数学建模指标合成客观权重法matlab实现

指标合成的客观权重方法

通过一个实例讲解指标权重确定的方法。
我们根据采集到的指标对高校进行排名。

数据预处理

(1)统计数据的指标介绍

为全面反映各高校实际情况,选取了包括人才培养、科学研究及成果方面的18个指标。

这18个指标具体为:$X_1$​​​​​​一授予博士学位，$X_2$​​​​​​—授予硕士学位，$X_3$​​​​​​—优博入选数，$X_4$​​—​​​​发明专利数，$X_5$​—​​​​​实用新型专利数，$X_6$​​​​​​—国家一等奖励，$X_7$​​​​​​一国家二等奖励数量，$X_8$​​​​​​国家社科基金项目奖一等数量，$X_9$​​​​​​—国家社科基金项目奖二等数量，$X_{10}$​​​​​​-国家社科基金项目奖三等数量，$X_{11}$​​​​​​—教育部人文社科奖一等数量，$X_{12}$​​​​​​—教育部人文社科奖二等数量，$X_{13}$​​​​​​—教育部人文社科奖三等数量，$X_{14}$​​​​​​—国家基地总数和国家重点学科(国家重点实验室、国家工程研究中心、人文社科基地数之和)，$X_{15}$​​​​​​—经费总数(万元)，$X_{16}$​​​​​​—SCI总数，$X_{17}$​​​​​​—EI总数，$X_{18}$​​​​​​​​—CSCD、 CSSCI总数

表1部分高校某年的18个指标信息

学校	$X_1$	$X_2$​	$X_3$​	$X_4$​​	$X_5$​​	$X_6$​​	$X_7$​​	$X_8$​​	$X_9$​​	$X_{10}$​​	$X_{11}$​​	$X_{12}$​​	$X_{13}$​​	$X_{14}$​​	$X_{15}$​​	$X_{16}$​​	$X_{17}$​​	$X_{18}$​
北京大学	967	2212	45	139	10	1	16	4	3	8	4	9	15	99	31954.1	3837	468	4526
中国人民大学	377	1643	16	0	0	0	0	1	4	4	3	7	15	36	3665	23	5	1340
清华大学	578	2990	48	947	177	2	27	0	0	2	2	3	6	61	77163.2	5073	1698	4647
北京交通大学	68	535	0	16	6	1	0	0	0	0	0	0	0	5	11331	282	49	372
北京工业大学	37	429	1	69	17	0	1	0	0	0	0	0	0	2	15126.2	250	31	493
北京航空航天	133	805	8	69	19	0	2	0	0	0	0	0	0	12	47526.05	403	33	1189
北京理工大学	201	757	2	14	8	0	0	0	0	0	0	0	0	12	29713.81	390	200	1035
北京科技大学	80	496	2	130	16	1	2	0	0	0	0	0	1	8	21358.3	668	5	641

(2)数据的归一化处理
由于各个指标的取值范围不同， 量纲与意义不同， 为消除这些影响，
需要对数据进行归一化处理。

设共有n个学校，每个学校共有m个指标，采集到的观测数据为：$x_{ij}(i=1,2,\dots ,n;j=1,2,\dots ,m)$​​，每个数值显然越大对排名越有利,因此归一化处理方法
可采用下式
$$
y_{i j}=\frac{x_{i j}-x_{j m}^{}}{x_{j M}^{}-x_{j m}^{*}} \quad(i=1,2, \cdots, n ; j=, 2, \cdots, m)\
\

\text { 其中 } x_{j M}^{}=\max {1 \leq i \leq n} x{i j}, \quad x_{j m}^{}=\min {1 \leq i \leq n} x{i j}
$$
经过上面变换,所有数据都变到[0,1],便于后续工作进行统一处理

客观权重确定的三种方法

熵权法
设n个学校的m个指标已经归一化处理，数据为$y_{ij}(i=1,2,\dots ,n;j=1,2,\dots ,m)$​
其第$j$项指标的信息熵计算公式为:
$$\begin{array}{l}{E}_j=-\frac{{\sum }_{i=1}^n{p}_{ij}\ln p_{ij}}{\ln n}j=1,2,\cdots ,m\\ \\ 0\le E_j\le 1\text{ 其中 }{p}_{ij}=\frac{y_{ij}}{{\sum }_{i=1}^n{y}_{ij}}\text{, 若 }{p}_{ij}=0\text{, 则定义 }{p}_{ij}\ln p_{ij}=0\text{. }\end{array}$$
$E_j$​​​越小，表明数据间差异越大，因此提供的信息越大，该指标权重就越大
$E_j$​​​越大，表明数据间彼此越接近，因此提供的信息越少，该指标权重就越小

客观权重计算式:
$$W_j=\frac{1-E_j}{m-{\sum }_{j=1}^m{E}_j}j=1,2,\cdots ,m$$
标准离差法
如果某个指标的标准差大，因此提供的信息越大，该指标权重就越大；反之，某个指
标的标准差，,因此提供的信息越少，该指标权重就越小。利用标准差来计算各指标的客观
权重，其计算式为
$$W_j=\frac{{\sigma }_j}{{\sum }_{j=1}^m{\sigma }_j}j=1,2,\cdots ,m$$

CRITIC法确定权重
CRITIC法是Diakoulaki提出的一种客观赋权方法， 确定权值以两个基本概念为基础： 一是对比度， 标准差越大权重相对越大。 二是评价指标间的冲突性， 当两个指标间有较强的正相关， 说明两个指标冲突性低， 两个指标反映的信息具有较大的相似性； 当两个指标间有较强的负相关， 说明两个指标冲突性大， 两个指标反映的信息具有较大的不同。

确定第$j$个指标包含的信息量为：$c_j={\sigma }_j{\sum }_{i=1}^m\left(1-r_{ij}\right)(j=1,2,\cdots ,m)$

第j个指标权重为:$w_j=\frac{c_j}{{\sum }_{i=1}^m{c}_i}(j=1,2,\cdots ,m)$​

综合排名方法

采用(1)式对数据归一化处理后，采用三种不同的客观权重,对各学校的所有指标进
行加权平均，可以得到各学校的综合得分，计算式为:

$f_i={\sum }_{j=1}^m{w}_j\cdot y_{ij}(i=1,2,\cdots ,n)$
其中权重 $w_j$ 可由 (3)、(4)或 (6) 式计算得到。

表2三种不同排名法得到的前10名高校

名次	熵权法	标准离差法	CRITIC法
1	北京大学	北京大学	北京大学
2	清华大学	清华大学	清华大学
3	复旦大学	浙江大学	复旦大学
4	中国人民大学	复旦大学	浙江大学
5	武汉大学	武汉大学	武汉大学
6	北京师范大学	中国人民大学	中国人民大学
7	浙江大学	北京师范大学	北京师范大学
8	南京大学	南京大学	南京大学
9	吉林大学	吉林大学	吉林大学

从表2所排前10名结果来， 不同客观权重确定方法排名结果存在一定差异， 这说明排名结果是相对的， 跟采用方法有关。 从差异大小来看， 标准离差法和CRITIC法排名结果更接近。

不同排名结果差异的度量方法

设有两种不同方法得到的排名序列分别为$B_1=(k_1,k_2,\dots ,k_n),B_2=(z_1,z_2,\dots ,z_n)$​。
其中$k_1,k_2,\dots ,k_n$​和$z_1,z_2,\dots ,z_n$​都是1,2,…,n的一个排列,$k_i$​代表第一种排名方法中
第i个学校的名次，$z_i$​代表第二种排名方法中第i个学校的名次
则第i个学校的名次在两种排名方法中的差异为：$d_i=|k_i-z_i|$​​ $(i=1,2,\dots ,n)$​​​​​
两种排名方法的排名平均差异定义为：$d={\sum }_{i=1}^n{d}_i/n$​

为反映两种排名方法名次差异的波动程度,采用排名差异构成的序列
$d_i(i=12,\dots ,n)$的标准差来度量。其计算式如下:$v=\sqrt{{\sum }_{i=1}^n{\left(d_i-d\right)}^2/n}$

表3三种方法的排名差异

方法	(1,2)	(1,3)	(2,3)
平均差异度d	5.1200	4.4400	1.7400
差异度的标准差	5.6089	4.8686	2.3034

其中1代表熵权法,2代表标准偏差法,3代表 CRITIC法。
从表3的结果来看，标准偏差法与CRITIC法的排名差异最小，为1.74,
各学校采用这两种方法的排名差异的波动程度也最小，为2.3034。
从结果看，标准偏差法和CRITIC法确定的权重排名结果最为接近

Matlab程序univer.m

%采用三种客观权重的方法对高校排名
%1.熵权法,2.标准离差法,3.CRITIC法
load university.txt;
x=university;
[m,n]=size(x);
%m---数据样本数,n---指标数
%数据的标准化
xmin=min(x);
xmax=max(x);
dis=xmax-xmin;
for i=1:n;
x(:,i)=(x(:,i)-xmin(i))/dis(i);
end; %归一化
%-----------------------------------------------------------------------------------------
%1.熵权法
p=[]; E=[];
for k=1:n
s=sum(x(:,k));
p=x(:,k)/s;
s=0.0;
for i=1:m
if(p(i)>0) s=s+p(i)*log(p(i)); end
end
E(k)=-s/log(m); %获得熵
end;
s=sum(E);
W1=(1-E)/(n-s); %熵权法权重
%-----------------------------------------------------------------------------------------
%2.标准离差法
au=mean(x); );%均值
sig=std(x);% );%标准差
s=sum(sig);
w2=sig/s; %标准离差法获得的权重
%-----------------------------------------------------------------------------------------
%3.CRITIC法
r=corrcoef(x); %求相关系数
w=[];
for i=1:n
s=0.0;
for j=1:n
s=s+(1.0-r(i,j));
end
w3(i)=sig(i)*s;
end
s=sum(W3);
W3=W3/s; %CRITIC法获得的权重
w=W1; %选取一种权重
wg=100*w; %权重归一化
f=x*wg‘; %计算各学校得分
ff=f;
s=1:m;
for i=1:m-1
for j=i+1:m
if(ff(j)>ff(i))
temp=ff(i); ff(i)=ff(j); ff(j)=temp;
temp=s(i); s(i)=s(j);
s(j)=temp; %s(i)为第i名的学校序号
end
end
end
fid=fopen('result.txt','w');
%输出前20名的: 名次,学校序号,得分
fprintf(fid,' 名次,学校序号,得分\r\n');
for i=1:20
fprintf(fid,'%5d %5d %6.2f\r\n',i,s(i),ff(i));
end
fclose(fid);