指标权重计算的确定方法

合集下载

指标权重的确定方法

指标权重的确定方法
确定指标权重的方法有多种，常用的有以下几种：
1. 主观评价法：由决策者根据经验和个人偏好，根据指标的相对重要性，给出权重。

这种方法的优点是简单直观，但缺点是容易受主观因素的影响，可能存在主观偏差。

2. 客观评价法：采用统计分析、经济学、数学模型等方法，通过数据分析和建模来确定权重。

例如，层次分析法（AHP）可以用来确定指标的相对重要性，通过对各个指标的比较和评估来得出权重。

这种方法的优点是较为客观，但需要较多的数据和专业知识支持。

3. 专家评估法：找到相关领域的专家进行评估，通过专家的意见和经验来确定权重。

可以通过专家访谈、问卷调查等方式收集专家意见，并进行统计和分析来得出权重。

这种方法的优点是能够利用专家的专业知识和经验，但需要选择合适的专家，并注意专家之间的一致性。

4. 综合评价法：结合主观评价法和客观评价法，综合考虑决策者的主观偏好和客观分析结果。

可以通过赋予主观评价法和客观评价法不同的权重，或者采用加权平均法、TOPSIS法等方法进行综合评价。

在具体应用中，可以根据具体情况选择合适的方法确定指标权重。

一般来说，综
合考虑决策者的主观意见和客观分析结果，以及专家的意见，可以得出更准确和可靠的权重。

权重确定方法

权重确定方法确定指标体系权重的方法可分为主观赋值法和客观赋值法两大类。

主观赋值法，即计算权重的原始数据主要由评估者根据经验主观判断得到，如主观加权法、专家调查法、层次分析法、比较加权法、多元分析法和模糊统计法等。

客观赋值法，即计算权重的原始数据由测评指标在被测评过程中的实际数据得到，如均方差法、主成分分析法、熵值法、critic法等。

这两类方法各有优缺点，主观赋值法客观性较差，但解释性强;在大多数情况下，客观赋值法确定的权重精度较高，但又是会与实际情况相悖，而且解释性较差，对所得到的结果难以给出明确的解释。

目标分配方法主要讨论如下：一、熵权法一般来说，如果某一指标的信息熵指标权重确定方法中的熵权重法较小，则表明该指标值的变异程度越大，提供的信息越多，在综合评价中的作用越大，权重越大。

相反，一个指标的信息熵指标权重确定方法中的熵权法越大，该指标值的变异程度越小，提供的信息越少，其在综合评价中的作用越小，权重越小。

加权步骤如下：1.数据标准化标准化公式：2.求各指标的信息熵根据信息论中信息熵的定义，一组数据的信息熵,其中.3.确定各指标权重根据信息熵的计算公式，各指标的信息熵计算如下：，。

通过过信息熵计算各指标的权重：,（i=1,2,3…….,k）二、主成分分析将原有多个相关性较强的变量、、、……重新整合，生成几个少数不相关的变量、、……，使它们尽可能多地原有变量的信息，其中、、……，就叫做主成分，依次为第一主成分、第二主成分、第三主成分……第p主成分。

主要步骤如下：1.首先，进行kmo测试，观察适合主成分分析的程度。

三、均方差首先求出这些随机变量的均方差，然后对这些均方差进行归一化，得到各指标的权重系数。

四、critic法每个评价指标的客观权重由指标内的可变性和冲突决定。

一是评价指标内的可变性，以标准差的形式表示，表示同一指标的评价对象之间的价值差异。

标准偏差越大，对象之间的值差越大。

二是评价指标的影响突性，以表示。

确定权重的方法及原则

•权重•确定权重的原则•权值因子推断表法•专家直观判定法•层次分析法•排序法权重权重是一个相对的概念，是针对某一指标而言。

某一指标的权重是指该指标在整体评价中的相对重要程度。

权重表示在评价过程中，是被评价对象的不同侧面的重要程度的定量分配，对各评价因子在总体评价中的作用进行区不对待。

事实上，没有重点的评价就不确实是客观的评价，每个人员的性质和所处的层次不同，其工作的重点也确信是不能一样的。

因此，相对工作所进行的业绩考评必须对不同内容对目标贡献的重要程度做出可能，即权重的确定。

总之，权重是要从若干评价指标中分出轻重来，一组评价指标体系相对应的权重组成了权重体系。

一组权重体系{Vi|I=1，2，…n}，必须满足下述两个条件：（1）0<Vi≤1;i=1，2，…，n。

（2）其中n是权重指标的个数一级指标和二级指标权重的确定：设某一评价的一级指标体系为{wi | i=1，2，…，n}，其对应的权重体系为{vi | i=1，2，…，n}则有：（1）1<Vi≤1;i=1，2，…，n（2）假如该评价的二级指标体系为{Wij | i=1，2，…，n，j=1，2，…，m}，则其对应的权重体系{Vij | i=1，2，…，n，j=1，2，…，m}应满足：（1）0<Vij≤1（2）（3）关于三级指标、四级指标能够以此类推。

权重体系是相对指标体系来确立的。

首先必须有指标体系，然后才有相应的权重体系。

指标权重的选择，实际也是对系统评价指标进行排序的过程，而且，权重值的构成应符合以上的条件。

确定权重的原则一、系统优化原则在评价指标体系中，每个指标对系统都由它的作用和贡献，对系统而言都有它的重要性。

因此，在确定它们的权重时，不能只从单个指标动身，而是要处理好各评价指标之间的关系，合理分配它们的权重。

应当遵循系统优化原则，把整体最优化作为动身点和追求的目标。

在那个原则指导下，对评价指标体系中各项评价指标进行分析对比，权衡它们各自对整体的作用和效果，然后对它们的相对重要性做出推断。

确定指标权重的方法：专家意见、统计分析、组合方法、权重分配

确定指标权重的方法
专家意见、统计分析、组合方法、权重分配
确定定量与定性评估指标的权重是一个重要的步骤，因为它可以帮助评估者根据指标的重要性和影响力进行加权计算，从而得到更准确的评估结果。

以下是一些常用的方法来确定定量与定性评估指标的权重：
1. 专家意见：可以请教一些专家或业内人士，让他们对指标的重要性进行评估。

他们可以根据自己的经验和知识，给出关于每个指标的权重建议。

这种方法的优点是可以借助专家的专业知识和经验，得到更准确的结果。

2. 统计分析：通过对历史数据进行分析，可以找到指标之间的关系和影响。

通过统计方法，可以计算每个指标的权重。

例如，可以使用回归分析、主成分分析等方法来确定指标的权重。

3. 组合方法：将定量和定性方法结合起来确定指标的权重。

例如，可以使用层次分析法（AHP），通过问卷调查和专家评估等方式来确定指标的相对重要性。

4. 权重分配：可以根据实际情况和需求，将每个指标的权重进行分配。

例如，可以给定量指标更高的权重，因为它们更具有客观性和可衡量性，但是定性指标也可以通过适当的主观权重来反映其重要性。

需要注意的是，每个评估指标的权重应该是客观、合理和可解释的。

在确定权重的过程中，应该考虑到指标之间的相互关系和影响，以及评估的目的和需求。

此外，权重应该是动态的，可以根据实际情况进行调整和更新，以适应不同的评估场景和需求。

指标权重确定方法

指标权重确定方法(一)概述指标权重确定方法是在决策分析、管理咨询中普遍采用的一种评价技术，目的是以权重的形式表达对于给定的指标的重视程度。

该方法依赖于专家分析，将权重和指标联系起来，其中，专家分析的认知思维分析可将隐秘信息反映出来，从而更有效地识别各种认知行为潜在全貌。

这是由一个专家小组合作确定的，一方面，小组成员是选择性召集的，而且来自不同行业，他们对领域有着不同的认识和丰富的实践经验；其次，小组成员形成一种共同的理解，评估某一环境的可能性，从而权衡全局最佳选择的可能性。

因此，该方法可以明确各个指标的影响因素，评估一个具体结果，有助于实现更加合理、有效的决策行为。

(二)基本步骤1、定义指标：首先，明确指标的目标，确定在不同环境中所需要考量的绩效指标，以及各种指标之间的关系；2、分层结构的建立：将各项指标按照一定的层级关系进行整合；3、专家组成：根据绩效指标的不同类别和重要性，由一定的专家裁定决策者或小组来对指标的重要性进行评估；4、指标重要性评估：利用客观计算方法，用一定的评分模型，将专家的投票结果转换为权重；5、权重确定：通过有限的专家投票、实验研究以及信息处理等方法，最终确定每项指标的权重。

(三)实施与评价1、实施Guideline：对于任何一个权重的确定，一个统一的指导原则必须清晰地定义，这样才能有效地减少潜在的不确定性和歧义性，提高权重确定的精确性；2、可持续性：成功实施该方法后，就会产生一个有效的实施体系，确保权重的可持续性，减少了今后的改变和修改；3、专家评价：进行权重确定时，要结合明确的评价标准，征求专家综合意见，以确保权重确定的公平性。

(四)总结指标权重确定方法是在决策分析、管理咨询中普遍采用的一种评价技术，以小组合作的形式将专家的投票结果转化为权重，有助于识别潜在的隐秘性信息，为决策提供可靠的技术支持，其实施需遵循统一的指导原则，保证权重的可持续性，同时要征求专家综合意见，以确保权重确定的公平和准确性。

指标权重的确定方法

指标权重的确定方法ij表示第i个指标相对于第j个指标的重要性，然后通过计算得出每个指标的权重。

具体步骤如下：1）建立层次结构模型，将评价指标分为若干层次，形成层次结构模型。

2）构造判断矩阵，由决策者对所有评价指标进行两两比较，得到判断矩阵。

3）计算特征向量，通过计算得出每个指标的特征向量。

4）计算权重，将各指标的特征向量进行归一化处理，得到各指标的权重。

二）客观赋权法客观赋权法是指通过统计学或数学方法，根据指标本身的性质和指标之间的关系，计算各指标的权重。

常用的方法有熵权法、主成分分析法等。

三）组合集成赋权法组合集成赋权法是指将主观赋权法和客观赋权法进行组合，得到更加准确的权重。

常用的方法有TOPSIS法、灰色关联度法等。

总之，权重的确定方法需要根据实际问题的情况选择合适的方法，以确保评价结果的准确性和可靠性。

客观赋权法是一种基于各方案评价指标值的客观数据的差异来确定各指标权重的方法。

目前，主要研究成果有基于“差异驱动”原理的赋权方法，包括突出整体差异的“拉开档次法”和突出局部差异的“均方差法”、“嫡值法”以及“极差法”、“离差法”。

其中，主成分分析法是一种将多项评价指标综合成z个主成分的方法，再以这z个主成分的贡献率为权数构造一个综合指标，并据此作出判断。

这种方法能消除指标间信息的重叠，根据指标所提供的信息，通过数学运算而主动赋权。

拉开档次”法的基本原理是将n个被评价对象看成是由m个评价指标构成的m维评价空间中的n个点(或向量)，寻求n个被评价对象的评价值就相当于把这n个点向一维空间做投影。

选择指标权系数，使得各被评价对象之间的差异尽量拉大，也就是根据m维评价空间构造一个最佳的一维空间，使得各点在此一维空间上的投影点最为分散，即分散程度最大。

该方法的特点为综合评价过程透明，评价结果与系统或指标的采样顺序无关，评价结果毫无主观色彩，评价结果客观、可比，权重不具有“可继承性”，权重不再体现评价指标的相对重要程度。

权重的确定方法汇总-指标权重确定方法

一、指标权重的确定1.综述目前关于属性权重的确定方法很多，根据计算权重时原始数据的来源不同，可以将这些方法分为三类：主观赋权法、客观赋权法、组合赋权法。

主观赋权法是根据决策者（专家）主观上对各属性的重视程度来确定属性权重的方法，其原始数据由专家根据经验主观判断而得到。

常用的主观赋权法有专家调查法（Delphi法）、层次分析法（AHP ）[106-108]、二项系数法、环比评分法、最小平方法等。

本文选用的是利用人的经验知识的有序二元比较量化法。

主观赋权法是人们研究较早、较为成熟的方法，主观赋权法的优点是专家可以根据实际的决策问题和专家自身的知识经验合理地确定各属性权重的排序，不至于出现属性权重与属性实际重要程度相悖的情况。

但决策或评价结果具有较强的主观随意性，客观性较差，同时增加了对决策分析者的负担，应用中有很大局限性。

鉴于主观赋权法的各种不足之处，人们又提出了客观赋权法，其原始数据由各属性在决策方案中的实际数据形成，其基本思想是：属性权重应当是各属性在属性集中的变异程度和对其它属性的影响程度的度量，赋权的原始信息应当直接来源于客观环境，处理信息的过程应当是深入探讨各属性间的相互联系及影响，再根据各属性的联系程度或各属性所提供的信息量大小来决定属性权重。

如果某属性对所有决策方案而言均无差异（即各决策方案的该属性值相同），则该属性对方案的鉴别及排序不起作用，其权重应为0；若某属性对所有决策方案的属性值有较大差异，这样的属性对方案的鉴别及排序将起重要作用，应给予较大权重.总之，各属性权重的大小应根据该属性下各方案属性值差异的大小来确定，差异越大，则该属性的权重越大，反之则越小。

常用的客观赋权法[109-110]有：主成份分析法、熵值法[111-112]、离差及均方差法、多目标规划法等。

其中熵值法用得较多，这种赋权法所使用的数据是决策矩阵，所确定的属性权重反映了属性值的离散程度。

客观赋权法主要是根据原始数据之间的关系来确定权重，因此权重的客观性强，且不增加决策者的负担，方法具有较强的数学理论依据。

确定指标权重方法

确定指标权重方法
1. 层次分析法（AHP）:
AHP的核心是使用主体对若干指标的两两比较，通过构建成一个层次结构模型，得出每个指标相对重要性系数的方法。

它的主要优点是易于理解和使用，可以直观地让专业人士和非专业人员共同评估指标。

2. 熵权法：
熵权法是利用信息熵理论来确定指标权重的方法，它通过计算指标值在整个数据集中的分布情况，得出每个指标的权重比例。

该方法的优点是对指标分布情况不敏感，能准确反映指标之间的信息关系。

3. 主成分分析法（PCA）：
PCA利用一些公共变量来合理表达各个变量之间关系的方法。

通过将多个维度的指标合成一个指标，以此来确定各个指标的权重。

这种方法的优点是可以减少多个指标之间的多重共线性问题。

4. 相对比重法：
这种方法的核心是通过专家确定各个指标的重要性，并将这些重要性权重转化为
相对比重。

然后，将这些相对比重乘以各个指标的实际值，从而获得最终的权重。

5. 灰色关联度法：
该方法主要适用于评估指标间存在双向或多向关系的情况。

它的核心是通过计算指标的灰色关联度，来确定各个指标的权重。

这种方法的优点是可以通过考虑指标的相互影响来协调各个指标的权重。

注意：不同的方法适用于不同情况，请根据具体情况选择适合的方法，合理的确定指标权重。

评价指标权重的确定方法

评价指标权重的确定方法
以下是 6 条关于评价指标权重的确定方法：
1. 专家打分法呀！这就好比是请了一群超级厉害的裁判来给各个指标打分。

比如说选美比赛，专家们根据自己的经验和专业眼光，给每个参赛选手的不同方面打分，像长相啊、气质啊、才艺啥的，最后综合起来确定重要程度。

这不就是在确定那些指标的权重嘛！
2. 层次分析法也很不错哟！可以把要考虑的指标像搭积木一样一层一层地搭建起来。

比如说盖房子，一层是基础，二层是结构，三层是装饰，不同层次的重要性当然不一样啦。

通过这种层层分析的方式，权重就能分得清清楚楚啦！
3. 主成分分析法呢，就像是一场大筛选。

好比从一堆水果中挑出最有代表性的几个。

比如在一堆水果里，苹果、香蕉、橘子，通过分析发现苹果的特征比较突出，那它在权重里的占比可能就会更高一些，这样就把那些最重要的成分给抓出来啦！
4. 聚类分析法呀，就好像把相似的东西归到一块儿去。

比如一群学生，把学习好的归一类，体育好的归一类，艺术好的归一类，这样不就大概能看出每一类在整体评价中的分量了嘛，是不是很形象呀？
5. 因子分析法也有它的妙处呢！就如同从一堆混乱的数据中找出关键的因子。

比如说整理房间，找到那些最关键的物品摆放规则，这些规则就是重要的因子呀，然后就能确定每个部分的权重啦！
6. 熵权法懂不？这就像是在混乱中寻找秩序。

好比在嘈杂的市场里，通过一些方法分辨出哪些声音是最重要的。

通过计算熵值，就能搞清楚各个指标的重要性程度啦，是不是很神奇呢！
我的观点结论就是：这些评价指标权重确定方法都各有特点和适用场景，我们得根据具体情况选择最适合的那个呀！。

计算指标权重的方法概述

在统计学中用来确定权重的三种方法
三种方法：AHP、ANP、熵值法
三种方法：AHP、ANP、熵值法
其中，AHP、ANP既是一种评价方法，但更常用来计算指标权重。而熵值法则是一种根据指标反映信息可靠程度来确定权重的方法。

一、 AHP 层次分析法（AHP）是美国著名的运筹学家Satty等
素相对上一层次某一因素的单排序问题又可简化为一系列成对因素的判断比较。为了将比较判断定量化，层次分析法引入了1-9标度法，并写成判断矩阵形式。形成判断矩阵后，即可通过计算判断矩阵的最大特征值及其对应的特征向量，计算出某一层对于上一层次某一个元素的相对重要性权值。
在计算出某一层次相对于上一层次各个因素
注：2，4，6，8和1/2，1/4，1/6，1/8介于其间。
A B1 B2 B3 对于上述例子，假定企业领导对于资金使用这个 B1 1 1/5 1/3 问题的态度是：首先是 B2 5 1 3 提高企业技术水平，其 B 3 1/3 1 3 次是改善员工物质生活，最后是调动员工的工作 1 1/ 5 1/ 3 积极性。则准则层对于目标层的判断矩阵A-B A 5 1 3 为： 3 1/ 3 1
的单排序权值后，用上一层次因素本身的权值加权综合，即可计算出层次总排序权值。
总之，依次由上向下即可计算出最低层因素相对于最高层的相对重要性权值或相对优劣次序的排序值。
AHP的模型与步骤
假设某一企业经过发展，有一笔利润资金，要企业高层领导决定如何使用。企业领导经过实际调查和员工建议，现有如下方案可供选择：（1）作为奖金发给员工；（2）扩建员工宿舍、食堂等福利设施；（3）办员工进修班；（4）修建图书馆、俱乐部等；（5）引进新技术设备进行企业技术改造。从调动员工工作积极性、提高员工文化技术水平和改善员工的物质文化生活状况来看，这些方案都有其合理因素。如何使得这笔资金更合理的使用，就是企业领导所面临需要分析的问题。

指标权重的确定方法

指标权重的确定方法
1.主观评价法：这种方法通过专家评价和专家判断来确定指标的权重。

专家可以根据自己的经验和知识，对不同指标的重要性进行排序或评分。

然后通过加权平均来计算指标的权重。

这种方法的优势在于可以考虑专家
的意见和经验，但可能存在主观性的问题。

2.层次分析法（AHP）：AHP是一种常用的量化指标权重的方法。

它
基于对指标之间的相对关系进行判断和排序。

AHP将问题分解为多个层次，然后在不同层次上进行两两比较，从而得到指标之间的权重。

通过计算一
致性指标，可以评估判断的一致性程度。

这种方法的优势在于能够考虑不
同指标之间的相对重要性，但需要专家提供相对权重的判断。

3.统计分析法：这种方法通过对大量数据的分析和建模，来确定指标
的权重。

常用的统计分析方法包括回归分析、因子分析和主成分分析等。

通过建立数学模型，可以计算出各个指标对总体指标的贡献程度，从而确
定权重。

这种方法的优势在于能够考虑指标之间的相关性和影响程度，但
需要大量的数据支持。

在确定指标权重时，需要综合考虑不同方法的优缺点，并选择合适的
方法根据实际情况进行操作。

同时，还需要进行灵活性的调整和修正，根
据实际应用情况进行权重的修正和更新。

最后，确定的指标权重需要在实
际应用中进行验证和评估，以确保其准确性和可靠性。

指标权重的计算方法

指标权重的计算方法
在进行决策和评估时，需要对不同的指标进行权重的分配，以反映它们在决策或评估中的重要性。

指标权重的计算方法有很多种，下面介绍几种常用的方法。

1. 主观赋权法
主观赋权法是根据专家的经验和知识来确定指标权重的方法。

在这种方法中，专家会根据自己的判断和经验，对每个指标进行打分，然后根据打分的结果来确定权重。

2. 层次分析法
层次分析法是一种定量化的权重计算方法，它可以将复杂的决策问题分解成不同的层次结构，然后对每个层次结构进行比较和分析，最终得出权重。

在层次分析法中，需要确定决策目标、准则、方案和子方案，对每个层次进行两两比较，得出各层次的权重。

3. 熵权法
熵权法是一种基于信息熵理论的权重计算方法，它可以综合考虑指标之间的关联性和重要性，得出权重。

在熵权法中，需要计算各指标的
熵值和权重，然后通过归一化处理得到最终权重。

4. 灰色关联法
灰色关联法是一种将多个指标进行综合评价的方法，它可以考虑指标之间的相互依赖关系和权重，得出综合评价结果。

在灰色关联法中，需要将各指标进行标准化处理，然后计算各指标之间的关联度和权重，最终得出综合评价结果。

总之，不同的指标权重计算方法有各自的优缺点，需要根据实际情况选择适合的方法进行权重计算。

指标权重的确定方法

指标权重的确定方法下面将介绍几种常用的方法来确定指标权重：1.层次分析法（AHP）层次分析法是一种通过建立层次结构，将复杂问题逐层分解为可比较的局部问题，最终进行综合评价的方法。

具体步骤包括：-建立目标层次结构，将问题分解为几个层次，包括目标层、准则层、子准则层和指标层。

-构造判断矩阵，通过专家对两两比较不同层次的指标进行判断，建立判断矩阵。

-计算权重，通过计算每个指标的特征向量并进行归一化处理，最终得到各个指标的权重。

2.主成分分析法（PCA）主成分分析法是一种通过线性变换将高维数据转换为低维数据的方法。

在指标权重确定中，可以利用主成分分析法来提取维度，减少指标之间的相关性，以及获得各个主成分的贡献度。

具体步骤包括：-构造相关矩阵，通过计算指标之间的相关系数，得到相关矩阵。

-计算特征值和特征向量，通过对相关矩阵进行特征值分解，得到特征值和对应的特征向量。

-计算贡献度和权重，根据特征值的大小，计算各个主成分的贡献度和权重。

3.熵权法熵权法是一种基于信息熵理论的方法，通过计算指标的熵值和权重，确定各个指标的重要程度。

具体步骤包括：-构造决策矩阵，将各个指标的评价值构造成决策矩阵。

-计算指标熵值，通过计算各个指标的熵值，衡量指标的分散程度。

-计算权重，通过计算各个指标的信息熵和熵值的比值，得到各个指标的权重。

4.模糊综合评价法模糊综合评价法是一种基于模糊数学理论的方法，用于处理评价指标中的不确定性和模糊性。

具体步骤包括：-构造模糊综合判别矩阵，通过对各个指标的模糊判断，构造模糊综合判别矩阵。

-模糊矩阵特征值和特征向量的计算，通过计算模糊矩阵的特征值和特征向量，得到各个指标的权重。

-一致性检验，通过计算一致性指标，判断模糊综合判别矩阵是否具有一致性。

同时，为了增加指标权重确定的科学性和可靠性，还可以采用以下方法：-专家访谈法：通过面对面或远程访谈专家，征求他们对指标的意见和建议，结合他们的经验来确定权重。

综合评价中两种指标权重的确定方法_相似权法和属性AHM赋权法

表 1 我国部分城市的大气监测结果序号
1 2 3 4 5 6 7 8 9 10 11 SO 2 mg m3 01100 01117 01094 01039 01123 01256 01077 01090 01222 01040 01090 NO x mg m3 01040 01081 01089 01056 01062 01069 01090 01132 01139 01022 01052 T SP mg m3 01290 01455 01159 01280 01169 01574 01515 01012 01707 01402 01166
可求出 x i 的
城市名天津沈阳大连武汉杭州太原郑州广州乌鲁木齐呼和浩特福州
降尘
kg ・m - 2 ・月18113 33150 23140 16124 12132 33140 23195 9156 25178 27170 9122
1
综合属性测度向量 ( Λi1 , Λi2 …ΛiK ) 。 ( Λi1 , Λi2 …ΛiK ) 在平均的意义下反映了 x i 的总体评价情况。这样, 单指标属性测度评价向量 ( Λij 1 , Λij 2 …ΛijK ) 与综合属性测度评价向量 ( Λi1 , Λi2 … ΛiK ) 的 “相近” 程度体现了指标 I j 反映总体情况的能力, 两者越相近, 说明 I j 越能体现总体情况, 权重应越大。令w 为相似权, r j 为相似系数。
虽然指示变量取某一数值0但是这一数值没有任何数量大小的意义它仅仅用来说明观察单位的性质或属性因此不同性质或属性的观察单位应取不同的值而同种性质或属性的观察单位应取相同的值指示变量引入回归分析若所研究的问题中有p个数值变量x水平则可对该定性变量设计k组数据第j个定性变量取第s个水平组数据第j个定性变量取其他水平个水平的变量取值均为0对应的模型记作关于指示变量的用途已有不少文献报道被广泛应用于林业研究工业研究农业研究经济数据的分析等各行各业

确定考核指标权重的定量方法

确定考核指标权重的定量方法1.权重分配法：这是最常见的方法之一、该方法通过对每个考核指标进行问卷调查或专家评估，让参与者按照重要性对指标进行评分。

然后，根据评分结果计算指标的相对权重。

这种方法可以通过定量统计的方式获得不同指标的相对重要性。

2.回归分析法：该方法基于回归分析模型，通过分析指标与绩效之间的相关性来确定权重。

首先，通过数据收集和数据分析，建立一个回归模型，根据指标对绩效的影响程度来确定权重。

然后，根据模型的结果给出权重分配。

这种方法可以较为准确地衡量不同指标对绩效的贡献度。

3.层次分析法：层次分析法是由美国学者托马斯·萨阿蒂在20世纪70年代提出的一种权重分配方法。

该方法通过问卷调查或专家评估，将指标按照不同层次进行划分，然后通过判断和比较各个层次之间的重要性，最终得出权重分配结果。

层次分析法适用于复杂的多指标评价体系，并能相对准确地确定指标的权重。

4.综合评分法：综合评分法是一种综合考核指标的方法，通过对每个指标进行加权求和来给出最终的绩效评分。

这种方法主要适用于可以直接量化的指标，如销售额、利润等。

根据指标的重要性给出相应的权重，然后将各指标得分乘以对应的权重，最后将各指标加权求和得到最终评分。

这种方法简单直观，易于操作。

以上是常见的几种定量方法来确定考核指标权重，不同方法适用于不同的情境。

在确定权重的过程中，需要明确组织的战略目标，考虑到不同指标的相关性和重要性，并结合参与者的意见和实际情况来制定权重。

权重的合理确定可以提高绩效管理体系的有效性和公平性，促进组织的发展和员工的成长。

绩效考核指标权重的计算方法

绩效考核指标权重的计算方法在企业人力资源管理中,有许多涉及到权重的设置，如素质评价、绩效考核等。

在一般的情况下，管理者都知道权重的重要性，但在设定权重时却往往会依凭自己积累起来的经验以及评价因素的定位来进行判断。

事实上，这种确定权重的方式存在很强的主观性，在实践中会导致一些不必要的偏差。

如何在设定权重时，既考量管理者多年来积累起来的经验判断，又科学客观地定位各评价因素，避免一些不必要的偏差，使评价结果更接近于实际情况呢,下面的几种方法，或许能给你带来一定的收获。

一、简单排序编码法这种方法通过管理者对各项考评因素的重视程度进行排序编码，然后确定权重的一种简单的方法，需要管理者从过去的历史数据及个人的经验对各项考评项目作出正确的排序。

比如在绩效考核过程中，某一职位有四个KPI的考评因素，分别为A，B，C，D，依企业的要求及目标设定者的经验，各项考评因素的重要性排序为B，D，C，A;然后再按照自然数顺序由大到小对其进行分配，分别为4，3，2，1。

然后将权数归一化，最后结果为A:1/(4+3+2+1)=0.1;B:4/(4+3+2+1)=0.4C:2/(4+3+2+1)=0.2;D:3/(4+3+2+1)=0.3。

这种简单排序编码法计算权数的方法简单，但也存在主观因素，存在一定的不合理性。

但至少它比管理者单纯地依据自身经验进行设定的方式要客观一些。

二、倍数环比法倍数环比法首先将各个考评因素随机排列，然后按照顺序对各项因素进行比较，得出各因素重要度之间的倍数关系，又称环比比率，再将环比比率进行统一转换为基准值，最后进行归一化处理，确定其最终权重。

这种方法需要对考评因素有客观的判断依据，需要有客观准确的历史数据作为支撑。

以上述四个因素为例，如下表。

说明:表格第二行，0.3表示A的重要性是B的0.3倍;2表示B的重要性是C的2倍，0.55表示C的重要性是D的0.55倍;1表示D本身。

第三行，是以D为基准进行的比率归一化，因C的重要性是D的0.55倍，因此取值为0.55*1=0.55;B 是C的2倍，所以取值为0.55*2=1.1;以下类推。

指标权重确认方法归纳总结

指标权重确认方法归纳总结指标权重确认是指在多指标评价体系中，确定各个指标所占权重的过程。

通过合理的权重分配，可以更准确地评估不同指标对整体结果的影响程度。

本文将对指标权重确认的方法进行归纳总结，帮助读者更好地理解和应用该方法。

一、主观方法主观方法是指由专家根据自身经验和判断，对各个指标进行权重赋值的方法。

主观方法常用的有专家打分法、专家会议法和Delphi法。

1. 专家打分法专家打分法是通过请专家根据各指标的重要程度进行打分，再根据打分结果计算权重。

该方法的具体步骤为：首先列出各个评价指标，然后请专家根据自己的经验和判断，为每个指标进行打分，最后根据打分结果计算权重。

2. 专家会议法专家会议法是通过组织专家进行会议讨论的方式来确定权重。

在会议上，专家可以依据自己的研究经验和专业知识，对各个指标的权重进行讨论和确定。

该方法的优点是能够充分发挥专家的经验和判断，但缺点是可能受到主观因素的影响。

3. Delphi法Delphi法是一种匿名的专家意见调查方法，通过多轮反馈和调整，逐步达成共识。

在Delphi法中，专家会先独立给出对各个指标的权重估计，然后由主持人进行统计和分析，再将结果反馈给专家。

随后，专家重新评估并调整自己的意见，直至达成一致。

二、客观方法客观方法是通过数据和模型进行权重计算的方法。

常用的客观方法有层次分析法（AHP）和熵权法。

1. 层次分析法（AHP）层次分析法是一种将问题层次化，通过构建层次结构和进行两两比较，最终确定权重的方法。

该方法首先将指标层次化，分为准则层、子准则层和指标层，然后通过专家的两两比较，构建判断矩阵，最后计算权重。

AHP方法具有结构清晰、计算简单等优点。

2. 熵权法熵权法是一种基于信息熵的权重计算方法，通过计算指标的信息熵和相对信息熵，确定权重。

该方法首先计算指标的信息熵，信息熵越大，表示指标对决策结果的影响越大；然后计算相对信息熵，确定指标的权重。

熵权法适用于指标数目较多且具有相似性的评价体系。

计算指标权重的方法

检查决策者思维的一致性。CI值越大，表明判断矩
阵偏离完全一致性的程度越大；CI值越小（接近于
0），表明判断矩阵的一致性越好。
整理课件
14
❖ 当判断矩阵具有完全一致性时，CI=0； ❖ 当判断矩阵具有满意一致性时，需引入判断矩阵的
13
❖ 上述结论告诉我们，当判断矩阵不能保证具有完全一致性时，相应判断矩阵的特征根也将发生变化，这样就可以用判断矩阵特征根的变化来检验判断的一致性程度。因此，在层次分析法中引入判断矩阵最大特征根以外的其余特征根的负平均值，作为度量判断矩阵偏离一致性的指标，即用： CI max n
n 1Байду номын сангаас
整理课件
8
❖ 1-9标度方法
序号 1 2 3 4 5 6 7 8 9
重要性等级 i，j两元素同等重要 i元素比j元素稍重要 i元素比j元素明显重要 i元素比j元素强烈重要 i元素比j元素极端重要 i元素比j元素稍不重要 i元素比j元素明显不重要 i元素比j元素强烈不重要 i元素比j元素极端不重要
注：2，4，6，8和1/2整，理1课/件4，1/6，1/8介于其间。
Cij赋值1 3 5 7 9 1/3 1/5 1/7 1/9
9
对于上述例子，假定企业领导对于资金使用这个问题的态度是：首先是提高企业技术水平，其次是改善员工物质生活，最后是调动员工的工作积极性。则准则层对于目标层的判断矩阵A-B 为：
A
B1
B2
B3
B1 1 1/5 1/3
B2
5
1
3
❖ 在统计学中用来确定权重的三种方法
三种方法：AHP、ANP、熵值法
整理课件
1
三种方法：AHP、ANP、熵值法