均方差定权法
背景
建模中经常要做综合评价,综合评价中经常要将多个指标综合成一个指标,这就需要权重
何为综合评价
- 多种同类型的对象进行排序
- 对于单一对象的定级
- 最优方案的选择
综合评价注意的事项
- 同向性(都大,或者都小)
- 将多个指标综合成一个指标时,原则上指标之间需要线性无关
- 综合评价前需要消去量纲
均方差定权的数学原理
- 主观并非不对,但需要说明充足的理由,理由不充分时很容易导致建模分低
- 尽量用客观,可消除主观因素
- 通常,标准差越大,提供的信息量越大,反之,则越小
均方差定权的计算步骤
- 一般来说,通常用列来表示某个指标
- 对于效益型指标(越大越优),分子是第 j j j个指标的第 i i i行减去该列里的最小值,分母是该列的最大值减去该列的最小值
- 对于成本型指标(越小越优),分子是该列(第 j j j列)的最大值减去第 j j j个指标的第 i i i行,分母同上
- 借助MATLAB工具箱求取均值,均方差,权重
例子
- 认为这10个指标越大越好
- s i g m a ( 2 ) sigma(2) sigma(2)是用来计算均方差的变量
- m e a n ( ) mean() mean()函数,用于求均值
- v v v为原始数据,35行10列,利用算完的权重对原数据进行加权处理,得到最后35行1列的总成绩
熵权定权法
使用背景
- 差异程度越大,该指标对综合评价的影响越大
- 信息量越大,不确定性就越小,熵也就越小,反之,信息量越小,不确定性越大,熵也越大
计算步骤
1.形成决策矩阵
2.标准化决策矩阵(消除量纲)
3.计算特征比重
4.计算熵值
5.计算差异性系数
6.计算各指标的熵权
例题
- 10个指标均为效益型指标
- “-1”,代表人为选择数据
- 标准化数据
- 计算特征比重,对应步骤3
- 对应步骤4,计算熵值
层次分析法(主观权重方法)
定义
计算步骤
成对比较阵和权向量
- 最多是9倍,主对角线都是1,其余以倒数的形式互相对称
- 数值比较并不一定要完全一致
- R I RI RI是总结出来的
模型求解
代码
- num:找到最大的特征根所处的位置(相应的列)
总结
- 构建成对比较阵
- 进行一致性假设
- 从最底部开始,权重相乘
模糊数学的概念
思想原理
- 每个人的看法都不一样,
- 大胡子,高个子,长头发,宽边黑色,每个人的观念可能都不同的,都是模糊的
经典集合与特征函数
TOPSIS综合评价
使用背景
计算步骤
形成决策矩阵
无量纲化
构建加权决策矩阵
计算正理想解与负理想解
计算各方案与正理想解和负理想解间距离
计算各方案与正理想解的相对贴近度
案例分析
- L=1:效益型指标
- L=0:成本性指标
- W为权重
因子分析
使用背景
- 主成分分析的推广
数学原理
- 特殊因子 ε \varepsilon ε与公共因子 F F F是不相关的
- 公因子间是不相关的
- 公因子均值为0,方差为1
- V j V_j Vj反应公因子的重要程度
计算步骤
案例
- 5个指标高度相关
- 上述几步与主成分分析很相似
- 由于因子载荷的差异不大,采取方差极大旋转
灰色关联
使用背景
特点
- 只能排序,本身的关联度没有实际意义
- 不需要自变量与参考变量服从正态分布,适合小样本数据
灰色关联具体分析步骤
- 消除量纲,三种方法:初值化,均值化,区间化
- 将数据方向化为统一的(越大越好或者越小越好),两个方法:逆化,倒数化