

权重分析(熵权法)
1、作用
权重分析是通过熵权法对问卷调查的指标的重要性进行权重输出,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,其信息熵值越小,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。因此,可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、输入输出描述
输入:至少两项或以上的定量变量(正向指标与负向指标),一般要求数据为量表量数据 输出:输入定量变量对应的权重值
3、案例示例
案例:数据是 100 个客户的各方面(能力,品格,担保,资本,环境)评分,利用熵权法来计算各个变量(能力,品格,担保,资本,环境)的重要性,即所占的权重。
4、案例数据
权重分析(熵权法)案例数据
5、案例操作
Step1:新建分析;
Step2:上传数据;
Step3:选择对应数据打开后进行预览,确认无误后点击开始分析;
step4:选择【权重分析(熵权法)】; step5:查看对应的数据数据格式,【权重分析(熵权法)】要求特征序列为类变量,且至少有两项; step6:点击【开始分析】,完成全部操作。
6、输出结果分析
输出结果1:权重分析计算结果
图表说明:熵权法的权重计算结果显示能力的权重为10.484%、品格的权重为19.313%、担保的权重为28.014%、资本的权重为18.062%、环境的权重为24.128%,其中指标权重最大值为担保(28.014%),最小值为指标能力(10.484%)
输出结果 2:指标重要度直方图
图表说明:可选择直方图、折线图、条形图、饼图四种方式对权值比重进行可视化。上图以直方图为例。
7、注意事项
SPSSPRO 默认会对指标进行正、负向指标处理,通过处理,数据就无需再进一行标准化; 熵权法得到权重值后,此时数据与对应的权重相乘,并且进行累加,最终得到一列数据即为‘综合得分’; 熵值法的计算公式上会有取对数,因此如果小于等于 0 的数字取对数,则会出现 null 值,SPSSPRO 采用非负平移进行处理,即如果某列(某指标)数据出现小于等于 0,则让该列数据同时加上一个‘平移值’【该值为某列数据最小值的绝对值+0.01】,以便让数据全部都大于 0,因而满足算法要求。
8、模型理论
熵是信息论中的概念,是对不确定性的一种度量。信息量越大,不确定性越小,熵就越小;信息量越小,不确定性越大,熵也越大。根据信息熵的定义,对于某项指标可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)也越大。
其步骤为:
(1) 对各个因素按照每个选项的数量进行归一化处理为
对于正向指标:
对于负向指标:
第 i 个因素的第 j 个选项的比例 yij 为
上式中:m 为考虑的影响因素的个数。
其中K=1/lnm,K为常数。
(2) 对每个因素进行加权计算得到第i个影响 因素的得分Si,为
第j个选项的信息熵为
3)根据每个影响因素的得分,即可得到所有因素的重要性排序。
#9、参考文献
[1] Scientific Platform Serving for Statistics Professional 2021. SPSSPRO. (Version 1.0.11)[Online Application Software]. Retrieved from https://www.spsspro.com. [2] 甘浪雄,张怀志,卢天赋,等. 基于熵权法的水上交通安全因素[J]. 中国航海,2021,44(2):53-58.
相关推荐