| 文件名 | entropy.xlsx |
|---|---|
| 数据用途 | 熵值法案例数据 |
| 变量说明 | 各评价指标按列放置,需区分正向指标和负向指标。 |
完整案例
1. 背景
希望根据样本数据的离散程度,为多个评价指标自动分配客观权重。
2. 理论与公式
熵值法根据指标数据离散程度分配客观权重,信息差异越大,指标权重通常越高。
指标比重
先将指标标准化后计算样本占比。
信息熵
信息熵越大,指标差异越小。
熵权
差异系数越高,指标权重越大。
3. 数据结构
各评价指标按列放置,需区分正向指标和负向指标。
4. 操作截图
- 上传案例数据
- 选择熵值法
- 放入评价指标
- 设置正向或负向属性
- 点击开始分析

5. 结果表格与结果阅读
| 指标 | 信息熵 | 差异系数 | 权重 | 方向 |
|---|---|---|---|---|
| 指标1 | 0.842 | 0.158 | 0.326 | 正向 |
| 指标2 | 0.781 | 0.219 | 0.452 | 正向 |
| 指标3 | 0.892 | 0.108 | 0.222 | 负向 |
权重反映数据差异信息,不代表理论重要性。
重点查看标准化值、信息熵、差异系数和最终权重。离散度越大,权重通常越高。
6. 辅助截图

7. 文字分析
熵值法结果显示,各指标权重存在差异,说明不同指标对综合评价的信息贡献并不相同。
8. 剖析提醒
熵值法是客观赋权,不代表理论重要性;指标方向必须先设置正确。