变异系数法之matlab

目录

1.简介

2.算法原理

2.1 指标正向化

2.2 数据标准化

2.3 计算变异系数

2.4 计算权重以及得分

3.实例分析

3.1 读取数据

3.2 指标正向化

3.3 数据标准化

3.4 计算变异系数

3.5 计算权重

3.6 计算得分 

完整代码 

---

1.简介

        变异系数法(Coefficient of variation method)又称"标准差率"（标准差与平均数的比值）是直接利用各项指标所包含的信息，通过计算得到指标的权重。是一种客观赋权的方法。此方法的基本做法是:在评价指标体系中，指标取值差异越大的指标，也就是越难以实现的指标，这样的指标更能反映被评价单位的差距。例如，在评价各个国家的经济发展状况时，选择人均国民生产总值(人均GNP)作为评价的标准指标之一，是因为人均GNP不仅能反映各个国家的经济发展水平，还能反映一个国家的现代化程度。如果各个国家的人均GNP没有多大的差别，则这个指标用来衡量现代化程度、经济发展水平就失去了意义。

2.算法原理

2.1 指标正向化

        和熵权法的指标正向化类似，正向指标越大越好，负向指标越小越好。把指标都转化成正向指标处理。此篇采用新的正向化形式，采用上一篇建模算法熵权法的处理形式也可，基本思想不变就行。这个数据集有正向指标（越大越优型指标）和负向指标（越小越优型指标）两种。

        设有m个待评对象，n个评价指标，可以构成数据矩阵X=（xij)m*n，设数据矩阵内元素，经过指标正向化处理过后的元素为xij'

负向指标：并网点电压偏差越限次数D、有功控制能力F、功率因数越限G属于此类指标

正向指标：其余所有指标属于此类，可以不用处理

2.2 数据标准化

        每个指标的数量级不一样，需要把它们化到同一个范围内比较。上一篇建模算法用到了最大最小值标准化方法。此篇可以用一个新的标准化方法，处理如下：

        设标准化后的数据矩阵元素为rij,由上可得指标正向化后数据矩阵元素为xij'

2.3 计算变异系数

处理过后可以构成数据矩阵R=(rij)m*n

• 计算指标的均值：

•  计算指标的标准差：