权重分析——熵权法

1、作用

权重分析是通过熵权法对问卷调查的指标的重要性进行权重输出,根据信息熵的定义,对于某项指标,可以用熵值来判断某个指标的离散程度,其信息熵值越小,指标的离散程度越大, 该指标对综合评价的影响(即权重)就越大,如果某项指标的值全部相等,则该指标在综合评价中不起作用。因此,可利用信息熵这个工具,计算出各个指标的权重,为多指标综合评价提供依据。

2、输入输出描述

输入:至少两项或以上的定量变量(正向指标与负向指标),一般要求数据为量表量数据
输出:输入定量变量对应的权重值

3、案例示例

比如对拥有的6个科室的8项考核指标进行权重分析,得到各个考核指标的权重占比。

4、建模步骤

熵是信息论中的概念,是对不确定性的一种度量。信息量越大,不确定性越小,熵就越小;信息量越小,不确定性越大,熵也越大。根据信息熵的定义,对于某项指标可用熵值来判断某个指标的离散 程度,其熵值越小,指标的离散程度越大,该指标对综合评价的影响(即权重)也越大。
1.对各个元素按照每个选项的数量进行归一化处理为:
对于正向指标:


对于负向指标:

第 i 个元素素的第 j 个选项的比例 yij 为:

上式中:m 为考虑的元素的个数。

2.第j个选项的信息熵为:

其中K=1/ln m,K为常数。

第j个选项的信息熵冗余度为:d_{j}=1-e_{j}
3.各项指标权值为:

  • 9
    点赞
  • 81
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: critic权重法和熵权法都是多准则决策中常用的权重确定方法。critic权重法适用于决策者关注各属性之间相互影响的情况,也就是属性之间的相关性比较强,此时使用critic法可以综合考虑属性间相互影响,减小决策偏差,提高决策的准确性。 而熵权法则适用于属性之间的相互影响较小的情况。这个方法基于各属性对决策结果的贡献度不同,越重要的属性的贡献度越大,计算结果以此为基础进行权重分配。熵权法适用范围较为广泛,适用于多种决策情况,在保证决策正确性的同时对决策分配的权重进行了精细的考虑。 总的来说,不同的权重方法适用于不同的决策情况。在具体应用中,应综合考虑属性间的相关性以及属性对于决策结果的影响程度,选择合适的方法进行权重分配,以提高决策的准确性。 ### 回答2: critic权重法和熵权法是决策评价中常用的两种方法。无法简单地说哪一种方法更好,这取决于具体的应用场景和需求。 critic权重法是一种基于专家判断的方法,它依赖于专家对各指标的了解和知识水平。专家们会根据个人的经验和知识给每个指标都赋予一个权重权重的大小代表了该指标在总体评价中的重要性。然后,将每个指标的实际值乘以其对应的权重,最终得到总评价分数。这种方法对于应用场景相对简单的问题比较合适,但是如果需要考虑到多个不同领域的指标或面对较为复杂的问题,可能存在专家判断不准确的问题。 熵权法是一种基于信息熵的方法,它能够在不需要专家判断的情况下,根据数据自动确定指标的权重。该方法衡量了每个指标产生信息的量,也就是指标本身在评价中所占据的重要性。使用该方法进行评价时,需要先将所有指标的数据标准化,然后计算每个指标的信息熵和权重。与critic权重法相比较,熵权法更加客观,能够处理更加复杂的问题。但是,在样本数据较小或数据相互关联较强的情况下,可能会存在权重计算不准确的问题。 综上所述,critic权重法和熵权法都各有优缺点,我们需要根据实际需求和具体应用场景来选择合适的方法。 ### 回答3: 答:critic权重法和熵权法是常用的多准则决策分析方法,都可以用来确定多个评价因素的重要性。两种方法的适用性取决于具体问题的特点和数据情况。一般来说,以下几个因素可以影响我们选择的方法: 1. 数据的类型和数量:critic权重法需要至少3个专家提供的权重分配数据,而熵权法只需要评价因素的数据矩阵,所以对于数据量较小的问题,熵权法更适合;但对于数据量大的问题,critic权重法可以考虑使用。 2. 评价因素间的关系: critic权重法基于专家的主观判断和直觉,侧重考虑每个因素的重要性,而熵权法则着重考虑因素间的相对重要性和相互之间的影响。对于因素之间关系比较明显的问题,熵权法更适用。 3. 判断结果的可解释性:critic权重法的结果更依赖于专家的主观判断,可能存在一定的主观性;而熵权法的结果更为客观,更容易被解释为评价因素的相对重要性和影响程度。因此,判断结果的可解释性也是选择方法的考虑因素之一。 因此,我们不能简单地说哪种方法更好,而是要结合具体问题的特点选择合适的方法。两种方法的优劣势各有所长,在实际运用中需要综合考虑相关因素,选择最适合解决问题的方法。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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