权重计算方法三：变异系数法（Coefficient of Variation）

最新推荐文章于 2023-08-29 08:47:59 发布
最新推荐文章于 2023-08-29 08:47:59 发布
阅读量3.5w 收藏 303
点赞数 56
分类专栏： 数学建模
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_53972936/article/details/123294937
版权

java 学习 算法 矩阵 数学建模

目录

1.原理简介

2.步骤详解

2.1 原始数据收集

2.2 指标数据正向化

2.3 数据标准化（消除量纲）

2.4 计算变异系数

2.5 计算权重及得分

 3.案例分析

3.1 获取原始数据

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

 4.完整代码（Java）

4.1 方法类CoV.java

4.2 主类CoVmain.java

1.原理简介

        变异系数法是根据统计学方法计算得出系统各指标变化程度的方法，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，因此是一种客观赋权的方法。

        变异系数法根据各评价指标当前值与目标值的变异程度来对各指标进行赋权，若某项指标的数值差异较大，能明确区分开各被评价对象，说明该指标的分辨信息丰富，因而应给该指标以较大的权重；反之，若各个被评价对象在某项指标上的数值差异较小，那么这项指标区分各评价对象的能力较弱，因而应给该指标较小的权重。

2.步骤详解

2.1 原始数据收集

        假设一组数据中有m个指标，n条待评价样本，即一个n*m的矩阵，令其为X。其中xij表示第i行第j列的数据。

2.2 指标数据正向化

指标正向化的目的就是把所有的指标都转换为正向指标。

正向指标：又叫越大越优型指标，即该指标下的数据数值越大越好，例如成绩。

负向指标：又叫越小越优型指标，即该指标下的数据数值越小越好，例如排名。

对于正向指标：保持其原数据不变。

对于负向指标：采用如下方法。

 其中k为指定的任意系数，其值可为0.1,0.2等； max|xj|表示第 j 列数据（指标）绝对值的最大值。

2.3 数据标准化（消除量纲）

        由于不同的指标数据的单位不同，因此无法直接对其进行计算，而数据标准化的目的就是消除单位的影响，使所有数据都能够用同一种方法对其进行计算。令标准化后的数据矩阵为R.

2.4 计算变异系数

计算每个指标的均值：

计算每个指标的标准差（均方差）：

        因为标准差可以描述取值的离散程度，即某指标的方差反映了该指标的的分辨能力， 所以可用标准差定义指标的权重。

计算每个指标的变异系数：

2.5 计算权重及得分

权重：

 得分：

 3.案例分析

        假设有以下数据，x1~x7为指标，ABC为三条待评价对象，其中x1和x4为负向指标，其余为正向指标。

x1x2x3x4x5x6x7
A0.7430.82670.8324120.86370.07430.0409
B0.75670.80330.8736-100.8538-0.06650.0716
C0.81040.76670.8539160.90380.08810.0657

3.1 获取原始数据

这里采用jxl包读取Excel。

//读取数据
	public double[][] read(String filepath) throws IOException, BiffException,WriteException {
		//创建输入流
		InputStream stream = new FileInputStream(filepath);
		//获取Excel文件对象
		Workbook  rwb = Workbook.getWorkbook(stream);
		//获取文件的指定工作表 默认的第一个
	    Sheet sheet = rwb.getSheet("Sheet1");
	    rows = sheet.getRows();
	    cols = sheet.getColumns();
	    orig = new double[rows][cols];
	    pos = new double[rows][cols];
	    stand = new double[rows][cols];
		//row为行
		for(int i=0;i<sheet.getRows();i++) {
			for(int j=0;j<sheet.getColumns();j++) {
				String[] str = new String[sheet.getColumns()];
		        Cell cell = null;
		        cell = sheet.getCell(j,i);    
			    str[j] = cell.getContents();
			    orig[i][j] = Double.valueOf(str[j]);
			    //uniform[i][j] = Double.valueOf(str[j]);
			}
	    }
		return orig;
	}

输出：

3.2 指标正向化

在此只需要对负向指标进行处理，正向指标保持原数据不变。

//指标正向化
	public double[][] positive(double[][] or){
		double k=0.1;
		pos=or;
		List<Integer> neg=new ArrayList<Integer>();//存储逆向指标所在列
		System.out.println("是否有逆向指标（越小越优型指标）？是：1否：2");
		int a=input.nextInt();
		double[] max=getMax(or);
		if(a==1) {
			System.out.println("输入逆向指标所在列(以“/”结尾）：");
			while(!input.hasNext("/")) {
				neg.add(Integer.valueOf(input.nextInt()));
			}
			for(int i=0;i<orig.length;i++) {
				for(int j=0;j<neg.size();j++) {
					pos[i][neg.get(j)]=1/(k+max[neg.get(j)]+or[i][neg.get(j)]);
				}
			}
		}
		return pos;
	}

输出： 

3.3 数据标准化

//数据标准化
	public double[][] standar(double[][] p){
		double[] sum=new double[p[0].length];
		for(int i=0;i<p.length;i++) {
			for(int j=0;j<p[0].length;j++) {
				sum[j] += p[i][j]*p[i][j];
			}
		}
		for(int i=0;i<p.length;i++) {
			for(int j=0;j<p[0].length;j++) {
				stand[i][j] = p[i][j]/(Math.sqrt(sum[j]));
			}
		}
		return stand;
	}

输出;

3.4 计算变异系数

		//均值
		double[] sum=new double[st[0].length];
		for(int j=0;j<st[0].length;j++) {
			for(int i=0;i<st.length;i++) {
				sum[j] += st[i][j];
			}
			A[j]=sum[j]/st.length;
		}
		
		//标准差
		double[] sum1=new double[st[0].length];
		for(int j=0;j<st[0].length;j++) {
			for(int i=0;i<st.length;i++) {
				sum1[j] += (st[i][j]-A[j])*(st[i][j]-A[j]);
			}
			S[j]=Math.sqrt(sum1[j]/st.length);
		}
		
		//变异系数
		for(int j=0;j<st[0].length;j++) {
			V[j]=S[j]/A[j];
		}

输出：

3.5 计算权重

		//各指标权重
		double sumv=0;
		for(int j=0;j<st[0].length;j++) {
			sumv += V[j];
		}
		for(int j=0;j<st[0].length;j++) {
			wi[j] = V[j]/sumv;
		}

 输出：

 4.完整代码（Java）

4.1 方法类CoV.java

/*
 * 假设有m个方案，n个指标，憨憨为方案，列为指标
 * 变异系数法（Coefficient of variation method）计算步骤
 * 1.指标正向化：都转换为正向指标（越大越优型指标）
 * 2.数据标准化：消除负数和量纲影响
 * 3.计算变异系数：Aj（指标均值），Sj（指标标准差），则变异系数Vj=Sj/Aj
 * 4.计算权重：Wj=Vj/sum(Vj)
 */
package CoV;

import java.io.FileInputStream;
import java.io.IOException;
import java.io.InputStream;
import java.util.ArrayList;
import java.util.List;
import java.util.Scanner;

import jxl.Cell;
import jxl.Sheet;
import jxl.Workbook;
import jxl.read.biff.BiffException;
import jxl.write.WriteException;

public class CoV {
	private double[][] orig; //原始矩阵
	private double[][] pos;//正向化矩阵
	private double[][] stand;//标准化后的矩阵 
	int rows,cols;//存储Excel的行和列数
	
	Scanner input = new Scanner(System.in);
	
	//矩阵每列绝对值最大值
	public double[] getMax(double[][] m) {
		double max[] = new double[m[0].length];
		for(int j=0;j < m[0].length;j++) {
			max[j] = Math.abs(m[0][j]);
			for(int i=0;i < m.length;i++) {
				if(Math.abs(m[i][j]) >= max[j]) {
					max[j] = Math.abs(m[i][j]);
				}
			}
		}
		return max;
	}
	
	//输出二维矩阵
	public void matrixoutput(double[][] x) {
		for(int i=0;i<x.length;i++) {
			for(int j=0;j<x[0].length;j++) {
				System.out.print(String.format("%.3f\t", x[i][j]));
			}
			System.out.println();
		}
	}
	
	//输出一维矩阵
	public void matrixoutput1(double[] x) {
		for(int i=0;i<x.length;i++) {
			System.out.print(String.format("%.3f\t", x[i]));
		}
		System.out.println();
	}
	
	//读取数据
	public double[][] read(String filepath) throws IOException, BiffException,WriteException {
		//创建输入流
		InputStream stream = new FileInputStream(filepath);
		//获取Excel文件对象
		Workbook  rwb = Workbook.getWorkbook(stream);
		//获取文件的指定工作表 默认的第一个
	    Sheet sheet = rwb.getSheet("Sheet1");
	    rows = sheet.getRows();
	    cols = sheet.getColumns();
	    orig = new double[rows][cols];
	    pos = new double[rows][cols];
	    stand = new double[rows][cols];
		//row为行
		for(int i=0;i<sheet.getRows();i++) {
			for(int j=0;j<sheet.getColumns();j++) {
				String[] str = new String[sheet.getColumns()];
		        Cell cell = null;
		        cell = sheet.getCell(j,i);    
			    str[j] = cell.getContents();
			    orig[i][j] = Double.valueOf(str[j]);
			    //uniform[i][j] = Double.valueOf(str[j]);
			}
	    }
		return orig;
	}
	
	//指标正向化
	public double[][] positive(double[][] or){
		double k=0.1;
		pos=or;
		List<Integer> neg=new ArrayList<Integer>();//存储逆向指标所在列
		System.out.println("是否有逆向指标（越小越优型指标）？是：1否：2");
		int a=input.nextInt();
		double[] max=getMax(or);
		if(a==1) {
			System.out.println("输入逆向指标所在列(以“/”结尾）：");
			while(!input.hasNext("/")) {
				neg.add(Integer.valueOf(input.nextInt()));
			}
			for(int i=0;i<orig.length;i++) {
				for(int j=0;j<neg.size();j++) {
					pos[i][neg.get(j)]=1/(k+max[neg.get(j)]+or[i][neg.get(j)]);
				}
			}
		}
		return pos;
	}
	
	//数据标准化
	public double[][] standar(double[][] p){
		double[] sum=new double[p[0].length];
		for(int i=0;i<p.length;i++) {
			for(int j=0;j<p[0].length;j++) {
				sum[j] += p[i][j]*p[i][j];
			}
		}
		for(int i=0;i<p.length;i++) {
			for(int j=0;j<p[0].length;j++) {
				stand[i][j] = p[i][j]/(Math.sqrt(sum[j]));
			}
		}
		return stand;
	}
	
	//计算变异系数、权重和得分
	public double[][] weigth(double[][] st) {
		double[] A=new double[st[0].length];
		double[] S=new double[st[0].length];
		double[] V=new double[st[0].length];
		double[] wi=new double[st[0].length];
		double[][] W=new double[4][st[0].length];
		
		//均值
		double[] sum=new double[st[0].length];
		for(int j=0;j<st[0].length;j++) {
			for(int i=0;i<st.length;i++) {
				sum[j] += st[i][j];
			}
			A[j]=sum[j]/st.length;
		}
		
		//标准差
		double[] sum1=new double[st[0].length];
		for(int j=0;j<st[0].length;j++) {
			for(int i=0;i<st.length;i++) {
				sum1[j] += (st[i][j]-A[j])*(st[i][j]-A[j]);
			}
			S[j]=Math.sqrt(sum1[j]/st.length);
		}
		
		//变异系数
		for(int j=0;j<st[0].length;j++) {
			V[j]=S[j]/A[j];
		}
		
		//各指标权重
		double sumv=0;
		for(int j=0;j<st[0].length;j++) {
			sumv += V[j];
		}
		for(int j=0;j<st[0].length;j++) {
			wi[j] = V[j]/sumv;
		}
		
		for(int j=0;j<st[0].length;j++) {
			W[0][j] = A[j];
			W[1][j] = S[j];
			W[2][j] = V[j];
			W[3][j] = wi[j];
		}
		
		return W;
		
	}
	
}

4.2 主类CoVmain.java

package CoV;

import java.io.IOException;

import jxl.read.biff.BiffException;
import jxl.write.WriteException;

public class CoVmain {
	public static void main(String args[]) throws BiffException, WriteException, IOException {
		CoV cov=new CoV();
		
		double[][] orig = cov.read("cov.xls");
		//输出原始矩阵,行为评价对象，列为评价指标
		System.out.println("原始矩阵为：");
		cov.matrixoutput(orig);
		
		double[][] pos = cov.positive(orig);
		System.out.println("正向化矩阵为：");
		cov.matrixoutput(pos);
		
		double[][] stand = cov.standar(pos);
		System.out.println("标准化矩阵为：");
		cov.matrixoutput(stand);
		
		double[][] W = cov.weigth(stand);
		//输出每个指标的均值、标准差、变异系数和权重，依次按行排列
		System.out.println("均值矩阵为：");
		cov.matrixoutput1(W[0]);
		System.out.println("标准差矩阵为：");
		cov.matrixoutput1(W[1]);
		System.out.println("变异系数矩阵为：");
		cov.matrixoutput1(W[2]);
		System.out.println("权重矩阵为：");
		cov.matrixoutput1(W[3]);
	}
}

离陌lm
关注
专栏目录
变异系数法
2202_76035290的博客
05-27 552
根据上表得到综合排名为：重庆市、四川省、云南省、广西壮族自治区、贵州省。以广西为例分析排名倒数第二：该省份人均消费支出在该地区排名最后，且地区生产总值和人均可支配收入也较低，因此综合评分相对较低。
变异系数法计算权重
09-02
用变异系数法计算权重的matlab小代码程序
Matlab实现变异系数法求权重+评价
最新发布
09-12
matlab实现变异系数法求权重代码，输出结果包括变异系数法所求得的权重以及利用该权重对对象进行打分。直接替换程自己的数据集即可运行
【综合评价方法 变异系数权重法】指标权重确定方法之变异系数权重法
热门推荐
赖德发的博客
07-23 5万+
变异系数法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，这样的指标更难反映被评价单位的差距。 由于评价指标体系中的各项指标的量纲不同，不宜直接比较其差别程度。为了消除各项评价指标的量纲不同的影响，需要用各项指标的变异系数来衡量各项指标取值的差异程度。各项指标的变异系数公式如下： ...
数模笔记（五）：变异系数法
刘躺的博客
10-06 2945
数模笔记（一）：线性规划、整数规划及非线性规划 数模笔记（二）：层次分析法 数模笔记（三）：灰色系统分析方法 数模笔记（四）：插值与拟合 一、原理 若某项指标的数值差异较大，能明确区分开各被评价对象，说明该指标的分辨信息丰富，因而应给该指标以较大的权重；反之，若各个被评价对象在某项指标上的数值差异较小，那么这项指标区分各评价对象的能力较弱，因而应给该指标较小的权重。 因为方差可以描述取值的离散程度，即某指标的方差反映了该指标的的分辨能力， 所以可用方差定义指标的...
从零开始的数模（二十）变异系数法
qq_62377885的博客
02-05 1796
基于python和基于matlab的变异系数法
权重的计算（变异系数法）
m0_67790374的博客
03-09 5148
变异系数法计算权重
4 评价类算法：变异系数法笔记（附Python代码）
张某文_Lambda的博客
07-23 3999
介绍评价类算法：变异系数法的一些内容，并附完整可实现的Python代码。
客观赋权法——变异系数法
积一时之步，臻千里之遥程
06-13 2万+
一、变异系数法的概念 变异系数法是根据统计学方法计算得出系统各指标变化程度的方法，是一种客观赋权法。 根据该方法变化差异较大的指标权重较大，变化差异较小的指标权重较小，从而根据指标的统计学规律确定其重要程度。 变异系数法是一种较为客观的方法，能够客观的反应指标数据的变化信息，该方法能够比较客观的求出各指标的权重。 根据各评价指标当前值与目标值的变异程度来对各指标进行赋权，当各指标现有值与目标值差距较大时，说明该指标较难实现目标值，应该赋予较大的权重，反之则应该赋予较小的权重。 二、变异系数法的步骤 （1）原
104变异系数法1
08-08
【变异系数法】是一种数据分析方法，它基于方差分析的理论，旨在从众多的数据指标中提炼出少数几个关键指标，这些关键指标能够最大程度地保留原始数据的信息，进而简化数据处理，突出重要的信息点。这种方法特别适用...
read.rar_变异系数】_变异系数法_特征值加权_特征评价_矩阵加权
07-13
在本主题"read.rar_变异系数】_变异系数法_特征值加权_特征评价_矩阵加权"中，我们探讨的是如何利用变异系数作为权重来改进传统的多属性决策分析方法——技术、运营、性能、成本评估法（Technique for Order of ...
GEE：变异系数法在遥感影像分析中的应用及权重计算
养乐多的博客
05-07 1231
本文介绍了在Google Earth Engine（GEE）平台上基于变异系数法的多指标加权遥感影像分析方法。该方法通过计算每个指标的平均值和标准差，进而计算变异系数来评估指标的变化程度。利用变异系数，我们可以计算每个指标的权重，并将其应用于加权和指数的计算，从而提高遥感影像分析的准确性和可靠性。方法应用于计算Risk-Screening Environmental Indicators (RSEI)，并以此为例。
GEE：基于变异系数法的遥感生态指数（RSEI）计算
养乐多的博客
05-07 2127
本文记录了基于变异系数法计算 Risk-Screening Environmental Indicators (RSEI) 的方法和代码。使用 变异系数法计算权重来代替PCA方法计算权重，根据权重计算综合指标。本文也记录了使用landsat-8数据计算LST、NDVI、NDBSI、WET四个指标的代码。结果如下，
多指标评价方法-变异系数法的pathon实现
weixin_44354213的博客
07-25 3549
文章的目的 我们经常需要对一些企业、部门、甚至某个城市进行评价，但是用一个指标不可能全面反映这些复杂单元，所以我们经常会用很多指标进行评价，这些指标单位不统一，大小数量级有时候相差很多，把这些复杂的指标最后综合起来成为一个指数，这就是综合评分的本质。综合评价的方法有很多，主要有三类：主观综合评价、客观综合评价、主客观混合评价。本文主要是讲述客观综合平台里的变异系数法。本文有两个目标： 各个指标权重的确定 多个单元的排序（竞争力排名、大学排名、发展水平、幸福排名、税负排名诸如此类） 变异系数法的计算过程 每
权重的计算
weixin_42320107的博客
06-02 6097
css中有样式显示问题。由于浏览器解释器是从上往下解释的，这就导致如果样式中出现对一个标签同时设置相同的样式，样式在下的就会覆盖样式在上的样式设置，在这里我也称就近原则（样式更靠近结构的显示）。但由于类名，id名的命名等问题，也为了防止样式的覆盖带来的问题。我们为了准确找到所在位置，通常会选择后代选择器，子代选择器，伪类选择器等，此时便产生了权重计算问题。在计算权重之前我们先来确定几个问题，在cs...
matlab 计算变异系数,变异系数法求权重matlab代码
weixin_39722025的博客
03-16 1911
《变异系数法求权重matlab代码》由会员分享，可在线阅读，更多相关《变异系数法求权重matlab代码(1页珍藏版)》请在读根文库上搜索。1、变异系数 法求权重 matlab 代码 clear;clc; data1,header1=xlsread(statistic1.xlsx,ECO); %必 须将 statistic.xlsx至于默认文件下，或者 给出完整路径 data2,header2=xl...
数学建模：变异系数法
ylh的博客
08-29 1053
指标赋权算法：变异系数法实现步骤分析与matlab模板代码
matlab 计算变异系数,变异系数法求权重matlab 代码
weixin_30158471的博客
03-16 1160
变异系数法求权重matlab 代码clear;clc;[data1,header1]=xlsread('statistic1.xlsx','ECO'); %必须将statistic.xlsx至于默认文件下，或者给出完整路径[data2,header2]=xlsread('statistic2.xlsx','ECO'); % data1 为10个city数据，data2位20个city数据size1...
coefficient of variation
03-16
变异系数（coefficient of variation）是一种用于衡量数据变异程度的统计量，通常用于比较不同数据集的变异性。它是标准差与均值之比，通常以百分数表示。变异系数越大，表示数据的变异程度越大，反之亦然。
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

离陌lm

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值