优点:在决策因素中指标数据已知,利用已知数据使评价更准确
一、概念
TOPSIS 法是一种常用的组内综合评价方法,能充分利用原始数据的信息,其结果能精确地反映各评价方案之间的差距。基本过程为基于归一化后的原始数据矩阵,采用余弦法找出有限方案中的最优方案和最劣方案,然后分别计算各评价对象与最优方案和最劣方案间的距离,获得各评价对象与最优方案的相对接近程度,以此作为评价优劣的依据。该方法对数据分布及样本含量没有严格限制,数据计算简单易行。
二、适用范围
评价对象得分,且各个指标值已知。
三、模型建立步骤
(一)统一指标类型
指标正向化
指标分类:
极大型指标(效益型指标)
极小型指标(成本型指标)
中间型指标(越接近某个值越好)
区间型指标(落在某个区间最好)
指标正向化:
极小型指标转化为极大型指标:
中间型指标转化为极大型指标:
区间型指标转化为极大型指标:
标准化处理
消去不同指标量纲的影响,对已经正向化的矩阵进行标准化处理
公式: (即矩阵中每个数字除以根号下所在列的所有数值平方和)
(二)构造计算评分
公式:![\frac{x-min}{max-min}](https://latex.csdn.net/eq?%5Cfrac%7Bx-min%7D%7Bmax-min%7D)
公式原因:
(1)比较对象一般远大于两个
(2)比较指标往往不是一个方面
(3)大多指标不存在理论上的最大值和最小值,例如衡量经济增长水平的指标:GDP增速等
(三)多指标计算得分
假设:n个需要评价的对象,m个评价指标,则标准化矩阵如下:
定义最大值;
定义最小值;
定义第i个评价对象与最大值的距离;
定义第i个评价对象与最小值的距离;
由此计算出各评价对象未归一化的得分
归一化计算后可评价各待评价对象