一、熵值法
熵值法的主要目的是對指標體系進行賦權
熵越大說明系統越混亂,攜帶的信息越少,權重越小;熵越小說明系統越有序,攜帶的信息越多,權重越大。
熵值法是一種客觀賦權方法,,借鑑了信息熵思想,它通過計算指標的信息熵,根據指標的相對變化程度對系統整體的影響來決定指標的權重,即根據各個指標標誌值的差異程度來進行賦權,從而得出各個指標相應的權重,相對變化程度大的指標具有較大的權重。
步驟
(1)原始數據的收集與整理
假設有m個待評價樣本,n項評價指標,形成原始指標數據矩陣:
X=⎝⎜⎛x11⋮xm1...⋱⋯x1n⋮xmn⎠⎟⎞
其中Xij 表示第 i 個樣本第 j 項評價指標的數值。
對於某項指標Xj,樣本的離散程度越大,則該指標在綜合評價中所起的作用就越大。如果該指標的標誌值全部相等,則表示該指標在綜合評價中不起作用。
例如:
|
語文 |
數學 |
英語 |
音樂 |
張三 |
50 |
44 |
85 |
90 |
李四 |
33 |
74 |
20 |
78 |
王五 |
46 |
38 |
88 |
10 |
陳六 |
65 |
45 |
98 |
51 |
楊七 |
13 |
65 |
12 |
45 |
或者
|
GDP |
就業人數 |
財政支出 |
人均可支配收入 |
北京 |
xx |
xx |
xx |
xx |
上海 |
xx |
xx |
xx |
xx |
廣州 |
xx |
xx |
xx |
xx |
深圳 |
xx |
xx |
xx |
xx |
(2)數據處理
爲消除因量綱不同對評價結果的影響,需要對各指標進行歸一化或者標準化處理。
歸一化處理:
若所用指標的值越大越好(正向指標:)
xij′=xmax−xminxj−xmin
若所用指標的值越小越好(負向指標:)
xij′=xmax−xminxmax−xj
其中xj爲第 j 項指標值,xmax爲第 j 項指標的最大值,xmin爲第 j 項指標的最小值。
或者標準化處理:
xij′=Sjxij−xˉj
(3)計算比重
計算第 j 個指標中,第 i 個樣本標誌值的比重:
pij=∑imxijxij,0≤pij≤1
此,可以建立數據的比重矩陣
P=⎝⎜⎛p11⋮pm1...⋱⋯p1n⋮pmn⎠⎟⎞
(4) 計算第 j 個指標的熵值
ej=−ki∑mpijlnpij
其中,常數
k>0,k=lnm1
保證0≤ej≤1,即ej最大爲1
所以,第 j 個指標的熵值爲
ej=−lnm1i∑mpijlnpij
(5)定義第 j 個指標的差異程度
熵值法根據各個指標標誌值的差異程度來進行賦權,從而得出各個指標相應的權重
dj=1−ej
(6)定義權重
wj=∑j=1ndjdj
(7)進行綜合評價
Fi=j=1∑nwjpij
其中Fi第 i 個待評價樣本的綜合評價值
|
語文 |
數學 |
英語 |
音樂 |
綜合評價值F |
張三 |
50 |
44 |
85 |
90 |
F1 |
李四 |
33 |
74 |
20 |
78 |
F2 |
王五 |
46 |
38 |
88 |
10 |
F3 |
陳六 |
65 |
45 |
98 |
51 |
F4 |
楊七 |
13 |
65 |
12 |
45 |
F5 |
二、TOPSIS法
TOPSIS是通過逼近理想解的程度來評估各個樣本的優劣等級
TOPSIS法的基本原理
在歸一化後的原始數據矩陣中,找到有限方案中的最優方案和最劣方案,然後分別計算評價對象與最優方案和最劣方案之間的距離,並以此作爲依據來評價樣本的優劣等級。
基本步驟
假設有n個待評價樣本,p項評價指標,形成原始指標數據矩陣:
X=⎝⎜⎛x11⋮xn1...⋱⋯x1p⋮xnp⎠⎟⎞
(1)數據預處理
-
.使指標具有同趨勢性。評價指標中有正向指標和負向指標之分,一般把負向指標轉化爲正向指標,轉化的方法可採用倒數法(即1/X),多適用於絕對數指標;差值法(即1-X),多適用於相對數指標。轉化後的數據矩陣仍記爲X。
-
.數據無量綱化.。將原始數據歸一化,以消除量綱向量數據歸一化的方式:
zij=∑ixij2xij
最終得到分析數據矩陣
Z=⎝⎜⎜⎜⎛z11z21⋮zn1z12z22⋮zn2⋯⋯⋱⋯z1pz2p⋮znp⎠⎟⎟⎟⎞
(2)尋找最優值和最劣值
找出各項指標的最優值和最劣值,建立最優值向量z+和最劣值向量z−
z+=n jmax(z1+,z2+,⋯,zp+)
z−=n jmin(z1−,z2−,⋯,zp−)
(3)計算各個評價對象與最優值和最劣值之間的距離
Di+=j∑(zij−zj+)2
Di−=j∑(zij−zj−)2
(4)計算各個評價指標與最優值的相對接近度
Ci=Di++Di−Di−
(5)排序
根據Ci的大小進行排序,Ci越大,表明評價對象越接近最優值。
三、熵值法 + TOPSIS法
.
可以結合熵值法 和 TOPSIS法各自的特點,進行評價。
假設有n個待評價樣本,p項評價指標,形成原始指標數據矩陣:
X=⎝⎜⎛x11⋮xn1...⋱⋯x1p⋮xnp⎠⎟⎞
其中Xij 表示第 i 個樣本第 j 項評價指標的數值。
(1)求比值
pij=∑i=1nxijxij
(2)求熵值
ej=−lnn1i=1∑npijlnpij ,ej∈[0,1]
(3)信息冗餘值
dj=1−ej
(4)定權
wj=∑j=1pdjdj
(5)歸一化 (向量標準化)
zij=∑i=1nxij2xij
(6)構造加權矩陣
zij∗=zij⋅wj
得到加權矩陣
Z∗=⎣⎢⎢⎢⎡z11⋅w1z21⋅w1⋮zn1⋅w1z12⋅w2z22⋅w2⋮zn2⋅w2⋯⋯⋱⋯z1p⋅wpz2p⋅wp⋮znp⋅wp⎦⎥⎥⎥⎤
(7)尋找最優、最劣方案
⎩⎪⎨⎪⎧zij∗+=n,pmax(z1∗+,z2∗+,⋯,zp∗+)zij∗−=n,pmin(z1∗−,z2∗−,⋯,zp∗−)
(8)最優、最劣距離
Di+=j∑(zij∗−zj∗+)2
Di−=j∑(zij∗−zj∗−)2
(9)構造相對接近度
Ci=Di++Di−Di−
(10)排序
根據Ci的大小進行排序,Ci越大,表明評價對象越接近最優值。