指标权重计算的确定方法
指标权重的确定方法
指标权重的确定方法
确定指标权重的方法有多种，常用的有以下几种：
1. 主观评价法：由决策者根据经验和个人偏好，根据指标的相对重要性，给出权重。
这种方法的优点是简单直观，但缺点是容易受主观因素的影响，可能存在主观偏差。
2. 客观评价法：采用统计分析、经济学、数学模型等方法，通过数据分析和建模来确定权重。
例如，层次分析法（AHP）可以用来确定指标的相对重要性，通过对各个指标的比较和评估来得出权重。
这种方法的优点是较为客观，但需要较多的数据和专业知识支持。
3. 专家评估法：找到相关领域的专家进行评估，通过专家的意见和经验来确定权重。
可以通过专家访谈、问卷调查等方式收集专家意见，并进行统计和分析来得出权重。
这种方法的优点是能够利用专家的专业知识和经验，但需要选择合适的专家，并注意专家之间的一致性。
4. 综合评价法：结合主观评价法和客观评价法，综合考虑决策者的主观偏好和客观分析结果。
可以通过赋予主观评价法和客观评价法不同的权重，或者采用加权平均法、TOPSIS法等方法进行综合评价。
在具体应用中，可以根据具体情况选择合适的方法确定指标权重。
一般来说，综
合考虑决策者的主观意见和客观分析结果，以及专家的意见，可以得出更准确和可靠的权重。
权重确定方法
权重确定方法确定指标体系权重的方法可分为主观赋值法和客观赋值法两大类。
主观赋值法，即计算权重的原始数据主要由评估者根据经验主观判断得到，如主观加权法、专家调查法、层次分析法、比较加权法、多元分析法和模糊统计法等。
客观赋值法，即计算权重的原始数据由测评指标在被测评过程中的实际数据得到，如均方差法、主成分分析法、熵值法、critic法等。
这两类方法各有优缺点，主观赋值法客观性较差，但解释性强;在大多数情况下，客观赋值法确定的权重精度较高，但又是会与实际情况相悖，而且解释性较差，对所得到的结果难以给出明确的解释。
目标分配方法主要讨论如下：一、熵权法一般来说，如果某一指标的信息熵指标权重确定方法中的熵权重法较小，则表明该指标值的变异程度越大，提供的信息越多，在综合评价中的作用越大，权重越大。
相反，一个指标的信息熵指标权重确定方法中的熵权法越大，该指标值的变异程度越小，提供的信息越少，其在综合评价中的作用越小，权重越小。
加权步骤如下：1.数据标准化标准化公式：2.求各指标的信息熵根据信息论中信息熵的定义，一组数据的信息熵,其中.3.确定各指标权重根据信息熵的计算公式，各指标的信息熵计算如下：，。
通过过信息熵计算各指标的权重：,（i=1,2,3…….,k）二、主成分分析将原有多个相关性较强的变量、、、……重新整合，生成几个少数不相关的变量、、……，使它们尽可能多地原有变量的信息，其中、、……，就叫做主成分，依次为第一主成分、第二主成分、第三主成分……第p主成分。
主要步骤如下：1.首先，进行kmo测试，观察适合主成分分析的程度。
三、均方差首先求出这些随机变量的均方差，然后对这些均方差进行归一化，得到各指标的权重系数。
四、critic法每个评价指标的客观权重由指标内的可变性和冲突决定。
一是评价指标内的可变性，以标准差的形式表示，表示同一指标的评价对象之间的价值差异。
标准偏差越大，对象之间的值差越大。
二是评价指标的影响突性，以表示。
确定权重的方法及原则
•权重•确定权重的原则•权值因子推断表法•专家直观判定法•层次分析法•排序法权重权重是一个相对的概念，是针对某一指标而言。
某一指标的权重是指该指标在整体评价中的相对重要程度。
权重表示在评价过程中，是被评价对象的不同侧面的重要程度的定量分配，对各评价因子在总体评价中的作用进行区不对待。
事实上，没有重点的评价就不确实是客观的评价，每个人员的性质和所处的层次不同，其工作的重点也确信是不能一样的。
因此，相对工作所进行的业绩考评必须对不同内容对目标贡献的重要程度做出可能，即权重的确定。
总之，权重是要从若干评价指标中分出轻重来，一组评价指标体系相对应的权重组成了权重体系。
一组权重体系{Vi|I=1，2，…n}，必须满足下述两个条件：（1）0<Vi≤1;i=1，2，…，n。
（2）其中n是权重指标的个数一级指标和二级指标权重的确定：设某一评价的一级指标体系为{wi | i=1，2，…，n}，其对应的权重体系为{vi | i=1，2，…，n}则有：（1）1<Vi≤1;i=1，2，…，n（2）假如该评价的二级指标体系为{Wij | i=1，2，…，n，j=1，2，…，m}，则其对应的权重体系{Vij | i=1，2，…，n，j=1，2，…，m}应满足：（1）0<Vij≤1（2）（3）关于三级指标、四级指标能够以此类推。
权重体系是相对指标体系来确立的。
首先必须有指标体系，然后才有相应的权重体系。
指标权重的选择，实际也是对系统评价指标进行排序的过程，而且，权重值的构成应符合以上的条件。
确定权重的原则一、系统优化原则在评价指标体系中，每个指标对系统都由它的作用和贡献，对系统而言都有它的重要性。
因此，在确定它们的权重时，不能只从单个指标动身，而是要处理好各评价指标之间的关系，合理分配它们的权重。
应当遵循系统优化原则，把整体最优化作为动身点和追求的目标。
在那个原则指导下，对评价指标体系中各项评价指标进行分析对比，权衡它们各自对整体的作用和效果，然后对它们的相对重要性做出推断。
确定指标权重的方法：专家意见、统计分析、组合方法、权重分配
确定指标权重的方法
专家意见、统计分析、组合方法、权重分配
确定定量与定性评估指标的权重是一个重要的步骤，因为它可以帮助评估者根据指标的重要性和影响力进行加权计算，从而得到更准确的评估结果。
以下是一些常用的方法来确定定量与定性评估指标的权重：
1. 专家意见：可以请教一些专家或业内人士，让他们对指标的重要性进行评估。
他们可以根据自己的经验和知识，给出关于每个指标的权重建议。
这种方法的优点是可以借助专家的专业知识和经验，得到更准确的结果。
2. 统计分析：通过对历史数据进行分析，可以找到指标之间的关系和影响。
通过统计方法，可以计算每个指标的权重。
例如，可以使用回归分析、主成分分析等方法来确定指标的权重。
3. 组合方法：将定量和定性方法结合起来确定指标的权重。
例如，可以使用层次分析法（AHP），通过问卷调查和专家评估等方式来确定指标的相对重要性。
4. 权重分配：可以根据实际情况和需求，将每个指标的权重进行分配。
例如，可以给定量指标更高的权重，因为它们更具有客观性和可衡量性，但是定性指标也可以通过适当的主观权重来反映其重要性。
需要注意的是，每个评估指标的权重应该是客观、合理和可解释的。
在确定权重的过程中，应该考虑到指标之间的相互关系和影响，以及评估的目的和需求。
此外，权重应该是动态的，可以根据实际情况进行调整和更新，以适应不同的评估场景和需求。
指标权重确定方法
指标权重确定方法(一)概述指标权重确定方法是在决策分析、管理咨询中普遍采用的一种评价技术，目的是以权重的形式表达对于给定的指标的重视程度。
该方法依赖于专家分析，将权重和指标联系起来，其中，专家分析的认知思维分析可将隐秘信息反映出来，从而更有效地识别各种认知行为潜在全貌。
这是由一个专家小组合作确定的，一方面，小组成员是选择性召集的，而且来自不同行业，他们对领域有着不同的认识和丰富的实践经验；其次，小组成员形成一种共同的理解，评估某一环境的可能性，从而权衡全局最佳选择的可能性。
因此，该方法可以明确各个指标的影响因素，评估一个具体结果，有助于实现更加合理、有效的决策行为。
(二)基本步骤1、定义指标：首先，明确指标的目标，确定在不同环境中所需要考量的绩效指标，以及各种指标之间的关系；2、分层结构的建立：将各项指标按照一定的层级关系进行整合；3、专家组成：根据绩效指标的不同类别和重要性，由一定的专家裁定决策者或小组来对指标的重要性进行评估；4、指标重要性评估：利用客观计算方法，用一定的评分模型，将专家的投票结果转换为权重；5、权重确定：通过有限的专家投票、实验研究以及信息处理等方法，最终确定每项指标的权重。
(三)实施与评价1、实施Guideline：对于任何一个权重的确定，一个统一的指导原则必须清晰地定义，这样才能有效地减少潜在的不确定性和歧义性，提高权重确定的精确性；2、可持续性：成功实施该方法后，就会产生一个有效的实施体系，确保权重的可持续性，减少了今后的改变和修改；3、专家评价：进行权重确定时，要结合明确的评价标准，征求专家综合意见，以确保权重确定的公平性。
(四)总结指标权重确定方法是在决策分析、管理咨询中普遍采用的一种评价技术，以小组合作的形式将专家的投票结果转化为权重，有助于识别潜在的隐秘性信息，为决策提供可靠的技术支持，其实施需遵循统一的指导原则，保证权重的可持续性，同时要征求专家综合意见，以确保权重确定的公平和准确性。
指标权重的确定方法
指标权重的确定方法ij表示第i个指标相对于第j个指标的重要性，然后通过计算得出每个指标的权重。
具体步骤如下：1）建立层次结构模型，将评价指标分为若干层次，形成层次结构模型。
2）构造判断矩阵，由决策者对所有评价指标进行两两比较，得到判断矩阵。
3）计算特征向量，通过计算得出每个指标的特征向量。
4）计算权重，将各指标的特征向量进行归一化处理，得到各指标的权重。
二）客观赋权法客观赋权法是指通过统计学或数学方法，根据指标本身的性质和指标之间的关系，计算各指标的权重。
常用的方法有熵权法、主成分分析法等。
三）组合集成赋权法组合集成赋权法是指将主观赋权法和客观赋权法进行组合，得到更加准确的权重。
常用的方法有TOPSIS法、灰色关联度法等。
总之，权重的确定方法需要根据实际问题的情况选择合适的方法，以确保评价结果的准确性和可靠性。
客观赋权法是一种基于各方案评价指标值的客观数据的差异来确定各指标权重的方法。
目前，主要研究成果有基于“差异驱动”原理的赋权方法，包括突出整体差异的“拉开档次法”和突出局部差异的“均方差法”、“嫡值法”以及“极差法”、“离差法”。
其中，主成分分析法是一种将多项评价指标综合成z个主成分的方法，再以这z个主成分的贡献率为权数构造一个综合指标，并据此作出判断。
这种方法能消除指标间信息的重叠，根据指标所提供的信息，通过数学运算而主动赋权。
拉开档次”法的基本原理是将n个被评价对象看成是由m个评价指标构成的m维评价空间中的n个点(或向量)，寻求n个被评价对象的评价值就相当于把这n个点向一维空间做投影。
选择指标权系数，使得各被评价对象之间的差异尽量拉大，也就是根据m维评价空间构造一个最佳的一维空间，使得各点在此一维空间上的投影点最为分散，即分散程度最大。
该方法的特点为综合评价过程透明，评价结果与系统或指标的采样顺序无关，评价结果毫无主观色彩，评价结果客观、可比，权重不具有“可继承性”，权重不再体现评价指标的相对重要程度。
权重的确定方法汇总-指标权重确定方法
一、指标权重的确定1.综述目前关于属性权重的确定方法很多，根据计算权重时原始数据的来源不同，可以将这些方法分为三类：主观赋权法、客观赋权法、组合赋权法。
主观赋权法是根据决策者（专家）主观上对各属性的重视程度来确定属性权重的方法，其原始数据由专家根据经验主观判断而得到。
常用的主观赋权法有专家调查法（Delphi法）、层次分析法（AHP ）[106-108]、二项系数法、环比评分法、最小平方法等。
本文选用的是利用人的经验知识的有序二元比较量化法。
主观赋权法是人们研究较早、较为成熟的方法，主观赋权法的优点是专家可以根据实际的决策问题和专家自身的知识经验合理地确定各属性权重的排序，不至于出现属性权重与属性实际重要程度相悖的情况。
但决策或评价结果具有较强的主观随意性，客观性较差，同时增加了对决策分析者的负担，应用中有很大局限性。
鉴于主观赋权法的各种不足之处，人们又提出了客观赋权法，其原始数据由各属性在决策方案中的实际数据形成，其基本思想是：属性权重应当是各属性在属性集中的变异程度和对其它属性的影响程度的度量，赋权的原始信息应当直接来源于客观环境，处理信息的过程应当是深入探讨各属性间的相互联系及影响，再根据各属性的联系程度或各属性所提供的信息量大小来决定属性权重。
如果某属性对所有决策方案而言均无差异（即各决策方案的该属性值相同），则该属性对方案的鉴别及排序不起作用，其权重应为0；若某属性对所有决策方案的属性值有较大差异，这样的属性对方案的鉴别及排序将起重要作用，应给予较大权重.总之，各属性权重的大小应根据该属性下各方案属性值差异的大小来确定，差异越大，则该属性的权重越大，反之则越小。
常用的客观赋权法[109-110]有：主成份分析法、熵值法[111-112]、离差及均方差法、多目标规划法等。
其中熵值法用得较多，这种赋权法所使用的数据是决策矩阵，所确定的属性权重反映了属性值的离散程度。
客观赋权法主要是根据原始数据之间的关系来确定权重，因此权重的客观性强，且不增加决策者的负担，方法具有较强的数学理论依据。
确定指标权重方法
确定指标权重方法
1. 层次分析法（AHP）:
AHP的核心是使用主体对若干指标的两两比较，通过构建成一个层次结构模型，得出每个指标相对重要性系数的方法。
它的主要优点是易于理解和使用，可以直观地让专业人士和非专业人员共同评估指标。
2. 熵权法：
熵权法是利用信息熵理论来确定指标权重的方法，它通过计算指标值在整个数据集中的分布情况，得出每个指标的权重比例。
该方法的优点是对指标分布情况不敏感，能准确反映指标之间的信息关系。
3. 主成分分析法（PCA）：
PCA利用一些公共变量来合理表达各个变量之间关系的方法。
通过将多个维度的指标合成一个指标，以此来确定各个指标的权重。
这种方法的优点是可以减少多个指标之间的多重共线性问题。
4. 相对比重法：
这种方法的核心是通过专家确定各个指标的重要性，并将这些重要性权重转化为
相对比重。
然后，将这些相对比重乘以各个指标的实际值，从而获得最终的权重。
5. 灰色关联度法：
该方法主要适用于评估指标间存在双向或多向关系的情况。
它的核心是通过计算指标的灰色关联度，来确定各个指标的权重。
这种方法的优点是可以通过考虑指标的相互影响来协调各个指标的权重。
注意：不同的方法适用于不同情况，请根据具体情况选择适合的方法，合理的确定指标权重。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
指标权重的计算方法
权重是一个相对的概念，是针对某一指标而言。
某一指标的权重是指该指标在整体评价中的相对重要程度。
针对量表类问卷，指标权重计算在学术研究和企业研究中都较为常见。
量表类问卷权重研究关注重心在于各个指标的权重得分值，而非影响关系，通过计算各个指标或者题项的权重得分值，最后构建完善的权重体系，并且结合各指标权重情况提供科学建议。
方法分类
权重研究分析方法非常多，以及权重研究均针对量表类题项，基本无法对非量表类问卷进行权重体系构建。
针对量表类问卷权重研究方法，根据计算权重时原始数据的来源不同，可以将这些方法分为三类：主观赋权法、客观赋权法和组合赋权法。
主观赋权法：是根据决策者（专家）主观上对各属性的重视程度来确定属性权重的方法，常用的主观赋权法包括专家咨询法（Delphi法）、AHP层次分析法等。
专家咨询法是由多位专家讨论共同决定各指标的权重值情况，而AHP层次分析法也是利用专家打分，并且使用数据计算过程最终生成各指标权重值。
客观赋权法：是根据原始数据之间的关系通过一定的数学方法来确定权重，其判断结果不依赖于人的主观判断，有较强的数学理论依据。
常用的客观赋权法包括因子分析法、熵值法等，因子分析法和熵值法直接使用收集数据进行数据计算，最终生成指标权重值。
组合赋权法：针对主、客观赋权法各自的优缺点，研究人员可以综合使用两种方法，同时基于指标数据之间的内在规律和专家经验对决策指标进行赋权。
进一步说明
专家咨询法（Delphi法），是采用背对背通信方式征询专家小组成员预测意见，经过几轮征询使专家小组的预测意见趋于集中，最后做出符合市场未来发展趋势的预测结论。
本质上是一种反馈匿名函询法。
其大致流程是：在对所要预测的问题征得专家的意见之后，进行整理、归纳、统计，再匿名反馈给各专家，再次征求意见，再集中，再反馈，直至得到一致的意见。
AHP层次分析法，根据问题的性质和要达到的总目标，将问题分解为不同的组成因素，并按照因素间的相互关联影响以及隶属关系将因素按不同层次聚集组合，形成一个剁成次的分析结构模型，从而最终使问题归结为最底层（供决策的方案、措施等）相对于最高层（总目标）的相对重要权值的确定或相对优劣次序的排定。
其基本模型如下：
层级分析法的计算步骤为：首先构造两两判断矩阵，然后让专家进行评分，接着计算特征根，并进行一致性检验，最后进行权重的计算。
熵值法，熵值是不确定性的一种度量。
信息量越大，不确定性就越小，熵也就越小；信息量越小，不确定性越大，熵也越大。
因而利用熵值携带的信息进行权重计算，结合各项指标的变异程度，利用信息熵这个工具，计算出各项指标的权重，为多指标综合评价提供依据。
通常熵值法的使用场景情况如下：
配合因子分析(或主成分析)得到一级指标权重，进一步使用熵值法计算具体二级指标的权重，最终构建权重体系；
单独使用熵值法进行权重计算。
因子分析，探索性因子分析可分为三个功能，分别是提取因子，效度验证和权重计算，量表类问卷权重研究会同时使用此三个功能。
使用的具体步骤为：指标归类分析、有效性分析、因子分析法指标权重构建。
更详细的分析步骤会在之后的文章中进一步阐述。
SPSSAU用户可直接操作“因子”分析进行分析
特别提示
需要注意的是，AHP层次分析法，熵值法，组合赋值法均无法直接使用SPSS软件进行计算，AHP层次分析法可以直接通常EXCEL进行矩阵计算，但较为复杂，后续SPSSAU会提供此种分析方法使用。
因子分析法权重计算会结合SPSS软件分析，使用因子分析方法生成结果后，再结合小量数据计算处理生成权重体系。
目前SPSSAU提供因子分析，熵值法和主成分分析法，用户可直接在对应分析方法下进行操作。