数据指标的权重方法主要可以分为以下几类：

第一类为因子分析和主成分法；此类方法利用了数据的信息浓缩原理，利用方差解释率进行权重计算；

第二类为AHP层次法和优序图法；此类方法利用数字的相对大小信息进行权重计算；

第三类为熵值法（熵权法）；此类方法利用数据熵值信息即信息量大小进行权重计算；

第四类为CRITIC、独立性权重和信息量权重；此类方法主要是利用数据的波动性或者数据之间的相关关系情况进行权重计算。

1、熵权法原理

根据信息熵的定义，对于某项指标，可以用熵值来判断某个指标的离散程度，其熵值越小，指标的离散程度越大，该指标对综合评价的影响（即权重）就越大，如果某项指标的值全部相等，则该指标在综合评价中不起作用。

2、熵权法计算步骤

1）、数据预处理：冗余数据处理、异常值处理。

2）、归一化处理：归一化是将不同量纲的指标同量纲化，即常用0-1归一化和Z-score归一化。

3）、计算指标的熵和权：

计算权重是一种常见的分析方法，在实际研究中，需要结合数据的特征情况进行选择，比如数据之间的波动性是一种信息量，那么可考虑使用CRITIC权重法或信息量权重法；也或者专家打分数据，那么可使用AHP层次法或优序图法。

本文列出常见的权重计算方法，并且对比各类权重计算法的思想和大概原理，使用条件等，便于研究人员选择出科学的权重计算方法。

首先列出常见的8类权重计算方法，如下表所示：

这8类权重计算的原理各不相同，结合各类方法计算权重的原理大致上可分成4类，分别如下：

· 第一类为因子分析和主成分法；此类方法利用了数据的信息浓缩原理，利用方差解释率进行权重计算；

· 第二类为AHP层次法和优序图法；此类方法利用数字的相对大小信息进行权重计算；

· 第三类为熵值法（熵权法）；此类方法利用数据熵值信息即信息量大小进行权重计算；

· 第四类为CRITIC、独立性权重和信息量权重；此类方法主要是利用数据的波动性或者数据之间的相关关系情况进行权重计算。

转自百川本硕论文指导微信公众号，仅作学习交流，如有侵权，请联系本站删除！