λ=4.061，CI=0.02；
查表得：n=4，RI=0.9，则
则比较矩阵不是一致阵，但具有满意的一致性。
第四步：指标值的量化
定量指标可直接应用其数值或上述方法具体赋值。例如购物，我们可直接用其与最近的综合商场的距离具体赋值，或重复第一步至第三步得到比较矩阵，并计算得到权重向量即为指标值的量化数值。
假设三个小区分别与最近的综合商场的距离为0.5公里、1公里、3公里，则三个小区购物指标值为（0.5，1，3）。
定性指标应用第一步至第三步的方法赋值。例如教育，我们得到比较矩阵，并计算得到特征向量（权重向量）即为指标值的量化数值。具体做法如下：
先成对比较三个小区的周边得教育情况，例如小区周边是否有幼儿园、小学、中学等因素，得成对比较矩阵
计算得C1的特征向量为：(0.082,0.236,0.682)。则其指标值为(0.082,0.236,0.682)。
第五步：指标值的规范化
通常指标分为四类：一类是数值越大越好（称为极大型指标），比如身高、工资等。一类是数值越小越好（称为极小型指标），比如个人买房，则房价越低越好。一类是数据越居中越好（称为居中型指标），比如某螺丝钉的直径。另一类是数据是在一个区间范围内就好（称为区间型指标），比如人体的温度。由于数据具有不同的类型及赋值方法，所以不可以马上进行比较，必须结合指标的类型分别设定转换函数，将所有指标数值转化为[0，1]之间的规范值。采用先计算指标值再规范化的处理方法，将不同性质的指标转化为可以同度量的指标。
指标值规范化的相关方法有机会再详细介绍！本文将直接计算有关结果。
例如上述三个小区购物指标为（0.5，1，3），且此指标为极小型指标。我们可用下面的方法进行指标值规范化。
其中x*为规范化后的值。则购物指标（0.5，1，3）规范化后为（1，0.8，0）且变为极大型指标。
三个小区教育指标为(0.082,0.236,0.682)， 此指标为极大型指标。用下面的方法进行指标值规范化。
