Phƣơng pháp phân tích đa chỉ tiêu (MCA - Multi-Criteria Analysis) là một phép phân tích tổ hợp các chỉ tiêu khác nhau để cho ra một kết quả cuối cùng. Các ứng dụng của MCA chủ yếu là đánh giá tác động của một quá trình đến môi trƣờng,
30
hỗ trợ bài toán quy hoạch để lựa chọn vị trí phù hợp nhất cho một mục đích xác định,… Các bƣớc cơ bản của MCA nhƣ sau [27]:
2.2.1. Định chỉ tiêu
Bƣớc đầu tiên trong phân tích đa chỉ tiêu là định ra các chỉ tiêu khác nhau đƣợc tính đến. Đa số các trƣờng hợp một chỉ tiêu không phải là một biến đơn giản mà là tổ hợp của các dữ liệu thuộc tính và hình học khác nhau.
Ví dụ địa điểm thích hợp cho bãi chôn lấp chất thải rắn sinh hoạt có 3 chỉ tiêu sau: chỉ tiêu về kinh tế (BCL nên xây dựng ở những khu vực đất chƣa sử dụng, đất nông nghiệp hiệu quả kinh tế thấp; giảm thiểu khoảng cách vận chuyển rác từ thành phố đến bãi), chỉ tiêu về môi trƣờng (tăng khoảng cách đến hệ thống thuỷ văn), chỉ tiêu xã hội (tăng khoảng cách đến khu dân cƣ).
Các chỉ tiêu này phục vụ cho việc thu thập các dữ liệu đầu vào hay chính là các bản đồ xuất phát đầu tiên. Qua các chức năng phân tích không gian của GIS, chúng ta sẽ có các thông tin cần thiết hay là bản đồ chiết xuất.
2.2.2. Phân khoảng các chỉ tiêu
Các chỉ tiêu có tầm quan trọng khác nhau đối với một mục đích nhất định và trong từng chỉ tiêu, mức độ thích hợp cũng khác nhau. Vì vậy mà chúng phải đƣợc xếp theo thứ tự cho một mục đích riêng biệt. Có 2 cách tiếp cận để thực hiện sự phân hạng này là cách tiếp cận kiểu Boolean và cách tiếp cận kiểu nhân tố phân loại hoặc liên tục [17].
a. Cách tiếp cận kiểu Boolean
Cách tiếp cận này dựa trên việc phân vùng ra thành 2 nhóm: vùng thích hợp (giá trị 1) và vùng không thích hợp (giá trị 0). Ví dụ với chỉ tiêu là BCL CTR phải nằm cách khu dân cƣ đô thị 3 km. Điều đó có nghĩa là những vùng nằm ngoài khoảng cách 3 km từ ranh giới đô thị là thích hợp, các vùng khác không thích hợp. Trong cách tiếp cận này, các chỉ tiêu đều cần đƣợc chuyển sang kiểu giới hạn Boolean. Cuối cùng chúng đƣợc giải mã thành những bản đồ và chồng ghép để cho ra các vùng thoả mãn tất cả các giới hạn (các giới hạn còn đƣợc gọi là constraint criteria). Cách tiếp cận này rất có ích khi chúng ta biết đƣợc mức độ thích hợp trong một vài mục đích nhất định và thƣờng là đơn giản. Trong trƣờng hợp các chỉ tiêu phức tạp và có mức độ quan trọng khác nhau thì phƣơng pháp Boolean không thích hợp vì nhƣợc điểm của nó là xem xét các nhân tố với mức độ quan trọng nhƣ nhau.
b. Cách tiếp cận nhân tố phân loại hoặc liên tục
Khi các chỉ tiêu có mức độ ảnh hƣởng khác nhau về vấn đề nghiên cứu thì phƣơng pháp nên sử dụng là theo cách tiếp cận nhân tố phân loại hoặc liên tục.
31
tƣơng quan rõ ràng với nhau thì một thang tỷ lệ liên tục đƣợc xác lập. Để tạo thang tỷ lệ này thì dữ liệu giá trị cần đƣợc lập lại tỷ lệ. Phƣơng pháp đƣợc sử dụng là phép định lại tỷ lệ kiểu tuyến tính:
) /(
)
( i mini maxi mini
i x x x x
X (2.1)
Xi: Định lại điểm số của nhân tố i;
xi: Điểm gốc;
i
xmin : Điểm nhỏ nhất;
i
xmax : Điểm lớn nhất.
Khi điểm số có giá trị tỷ lệ nghịch với mức độ thích hợp tức là giá trị càng thấp thì càng có điểm cao khi đó công thức sẽ đƣợc chuyển thành:
) /(
)
( maxi i maxi mini
i x x x x (adsbygoogle = window.adsbygoogle || []).push({});
X (2.2)
Ví dụ nhƣ khoảng cách từ bãi chôn lấp đến ranh giới thành phố càng gần càng tốt thì điểm càng cao để giảm thiểu tuyến đƣờng vận chuyển rác.
Nếu các giá trị của các chỉ tiêu là giá trị số liên tục nhƣng không có tƣơng quan rõ ràng với mức độ thích hợp hoặc khi các giá trị không đƣợc thể hiện dƣới dạng số thì các giá trị đó có thể đƣợc xếp hạng theo thang tỷ lệ phân loại. Ví dụ nhƣ chỉ tiêu về hiện trạng sử dụng đất cho mục đích bố trí BCL CTR có thể phân loại nhƣ sau: 3 điểm: đất chƣa sử dụng(rất thích hợp), 2 điểm: đất nông nghiệp hiệu quả thấp (thích hợp), 1 điểm: đất nhà tạm, đất nghĩa địa (ít thích hợp), 0 điểm: các mục đích sử dụng khác (không thích hợp).
Phân loại nhƣ vậy có thể thực hiện cho bất kỳ nhân tố nào để làm cho chúng có thể so sánh đƣợc với nhau.
2.2.3. Xác định trọng số
Xác định trọng số cho các chỉ tiêu rất quan trọng trong việc đánh giá tính hợp lý về vị trí không gian của phƣơng án quy hoạch. Một phƣơng án đánh giá cần có rất nhiều chỉ tiêu, nhƣng không phải mức độ quan trọng của chỉ tiêu nào cũng giống nhau. Đại đa số các trƣờng hợp là khác nhau và cần phải xác định mức độ quan trọng tƣơng đối của chúng. Trọng số của các chỉ tiêu có thể tính thông qua thuật toán thống kê, phép đo, hoặc dựa trên kinh nghiệm, hiểu biết chủ quan của chuyên gia. Quá trình phân tích phân cấp (Analytical Hierarchy Process - AHP) đƣợc phát triển bởi Thomas L. Saaty là một kỹ thuật đƣa ra quyết định mà ở đó có một số hữu hạn các lựa chọn, nhƣng mỗi lựa chọn lại có những đặc tính khác nhau, khó khăn trong việc quyết định.
32
làm việc. AHP có thể giúp xác định và đánh giá lƣợng hóa các tiêu chí, phân tích các dữ liệu thu thập đƣợc theo các tiêu chí đó, và thúc đẩy việc ra quyết định nhanh hơn, chính xác hơn. Nó giúp cân nhắc và đo lƣờng các yếu tố cả về chủ quan và khách quan, tạo nên một cơ chế hữu dụng để đảm bảo tính nhất quán trong việc đánh giá, đo lƣờng các giải pháp và các đề xuất đƣợc đƣa ra trong nhóm làm việc. Quy trình AHP dựa trên một loạt các cặp so sánh các tiêu chí với nhau, sau đó các cặp so sánh đó đƣợc kết hợp lại. Một quy trình AHP có thể đƣợc tóm tắt thành các bƣớc sau [23]:
1. Xác định các phƣơng án có thể có, và xác định các tiêu chí quan trọng trong việc quyết định;
2. Với mỗi tiêu chí của mỗi cặp phƣơng án, ngƣời ra quyết định sẽ thể hiện ý kiến của mình về tầm quan trọng của chúng so với nhau (Ví dụ địa điểm của phƣơng án A tốt hơn địa điểm của phƣơng án B) dƣới dạng một phân số có giá trị từ 1/9 - 9;
3. Ngƣời ra quyết định sẽ xác định tầm quan trọng tƣơng đối của các tiêu chí. Ví dụ, nếu đang cân nhắc phƣơng án mua một căn nhà, nhà đầu tƣ có thể nói rằng với tôi địa điểm là quan trọng nhất, sau đó đến giá cả và cuối cùng là thời gian;
4. Mỗi ma trận về tầm quan trọng này sẽ đƣợc đánh giá bằng cách sử dụng các giá trị số để đảm bảo tính thống nhất của câu trả lời. Bƣớc này sẽ sinh ra một "hệ số nhất quán" và giá trị bằng "1" nghĩa là các tiêu chí và tầm quan trọng của chúng đã thực sự nhất quán. Tuy nhiên, giá trị này sẽ nhỏ hơn một nếu ngƣời ra quyết định nói rằng: X quan trọng hơn Y, Y quan trọng hơn Z và Z lại quan trọng hơn X (vị trí nhƣ vậy sẽ không nhất quán với nhau) Chính đây là bƣớc tạo nên làm cho mọi ngƣời tin rằng AHP là một mô hình, mà trên lý thuyết, nó đƣợc xây dựng có căn cứ vững chắc;
5. Sau đó, mỗi phƣơng án sẽ đƣợc tính toán và cho điểm. Dựa trên số điểm có đƣợc, quyết định cuối cùng sẽ đƣợc lựa chọn.
Hình 2.5. Thang điểm so sánh các chỉ tiêu
1 3 5 7 9 1/5 1/7 1/9 Quan trọng nhƣ nhau Quan trọng hơn Quan trọng nhiều hơn Rất quan trọng hơn Ít quan trọng hơn Rất ít quan trọng Vô cùng ít quan trọng 1/3 Ít quan trọng nhiều hơn Vô cùng quan trọng hơn
33
Xét một ví dụ về mức độ quan trọng của các chỉ tiêu X1; X2; X3: X1 so với X2 = 1/3 (X2 quan trọng hơn X1)
X1 so vơi X3 = 5 (X1 quan trọng hơn nhiều X3) X2 so với X3 = 7 (X2 quan trọng hơn rất nhiều X3)
a. Mức độ quan trọng của các chỉ tiêu X1 X2 X3 X1 1 1/3 5 X2 3 1 7 X3 1/5 1/7 1 Tổng 21/5 31/21 13 b. Chuẩn hoá ma trận X1 X2 X3 X1 5/21 7/31 5/3 X2 5/7 21/31 7/13 X3 1/21 3/3 1/3 Tổng 1 1 1 c. Trọng số của các chỉ tiêu WX1 0,2828 WX2 0,643 WX3 0,0738
Hình 2.6. Mức độ quan trọng của các chỉ tiêu và cách tính trọng số
Ma trận mức độ quan trọng của các chỉ tiêu thƣờng đƣợc xây dựng dựa trên ý kiến chuyên gia. Đối với ma trận này cần chú ý các vấn đề sau:
- Thứ nhất: Đây là ma trận phụ thuộc vào ý kiến chủ quan của ngƣời ra quyết định. Ví dụ chỉ tiêu X1 quan trọng hơn chỉ tiêu X2 nhƣng giá trị quan trọng gấp bao nhiêu lần thì có thể tuỳ từng ngƣời.
- Thứ hai: Cần phải xem xét đến tính nhất quán của đánh giá. Tức là nếu chỉ tiêu X2 quan trọng gấp 3 lần chỉ tiêu X1, chỉ tiêu X1 quan trọng gấp 5 lần chỉ tiêu X3 thì về toán học, chỉ tiêu X2 sẽ quan trọng gấp 15 lần chỉ tiêu X3. Tuy nhiên, ý kiến chuyên gia trong thực tế sẽ không phải nhƣ vậy do họ không bao quát đƣợc tính logic của ma trận so sánh (và cũng không nên cố gắng bao quát nhằm đảm bảo tính khách quan của đánh giá).
Vậy có phƣơng pháp nào đánh giá tính hợp lý của các giá trị mức độ quan trọng của các chỉ tiêu? Theo Thomas L. Saaty, ta có thể sử dụng tỷ số nhất quán của dữ liệu (Consistency Ratio - CR). Tỷ số này so sánh mức độ nhất quán với tính khách quan (ngẫu nhiên) của dữ liệu [22]: