如何设计权重算法?
8 个回答
指标的权重反映某一指标在指标体系中所起作用的大小,针对指标权重的计算方法有很多种。
指标间的权重差异主要是由于以下三方面的原因造成的:
①评价者对各指标的重视程度不同,反映评价者的主观差异;
②各指标在评价中所起的作用不同,反映了指标间的客观差异;
③各指标的可靠程度不同,反映了各指标所提供的信息的可靠度不同。
由于上述三个因素存在,在考虑权重时也可以从三个方面来考虑设计指标权重:
- 由决策者的经验判断合理地给出每个方案(或指标)的权数,一般采用主观赋值,比如AHP层次分析法。
- 由评价中各指标传递的信息量大小决定指标权重,比如熵值法。
- 依靠指标评价值的客观程度与可靠程度反映权重,比如灰色关联分析等。
上述第一种属于主观赋权,而后两种属于客观赋权
- 主观赋值多采用定性方法确定权重:常见的方法有专家咨询法(Delphi法)、AHP法、评级打分法等,其中AHP方法使用较为常见。
- 客观赋值是通过数学量化指标间的关系或离散程度来确定权重,常见的方法有:熵值法、主成分分析、灰色关联、模糊综合评价法、因子分析法、TOPSIS法等。
这些方法具体的评价运算步骤各不相同,使用场景也不一样,不具体的就细说明了可以自行搜索。
SPSSAU上也提供了一些常见的权重计算方法包括:熵值法、主成分分析、因子分析、AHP层次分析法、模糊综合评价、灰色关联法、TOPSIS、DEA包络分析等计算权重的方法,有兴趣可以登录官网查看和使用。
每种方法都有对应的帮助手册,点击右下角的“灯泡”即可了解具体操作说明。以AHP层次分析法为例,下图为 SPSSAU的操作界面及步骤:
操作步骤:
- 第一步:标度确定和构造判断矩阵
此步骤即为原始数据(判断矩阵)的来源,比如使用1-5分标度法(最低为1分,最高为5分);结合专家打分最终得到判断矩阵表格。
- 第二步:特征向量,特征根计算和权重计算
此步骤目的在于计算出权重值,如果需要计算权重,则需要首先计算特征向量值,因此SPSSAU会提供特征向量指标。 同时得到最大特征根值(CI),用于下一步的一致性检验使用。
- 第三步:一致性检验分析
在构建判断矩阵时,有可能会出现逻辑性错误,比如A比B重要,B比C重要,但却又出现C比A重要。因此需要使用一致性检验是否出现问题,一致性检验使用CR值进行分析,CR值小于0.1则说明通过一致性检验,反之则说明没有通过一致性检验。
如果数据没有通过一致性检验,此时需要检查是否存在逻辑问题等,重新录入判断矩阵进行分析。
- 第四步:分析结论
如果已经计算出权重,并且判断矩阵满足一致性检验,最终则可以下结论继续进一步分析。
参考资料
1、张于心,智明光.综合评价指标体系和评价方法[J].北方交通大学学报,1995(03):393-400.
2、 SPSS在线_SPSSAU_AHP层次分析法
最近毕业论文快被这东西搞死,已有答案其实已足够只是我在完善一下。
权重概念你肯定明白,但还有个关于权数两种区别需要注意。其分别为自重权数和加重权数两种,区别在于前者将结果作为等级或指标分值;而后者则是在已有分值(自重权数)前设立的权数。
对于权重算法,最基本的是:
a.Delphi法(专家打分)
b.AHP法(层次分析)
但实际在操作的运算实现过程当中均是以a+b相结合的方法进行权重计算。此处介绍个计算权重的好东西:yaahp软件(请自行搜索学习)当中的群决策便是对于两种方法相结合最好的应用。而作为计算权重的实用工具,其操作也十分便捷,大致分为以下流程:
1.层次模型绘制(决策目标/中间层要素/备选方案);
2.AHP法设定调查表;
3.输入结果,群决策;
4.计算权重输出结果。
当然其实除了以上两种方式计算权重自然有其他很多方法,有些数学思想相同只是些许步骤重复或名称叫法不同暂不区分,简单罗列若有兴趣请自行搜索,且欢迎交流互相学习:
c.因子分析权数法
d.信息量权数法
e.独立性权数法
f.主成分分析法
g.优序图法
h.熵权法
i.标准离差法
j.CRITIC法
k.非模糊数判断矩阵法
l.相关系数法
m.RSR法
n.均数法(算数均数组合赋值法)
o.累积法(连乘累积组合赋权法)
p.权值因子判断表法
......
而且刚刚推荐的yaahp软件,其实还可用MATLAB或SPSS计算,甚至闻听用Excel计算。鄙人时间能力有限仅选择了yaahp,从专业度和上手度综合来讲,yaahp是首选。以上所述众多方法更多是理论的数学思路,若真的实际计算,建议花精力在软件本身。毕竟后期的一致性、主效应/交互效应检验、指标比较或者边际均值估计等等后期数据处理还是软件来的实在。
希望这答案能帮助到你。
且望此地有大神给我讲讲SPSS(哭)
谢了,以上。
一、综合评价中的关键技术
上面是综合评价的一个万能的模型
CE,是综合评价(Comprehensive Evaluation)简写。
所有的综合评价只要是涉及多个评价对象都可以用SAISM模型来指示。比如环境监测综合评价、药物临床试验综合评价、地质灾害综合评价、气候特征综合评价、产品质量综合评价等等;在社会科学中广泛应用于总体特征和个体特征的综合评价。比如,社会治安综合评价,生活质量综合评价、社会发展综合评价、教学水平综合评价、人居环境综合评价等等。在经济学学科领域更为普遍。如,综合经济效益评价、小康建设进程评价、经济预警评价分析、生产方式综合评价、房地产市场景气程度综合评价等等
CE有三个关键技术。
1、指标的选取。即有多少列。
2、权重的确定。即求权重的方法,用主观法,还是客观法
3、模型方法的适宜。只要是多个评价对象的,都可以用SAISM
二、求权重的方法之——客观法
上面是一个具体的实例。
上面介绍了若干种客观法与主观法。
客观法的好处是有当前的数据就可以直接算出权重,其中变异系数、CRTIC、熵权法比较好整,尤其是熵权法用得最广。
象PCA什么的算起来很方便,但是通常会涉及到降维等操作,所以在权重的时候用得不多。
三、主观法——如何正确的拍脑袋确定权重
主观法并不是就比客观法傻逼,更拍脑袋,更不科学。
主观法是强调了专业人士的看法。
最常用最简单的是AHP,它的适用性不广,但是其适用与一些简单的场景。且计算简单,所以基本就用它了。
AHP的发明者觉得AHP有点low,他就提出了ANP。
由于基础假设的问题,AHP/ANP的基础假设是 A跟B比较 是成倒数关系。这并不与客观世界完全匹配。
于是有了DEAMTEL求权重
接着有了D-ANP求权重等。
总之适用性为 AHP \prec ANP \prec DEMATEL \prec D-ANP
ANP求权重一般用SD软件,还没有看到有哪个学生是手算的。
有个别的理论上是手算的,但是基本是算错的。
D-ANP算权重还是很麻烦的。
上面是流程图。
四、主客观赋权法,组合赋权
组合赋权不要搞太复杂,一般是最常见的是熵权法同AHP组合赋权。
当然也有几种主观法整在一起;也有几种客观法整在一起。
相结合有几种。最好水的是基于拓扑变化特征的权重结合法、一种是基于博弈论的组合权重法。
最简单的是直接分配一个系数。
上面几个是分别有组合赋权的计算。
计算也简单直接。直接一个拖拉进行系数的分配。
五、赋权的前置条件一定要注意
比如一般要先归一化
归一化之前一定要注意方向,即指标是正向还是逆向。
很多论文瞎搞就是这步错了。
比如上面有一篇博士论文就是错的。
六、设计权重
自圆其说就行。
另外一个现在比较流行客观法,比如能偷懒,省得被人喷是纯拍脑袋的。
在用主观法的时候,比如AHP这种最常见的方法。尽量避免一个人拍脑袋确定数值的。
而这步一看就知道,绝大部分AHP的论文都是一个人拍脑袋瞎掰的。
尤其是那种张口就说请了很多专家,填问卷,然后最后得出某个结果的。
具体例子就懒得举了。
总之AHP的论文90%以上是一个人拍脑袋的。
因此多人打分合成一个互为倒数的判读矩阵是关键。
1.AHP方法,成对比较阵里有10分制的打分参考逻辑;
2.德尔菲法(亦称专家打分法),可以用投票或均值的方式计算;
说到层次分析法,可以用这个软件
http://www.yaahp.com/权重计算的13种常用方法:
1、AHP层次分析法
AHP层次分析法是一种定性和定量的计算权重的研究方法,采用两两比较的方法,建立矩阵,利用了数字大小的相对性,数字越大越重要权重会越高的原理,最终计算得到每个因素的重要性。层次分析法适用于有多个层次的综合评价中。
2、熵值法
熵值法属于一种客观赋值法,其利用数据携带的信息量大小计算权重,得到较为客观的指标权重。熵值是不确定性的一种度量,熵越小,数据携带的信息量越大,权重越大;相反熵越大,信息量越小,权重越小。
熵值法广泛应用于各个领域,对于普通问卷数据(截面数据)或面板数据均可计算。在实际研究中,通常情况下是与其他权重计算方法配合使用,如先进行因子或主成分分析得到因子或主成分的权重,即得到高维度的权重,然后再使用熵值法进行计算,想得到具体各项的权重。
3、因子分析法
因子分析与主成分分析计算权重的原理基本一致,区别在于因子分析加带了‘旋转’的功能‘。旋转’功能可以让因子更具有解释意义,如果希望提取出的因子具有可解释性,一般使用因子分析法更多。
4、主成分分析法
主成分分析是对数据进行浓缩,将多个指标浓缩成为几个彼此不相关的概括性指标(主成分),从而达到降维的目的。主成分分析可同时计算主成分权重及指标权重。
5、模糊综合评价
模糊综合评价借助模糊数学的一些概念,对实际的综合评价问题提供评价,即模糊综合评价以模糊数学为基础,应用模糊关系合成原理,将一些边界不清、不易定量的因素定量化,进而进行综合性评价的一种方法。
6、灰色关联法
灰色关联分析法通过研究数据关联性大小(母序列与特征序列之间的关联程度),通过关联度(即关联性大小)进行度量数据之间的关联程度,从而辅助决策的一种研究方法。
7、TOPSIS法
TOPSIS法用于研究与理想方案相似性的顺序选优技术,通俗理解即为数据大小有优劣关系,数据越大越优,数据越小越劣,因此结合数据间的大小找出正负理想解以及正负理想解距离,并且在最终得到接近程序C值,并且结合C值排序得出优劣方案排序。
8、熵权TOPSIS法
熵权TOPSIS法是先使用熵权法得到新数据newdata(数据成熵权法计算得到的权重),然后利用新数据newdata进行TOPSIS法研究。
9、优序图法
优序图法利用相对重要性进行权重计算,SPSSAU默认对分析项计算出平均值,并且结合平均值的相对大小构建出优序图权重计算表,进而计算得到权重。适用于专家打分等。
10、CRITIC权重
CRITIC权重法是一种客观赋权法。其思想在于用于两项指标,分别是对比强度和冲突性指标。对比强度使用标准差进行表示,如果数据标准差越大说明波动越大,权重会越高;冲突性使用相关系数进行表示,如果指标之间的相关系数值越大,说明冲突性越小,那么其权重也就越低。
11、独立性权重
独立性权重法是一种客观赋权法。其思想在于利用指标之间的共线性强弱来确定权重。如果说某指标与其它指标的相关性很强,说明信息有着较大的重叠,意味着该指标的权重会比较低,反之如果说某指标与其它指标的相关性较弱,那么说明该指标携带的信息量较大,该指标应该赋予更高的权重。
12、信息量权重
信息量权重法也称变异系数法,信息量权重法是一种客观赋权法。其思想在于利用数据的变异系数进行权重赋值,如果变异系数越大,说明其携带的信息越大,因而权重也会越大,此种方法适用于专家打分、或者面试官进行面试打分时对评价对象(面试者)进行综合评价。
13、DEMATEL
Dematel(Decision-making Trial and Evaluation Laboratory,决策实验室法),其是一种运用图论和矩阵工具解释问题的系统分析方法。其通过系统中各要素之间的逻辑关系和直接影响矩阵,可以计算出每个要素对其它要素的影响度以及被影响度,从而计算出每个要素的原因度与中心度,作为构造模型的依据,从而确定要素间的因果关系和每个要素在系统中的地位。