如何搞定熵權(quán)topsis闹瞧?

一、分析前準(zhǔn)備

1.研究背景

TOPSIS法用于研究評(píng)價(jià)對(duì)象與‘理想解’的距離情況唧取,結(jié)合‘理想解’(正理想解和負(fù)理想解)铅鲤,計(jì)算得到最終接近程度C值。熵權(quán)TOPSIS法核心在于TOPSIS枫弟,但在計(jì)算數(shù)據(jù)時(shí)邢享,首先會(huì)利用熵值(熵權(quán)法)計(jì)算得到各評(píng)價(jià)指標(biāo)的權(quán)重,并且將評(píng)價(jià)指標(biāo)數(shù)據(jù)與權(quán)重相乘淡诗,得到新的數(shù)據(jù)骇塘,利用新數(shù)據(jù)進(jìn)行TOPSIS法研究。

通俗地講韩容,熵權(quán)TOPSIS法是先使用熵權(quán)法得到新數(shù)據(jù)newdata(數(shù)據(jù)成熵權(quán)法計(jì)算得到的權(quán)重)款违,然后利用新數(shù)據(jù)newdata進(jìn)行TOPSIS法研究。

例如:當(dāng)前有一個(gè)項(xiàng)目進(jìn)行招標(biāo)群凶,共有4個(gè)承包商插爹,分別是A,B,C,D廠。由于招標(biāo)需要考慮多個(gè)因素请梢,各個(gè)方案指標(biāo)的優(yōu)劣程度也并不統(tǒng)一赠尾。為了保證評(píng)價(jià)過程中的客觀、公正性毅弧。因此气嫁,考慮通過熵權(quán)TOPSIS法,對(duì)各個(gè)方案進(jìn)行綜合評(píng)價(jià)形真,從而選出最優(yōu)方案杉编。

2.數(shù)據(jù)格式

熵權(quán)TOPSIS法用于研究指標(biāo)與理想解的接近度情況超全。1個(gè)指標(biāo)占用1列數(shù)據(jù)。1個(gè)研究對(duì)象為1行邓馒,但研究對(duì)象在分析時(shí)并不需要使用嘶朱,SPSSAU默認(rèn)會(huì)從上到下依次編號(hào)。

二光酣、SPSSAU操作

(1)登錄賬號(hào)后進(jìn)入SPSSAU頁(yè)面疏遏,點(diǎn)擊右上角“上傳數(shù)據(jù)”,將處理好的數(shù)據(jù)進(jìn)行“點(diǎn)擊上傳文件”上傳即可救军。

(2)拖拽分析項(xiàng)

在“綜合評(píng)價(jià)”模塊中選擇“熵權(quán)topsis”方法财异,將分析項(xiàng)拖拽到右側(cè)分析框中,點(diǎn)擊“開始分析”即可唱遭。

三戳寸、SPSSAU數(shù)據(jù)處理

1.數(shù)據(jù)正向化/逆向化處理

如果數(shù)據(jù)中有逆向指標(biāo)(數(shù)字越大反而越不好的意思),此時(shí)需要使用‘SPSSAU數(shù)據(jù)處理->生成變量’的‘逆向化’功能處理拷泽。讓數(shù)據(jù)變成正向指標(biāo)(即數(shù)字越大越好的意思)疫鹊。

‘逆向化’的數(shù)據(jù)計(jì)算公式為:(Max-X)/(Max-Min),明顯可以看出司致,針對(duì)逆向指標(biāo)進(jìn)行‘逆向化’處理后拆吆,數(shù)據(jù)就會(huì)變成正向指標(biāo)。

【SPSSAU】數(shù)據(jù)無(wú)量綱化處理 | 數(shù)據(jù)分析常見問題解答

2.?dāng)?shù)據(jù)標(biāo)準(zhǔn)化處理

針對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理脂矫,目的在于解決量綱化問題枣耀。常見的標(biāo)準(zhǔn)化處理方法有:‘歸一化’,‘區(qū)間化’庭再,‘均值化’等捞奕。

(1)‘歸一化’將所有數(shù)據(jù)壓縮在0到1之間;

(2)‘區(qū)間化‘將所有數(shù)據(jù)壓縮在自己設(shè)定的區(qū)間佩微;

(3)‘均值化’= 當(dāng)前值 / 平均值缝彬。

補(bǔ)充說明:

一般而言,如果數(shù)據(jù)全部都大于0哺眯,建議使用‘均值化’谷浅;如果數(shù)據(jù)中有負(fù)數(shù)或者0,建議做‘區(qū)間化’讓數(shù)據(jù)限定在一個(gè)區(qū)間(SPSSAU默認(rèn)1~2之間)奶卓;當(dāng)然也可以考慮‘歸一化’一疯,讓數(shù)據(jù)全部介于0~1之間。

具體標(biāo)準(zhǔn)化的處理方式有很多種夺姑,具體結(jié)合文獻(xiàn)和自身數(shù)據(jù)選擇使用即可墩邀。不同的處理方式肯定會(huì)帶來不同的結(jié)果,但結(jié)論一般不會(huì)有太大的偏倚盏浙。

(如果數(shù)據(jù)進(jìn)行了正/逆向化處理就不需要再進(jìn)行標(biāo)準(zhǔn)化處理眉睹。)

四荔茬、SPSSAU分析

背景:當(dāng)前有6個(gè)國(guó)家經(jīng)濟(jì)技術(shù)開發(fā)區(qū),分別在政務(wù)系統(tǒng)的4個(gè)指標(biāo)上的評(píng)分值竹海。數(shù)字越大表示指標(biāo)越優(yōu)慕蔚。當(dāng)前希望利用熵權(quán)TOPSIS法評(píng)價(jià)出6個(gè)開發(fā)區(qū)的政務(wù)系統(tǒng)排名情況。原始數(shù)據(jù)如下:

本案例數(shù)據(jù)中包括4個(gè)政務(wù)系統(tǒng)的評(píng)價(jià)指標(biāo)斋配,而且全部都是正向指標(biāo)孔飒,因此不需要進(jìn)行正向化或者逆向化處理。以及接著數(shù)據(jù)標(biāo)準(zhǔn)化解決量綱問題上艰争,本例子使用‘均值化’處理方法坏瞄。操作為SPSSAU數(shù)據(jù)處理->生成變量:

完成數(shù)據(jù)‘均值化’處理后,直接開始進(jìn)行‘熵值TOPSIS法’分析甩卓,操作如下圖:

1.熵值法計(jì)算權(quán)重結(jié)果匯總

上表格展示出4個(gè)政務(wù)系統(tǒng)指標(biāo)的權(quán)重值鸠匀,明顯可以看出指標(biāo)3的權(quán)重更大。但權(quán)重大小僅僅是過程值猛频,熵值TOPSIS分析重心在于TOPSIS法計(jì)算出相對(duì)接近度狮崩。權(quán)重值與數(shù)據(jù)相乘,得到新數(shù)據(jù)newdata鹿寻,這一過程是SPSSAU自動(dòng)完成,利用newdata進(jìn)行TOPSIS法計(jì)算诽凌。

2.TOPSIS評(píng)價(jià)計(jì)算結(jié)果

從上表可知毡熏,利用熵權(quán)法后加權(quán)生成的數(shù)據(jù)(算法自動(dòng)完成)進(jìn)行TOPSIS分析,針對(duì)4個(gè)指標(biāo)(MC_政務(wù)系統(tǒng)指標(biāo)1, MC_政務(wù)系統(tǒng)指標(biāo)2, MC_政務(wù)系統(tǒng)指標(biāo)3, MC_政務(wù)系統(tǒng)指標(biāo)4)侣诵,進(jìn)行TOPSIS評(píng)價(jià)痢法,同時(shí)評(píng)價(jià)對(duì)象為6個(gè)(樣本量數(shù)量即為評(píng)價(jià)對(duì)象數(shù)量);

TOPSIS法首先找出評(píng)價(jià)指標(biāo)的正負(fù)理想解值(A+和A-)杜顺,接著計(jì)算出各評(píng)價(jià)對(duì)象分別與正負(fù)理想解的距離值D+和D-财搁。根據(jù)D+和D-值,最終計(jì)算得出各評(píng)價(jià)對(duì)象與最優(yōu)方案的接近程度(C值)躬络,并可針對(duì)C值進(jìn)行排序尖奔。

最終從上表可知:評(píng)價(jià)對(duì)象4,即開發(fā)區(qū)4穷当,它的相對(duì)接近度C值最高為0.9995提茁,因而說明開發(fā)區(qū)4在政務(wù)系統(tǒng)上的表現(xiàn)最優(yōu);其次是開發(fā)區(qū)3馁菜,相對(duì)接近度C起來0.8141茴扁。開發(fā)區(qū)1的政務(wù)系統(tǒng)表現(xiàn)最差。

3.正負(fù)理想解


4.描述統(tǒng)計(jì)


分析數(shù)據(jù)完整并無(wú)缺失等汪疮,可通過上表格查看各分析項(xiàng)的平均值或標(biāo)準(zhǔn)差值等峭火。從上表格可以看出四個(gè)分析項(xiàng)的樣本量均為6毁习,平均值均為1。

五卖丸、其他說明

1.如果分析數(shù)據(jù)中有負(fù)數(shù)或者0值如何辦蜓洪?

如果分析數(shù)據(jù)有負(fù)數(shù)或者0,這會(huì)導(dǎo)致無(wú)法進(jìn)行熵值法計(jì)算坯苹,SPSSAU算法默認(rèn)會(huì)進(jìn)行‘非負(fù)平移’處理隆檀。SPSSAU非負(fù)平移功能是指,如果某列(某指標(biāo))數(shù)據(jù)出現(xiàn)小于等于0粹湃,則讓該列數(shù)據(jù)同時(shí)加上一個(gè)‘平移值’(該值為某列數(shù)據(jù)最小值的絕對(duì)值+0.01)恐仑,以便讓數(shù)據(jù)全部都大于0,因而滿足算法要求为鳄。

2. 面板數(shù)據(jù)如何進(jìn)行熵值TOPSIS法裳仆?

熵值TOPSIS法的原理是先進(jìn)行熵值法,然后再進(jìn)行TOPSIS法孤钦。無(wú)論是面板或者非面板數(shù)據(jù)歧斟,均可正常進(jìn)行熵值TOPSIS法研究,并不需要特別處理偏形。(當(dāng)然面板數(shù)據(jù)進(jìn)行分析時(shí)静袖,也可以先篩選出不同的年份,重復(fù)進(jìn)行多次均可)俊扭。

六队橙、總結(jié)

熵權(quán)TOPSIS法分別涉及熵權(quán)法和TOPSIS法;熵權(quán)法計(jì)算各評(píng)價(jià)指標(biāo)的權(quán)重值萨惑,然后利用權(quán)重值乘原始數(shù)據(jù)捐康,得到newdata。系統(tǒng)利用newdata進(jìn)行TOPSIS法進(jìn)行計(jì)算庸蔼,最終得到各評(píng)價(jià)對(duì)象的接近程序C值解总,用于判斷和衡量評(píng)價(jià)對(duì)象的優(yōu)劣排序等。


今天的分享就到這里啦姐仅,更多干貨請(qǐng)前往SPSSAU官網(wǎng)查看花枫。

?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,一起剝皮案震驚了整個(gè)濱河市萍嬉,隨后出現(xiàn)的幾起案子乌昔,更是在濱河造成了極大的恐慌,老刑警劉巖壤追,帶你破解...
    沈念sama閱讀 222,104評(píng)論 6 515
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件磕道,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡行冰,警方通過查閱死者的電腦和手機(jī)溺蕉,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 94,816評(píng)論 3 399
  • 文/潘曉璐 我一進(jìn)店門伶丐,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人疯特,你說我怎么就攤上這事哗魂。” “怎么了漓雅?”我有些...
    開封第一講書人閱讀 168,697評(píng)論 0 360
  • 文/不壞的土叔 我叫張陵录别,是天一觀的道長(zhǎng)。 經(jīng)常有香客問我邻吞,道長(zhǎng)组题,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 59,836評(píng)論 1 298
  • 正文 為了忘掉前任抱冷,我火速辦了婚禮崔列,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘旺遮。我一直安慰自己赵讯,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 68,851評(píng)論 6 397
  • 文/花漫 我一把揭開白布耿眉。 她就那樣靜靜地躺著边翼,像睡著了一般。 火紅的嫁衣襯著肌膚如雪跷敬。 梳的紋絲不亂的頭發(fā)上讯私,一...
    開封第一講書人閱讀 52,441評(píng)論 1 310
  • 那天,我揣著相機(jī)與錄音西傀,去河邊找鬼。 笑死桶癣,一個(gè)胖子當(dāng)著我的面吹牛拥褂,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播牙寞,決...
    沈念sama閱讀 40,992評(píng)論 3 421
  • 文/蒼蘭香墨 我猛地睜開眼饺鹃,長(zhǎng)吁一口氣:“原來是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來了间雀?” 一聲冷哼從身側(cè)響起悔详,我...
    開封第一講書人閱讀 39,899評(píng)論 0 276
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎惹挟,沒想到半個(gè)月后茄螃,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 46,457評(píng)論 1 318
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡连锯,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 38,529評(píng)論 3 341
  • 正文 我和宋清朗相戀三年归苍,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了用狱。 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。...
    茶點(diǎn)故事閱讀 40,664評(píng)論 1 352
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡拼弃,死狀恐怖夏伊,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情吻氧,我是刑警寧澤溺忧,帶...
    沈念sama閱讀 36,346評(píng)論 5 350
  • 正文 年R本政府宣布,位于F島的核電站盯孙,受9級(jí)特大地震影響鲁森,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜镀梭,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 42,025評(píng)論 3 334
  • 文/蒙蒙 一刀森、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧报账,春花似錦研底、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,511評(píng)論 0 24
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)。三九已至羽圃,卻和暖如春乾胶,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背朽寞。 一陣腳步聲響...
    開封第一講書人閱讀 33,611評(píng)論 1 272
  • 我被黑心中介騙來泰國(guó)打工识窿, 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,地道東北人脑融。 一個(gè)月前我還...
    沈念sama閱讀 49,081評(píng)論 3 377
  • 正文 我出身青樓喻频,卻偏偏與公主長(zhǎng)得像,于是被迫代替她去往敵國(guó)和親肘迎。 傳聞我的和親對(duì)象是個(gè)殘疾皇子甥温,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,675評(píng)論 2 359

推薦閱讀更多精彩內(nèi)容