好的,根据你的要求,我会根据以上代码,对不同一级指标下分别计算二级指标权重,并求一级指标权重。
首先,我们需要导入数据并进行数据预处理,包括归一化处理等。然后,我们需要定义熵值函数和熵权法函数,最后代入数据计算权重。
以下为代码实现:
#-------1.数据导入-------------
library(xlsx)
d1.1 <- read.xlsx('data.xlsx', '2022', encoding = "UTF-8") #读取数据
head(d1.1,10)
colnames(d1.1)
d1 <- d1.1[,5:ncol(d1.1)]
d1 <- abs(d1)
#-------2.归一化处理---------------
Rescale = function(x, type=1) {
# type=1正向指标, type=2负向指标
rng = range(x, na.rm = TRUE)
if (type == 1) {
(x - rng[1]) / (rng[2] - rng[1])
} else {
(rng[2] - x) / (rng[2] - rng[1])
}
}
#-------3.熵值法步骤----------
#定义熵值函数
Entropy = function(x) {
entropy=array(data = NA, dim = ncol(x),dimnames = NULL)
j=1
while (j<=ncol(x)) {
value=0
i=1
while (i<=nrow(x)) {
if (x[i,j]==0) {
(value=value)
} else {
(value=value+x[i,j]log(x[i,j]))
}
i=i+1
}
entropy[j]=value(-1/log(nrow(x)))
j=j+1
}
return(entropy)
}
#定义熵权法函数
Entropy_Weight = function(X, index) {
pos = which(index == 1)
neg = which(index != 1)
X[,pos] = lapply(X[,pos], Rescale, type=1)
X[,neg] = lapply(X[,neg], Rescale, type=2)
P = data.frame(lapply(X, function(x) x / sum(x)))
e = Entropy(P)
d = 1 - e # 计算信息熵冗余度
w = d / sum(d) # 计算权重向量
list(X = X,P = P, w=w)
}
#-------4.代入数据计算权重-----
# -------一级指标权重------
ind1=array(c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1))
aa1=Entropy_Weight(X = d1,index = ind1)
weight1=as.data.frame(aa1["w"])
weight1
# -------二级指标权重------
d1a <- d1[,c(1:6)]
d1b <- d1[,c(7:12)]
d1c <- d1[,c(13:18)]
#一级指标A下的二级指标权重
ind2a=array(c(1,1,1,1,1,1))
aa2a=Entropy_Weight(X = d1a,index = ind2a)
weight2a=as.data.frame(aa2a["w"])
weight2a
#一级指标B下的二级指标权重
ind2b=array(c(1,1,1,1,1,1))
aa2b=Entropy_Weight(X = d1b,index = ind2b)
weight2b=as.data.frame(aa2b["w"])
weight2b
#一级指标C下的二级指标权重
ind2c=array(c(1,1,1,1,1,1))
aa2c=Entropy_Weight(X = d1c,index = ind2c)
weight2c=as.data.frame(aa2c["w"])
weight2c
#计算一级指标权重
w1a <- weight2a[1:6,1]
w1b <- weight2b[1:6,1]
w1c <- weight2c[1:6,1]
w1a <- as.matrix(w1a,ncol =1)
w1b <- as.matrix(w1b,ncol =1)
w1c <- as.matrix(w1c,ncol =1)
indexa <- d1a%*%w1a
indexb <- d1b%*%w1b
indexc <- d1c%*%w1c
d1abc <- cbind(indexa,indexb,indexc)
ind1abc=array(c(1,1,1))
aa1abc=Entropy_Weight(X = d1abc,index = ind1abc)
weight1abc=as.data.frame(aa1abc["w"])
weight1abc