再次利用上述方法计算出每个分量指标的权重值向量Wi=｛W11，W12，W13｝。基于农产品全产业链增值的模糊判断矩阵与特征向量与特征值的计算结果，运用SPSS分析软件对其进行权重分析，得出5个我国农产品全产业链增值评价二级指标的判断矩阵。

（1）成本管控增值能力指标的判断矩阵及权重

构建成本管控增值能力指标的判断矩阵，如下表6-6所示。

表6-6　成本管控增值能力指标的判断矩阵

在表6-6判断矩阵的基础上，利用层次分析法中的方根计算法近似求解成本管控增值能力指标判断矩阵的最大特征根λmax与特征向量W，如下表6-7所示。

表6-7　成本管控增值能力指标AHP分析结果

数据来源：根据专家评分结果及SPSS软件进行AHP计算所得。

由表6-7可知，针对成本控制、成本管理、成本预算因素构建3阶判断矩阵进行AHP分析，得到特征向量为W1i=（0.384，0.262，2.355），其对应的权重值分别是0.128，0.087，0.785。

结合上文得出的成本管控增值能力指标最大特征值λmax=3.103，带入到一致性检验公式中，得到CI=0.051，检验计算结果如下表6-8所示。

表6-8　成本管控增值能力指标的一致性检验结果

由表6-8的一致性检验结果可见，针对成本管控增值能力指标的3阶判断矩阵的计算，得出CI的值为0.051，随机一致性指标RI值通过查表得出其值为0.520。由此，计算出CR=CI/RI=0.099，由于CR=0.099＜0.1，说明该判断矩阵符合一致性检验，计算所得权重具有一致性。

（2）价值增值能力指标的判断矩阵及权重

表6-9　价值增值能力指标的判断矩阵

在表6-9判断矩阵的基础上，利用方根计算法近似求解成本管控增值能力指标判断矩阵的最大特征根λmax与特征向量W，如表6-10所示。

表6-10　价值增值能力指标的AHP分析结果

数据来源：根据专家评分结果及SPSS软件进行AHP计算所得。

从上表6-10可知，针对价格、性价比、顾客忠诚度、竞争力因素构建4阶判断矩阵进行AHP分析，得到特征向量为W2i=（1.179，1.985，0.522，0.314），其对应的权重值分别是0.295，0.496，0.130，0.079。除此之外，结合特征向量可计算出最大特征值为4.226。

表6-11　价值增值能力指标的一致性检验结果

一致性检验CI值为0.075，RI值通过查表为0.890，CR值=0.085＜0.1，说明该判断矩阵满足一致性检验，所得权重具有一致性。

（3）稳定发展增值能力指标的判断矩阵及权重

表6-12　稳定发展增值能力指标的判断矩阵

在表6-12判断矩阵的基础上，得出稳定发展增值能力指标的AHP分析结果如表6-13所示。

表6-13　稳定发展增值能力指标AHP分析结果

数据来源：根据专家评分结果及SPSS软件进行AHP计算所得。

从上表6-13可知，针对数量稳定、质量稳定、产品结构稳定因素构建3阶判断矩阵进行AHP分析，得到特征向量为W3i=（0.198，0.956，1.846），其对应的权重值分别是0.066，0.319，0.615。

此外，结合特征向量可计算出最大特征根为3.001，查询得到随机一致性RI值，一致性检验结果汇总如表6-14所示。(www.daowen.com)

表6-14　稳定发展增值能力指标的一致性检验结果

一致性检验CI值为0.001，RI值通过查表为0.520，因此计算得到CR值结果为0.001＜0.1，因此该判断矩阵满足一致性检验，说明计算所得的权重具有一致性。

（4）风险防控增值能力指标的判断矩阵及权重

表6-15　风险防控增值能力指标的判断矩阵

在表6-15的基础上，得出风险防控增值能力指标AHP分析结果如表6-16所示。

表6-16　风险防控增值能力指标AHP分析结果

数据来源：根据专家评分结果及SPSS软件进行AHP计算所得。

由上表6-16可知，针对自然风险防控、市场风险防控、经营风险防控、技术风险防控指标构建4阶判断矩阵进行AHP分析，分析得到特征向量为W4i=（1.682，1.157，0.767，0.394），其对应的权重值分别是0.420，0.289，0.192，0.099。

此外，结合特征向量可计算出最大特征根为4.237，接着利用最大特征根计算CI值，得到风险防控增值能力指标的一致性检验结果，如表6-17所示。

表6-17　风险防控增值能力指标的一致性检验

一致性检验CI值为0.079，RI值通过查表为0.890，得到CR=0.089＜0.1，由此，该判断矩阵满足一致性检验，计算所得权重具有一致性。

（5）创新服务增值能力指标的判断矩阵及权重

表6-18　创新服务增值能力指标的判断矩阵

在表6-18判断矩阵的基础上，得出创新服务增值能力指标的AHP分析结果如表6-19所示。

表6-19　创新服务增值能力指标AHP分析结果

数据来源：根据专家评分结果及SPSS软件进行AHP计算所得。

由表6-19可知，针对产业链创新能力、服务能力、人才培育能力，构建3阶判断矩阵进行AHP分析，得到特征向量W5i=（0.206，0.465，2.330），其对应的权重值分别是0.068，0.155，0.777。

除此之外，结合特征向量可计算出最大特征根为3.082，利用最大特征根值计算得到CI值，创新服务增值能力指标的一致性检验结果如下表6-20所示。

表6-20　创新服务增值能力指标的一致性检验

通过一致性检验计算得到CI值为0.041，RI值通过查表为0.520，因此计算得到CR值为0.079＜0.1，因此，该判断矩阵满足一致性检验，计算所得权重具有一致性。

（6）农产品全产业链增值能力评价指标AHP分析综合结果

综上，当前农产品全产业链增值能力一级与二级评价指标的权重集均确定，且特征向量对应的权重结果已做归一化处理。具体的AHP分析结果如下表6-21所示。

表6-21　农产品全产业链增值能力评价指标AHP分析结果

数据来源：根据专家评分结果及SPSS软件进行AHP计算所得。

由上表6-21可知，我国农产品全产业链增值能力评价指标AHP分析结果中得到的5个一级指标权重值的计算结果分别为0.196，0.431，0.212，0.076，0.085。其对应的17个二级指标的特征向量归一后的权重值分别为0.128，0.087，0.785，0.295，0.496，0.130，0.079，0.066，0.319，0.615，0.420，0.289，0.192，0.099，0.068，0.155与0.777。