多指标综合评价中权重系数的确定方法

三类方法：

主观赋权法
客观赋权法
组合赋权法

一. 常用的主观赋权法

专家法（德尔菲法）
$W_{i}=\frac{\sum_{j=1}^{n} E_{ij}}{n}$
其中， $W_{i}$ ：指标 $i$ 的权重
$E_{ij}$ ：专家 $j$ 对指标 $i$ 的打分
$n$ ：专家总数
强制比较法（因素成对比较法）
假设：A，B，C三个指标，虚拟指标D（防止某指标权重为零）
$A \leftrightarrow B$ ： $1 \leftrightarrow 0$
$A \leftrightarrow C$ ： $1 \leftrightarrow 0$ $B \leftrightarrow C$ ： $1 \leftrightarrow 0$
$A \leftrightarrow D$ ： $1 \leftrightarrow 0$ $B \leftrightarrow D$ ： $1 \leftrightarrow 0$ $C \leftrightarrow D$ ： $1 \leftrightarrow 0$
$A：3（0.5）$ $B：2（0.33）$ $C：1（0.17）$
层次分析法（AHP）
旅游城市综合评价

二. 常用的客观赋权法（不同时间切片可能不稳定）

均方差法
$W_{j}=\frac{ s_{j}}{\sum_{k=1}^{m} s_{k}}$
其中， $W_{j}$ ：指标 $j$ 的权重
$s_{j}$ ：指标 $j$ 的标准差
$m$ ：指标总数
注：越离散，权重越大，但未考虑均值
变异系数法
$W_{j}=\frac{v_{j}}{\sum_{k=1}^{m} v_{k}}$
其中， $W_{j}$ ：指标 $j$ 的权重
$v_{j}$ ：指标 $j$ 的变异系数， $v_{j}=\frac{s_{j}}{x_{j}}$ ，变异系数=标注差/均值，用来衡量样本的离散程度
$m$ ：指标总数
注：越离散，权重越大
独立性权重（CRITIC 法--Criteria Importance Though Intercrieria Correlation）
$C_{j}=\sigma_{j} \sum_{i=1}^{n} (1-r_{ij})$
其中， $C_{j}$ ：指标 $j$ 的权重
$\sigma_{j}$ ：指标 $j$ 的标准差
$r_{ij}$ ：指标 $i$ 和指标 $j$ 的相关系数
$W_{j}=\frac{C_{j}}{\sum_{k=1}^{n} C_{k}}$
注：越独立，权重越大

image.png

image.png

主成分分析（因子分析）法
pca降维：将n维特征映射到k维上（k<n），这k维是全新的正交特征，这k维特征称为主成分
最好的k维特征是将n维样本点转换为k维后，每一维上的样本方差都很大（最大方差理论）
注：业务解释困难

5、熵值法（EVM）
信息熵的公式

$E_{j}=\frac{1}{ln(m)}\sum_{i=1}^{m} p_{ij}ln(\frac{1}{p_{ij}})$
$d_{j}=1-E_{j}$
$W_{j}=\frac{d_{j}}{\sum_{j=1}^{n} d_{j}}$
其中， $E_{j}$ ：指标 $j$ 的不确定度（熵值）
$m$ ：评价方案的个数
$d_{j}$ ：指标 $j$ 的确定度
$W_{j}$ ：指标 $j$ 的权重

购买轿车-熵值法
注：指标的信息熵越小（信息量越小，确定度越高）权重越大

二. 常用的组合赋权法

乘法加成
step1：使用主观和客观赋权法，对多个指标赋权
step2：把多个指标所得的权数相乘，再归一化，就得到多个指标的权重
$W_{j}=\frac{p_{j}q_{j}}{\sum_{i=1}^{m} p_{j}q_{j}}$
其中， $p_{j}$ ：主观赋权法确定的权重
$q_{j}$ ：客观赋权法确定的权重

2、线性加权合成
$W_{j}=\lambda p_{j}+(1-\lambda )q_{j}$

以层次分析法（AHP）和熵值法为基础的综合评估模型

image.png

最后编辑于：2019.12.09 13:34:39

人面猴
序言：七十年代末，一起剥皮案震惊了整个滨河市，随后出现的几起案子，更是在滨河造成了极大的恐慌，老刑警刘岩，带你破解...
沈念sama阅读 206,214评论 6赞 481
死咒
序言：滨河连续发生了三起死亡事件，死亡现场离奇诡异，居然都是意外死亡，警方通过查阅死者的电脑和手机，发现死者居然都...
沈念sama阅读 88,307评论 2赞 382
救了他两次的神仙让他今天三更去死
文/潘晓璐我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
开封第一讲书人阅读 152,543评论 0赞 341
道士缉凶录：失踪的卖姜人
文/不坏的土叔我叫张陵，是天一观的道长。经常有香客问我，道长，这世上最难降的妖魔是什么？我笑而不...
开封第一讲书人阅读 55,221评论 1赞 279
港岛之恋（遗憾婚礼）
正文为了忘掉前任，我火速办了婚礼，结果婚礼上，老公的妹妹穿的比我还像新娘。我一直安慰自己，他们只是感情好，可当我...
茶点故事阅读 64,224评论 5赞 371
恶毒庶女顶嫁案：这布局不是一般人想出来的
文/花漫我一把揭开白布。她就那样静静地躺着，像睡着了一般。火红的嫁衣衬着肌肤如雪。梳的纹丝不乱的头发上，一...
开封第一讲书人阅读 49,007评论 1赞 284
城市分裂传说
那天，我揣着相机与录音，去河边找鬼。笑死，一个胖子当着我的面吹牛，可吹牛的内容都是我干的。我是一名探鬼主播，决...
沈念sama阅读 38,313评论 3赞 399
双鸳鸯连环套：你想象不到人心有多黑
文/苍兰香墨我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
开封第一讲书人阅读 36,956评论 0赞 259
万荣杀人案实录
序言：老挝万荣一对情侣失踪，失踪者是张志新（化名）和其女友刘颖，没想到半个月后，有当地人在树林里发现了一具尸体，经...
沈念sama阅读 43,441评论 1赞 300
护林员之死
正文独居荒郊野岭守林人离奇死亡，尸身上长有42处带血的脓包…… 初始之章·张勋以下内容为张勋视角年9月15日...
茶点故事阅读 35,925评论 2赞 323
白月光启示录
正文我和宋清朗相恋三年，在试婚纱的时候发现自己被绿了。大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
茶点故事阅读 38,018评论 1赞 333
活死人
序言：一个原本活蹦乱跳的男人离奇死亡，死状恐怖，灵堂内的尸体忽然破棺而出，到底是诈尸还是另有隐情，我是刑警宁泽，带...
沈念sama阅读 33,685评论 4赞 322
日本核电站爆炸内幕
正文年R本政府宣布，位于F岛的核电站，受9级特大地震影响，放射性物质发生泄漏。R本人自食恶果不足惜，却给世界环境...
茶点故事阅读 39,234评论 3赞 307
男人毒药：我在死后第九天来索命
文/蒙蒙一、第九天我趴在偏房一处隐蔽的房顶上张望。院中可真热闹，春花似锦、人声如沸。这庄子的主人今日做“春日...
开封第一讲书人阅读 30,240评论 0赞 19
一桩弑父案，背后竟有这般阴谋
文/苍兰香墨我抬头看了看天上的太阳。三九已至，却和暖如春，着一层夹袄步出监牢的瞬间，已是汗流浃背。一阵脚步声响...
开封第一讲书人阅读 31,464评论 1赞 261
情欲美人皮
我被黑心中介骗来泰国打工，没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留，地道东北人。一个月前我还...
沈念sama阅读 45,467评论 2赞 352
代替公主和亲
正文我出身青楼，却偏偏与公主长得像，于是被迫代替她去往敌国和亲。传闻我的和亲对象是个残疾皇子，可洞房花烛夜当晚...
茶点故事阅读 42,762评论 2赞 345

多指标综合评价中权重系数的确定方法

三类方法：

一. 常用的主观赋权法

二. 常用的客观赋权法（不同时间切片可能不稳定）

二. 常用的组合赋权法

推荐阅读更多精彩内容