2025《确定指标权重的方法概述》2000字.docxVIP

确定指标权重的方法概述

指标的权重反映了由于评价目的的不同导致在评价过程中指标之间不同程度的重要性的综合度量，如何合理、正确的对指标权重进行赋值在评价过程和评价结果中起到关键影响，任一指标的权重出现不合理变化都会影响到最终的结果。因此，适当的权重赋值的方法可以使评价结果更加趋于准确REF_Re\r\h[65]。现有的研究中对于指标权重的确定方法多种多样，原始数据的来源不同，指标权重的赋值方法也不一样，一般情况下分为以下几种：主观赋权法、客观赋权法和综合赋权法。

（1）主观赋权法

主观赋权法是决策者或专家根据自己以往的经验和学到的专业知识，通过主观的判断各种指标或因素重要性的一种方法。样本数据的来源同样也是决策者或专家主观判断的结果。主观赋权法主要有以下几种：层次分析法、德尔菲法、二项系数法、环比评分法等（表2.1）。

表2.1主观赋权法

名称

原理

优点

缺点

层次分析法

先将决策问题的若干个相关影响因素划分为互不相同的准则，根据评价等级和隶属度模糊矩阵计算出各准则层的权重和排序。适用于指标数据不足且难以量化的情况。

计算过程和结果简单明了，可将复杂对象视为系统分析。

主观因素大，不适宜满足指标较多的情况，不适用于精度较高的问题，判断矩阵容易出现严重不一致的现象。

德尔菲法

通过由相关研究领域的多位专家组成评判小组，对决策问题进行打分得出各自独立的权数，对各专家给出的权数进行统计分析形成判断矩阵，最后得出各指标的权数和综合权数。适用于数据收集难度大或客观信息难以量化的情况。

原理简单清晰，专家的评判过程有足够的独立性和代表性，避免群体决策的干扰，具有广泛适用性。

打分操作过程较为繁琐，专家的判断受自身经验、知识理解等主观影响因素较大，权数的稳定性和说服力不高。

二项系数法

先由决策者比较相对重要性，然后对所有评价指标的重要性进行总排序，在对评价指标进行对称排序，最后根据二项系数加权和喝计算公式得出各指标权重。

不需要对指标的重要性大小进行具体量化，只需要判断指标间的相对大小情况。

权数的确定主要依赖于专家的经验和知识等主观判断，存在随机性和不确定性，权重分配容易存在偏差。

环比评分法

将所有指标按照自上而下的相邻顺序进行重要度的两两比较，得到重要度值，令最末尾的指标为基数，即其重要度值为1，再对各指标的重要性比重依次修正，得到各指标的权数。使用对各指标将存在明显的直接比较关系。

指标可以直接对比，灵活确定比值。

实际操作过程中每个指标只能与相邻的指标进行比较，无法与整体进行比较，忽视整体因素存在的客观影响。

主观赋权法的特点在于领域专家能够将决策问题的实际情况与自身的专业经验相结合，依赖于专家对权数的打分判断，虽然可以避免指标权重的属性与指标的实际重要性之间的矛盾，但是在主观判断过程中，很容易受到研究领域知识匮乏的影响，并且还会造成结果是非客观和任意的。因此，主观赋权法不能准确的确定每个指标的权重，客观性很差，研究应用中存在局限性。

（2）客观赋权法

客观赋权法是根据原来的数据的属性和关系，采用统计方法计算处理后得到的各种指标的权重。常用的客观赋权法有：主成分分析法、熵值法、因子分析法、多目标规划法等（表2.2）。

表2.2客观赋权法

名称

原理

优点

缺点

熵值法

决策者依据每个指标所包含的信息量程度来确定指标的权值，如果指标的差异性越大，熵值则越小，指标相应的信息量就会越大，所计算的权重则越大。

相对于主观赋权法来说精度更高，计算的权重结果可信度高，且方法本身自适应功能强，能够与其他方法相结合使用。

对样本数据的依赖性大，各指标间联系不大，各指标的权重会因样本数据的变化而改变。

主成分分析法

通过线性变化的方法将若干个指标转换为若干个主成分，主成分之间互不影响，即将原始样本转化为主成分之间的线性组合关系，减少信息的损失，将决策问题化繁为简。

科学赋权的客观性强，主成分集中了原始数据的大部分信息量，更突出数据信息的影响力。

新指标对原有指标的信息表达会存在偏差，不适用于指标简相关度低时使用，各指标的客观权重获取难度较大。

因子分析法

利用降维的思想，以原始变量内部的相关矩阵结构为分析依据，将多个关联度复杂的原始变量转化为少数互不相关的综合因子，即用较少的因子变量来反映代替较多的原始变量，同时也大大简化了原指标体系的指标结构，与主成分分析法相比更注重原始变量的内部结构。

通过对原始数据的信息组合发现综合因子，使得数据的客观性更强，因子变成的可解释度高。

计算因子得分所采用的的最小二乘法可能出现失效现象。

客观赋权法是基于比较完整的数学方法作为理论基础，并根据样本数据验证了指标的相关性。因此，权重是高度客观的。但是，客观赋权法也将受到样本随机性和缺乏决策者对指标的影响。在实际情况中，指标的权重结果