DEMATEL（Decision Making Trial and Evaluation Laboratory，决策实验室分析法）是一种基于图论和矩阵工具的系统因素关系分析方法，最早由美国巴特尔纪念研究所（Battelle Memorial Institute）于20世纪70年代提出，用于分析复杂系统中各要素之间的因果关系与相互影响程度。
与一般的权重计算方法不同，DEMATEL的核心价值不在于给出"哪个因素更重要"，而是回答"哪些因素是原因，哪些是结果，哪些处于系统核心"。这种因果逻辑分析在影响因素识别、障碍因素诊断、战略要素筛选等研究场景中具有不可替代的作用。
## 1. DEMATEL的核心思想
假设我们有一个由 $n$ 个因素组成的系统：$F_1, F_2, \dots, F_n$。
DEMATEL的核心思想是：**通过专家对因素间直接影响的量化评判，构建直接影响矩阵，再利用矩阵运算推导出因素间的综合影响关系（含间接影响），最终通过影响度、被影响度、中心度和原因度四个指标，揭示系统中各因素的角色定位。**
四个关键指标的含义：
- **影响度 $D_i$**：因素 $i$ 对系统其他所有因素的综合影响总量，越大说明该因素对系统的驱动作用越强
- **被影响度 $C_i$**：因素 $i$ 受系统其他所有因素综合影响的总量，越大说明该因素越容易被系统其他因素所左右
- **中心度 $M_i = D_i + C_i$**：衡量因素在系统中的"重要程度"，值越大说明该因素与其他因素的关联越紧密，在系统中的地位越核心
- **原因度 $R_i = D_i - C_i$**：判断因素的属性，正值代表"原因因素"（主动影响他人），负值代表"结果因素"（被动被影响）
## 2. DEMATEL方法的计算步骤
### 步骤一：构建直接影响矩阵
邀请专家对每对因素之间的直接影响程度进行评分，通常采用 0~3 分制：
| 评分 | 含义 |
|------|------|
| 0 | 无影响 |
| 1 | 影响小 |
| 2 | 影响中 |
| 3 | 影响大 |
采用专家打分的方式，比较 $x_i$ 对 $x_j$ 的影响，自身没有影响，对角线为0。得到直接影响矩阵 $A$：
$$
A=\left[\begin{array}{cccc}
0 & x_{12} & \cdots & x_{1 n} \\
x_{21} & 0 & \cdots & x_{2 n} \\
\vdots & \vdots & \ddots & \vdots \\
x_{n 1} & x_{n 2} & \cdots & 0
\end{array}\right]
$$
若有多位专家参与，通常取各专家评分的算术平均值作为最终的直接影响矩阵。
### 步骤二：规范化直接影响矩阵
为消除量纲差异，对直接影响矩阵 $A$ 进行规范化处理。规范化有很多方法，这里采用**行和最大值法**。将矩阵 $A$ 的每一行求和，取其中的最大值，将矩阵 $A$ 中所有元素除以最大值，得到规范影响矩阵 $B$：
$$
B=\frac{x_{i j}}{\max \left(\sum_{j=1}^n x_{i j}\right)}
$$
即用每一行元素之和的最大值对整个矩阵进行缩放，使得规范化后矩阵每行之和均 $\leq 1$。
规范化后，$B$ 的每个元素满足 $0 \leq x_{ij} \leq 1$，且矩阵 $B$ 满足级数收敛条件。
### 步骤三：计算综合影响矩阵
综合影响矩阵 $T$ 不仅包含因素间的直接影响，还通过矩阵求逆考虑了所有路径的间接影响。综合系统矩阵体现系统中各个元素间的影响的综合效应：
$$
T=\left(B+B^2+\cdots+B^k\right)=\sum_{k=1}^{\infty} B^k=B(I-B)^{-1}
$$
其中 $I$ 为单位矩阵。
这一公式的推导基于级数展开（当 $B$ 满足收敛条件时成立）：
- $B$ 表示一阶（直接）影响
- $B^2$ 表示通过一个中间因素的二阶间接影响
- $B^3$ 表示通过两个中间因素的三阶间接影响
- ……
综合影响矩阵 $T = [t_{ij}]_{n \times n}$ 中，$t_{ij}$ 表示因素 $i$ 对因素 $j$ 的综合影响程度（含所有间接路径）。
### 步骤四：计算四个关键指标
计算各个要素的影响度、被影响度、中心度、原因度和权重：
- 影响度指矩阵 $T$ 中各行之和，表示各行要素对其他所有要素的综合影响值，记作 $D_i$：
    $$
 D_i=\sum_{j=1}^n x_{i j},(i=1,2, \ldots, n)
 $$
- 被影响度指矩阵 $T$ 中各列之和，表示各列要素对其他所有要素的综合影响值，记作 $C_i$：
    $$
 C_i=\sum_{j=1}^n x_{j i},(i=1,2, \ldots, n)
 $$
- 中心度表示因素在评价体系中的位置及其所起作用的大小，某要素的中心度为其影响度与被影响度之和，记作 $M_i$：
    $$
 M_i = D_i + C_i
 $$
- 原因度由某要素的影响度和被影响度相减得到，记作 $R_i$：
    $$
 R_i = D_i - C_i
 $$
- 将中心度进行归一化处理，即可得到指标的权重：
    $$
 W_i = \frac{M_i}{\sum_{j=1}^n M_j}
 $$
### 步骤五：绘制因果关系图
以 $M_i$（中心度）为横轴，以 $R_i$（原因度）为纵轴，将各因素绘制于二维坐标系中：
- 位于 $x$ 轴上方（$R_i > 0$）的因素为**原因因素**，是系统的驱动要素
- 位于 $x$ 轴下方（$R_i < 0$）的因素为**结果因素**，是系统的被驱动要素
- $M_i$ 较大的因素在系统中居于核心地位，应重点关注
## 3. 完整案例：企业数字化转型障碍因素分析
### 3.1 案例背景
某研究识别了影响中小企业数字化转型的5个关键障碍因素：
- $F_1$：资金投入不足
- $F_2$：数字化人才短缺
- $F_3$：管理层认知不足
- $F_4$：技术基础薄弱
- $F_5$：组织文化阻力
### 3.2 构建直接影响矩阵
经5位行业专家评分并取平均后四舍五入，得到直接影响矩阵 $A$：
$$
A = \begin{bmatrix}
0 & 2 & 1 & 3 & 1 \\
1 & 0 & 1 & 2 & 1 \\
3 & 2 & 0 & 2 & 3 \\
2 & 1 & 0 & 0 & 1 \\
2 & 1 & 3 & 1 & 0
\end{bmatrix}
$$
### 3.3 规范化处理
计算各行之和：
- $F_1$：$0+2+1+3+1=7$
- $F_2$：$1+0+1+2+1=5$
- $F_3$：$3+2+0+2+3=10$ ← 最大值
- $F_4$：$2+1+0+0+1=4$
- $F_5$：$2+1+3+1+0=7$
最大行和为10，规范化矩阵 $B = A/10$：
$$
B = \begin{bmatrix}
0 & 0.2 & 0.1 & 0.3 & 0.1 \\
0.1 & 0 & 0.1 & 0.2 & 0.1 \\
0.3 & 0.2 & 0 & 0.2 & 0.3 \\
0.2 & 0.1 & 0 & 0 & 0.1 \\
0.2 & 0.1 & 0.3 & 0.1 & 0
\end{bmatrix}
$$
### 3.4 计算综合影响矩阵
通过计算 $T = B(I-B)^{-1}$，得到综合影响矩阵（保留3位小数）：
$$
T = \begin{bmatrix}
0.286& 0.393 & 0.258 & 0.546 & 0.3 \\
0.317 & 0.174 & 0.226 & 0.401 & 0.257 \\
0.675 & 0.511 & 0.289 & 0.619 & 0.567 \\
0.341 & 0.233 & 0.122 & 0.195 & 0.213 \\
0.526 & 0.373 & 0.473 & 0.455 & 0.277 \\
\end{bmatrix}
$$
### 3.5 计算四个关键指标
**影响度 $D_i$（各行求和）：**
| 因素 | $D_i$ |
|------|-------|
| $F_1$ 资金投入不足 | $0.286+0.393+0.258+0.546+0.3 = 1.783$ |
| $F_2$ 数字化人才短缺 | $0.317+0.174+0.226+0.401+0.257 = 1.375$ |
| $F_3$ 管理层认知不足 | $0.675+0.511+0.289+0.619+0.567 = 2.661$ |
| $F_4$ 技术基础薄弱 | $0.341+0.233+0.122+0.195+0.213 = 1.104$ |
| $F_5$ 组织文化阻力 | $0.526+0.373+0.473+0.455+0.277 = 2.104$ |
**被影响度 $C_i$（各列求和）：**
| 因素 | $C_i$ |
|------|-------|
| $F_1$ 资金投入不足 | $0.286+0.317+0.675+0.341+0.526 = 2.145$ |
| $F_2$ 数字化人才短缺 | $0.393+0.174+0.511+0.233+0.373 = 1.684$ |
| $F_3$ 管理层认知不足 | $0.258+0.226+0.289+0.122+0.473 = 1.368$ |
| $F_4$ 技术基础薄弱 | $0.546+0.401+0.619+0.195+0.455 = 2.216$ |
| $F_5$ 组织文化阻力 | $0.3+0.257+0.567+0.213+0.277 = 1.614$ |
**中心度与原因度汇总：**
| 因素 | 影响度$D_i$ | 被影响度$C_i$ | 中心度$M_i$ | 原因度$R_i$ | 属性 |
|------|-------|-------|----------------|----------------|------|
| $F_1$ 资金投入不足 | 1.783 | 2.145 | 3.928 | -0.362 | 结果因素 |
| $F_2$ 数字化人才短缺 | 1.375 | 1.684 | 3.059 | -0.309 | 结果因素 |
| $F_3$ 管理层认知不足 | 2.661 | 1.368 | 4.029 | 1.293 | 原因因素 |
| $F_4$ 技术基础薄弱 | 1.104 | 2.216 | 3.320 | -1.112 | 结果因素 |
| $F_5$ 组织文化阻力 | 2.104 | 1.614 | 3.718 | 0.490 | 原因因素 |
### 3.6 绘制因果关系图
将中心度 $M_i$ 作为横坐标（X轴），原因度 $R_i$ 作为纵坐标（Y轴），将各因素绘制于二维坐标系中，得到因果关系图：
![因果关系图.png](https://developer.qcloudimg.com/http-save/yehe-4645258/6b5c9ff2a28f43e4869be718f09bc2d0.png)
**因果关系图的解读原理：**
因果关系图以中心度平均值和原因度0值作为分割线，将图划分为四个象限。本案例中，五个因素的中心度平均值为：
$$
\bar{M} = \frac{3.928 + 3.059 + 4.029 + 3.320 + 3.718}{5} = 3.611
$$
每个象限代表不同的战略地位：
**第一象限（右上角）：核心驱动因素**
- 特征：高中心度（$M_i > \bar{M}$，重要性高）+ 高原因度（$R_i > 0$，主动性强）
- 解读：这是系统的"动力源"。这些要素不仅在系统中占据重要地位，而且对其他要素具有强大的推动作用。它们是问题的根源所在，需要优先投入资源进行管理和改进。
- 应对策略：集中资源重点突破，从源头解决问题。
**第二象限（左上角）：独立影响因素**
- 特征：低中心度（$M_i < \bar{M}$，重要性低）+ 高原因度（$R_i > 0$，主动性强）
- 解读：这些要素虽然整体影响力有限，但它们属于"因"而非"果"。通常是一些基础性或独立性条件，虽然不直接决定系统的成败，但会对其他要素的运行产生影响。
- 应对策略：确保基础达标，维持正常运转即可。
**第三象限（左下角）：边缘结果因素**
- 特征：低中心度（$M_i < \bar{M}$，重要性低）+ 低原因度（$R_i < 0$，被动性强）
- 解读：这是系统的"外围环节"。这些要素既不处于核心位置，也容易受到其他要素的影响。通常可以作为次要关注点或暂时搁置。
- 应对策略：保持现状，暂不投入过多精力。
**第四象限（右下角）：核心结果因素**
- 特征：高中心度（$M_i > \bar{M}$，重要性高）+ 低原因度（$R_i < 0$，被动性强）
- 解读：这是系统的"关键产出"。这些要素虽然非常重要，但它们是其他要素共同作用的"结果"。直接改善这些要素往往事倍功半，必须通过优化第一象限的驱动因素来间接带动改善。
- 应对策略：通过改善驱动因素来间接提升，避免头痛医头。
### 3.7 因果关系图解读与战略建议
**步骤一：识别核心要素（观察横轴）**
沿着中心度（横轴）方向观察，找出位置最靠右的点，这些是系统中最关键的要素：
- $F_3$（管理层认知不足）：$M_3 = 4.029$，中心度最高，是系统的核心枢纽
- $F_1$（资金投入不足）：$M_1 = 3.928$，中心度次之，同样是核心要素
- $F_5$（组织文化阻力）：$M_5 = 3.718$，中心度第三，具有较高重要性
**步骤二：区分因果属性（观察纵轴）**
沿着原因度（纵轴）方向观察，区分哪些是"因"（位于0轴上方），哪些是"果"（位于0轴下方）：
原因型要素（$R_i > 0$）：
- $F_3$（管理层认知不足）：$R_3 = +1.293$，最强的驱动因素
- $F_5$（组织文化阻力）：$R_5 = +0.490$，次级驱动因素
结果型要素（$R_i < 0$）：
- $F_1$（资金投入不足）：$R_1 = -0.362$
- $F_2$（数字化人才短缺）：$R_2 = -0.309$
- $F_4$（技术基础薄弱）：$R_4 = -1.112$，最强的被动因素
**步骤三：确定象限归属（综合判断）**
根据中心度平均值 $\bar{M} = 3.611$ 和原因度 $R_i = 0$ 的分界线，各因素的象限分布为：
**第一象限（核心驱动因素）：**
- **$F_3$（管理层认知不足）**：$M_3 = 4.029 > 3.611$，$R_3 = +1.293 > 0$
 - 这是整个系统的"第一动力源"，既处于核心地位又具有最强主动性，是影响企业数字化转型的根本原因
 - 管理层的数字化战略意识和认知水平直接驱动着其他所有障碍因素的变化
 - 提升管理层认知将产生"一子落而满盘活"的连锁反应
- **$F_5$（组织文化阻力）**：$M_5 = 3.718 > 3.611$，$R_5 = +0.490 > 0$
 - 这是系统的"第二动力源"，同样处于核心地位且具有主动性
 - 组织文化既影响资金配置决策，也影响人才吸引和技术创新的氛围
 - 需要在管理层认知提升的前提下协同推动文化变革
**第二象限（独立影响因素）：**
- 本案例中无因素落入此象限
**第三象限（边缘结果因素）：**
- **$F_2$（数字化人才短缺）**：$M_2 = 3.059 < 3.611$，$R_2 = -0.309 < 0$
 - 这是系统的"外围环节"，既不处于核心位置也是被动的结果
 - 人才短缺更多源于管理认知不足（不重视人才培养）和资金不足（无法提供有竞争力的薪酬）
 - 可作为次要关注点，随着上游问题的解决而自然得到改善
- **$F_4$（技术基础薄弱）**：$M_4 = 3.320 < 3.611$，$R_4 = -1.112 < 0$
 - 虽然原因度最低，但仍需适度关注
 - 技术基础的薄弱是多个上游因素（管理认知、资金投入、人才储备）综合作用的结果
**第四象限（核心结果因素）：**
- **$F_1$（资金投入不足）**：$M_1 = 3.928 > 3.611$，$R_1 = -0.362 < 0$
 - 这是系统的"关键产出"，虽然非常重要但属于被动的结果
 - 资金问题表面上是转型的直接障碍，实质上是管理层认知和组织文化等上游因素作用的产物
 - 不宜直接解决，必须通过优化第一象限的驱动因素来间接带动改善
**步骤四：制定实施策略（优先级排序）**
基于象限分析，企业数字化转型应采取"双核驱动、系统推进"的实施路径：
1. **优先级一（第一象限）**：双核驱动 - $F_3$（管理层认知）+ $F_5$（组织文化）
 - 投入最多资源，从两大根源同步解决问题
 - **$F_3$ 实施路径**：组织管理层数字化培训、安排标杆企业实地考察、聘请外部数字化顾问、成立数字化战略委员会
 - **$F_5$ 实施路径**：建立数字化绩效激励体系、树立数字化转型标杆、营造鼓励创新的氛围
 - 预期成效：管理层认知提升和文化氛围改善将协同作用，自然带动资金投入、人才引进和技术升级的全面改善
2. **优先级二（第四象限）**：间接带动 $F_1$（资金投入）
 - 通过优化第一象限的双核驱动因素来自然带动资金问题的解决
 - 实施路径：在管理层认知提升和文化氛围改善后，自然会增加数字化转型预算
 - 预期成效：资金充裕后，技术升级和人才引进将更加顺畅
3. **优先级三（第三象限）**：保持现状 $F_2$（人才）和 $F_4$（技术）
 - 暂不投入过多精力，随上游问题解决而自然改善
 - 实施路径：维持基本的人才招聘和技术维护工作
 - 预期成效：当管理认知、文化氛围和资金投入问题解决后，人才和技术问题将水到渠成
**核心洞察：**
DEMATEL因果关系图的核心价值在于将复杂的系统关系简化为"重要性"（中心度）和"因果性"（原因度）两个维度。通过这张图，决策者可以快速识别出：
- **必须优先突破的根源问题**：第一象限的 $F_3$（管理层认知）和 $F_5$（组织文化），这是系统的"双核动力源"
- **可以通过解决根源问题而自然改善的关键目标**：第四象限的 $F_1$（资金），这是系统的"关键产出"
- **暂时可以搁置的次要问题**：第三象限的 $F_2$（人才）和 $F_4$（技术），这些是系统的"外围环节"
这种分析方法帮助我们跳出"头痛医头、脚痛医脚"的思维局限，找到系统问题的根源，制定更加科学、高效、有针对性的管理策略。
## 4. DEMATEL的扩展与组合应用
在实际研究中，DEMATEL通常不单独使用，而是与其他方法组合，发挥"1+1>2"的效果：
### 4.1 DEMATEL-ISM组合
DEMATEL识别因果关系后，通过ISM（解释结构模型）对因素进行层次化分解，将无序的因素网络整理成层次分明的多级递阶结构，更直观地展现"谁影响谁"的传导路径。
### 4.2 DEMATEL-ANP组合
将DEMATEL计算出的因素间综合影响矩阵，基于特定阈值构建ANP的影响关系矩阵，从而更好地确定指标间的相互依赖程度，使权重计算更加科学。
## 5. 方法局限与注意事项
1. **专家主观性**：直接影响矩阵依赖于专家评分，不同专家可能得出差异明显的结论。建议选择领域内资深专家，并通过Delphi法进行多轮征询以提高一致性。
2. **因素规模限制**：当因素数量过多时（一般建议不超过15~20个），两两评判的工作量显著增加，且结果的可靠性也可能下降。建议在应用前先对因素进行筛选整合。
3. **因素独立性假设**：DEMATEL假设因素之间的关系可以通过专家判断精确刻画，在实际复杂系统中，某些关系可能很难被专家准确评估。
DEMATEL作为一种揭示系统因果结构的有力工具，在管理学、工程学、社会科学等多个领域都有广泛应用。掌握这一方法，将帮助研究者从"罗列因素"迈向"理解系统"，为提出有针对性的改进策略提供坚实的方法论支撑。

DEMATEL（Decision Making Trial and Evaluation Laboratory，决策实验室分析法）是一种基于图论和矩阵工具的系统因素关系分析方法，最早由美国巴特尔纪念研究所（Battelle Memorial Institute）于20世纪70年代提出，用于分析复杂系统中各要素之间的因果关系与相互影响程度。与一般的权重计算方法不同，DEMATEL的核心价值不在于给出"哪个因素更重要"，而是回答"哪些因素是原因，哪些是结果，哪些处于系统核心"。这种因果逻辑分析在影响因素识别、障碍因素诊断、战略要素筛选等研究场景中具有不可替代的作用。

DEMATEL：揭示系统因果关系的利器

DEMATEL是一种基于图论和矩阵工具的系统因素关系分析方法，用于分析复杂系统中各要素之间的因果关系与相互影响程度。

算法

DEMATEL是一种基于图论的系统因素分析方法，通过构建直接影响矩阵和计算综合影响关系，揭示各要素在系统中的角色定位。该方法计算影响度、被影响度、中心度和原因度四个关键指标，帮助识别核心驱动因素和关键结果因素。DEMATEL广泛应用于企业数字化转型、战略管理等复杂系统分析场景，能有效避免"头痛医头"的局限，找到系统问题的根源。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

DEMATEL是一种基于图论的系统因素分析方法，通过构建直接影响矩阵和计算综合影响关系，揭示各要素在系统中的角色定位。该方法计算影响度、被影响度、中心度和原因度四个关键指标，帮助识别核心驱动因素和关键结果因素。DEMATEL广泛应用于企业数字化转型、战略管理等复杂系统分析场景，能有效避免"头痛医头"的局限，找到系统问题...

DEMATEL：揭示系统因果关系的利器-腾讯云开发者社区-腾讯云

DEMATEL：揭示系统因果关系的利器

DEMATEL：揭示系统因果关系的利器

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐