权重怎么算：三种常见的权重分配算法

权重计算

测算权重值是一种普遍的统计分析方法，在具体科学研究中，必须融合数据信息的特点状况开展挑选，例如数据信息中间的不确定性是一种数据量，那麼可考虑到应用CRITIC权重值法或数据量权重值法；也或是权威专家评分数据信息，那麼可应用AHP层级法或优序图法。

文中列举普遍的权重系数方式，而且比照各种权重系数法的观念和大约基本原理，应用标准等，便于科学研究工作人员挑选出科学研究的权重系数方式。

最先列举普遍的8类权重系数方式，以下表所显示：

测算权重值方式归纳

这8类权重系数的基本原理不尽相同，融合各种方式测算权重值的基本原理大概上可分为4类，各自以下：

第一类为因子分析法和主成份法；该类方式运用了数据信息的信息内容浓缩基本原理，运用标准差表述率开展权重系数；

第二类为AHP层级法和优序图法；该类方式运用数据的相对性尺寸信息内容开展权重系数；

第三类为熵值法（熵权法）；该类方式运用数据信息熵值信息内容即数据量尺寸开展权重系数；

第四类为CRITIC、自觉性权重值和数据量权重值；该类方式主要是运用数据信息的不确定性或是数据信息中间的相关分析状况开展权重系数。

第一类、信息内容浓缩(因子分析法和主成分分析法)

测算权重值时，因子分析法和主成份法均可测算权重值，并且运用的基本原理彻底一模一样，全是运用信息内容浓缩的观念。因子分析法和主成份法的差别取决于，因子分析法加带了‘转动’的作用，而主成份法目地大量是浓缩信息内容。

‘转动’作用能够让因素更具备表述实际意义，假如期待获取出的因素具备可解释性，一般应用因子分析法大量；并不是说主成份出去的結果就彻底沒有可解释性，仅仅有时其解释性相对性较弱罢了，但其测算更快，因此遭受普遍的运用。

例如有14个剖析项，该14项能够浓缩成4个层面(也称因素或主成份)，这时该4个层面各自的权重值多少钱呢？此即是因子分析法或主成份法测算权重值的基本原理，它运用数据量获取的基本原理，将14项浓缩成4个层面（因素或主成份），每一个因素或主成份获取出的数据量（标准差表述率）就可以用以测算权重值。下面以SPSSAU为例子解读实际应用因子分析法测算权重值。

因子分析法、主成分分析法

假如说预估14项可分成4个因素，那麼可积极设定获取出4个因素，等同于14句话可浓缩成4个关键字。

但有的情况下并不了解究竟应当多少个因素更合适，这时可融合手机软件全自动强烈推荐的結果和专业技能综合性开展分辨。点一下SPSSAU‘逐渐剖析’后，輸出重要报表結果以下：

上报表中淡黄色底纹背景为‘转动前标准差表述率’，其为沒有转动前的結果，本质上便是主成份的結果。如果是应用因子分析法，一般应用‘转动后标准差表述率’相匹配的結果。

結果中标准差表述率%表明每一个因素获取的数据量，例如第一个因素获取数据量为22.3%，第2个因素为21.862%，第三个因素为18.051%，第4个因素为10.931%。而且4个因素积累获取的数据量为73.145%。

那麼当今4个因素能够描述14项，并且4个因素获取出14项的积累数据量为73.145%。现期待获得4个因素各自的权重值，这时可运用归一化处理，即等同于4个因素所有意味着了总体14项，那麼第一个因素的数据量为22.3%/73.145%=30.49%；相近的第2个因素为21.862%/73.145%=29.89%；第三个因素为18.051%/73.145%=24.68%；第4个因素为10.931%/73.145%=14.94%。

如果是应用主成份法开展权重系数，其基本原理也相近，实际上結果上便是‘转动前标准差表述率’值的相匹配测算就可以。

应用浓缩信息内容的基本原理开展权重系数时，只有获得每个因素的权重值，没法获得实际每一个剖析项的权重值，这时可再次融合事后的权重值方式（一般 是熵值法），获得实际各类的权重值，随后归纳在一起，最后搭建出权重值管理体系。

根据因子分析法或主成分分析法开展权重系数的核心内容即获得标准差表述率值，但在获得权重值前，实际上也有较多的准备工作，例如本事例中获取出4个因素，为什么是4个并不是五个或是6个；它是融合专业技能和统计分析方法获取的其他指标值开展了分辨；及其有的情况下一些剖析项并不宜开展剖析，还必须开展删掉解决后才可以开展剖析等，该类准备工作是在剖析前准备好，实际可参照SPSSAU协助指南里边有实际的具体实例视频表明等。

第二类、数据相对性尺寸(AHP层级法和优序图法)

测算权重值的第二类方式基本原理是运用数据相对性尺寸，数据越大其权重值会相对性越高。该类基本原理的象征性方式为AHP层级法和优序图法。

1. AHP层级法

AHP熵权法的第一步是搭建判断矩阵，即创建一个报表，报表里边描述了剖析项的相对性必要性尺寸。例如挑选游玩景点时现有4个考虑到要素，分别是风景，门票费，交通出行和拥戴度，那麼此4个要素的相对性必要性搭建出判断矩阵以下表：

报表中数字意思相对性关键的尺寸，例如门票费和风景的数据为三分，其表明门票费相对性于风景而言，门票费更为关键。自然相反，风景相对性于门票费就更不重要，因而得分成1/3=0.3333分。

AHP熵权法恰好是运用了数据尺寸的相对，数据越大越关键权重值会越高的基本原理，最后测算获得每一个要素的必要性。AHP熵权法一般用以权威专家评分，立即让多名权威专家（一般是4~七个）出示相对性必要性的评分判断矩阵，随后开展归纳（一般是除掉最高值和极小值，随后测算均值获得最后的判断矩阵，最后测算获得各要素的权重值。

SPSSAU现有2个功能键可开展AHP熵权法测算。

如果是问卷调查数据信息，例如本例中国共产党有4个要素，问卷调查中能够立即问“风景的必要性多少？”，“门票费的必要性多少？”，“交通出行的必要性多少？”，“拥戴度的必要性多少？”。可应用SPSSAU【问卷调查科学研究】--【权重值】，系统软件会全自动测算均值，随后立即运用均值尺寸相除获得相对性必要性尺寸，即全自动测算获得判断矩阵而不用科学研究工作人员手工制作键入。

AHP层次分析：【问卷调查科学研究】--【权重值】

如果是应用【考核评价】--【AHP熵权法】，科学研究工作人员必须自身手工制作键入判断矩阵。

【考核评价】--【AHP层次分析】

2. 优序图法

除开AHP熵权法外，优序图法也是运用数据的相对性尺寸开展权重系数。

数据相对性更高时编号为1，数据完全一致为0.5，数据相对性更小编号为0。随后运用求饶且归一化的方式测算获得权重值。例如当今有9个指标值，并且都是有9个指标值的均值，9个指标值两组中间的相对性尺寸能够开展比照，而且SPSSAU会全自动创建优序图权重系数表而且测算权重值，以下报表：

优序图法

上报表中数字0表明相对性不重要，数字1表明相对性更关键，数字0.5表明一样关键。

例如指标值2的均值为3.967，指标值1的均值是4.1，因而指标值1比不上指标值2关键；指标值4的均值为4.3，必要性高过指标值1。也或是指标值7和指标值9的均值得发均为4.133分，因而他们的必要性一样，记作0.5。

融合上边最重要的优序图权重系数表，随后获得每个实际指标值（要素）的权重。

优序图法适用专家打分法，权威专家只必须对每一个指标值的必要性评分就可以，随后让手机软件SPSSAU立即融合必要性打得分测算出相对性必要性指标值报表，最后测算获得权重值。

优序图法和AHP法的思想观念基本一致，均是运用了数据的相对性必要性尺寸测算。一般在问卷调查科学研究和权威专家评分时，应用AHP熵权法或优序图法较多。

第三类、数据量(熵值法)

测算权重值能够运用信息内容浓缩，也可运用数据相对性必要性尺寸，此外，还可运用数据量的是多少，即数据信息带上的数据量尺寸（物理上的熵值基本原理）开展权重系数。

熵值是可变性的一种衡量。数据量越大，可变性就越小，熵也就越小；数据量越小，可变性越大，熵也越大。因此运用熵值带上的信息内容开展权重系数，融合各类指标值的基因变异水平，运用信息熵这一专用工具，测算出各类指标值的权重值，为多指标值考核评价出示根据。

在具体科学研究中，一般 状况下是先开展信息内容浓缩法（因素或主成份法）获得因素或主成份的权重值，即获得高维度的权重值，随后想要实际每一项的权重值时，可应用熵值法开展测算。

SPSSAU在【考核评价】控制模块中出示此方式，其测算也比较简单易懂，立即把剖析项放到框中就可以获得实际的权重。

【考核评价】--【熵值法】

第四类、数据信息不确定性或关联性(CRITIC、自觉性和数据量权重值)

可运用因素或主成份法对信息内容开展浓缩，还可以运用数据相对性尺寸开展AHP或优序图法剖析获得权重值，还可运用物理上的熵值基本原理（即数据量带上是多少）的方式获得权重值。此外，数据信息中间的不确定性尺寸也是一种信息内容，也或是数据信息中间的相关分析尺寸，也是一种信息内容，可运用数据信息不确定性尺寸或数据信息相关分析尺寸测算权重值。

1. CRITIC权重值法

CRITIC权重值法是一种客观性增权法。其观念取决于用二项指标值，分别是比照抗压强度和情感诉求指标值。比照抗压强度应用标准偏差开展表明，假如数据信息标准偏差越大表明起伏越大，权重值会越高；情感诉求应用相关系数r开展表明，假如指标值中间的相关系数r值越大，表明情感诉求越小，那麼其权重值也就越低。权重系数时，比照抗压强度与情感诉求指标值乘积，而且开展归一化处理，即获得最后的权重值。应用SPSSAU时，全自动会创建比照抗压强度和情感诉求指标值，而且测算获得权重。

CRITIC权重值法适用那样一类数据信息，即数据信息可靠性可看作一种信息内容，而且剖析的指标值或要素中间拥有 一定的关联方交易时。例如医院门诊里边的指标值：住院总数、入住院确诊符合率、医治高效率、均值床位使用率、医院病床周转次数共五个指标值；此五个指标值的可靠性是一种信息内容，并且此五个指标值中间自身就很有可能拥有 关联性。因而CRITIC权重值法恰好运用数据信息的不确定性（比照抗压强度）和关联性（情感诉求）开展权重系数。

SPSSAU考核评价里边出示CRITIC权重值法，如下图所显示：

【考核评价】--【CRITIC权重值】

2. 自觉性权重值法

自觉性权重值法是一种客观性增权法。其观念取决于运用指标值中间的共线性高低来明确权重值。假如说某指标值与其他指标值的关联性很强，表明信息内容拥有 很大的重合，代表着该指标值的权重值会较为低，相反假如说某指标值与其他指标值的关联性较差，那麼表明该指标值带上的数据量很大，该指标值应当授予高些的权重值。

自觉性权重值法只是只考虑到了数据信息中间关联性，其测算方法是应用多元回归分析获得的复相关系数rR 值来表明共线性高低（即关联性高低），该值越大表明共线性越强，权重值会越低。例如有五个指标值，那麼指标值1做为自变量，其他4个指标值做为变量开展多元回归分析，便会获得复相关系数rR 值，剩下4个指标值反复开展就可以。测算权重值时，最先获得复相关系数rR 值的到数即1/R ，随后将值开展归一化即获得权重值。

例如某公司方案招骋5名科学研究职位工作人员，面试工作人员现有30名，公司开展了五门技术专业层面的笔试题目，而且纪录下30名求职者的考试成绩。因为专业科目考试成绩具备信息内容重合，因而不可以简易的立即把考试成绩加和用以点评求职者的技术专业素养。因而应用自觉性权重值开展测算，便于获得更为科学研究客观性的点评，挑选出最合适的求职者。

SPSSAU考核评价里边出示自觉性权重值法，如下图所显示：

【考核评价】--【自觉性权重值】

3. 数据量权重值法

数据量权重值法也称变异系数法，数据量权重值法是一种客观性增权法。其观念取决于运用数据信息的变异系数开展权重值取值，假如变异系数越大，表明其带上的信息内容越大，因此权重值也会越大，此类方式适用权威专家评分、或是招聘者开展招聘面试评分时对点评目标（招聘面试者）开展考核评价。

例如有五个水准类似的招聘者对10个招聘面试者开展评分，假如说某一招聘者对招聘面试者评分数据信息变异系数值较小，表明该招聘者对全部招聘面试者的点评都基本一致，因此其带上信息内容较小，权重值也会较低；相反假如某一招聘者对招聘面试者评分数据信息变异系数值很大，表明该招聘者对全部招聘面试者的点评差别很大，因此其带上信息内容大，权重值也会较高。

SPSSAU考核评价里边出示数据量权重值法，如下图所显示：

【考核评价】--【数据量权重值】

相匹配方式的实例表明、結果讲解这儿不会再一一详细描述，有兴趣爱好能够参照SPSSAU协助指南。

情绪 -->