多属性决策方法能够对被评价系统进行精准描述，很好的处理多决策者、多指标、多动态的考察对象，适用范围非常广．

2.4  运筹学方法

数据包络分析模型（Data Envelopment Analysis ,DEA）是运筹学中的一种方法，它将决策单元相对有效性作为指标，是评价具有相同类型的多投入、多产出决策单元是否相对有效的重要方法，是非参数统计中重要方法之一．

DEA适用于评价对象的输出和输入，并表明评价单元的相对指标．

2.5  统计分析方法

（1）聚类分析法

聚类分析法[7]是一种多元统计的理想技术，它有效的避免了学科内容对专家主观判断的依赖，基于客观数据，用数学手段确定分界．对样品的分类是为Q型聚类分析，对变量的分类是R型聚类分析．聚类分析的指标有三种：间隔尺度、有序尺度以及名义尺度．聚类分析的主要方法有：

1. 系统聚类法；

2. 模糊聚类法；

3. K-均值法；

4. 有序样品的聚类；

5. 分解法；

6. 加入法．

（2）判别分析法

判别分析[8]又叫做分辨法，产生于20世纪30年代，它是指在类别明确的前提下，根据某一研究对象各种特征值判断其类型归属问题的一种多变量统计分析方法．判别分析法根据性质的不同分为定性资料的判别分析和定量资料的判别分析；根据不同的判别准则又可以分为费歇、贝叶斯、距离等判别方法．常用的线性判别分析可以利用SPSS统计软件对样本进行分析，也能够利用原始样本的数据推导建立模型．

判别分析主要应用在气候分类、农业区划分、土地类别划分等方面．

（3）主成分分析

主成分分析[9]（Principal Component Analysis，PCA）又被称作主分量分析．1933年，霍特林首先提出主成分分析方法，该方法是指将多个变量经过线性变换以选出较少个数重要变量的一种多元统计分析方法，广泛用于多指标的综合评价方法．主成分分析是通过降低维数的方法，在保证资料不失真的前提下，将指标转变化成几个综合指标的一种多元统计方法．

（4）因子分析

因子分析[10]是主成分分析的推广，正交因子模型是国际普遍使用的因子分析方法．因子分析类似于主成分分析一样，是通过降低维数的方法，从原始研究变量相关矩阵内部的关系出发，把具有复杂关系的变量总结成少数几个综合因子的一种多变量统计分析方法．

1904年，查尔斯﹒斯皮尔曼（Charles Spearman）对学生成绩进行考察，从而产生了因子分析方法．

2.6  系统工程法

（1）评分法

评分法也被叫做点数法，这种方法是评价者先选定若干因素，采用一定的分值来表示因素，然后根据事先确定的标准将每个因素进行评估和求值，再用加权求和，得出每个评价对象的总分值．

评分法比较可靠，容易接受，也有较强的适应性和稳定性．同时评分法也存在精力时间耗费大、系统建立困难、具有主观性等不足之处．

（2）关联矩阵法

关联矩阵法是运用矩阵的形式来表示各个替代方案有关的评价指标，以及有关指标的重要程度和关于具体指标的价值评定量之间的关系．

关联矩阵法对评价对象与权重可以进行很好的表示，确定各个替代方案的价值量．

（3）层次分析法

层次分析法[11]是一种将定性和定量分析方法结合的多目标决策分析方法．美国运筹学家萨蒂在上世纪70年代初最先提出层次分析法．层次分析法把一个多目标决策问题当做整体，然后进行分解，经过定性指标模糊量化方法算出层次单排序和总排序．