手把手教你用熵值法計(jì)算權(quán)重


由于對(duì)數(shù)據(jù)要求少,且容易計(jì)算禀挫,熵值法一直是備受歡迎的權(quán)重計(jì)算方法毕籽。

今天的文章抬闯,將帶大家一起梳理熵值法計(jì)算權(quán)重的步驟以及如何應(yīng)用到綜合評(píng)價(jià)研究中。


一关筒、研究背景

研究案例是利用熵值法來對(duì)各企業(yè)的財(cái)務(wù)狀況進(jìn)行綜合評(píng)價(jià)分析溶握。選取了7個(gè)財(cái)務(wù)指標(biāo),分別是固定資產(chǎn)產(chǎn)值率蒸播、固定資產(chǎn)利稅率睡榆、資金利潤(rùn)率萍肆、資產(chǎn)利稅率、流動(dòng)資金周轉(zhuǎn)天數(shù)胀屿、銷售收入利潤(rùn)率塘揣、全員勞動(dòng)生產(chǎn)率。

二宿崭、操作步驟

1. 數(shù)據(jù)標(biāo)準(zhǔn)化

首先亲铡,需要對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。指標(biāo)量綱(單位)不一致會(huì)造成不同指標(biāo)的數(shù)據(jù)有大有小葡兑,這樣會(huì)影響計(jì)算結(jié)果奖蔓。為了消除量綱的影響,分析前需要先對(duì)數(shù)據(jù)進(jìn)行處理讹堤。

正向指標(biāo):(X-Min)/(Max-Min)?(生成變量-正向化MMS)

逆向指標(biāo):(Max-X)/(Max-Min)?(生成變量-逆向化NMMS)

無量綱化處理方法有多種吆鹤,SPSSAU均有提供。常見處理辦法有標(biāo)準(zhǔn)化洲守、歸一化疑务、區(qū)間化等。


2梗醇、熵值法分析

由于熵值法的計(jì)算過程要求數(shù)值中不能存在0或負(fù)數(shù)知允,否則就無法計(jì)算出結(jié)果。SPSSAU熵值法中提供了[非負(fù)平移]功能婴削。

操作:選擇【綜合評(píng)價(jià)】→【熵值法】廊镜。

將處理后的指標(biāo)項(xiàng)放入右側(cè)分析框里,勾選[非負(fù)平移]唉俗、[綜合得分]嗤朴,點(diǎn)擊開始分析。

綜合評(píng)價(jià)--熵值法


熵值法分析結(jié)果


各項(xiàng)指標(biāo)的權(quán)重={0.117, 0.134, 0.142, 0.146, 0.139, 0.135, 0.186}虫溜。

SPSSAU智能分析中也會(huì)提供每個(gè)指標(biāo)具體的權(quán)重值雹姊。

3. 對(duì)綜合得分進(jìn)行排序

操作:選擇【數(shù)據(jù)處理】→【生成變量】里排名功能。

點(diǎn)擊“綜合得分”衡楞,再選擇“排名(Rank)”吱雏,點(diǎn)擊確認(rèn)處理。


通過右上角【我的數(shù)據(jù)】即可查看到排名情況瘾境,以及下載綜合得分和排名歧杏。



下載后可使用EXCEL對(duì)數(shù)據(jù)進(jìn)行整理,最終結(jié)果如下:

三迷守、其他說明

1犬绒、在綜合評(píng)價(jià)中,每層的權(quán)重是獨(dú)立存在的兑凿。如果研究設(shè)計(jì)包含多級(jí)指標(biāo)凯力,則需要分別計(jì)算權(quán)重茵瘾。確定好各層指標(biāo)權(quán)重后,再加權(quán)求和得到總得分咐鹤。

2拗秘、多級(jí)權(quán)重確定可能會(huì)用到多種計(jì)算權(quán)重的方法,如主成分分析祈惶、層次分析法等雕旨。實(shí)際研究中可結(jié)合數(shù)據(jù)的特征情況進(jìn)行選擇 。

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末捧请,一起剝皮案震驚了整個(gè)濱河市奸腺,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌血久,老刑警劉巖,帶你破解...
    沈念sama閱讀 217,907評(píng)論 6 506
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件帮非,死亡現(xiàn)場(chǎng)離奇詭異氧吐,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī)末盔,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,987評(píng)論 3 395
  • 文/潘曉璐 我一進(jìn)店門筑舅,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人陨舱,你說我怎么就攤上這事翠拣。” “怎么了游盲?”我有些...
    開封第一講書人閱讀 164,298評(píng)論 0 354
  • 文/不壞的土叔 我叫張陵误墓,是天一觀的道長(zhǎng)。 經(jīng)常有香客問我益缎,道長(zhǎng)谜慌,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,586評(píng)論 1 293
  • 正文 為了忘掉前任莺奔,我火速辦了婚禮欣范,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘令哟。我一直安慰自己恼琼,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,633評(píng)論 6 392
  • 文/花漫 我一把揭開白布屏富。 她就那樣靜靜地躺著晴竞,像睡著了一般。 火紅的嫁衣襯著肌膚如雪役听。 梳的紋絲不亂的頭發(fā)上颓鲜,一...
    開封第一講書人閱讀 51,488評(píng)論 1 302
  • 那天表窘,我揣著相機(jī)與錄音,去河邊找鬼甜滨。 笑死乐严,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的衣摩。 我是一名探鬼主播昂验,決...
    沈念sama閱讀 40,275評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼,長(zhǎng)吁一口氣:“原來是場(chǎng)噩夢(mèng)啊……” “哼艾扮!你這毒婦竟也來了既琴?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 39,176評(píng)論 0 276
  • 序言:老撾萬榮一對(duì)情侶失蹤泡嘴,失蹤者是張志新(化名)和其女友劉穎甫恩,沒想到半個(gè)月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體酌予,經(jīng)...
    沈念sama閱讀 45,619評(píng)論 1 314
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡磺箕,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,819評(píng)論 3 336
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了抛虫。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片松靡。...
    茶點(diǎn)故事閱讀 39,932評(píng)論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖建椰,靈堂內(nèi)的尸體忽然破棺而出雕欺,到底是詐尸還是另有隱情,我是刑警寧澤棉姐,帶...
    沈念sama閱讀 35,655評(píng)論 5 346
  • 正文 年R本政府宣布屠列,位于F島的核電站,受9級(jí)特大地震影響谅海,放射性物質(zhì)發(fā)生泄漏脸哀。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,265評(píng)論 3 329
  • 文/蒙蒙 一扭吁、第九天 我趴在偏房一處隱蔽的房頂上張望撞蜂。 院中可真熱鬧,春花似錦侥袜、人聲如沸蝌诡。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,871評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽浦旱。三九已至,卻和暖如春九杂,著一層夾襖步出監(jiān)牢的瞬間颁湖,已是汗流浹背宣蠕。 一陣腳步聲響...
    開封第一講書人閱讀 32,994評(píng)論 1 269
  • 我被黑心中介騙來泰國(guó)打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留甥捺,地道東北人抢蚀。 一個(gè)月前我還...
    沈念sama閱讀 48,095評(píng)論 3 370
  • 正文 我出身青樓,卻偏偏與公主長(zhǎng)得像镰禾,于是被迫代替她去往敵國(guó)和親皿曲。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,884評(píng)論 2 354