变异系数_层次分析_各种权重求解法
权重的确定方法
权重的确定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。
在模糊决策中，权重至关重要，他反映了各个因素在综合决策过程中所占有的地位和所起的作用，直接影响决策的结果。
通常是根据经验给出权重，不可否认这在一定程度上能反映实际情况，但凭经验给出的权重有时不能客观的反映实际情况，导致评判结果“失真”。
比较客观的权重的判定方法有如下几种：1.确定权重的统计方法1.1专家估测法该法又分为平均型、极端型和缓和型。
主要根据专家对指标的重要性打分来定权，重要性得分越高，权数越大。
优点是集中了众多专家的意见，缺点是通过打分直接给出各指标权重而难以保持权重的合理性。
设因素集U={n u u u ,...,2,1},现有k 个专家各自独立的给出各个因素i u （i=1,2,...,n ）的权重，∑==k j ij i a k a 11（i=1,2,...,n ），即)1,...,1,1(11211∑∑∑====kj nj k j j k j j a k a k a k A 。
1.2加权统计方法当专家人数k<30人时，可用加权统计方法计算权重。
按公式isi i k x w a ∑==1计算（其中s 为序号数）然后可得权重A 。
1.3频数统计方法由所有专家独立给出的各个因素的权重，得到权重分配表，对各个因素i u （i=1,2,...,n ）进行但因素的权重统计实验，步骤如下：第一步：对因素i u （i=1,2,...,n ）在它的权重ij a （j=1,2,...,k)中找出最大值i M 和最小值i m , 即{}ij k j i a M ≤≤=1max ,{}ij k j i a m ≤≤=1min . 第二步;适当选取整数p,利用公式pm M i i -计算出权重分为p 组的组距,并将权重从小到大分 为p 组.第三步:计算出落在每组内权重的频数和频率.第四步:根据频数和频率的分布请况,取最大频率所在分组的组中值为因素i u 的权重i a （i=1,2,...,n ）,从而得权重A=(n a a a ,...,,21).1.4因子分析权重法根据数理统计中因子分析方法，对每个指标计算共性因子的累积贡献率来定权。
计算权重的8类方法汇总
计算权重的8类方法汇总在实际应用中，我们常常需要计算权重来衡量不同因素或变量的重要性。
根据不同的需求和条件，可以使用各种方法来计算权重。
下面将介绍权重计算的八种常用方法。
1.主成分分析(PCA)：主成分分析是一种常用的多变量分析方法，可用于降维和计算权重。
通过对原始数据进行线性变换，找到能够最大程度地保留原始信息的新变量，然后根据各个主成分的方差解释比例作为权重。
2.层次分析法(AHP)：层次分析法是一种定性与定量相结合的方法，主要用于处理复杂决策问题。
通过构建判断矩阵，计算各个因素之间的相对重要性，在层次结构中将因素按照权重从大到小排列。
3.熵权法：熵权法是一种基于信息熵的权重计算方法。
通过计算变量的信息熵，衡量其离散度，离散度越大，变量的权重越小。
4.模糊综合评价法：模糊综合评价法是一种将模糊理论应用于权重计算的方法。
通过对各个因素的隶属度进行模糊化处理，将不确定性因素考虑在内，从而计算出权重。
5.灰色关联度法：灰色关联度法可以用于衡量变量之间的相关性和重要性。
通过计算各个因素与参考因素之间的关联度，来确定变量的权重。
6.欧几里德距离法：欧几里德距离法可以用于计算多个变量之间的相似性和权重。
通过计算变量间的欧几里德距离，距离越小，变量的权重越大。
7.解模糊模型：解模糊模型是一种结合模糊理论和数学规划模型的方法。
通过建立模糊模型，综合考虑多个因素的权重，进行最优化求解。
8.变异系数法：变异系数法是一种基于变异程度来计算权重的方法。
通过计算变量的标准差和平均值之比，作为权重的衡量。
以上是权重计算的八种常用方法。
在具体应用中，根据需求和实际情况选择合适的方法进行权重计算，可以更准确地衡量不同因素的重要性，并支持决策分析和问题解决。
变异系数法求权重
变异系数法求权重
变异系数法是一种常用的权重计算方法，主要用于对不同因素或变量之间的相对重要性进行评估。
在实际应用中，变异系数法的应用范围非常广泛，例如在市场营销、销售管理、风险管理、医学研究等领域中都能见到它的身影。
具体来说，变异系数法的步骤如下:
1. 收集数据：首先需要收集相关的数据，例如销售额、销售量、死亡率、准确率等。
2. 计算指标变异系数：对于每个数据指标，计算其变异系数。
变异系数是指指标值与平均值之差占平均值的比例。
公式为：变异系数 = (标准差 / 平均数)×100%。
3. 计算权重：对于每个数据指标，根据它的变异系数计算出权重。
权重表示指标对于整体结果的影响程度，通常越大的指标权重越高。
可以使用变异系数法来计算每个指标的权重，也可以使用其他方法，例如因素分析法、层次分析法等。
4. 评估因素重要性：根据计算出的权重，评估不同因素或变量的重要性。
可以使用排序法、等级法等方法对因素或变量的重要性进行评估。
变异系数法的优点在于能够简单、快速地计算出不同因素或变量的权重，帮助决策者更好地了解问题的本质，作出更加明智的决策。
但是，变异系数法也有一些局限性，例如在某些情况下，变异系数可能不准确，或者指标之间的变异系数可能存在不平衡的情况。
因此，
在使用变异系数法时需要结合具体情况进行判断和分析。
变异系数法计算权重
变异系数法计算权重
变异系数法是一种常见的计算权重的方法，它主要利用各个指标的变异程度来计算其权重。
具体而言，它通过计算各个指标之间的离散程度，然后分别计算各个指标在总离散程度中所占比例，从而得到各个指标的权重。
在变异系数法中，变异系数越大的指标，其权重就越大。
使用变异系数法计算权重的步骤主要包括以下几个方面：
1. 确定评价指标：首先，需要从评价对象的各个方面选取一些具有代表性的指标，这些指标应能够全面反映评价对象的特点。
2. 数据处理：对于每个指标，需要先根据已有的数据进行处理，包括数据清洗、缺失值填充等。
3. 计算变异系数：根据各个指标的数据，计算其变异系数。
变异系数是指标标准差与均值之比，可以反映该指标数据的离散程度。
计算公式如下：
$$CV=\frac{S}{\bar{x}}\times100\%$$
其中，S表示标准差，$\bar{x}$表示均值。
4. 计算权重：根据各个指标的变异系数，计算其在总离散程度中所占比例，从而得到各个指标的权重。
计算公式如下：
$$w_i=\frac{CV_i}{\sum_{j=1}^nCV_j}$$
其中，$w_i$表示第i个指标的权重，$CV_i$表示第i个指标的变
异系数，n表示评价指标的总数。
综上，变异系数法是一种简单易行的计算权重的方法。
其优点在
于可以全面反映各个指标的离散程度，从而得到相对合理的权重分配。
但在应用过程中，需要注意各个指标之间的相关性，以及数据处理过
程中可能存在的误差或偏差。
变异系数-权重确定方法
农业占GDP比重的变异系数：
其他类推。
(3)将各项指标的变异系数加总：
(4)计算构成评价指标体系的这10个指标的权重：
人均GNP的权重：
农业占GDP比重的权重：
其他指标的权重都以此类推。计算的结果见表14-3所示。
(三)层次分析法
层次分析法又称AHP构权法(Analytic hierarchy process，简写为AHP)，是将复杂的评价对象排列为一个有序的递阶层次结构的整体，然后在各个评价工程之间进行两两的比较、判断，计算各个评价工程的相对重要性系数，即权重。AHP构权法又分为单准则构权法和多准则构权法，在此介绍单准则构权法及具体步骤。
确定权重的方法较多，这里介绍统计平均法、变异系数法和层次分析法，这些也是实际工作种常用的方法。
(一)统计平均法
统计平均数法（Statistical average method）是根据所选择的各位专家对各项评价指标所赋予的相对重要性系数分别求其算术平均值，计算出的平均数作为各项指标的权重。其基本步骤是：
表14-3现代化水平评价指标的权重
指
标
人均GNP
(美元)
农业占GDP的比重
(%)
第三产业占GDP比重
(%)
非农业劳动力比重
(%)
城市人口比重
(%)
人口自然增长率
(%)
平均预期寿命
(岁)
成人识字率
(%)
大学生占适龄人口比重
（%）
每千人拥有医生
(人)
总
和
平均数
11938.4
9.352
54.86
0.826
69.792
0.7214
小样本定权方法
小样本定权方法一、引言在许多实际应用中，由于样本数量有限，直接使用传统的权重确定方法可能会导致结果的不准确。
因此，针对小样本数据的特点，下面介绍几个小样本定权方法，以便在实际应用中能够更加准确地确定样本的权重。
二、层次分析法层次分析法是一种定性与定量相结合的决策分析方法，其基本步骤包括建立层次结构、构造判断矩阵、层次单排序和一致性检验等。
该方法适用于存在多个评估指标且各指标间相互关联的情况，能够为决策者提供科学、合理的决策依据。
三、熵权法熵权法是一种基于信息论的权重确定方法，通过计算样本的熵值和差异度来确定其权重。
该方法能够反映样本之间的相对重要性，适用于信息不完全的情况。
熵权法的优点是能够客观地确定各指标的权重，避免了主观因素的影响。
四、主成分分析法主成分分析法是一种降维技术，通过将多个相关指标转化为少数几个独立的综合指标来反映原始数据的主要特征。
该方法能够消除各指标之间的相关性，使权重分配更加合理。
主成分分析法的优点是能够简化数据的复杂性，便于分析和理解。
五、变异系数法变异系数法是一种根据样本变异程度确定权重的简单方法。
该方法通过计算各指标的变异系数来确定其权重，变异系数越大，权重越大。
变异系数法的优点是计算简单，适用于样本数量较少的情况。
六、灰色关联度分析法灰色关联度分析法是一种基于灰色系统理论的权重确定方法，通过计算各样本与标准样本之间的关联度来确定其权重。
该方法适用于信息不完全、样本数量较少的情况，能够客观地反映样本之间的关联程度。
七、模糊评价法模糊评价法是一种基于模糊数学的权重确定方法，通过构建模糊隶属函数来评价各样本的质量或价值。
该方法能够处理不确定性和模糊性，适用于具有多种属性或特征的评价问题。
模糊评价法的优点是能够综合考虑各因素之间的相互影响，给出更加全面的评价结果。
八、秩和比法秩和比法是一种根据秩次大小确定权重的统计方法，通过将原始数据按秩次排列并计算秩和比来反映各样本的综合实力或水平。
变异系数_权重的确定方法
二、权重确实定方法在统计理论和实践中，权重是说明各个评价指标〔或者评价工程〕重要性的权数，表示各个评价指标在总体中所起的不同作用。
权重有不同的种类，各种类别的权重有着不同的数学特点和经济含义，一般有以下几种权重。
按照权重的表现形式的不同，可分为绝对数权重和相对数权重。
相对数权重也称比重权数，能更加直观地反映权重在评价中的作用。
按照权重的形成方式划分，可分为人工权重和自然权重。
自然权重是由于变换统计资料的表现形式和统计指标的合成方式而得到的权重，也称为客观权重。
人工权重是根据研究目的和评价指标的内涵状况，主观地分析、判断来确定的反映各个指标重要程度的权数，也称为主观权重。
按照权重形成的数量特点的不同划分，可分为定性赋权和定量赋权。
如果在统计综合评价时，采取定性赋权和定量赋权的方法相结合，获得的效果更好。
按照权重与待评价的各个指标之间相关程度划分，可分为独立权重和相关权重。
独立权重是指评价指标的权重与该指标数值的大小无关，在综合评价中较多地使用独立权重，以此权重建立的综合评价模型称为“定权综合〞模型。
相关权重是指评价指标的权重与该指标的数值具有函数关系，例如，当某一评价的指标数值到达一定水平时，该指标的重要性相应的减弱；或者当某一评价指标的数值到达另一定水平时，该指标的重要性相应地增加。
相关权重适用于评价指标的重要性随着指标取值的不同而发生变化的条件下，基于相关权重建立的综合评价模型被称为“变权模型〞。
比方评估环境质量多采用“变权综合〞模型。
确定权重的方法较多，这里介绍统计平均法、变异系数法和层次分析法，这些也是实际工作种常用的方法。
(一) 统计平均法统计平均数法〔Statistical average method〕是根据所选择的各位专家对各项评价指标所赋予的相对重要性系数分别求其算术平均值，计算出的平均数作为各项指标的权重。
其根本步骤是：第一步，确定专家。
一般选择本行业或本领域中既有实际工作经历、又有扎实的理论根底、并公平公正道德高尚的专家；第二步，专家初评。
变异系数_权重的确定方法
变异系数_权重的确定方法变异系数（Coefficient of Variation）是一种用来衡量数据变异程度的统计量，其计算公式为变异系数=（标准差/ 平均值）×100%。
变异系数越小，表示数据的变异程度越小，反之亦然。
在实际应用中，为了更加准确地评估不同数据的变异程度，我们可以根据权重来确定变异系数。
变异系数_权重的确定方法可以分为以下三种：1. 直接加权法（Direct Weighting）：直接加权法是最简单粗暴的一种权重确定方法，即为每个数据乘以对应的权重后再计算变异系数。
例如有三个数据分别为A、B、C，对应权重为w1、w2、w3，则计算加权变异系数的公式为：这种方法的好处是简单方便，直接利用权重对数据进行调整。
然而，由于没有考虑数据之间的相关性，所以可能会导致评估结果不够准确。
2. 方差加权法（Variance Weighting）：方差加权法考虑了数据之间的相关性，通过计算加权平均值和加权标准差来确定变异系数。
该方法的公式为：方差加权法在计算变异系数时，将各个数据的平均值和标准差按照权重进行加权，可以更好地反映数据之间的相关性。
但在一些情况下，由于数据的线性关系较弱，可能会导致评估结果的准确性不高。
3. 信息熵加权法（Entropy Weighting）：信息熵加权法是一种较为复杂的权重确定方法，它通过计算各个数据的信息熵来确定权重，可以反映数据的重要程度。
该方法的步骤如下：（1）计算各个数据的信息熵。
数据的信息熵可以通过熵的计算公式来得到，例如数据A的信息熵为H(A) = - Σ(p(i) * log(p(i)))，其中p(i)为数据A中第i个取值的概率。
（2）计算各个数据的权重。
数据的权重可以通过信息熵进行归一化得到，例如数据A的权重为w(A)=H(A)/Σ(H(i))，其中H(i)为所有数据的信息熵之和。
（3）计算加权平均值和加权标准差，再计算变异系数。
与方差加权法类似，通过将加权平均值和加权标准差进行计算，得到最终的变异系数。
- 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)。
二、权重的确定方法在统计理论和实践中，权重是表明各个评价指标（或者评价项目）重要性的权数，表示各个评价指标在总体中所起的不同作用。
权重有不同的种类，各种类别的权重有着不同的数学特点和经济含义，一般有以下几种权重。
按照权重的表现形式的不同，可分为绝对数权重和相对数权重。
相对数权重也称比重权数，能更加直观地反映权重在评价中的作用。
按照权重的形成方式划分，可分为人工权重和自然权重。
自然权重是由于变换统计资料的表现形式和统计指标的合成方式而得到的权重，也称为客观权重。
人工权重是根据研究目的和评价指标的内涵状况，主观地分析、判断来确定的反映各个指标重要程度的权数，也称为主观权重。
按照权重形成的数量特点的不同划分，可分为定性赋权和定量赋权。
如果在统计综合评价时，采取定性赋权和定量赋权的方法相结合，获得的效果更好。
按照权重与待评价的各个指标之间相关程度划分，可分为独立权重和相关权重。
独立权重是指评价指标的权重与该指标数值的大小无关，在综合评价中较多地使用独立权重，以此权重建立的综合评价模型称为“定权综合”模型。
相关权重是指评价指标的权重与该指标的数值具有函数关系，例如，当某一评价的指标数值达到一定水平时，该指标的重要性相应的减弱；或者当某一评价指标的数值达到另一定水平时，该指标的重要性相应地增加。
相关权重适用于评价指标的重要性随着指标取值的不同而发生变化的条件下，基于相关权重建立的综合评价模型被称为“变权模型”。
比如评估环境质量多采用“变权综合”模型。
确定权重的方法较多，这里介绍统计平均法、变异系数法和层次分析法，这些也是实际工作种常用的方法。
(一) 统计平均法统计平均数法（Statistical average method）是根据所选择的各位专家对各项评价指标所赋予的相对重要性系数分别求其算术平均值，计算出的平均数作为各项指标的权重。
其基本步骤是：第一步，确定专家。
一般选择本行业或本领域中既有实际工作经验、又有扎实的理论基础、并公平公正道德高尚的专家；第二步，专家初评。
将待定权数的指标提交给各位专家，并请专家在不受外界干扰的前提下独立的给出各项指标的权数值；第三步，回收专家意见。
将各位专家的数据收回，并计算各项指标的权数均值和标准差；第四步，分别计算各项指标权重的平均数。
如果第一轮的专家意见比较集中，并且均值的离差在控制的范围之内，即可以用均值确定指标权数。
如果第一轮专家的意见比较分散，可以把第一轮的计算结果反馈给专家，并请他们重新给出自己的意见，直至各项指标的权重与其均值的离差不超过预先给定的标准为止，即达到各位专家的意见基本一致，才能将各项指标的权数的均值作为相应指标的权数。
(二) 变异系数法变异系数法(Coefficient of variation method)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，这样的指标更能反映被评价单位的差距。
例如，在评价各个国家的经济发展状况时，选择人均国民生产总值(人均GNP)作为评价的标准指标之一，是因为人均GNP 不仅能反映各个国家的经济发展水平，还能反映一个国家的现代化程度。
如果各个国家的人均GNP 没有多大的差别，则这个指标用来衡量现代化程度、经济发展水平就失去了意义。
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：i ii x V σ=()n i ,,2,1 = （14—1）式中：i V 是第i 项指标的变异系数、也称为标准差系数；i σ是第i 项指标的标准差；ix 是第i 项指标的平均数。
各项指标的权重为：∑==ni iii VV W 1（14—2）例如，英国社会学家英克尔斯提出了在综合评价一个国家或地区的现代化程度时，其各项指标的权重的确定方法就是采用的变异系数法。
【例14.2】试利用变异系数法综合评价一个国家现代化程度时的指标体系中的各项指标的权重。
数据资料是选取某一年的数据，包括中国在内的中等收入水平以上的近40个国家的10项指标作为评价现代化程度的指标体系，计算这些国家的变异系数，反映出各个国家在这些指标上的差距，并作为确定各项指标权重的依据。
其标准差、平均数数据及其计算出的变异系数等见表14-3。
表14-3 现代化水平评价指标的权重指标人均GNP(美元)农业占GDP的比重(%)第三产业占GDP比重(%)非农业劳动力比重(%)城市人口比重(%)人口自然增长率(%)平均预期寿命(岁)成人识字率(%)大学生占适龄人口比重（%）每千人拥有医生(人)总和平均数11938.4 9.352 54.86 0.826 69.792 0.7214 72.632 93.34 36.556 2.446 —标准差7966.27 7.316 12.94 0.170 19.339 0.8319 5.375 9.050 20.477 1.314 —变异系数0.667 0.782 0.236 0.206 0.277 1.153 0.074 0.097 0.560 0.537 4.590 权重0.145 0.170 0.051 0.045 0.060 0.251 0.016 0.021 0.122 0.117 1.000 数据来源：曾五一、庄赞：《中国现代化进程的统计考察》，《中国统计》2003年第1 期计算过程如下：(1)先根据各个国家的指标数据，分别计算这些国家每个指标的平均数和标准差；(2)根据均值和标准差计算变异系数，即：这些国家人均GNP的变异系数为：7 966.270.66711 938.4iiiVxσ===农业占GDP比重的变异系数：782.0352.9316.7===iii xVσ其他类推。
(3)将各项指标的变异系数加总：0.6670.7820.2360.560.537 4.59+++++= (4)计算构成评价指标体系的这10个指标的权重：人均GNP的权重：145.059.4667.01===∑=niiiiVVW农业占GDP比重的权重：1704.059.4782.01===∑=niiiiVVW其他指标的权重都以此类推。
计算的结果见表14-3所示。
(三)层次分析法层次分析法又称AHP构权法(Analytic hierarchy process，简写为AHP)，是将复杂的评价对象排列为一个有序的递阶层次结构的整体，然后在各个评价项目之间进行两两的比较、判断，计算各个评价项目的相对重要性系数，即权重。
AHP 构权法又分为单准则构权法和多准则构权法，在此介绍单准则构权法及具体步骤。
1.确定指标的量化标准。
层次分析法的核心问题是建立一个构造合理且一致的判断矩阵，判断矩阵的合理性受到标度的合理性的影响。
所谓标度是指评价者对各个评价指标（或者项目）重要性等级差异的量化概念。
确定指标重要性的量化标准常用的方法有：比例标度法和指数标度法。
比例标度法是以对事物质的差别的评判标准为基础，一般以5种判别等级表示事物质的差别。
当评价分析需要更高的精确度时，可以使用9种判别等级来评价，见表14-4。
表14-4 比例标度值体系别（重要性分数ijx ）取值含义1~9标度5/5~9/1标度 9/9~9/1标度 i 与j 同等重要1 1 (5/5=) 1 (9/9=) i 比j 较为重要 3 1.5 (6/4=) 1.286 (9/7=) i 比j 更为重要 5 2.33 (7/3=) 1.8 (9/5=) i 比j 强烈重要 7 4 (8/2=) 3 (9/3=) i I 比j 极端重要99 (9/1=) 9 (9/1=) 介于上述相邻两级之间重要程度的比较2、4、6、81.222 (5.5/4.5=)1.875 (6.5/3.5=) 3 (7.5/2.5=) 5.67 (8.5/1.5=) 1.125 (9/8=) 1.5 (9/6=) 2.25 (9/4=) 4.5 (9/2=) j 与i 比较上述各数的倒数上述各数的倒数上述各数的倒数2.确定初始权数。
初始权数的确定常常采用定性分析和定量分析相结合的方法。
一般是先组织专家，请各位专家给出自己的判断数据，再综合专家的意见，最终形成初始值。
具体操作步骤如下：第一步，将分析研究的目的、已经建立的评价指标体系和初步确定的指标重要性的量化标准发给各位专家，请专家们根据上述的比例标度值表所提供的等级重要性系数，独立地对各个评价指标给出相应的权重。
第二步，根据专家给出的各个指标的权重，分别计算各个指标权重的平均数和标准差。
第三步，将所得出的平均数和标准差的资料反馈给各位专家，并请各位专家再次提出修改意见或者更改指标权重数的建议，并在此基础上重新确定权重系数。
第四步，重复以上操作步骤，直到各个专家对各个评价项目所确定的权数趋于一致、或者专家们对自己的意见不再有修改为止，把这个最后的结果就作为初始的权数。
3.对初始权数进行处理。
第一步，建立判断矩阵A 。
通过专家对评价指标的评价，进行两两比较，其初始权数形成判断矩阵A ，判断矩阵A 中第i 行和第j 列的元素ij x 表示指标i x 与j x比较后所得的标度系数。
第二步，计算判断矩阵A 中的每一行各标度数据的几何平均数，记作i w 。
第三步，进行归一化处理。
归一化处理是利用公式∑='i ii W W W 计算，依据计算结果确定各个指标的权重系数。
4.检验判断矩阵的一致性。
检验判断矩阵的一致性是指需要确定权重的指标较多时，矩阵内的初始权数可能出现相互矛盾的情况，对于阶数较高的判断矩阵，难以直接判断其一致性，这时就需要进行一致性检验。
本节省略了对于判断矩阵一致性检验的步骤。
【例14.3】现有3个评价指标，其判断矩阵A 见表14-5所示，试确定这3个指标的权数。
表14-5 3个指标的判断矩阵A指标1x2x3x1x1 6/4 4 2x4/6 1 1/5 3x1/451解：根据表14-5中的数据计算i ：1 1.817 1W ==20.510 9W ==3 1.077 2W ==进行归一化处理：311.817 10.510 9 1.077 2 3.405 2ii W==++=∑求出这3个指标各自的权重：11 1.817 10.533 63.405 2i W W W '===∑220.510 90.150 03.405 2iW W W '===∑33 1.077 20.316 33.405 2i W W W '===∑通过以上计算结果看出：初步确定1x 、2x 、3x 这3个指标的权重分别为：0.533 6、0.15和0.316 3。