• 产品简介

  • 我的数据

  • 数据处理

  • 数据分析

    • 描述性分析

    • 问卷分析

      • 信度分析
      • 多选分析
      • 选择题【多选&多选】
      • 选择题【多选&单选】
      • 选择题【单选&多选】
      • NPS净推荐值分析
      • 对应分析
      • 区分度分析
      • 效度分析
      • 联合分析
      • 路径分析
      • 结构方程模型(SEM)
      • 调节作用
      • 验证性因子分析
      • 权重分析(熵权法)
        • 1、作用
        • 2、输入输出描述
        • 3、案例示例
        • 4、案例数据
        • 5、案例操作
        • 6、输出结果分析
        • 7、注意事项
        • 8、模型理论
        • 9、参考文献
      • MaxDiff模型
      • 产品定价模型
      • Kano模型
      • 平行中介效应
      • 链式中介效应
      • TURF分析
      • 惩罚分析
      • DP专项算法
    • 综合评价

    • 差异性分析

    • 相关性分析

    • 预测模型

    • 统计建模

    • 计量经济模型

    • 医学统计模型

    • 机器学习分类

    • 机器学习回归

    • 规划求解

权重分析(熵权法)

操作视频
SPSSPRO教程-权重分析(熵权法)

# 权重分析(熵权法)

# 1、作用

权重分析是通过熵权法对问卷调查的指标的重要性进行权重输出,根据信息熵的定义,对于某项指标,可以用熵值来判断某个指标的离散程度,其信息熵值越小,指标的离散程度越大, 该指标对综合评价的影响(即权重)就越大,如果某项指标的值全部相等,则该指标在综合评价中不起作用。因此,可利用信息熵这个工具,计算出各个指标的权重,为多指标综合评价提供依据。

# 2、输入输出描述

输入:至少两项或以上的定量变量(正向指标与负向指标),一般要求数据为量表量数据。
输出:输入定量变量对应的权重值。

# 3、案例示例

案例:数据是 100 个客户的各方面(能力,品格,担保,资本,环境)评分,利用熵权法来计算各个变量(能力,品格,担保,资本,环境)的重要性,即所占的权重。

# 4、案例数据

权重分析(熵权法)案例数据

模型要求为至少两项或以上的定量变量(正向指标与负向指标),一般要求数据为量表量数据,可以均为正向指标或负向指标。其中能力,品格,担保,资本,环境均为正向指标。

# 5、案例操作


Step1:新建分析;
Step2:上传数据;
Step3:选择对应数据打开后进行预览,确认无误后点击开始分析;

Step4:选择【权重分析(熵权法)】;
Step5:查看对应的数据数据格式,【权重分析(熵权法)】要求特征序列为类变量,且至少有两项;
Step6:点击【开始分析】,完成全部操作。

# 6、输出结果分析

输出结果1​:权重分析计算结果

图表说明:上表展示了熵权法的权重计算结果,根据结果对各个指标的权重进行分析。
结果分析:熵权法的权重计算结果显示能力的权重为10.484%、品格的权重为19.313%、担保的权重为28.014%、资本的权重为18.062%、环境的权重为24.128%,其中指标权重最大值为担保(28.014%),最小值为指标能力(10.484%)
​

输出结果 2:指标重要度直方图

图表说明:可选择直方图、折线图、条形图、饼图四种方式对权值比重进行可视化。上图以直方图为例。

# 7、注意事项

  • SPSSPRO 默认会对指标进行正、负向指标处理,通过处理,数据就无需再进一行标准化;
  • 熵权法得到权重值后,此时数据与对应的权重相乘,并且进行累加,最终得到一列数据即为‘综合得分’;
  • 熵值法的计算公式上会有取对数,因此如果小于等于 0 的数字取对数,则会出现 null 值,SPSSPRO 采用非负平移进行处理,即如果某列(某指标)数据出现小于等于 0,则让该列数据同时加上一个‘平移值’【该值为某列数据最小值的绝对值+0.01】,以便让数据全部都大于 0,因而满足算法要求。

# 8、模型理论

熵是信息论中的概念,是对不确定性的一种度量。信息量越大,不确定性越小,熵就越小;信息量越小,不确定性越大,熵也越大。根据信息熵的定义,对于某项指标可用熵值来判断某个指标的离散 程度,其熵值越小,指标的离散程度越大,该指标对综合评价的影响(即权重)也越大。
其步骤为:
(1)对各个因素按照每个选项的数量进行归一化处理为
对于正向指标:

xij′=Xij−min(X1j,X2j,...,Xnj)max(X1j,X2j,...,Xnj)−min(X1j,X2j,...,Xnj)


对于负向指标:

xij′=max(X1j,X2j,...,Xnj)−Xijmax(X1j,X2j,...,Xnj)−min(X1j,X2j,...,Xnj)


(2)计算第J项指标的熵值:

ej=−k∑i=1npijln(pij),j=1,...,m


(3)计算信息熵冗余度(差异):

dj=1−ej,j=1,...,m


(4)计算各项指标的权重:

wj=dj∑j=1mdj,j=1,...,m


(5)计算各样本的综合得分:

si=∑j=1mwjxij,i=1,...,n


其中,Xij为归一化后的数据。根据每个影响因素的得分,即可得到所有因素的重要性排序。

# 9、参考文献

[1] Scientific Platform Serving for Statistics Professional 2021. SPSSPRO. (Version 1.0.11)[Online Application Software]. Retrieved from https://www.spsspro.com.
[2] 甘浪雄,张怀志,卢天赋,等. 基于熵权法的水上交通安全因素[J]. 中国航海,2021,44(2):53-58.

建议反馈