灰色关联度分析

灰色关联度分析法为了适应瞬息万变的市场需求, 企业不断调整自己的核心能力, 在产品的开发设计中更重视供应商的作用。

作为供应链合作关系运行的基础, 供应商的评价选择是一个至关重要的问题, 供应商的业绩对企业的影响越来越大,影响着企业的生存与发展。

因此, 进行科学全面的供应商评价就显得十分必要。

（1）确定比较对象产品质量、技术水平、供应能力、经济效益、市场影响度指标属于效益型指标；产品价格、地理位置、售后服务指标属于成本型指标。

i 指五个待选供应商编号，,5,,1 =i j 指八个指标8,,1j =，ij a 是第i 个供应商第j 个指标变量为了使每个属性变换后的最优值为1 且最差值为0，对数据进行标准0－1变换利润型指标标准化公式)/()(min maxmin j j j ij ij a a a a b --=成本型指标标准化公式)/()(min max max j j ij j ij a a a a b --=数据结果见下表。

（2）计算灰色关联系数)()(max max )()()()(max max )()(min min )(0000t x t x k x k x t x t x t x t x k s tsi s ts s ts -+--+-=ρρξ为比较数列对参考数列在第个指标上的关联系数，其中为]1,0[∈ρ分辨系数。

称式中)()(min min 0t x t x s ts-、)()(max max 0t x t x s ts-分别为两级最小差及两级最大差。

一般来讲，分辨系数ρ越大，分辨率越大；ρ越小，分辨率越小。

在这里ρ取0.5。

（3）计算灰色加权关联度 灰色加权关联度的计算公式为∑==nk i i k w r 1)(ξ这里i r 为第i 个评价对象对理想对象的灰色加权关联度。

关联系数和关联度值（4）评价分析根据灰色加权关联度的大小，对各评价对象进行排序，可建立评价对象的关联序，关联度越大其评价结果越好。

灰色关联分析1、作用对于两个系统之间的因素，其随时间或不同对象而变化的关联性大小的量度，称为关联度。

在系统发展过程中，若两个因素变化的趋势具有一致性，即同步变化程度较高，即可谓二者关联程度较高；反之，则较低。

因此，灰色关联分析是指对一个系统发展变化态势的定量描述和比较的方法，其基本思想是通过确定参考数据列和若干个比较数据列的几何形状相似程度来判断其联系是否紧密，它反映了曲线间的关联程度。

2、输入输出描述输入:特征序列为至少两项或以上的定量变量，母序列（关联对象）为 1 项定量变量。

输出:反应考核指标与母序列的关联程度。

3、案例示例案例:分析 09-18 年内，影院数量，观影人数，票价、电影上线数量这些因素对全年电影票房的影响。

其中电影票房是母序列，影院数量，观影人数，票价、电影上线数量是特征序列。

4、案例数据灰色关联分析案例数据5、案例操作Step1：新建分析；Step2：上传数据；Step3：选择对应数据打开后进行预览，确认无误后点击开始分析；step4：选择【灰色关联分析】；step5：查看对应的数据数据格式，【灰色关联分析】要求特征序列为定量变量，且至少有一项；要求母序列为定量变量，且只有一项。

step6：设置量纲处理方式（包括初值化、均值化、无处理）、分辨系数（ρ越小，分辨力越大，一般ρ的取值区间为 ( 0 ，1 )，具体取值可视情况而定。

当ρ≤ 0.5463 时，分辨力最好，通常取ρ = 0.5 ）step7：点击【开始分析】，完成全部操作。

6、输出结果分析输出结果 1：灰色关联系数图表说明:关联系数代表着该子序列与母序列对应维度上的关联程度值（数字越大，代表关联性越强）。

输出结果 2：关联系数图分析：输出结果 1 和输出结果 2 是一样的，输出结果 1 用了表格形式来呈现关联系数，输出结果 2 用了图表形式来呈现关联系数。

图表很直观地展现了，大多数年份的银幕数量和电影上线数量对票房影响更大。

灰色关联度分析一、 灰色关联分析及理论对于两系统之间的因素，其随时间或不同对象而变化的关联性的大小的量度，称为关联度。

在系统发展过程中，若两个因素变化的趋势具有一致性，即变化程度较高，即可谓二者的关联度较高；反之，则较低。

因此，灰色关联度分析方法，是根据因素之间发展趋势的相似或相异程度，即“灰色关联度”作为衡量因素之间关联程度的一种方法。

灰色系统理论提出了对各子系统进行灰色关联度分析的概念，意图透过一定方法，去寻求系统各子系统（或因素）之间数值的关系。

因此，灰色关联度分析对于一个系统的发展变化态势提供了量化的度量，非常适合动态历程分析。

灰色关联度分析方法模型灰色综合评价主要是依据以下模型：R=Y×W式中，R 为M 个被评价对象的综合评价结果向量；W 为N 个评价指标的权重向量；E 为各指标的评判矩阵，（矩阵略）)(k i ξ为第i 个被评价对象的第K 个指标与第K 个最优指标的关联系数。

根据R 的数值，进行排序。

（1）确定最优指标集设],,[**2*1n j j j F =,式中*k j 为第k 个指标的最优值。

此最优序列的每个指标值可以是诸评价对象的最优值，也可以是评估者公认的最优值。

选定最优指标集后，可构造矩阵D （矩阵略）式中ikj 为第i 个期货公司第k 个指标的原始数值。

（2）指标的规范化处理由于评判指标间通常是有不同的量纲和数量级，故不能直接进行比较，为了保证结果的可靠性，因此需要对原始指标进行规范处理。

设第k 个指标的变化区间为],[21k k j j ,1k j 为第k 个指标在所有被评价对象中的最小值，2k j 为第k 个指标在所有被评价对象中的最大值，则可以用下式将上式中的原始数值变成无量纲值)1,0(∈ikC 。

ikk k i ki k j j j j C --=21，m i,2,1=，n k ,,2,1 =（矩阵略）（3）计算综合评判结果 根据灰色系统理论，将],,,[}{**2*1*n C C C C=作为参考数列，将],,,[}{21i n i i C C C C =作为被比较数列，则用关联分析法分别求得第i 个被评价对象的第k 个指标与第k 个指标最优指标的关联系数，即i kkkii kki k k k ii k k kiCC C C C C C C k -+--+-=****i max max max max min min )ρρξ（式中)1,0(∈ρ，一般取5.0=ρ。

灰色关联分析灰色关联分析是一种常用于研究和预测多个影响因素之间关联程度的方法。

该分析方法可以通过对各个因素的数值进行比较，得出它们之间的关联强度，从而为决策提供依据。

下面将详细介绍灰色关联分析的原理、应用以及优势。

灰色关联分析的原理基于灰色系统理论，该理论是中国科学家陈纳德于1982年提出的一种对部分已知和部分未知信息进行分析的数学方法。

灰色关联分析将各个影响因素的数据进行标准化处理，然后计算各个因素之间的关联度。

通过对关联度进行排序，即可得出影响因素之间的关联程度大小。

灰色关联分析在各个领域都有广泛的应用，比如经济学、管理学、环境科学等。

在经济学领域，可以使用灰色关联分析来研究不同经济指标之间的关联程度，从而预测未来的经济趋势。

在管理学中，可以利用灰色关联分析来研究不同管理指标之间的关联程度，进而指导管理决策。

在环境科学领域，可以运用灰色关联分析来分析各个环境因素对生态系统的影响程度，以及控制污染等。

灰色关联分析相对于其他分析方法有一些独特的优势。

首先，它不要求数据分布满足正态分布等数学假设，可以对数据进行较好的处理。

其次，灰色关联分析可以处理样本量较小的情况，对于样本量不足的数据分析也有较好的适用性。

此外，由于灰色关联分析能够捕捉到数据之间的内在联系，因此对于某些非线性关系的分析，其结果可能更加准确。

然而，灰色关联分析也存在一些限制和不足之处。

首先，该分析方法依赖于数据的稳定性，对于非稳态的数据可能会导致分析结果不准确。

其次，灰色关联分析无法处理存在时间滞后效应的数据。

此外，该方法对数据的标准化要求较高，如果数据质量较差或者存在异常值，也会影响分析结果。

综上所述，灰色关联分析是一种研究和预测多个影响因素之间关联程度的有效方法。

它的原理基于灰色系统理论，可以在各个领域中广泛应用。

灰色关联分析相对于其他分析方法有一些独特的优势，但也存在一定限制。

在实际应用中，我们应该结合具体情况，合理选择分析方法，并充分考虑其适用性和局限性，以提高分析和决策的准确性。

灰色关联度公式灰色关联度分析方法是一种多因素间的关联度分析方法，适用于各种多因素间的关联度分析问题。

该方法在解决多因素间的关联度分析问题时，不需要事先建立准确的模型，也不需要事先明确各因素之间的关系，只需要给出各因素对应的历史数据序列即可。

灰色关联度公式是灰色关联度分析方法的核心，它通过比较多个因素的发展规律，评估它们之间的关联程度。

灰色关联度公式如下：$$\rho_ij = \frac{{min|y_{0i} - y_{0j}| + \Delta }}{{max|y_{0i} - y_{0j}| + \Delta }}$$其中，$\rho_ij$表示第$i$个因素和第$j$个因素的关联度，$y_{0i}$和$y_{0j}$分别表示第$i$个因素和第$j$个因素的数据序列，$\Delta$是关联度分析中的常数，用于处理零值和负值。

通过计算灰色关联度公式，可以得到各个因素间的关联度，从而进行比较和排序。

关联度越高，说明因素间的关联程度越大，反之，关联度越低，说明因素间的关联程度越小。

在实际应用中，灰色关联度分析方法常用于评估各种指标的综合质量，分析影响因素的重要性，确定影响因素的权重等。

下面是一些常见的应用场景和参考内容：1. 经济分析：可以使用灰色关联度分析方法分析影响经济增长的各个因素之间的关联程度，如GDP、消费水平、投资等因素间的关联度。

2. 产业分析：可以使用灰色关联度分析方法分析不同产业之间的关联程度，评估各个产业在整体产业结构中的重要性。

3. 市场营销：可以使用灰色关联度分析方法分析市场营销活动中各个因素的关联度，评估不同市场营销策略的效果。

4. 环境评价：可以使用灰色关联度分析方法评估环境影响因素之间的关联程度，确定主要的环境影响因素和其权重。

5. 工程管理：可以使用灰色关联度分析方法分析工程进度、质量、成本等因素之间的关联度，确定影响工程管理的主要因素和其权重。

总之，灰色关联度分析方法通过灰色关联度公式，可以帮助我们评估多个因素间的关联程度，并为决策提供依据。

灰色关联分析灰色关联分析(Grey Relational Analysis, GRA)什么是灰色关联分析灰色关联分析是指对一个系统发展变化态势的定量描述和比较的方法，其基本思想是通过确定参考数据列和若干个比较数据列的几何形状相似程度来判断其联系是否紧密，它反映了曲线间的关联程度[1]。

灰色系统理论是由著名学者邓聚龙教授首创的一种系统科学理论(Grey Theory)，其中的灰色关联分析是根据各因素变化曲线几何形状的相似程度，来判断因素之间关联程度的方法。

此方法通过对动态过程发展态势的量化分析，完成对系统内时间序列有关统计数据几何关系的比较，求出参考数列与各比较数列之间的灰色关联度。

与参考数列关联度越大的比较数列，其发展方向和速率与参考数列越接近，与参考数列的关系越紧密。

灰色关联分析方法要求样本容量可以少到4个，对数据无规律同样适用，不会出现量化结果与定性分析结果不符的情况。

其基本思想是将评价指标原始观测数进行无量纲化处理，计算关联系数、关联度以及根据关联度的大小对待评指标进行排序。

灰色关联度的应用涉及社会科学和自然科学的各个领域，尤其在社会经济领域，如国民经济各部门投资收益、区域经济优势分析、产业结构调整等方面，都取得较好的应用效果。

[2]关联度有绝对关联度和相对关联度之分，绝对关联度采用初始点零化法进行初值化处理，当分析的因素差异较大时，由于变量间的量纲不一致，往往影响分析，难以得出合理的结果。

而相对关联度用相对量进行分析，计算结果仅与序列相对于初始点的变化速率有关，与各观测数据大小无关，这在一定程度上弥补了绝对关联度的缺陷。

[2]灰色关联分析的步骤[2]灰色关联分析的具体计算步骤如下：第一步：确定分析数列。

确定反映系统行为特征的参考数列和影响系统行为的比较数列。

反映系统行为特征的数据序列，称为参考数列。

影响系统行为的因素组成的数据序列，称比较数列。

设参考数列（又称母序列）为Y={Y(k) | k = 1,2,Λ,n}；比较数列（又称子序列）X i={X i(k)| k = 1,2,Λ,n},i = 1,2,Λ,m。

灰色关联度分析法为了适应瞬息万变的市场需求, 企业不断调整自己的核心能力, 在产品的开发设计中更重视供应商的作用。

作为供应链合作关系运行的基础, 供应商的评价选择是一个至关重要的问题, 供应商的业绩对企业的影响越来越大,影响着企业的生存与发展。

因此, 进行科学全面的供应商评价就显得十分必要。

（1）确定比较对象产品质量、技术水平、供应能力、经济效益、市场影响度指标属于效益型指标；产品价格、地理位置、售后服务指标属于成本型指标。

i 指五个待选供应商编号，,5,,1 =i j 指八个指标8,,1j =，ij a 是第i 个供应商第j 个指标变量为了使每个属性变换后的最优值为1 且最差值为0，对数据进行标准0－1变换利润型指标标准化公式)/()(min maxmin j j j ij ij a a a a b --=成本型指标标准化公式)/()(min max max j j ij j ij a a a a b --=数据结果见下表。

（2）计算灰色关联系数)()(max max )()()()(max max )()(min min )(0000t x t x k x k x t x t x t x t x k s tsi s ts s ts -+--+-=ρρξ为比较数列对参考数列在第个指标上的关联系数，其中为]1,0[∈ρ分辨系数。

称式中)()(min min 0t x t x s ts-、)()(max max 0t x t x s ts-分别为两级最小差及两级最大差。

一般来讲，分辨系数ρ越大，分辨率越大；ρ越小，分辨率越小。

在这里ρ取0.5。

（3）计算灰色加权关联度 灰色加权关联度的计算公式为∑==nk i i k w r 1)(ξ这里i r 为第i 个评价对象对理想对象的灰色加权关联度。

关联系数和关联度值（4）评价分析根据灰色加权关联度的大小，对各评价对象进行排序，可建立评价对象的关联序，关联度越大其评价结果越好。

灰色关联分析简介灰色关联分析是一种用于评估多个因素之间相关性的统计分析方法。

它可以帮助我们理解一组因素对于某个指标的影响程度，并且可以用来预测未来的趋势。

原理灰色关联分析基于灰色理论，其核心思想是将样本数据转化为灰色数列，然后通过计算灰色相关度来评估因素之间的关联性。

在灰色关联分析中，我们首先需要确定一个参考数列和一个比较数列，然后根据数列的发展趋势和规律性对它们进行排序。

最后，通过计算两个数列之间的关联度来评估它们之间的关联程度。

灰色关联度的计算方法灰色关联度可以通过以下公式计算：$$ \\rho(i,j) = \\frac{{\\min(\\Delta^*+(k-1)\\Delta^*,\\Delta^*+\\delta^*+(k-1)\\Delta^*,\\Delta^*-\\delta^*+(k-1)\\Delta^*)}}{{\\max(\\Delta^*+(k-1)\\Delta^*,\\Delta^*+\\delta^*+(k-1)\\Delta^*,\\Delta^*-\\delta^*+(k-1)\\Delta^*)}} $$其中，$\\Delta^*$表示相邻数据的差值绝对值的最大值，$\\delta^*$表示数列中数据的最大值与最小值之差。

灰色关联分析步骤1.数据预处理：将原始数据进行标准化处理，使其具有可比性。

2.建立关联矩阵：根据参考数列和比较数列计算灰色关联度，并构建关联矩阵。

3.确定权重：根据关联矩阵的行列和大小确定各因素的权重，权重越大表示因素对目标的影响越大。

4.计算综合关联度：将灰色关联度与权重相乘并求和，得到各个因素的综合关联度。

5.分析结果：根据综合关联度的大小对因素进行排序和评估，得出各因素对目标的贡献程度。

适用领域灰色关联分析在许多领域都有广泛的应用，包括经济、环境、工程等。

它可以用于评估多个因素对某个现象的影响程度，帮助决策者制定合理的决策和策略。

优势与局限灰色关联分析具有以下优势：•可以在样本数据不完整或不完全的情况下进行分析。

灰色关联分析法对于两个系统之间的因素，其随时间或不同对象而变化的关联性大小的量度，称为关联度。

在系统发展过程中，若两个因素变化的趋势具有一致性，即同步变化程度较高，即可谓二者关联程度较高；反之，则较低。

因此，灰色关联分析方法，是根据因素之间发展趋势的相似或相异程度，亦即“灰色关联度”，作为衡量因素间关联程度的一种方法。

应用于综合评价（灰色综合评价）步骤：（1） 确定比较对象（评价对象）和参考数列（评价标准）。

设评价对象有m 个，评价指标有n 个，参考数列为{}00()|1,2,,x x k k n ==⋅⋅⋅，比较数列为{}()|1,2,,,1,2,,i i x x k k n i m ==⋅⋅⋅=⋅⋅⋅。

（2） 对参考数列和比较数列进行无量纲化处理由于系统中各因素的物理意义不同，导致数据的量纲也不一定相同，不便于比较，或在比较时难以得到正确的结论。

因此在进行灰色关联度分析时，一般都要进行无量纲化的数据处理。

设无量纲化后参考数列为{}00()|1,2,,x x k k n ''==⋅⋅⋅，无量纲化后比较数列为{}()|1,2,,,i i x x k k n ''==⋅⋅⋅1,2,,i m =⋅⋅⋅。

（3） 确定各指标值对应的权重。

可用层次分析法等确定各指标对应的权重[]12,,,n w w w w =⋅⋅⋅，其中(1,2,,)k w k n =⋅⋅⋅为第k 个评价指标对应的权重。

（4） 计算灰色关联系数：0000min min ()()max max ()()()()()max max ()()s s s t s t i i s s tx t x t x t x t k x k x k x t x t ρξρ''''-+-=''''-+- 为比较数列i x 对参考数列0x 在第k 个指标上的关联系数，其中[]0,1ρ∈为分辨系数，称0min min ()()s s t x t x t ''-、0max max ()()s s tx t x t ''-分别为两级最小差及两级最大差。

灰色关联度分析法引言灰色关联度分析法是一种用于揭示变量之间关联程度的方法。

它可以在缺乏足够数据的情况下，通过对变量之间的相关性进行评估，帮助分析人员做出决策。

在本文中，我们将介绍灰色关联度分析法的原理和应用，并探讨其在实际问题中的价值和局限性。

一、灰色关联度分析法的原理灰色关联度分析法是在灰色系统理论基础上发展起来的一种关联性分析方法。

灰色关联度分析法的核心思想是通过模糊度量的方法，将样本数据的数量化描述量和次序特征结合起来，通过计算变量间的关联度，得出它们之间的相关性。

具体而言，灰色关联度分析法的步骤主要包括以下几个方面：1. 数据标准化：将原始数据进行归一化处理，以消除变量之间的量纲差异，使其具有可比性。

2. 确定参考序列：在给定的多个序列中，根据研究目标和实际需求，选择一个作为参考序列，其他序列将与之进行比较。

3. 计算关联度指数：通过计算每个序列与参考序列之间的关联度指数，来评估它们之间的关联程度。

关联度指数的计算通常有多种方法，如灰色关联度、相对系数法等。

4. 判别等级：根据关联度指数的大小，将序列划分为几个等级，以便更直观地评估变量之间的关联程度。

二、灰色关联度分析法的应用灰色关联度分析法在许多领域和问题中都有广泛的应用。

下面将介绍一些典型的应用情况：1. 经济领域：灰色关联度分析法可以用于评估经济指标之间的关联性，识别影响经济发展的主要因素，帮助政府和企业做出相应的调整和决策。

2. 工业制造业：在工业制造领域，灰色关联度分析法可以用于优化生产工艺，提高产品质量，降低成本。

通过分析不同因素对产品质量的影响程度，可以找出关键因素，并制定相应的改进措施。

3. 市场调研：在市场调研中，灰色关联度分析法可以用于分析消费者行为和市场趋势，预测产品的需求量和销售额。

通过对多个变量之间的关联性进行评估，可以为企业的市场营销决策提供有价值的参考和支持。

4. 环境管理：在环境管理领域，灰色关联度分析法可以用于评估各种环境因素对生态系统的影响程度，为环境保护和可持续发展提供科学依据。

灰色关联度分析法
灰色关联度分析法（Grey Relational Analysis，GRA）是一种多属性
决策分析的统计方法，是一个在变量未知情况下实现系统模型和控制
不确定性的有用工具。

灰色关联度分析法主要用于研究和分析影响多
维度多属性数据测量结果的各种因素之间的相关关系。

它对模糊数据
进行综合处理，可以把多维评价分解成基本的准则来实现。

灰色关联度分析法的原理是利用灰色关联度的基本定义来衡量某种系
统的相关程度，灰色关联度通过确定系统的相似度和差异度来计算相
关程度，以此作为最终判断结果。

首先，将所有系统样本的信息表示
成一维度序列，并计算各时间点的灰色关联度。

其次，将灰色关联度
转化成定量指标，以此确定每一种系统的相关程度。

最后，根据定量
指标的值，把每一种系统分成几个类，以便于进一步分析和研究。

灰色关联度分析法可以应用于多种领域，例如工程设计、产品设计、
资源调配等。

例如，当进行工程设计时，可以利用灰色关联度分析法，通过灰色关联度来考虑多种参数和因素，以便最大限度地满足工程项
目的要求。

总之，灰色关联度分析法是一种有效的多属性决策分析方法，在许多
领域得到了广泛的应用，对于多维度和多属性问题具有显著优势。

有
效地利用灰色关联度分析法，能够更好地实现系统模型和控制不确定性，有助于优化效率和提高决策水平。

灰色关联度分析灰色关联度分析是一种常用的多指标决策方法，它可以用于相关性较强但不易被直接比较的指标之间的关联度分析。

该方法最早由中国工程师陶行知在20世纪50年代提出，并在实践中得到广泛应用。

灰色关联度分析的基本思想是将研究对象的各个指标进行数值标准化处理，以消除量纲和单位的差异。

然后，根据数据序列中的变化趋势，寻找出存在的关联规律。

通过计算不同指标之间的关联度，可以确定其相关性的强弱程度。

具体而言，灰色关联度分析的步骤如下：首先，将各个指标的原始数据进行正态化处理，将其限制在0-1之间。

然后，根据数据的发展趋势，构建关联数列，并计算相邻数据之间的差值。

接下来，通过计算累加生成序列的绝对值来确定各个指标的权重。

最后，根据权重值计算出不同指标之间的关联度。

灰色关联度分析的优点是能够充分考虑不同指标之间的相关程度，避免了单指标评价所带来的不足之处。

它对于数据规模较小、数据质量较差的情况下仍能有效分析，并且可以通过调整权重值来考虑不同指标的重要性。

此外，灰色关联度分析方法简单易行，不需要大量数据和复杂的运算，适用范围广泛。

然而，灰色关联度分析也存在一些限制和不足之处。

首先，该方法对于数据的处理比较敏感，一旦数据质量较差或者变化趋势不明显，分析结果可能受到较大影响。

其次，该方法不能直接评估指标的具体表现，只能提供关联度的大小，对于指标的具体意义和解释需要结合实际情况进行判断。

此外，灰色关联度分析所得到的关联度结果不能作为因果关系的证据，只能作为参考依据。

综上所述，灰色关联度分析是一种常用的多指标决策方法，通过对指标间关联度的计算，帮助决策者进行综合评价。

虽然该方法存在一些局限性，但在实际应用中却有着广泛的应用前景。

随着大数据时代的到来，灰色关联度分析方法也得到了进一步的发展和完善，为决策提供更准确、科学的依据。

第五章灰色关联度分析目录壹、何谓灰色关联度分析-------------------- 5-2贰、灰色联度分析实例详说与练习--------------- 5-8第五章灰色关联度分析壹、何谓灰色关联度分析一.关联度分析灰色系统分析方法针对不同问题性质有几种不同做法，灰色关联度分析(Grey Relational Analysis) 是其中的一种。

基本上灰色关联度分析是依据各因素数列曲线形状的接近程度做发展态势的分析。

灰色系统理论提出了对各子系统进行灰色关联度分析的概念，意图透过一定的方法，去寻求系统中各子系统(或因素)之间的数值关系。

简言之，灰色关联度分析的意义是指在系统发展过程中，如果两个因素变化的态势是一致的，即同步变化程度较高，则可以认为两者关联较大；反之，则两者关联度较小。

因此，灰色关联度分析对于一个系统发展变化态势提供了量化的度量，非常适合动态（Dynamic）的历程分析。

灰色关联度可分成「局部性灰色关联度」与「整体性灰色关联度」两类。

主要的差别在于「局部性灰色关联度」有一参考序列，而「整体性灰色关联度」是任一序列均可为参考序列。

二.直观分析依据因素数列绘制曲线图，由曲线图直接观察因素列间的接近程度及数值关系，表一某老师给学生的评分表数据数据为例，绘制曲线图如图一所示，由曲线图大约可直接观察出该老师给分总成绩主要与考试成绩关联度较高。

表一某一老师给学生的评分表单位：分/%由曲线图直观分析，是可大略分析因素数列关联度，可看出考试成绩与总成绩曲线形状较接近，故较具关联度，但若能以量化分析予以左证，将使分析结果更具有说服力。

三.量化分析量化分析四步曲：1.标准化（无量纲化）：以参照数列（取最大数的数列）为基准点，将各数据标准化成介于0至1之间的数据最佳。

2.应公式需要值，产生对应差数列表，内容包括：与参考数列值差（绝对值）、最大差、最小差、Z （Zeta）为分辨系数，0VZV1,可设Z = 0.5（采取数字最终务必使关联系数计算：E i （k）小于1为原则，至于分辨系数之设定值对关联度并没影响，请参考p14例）3.关联系数E i （k）计算：应用公式i（k）mi n maxAoi（k）+』max 计算比较数列X上各点k与参考数列X参照点的关联系数，最后求各系数的平均值即是X与X o的关联度r i。

关联度分析灰色关联度分析是基于系统内参比因素和比较因素之间的关联度大小对系统行为特征进行量化分析。

灰色关联度分析是指在系统发展过程中，如果两个因素变化的态势是一致的，即同步变化程度较高，则可以认为两者关联较大；反之，则两者关联度较小。

因此，灰色关联度分析对于一个系统发展变化态势提供了量化的度量，非常适合动态(Dynamic)的历程分析。

灰色系统关联分析的具体计算如下：以各年份城区生活垃圾清运量作为参比数列：Y i =｛Y i (k )| i =1；k =1,2,…，11｝，以GDP 、人居可支配收入、人均消费性支出和社会消费品零售额记为比较数列：X j ={X j (k )| j =1，2，3，4；k =1，2，…，11}。

对参比数列和比较数列作初始值的无量纲处理，即各数列均除以其对应的平均值进行初始化，初始化得到下列数列：}11211|)()()('，，，；｛⋯⋯===-k i k Y k Y k Y i i i (1)⎪⎩⎪⎨⎧⋯===-｝，，，；11211)()()('k j k X k X k X j j j(2) 再计算各比较数列与参比数列的关联系数：max)(max min )(∆+∆∆+∆=δδξk k ij ij (3) 式中：|)()(|min min min ''k X k Y j i kj -=∆； |)()(|m a x m a x m a x ''k X k Y j j kj -=∆； |)()(|)(''k X k Y k ij j i -=∆。

δ为分辨系数，其作用在于提高关联系数间差异显著性，其取值范围在0到1之间，一般取值为0.5，以此计算第j 个影响因子(X j )与城区垃圾清运量(Y i )间的关联度ij γ：)(11k n n k ij ij ∑=⎪⎭⎫ ⎝⎛=ξγ (4)相关分析变量间的关系分为确定性关系和非确定性关系两类：确定性关系即通常所说的函数关系；非确定关系即相关关系。