指标权重确定方法之熵权法(计算方法参考[精品文档]

指标权重确定方法之熵权法

一、熵权法介绍

熵最先由申农引入信息论，目前已经在工程技术、社会经济等领域得到了非常广泛的应用。

熵权法的基本思路是根据指标变异性的大小来确定客观权重。

一般来说，若某个指标的信息熵越小，表明指标值得变异程度越大，提供的信息量越多，在综合评价中所能起到的作用也越大，其权重也就越大。相反，某个指标的信息熵越大，表明指标值得变异程度越小，提供的信息量也越少，在综合评价中所起到的作用也越小，其权重也就越小。

二、熵权法赋权步骤

1.数据标准化

将各个指标的数据进行标准化处理。

假设给定了k个指标，其中。假设对各指标数据标准化后的值为，那么。

2.求各指标的信息熵

根据信息论中信息熵的定义，一组数据的信息熵。其中，如果，则定义。

3.确定各指标权重

根据信息熵的计算公式，计算出各个指标的信息熵为。通过信息熵计算各指标的权重：。

三、熵权法赋权实例

1.背景介绍

某医院为了提高自身的护理水平，对拥有的11个科室进行了考核，考核标准包括9项整体护理，并对护理水平较好的科室进行奖励。下表是对各个科室指标考核后的评分结果。

但是由于各项护理的难易程度不同，因此需要对9项护理进行赋权，以便能够更加合理的对各个科室的护理水平进行评价。

2.熵权法进行赋权

1）数据标准化

根据原始评分表，对数据进行标准化后可以得到下列数据标准化表

表2 11个科室9项整体护理评价指标得分表标准化表

科室X1X2X3X4X5X6X7X8X9

A 1.000.00 1.000.000.50 1.00 1.00 1.00 1.00

B 1.00 1.000.00 1.000.50 1.00 1.00 1.00 1.00

C0.00 1.000.33 1.000.50 1.00 1.00 1.00 1.00

D 1.00 1.000.00 1.000.50 1.000.87 1.00 1.00

E 1.000.00 1.00 1.00 1.000.00 1.00 1.000.00

F 1.00 1.00 1.00 1.000.50 1.00 1.000.00 1.00

G 1.00 1.000.00 1.000.50 1.000.00 1.00 1.00

H0.50 1.000.33 1.00 1.00 1.00 1.00 1.00 1.00

I 1.00 1.000.67 1.000.00 1.00 1.00 1.00 1.00

J 1.000.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 K 1.00 1.000.67 1.000.50 1.00 1.00 1.00 1.00

2）求各指标的信息熵

根据信息熵的计算公式，可以计算出9项护理指标各自的信息熵如下：

表3 9项指标信息熵表

X1X2X3X4X5X6X7X8X9

信息熵0.950.870.840.960.940.960.960.960.96

3）计算各指标的权重

根据指标权重的计算公式，可以得到各个指标的权重如下表所示：

表4 9项指标权重表

W1W2W3W4W5W6W7W8W9权重0.080.220.270.070.110.070.070.070.07

3.对各个科室进行评分

根据计算出的指标权重，以及对11个科室9项护理水平的评分。设Z l为第

l个科室的最终得分，则，各个科室最终得分如下表所示

表5 11个科室最终得分表

科室A B C D E F G H I J K 得分95.7193.1493.1792.7795.8498.0190.2195.1795.9797.8197.02

确定权重的方法及原则

?权重 ?确定权重的原则 ?权值因子判断表法 ?专家直观判定法 ?层次分析法 ?排序法 权重 权重是一个相对的概念，是针对某一指标而言。某一指标的权重是指该指标在整体评价中的相对重要程度。 权重表示在评价过程中，是被评价对象的不同侧面的重要程度的定量分配，对各评价因子在总体评价中的作用进行区别对待。事实上，没有重点的评价就不算是客观的评价，每个人员的性质和所处的层次不同，其工作的重点也肯定是不能一样的。因此，相对工作所进行的业绩考评必须对不同内容

对目标贡献的重要程度做出估计，即权重的确定。 总之，权重是要从若干评价指标中分出轻重来，一组评价指标体系相对应的权重组成了权重体系。一组权重体系{Vi|I=1，2，…n}，必须满足下述两个条件： （1）0

（1）0

Excel-wps中熵值法、熵权法、指标赋权、权重计算。

Excel -wps 中熵值法、熵权法、指标赋权、权重计算。 Excel 、wps 实现熵权法计算过程： 1.熵权法下指标权重的计算 熵权法下首先计算第i 年份的第j 项指标值的权重： i=1，2，3…n; j=1，2，3…m （2） 令k=1/ln(n)>0,为调节系数，计算指标信息熵： i=1，2，3…n; j=1，2，3…m （3） 最后确定计算指标权重： （0

Excel-wps中熵值法、熵权法、指标赋权、权重计算。 6 2003 0.1710 0.1261 7 2004 0.2852 0.1465 8 2005 0.3170 0.1291 9 2006 0.6475 0.2121 10 2007 0.6475 0.2803 11 2008 0.562183898 0.403750964 12 2009 0.585203446 0.588585521 13 2010 0.694865622 0.465106715 14 2011 0.500221291 0.472249607 15 2012 1 0.602993026 16 2013 0.863566837 0.558954944 17 2014 0.835655753 0.523401776 18 2015 0.193615668 0.586089558 19 2016 0.52105526 1.000347255 20 =SUM(B1:B19) =SUM(C1:C19) 21 pij =B1/B$20 =C1/C$20 下拉后得到19 行新数据

权重的确定方法汇总

一、指标权重的确定 1.综述 目前关于属性权重的确定方法很多，根据计算权重时原始数据的来源不同，可以将这些方法分为三类：主观赋权法、客观赋权法、组合赋权法。 主观赋权法是根据决策者（专家）主观上对各属性的重视程度来确定属性权重的方法，其原始数据由专家根据经验主观判断而得到。常用的主观赋权法有专家调查法（Delphi法）、层次分析法（AHP ）[106-108]、二项系数法、环比评分法、最小平方法等。本文选用的是利用人的经验知识的有序二元比较量化法。 主观赋权法是人们研究较早、较为成熟的方法，主观赋权法的优点是专家可以根据实际的决策问题和专家自身的知识经验合理地确定各属性权重的排序，不至于出现属性权重与属性实际重要程度相悖的情况。但决策或评价结果具有较强的主观随意性，客观性较差，同时增加了对决策分析者的负担，应用中有很大局限性。 鉴于主观赋权法的各种不足之处，人们又提出了客观赋权法，其原始数据由各属性在决策方案中的实际数据形成，其基本思想是：属性权重应当是各属性在属性集中的变异程度和对其它属性的影响程度的度量，赋权的原始信息应当直接来源于客观环境，处理信息的过程应当是深入探讨各属性间的相互联系及影响，再根据各属性的联系程度或各属性所提供的信息量大小来决定属性权重。如果某属性对所有决策方案而言均无差异（即各决策方案的该属性值相同），则该属性对方案的鉴别及排序不起作用，其权重应为0；若某属性对所有决策方案的属性值有较大差异，这样的属性对方案的鉴别及排序将起重要作用，应给予较大权重.总之，各属性权重的大小应根据该属性下各方案属性值差异的大小来确定，差异越大，则该属性的权重越大，反之则越小。 常用的客观赋权法[109-110]有：主成份分析法、熵值法[111-112]、离差及均方差法、多目标规划法等。其中熵值法用得较多，这种赋权法所使用的数据是决策矩阵，所确定的属性权重反映了属性值的离散程度。

最简单的权重计算方法

表 1 100 名大学生对择偶指标体系重要性的评价结果 、 第一步：以 67%（2/3）为界限，若选择“重要”“非常重要”、“极为重 最简单的权重计算方法 权重：反映指标在指标体系中重要性程度的数量。 研究问题：择偶指标体系权重集计算 1.外貌（身高、体重、长相魅力） 2.性格（情绪稳定性、性格匹配性、性格魅力） 3.成就（才华、财富） 4.潜力（升值空间） 一、定量统计法 假定随机抽取 50 名男大学生，50 名女大学生，填写一份调查问卷，结果 如表 1 所示： 要”的比例合计小于 67%，则删除该指标。由表 1 知，4 个指标累计比例均大 于 67%，均应保留。 第二步：把不重要赋值 1，有点重要赋值 2，重要赋值 3，非常重要赋值 4，极为重要赋值 5，若仅选择重要及以上数据进入统计，则这三种选项的权重

分别为：3/（3+4+5）=0.25；4/（3+4+5）=0.33；5/（3+4+5）=0.42。 第三步：计算每个指标的权重。指标1的权重 =（40*0.25+30*0.33+20*0.42）/{（40*0.25+30*0.33+20*0.42） +（30*0.25+40*0.33+10*0.42）+（40*0.25+30*0.33+10*0.42） +（30*0.25+40*0.33+20*0.42）}=28.3/（28.3+24.9+24.1+29.1）=28.3/106.4=0.266 指标2权重=24.9/106.4=0.234指标3权重=24.1/106.4=0.226 指标4权重=29.1/106.4=0.274 二、专家评定法 假设请三位专家对4个指标进行评价，结果如表2所示。 表2专家评定结果表 第一步，请每位专家就4个指标的重要性打分，4个指标评分的总和为100。第二步，计算每一指标的均值，见最后一列。 第三步，计算4个指标的权重。 指标1权重30/100=0.30 指标2权重26.67/100=0.27

指标权重确定方法之熵权法(计算方法参考

指标权重确定方法之熵权法 一、熵权法介绍 熵最先由申农引入信息论，目前已经在工程技术、社会经济等领域得到了非常广泛的应用。 熵权法的基本思路是根据指标变异性的大小来确定客观权重。 一般来说，若某个指标的信息熵越小，表明指标值得变异程度越大，提供的信息量越多，在综合评价中所能起到的作用也越大，其权重也就越大。相反，某个指标的信息熵越大，表明指标值得变异程度越小，提供的信息量也越少，在综合评价中所起到的作用也越小，其权重也就越小。 二、熵权法赋权步骤 1.数据标准化 将各个指标的数据进行标准化处理。 假设给定了k个指标，其中。假设对各指标数据标准化后的值为，那么。 2.求各指标的信息熵 根据信息论中信息熵的定义，一组数据的信息熵。其中，如果，则定义。 3.确定各指标权重

根据信息熵的计算公式，计算出各个指标的信息熵为。通过信息熵计算各指标的权重：。 三、熵权法赋权实例 1.背景介绍 某医院为了提高自身的护理水平，对拥有的11个科室进行了考核，考核标准包括9项整体护理，并对护理水平较好的科室进行奖励。下表是对各个科室指标考核后的评分结果。 但是由于各项护理的难易程度不同，因此需要对9项护理进行赋权，以便能够更加合理的对各个科室的护理水平进行评价。 2.熵权法进行赋权 1）数据标准化 根据原始评分表，对数据进行标准化后可以得到下列数据标准化表 表2 11个科室9项整体护理评价指标得分表标准化表 科室X1X2X3X4X5X6X7X8X9

A B C D E F G H I J K 2）求各指标的信息熵 根据信息熵的计算公式，可以计算出9项护理指标各自的信息熵如下： 表3 9项指标信息熵表 X1X2X3X4X5X6X7X8X9 信息熵 3）计算各指标的权重 根据指标权重的计算公式，可以得到各个指标的权重如下表所示： 表4 9项指标权重表 W1W2W3W4W5W6W7W8W9权重 3.对各个科室进行评分 根据计算出的指标权重，以及对11个科室9项护理水平的评分。设Z l为第l个科室的最终得分，则，各个科室最终得分如下表所示 表5 11个科室最终得分表

指标权重计算的确定方法

指标权重的计算方法 权重是一个相对的概念，是针对某一指标而言。某一指标的权重是指该指标在整体评价中的相对重要程度。 针对量表类问卷，指标权重计算在学术研究和企业研究中都较为常见。量表类问卷权重研究关注重心在于各个指标的权重得分值，而非影响关系，通过计算各个指标或者题项的权重得分值，最后构建完善的权重体系，并且结合各指标权重情况提供科学建议。 方法分类 权重研究分析方法非常多，以及权重研究均针对量表类题项，基本无法对非量表类问卷进行权重体系构建。针对量表类问卷权重研究方法，根据计算权重时原始数据的来源不同，可以将这些方法分为三类：主观赋权法、客观赋权法和组合赋权法。 主观赋权法：是根据决策者（专家）主观上对各属性的重视程度来确定属性权重的方法，常用的主观赋权法包括专家咨询法（Delphi法）、AHP层次分析法等。专家咨询法是由多位专家讨论共同决定各指标的权重值情况，而AHP层次分析法也是利用专家打分，并且使用数据计算过程最终生成各指标权重值。 客观赋权法：是根据原始数据之间的关系通过一定的数学方法来确定权重，其判断结果不依赖于人的主观判断，有较强的数学理论依据。常用的客观赋权法包括因子分析法、熵值法等，因子分析法和熵值法直接使用收集数据进行数据计算，最终生成指标权重值。 组合赋权法：针对主、客观赋权法各自的优缺点，研究人员可以综合使用两种方法，同时基于指标数据之间的内在规律和专家经验对决策指标进行赋权。

进一步说明 专家咨询法（Delphi法），是采用背对背通信方式征询专家小组成员预测意见，经过几轮征询使专家小组的预测意见趋于集中，最后做出符合市场未来发展趋势的预测结论。本质上是一种反馈匿名函询法。其大致流程是：在对所要预测的问题征得专家的意见之后，进行整理、归纳、统计，再匿名反馈给各专家，再次征求意见，再集中，再反馈，直至得到一致的意见。 AHP层次分析法，根据问题的性质和要达到的总目标，将问题分解为不同的组成因素，并按照因素间的相互关联影响以及隶属关系将因素按不同层次聚集组合，形成一个剁成次的分析结构模型，从而最终使问题归结为最底层（供决策的方案、措施等）相对于最高层（总目标）的相对重要权值的确定或相对优劣次序的排定。其基本模型如下： 层级分析法的计算步骤为：首先构造两两判断矩阵，然后让专家进行评分，接着计算特征根，并进行一致性检验，最后进行权重的计算。 熵值法，熵值是不确定性的一种度量。信息量越大，不确定性就越小，熵也就越小；信息量越小，不确定性越大，熵也越大。因而利用熵值携带的信息进行权重计算，结合各项指标的变异程度，利用信息熵这个工具，计算出各项指标的权重，为多指标综合评价提供依据。 通常熵值法的使用场景情况如下： 配合因子分析(或主成分析)得到一级指标权重，进一步使用熵值法计算具体二级指标的权重，最终构建权重体系；

熵权法

基于熵权法评价指标权值的确定 熵权法原理是把评价中各个待评价单元的信息进行量化与综合后的方法；采用熵权法对各因子赋权，可以简化评价过程。因此，本文采用熵值法对指标的权值进行确定。 首先，由以上四个评价指标，可以得到一个449?的原始数据矩阵为： m n nm n n n n x x x x x x x x x X ?? ? ??????????= 2 1 22221 11211 其中，n 为日期，其取值为49天，m 为评价指标，其取值为4，n x x 111~表示排队长，n x x 221~表示逗留时间，n x x 331~表示周转次数，n x x 441~表示病床使用率。由此，X 矩阵可知。 其次，对指标进行同趋势性变换，建立同正向矩阵；因为以上四个指标在评价时有高优指标和低优指标，其中，高优指标为周转次数和病床使用率，低优指标为排队长和逗留时间；评价时不同指标之间应该具有同趋势性，所以将低优指标化为高优指标即采用倒数法，转化后的矩阵为： m n nm n n n n y y y y y y y y y Y ?? ? ??????????= 2 1 22221 11211 将该矩阵进行归一化处理，即取Y 矩阵中列向量ij y 与该矩阵中所有元素之和的比值作为归一化结果，其计算公式如下： ),,2,1(,1 m j Y y z n i ij ij ij == ∑= 其中，ij z 为归一化后矩阵中的元素；归一化后的矩阵见附录1。 在确定评价指标的熵权值时，本文规定其运算公式如下： m j z z k x H n i ij ij j ,,2,1, ln )(1 =-=∑= 其中，k 为调节系数，n k ln 1=,因此2569.0=k ；ij z 为第i 个评价单元第j 个指标标准化值。通过计算可得0569.0)(1=x H ；0155.0)(2=x H ； 1549.38)(3-=x H ；8242.4)(4-=x H 。 将评价指标的熵值转化为权重值：

指标权重的确定方法

权重的确定方法 一、权重的概念 用若干个指标进行综合评价是，其对被评价的作用，从评价目标来看并不是同等重要。在统计综合评价中，权属的大小反映了评价指标的重要程度，权数大的评价指标重要程度大，权数小的评价指标重要程度小。一般有两种表现形式：一是绝对数（频数）表示，另一种是用相对数（频率）表示。 （1）从含信息的多少来考虑。权数越大，评价指标所包含信息越多。 （2）从指标的区分能力来考虑，全数越大，说明评价指标区别被评价对象的能力越强。 二、权重的确定方法 对实际问题选定被综合的指标后，确定各指标的权的值的方法有很多种。概括起来，权重的确定方法从总体上可归为三大类:即主观赋权评价法、客观赋权评价法及组合集成赋权法。 （一）主观赋权法 所谓主观赋权法，就是指基于决策者的知识经验或偏好，通过按重要性程度对各指标(属性)进行比较、赋值和计算得出其权重的方法。对于主观赋权法的研究，目前已取得的主要成果有:层次分析法(AHP 法)、专家调研法(Delphi 法)。 1、德尔菲法 德尔菲法又称为专家法，其特点在于集中专家的知识和经验，确定各指标的权重，并在不断的反馈和修改中得到比较满意的结果。基本步骤如下： （1）选择专家。这是很重要的一步，选得好不好将直接影响到结果的准确性。一般情况下，选本专业领域中既有实际工作经验又有较深理论修养的专家10～30人左右，并需征得专家本人的同意。 （2）将待定权重的p 个指标和有关资料以及统一的确定权重的规则发给选定的各位专家，请他们独立的给出各指标的权数值。 （3）回收结果并计算各指标权数的均值和标准差。 （4）将计算的结果及补充资料返还给各位专家，要求所有的专家在新的基础上确定权数。 （5）重复第（3）和第（4）步，直至各指标权数与其均值的离差不超过预先给定的标准为止，也就是各专家的意见基本趋于一致，以此时各指标权数的均值作为该指标的权重。 此外，为了使判断更加准确，令评价者了解已确定的权数把握性大小，还可以运用“带有信任度的德尔菲法”，该方法需要在上述第（5）步每位专家最后给出权数值的同时，标出各自所给权数值的信任度。这样，如果某一指标权数的任任度较高时，就可以有较大的把握使用它，反之，只能暂时使用或设法改进。 2、层次分析法(AHP 法) 层次分析法(analytic hierarchy process, AHP)是70年代由著名运筹学家T.L.Saaty 提出的。 方法:多属性决策中，由决策者对所有评价指标进行两两比较，得判断矩阵() ij n n U u ?=， 其中ij u 为评价指标i s 与j s 比较而得的数值，取值为1至9之间的奇数，分别表示前者指标比后者指标同等重要、较重要、很重要、非常重要、绝对重要;当取值为1至9之间的偶数时，分别表示指标两两相比的重要性程度介于两个相邻奇数所表示的 重要性程度之间，且1 ij ji u u =。则:() 1 1 ()1,2,,n n j ij i W u j n ===∏ （二）、客观赋权法 客观赋权法，它是基于各方案评价指标值的客观数据的差异而确定各指标的权重的方法。目前，关于客观赋权法的主要研究成果有：基于“差异驱动”原理的赋权方法，可分为突出整体差异的“拉开档次法”和突出局部差异的“均方差法”、“嫡值法”以及“极差法”、“离差法”。 1、主成分分析法 方法:把多项评价指标综合成z 个主成分，再以这z 个主成分的贡献率为权数构造一个综合指标，并据此作出判断 特点:用:个线性无关的主成分代替原有的n 个评价指标,当这n 个评价指标的相关性较高时，这种方法能消除指标间信息的重叠;而且能根据指标所提供的信息，通过数学运算而主动赋权 2“拉开档次”法

最简单的权重计算方法

最简单的权重计算方法 权重：反映指标在指标体系中重要性程度的数量。 研究问题：择偶指标体系权重集计算 1.外貌（身高、体重、长相魅力） 2.性格（情绪稳定性、性格匹配性、性格魅力） 3.成就（才华、财富） 4.潜力（升值空间） 一、定量统计法 假定随机抽取50名男大学生，50名女大学生，填写一份调查问卷，结果如表1所示： 表1 100名大学生对择偶指标体系重要性的评价结果 第一步：以67%（2/3）为界限，若选择“重要”、“非常重要”、“极为重要”的比例合计小于67%，则删除该指标。由表1知，4个指标累计比例均大于67%，均应保留。 第二步：把不重要赋值1，有点重要赋值2，重要赋值3，非常重要赋值4，极为重要赋值5，若仅选择重要及以上数据进入统计，则这三种选项的权重分别

为：3/（3+4+5）=0.25；4/（3+4+5）=0.33；5/（3+4+5）=0.42。 第三步：计算每个指标的权重。指标1的权重=（40*0.25+30*0.33+20*0.42）/{（40*0.25+30*0.33+20*0.42）+（30*0.25+40*0.33+10*0.42）+（40*0.25+30*0.33+10*0.42）+（30*0.25+40*0.33+20*0.42）} = 28.3/（28.3+24.9+24.1+29.1）=28.3/106.4=0.266 指标2权重=24.9/106.4=0.234指标3权重=24.1/106.4=0.226指标4权重=29.1/106.4=0.274 二、专家评定法 假设请三位专家对4个指标进行评价，结果如表2所示。 表2 专家评定结果表 第一步，请每位专家就4个指标的重要性打分，4个指标评分的总和为100。第二步，计算每一指标的均值，见最后一列。 第三步，计算4个指标的权重。 指标1权重30/100=0.30 指标2权重26.67/100=0.27

熵值法的原理及实例讲解

熵值法的原理及实例讲解 熵值法 1.算法简介熵值法是一种客观赋权法,其根据各项指标观测值所提供的信息的大小来确定指标权重。设有m个待评方案，n项评价指标，形成原始指标数据矩阵X?(xij)m?n，对于某项指标xj，指标值Xij的差距越大，则该指标在综合评价中所起的作用越大；如果某项指标的指标值全部相等，则该指标在综合评价中不起作用。在信息论中，熵是对不确定性的一种度量。信息量越大，不确定性就越小，熵也就越小；信息量越小，不确定性就越大，熵也越大.根据熵的特性，我们可以通过计算熵值来判断一个方案的随机性及无序程度，也可以用熵值来判断某个指标的离散程度，指标的离散程度越大，该指标对综合评价的影响越大！因此，可根据各项指标的变异程度，利用信息熵这个工具，计算出各

个指标的权重，为多指标综合评价提供依据！ 2.算法实现过程数据矩阵?X11?X1m??????其中Xij为第i个方案第j个指标的数值A????X??n1?Xnm?n? 数据的非负数化处理于熵值法计算采用的是各个方案某一指标占同一指标值总和的比值，因此不存在量纲的影响，不需要进行标准化处理，若数据中有负数，就需要对数据进行非负化处理！此外，为了避免求熵值时对数的无意义，需要进行数据平移：对于越大越好的指标：’Xij?Xij?min(X1j,X2j,?,Xn j)max(X1j,X2j,?,Xnj)?min(X1j,X2j,?,Xnj) ?1,i?1,2,?,n;j?1,2,?,m对于越小越好的指标：’Xij?max(X1j,X2j,?,Xnj)?Xijm ax(X1j,X2j,?,Xnj)?min(X1j,X2j,?,Xnj)?1,i ?1,2,?,n;j?1,2,?,m为了方便起见，仍记非负化处理后的数据为Xij 计算第j 项指标下第i个方案占该指标的比重Pij?Xij?Xi?1n(j?1,2,?m) 计算第j项指标的熵值ej??k*?Pijlog(Pij),其中

权重确定方法

? ? ? ? ? ? 权重 权重是一个相对的概念，是针对某一指标而言。某一指标的权重是指该指标在整体评价中的相对重要程度。 权重表示在评价过程中，是被评价对象的不同侧面的重要程度的定量分配，对各评价因子在总体评价中的作用进行区别对待。事实上，没有重点的评价就不算是客观的评价，每个人员的性质和所处的层次不同，其工作的重点也肯定是不能一样的。因此，相对工作所进行的业绩考评必须对不同内容对目标贡献的重要程度做出估计，即权重的确定。 总之，权重是要从若干评价指标中分出轻重来，一组评价指标体系相对应的权重组成了权重体系。一组权重体系{Vi|I=1，2，…n}，必须满足下述两个条件： （1）0

确定权重的原则 一、系统优化原则 在评价指标体系中，每个指标对系统都由它的作用和贡献，对系统而言都有它的重要性。所以，在确定它们的权重时，不能只从单个指标出发，而是要处理好各评价指标之间的关系，合理分配它们的权重。应当遵循系统优化原则，把整体最优化作为出发点和追求的目标。 在这个原则指导下，对评价指标体系中各项评价指标进行分析对比，权衡它们各自对整体的作用和效果，然后对它们的相对重要性做出判断。确定各自的权重，即不能平均分配，又不能片面强调某个指标、单个指标的最优化，而忽略其他方面的发展。在实际工作中，应该使每个指标发挥其应有的作用。 二、评价者的主观意图与客观情况相结合的原则 评价指标权重反映了评价者和组织对人员工作的引导意图和价值观念。当他们觉得某项指标很重要，需要突出它的作用时，就必然各该指标以较大的权数。但现实情况往往与人们的主观意愿不完全一致，比如，确定权重时要考虑这样几个问题：（1）历史的指标和现实的指标；（2）社会公认的和企业的特殊性；（3）同行业、同工种间的平衡。所以，必须同时考虑现实情况，把引导意图与现实情况结合起来。前面已经讲过，评价经营者的经营业绩应该把经济效益和社会效益同时加以考虑。 三、民主与集中相结合的原则 权重是人们对评价指标重要性的认识，是定性判断的量化，往往受个人主观因素的影响。不同的人对同一件事情都有各自的看法，而且经常是不相同的，其中有合理的成分；也有受个人价值观、能力和态度造成的偏见。这就需要实行群体决策的原则，集中相关人员的意见互相补充，形成统一的方案。这个过程有下列好处： 1、考虑问题比较全面，使权重分配比较合理，防止个别人认识和处理问题的片面性。 2、比较客观的协调了评价各方之间意见不统一的矛盾，经过讨论、协商、考察各种具体情况而确定的方案，具有很强的说服力，预先消除了许多不必要的纠纷。 3、这是一种参与管理的方式，在方案讨论的过程中，各方都提出了自己的意见，而且对评价目的和系统目标都有进一步的体会和了解，在日常工作中，可以更好的按原定的目标进行工作。 权值因子判断表法 1、组成评价的专家组。包括人事部门的人员、评价专家以及相关的其他人员。根据不同的评价对象和目的，专家构成可以不同。 2、制订评价指标因子判断表。见下表：

Matlab学习系列19.-熵值法确定权重

19.熵值法确定权重 一、基本原理 在信息论中，熵是对不确定性的一种度量。信息量越大，不确定性就越小，熵也就越小；信息量越小，不确定性越大，熵也越大。 根据熵的特性，可以通过计算熵值来判断一个事件的随机性及无序程度，也可以用熵值来判断某个指标的离散程度，指标的离散程度越大，该指标对综合评价的影响（权重）越大，其熵值越小。 二、熵值法步骤 1. 选取n个国家，m个指标，则x j为第i个国家的第j个指标的数值（i=1, 2…，n; j=1,2,…,m）; 2. 指标的归一化处理：异质指标同质化 由于各项指标的计量单位并不统一，因此在用它们计算综合指标前，先要对它们进行标准化处理，即把指标的绝对值转化为相对值，并令X j X j ,从而解决各项不同质指标值的同质化问题。而且，由于正向指标和负向指标数值代表的含义不同（正向指标数值越高越好，负向指标数值越低越好），因此，对于高低指标我们用不同的算法进行数据标准化处理。其具体方法如下： 正向指标： X ij min ｛勺公2）,...,人）｝ X ij max｛X ij,X2j,...,X nj｝ min ｛勺公？」，…，x j

负向指标:

max{X ij,X2j,...,X nj} X j X j max{X jj,X2j,...,X nj} m in {勺必），…，x^} 则X j为第i个国家的第j个指标的数值(i=1,2…，n; j=1,2,…,m) 为了方便起见，归一化后的数据X j仍记为X j； 3?计算第j项指标下第i个国家占该指标的比重： X ij P j —, i 1,2..., n, j 1,2..., m X ij i 1 4. 计算第j项指标的熵值： n e j k P ij ln( p j) i 1 其中，k=1/ln(n)>0.满足e j >0; 5. 计算信息熵冗余度： d j 1 e j; 6. 计算各项指标的权值： d j W j —, j 1,2,...,m d j j 1 7. 计算各国家的综合得分： m s W j p ij, i 1,2,...n j 1 三、Matlab实现 按上述算法步骤，编写Matlab函数：shang.m function [s,w]=sha ng(x) %函数shang(), 实现用熵值法求各指标(列)的权重及各数据行的得分

权重的确定方法

权重的确定方法 ——数学建模协会A.权重简介 在统计理论和实践中，权重是表明各个评价指标（或者评价项目）重要性的权数，表示各个评价指标在总体中所起的不同作用。权重有不同的种类，各种类别的权重有着不同的数学特点和经济含义，一般有以下几种权重。 按照权重的表现形式的不同，可分为绝对数权重和相对数权重。相对数权重也称比重权数，能更加直观地反映权重在评价中的作用。 按照权重的形成方式划分，可分为人工权重和自然权重。自然权重是由于变换统计资料的表现形式和统计指标的合成方式而得到的权重，也称为客观权重。人工权重是根据研究目的和评价指标的内涵状况，主观地分析、判断来确定的反映各个指标重要程度的权数，也称为主观权重。 按照权重形成的数量特点的不同划分，可分为定性赋权和定量赋权。如果在统计综合评价时，采取定性赋权和定量赋权的方法相结合，获得的效果更好。 按照权重与待评价的各个指标之间相关程度划分，可分为独立权重和相关权重。 独立权重是指评价指标的权重与该指标数值的大小无关，在综合评价中较多地使用独立权重，以此权重建立的综合评价模型称为“定权综合”模型。 相关权重是指评价指标的权重与该指标的数值具有函数关系，例如，当某一评价的指标数值达到一定水平时，该指标的重要性相应的减弱；或者当某一评价指标的数值达到另一定水平时，该指标的重要性相应地增加。相关权重适用于评价指标的重要性随着指标取值的不同而发生变化的条件下，基于相关权重建立的综合评价模型被称为“变权模型”。比如评估环境质量多采用“变权综合”模型。 确定权重的方法较多，这里介绍统计平均法、变异系数法和层次分析法，这些也是实际工作种常用的方法。 B.确定权重的原则 一、系统优化原则 在评价指标体系中，每个指标对系统都由它的作用和贡献，对系统而言都有它的重要性。所以，在确定它们的权重时，不能只从单个指标出发，而是要处理好各评价指标之间的关系，合理分配它们的权重。应当遵循系统优化原则，把整体最优化作为出发点和追求的目标。在这个原则指导下，对评价指标体系中各项评价指标进行分析对比，权衡它们各自对整体的作用和效果，然后对它们的相对重要性做出判断。确定各自的权重，即不能平均分配，又不能片面强调某个指标、单个指标的最优化，而忽略其他方面的发展。在实际工作中，应该使每个指标发挥其应有的作用。 二、评价者的主观意图与客观情况相结合的原则 评价指标权重反映了评价者和组织对人员工作的引导意图和价值观念。当他们觉得某项指标很重要，需要突出它的作用时，就必然各该指标以较大的权数。但现实情况往往与人们的主观意愿不完全一致，比如，确定权重时要考虑这样几个问题：（1）历史的指标和现实的指标；（2）社会公认的和企业的特殊性；（3）同行业、同工种间的平衡。所以，必须同时考虑现实情况，把引导意图与现实情况结合起来。前面已经讲过，评价经营者的经营业绩应该把经济效益和社会效益同时加以考虑。 三、民主与集中相结合的原则 权重是人们对评价指标重要性的认识，是定性判断的量化，往往受个人主观因素的影响。不

指标权重确定方法之熵权法(计算方法参考

指标权重确定方法之炳权法 一、爛权法介绍 爛最先由申农引入信息论，目前已经在工程技术、社会经济等领域得到了非常广泛的应用。 矯权法的基本思路是根据指标变异性的大小来确定客观权重。 一般来说，若某个指标的信息矯越小，表明指标值得变异程度越大，提供的信息量越多，在综合评价中所能起到的作用也越大，其权重也就越大。相反，某个指标的信息墉越大，表明指标值得变异程度越小，提供的信息量也越少，在综合评价中所起到的作用也越小，其权重也就越小。 二、爛权法赋权步骤 1.数据标准化 将各个指标的数据进行标准化处理。 假设给定了&个指标，其中。假设对各指标数据标准化后的值为，那么。 2.求各指标的信息爛 根据信息论息矯的定义，一组数据的信息矯。其中，如果，则定义。 3.确定各指标权重 根据信息*商的计算公式，计算出各个指标的信息爛为。通过信息爛计算各指标的权重：O 三、爛权法赋权实例 1.背景介绍

某医院为了提高自身的护理水平，对拥有的11个科室进行了考核，考核标准包括9项整体护理，并对护理水平较好的科室进行奖励。下表是对各个科室指标考核后的评分结果。 表I 11个科室9项整体护理评价指标得分表 但是由于各项护理的难易程度不同，因此需要对9项护理进行赋权，以便能够更加合理的对各个科室的护理水平进行评价。 2.爛权法进行赋权 1）数据标准化 根据原始评分表，对数据进行标准化后可以得到下列数据标准化表 表2 11个科室9项整体护理评价指标得分表标准化表

2）求各指标的信息埔 根据信息矯的计算公式，可以计算出9项护理指标各自的信息矯如下: 表3 9项指标信息爛表 3）计算各指标的权重 根据指标权重的计算公式，可以得到各个指标的权重如下表所示: 表4 9项指标权重表 3.对各个科室进行评分 根据计算出的指标权重，以及对11个科室9项护理水平的评分。设Z?为第/个科室的最终得分，则，各个科室最终得分如下表所示 表5 11个科室最终得分表

评价指标权重确定方法综述

评价指标权重确定方法综述 1.引言 评价指标权重的确定是多目标决策的一个重要环节，因为多目标决策的基本思想是将多目标决策结果值纯量化，也就是应用一定的方法、技术、规则（常用的有加法规则、距离规则等）将各目标的实际价值或效用值转换为一个综合值；或按一定的方法、技术将多目标决策问题转化为单目标决策问题。然后，按单目标决策原理进行决策。指标权重是指标在评价过程中不同重要程度的反映，是决策(或评估)问题中指标相对重要程度的一种主观评价和客观反映的综合度量。权重的赋值合理与否，对评价结果的科学合理性起着至关重要的作用；若某一因素的权重发生变化，将会影响整个评判结果。因此，权重的赋值必须做到科学和客观，这就要求寻求合适的权重确定方法。 2.指标权重确定方法研究现状 目前国内外关于评价指标权系数的确定方法有数十种之多，根据计算权系数时原始数据来源以及计算过程的不同，这些方法大致可分为三大类：一类为主观赋权法，一类为客观赋权法，一类为主客观综合集成赋权法。 主观赋权评估法采取定性的方法，由专家根据经验进行主观判断而得到权数，然后再对指标进行综合评估。如层次分析法、专家调查法（Delphi法）［］（镇常青.多目标决策中的权重调查确定方法.系统工程理论与实践，1987，7(2)：16-24）、模糊分析法、二项系数法［］（程明熙.处理多目标决策问题的二项系数加权和法.系统工程理论与实践，1983，3(4):23-26）、环比评分法［］（陆明生.多目标决策中的权系数.系统工程理论与实践，1986，6(4):77-78）、最小平方法［］（宣家骥.多目标决策.长沙:湖南科技出版社，1989，陈挺.决策分析.北京:科学出版社，1997）、序关系分析法(G1法)［］（郭亚军.综合评价理论与方法[M].北京:科学出版社，2002.）等方法，其中层次分析法(AHP法)是实际应用中使用得最多的方法，它将复杂问题层次化，将定性问题定量化。层次分析法（AHP）是由美国运筹学家，匹兹堡大学的萨迪教授于20世纪70年代初提出的，它是一种整理和综合人们主观判断的客观分析方法，也是一种定量与定性相结合的系统分析方法，它适合于具有多层次结构的多目标决策问题或综合评价问题的权重确定和多指

权重的确定方法

权重的确定方法 综合评价指标体系内部各元素间存在质和量的联系。由指标体系的结构模型（如层次模型），我们已经确定了指标体系质的方面的联系，那么权重则反映各系统各元素之间量的方面联系纽带，它对于系统综合评价具有重要的意义。无论是在模糊综合评价，还是层次分析、灰色系统评价无一例外的用到了评价指标的权重。 权重的概念 韦氏大词典中对权重（Weight）的解释为：“在所考虑的群体或系列中，赋予某一项目的相对值”；“在某一频率分布中，某一项目的频率”；“表示某一项目相对重要性所赋予的一个数”。从中我们可以得出两点结论： （1）权重是表示因素重要性的相对数值。 （2）权重是通过概率统计得出的频率分布中的频率。 由此可以看出权重具有随机性与模糊性，它是一个模糊随机量。在综合评价中权重可以定义为元素对于整体贡献的相对重要程度，即元素能够反映总体的程度。 权重的确定方法 对实际问题选定被综合的指标后，确定各指标的权的值的方法有很多种。有些方法是利用专家或个人的知识和经验，所以有时称为主观赋权法。但这些专家的判断本身也是从长期实际中来的，不是随意设想的，应该说有客观的基础；有些方法是从指标的统计性质来考虑，它是由调查所得的数据决定，不需征求专家们的意见，所以有时称为客观赋权法。在这些方法中，德尔菲（Delphi）方法是被经常被采用的，其它方法就相对来说用得不多，这里列举几个在下面，以供比较。 1. 德尔菲法 德尔菲法又称为专家法，其特点在于集中专家的知识和经验，确定各指标的权重，并在不断的反馈和修改中得到比较满意的结果。基本步骤如下： （1）选择专家。这是很重要的一步，选得好不好将直接影响到结果的准确性。一般情况下，选本专业领域中既有实际工作经验又有较深理论修养的专家10～30人左右，并需征得专家本人的同意。 （2）将待定权重的p个指标和有关资料以及统一的确定权重的规则发给选定的各位 专家，请他们独立的给出各指标的权数值。 （3）回收结果并计算各指标权数的均值和标准差。 （4）将计算的结果及补充资料返还给各位专家，要求所有的专家在新的基础上确定

Excel,wps中熵值法、熵权法、指标赋权、权重计算。

Excel 、wps 实现熵权法计算过程： 1.熵权法下指标权重的计算 熵权法下首先计算第i 年份的第j 项指标值的权重： i=1，2，3…n; j=1，2，3…m （2） 令k=1/ln(n)>0,为调节系数，计算指标信息熵： i=1，2，3…n; j=1，2，3…m （3） 最后确定计算指标权重： （0

12 2009 0.585203446 0.588585521 13 2010 0.694865622 0.465106715 14 2011 0.500221291 0.472249607 15 2012 1 0.602993026 16 2013 0.863566837 0.558954944 17 2014 0.835655753 0.523401776 18 2015 0.193615668 0.586089558 19 2016 0.52105526 1.000347255 20 =SUM(B1:B19) =SUM(C1:C19) 21 pij =B1/B$20 =C1/C$20 下拉后得到19 行新数据 最后一步就是这个式子的计算，下拉就好了，$会让你下 拉的时候总是除以20行这个数字保持不变。 66 =B21*ln(B21) =C21*LN(C21) 67 下拉后得到19 行新数据 68 (方便起见这里就以这个表格位置输 入了，实际操作中肯定不是，因为 =C$68*B66 =C$*C66 -k=-ln(1/19)（表格中位置为 (C68） ∑== n i ij ij ij y y p 1 ' '

(完整版)权重的确定方法

权重的确定方法 在统计理论和实践中，权重是表明各个评价指标（或者评价项目）重要性的权数，表示各个评价指标在总体中所起的不同作用。权重有不同的种类，各种类别的权重有着不同的数学特点和经济含义，一般有以下几种权重。 按照权重的表现形式的不同，可分为绝对数权重和相对数权重。相对数权重也称比重权数，能更加直观地反映权重在评价中的作用。 按照权重的形成方式划分，可分为人工权重和自然权重。自然权重是由于变换统计资料的表现形式和统计指标的合成方式而得到的权重，也称为客观权重。人工权重是根据研究目的和评价指标的内涵状况，主观地分析、判断来确定的反映各个指标重要程度的权数，也称为主观权重。 按照权重形成的数量特点的不同划分，可分为定性赋权和定量赋权。如果在统计综合评价时，采取定性赋权和定量赋权的方法相结合，获得的效果更好。 按照权重与待评价的各个指标之间相关程度划分，可分为独立权重和相关权重。 独立权重是指评价指标的权重与该指标数值的大小无关，在综合评价中较多地使用独立权重，以此权重建立的综合评价模型称为“定权综合”模型。 相关权重是指评价指标的权重与该指标的数值具有函数关系，例如，当某一评价的指标数值达到一定水平时，该指标的重要性相应的减弱；或者当某一评价指标的数值达到另一定水平时，该指标的重要性相应地增加。相关权重适用于评价指标的重要性随着指标取值的不同而发生变化的条件下，基于相关权重建立的综合评价模型被称为“变权模型”。比如评估环境质量多采用“变权综合”模型。 (一)统计平均法 统计平均数法（Statistical average method）是根据所选择的各位专家对各项评价指标所赋予的相对重要性系数分别求其算术平均值，计算出的平均数作为各项指标的权重。其基本步骤是： 第一步，确定专家。一般选择本行业或本领域中既有实际工作经验、又有扎实的理论基础、并公平公正道德高尚的专家； 第二步，专家初评。将待定权数的指标提交给各位专家，并请专家在不受外界干扰的前提下独立的给出各项指标的权数值； 第三步，回收专家意见。将各位专家的数据收回，并计算各项指标的权数均值和标准差； 第四步，分别计算各项指标权重的平均数。 如果第一轮的专家意见比较集中，并且均值的离差在控制的范围之内，即可以用均值确定指标权数。如果第一轮专家的意见比较分散，可以把第一轮的计算结果反馈给专家，并请他们重新给出自己的意见，直至各项指标的权重与其均值的离差不超过预先给定的标准为止，即达到各位专家的意见基本一致，才能将各项指标的权数的均值作为相应指标的权数。 (二)变异系数法