熵权法
是做多对象、多指标的综合评价方法。
熵权法避免层次分析法主观性强的弊端,很大程度上避免人为因素的干扰。但是我们需要前提是几种指标的重要性差不多
基本过程:归一化、计算指标变异性、计算信息熵、计算权值。
问题引入:
利用一个不同于层次分析法的方法构造权重,根据A、B得分来评价它的权重,然后给出一个得分,归一化之后的值容易得到,权重不容易得到。
熵权法的简介:
- 熵:熵的概念来源于热力学,物理意义是度量热力学系统的无序程度。熵与信息量成反比,熵值越小越好。
- 熵权法:熵权法是一种可以用于多对象、多指标的综合评价方法,其评价结果主要是依据客观资料,最大优点是几乎不受主观因素的影响,可以在很大程度上避免人为因素的干扰。
我们可以选择正向权重和逆向权重两种,正向权重被除完后越大越好,逆向权重和熵值正相关,权重就越小越好,看我们如何构造了。
熵权法的基本思路:
权重大的话,提供的信息量也就越大(正向权重),指标变异性大(指标占的比重大),信息熵值就会小,熵值越小,权重越大。
所以我们要根据指标占的比重来确定客观权重。
首先进行归一化处理,将计量单位统一,将指标绝对值找一个标准化成相对值;
归一化:
归一化就是将指标的绝对值转化为相对值,转成相对值就没有单位影响了。
计算指标变异性:
计算信息熵:
信息熵得到之后就可以找权重了,n是指方案个数
计算信息熵冗余度:
计算权重:
进行综合评价:
例题讲解:
就是按列归一化
总结:
熵权法的优点:
- 根据各项指标指标值的变异程度来确定指标权重,避免人为因素带来的偏差;
- 相对于主观赋值法,精度较高、客观性更强,能够更好的解释所得到的结果。
缺点:
- 忽略了指标本身重要程度,有时确定的指标权数会和预期的结果相差甚远,所以指标之间重要性是差不多的
- 不能减少评价指标的维数,往往会忽视决策者主观的意图,指标数是确定的
- 如果指标值的变动很小或突然地变大变小,熵权法用起来有局限
使用环境:
- 指标个数最好小于对象个数,比较好
- 可以用于任何评价问题中的确定指标权重
- 可用于剔除指标体系中对评价结果贡献不大的指标
- 可以用于任何需要确定权重的过程,也可以结合一些方法共同使用
北海讲解
模型简介:
哪门科目最容易拉开差距,哪门科目最不容易拉开差距。例如化学就不容易拉开差距,数学容易拉开差距。
这里说的数据全面,缺少文献或主观依据,就是在说没有考虑哪个指标影响大哪个指标影响小这个意思
本博客所有文章除特别声明外,均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来自 洁莹不吃鱼!