基于DEA模型的模糊综合评判方法

1、I摘 要模糊综合评判法是以模糊数学为基础,应用模糊关系合成的原理,将一些界限不分明、不易定量的因素定量的一种方法.本论文利用数据包络分析（DEA）和线性规划的有关理论,对模糊综合评判方法做进一步的探讨,给出一个建立在 DEA 模型基础上的模糊综合评判方法.将原来运用模糊综合评判方法计算的例子运用基于 DEA 模型的模糊综合评判方法重新计算,克服了模糊综合评判方法的缺点,克服人为评价的主观性,使建立的模型更具客观性.关键词：关键词：模糊综合评判；数据包络分析(DEA)；产品评价AbstractFuzzy comprehensive evaluation method is a kind of m

2、ethod, which based on fuzzy mathematics, and quantified some ill-defined, difficult to quantitative factors with the application of the synthesis principle of fuzzy relations. We make use of the data envelopment analysis (DEA) theory and the theory of linear programming, a further research of fuzzy

3、comprehensive assessment method is given in this paper, and a new fuzzy comprehensive assessment method based on data envelopment analysis model is provided. The original use of the example of the use of fuzzy comprehensive evaluation method to recalculate the fuzzy comprehensive evaluation method b

4、ased on DEA model to overcome the shortcomings of fuzzy comprehensive evaluation method to overcome the subjectivity of human evaluation, to make the model more objective.Keywords: Fuzzy Comprehensive Assessment Method；DEA(data envelopment analysis)； product evaluation目 录摘 要.（）ABSTRACT.（）1 引言.（1）2 模

5、糊综合评判方法.（2）2.1 模糊综合评判方法的基本概念.（2）2.2 模糊综合评判的模型.（3）2.3 多级综合评判.（4）2.4 模糊综合评判方法的应用.（4）3 DEA 模型简介.（6）3.1 简单介绍 DEA 模型及其应用领域.（6）3.2 数据包络分析基本概念.（6）3.3 DEA 的对偶输入模型和对偶输出模型.（8）4 模糊 DEA 模型的建立及求解.（10）4.1 两种评价方法集成思想的提出.（10）4.2 模糊综合评判新模型方法的机理.（10）4.3 算例.（13）结束语.（16）参考文献.（17）致谢.（18）11 引言1965 年 L.A.Zadeh 的开创性论文“模糊集合

6、” （Fuzzy set, information and Controe）的发表,创造了讨论模糊不确定性问题的数学方法模糊数学.模糊综合评判是借助模糊数学的一些概念，对实际的综合评价问题提供一些评价的方法，它是以模糊数学为基础的.现如今模糊综合评判方法已在许多领域得到应用,成为一种重要的系统评价方法.但在具体应用过程中,模糊综合评判方法仅能告诉各决策方案的好坏程度,却无法找出较差方案无效的原因.特别是在模糊综合评判过程中,各因素的权重分配主要靠人的主观判断,而当因素较多时,权系数往往难以恰当分配.数据包络分析 (Data Envelopment Analysis,简称 DEA)是著名运筹学家

7、1A.Charnes 和 W.W.Cooper 等学者以“相对效率评价”概念为基础发展起来的一种新的行之有效的系统分析方法.自 1978 年第一个 DEA 模型模型(也称 CCR 模型)2C R建立以来,有关的理论研究不断深入,应用领域日益广泛.从在相对效率与效益评价方面的应用,在经济系统建模与参数估计方面的应用,在成本、收益和利润分析方面的应用到在预测和预警方面的应用和在系统分类与控制方面的应用,可以说,DEA 方法现已成为管理科学、系统工程、决策分析和评价技术等领域一种重要而有效的分析工具和手段.因而,DEA 领域的研究吸引了众多学者. 如果我们将模糊集合论与数据包络分析方法相结合,提出一

8、种模糊 DEA 评判方法,并且应用在现实问题的评价进行讨论，将能够克服模糊综合评判方法的缺点,克服人为评价的主观性,使建立的模型更具客观性.本论文首先介绍了模糊综合评判方法的概念和基本模型,并举例说明其应用；其次,介绍了数据包络分析(DEA)方法的定义及其基本模型；第三,将模糊评判方法和DEA 模型相结合,提出两种评价方法的集成思想；最后,本文给出了一个建立在模糊综合评判过程基础上的 DEA 模型,指出它不仅是对模糊综合评判方法的必要补充,而且还为应用 DEA 方法评价一类含有模糊因素的问题提供了一种可行的思路和方法.22 模糊综合评判方法2.1 模糊综合评判方法的基本概念模糊综合评判是模糊决

9、策中最常用的一种有效方法.在实际中,常常需要对一个事物做出评价（或评估）,一般都涉及多个因素或多个指标,此时就要求我们根据这些因素对事物做出综合评价,这就是所谓的综合评判,即综合评判就是要对多个因素影响的事物（或对象）做出全面的评价,故模糊综合评判又称为模糊综合决策或模糊多元决策.F F 集的基本概念集的基本概念：人们所熟悉的普通集(为了与模糊集相区别,故称之为普通集)1论要求：论域中每个元,对于子集来说,要么,要么,二者必居其UuAUuAu A一,且仅居其一,决不允许模棱两可.因此,子集可用 0 和 1 两个数来刻画.A定义 2.1 设在论域上给定了一个映射1U :0,1A U |( )uA

10、 u则称为上的模糊(Fuzzy)集,称为的隶属函数(或称为对的隶属度).AU( )A uAuA定义 2.2 称映射1 :( )( )Tf Uf V为从到的一个 F 变换.UV定理 2.1 任给,唯一确定从到的一个 F 变换,记作1()Rf UVUV :( )( )RTf Uf V使对任意,均有( )Af U( )( )RTAA Rf V这里, 2.2 模糊综合评判的模型许多事情的边界并不十分明显,评价时很难将其归于某个类别,于是我们先对单个因素进行评价,然后对所有因素进行综合模糊评价,防止遗漏任何统计信息和信息的中途损失,这有助于解决用“是”或“否”这样的确定性评价带来的对客观真实的偏离问题.

11、 定义 2.3设评判对象为 P: (1)因素集,设与被评判对象相关的112 ,mUu uu因素有 m 个；(2)评判等级集,设所有可能出现的评语有 n 个；(3)单12 ,nVv vv()( )( ( )( , )u UA R vA uR u v vV3因素判断,即对单因素的评判,得到 V 上的 F 集,所以它是从(1,2,)iu im12(,)iiimr rr到的一个 F 映射UV :( )f Uf V 12|(,)iiiinur rr按定理 1,F 映射可以确定一个 F 关系, 称为评判矩阵.f它是由所有对单因素评判的 F 集组成的.由于各因素地位未必相等,所以需对各因素加权.用上的 F

12、集U表示各因素的权系数分配,它与评判矩阵的合成,得出综合评价集12(,)mAa aaR,则12( ,)nBb bb 12( ,)nA RBb bb其中, 12(,)mAa aa ( ),0,1ijm nijRrr1(),1,2,mjiijibarjn它是对各因素的综合评判,最后根据最大隶属度原则,选择综合评价集中最大的 B所对应的等级作为综合评判结果.于是得到综合评判模型 I,记.jv( , )M 在进行综合评判时,可采取实数的加乘法来代替“”运算,得到的仍然是集,只, F要满足一定条件即可.称为权数.于是有(1,2,)ia im12( ,)nA RBb bb其中, ,12(,)mAa aa1

13、1miia0ia ( ),0,1ijm nijRrr1,1,2,nji ijiba rjn称其为模型 II,记.如果得出综合评价结果并不是归一化的结果,则经归一( , )M 化后,得 ,于是可确定对象的评判等级.12 ,mBb bbP一级综合评判模型定义如下一级综合评判模型定义如下：定义 2.4设个变量的函数满足1n:0,10,1nfm nR111212122212.nnmmmnrrrrrrRrrrjb4(1), ；(0,0,0)0f(1,1,1)1f(2)如果,则；iixx1212( ,)( ,)nnf x xxf x xx(3)；00001212lim( ,)(,)iinnxxf x xx

14、f xxx(4)；111212(,)( ,)( ,)nnnnf xxxxf x xxg x xx则称 为评判函数,其中.:0,10,1ng2.3 多级综合评判如果评价对象的有关因素很多,很难合理地定出权系数分配,即难以真实地反映各因素在整体的地位,这时需采用多级评判.例如在专业评估中,要从所学的课程来评价某个班的学习情况.由于所学的课程很多,为此将这些课程分为基础课、专业基础课、专业课和公共课四类,先对每一类进行综合评判,将其结果看成是一个单因素评判.将这四类课程看成四个因素并赋予权重 A,进行第二级的综合评判.其模型如下:模型 III是第 类课程评判的结果,而是类之间的综合评判结果.iBC进

15、行二级评判时,如果各类包括的因素仍然太多,又可以将每一类按某一属性再分为若干类,进行三级或更多级的综合评判.2.4 模糊综合评判方法的应用 例例 1 1 服装评判(1) 因素集,其中:花色；:样式；:耐穿程度；:价格.1234 ,Uu u u u1u2u3u4u(2) 评价集,其中:很欢迎；:较欢迎；:不太欢迎；:不欢1234 ,Vv v v v1v2v3v4v迎.(3) 单因素评价 可以请若干专业人员与顾客,对于某种服饰,单就花色表态,如果有 20%的很欢迎,50%的人较欢迎,20%的人不太欢迎,10%的人不欢迎,便可以得到1(0.2,0.5,0.2,0.1)u 类似地对其他因素进行单因素评

16、价,得到一个从到的模糊映射：UV1112224333444()ijmARBARBCA BAAAbARBARBi234|(0.7,0.2,0.1,0),|(0,0.4,0.5,0.1),|(0.2,0.3,0.5,0).uuu:( )f UVf5由上述单因素评价,可诱导出模糊关系,即得单因素评价矩阵fRR(4)综合评判不妨设有这样的两类顾客,他们对各因素所持的权重分别为用模型计算可得这两类顾客对服装的综合评价评判为( , )M 11(0.2,0.3,0.4,0.1);BAR22(0.35,0.4,0.2,0.1).BAR对进行归一化得：12,B B 1(0.2,0.3,0.4,0.1);B 2(

17、0.33,0.38,0.19,0.1).B 按最大隶属原则,第一类顾客对此种服装不太欢迎,第二类顾客则比较欢迎.在第四章,我们还会运用新方法来求解该问题.0.1000R12(0.1,0.2,0.3,0.4);(0.4,0.35,0.15,0.1).AA63DEA 模型简介3.1 简单介绍 DEA 模型及其应用领域DEA 是使用数学规划(包括线性规划、多目标规划、具有锥形结构的广义最优化、半无限规划、随机规划等)模型,评价具有多个输入、特别是多个输出的“部门”或“单位”(称为“决策单元”,简记 DMU)间的相对有效性(称为

18、DEA 有效). 3实际上“效率”或“相对有效性”的概念也是指产出与投入之比,不过是加权意义之下的产出投入比.根据对各 DMU 观察的数据判断 DMU 是否为 DEA 有效,本质上是判断 DMU 是否位于可能集的“生产前沿面”上.DEA 方法的主要步骤分三步：(1)决策单元的选取；(2)投入产出项的选取；(3)DEA 模式的选取；(4)评估结果的分析.目前,用 DEA 方法进行评价的工作领域越来越广,主要分为：1)相对效率与效益评价方面.例如对非单纯盈利的公共服务部门如学校、医院、某些文化设施等,由于不能简单地用利润最大化来对它们的工作进行评价,也很难找到一个合理包含各个指标的效用函数因此,在

19、这方面可以认为 DEA 方法是对这类部门工作进行评价的有效方法.再如,一般地,某类产品在市场上有多种品种,即使同一型号的产品,生产厂家也不止一家,牌号也不止一个,因此,如何评估同类产品的质量就是一个比较复杂的问题,可以用 DEA 方法对不同牌号的同种产品进行质量分析.2)经济系统建模与参数估计方面.在一般情况下,靠应用机理来建立经济系统模型与估计参数是困难的.相比之下,应用 DEA 方法在综合评价基础上建立经济系统模型与估计参数所提供的信息则具有其现实意义.例如,应用 DEA 方法估计前沿生产函数,对技术进步的估计与评价和生产力指标的计算等.3)预测和预警方面.分为两方面：一方面,对于预测,D

20、EA 预测方法克服了传统常用的方法如回归统计预测方法中的“平滑性”,即平均趋势的预测,而进行的是“最优性”预测,即提供本部门所能达到的“最大”预测产值；另一方面,对于预警,为了开发适合我国国情的预警系统,国内学者建立了一个区域宏观经济预警系统,该系统属于一个多层次多组合覆盖面更广的预警系统的一部分,但又能独立地加以应用,由于该系统在样本分类、系统综合评判中都应用了 DEA 方法,所以称其为区域国民经济 DEA 预警系统（简记 DEAPS）.3.2 数据包络分析基本概念在中一般称被衡量绩效的组织为决策单元(decision making unitDEA7).假设各决策单元的输入数据和输出数据有下

21、图 3.1 给出：DMU 4设： 个决策单元() n1,2,jn每个决策单元有相同的 项投入(输入)( )m1,2,im 每个决策单元有相同的 项产出(输出) ()s1,2,rs第个对第 种类型输入的投入量ijxjDMUi第个对第 种类型输出的产出量rjyjDMUr( (图图 3.1)3.1)为了方便,记：决策单元iDMU输入指标12(,) ,1,2,TjjjmjXxxxjn输出指标12(,) ,1,2,TjjjsjYyyyjn权重分别为各输入、输出指标的权重1212(,) ,( ,)TTmsuu uu 对于权系数和,决策单元(即)的效率评价指数：mEsuEj,1jDMUjn我们总可以适当的选

22、取权系数和,使得u 效率评价指数的含义是：在权系数,之下,投入为,产出为时的产jhuTjXTju Y出与投入之比.为书写方便记()01jn0000,jjXXYY现在,考查的评价效率问题：以的效率指数0jDMU0jDMUy11y12y1ny21y22 y2nys1ys2ysnx11x12x1nx21x22 x2nxm1xm2xmnDMU1DMU2DMUnv11v22vmm1u12 u2s usy11y12y1ny21y22 y2nys1ys2ysnx11x12x1nx21x22 x2nxm1xm2xmnDMU1DMU2DMUnv11v22vmm1u12 u2s us,1,2,TjjTju Yhj

23、nX1,1,2,jhjn000TjTu YhX8为目标,以所有的决策单元()的效率指数(包括)1,2,jn0jDMU为约束,构成如下的分式规划问题(模型)2C R其中模型的变量为和.u原始的模型是一个分式规划,使用变换可以将其化为一个等价的线2C R2()IC R2C性规划的形式.为此,令因此,分式规划问题化为2()IC R其中和是变量.12(,)Tnww ww12(,)Ts 3.3 DEA 的对偶输入模型和对偶输出模型DEA 输入模型：基于投入的技术效率,即在一定产出下,以最小投入与实际投入之比来估计.或者说,决策者追求的倾向是输入的减少,即求 的最小.DEA 输出模型：基于产出的技术效率,

24、即在一定的投入组合下,以实际产出与最大产出之比来估计.或者说,决策者追求的倾向是输出的增大,即求 z 的最大.定理 3. 1 考虑的对偶输入模型和对偶输出模型： 52C R,1,2,TjjTju YhjnX2000max0,1, 2, ,()1,0,0.TTTjjIC RTyhXYjnPX220101min0,1,IC RnjjjIC RnjjjjVXXDYYjn00200max()1,1,2,.,0,0TIpTTITu YVXu YC RjnXu010,Tttt ux9和则为 的最优解的从分必要条件是： 为 的最优解.00, 22001001max0,1,C RnjjjC RnjjjjzVX

25、XDYzYjn00001,z20C RD2()IC RD104 模糊 DEA 模型的建立及求解4.1 两种评价方法集成思想的提出对于一个复杂的系统而言,由于牵涉的因素多,而且这些因素的关系也很难用经典数学语言来描述,所以往往只能用软评价方法进行评价.软评价方法就是以评委作为信息的来源,由评委对评价对象的各种因素依据评价标准做出的评价.在明确了评价对象、因素和标准后,计量方法(也即计量转换方式)尤其是加权(也就是合理地确定权重)对评价和决策有着重要意义.加权的方法大体上可以分为两种：一是经验加权,也称定性加权.它的主要优点是由评委直接估价,简便易行,如投票表决法；二是数学加权,也称定量加权.它以

26、经验为基础,数学原理为背景,间接生成,具有一定的科学性,如层次分析法(AHP).可是无论采用上述哪种加权方法,它们的权重都是根据评价者的主观来认定的,而不是由决策单元的实际数据自身求得的最优权重.模糊综合评判方法是典型软评价方法之一.应用它,必须事先确定权重.而当因素较多时,给出权重的大小往往是一件困难的事.另外,模糊综合评判方法仅从被决策单元自身的角度进行评价,而事实上各评价单元是相关的.如果充分依据同类单元间的这种联系,不仅可以发现被评价单元在同类单元中的相对有效性,而且还能根据同类单元提供的信息发现被评价单元的弱点,提出较差单元进一步改进的策略和办法.DEA 方法则恰恰可以克服上述不足,

27、DEA 评价单元是不是有效是相对于其他所有决策单元而言的.特别是,它把决策单元中各“输入”和“输出”的权重作为变量,通过对决策单元的实际原始数据进行计算而确定,排除了人为因素,具有很强的客观性.也就是说,该方法中各个评价对象的相对有效性是在对大量实际原始数据进行定量分析的基础上得来的,从而避免了人为主观确定权重的缺点.基于以上分析,有必要也有可能将模糊综合评判方法和 DEA 方法进行集成.在模糊综合评判过程基础上,引入 DEA 理论,通过巧妙构造 DEA 的“输入”和“输出”指标,建立新的系统综合评价模型方法.4.2 模糊综合评判新模型方法的机理如果一个评价对象相对于各因素的评价具有一定的模糊

28、性,那么就需要运用模糊集合论来研究.8设 为评价对象集,为评价对象个数；123,kWw w wwk 为评价因数集,为评价因数个数；123 ,mUu u uum 为评价等级集,为评价等级个数；123 ,.,nVv v vvn11(1) 对每一个评价对象,有模糊关系矩阵R称为某一评价对象的评价矩阵.式中为中因素对应中等级的隶属关系,即从因素着眼被评价对象能ijrUiuVjviu被评为等级的隶属程度,可以通过二相模糊统计法来确定,具体的来说就是评委在某jv个等级上划勾的人数占总评委人数的比值.(2) 对某个评价因素来说,则有一模糊关系矩阵.Q称为某一评价因素的评价矩阵.式中为中对象对应中等级的隶属关

29、系,即从对象着眼被评价因素能ijqWiwVjviw被评为等级的隶属程度,也可以通过二相模糊统计法来确定.jv9模糊 DEA 方法是在 DEA 方法的基础上建立起来的.DEA 方法是根据决策单元的“输入”和“输出”实测数据来估计“有效生产前沿面”的.其中,模型是 DEA 最2C R早提出也是应用最为广泛的模型.本文采用此模型进行讨论.10选取需要评价的对象(针对某因素而言)或因素(针对某对象而言)作为 DEA 的决策单元,以其评价矩阵的转置矩阵作为 DEA 决策单元的“输入”“输出”矩阵.对于 个决策单元,它有 种类型的“输入”以及 种类型的“输出”,.为ltstsnn评语个数. 表 4.1 D

30、EA 输入输出表决策单元12.l权重111x12x1lx1v221x22x2lx2v输 入.111121312212223233132333123.nnnmmmmmnRrrrrRrrrrRRrrrrRrrrr111213112122232231323333123.nnnkkkknKqqqqQqqqqQQqqqqQqqqqQ12t1tx2txtlxtv111y12y1ly1u221y22y2ly2u输 出s1sy2syslysu其中：以评价对象为决策单元时,；lk 以评价因素为决策单元时,；lm 为 DEA 输入的“权” ；12,lv vv 为 DEA 输出的“权” ；12,su uu记, 则可

31、用表示第12(,)TjjjtjXXXX12(,)TjjjsjYYYY1,2,jl(,)jjXY个决策单元.j相应于权系数,12( ,)TtVv vv12( ,)TsUu uu每个决策单元都有相应的评价效率评价指数()/()TTjjjhU YV X我们总是可以适当的选取权系数和,使得VU1jh 对于第个决策单元进行效率评价,以第个决策单元的效率指数为目标,以所有0j0j决策单元(包括第个决策单元)的效率指数为约束,构成最优化模型.原始的模型0j2C R是一个分式规划,当使用变化时,可将分式规划化为一个等价的线性线CharnesCooper性规划(LP)问题.相应于第个决策单元的线性规划模型为0j

32、0(1)jl s.t用线性规划的最优解来判断决策单元的有效性.利用上述模型评价决策单元是0j不是有效是相对于其它所有决策单元而言的.决策单元间的相对有效性也即决策单元的优劣.另外,还可以获得许多其它有用的管理信息.这些信息可以找出较差单元无效的原因,并能为较差单元的改进提供策略和办法.需要说明的是,评语的个数因具体问题及其要求不同,取值也不一定.(如优n3n 秀、合格、不合格)；(如优、良、中、差)；(如优、良、中、及格、不及4n 5n 格)等等.而且,具体取哪些等级为 DEA 的“输入”,哪些等级为 DEA 的“输出”,评价max0TjU Y0,1,2,.,TTjjV XU Yjl01TjV

33、 X0,0VU13结果也会有一些差异.上面讨论的是针对单因素的多对象评价和单因素的多因素评价,但是一般我们还要得到最终的多因素多对象综合评价结果.(1) 假如要评价个对象,即评价系统的决策单元有个.针对某个因素而言,我们kk首先统计评委对这个对象在该因素的等级比重(方法同传统的模糊综合评判).对某k个评价对象来说,我们可以得到一个线性规划模型,一共可以得到个线性规划模型.k这个线性规划模型的最优目标函数值,即为这个评价对象在该因素上的评价结果.kk对个对象所有因素上(假设有个)分别进行计算,按被评价者将其个结果相乘(加),kmm其积(和)可作为对该对象的总的评价结果.(2) 对某个对象来说,即

34、整个评价系统的一个子系统而言.取个评价因素为该系m统的决策单元,则在评委的等级比重的基础上(方法与上面相同),对每个因素都将对应有一个线性规划模型,个因素将需解个线性规划,这样求得某对象每个因素的最优mm目标函数值.它刻画了该对象在每个因素的表现,从而可以发现某对象的优点和弱点.对所有对象(假设有个)在个因素上的表现分别进行计算,可以观察到每个对象在km所有因素上的具体表现.以上可见,这种集成评价方法,最终不仅可以观察到每个对象在所有因素的具体表现,而且可以得到每个对象在所有因素表现的总的评价结果.4.3 算例下面我们将第二章的例子运用基于 DEA 模糊综合评判方法来计算,进行比较.在第二章中

35、的第四节,我们给出的服装评判的例子,下面我们用现在的新方法(即基于 DEA 的模糊综合评判法)来求解,如下例 2：例 2 服装评判(1)因素集,其中:花色；:样式；:耐穿程度；:价格.1234 ,Uu u u u1u2u3u4u(2)评价集,其中:很欢迎；:较欢迎；:不太欢迎；:不欢迎.1234 ,Vv v v v1v2v3v4v(3)单因素评价 可以请若干专业人员与顾客,对于某种服饰,单就花色表态,如果有 20%的很欢迎,50%的人较欢迎,20%的人不太欢迎,10%的人不欢迎,便可以得到1(0.2,0.5,0.2,0.1)u 类似地对其他因素进行单因素评价,得到一个从到的模糊映射：UV:(

36、)f UV234|(0.7,0.2,0.1,0),|(0,0.4,0.5,0.1),|(0.2,0.3,0.5,0).uuu14由上述单因素评价,可诱导出模糊关系,即得单因素评价矩阵fRR(4)综合评判不妨设有这样的两类顾客,他们对各因素所持的权重分别为我们,现在可以理解为：我们请了 10 名专业人员与顾客,对这种服饰进行了评价,分别在花色、样式、耐穿度、价格打勾统计,得到数据如下表 3,我们仅以不欢迎、不太欢迎作为 DEA 的“输入”,以较欢迎、很欢迎作为 DEA 的输出进行讨论：表 4.3.1 10 个评委该种服饰在四个因素上的表现打勾统计表花色样式耐穿度价格权重不欢迎10101q不太欢迎

37、21552q较欢迎52431p很欢迎27022p对每个因素(决策单元)都将得到一个线性规划模型.对花色而言,就有 1LPmax1252pp同理可得其它三个因素对应的线性规划模型经计算机用求解,得到四个线性规划的最优目标函数值分别为：LINDO：max=1.00001LP ：max =1.00001LP0.1000R12(0.1,0.2,0.3,0.4);(0.4,0.35,0.15,0.1).AA1212212121212121212125202701540.5320121,0qqppqppqqpstqppqqq qp p15：max =0.36361LP：max = 0.30001LP这就是这种服饰在四个因素评价结果.该种服饰在这花色和样式上的表现是两人很满意的,在价格和耐穿程度上的表现还行,总体上说该种服饰,对于比较注重价格和耐穿度的顾客来说,该服饰还是不太受