对于自变量被划分为多级指标，并且已知低一级指标的各项权重时，可以使用层次分析法进一步计算出高一级指标的对应权重。

层次分析法的主要操作

确定指标体系

即保证多级指标的划分方式的合理性。

构造判断矩阵

将待计算权重的指标分别列成矩阵的行、列标签，然后对于矩阵的每一个元素[math]x_{ij}[/math]，判断其值：为第[math]i[/math]个行标签对于第[math]j[/math]个列标签的重要程度（同等重要则赋值为1，前者更重要则大于1，后者更重要则小于1）。

计算权重向量

得到判断矩阵后，可以使用SPSSPRO计算出每个指标的权重，组合即得到权重向量。

计算一致性指标比例CR

由权重向量，SPSSPRO可以进一步计算出一致性指标CR。

一致性检验

1. 若CR≤0.1，则一致性可接受，该权重向量的值合理；
2. 若CR>0.1，则需要修改判断矩阵，然后回到1.3步重新计算权重向量。

注意事项

1. 当指标数据未知，又想求各指标的权重时，层次分析法是一个不错的选择，可以依据主观判断为各指标赋予一个权重。
2. 层次分析法是一个基础的常用评价模型，在美赛 E 和 F 题的 O 奖论文中十分常见，通常出现在第一问，因为评价模型是整个问题分析的基础。
3. 比赛中，常用 SPSSPRO 来实现层次分析法，已经足够用了，不需要用 MATLAB 或者 Python 运行代码，效率太低。
4. 由于美赛非常追求思路的简洁性，而该方法在美赛中极为常见，评委见得太多了，所以在写论文的时候，只需要简单地一笔带过，不需要把原理写的非常细致，只需体现方法思想即可（构造判断矩阵 + 权重是多少 + 一致性检验通过）。
5. 层次分析法缺点：主观性过强，不同的人来打分能得到不同的权重。所以在 O 奖论文中，会发现该方法还需要跟其他客观评价方法（如熵权法）联合使用，来弥补自身的不足。