面两两比较的列之和：劳动强度岗位A 岗位B 岗位C 岗位D 岗位A 1.00 1.50 5.00 3.00 岗位B 2/3 1.00 3.00 2.67 岗位C 1/5 0.33 1.00 0.50 岗位D 1/3 0.38 2.00 1.00 列之和 2.20 3.21 11.00 7.17 将每一个系数除以每列之和，得出以下得数，每行求和：如第一行： （1.00/2.2+1.5/3.21+5/11+3/7.17=0.45 表2 .各决策变量相对于劳动强度的优先级劳动强度岗位A 岗位B 岗位C 岗位D 行平均 岗位A 0.45 0.47 0.45 0.42 0.45 岗位B 0.30 0.31 0.27 0.37 0.31 岗位C 0.09 0.10 0.09 0.07 0.09 岗位D 0.15 0.12 0.18 0.14 0.15 1.00 用这种方法可以得出岗位A、B、C、D相对于劳动强度这个评判标准的优先级，即当我们考虑岗位的劳动强度的话，从以上计算可知，岗位A的劳动强度是最大的。以下是各个岗位的优先级。3.2 用同样方法计算出A、B、C、D四个岗位相对于其它三个评判标准技术含量、对质量影响、员工获得性的优先级。 同样方法计算岗位A、B、C、D相对于其它评判标准的优先级。 表3 .岗位A、B、C、D相对于技术含量的优先级技术含量岗位A 岗位B 岗位C 岗位D 优先级 岗位A 1.00 0.25 0.17 0.55 0.08 岗位B 4.00 1.00 0.33 1.43 0.24 岗位C 6.00 3.00 1.00 2.50 0.51 岗位D 1.82 0.70 0.40 1.00 0.1712.82 4.95 1.90 5.48 1.00表4 .岗位A、B、C、D相对于质量影响的优先级质量影响岗位A 岗位B 岗位C 岗位D 优先级 岗位A 1.00 0.33 4.00 0.20 0.21 岗位B 3.00 1.00 7.00 0.00 0.40 岗位C 0.25 0.14 1.00 0.00 0.05 岗位D 5.00 0.00 0.00 1.00 0.349.25 1.48 12.00 1.20 1.00表5.岗位A、B、C、D相对于工人获得性的优先级工人获得性岗位A 岗位B 岗位C 岗位D 优先级 岗位A 1.00 0.33 0.25 0.50 0.10 岗位B 3.00 1.00 0.50 1.30 0.26 岗位C 4.00 2.00 1.00 2.50 0.46 岗位D 2.00 0.77 0.40 1.00 0.1910.00 4.10 2.15 5.30 1.003.3比较各个评判标准的权重 对劳动强度、技术含量、对质量影响、工人的获得性这四项评判标准进行两两比较，得出各个评判标准的权重： 表6 .各个评判标准两两比较的结果劳动强度 技术含量 质量影响 工人获得性 劳动强度 1.00 0.67 0.75 1.20 技术含量 1.50 1.00 1.13 1.80 质量影响 1.33 0.89 1.00 1.60 工人获得性 0.83 0.56 0.63 1.00然后算出各个评判断标准的权重： 表7 .各个评判标准的权重劳动强度 技术含量 质量影响 工人获得性 行平均 劳动强度 0.21 0.23 0.20 0.21 0.21 技术含量 0.32 0.34 0.38 0.32 0.34 质量影响 0.29 0.24 0.26 0.29 0.27 工人获得性 0.18 0.19 0.16 0.18 0.18 1.00 表8.用上述方法求出各评判标准的权重：4个评判标准的权重 劳动强度 0.21 技术含量 0.34 质量影响 0.27 工人获得性 0.18 3．4 用层次分析法，求各岗位的总的优先级： 求出了各个岗位的劳动强度、技术含量、质量影响、工人的获得性四个评判断标准的优先级，将各个岗位对应的评判标准的优先级分别与对应的评判标准的权重相乘，就可以得到各个岗位的量化的指标。3.5 当已决定工厂的平均岗位工资为1000元时,可以算出各个岗位的工资基数: 岗位A=0.2x4000=800（元） 岗位B=0.3x4000=1200（元） 岗位C=0.28x4000=1120（元） 岗位D=0.22x4000=880（元） 4.人力资源方面的其它用途 用层次分析法也可以对员工的绩效进行评估（performance appraise），尤其当同一岗位员工的工作性质一样的情况下，用层次分析法进行评比，可以得出比较公平的结果,以下以某岗位为例. 4.1 选取评判标准： 1) 技术水平： 2) 工作态度： 3) 工作完成程度： 4) 工作完成质量： 5) 对新知识的吸收： 4.2 用上述相同的方法两两比较员工针对以上评判标准的优先级. 4.3 用上述同样的方法求出上述5个评判标准的权重 表9.绩效评估中各个评判断标准的权重分析技术水平 工作态度 工作完成程度 完成质量 吸收新知识 权重 技术水平 1.00 1.80 1.80 1.13 3.00 0.30 工作态度 0.56 1.00 0.83 0.63 1.67 0.16 工作完成程度 0.67 1.20 1.00 0.75 2.00 0.19 完成质量 0.89 1.60 1.33 1.00 2.67 0.26 吸收新知识 0.33 0.60 0.50 0.38 1.00 0.10 3.44 6.20 5.47 3.88 10.33 1.00 4.4 将每个员工的相对于评判标准的优先级与各评判标准的权重进行相乘,然后比较各位员工的得分,量化评分结果，绩效评估结果令人信服。 运用层次分析法的关键是输入的比较值必须真实可信，通常可以用德尔菲法、头脑风暴法等进行操作，这样就能减少评判过程中不公平的地方，尤其是当没有外界资料进行借鉴的时候，用这种方法从零开始，可以最大程度地做到公正。 备注*、此处应做相容性的分析，限于篇幅，不做赘述 参考文献： 1、David R.Anderson, Dennis J.Sweeney, Thomas A Williams 著《管理科学导论》英文版第8版，机械工业出版社。一些图表不能显示清楚，具体请看链接吧
这个我就按照你的要求来
浅谈成分分析法与层次分析法论文
摘 要 ：传统句法分析法“成分分析法”，将句子的成分分为主、谓、宾、定、状、补。不得不说在语文教学方面，成分分析法的功劳是不能小觑的。但是，我们发现，汉语中有一些句法结构并不能用成分分析法有效的解决。于是，语言学家把美国结构主义描写学派的层次分析法引入到汉语句法分析中，取得了不菲的成绩。层次分析法解决了成分分析法无法解决的问题，但是，层次分析法自身也存在一些问题。本文将做较为详细的解释，在进行汉语结构分析的时候应该根据情况正确选择。
关键词： 成分分析法；层次分析法；优缺点；句法结构；歧义句
汉语中存在很多有趣的现象。譬如说，“咬死了猎人的狗”、“我没有考过”、“两个学校的领导”这一类的歧义句。再者，“台上坐着主席团”、“台上唱着戏”[1]这两个句子的成分和序列完全一样，均为“名1+动词+着+名2”但为什么“戏唱在台上”不符合正确的语法规范，而我们却可以说“主席团坐在台上”？进一步思考，我们会有一种明显的感觉，“台上坐着主席团”是静态的，“台上唱着戏”是动态的。那么，我们的这种直觉正确吗？再比如说，①“实习的学生”，②“实习的学校”均为偏正结构中的定中结构。定语都是“实习的”，但是我们会发现①中的“学生”在特定的语境中可以省略。比如说“我是实习的”。但是②中的“学校”在任何情况下都不可以省略，否则就会影响正常交流。“这是我实习的学校”绝不可以省略成“这是我实习的…”
为了更好地解决这些问题，我们必须找到一些行之有效的分析方法。以句法为出发点，解释说明各种的语言现象的`分析方法，我们一般称之为“句法分析法”与之相关的理论称之为“句法分析理论”研究一种句法结构或者说句式的特征，基本上有两种思路。一是，分析句式或句法结构的内部结构的构造特点。二是观察了解这一个句式和句法结构和其他的句式或句法结构之间的关系。我们所了解到的层次分析法和语义特征分析法属于前者。本文将主要探讨层次分析法和成分分析法。
首先，我们来看成分分析法。句子成分分析法又称“中心词分析法”，成分分析法是传统的句法分析方法。也是我们最早接触到的。早在小学的时候我们已经懂得基本的主谓宾。下面我们来实际运用一下成分分析法。
“勤劳的工人在最短时间里修好了一座简易的桥。”
按照成分分析法，句子中的主语是“工人”，谓语是“修”。而“工人”和“修”就是我们在分析时首先要找出来的全句的中心词。再来看，“修”是及物动词，后面可以接名词，比如说“修房子”所以，名词“桥”就是句子的另一个中心词，宾语。
从上面的例子中我们可以看出来成分分析法有自身的优点。采取成分分析法，容易把握出句子的整体脉络。用它来分析长单句，这种优势就更加明显了。比如说，
我国首次升空的“神州—3号”模拟载人飞船经过264个小时在太空运行之后按原先预定的时间安全、准确的返回原先计算好的我国西北部的某地区的地面。
按照成分分析法，这个句子的基本脉络就是“神州—3号”飞船返回地面。在处理这一类句中有很多修饰限定的成分的长单句时，利用成分分析法可以快速的找出句子的整体脉络。在语文教学中，具有很大的实践意义。
但是，在利用成分分析法进行句法分析的时候也会出现一些问题。下面我们一一的进行分析。
1、成分分析法不能有效的分析某些存在歧义的句子，不能挖掘出句子内在的规律。
上文中提到了“两个学校的领导”我们就以这个为例。
“今天，两个学校的领导都来了。”按照成分分析法，“领导”和“来”是全句的中心词，分别作为句子的主语和谓语。所以，这个句子的基本脉络就是“领导来了”但是，这个句子明显是一个歧义句。所以，采用成分分析法解释歧义句的时候就会出现问题。
“她的头发剪短了点儿。”我们再来看这句话，按照成分分析法，“头发”和“短”是句子的中心词，非别为主语和谓语。所以，句子的脉络就是“头发短”。但是，对这个句子进行内部的分析，我们会发现这个句子具有两方面的含义。
①减了之后，她的头发比之前短。（达到了理想中的效果）
②她的头发剪得太短了。（没有实现理想的效果）
2、分析出来的句子脉络不成立。
比如：她爱好古筝。（她爱好。）
陋习必须改掉。（陋习改掉。）
3、分析出来的句子脉络在语法上虽然成立，却和原句的意义不同了。
比如：老奶奶哭瞎了双眼。（老奶奶瞎。）
便利店方便了周围的居民。（便利店方便）
通过上面的分析，我们不难看出以下几点：
1、成分分析法分析的对象只能单句，对复杂句是无能无力的。
2、在分析过程中，我们首先找出句子的中心词，也就是作为句子主语和谓语的部分。
谓语和主语的关系是陈述和被陈述的关系。其次，在确定其他的成分，而且，其他的成分依附于中心词。
3、从理论上讲，能做句子成分的只能是词。
为什么成分分析法会存在这样的问题？主要原因就在于成分分析法的重点在于句式或句法结构的各个成分。并没有关注句式或句法结构中的层次性。那么，问题来了，什么是层次性？按照朱德熙先生在语法问
层次分析法写论文一点都不难，层次分析法是将一个复杂的多目标决策问题做一个系统，将目标分解为多个目标或准则进而分解，所以层次分析法写作文是组最好写的层次分析法比较适合于具有分层交错评价指标的目标系统，而且目标值又难于定量描述的决策问题。