权重对比
备注：指标1权重 + 指标2权重 + 指标3权重 = 1 = 100%
权重计算的方法 |
数据波动性 |
数据间相关关系 |
数字大小信息 |
适用场景 |
适用性介绍 |
AHP层次分析法 |
-- |
-- |
支持 |
适用主观赋值 |
适用于对多个层次指标计算权重,专家打分赋权有一定的主观性。 |
优序图法 |
-- |
-- |
支持 |
适用主观赋值 |
优序图计算较为简单,较多指标时使用得到的权重结果更为可靠。 |
模块评价法 |
-- |
-- |
-- |
适用主观赋值 |
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。 |
熵值法(熵权法) |
-- |
-- |
-- |
信息大小和信息波动 |
适用于对指标较多的,底层方案层指标计算权重。但对样本的依赖性较大,随着样本数据的变化,权重会有一定的波动。 |
CRITIC权重 |
支持 |
支持 |
-- |
信息波动和信息关联 |
综合考虑数据波动情况和指标间的相关性,适合指标主自身带有一定相关性和波动性的数据。CRITIC 法是一种比熵权法和标准离差法更好的客观赋权法。 |
独立性权重 |
-- |
支持 |
-- |
只考虑信息关联 |
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 |
信息量权重 |
支持 |
-- |
-- |
只考虑信息波动 |
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 |
主成分析法 |
-- |
支持 |
-- |
适用大量指标进行浓缩 |
适用于指标较多时降维得到主成分权重,也可单独得到各指标权重,但需要大量的样本数据。 |
因子分析法 |
-- |
支持 |
-- |
适用大量指标进行浓缩 |
指标较多时降维得到具有可解释性的因子权重,也可单独得到各指标权重,但需要大量的样本数据。 |
![conda安装报错：PermissionError [Errno 13] Permission denied](https://ucc.alicdn.com/pic/developer-ecology/aeb8f863cbd447bf91af64dee56226bd.png?x-oss-process=image/format,webp/resize,h_160,m_lfit)