模糊综合评价

操作视频

SPSSPRO教程-模糊综合评价

# 模糊综合评价

# 1、作用

模糊综合评价借助模糊数学的一些概念，对实际的综合评价问题提供评价，即模糊综合评价以模糊数学为基础，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。

# 2、输入输出描述

输入：至少两项或以上的定量变量。
输出：反应考核指标在量化评价中的综合得分。

# 3、案例示例

案例：某饮食行业品牌发布一款新零食，欲了解消费者对该种零食的接受程度。一共有五个评价指标（分别是价格、味道、包装、营养与性价比），以及评语共有四项（分别是很欢迎，欢迎，一般，不欢迎）。

# 4、案例数据

模糊综合评价案例数据

# 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【模糊综合评价】；
step5：查看对应的数据数据格式，【模糊综合评价】求输入数据为放入 [定量] 自变量X（变量数≥2）。
step6：设置变量权重（熵权法、不设置权重）、模糊算子（主因素决定型、主因素突出型、取小与有界型、加权平均型）。
step7：点击【开始分析】，完成全部操作。

# 6、输出结果分析

输出结果1：指标权重计算

图表说明：熵权法的权重计算结果显示，价格的权重为14.899%、味道的权重为31.279%、包装的权重为20.412%、营养的权重为18.511%、性价比的权重为14.899%，其中指标权重最大值为味道（31.279%），最小值为价格（14.899%）。

输出结果2：隶属度矩阵计算结果

	很满意	满意	一般	不满意
隶属度	0.1355	0.3074	0.4459	0.1110
隶属度归一化【权重】	0.136	0.307	0.446	0.111

图表说明：由上表可知，针对5个指标（价格、味道、包装、营养、性价比）与4个评语（很满意、满意、一般、不满意）进行模糊综合评价，在使用加权平均型M(*,+)算子进行研究；首先由评价指标权重向量A（由熵权法可以得到），通过构建出5X4的权重判断矩阵R，最终进行分析得到4个评语集隶属度，分别为0.136、0.307、0.446、0.111,因此可以得到，4个评语集中一般的权重最高，集合最大隶属度法则可以得到，最终综合评价的结果为“一般”

输出结果3：综合得分

图表说明：我们还可以对评价结果可以进一步处理。规定（很满意，满意，一般，不满意）所代表的分数为(4，3，2,1)分；通过0.136×4+0.307×3+0.446×2+0.111×1=2.468，计算得出综合得分值是2.468分，说明综合得分介于“满意”和“一般”之间。

# 7、注意事项

SPSSPRO模糊综合评价里的指标是按行形式的，评语集是按列形式的；
模糊综合评价是一种综合评价方法，其涉及到4个关键术语名词，分别是：指标项、评语、权重判断矩阵、权重向量矩阵，分别如下说明：

指标项：比如对于新零食在价格、味道、包装、营养与性价比5个方面的满意程度；
评语：指标项的“选项”，比如很欢迎，欢迎，一般，不欢迎等；模糊综合评价即用来判断最终到底应该属于那个评语项；
权重判断矩阵：指标项及各评语的选择频数（或者比例），即需要上传的原始数据；
权重向量矩阵：如果价格、味道、包装、营养与性价比5个方面满意度的权重不一样，则需要设置，如果权重一样则不需要处理。