权重确定方法归纳

合集下载

权重的确定方法汇总

权重的确定方法汇总1.主观评估法：该方法是根据领域专家的主观判断来确定权重。

专家会根据他们的经验和知识，对不同因素的重要性进行评估，并给出相应的权重。

这种方法适用于主观性较强的问题，如风险评估等。

2.权衡矩阵法：该方法是通过创建一个矩阵来确定权重。

在矩阵中，将各个影响因素两两进行比较，并根据重要性给出分值。

然后，根据分值计算权重。

这种方法适用于多个因素相互关联的问题。

常见的权衡矩阵方法有AHP（层次分析法）和ANP（层次网络过程）。

3.数据驱动方法：该方法是通过数据分析来确定权重。

可以使用统计分析、机器学习等技术，根据历史数据和模型训练结果，计算出各个因素的权重。

这种方法适用于大数据环境下，有足够的数据支持的问题。

4.线性规划法：该方法是通过线性规划模型来确定权重。

首先需要确定目标函数和约束条件，将问题转化为线性规划问题，然后使用线性规划算法求解出最优解，从而确定权重。

这种方法适用于有明确目标和约束的问题。

5.直觉法：该方法是通过个人的直觉和经验来确定权重。

根据个人判断，给出各个因素的权重。

这种方法适用于专家经验丰富、问题较为简单的情况。

6. Delphi法：该方法是通过专家群体的意见和建议来确定权重。

专家群体通过多轮的匿名调查和讨论，逐渐达成共识，最终确定权重。

这种方法适用于问题复杂、需要多个专家意见的情况。

7.模糊数学方法：该方法是通过模糊数学理论来确定权重。

通过模糊数学的模糊相似度和模糊综合评判等方法，计算出各个因素的权重。

这种方法适用于问题涉及的因素模糊性较强的情况。

8.回归分析法：该方法是通过回归分析模型来确定权重。

将因变量和自变量之间的关系建立回归方程，然后分析回归方程中自变量的系数大小，根据系数确定权重。

这种方法适用于因变量和自变量之间存在较强关联的问题。

在实际应用中，选择何种权重确定方法，需要根据问题的具体特点和数据情况来综合考虑。

常见的权重确定方法往往是结合多种方法，通过综合评估，得出最终的权重。

权重确定方法归纳

权重确定方法归纳多指标综合评价是指人们根据不同的评价目的,选择相应的评价形式据此选择多个因素或指标,并通过一定的评价方法将多个评价因素或指标转化为能反映评价对象总体特征的信息,其中评价指标与权重系数确定将直接影响综合评价的结果;按照权数产生方法的不同多指标综合评价方法可分为主观赋权评价法和客观赋权评价法两大类,其中主观赋权评价法采取定性的方法由专家根据经验进行主观判断而得到权数,然后再对指标进行综合评价,如层次分析法、综合评分法、模糊评价法、指数加权法和功效系数法等;客观赋权评价法则根据指标之间的相关关系或各项指标的变异系数来确定权数进行综合评价,如熵值法、神经网络分析法、TOPSIS法、灰色关联分析法、主成分分析法、变异系数法等;两种赋权方法特点不同,其中主观赋权评价法依据专家经验衡量各指标的相对重要性,有一定的主观随意性,受人为因素的干扰较大,在评价指标较多时难以得到准确的评价;客观赋权评价法综合考虑各指标间的相互关系,根据各指标所提供的初始信息量来确定权数,能够达到评价结果的精确但是当指标较多时,计算量非常大;下面就对当前应用较多的评价方法进行阐述;一、变异系数法一变异系数法简介变异系数法是直接利用各项指标所包含的信息,通过计算得到指标的权重;是一种客观赋权的方法;此方法的基本做法是：在评价指标体系中,指标取值差异越大的指标,也就是越难以实现的指标,这样的指标更能反映被评价单位的差距;例如,在评价各个国家的经济发展状况时,选择人均国民生产总值人均GNP作为评价的标准指标之一,是因为人均GNP不仅能反映各个国家的经济发展水平,还能反映一个国家的现代化程度;如果各个国家的人均GNP没有多大的差别,则这个指标用来衡量现代化程度、经济发展水平就失去了意义;由于评价指标体系中的各项指标的量纲不同,不宜直接比较其差别程度;为了消除各项评价指标的量纲不同的影响,需要用各项指标的变异系数来衡量各项指标取值的差异程度;各项指标的变异系数公式如下：式中：是第项指标的变异系数、也称为标准差系数；是第项指标的标准差；是第项指标的平均数;各项指标的权重为：二案例说明例如,英国社会学家英克尔斯提出了在综合评价一个国家或地区的现代化程度时,其各项指标的权重的确定方法就是采用的变异系数法;案例：利用变异系数法综合评价一个国家现代化程度时的指标体系中的各项指标的权重;数据资料是选取某一年的数据,包括中国在内的中等收入水平以上的近40个国家的10项指标作为评价现代化程度的指标体系,计算这些国家的变异系数,反映出各个国家在这些指标上的差距,并作为确定各项指标权重的依据;其标准差、平均数数据及其计算出的变异系数等见表1-1;i ii x V σ=()n i ,,2,1 =iV i i σi i xi ∑==ni iii VV W 1计算过程如下：1先根据各个国家的指标数据,分别计算这些国家每个指标的平均数和标准差；2根据均值和标准差计算变异系数; 即：这些国家人均GNP 的变异系数为：农业占GDP 比重的变异系数：其他类推;3将各项指标的变异系数加总：4计算构成评价指标体系的这10个指标的权重：人均GNP 的权重：农业占GDP 比重的权重：其他指标的权重都以此类推; 三变异系数法的优点和缺点当由于评价指标对于评价目标而言比较模糊时,采用变异系数法评价进行评定是比较合适的,适用各个构成要素内部指标权数的确定,在很多实证研究中也多数采用这一方法;缺点在于对指标的具体经济意义重视不够,也会存在一定的误7 966.270.66711 938.4ii iV x σ===782.0352.9316.7===iii x V σ0.6670.7820.2360.560.537 4.59+++++=145.059.4667.01===∑=ni iii VV W 1704.059.4782.01===∑=ni iii VV W差;二、层次分析法一层次分析法概述人们在对社会、经济以及管理领域的问题进行系统分析时,面临的经常是一个由相互关联、相互制约的众多因素构成的复杂系统;层次分析法则为研究这类复杂的系统,提供了一种新的、简洁的、实用的决策方法;层次分析法AHP法是一种解决多目标的复杂问题的定性与定量相结合的决策分析方法;该方法将定量分析与定性分析结合起来,用决策者的经验判断各衡量目标能否实现的标准之间的相对重要程度,并合理地给出每个决策方案的每个标准的权数,利用权数求出各方案的优劣次序,比较有效地应用于那些难以用定量方法解决的课题;二层次分析法原理层次分析法根据问题的性质和要达到的总目标,将问题分解为不同的组成因素,并按照因素间的相互关联影响以及隶属关系将因素按不同层次聚集组合,形成一个多层次的分析结构模型,从而最终使问题归结为最低层供决策的方案、措施等相对于最高层总目标的相对重要权值的确定或相对优劣次序的排定;层次分析法的特点是在对复杂的决策问题的本质、影响因素及其内在关系等进行深入分析的基础上,利用较少的定量信息使决策的思维过程数学化,从而为多目标、多准则或无结构特性的复杂决策问题提供简便的决策方法;尤其适合于对决策结果难于直接准确计量的场合;三层次分析法的步骤和方法•建立层次结构模型•构造判断（成对比较）矩阵•层次单排序及一致性检验•层次组合排序及一致性检验1. 建立层次结构模型利用层次分析法研究问题时,首先要把与问题有关的各种因素层次化,然后构造出一个树状结构的层次结构模型,称为层次结构图;一般问题的层次结构图分为三层,如图所示;最高层为目标层O ：问题决策的目标或理想结果,只有一个元素;中间层为准则层C ：包括为实现目标所涉及的中间环节各因素,每一因素为一准则,当准则多于9个时可分为若干个子层;最低层为方案层P ：方案层是为实现目标而供选择的各种措施,即为决策方案;一般说来,各层次之间的各因素,有的相关联,有的不一定相关联；各层次的因素个数也未必一定相同．实际中,主要是根据问题的性质和各相关因素的类别来确定;层次分析法所要解决的问题是关于最低层对最高层的相对权重问题,按此相对权重可以对最低层中的各种方案、措施进行排序,从而在不同的方案中作出选择或形成选择方案的原则;2. 构造判断成对比较矩阵构造比较矩阵主要是通过比较同一层次上的各因素对上一层相关因素的影响作用．而不是把所有因素放在一起比较,即将同一层的各因素进行两两对比;比较时采用相对尺度标准度量,尽可能地避免不同性质的因素之间相互比较的困难;同时,要尽量依据实际问题具体情况,减少由于决策人主观因素对结果造成的影响;决策目标o准则1C 1准则2C 2准则m 1C m1子准则1C 11子准则2C 21方案1P 1方案2P 2方案nP n子准则m 2 C m21设要比较n 个因素n C C C ,,,21 对上一层如目标层O 的影响程度,即要确定它在O 中所占的比重;对任意两个因素i C 和j C ,用ij a 表示i C 和j C 对O 的影响程度之比,按1～9的比例标度来度量),,2,1,(n j i a ij =．于是,可得到两两成对比较矩阵n n ij a A ⨯=)(,又称为判断矩阵,显然0>ij a ,),,2,1,(,1,1n j i a a a ii ijji ===因此,又称判断矩阵为正互反矩阵．比例标度的确定：ij a 取1-9的9个等级,ji a 取ij a 的倒数,1-9标度确定如下：ij a = 1,元素i 与元素j 对上一层次因素的重要性相同； ij a = 3,元素i 比元素j 略重要； ij a = 5,元素i 比元素j 重要； ij a = 7, 元素i 比元素j 重要得多； ij a = 9,元素i 比元素j 的极其重要； 2ij a n =,1,2,3,4n =元素i 与j 的重要性介于21ij a n =-与21ij a n =+之间；1ij a n=,1,2,9n =当且仅当ji a n =;由正互反矩阵的性质可知,只要确定A 的上或下三角的2)1(-n n 个元素即可;在特殊情况下,如果判断矩阵A 的元素具有传递性,即满足),,2,1,,(n k j i a a a ij kj ik ==则称A 为一致性矩阵,简称为一致阵． 3. 层次单排序及一致性检验3.1相对权重向量确定 1和积法取判断矩阵n 个列向量归一化后的算术平均值,近似作为权重,即),,2,1(111n i a a n w n j n k kjiji ==∑∑==类似地,也可以对按行求和所得向量作归一化,得到相应的权重向量; 2求根法几何平均法将A 的各列或行向量求几何平均后归一化,可以近似作为权重,即),,2,1(111111n i a a w nj nk nn j kj nij n j i =⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫ ⎝⎛=∑∑∏∏====3特征根法设想把一大石头Z 分成n 个小块n c c c ,,,21 ,其重量分别为n w w w ,,,21 ,则将n 块小石头作两两比较,记j i c c ,的相对重量为),,2,1,(n j i w w a jiij ==,于是可得到比较矩阵111122221212n n n n n n w w w w w w w w w w w w A w w w w w w ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦显然,A 为一致性正互反矩阵,记12(,,,)T n W w w w =,即为权重向量．且12111,,,n A W w w w ⎛⎫=⋅ ⎪⎝⎭则12111,,,n A W W W nW w w w ⎛⎫⋅=⋅= ⎪⎝⎭这表明W 为矩阵A 的特征向量,且n 为特征根．事实上：对于一般的判断矩阵A 有max A W W λ⋅=,这里)(max n =λ是A 的最大特征根,W 为m ax λ对应的特征向量．将W 作归一化后可近似地作为A 的权重向量,这种方法称为特征根法; 注：现有软件求得最大特征根与特征向量; 3.2一致性检验通常情况下,由实际得到的判断矩阵不一定是一致的,即不一定满足传递性和一致性．实际中,也不必要求一致性绝对成立,但要求大体上是一致的,即不一致的程度应在容许的范围内．主要考查以下指标： 1一致性指标：1max --=n n CI λ．2随机一致性指标：RI ,通常由实际经验给定的,如表2-1;表2-1 随机一致性指标3一致性比率指标：RICI CR =,当10.0<CR 时,认为判断矩阵的一致性是可以接受的,则m ax λ对应的特征向量可以作为排序的权重向量;此时()1max 111nij jnnj ii i iia wA W nw n w λ===⋅≈=∑∑∑其中(A )i W ⋅表示A W ⋅的第i 个分量; 4.计算组合权重和组合一致性检验 1组合权重向量设第1-k 层上1-k n 个元素对总目标最高层的排序权重向量为()1(1)(1)(1)(1)12,,,k Tk k k k n Wwww-----=第k 层上k n 个元素对上一层1-k 层上第j 个元素的权重向量为()(1)()()()121,,,,1,2,,k Tk k k k jj jn jk P p p pj n --==则矩阵1()()()()12,P ,,P k k k k k n P P -⎡⎤=⎣⎦是1-⨯k k n n 阶矩阵,表示第k 层上的元素对第1-k 层各元素的排序权向量．那么第k 层上的元素对目标层最高层总排序权重向量为()1()()(1)()()()(1)12()()()12,P ,,P ,,,k kk k k k k k k n Tk k k n W P W P W w w w---⎡⎤=⋅=⋅⎣⎦=或k k j n j k ij k in i w p wk ,,2,1,)1(1)()(1==-=∑- 对任意的2>k 有一般公式()()(1)(3)(2)(2)k k k W P P P W k -=⋅⋅⋅⋅>其中(2)W 是第二层上各元素对目标层的总排序向量． 2组合一致性指标设k 层的一致性指标为)()(2)(11,,,k nk k k CI CI CI - ,随机一致性指标为 )()(2)(11,,,k n k k k RI RI RI - 则第k 层对目标层的最高层的组合一致性指标为()1()()()()(1)12,,,k k k k k k n CI CI CI CI W --=⋅ 组合随机一致性指标为()1()()()()(1)12,,,k k k k k k n RI RI RI RI W --=⋅ 组合一致性比率指标为)3()()()1()(≥+=-k RICI CRCRk k k k 当10.0)(<k CR 时,则认为整个层次的比较判断矩阵通过一致性检验．四案例说明实例：人们在日常生活中经常会碰到多目标决策问题,例如假期某人想要出去旅游,现有三个目的地方案：风光绮丽的杭州1P 、迷人的北戴河2P 和山水甲天下的桂林3P ;假如选择的标准和依据行动方案准则有5个景色,费用,饮食,居住和旅途;1.建立层次结构模型目标层准则层2.构造判断矩阵1234511/2433217551/41/711/21/31/31/52111/31/5311C C A C C C ⎛⎫ ⎪⎪ ⎪= ⎪⎪ ⎪⎝⎭构造所有相对于不同准则的方案层判断矩阵 1相对于景色O 择旅游地P1桂林C1景色C2费用C3居住C4饮食C5旅途P2黄山P3北戴河12345C C C C C 11231251/2121/51/2`1P B P P ⎛⎫ ⎪= ⎪⎪⎝⎭123P P P2相对于费用3相对于居住4相对于饮食5相对于旅途3. 层次单排序及一致性检验3.1用matlab 求得判断矩阵A 的最大特征根与特征向量：max 5.073λ=,对应于max 5.073λ=的正规化的特征向量为：(2)(0.263,0.475,0.055,0.099,0.110)T W =判断矩阵1B 的最大特征值与特征向量max 3.005λ=(3)10.5950.2770.129W ⎛⎫ ⎪= ⎪ ⎪⎝⎭122311/31/8311/383`1P B P P ⎛⎫ ⎪= ⎪⎪⎝⎭123P P P 132********/31/3`1P B P P ⎛⎫ ⎪= ⎪⎪⎝⎭123P P P 14231341/3111/41`1P B P P ⎛⎫ ⎪= ⎪⎪⎝⎭123P P P 1523111/4111/4441P B P P ⎛⎫ ⎪= ⎪⎪⎝⎭123P P P判断矩阵2B 的最大特征值与特征向量max 3.002λ=(3)20.2360.682W ⎪= ⎪ ⎪⎝⎭判断矩阵3B 的最大特征值与特征向量max 3λ=(3)30.4290.429,0.142W ⎛⎫ ⎪= ⎪ ⎪⎝⎭判断矩阵4B 的最大特征值与特征向量max 3.009λ=(3)40.6330.193,0.175W ⎛⎫⎪= ⎪ ⎪⎝⎭判断矩阵5B 的最大特征值与特征向量max 3λ=(3)50.1660.166.0.668W ⎛⎫ ⎪= ⎪ ⎪⎝⎭4.一致性检验对于判断矩阵A 进行一致性检验：max 5.07350.01825151nCI n λ--===--查表知平均随机一致性指标RI,从而可检验矩阵一致性：0.018250.0162950.11.12CI CR RI ===< 同理,对于第二层次的景色、费用、居住、饮食、旅途五个判断矩阵的一致性检验均通过;利用层次结构图绘出从目标层到方案层的计算结果：5.层次总排序各个方案优先程度的排序向量为：(3)(2)W W W =0.5950.0820.4290.6330.1660.3000.4750.2770.2360.4290.1930.1660.2460.0550.1290.6820.1420.1750.6680.4560.0990.110 ⎪⎛⎫⎛⎫ ⎪ ⎪ ⎪ ⎪== ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭ ⎪ ⎪⎝⎭决策结果是首选旅游地为3P 其次为1P ,最后为2P ; 五优点与缺点人们在进行社会的、经济的以及科学管理领域问题的系统分析中,面临的常常是一个由相互关联、相互制约的众多因素构成的复杂而往往缺少定量数据的系统;层次分析法为这类问题的决策和排序提供了一种新的、简洁而实用的建模方法;在应用层次分析法研究问题时,遇到的主要困难有两个： i 如何根据实际情况抽象出较为贴切的层次结构；ii 如何将某些定性的量作比较接近实际定量化处理;层次分析法对人们的思维过程进行了加工整理,提出了一套系统分析问题的方法,为科学管理和决策提供了较有说服力的依据;但层次分析法也有其局限性,主要表现在：i 它在很大程度上依赖于人们的经验,主观因素的影响很大,它至多只能排除思维过程中的严重非一致性,却无法排除决策者个人可能存在的严重片面性;ii 当指标量过多时,对于数据的统计量过大,此时的权重难以确定;AHP 至多只能算是一种半定量或定性与定量结合的方法;三、熵值法一熵值法的原理在信息论中,熵是对不确定性的一种度量;信息量越大,不确定性就越小,熵也就越小；信息量越小,不确定性越大,熵也越大;根据熵的特性,我们可以通过计算熵值来判断一个事件的随机性及无序程度,也可以用熵值来判断某个指标的离散程度,指标的离散程度越大,该指标对综合评价的影响越大; 二算法实现过程 1.数据矩阵m n nm n m X X X X A ⨯⎪⎪⎪⎭⎫ ⎝⎛=1111其中ij X 为第i 个方案第j 个指标的数值; 2. 数据的非负数化处理由于熵值法计算采用的是各个方案某一指标占同一指标值总和的比值,因此不存在量纲的影响,不需要进行标准化处理,若数据中有负数,就需要对数据进行非负化处理;此外,为了避免求熵值时对数的无意义,需要进行数据平移：对于越大越好的指标：mj n i X X X X X X X X X X X nj j j nj j j nj j j ij ij ,,2,1;,,2,1,1),,,min(),,,max(),,,min(212121' ==+--=对于越小越好的指标：mj n i X X X X X X X X X X X nj j j nj j j ijnj j j ij,,2,1;,,2,1,1),,,min(),,,max(),,,max(212121' ==+--=为了方便起见,仍记非负化处理后的数据为ij X 3.计算第j 项指标下第i 个方案占该指标的比重),2,1(1m j XX P ni ijijij ==∑=4.计算第j 项指标的熵值1e 0,ln 10ln ,0,)log(*1≤≤=≥>-=∑=则一般令有关，与样本数。

权重确定方法归纳

P3北戴河 P3北戴河 P2黄山 P2黄山 P1桂林 P1桂林
2.构造判断矩阵
构造所有相于不同准则的方案层判断矩阵（1）相对于景色
（2）相对于费用（3）相对于居住（4）相对于饮食
（5）相对于旅途
3. 层次单排序及一致性检验 3.1用matlab求得判断矩阵的最大特征根与特征向量：，对应于的正规化的特征向量为：判断矩阵的最大特征值与特征向量判断矩阵的最大特征值与特征向量判断矩阵的最大特征值与特征向量判断矩阵的最大特征值与特征向量判断矩阵的最大特征值与特征向量
0.251 0.016 0.021 0.122 0.117 1
计算过程如下：（1）先根据各个国家的指标数据，分别计算这些国家每个指标的平均数和标准差；（2）根据均值和标准差计算变异系数。即：这些国家人均GNP的变异系数为：
农业占GDP比重的变异系数：
其他类推。（3）将各项指标的变异系数加总：
人均指 GNP 标
表1-1 现代化水平评价指标的权重
农业第三
非农
大学生每千
占产业
人口自
成人
业劳城市人
平均预
占适龄人拥
GDP 占
然增长
识字
总
动力口比重
期寿命
人口比有医
的比 GDP
率
率
比重
重
生
重比重
(美元) (%) (%) (%) (%) (%) (岁) (%) （%） (人) 和
平均 11938.4 9.352 54.86 0.826 69.792 0.7214 72.632 93.34 36.556 2.446 —
层次分析法根据问题的性质和要达到的总目标，将问题分解为不同的组成因素，并按照因素间的相互关联影响以及隶属关系将因素按不同层次聚集组合，形成一个多层次的分析结构模型，从而最终使问题归结为最低层(供决策的方案、措施等)相对于最高层(总目标)的相对重要权值的确定或相对优劣次序的排定。

确定权重的7种方法

确定权重的7种⽅法确定权重的7种⽅法表7-1 地质环境质量评价定权⽅法⼀览表序号定权⽅法1 专家打分法2 调查统计法1.重要性打分法2.“栅栏”法3.“⽹格”法4.列表打勾ü集合统计法T1.频数截取法2.聚类求均值法3.中间截取求均值法.3 序列综合法1.单定权因⼦排序法2.多定权因⼦排序法4 公式法1.三元函数法2.概率法3.信息量法4.相关系数法5.⾪属函数法5 数理统计法1.判别分析法2.聚类分析法3.因⼦分析法6 层次分析法7 复杂度分析法⼀、专家打分法专家打分法即是由少数专家直接根据经验并考虑反映某评价观点后定出权重，具体做法和基本步骤如下：第⼀步选择评价定权值组的成员，并对他们详细说明权重的概念和顺序以及记权的⽅法。

第⼆步列表。

列出对应于每个评价因⼦的权值范围，可⽤评分法表⽰。

例如，若有五个值，那么就有五列。

⾏列对应于权重值，按重要性排列。

第三步发给每个参予评价者⼀份上述表格，按下述步骤四~九反复核对、填写，直⾄没有成员进⾏变动为⽌。

第四步要求每个成员对每列的每种权值填上记号，得到每种因⼦的权值分数。

第五步要求所有的成员对作了记号的列逐项⽐较，看看所评的分数是否能代表他们的意见，如果发现有不妥之处，应重新划记号评分，直⾄满意为⽌。

第六步要求每个成员把每个评价因⼦（或变量）的重要性的评分值相加，得出总数。

第七步每个成员⽤第六步求得的总数去除分数，即得到每个评价因⼦的权重。

第⼋步把每个成员的表格集中起来，求得各种评价因⼦的平均权重，即为“组平均权重”。

第九步列出每种的平均数，并要求评价者把每组的平均数与⾃⼰在第七步得到的权值进⾏⽐较。

第⼗步如有⼈还想改变评分，就须回到第四步重复整个评分过程。

如果没有异议，则到此为⽌，各评价因⼦（或变量）的权值就这样决定了。

⼆、调查统计法具体作法有下⾯四种。

1．重要性打分法：重要性打分法是指要求所有被征询者根据⾃⼰对各评价因⼦的重要性的认识分别打分，其步骤如下：a.对被征询者讲清统⼀的要求，给定打分范围，通常1~5分或1~100分都可。

确定权重的7种方法

确定权重的7种方法主观赋权德尔菲专家法简介依据“德尔菲法”的基本原理，选择企业各方面的专家，采取独立填表选取权数的形式，然后将他们各自选取的权数进行整理和统计分析，最后确定出各因素，各指标的权数。

德尔菲法的主要缺点是过程比较复杂，花费时间较长。

实现方法选择专家。

一般情况下，选本专业领域中既有实际工作经验又有较深理论修养的专家10-30人左右，需征得专家本人同意。

将待定权重的p个指标和有关资料以及统一的确定权重的规则发给选定的各位专家，请他们独立给出各指标的权数值。

回收结果并计算各指标权数的均值和标准差。

将计算的结果及补充资料返还给各位专家，要求所有的专家在新的基础上确定权数。

重复3和4步骤，直至各指标权数与其均值的离差不超过预先给定的标准为止，也就是各专家的意见基本趋于一致，以此时各指标权数的均值作为该指标的权重。

此外，为了使判断更加准确，令评价者了解己确定的权数把握性大小，还可以运用“带有信任度的德尔菲法”，该方法需要在上述第5步每位专家最后给出权数值的同时，标出各自所给权数值的信任度。

这样，如果某一指标权数的任任度较高时，就可以有较大的把握使用它，反之，只能暂时使用或设法改进。

AHP层次分析法简介层次分析法将定量分析与定性分析结合起来，用决策者的经验判断各衡量目标之间能否实现的标准之间的相对重要程度，并合理地给出每个决策方案的每个标准的权数，利用权数求出各指标的重要程度。

但该方法主观因素对判断矩阵的影响很大，当决策者的判断过多地受其主观偏好的影响时，结果不够客观。

实现方法构建层次评价矩阵构造判断矩阵构造判断矩阵就是通过各要素之间相互两两比较，并确定各准则层对目标层的权重。

简单地说，就是把准则层的指标进行两两判断，通常使用Santy的1-9标度方法给出。

对于m 个指标，构建m*m的判断矩阵，并使用确定的标度方法完成该判断矩阵A。

3. 层次单排序根据构成的判断矩阵，求解各个指标的权重。

有两种方式，一种是方根法，一种是和法。

权重确定方法归纳

权重确定方法归纳
1.主观赋权法：主观赋权法是一种常见的权重确定方法，它基于决策
者的主观判断来确定各准则的权重。

决策者根据对问题的了解和经验，通
过主观评估来决定各准则的相对重要性。

这种方法适用于那些难以量化的
准则，或者决策者具有丰富经验和专业知识的情况。

2.定序法：定序法是一种通过比较准则对决策目标的贡献程度来确定
权重的方法。

决策者根据准则对目标的重要程度以及准则之间的相对重要
程度进行排序，然后使用排序结果来确定权重。

这种方法适用于准则之间
存在明显差异的情况，但不能提供具体的数值权重。

3.分配权重法：分配权重法是一种将权重分配给各准则的方法，使得
各准则的权重之和为1、常见的分配权重法包括均等赋权法、等级法和专
家赋权法。

均等赋权法将权重均分给各准则，等级法通过设定准则的等级
来确定权重，而专家赋权法则是通过专家的意见和判断来确定权重。

4.层次分析法（AHP）：层次分析法是一种通过构建层次结构和两两
比较确定权重的方法。

在AHP中，决策问题被分解为层次结构，有目标层、准则层和方案层等。

决策者通过两两比较准则和目标之间的重要性，使用
专门的AHP方法计算权重。

这种方法适用于较复杂、多层次的决策问题，
并且可以提供具体的数值权重。

以上是一些常见的权重确定方法，不同的方法适用于不同的决策情境
和目标。

在权重确定过程中，需要决策者充分考虑问题的具体情况，并尽
量使用多种方法相互印证，以提高决策结果的可信度。

最终确定的权重应
该能够准确反映各准则的相对重要性，为决策提供有力的支持。

权重的确定方法汇总

权重的确定方法汇总一、指标权重的确定1.综述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。

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。

但是这种赋权法没有考虑决策者的主观意向，因此确定的权重可能与人们的主观愿望或实际情况不一致，使人感到困惑。

因为从理论上讲，在多属性决策中，最重要的属性不一定使所有决策方案的属性值具有最大差异，而最不重要的属性却有可能使所有决策方案的属性值具有较大差异。

这样，按客观赋权法确定权重时，最不重要的属性可能具有最大的权重，而最重要的属性却不一定具有最大的权重。

而且这种赋权方法依赖于实际的问题域，因而通用性和决策人的可参与性较差，没有考虑决策人的主观意向，且计算方法大都比较繁锁。

从上述讨论可以看出，主观赋权法在根据属性本身含义确定权重方面具有优势，但客观性较差；而客观赋权法在不考虑属性实际含义的情况下，确定权重具有优势，但不能体现决策者对不同属性的重视程度，有时会出现确定的权重与属性的实际重要程度相悖的情况。

权重的确定方法

权重的确定方法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。

在模糊决策中，权重至关重要，他反映了各个因素在综合决策过程中所占有的地位和所起的作用，直接影响决策的结果。

通常是根据经验给出权重，不可否认这在一定程度上能反映实际情况，但凭经验给出的权重有时不能客观的反映实际情况，导致评判结果“失真”。

比较客观的权重的判定方法有如下几种：1.确定权重的统计方法1.1专家估测法该法又分为平均型、极端型和缓和型。

主要根据专家对指标的重要性打分来定权，重要性得分越高，权数越大。

优点是集中了众多专家的意见，缺点是通过打分直接给出各指标权重而难以保持权重的合理性。

设因素集U={n u u u ,...,2,1},现有k 个专家各自独立的给出各个因素i u （i=1,2,...,n ）的权重，∑==k j ij i a k a 11（i=1,2,...,n ），即)1,...,1,1(11211∑∑∑====kj nj k j j k j j a k a k a k A 。

1.2加权统计方法当专家人数k<30人时，可用加权统计方法计算权重。

按公式isi i k x w a ∑==1计算（其中s 为序号数）然后可得权重A 。

1.3频数统计方法由所有专家独立给出的各个因素的权重，得到权重分配表，对各个因素i u （i=1,2,...,n ）进行但因素的权重统计实验，步骤如下：第一步：对因素i u （i=1,2,...,n ）在它的权重ij a （j=1,2,...,k)中找出最大值i M 和最小值i m , 即{}ij k j i a M ≤≤=1max ,{}ij k j i a m ≤≤=1min . 第二步;适当选取整数p,利用公式pm M i i -计算出权重分为p 组的组距,并将权重从小到大分为p 组.第三步:计算出落在每组内权重的频数和频率.第四步:根据频数和频率的分布请况,取最大频率所在分组的组中值为因素i u 的权重i a （i=1,2,...,n ）,从而得权重A=(n a a a ,...,,21).1.4因子分析权重法根据数理统计中因子分析方法，对每个指标计算共性因子的累积贡献率来定权。

确定权重的方法有哪些

确定权重的方法有哪些确定权重的方法有以下几种：1. 主观评价法：主观评价法是通过主观判断确定权重的方法。

这种方法主要依赖于专家的经验和判断。

可以通过专家讨论、问卷调查、专家打分等方式获取权重。

这种方法的优点是简单、快捷，但由于受个人主观因素的影响较大，可能存在一定的不确定性和误差。

2. 层次分析法（AHP）：层次分析法是一种通过层次结构将问题分解为若干个互相关联的属性和准则，再通过对两两比较构建判断矩阵，最终计算权重的方法。

AHP方法综合了专家经验和定量数据，通过对判断矩阵进行运算，可以得出权重的相对大小。

这种方法的优点是结构化、可操作性好，但需要系统性的分析和计算，且对于问题的结构和判断矩阵的构建比较依赖。

3. TOPSIS法：TOPSIS（Technique for Order Preference by Similarity to Ideal Solution）方法是一种将问题转化为离差最小的理想解和离差最大的负理想解的距离，通过计算属性与理想解的相似程度，确定权重的方法。

这种方法通过比较属性与理想解的距离，综合考虑多个属性的影响，确定权重。

TOPSIS方法适用于多属性决策问题，优点是计算相对简单，可以充分考虑各属性的重要性。

4. 熵权法：熵权法是一种根据信息熵原理进行权重确定的方法。

该方法通过计算各属性的信息熵值，反映属性的不确定性和随机性，进而计算出权重。

熵权法的优点是不涉及主观评价，避免了主观偏差，同时可以充分考虑属性的信息量和差异。

5. 模糊数学方法：模糊数学方法是一种基于模糊逻辑的判断和决策方法。

这种方法适用于问题属性之间存在模糊性和不确定性的情况。

通过建立模糊隶属函数，对属性进行模糊化处理，并进行模糊比较和加权，最终确定权重。

模糊数学方法的优点是能够应对复杂的问题和模糊的信息，但计算过程较为复杂。

6. 统计分析方法：统计分析方法是一种利用数据分析和统计方法确定权重的方法。

通过对历史数据或实验数据进行分析和建模，可以得出不同属性的权重。

权重确定方法归纳90955

二、层次分析法
（一）层次分析法概述
人们在对社会、经济以及管理领域的问题进行系统分析时，面临的经常是一个由相互关联、相互制约的众多因素构成的复杂系统。层次分析法则为研究这类复杂的系统，提供了一种新的、简洁的、实用的决策方法。
层次分析法(AHP 法) 是一种解决多目标的复杂问题的定性与定量相结合的决策分析方法。该方法将定量分析与定性分析结合起来，用决策者的经验判断各衡量目标能否实现的标准之间的相对重要程度，并合理地给出每个决策方案的每个标准的权数，利用权数求出各方案的优劣次序，比较有效地应用于那些难以用
各项指标的权重为：
（二）案例说明
Wi
Vi
n
Vi
i 1例如，英国社会学Fra bibliotek英克尔斯提出了在综合评价一个国家或地区的现代化程度时，其各项指标的权重的确定方法就是采用的变异系数法。
案例：利用变异系数法综合评价一个国家现代化程度时的指标体系中的各项指标的权重。数据资料是选取某一年的数据，包括中国在内的中等收入水平以上的近 40 个国家的 10 项指标作为评价现代化程度的指标体系，计算这些国家的变异系数，反映出各个国家在这些指标上的差距，并作为确定各项指标权重的依据。其标准差、平均数数据及其计算出的变异系数等见表 1-1。
平均 11938.4 9.352 54.86 0.826 69.792 0.7214 72.632 93.34 36.556 2.446 —
数
标准差
7966.27
7.316
12.94
0.17
19.339 0.8319 5.375 9.05
20.477 1.314 —
变异系数
0.667
0.782 0.236 0.206 0.277 1.153 0.074 0.097 0.56

权重确定方法归纳

权重确定方法归纳多指标综合评价是指人们根据不同的评价目的，选择相应的评价形式据此选择多个因素或指标，并通过一定的评价方法将多个评价因素或指标转化为能反映评价对象总体特征的信息，其中评价指标与权重系数确定将直接影响综合评价的结果。

按照权数产生方法的不同多指标综合评价方法可分为主观赋权评价法和客观赋权评价法两大类，其中主观赋权评价法采取定性的方法由专家根据经验进行主观判断而得到权数，然后再对指标进行综合评价，如层次分析法、综合评分法、模糊评价法、指数加权法和成效系数法等。

客观赋权评价法那么根据指标之间的相关关系或各项指标的变异系数来确定权数进行综合评价，如熵值法、神经网络分析法、TOPSIS法、灰色关联分析法、主成分分析法、变异系数法等。

两种赋权方法特点不同，其中主观赋权评价法依据专家经验衡量各指标的相对重要性，有一定的主观随意性，受人为因素的干扰较大，在评价指标较多时难以得到准确的评价。

客观赋权评价法综合考虑各指标间的相互关系，根据各指标所提供的初始信息量来确定权数，能够到达评价结果的精确但是当指标较多时，计算量非常大。

下面就对当前应用较多的评价方法进行阐述。

一、变异系数法〔一〕变异系数法简介变异系数法是直接利用各项指标所包含的信息，通过计算得到指标的权重。

是一种客观赋权的方法。

此方法的根本做法是：在评价指标体系中，指标取值差异越大的指标，也就是越难以实现的指标，这样的指标更能反映被评价单位的差距。

例如，在评价各个国家的经济开展状况时，选择人均国民生产总值(人均GNP)作为评价的标准指标之一，是因为人均GNP不仅能反映各个国家的经济开展水平，还能反映一个国家的现代化程度。

如果各个国家的人均GNP没有多大的差异，那么这个指标用来衡量现代化程度、经济开展水平就失去了意义。

由于评价指标体系中的各项指标的量纲不同，不宜直接比拟其差异程度。

为了消除各项评价指标的量纲不同的影响，需要用各项指标的变异系数来衡量各项指标取值的差异程度。

权重确定方法归纳解读

按照权数产生方法的不同多指标综合评价方法可分为主观赋权评价法和客观赋权评价法两大类，其中主观赋权评价法采取定性的方法由专家根据经验进行主观判断而得到权数，然后再对指标进行综合评价，如层次分析法、综合评分法、模糊评价法、指数加权法和功效系数法等。

客观赋权评价法则根据指标之间的相关关系或各项指标的变异系数来确定权数进行综合评价，如熵值法、神经网络分析法、TOPSIS法、灰色关联分析法、主成分分析法、变异系数法等。

客观赋权评价法综合考虑各指标间的相互关系，根据各指标所提供的初始信息量来确定权数，能够达到评价结果的精确但是当指标较多时，计算量非常大。

下面就对当前应用较多的评价方法进行阐述。

一、变异系数法（一）变异系数法简介变异系数法是直接利用各项指标所包含的信息，通过计算得到指标的权重。

是一种客观赋权的方法。

此方法的基本做法是：在评价指标体系中，指标取值差异越大的指标，也就是越难以实现的指标，这样的指标更能反映被评价单位的差距。

例如，在评价各个国家的经济发展状况时，选择人均国民生产总值(人均GNP)作为评价的标准指标之一，是因为人均GNP不仅能反映各个国家的经济发展水平，还能反映一个国家的现代化程度。

如果各个国家的人均GNP没有多大的差别，则这个指标用来衡量现代化程度、经济发展水平就失去了意义。

由于评价指标体系中的各项指标的量纲不同，不宜直接比较其差别程度。

为了消除各项评价指标的量纲不同的影响，需要用各项指标的变异系数来衡量各项指标取值的差异程度。

权重确定方法归纳

权重确定方法归纳权重确定方法是在进行决策或评估时，为不同因素赋予适当的重要性或权重。

权重确定方法可以用于各种领域，包括投资决策、风险评估、项目管理和多准则决策等。

在确定权重时，需要考虑各种因素，包括数据的可靠性、因素的相对重要性和专家的意见等。

下面将介绍几种常用的权重确定方法。

1.主观直觉法：主观直觉法是一种基于个人主观判断的权重确定方法。

该方法主要依靠专家、决策者或参与者的经验和直觉来确定权重。

专家可以根据他们对问题的了解和经验，对不同因素进行排序或赋予不同的权重。

然而，主观直觉法的缺点是容易受到主观偏见的影响，因此在使用该方法时，需要确保专家具有足够的经验和知识，并通过多个专家的意见进行比较和验证。

2.层次分析法（AHP）：层次分析法是一种通过构建层次结构来确定权重的方法。

该方法将问题分解成不同的层次，从整体到细节逐级分析，然后通过对不同层次的比较和判断，确定各因素的权重。

层次分析法可以使用数学计算来帮助决策者对不同因素进行比较和权重的确定。

该方法的优点是可以量化不同因素之间的差异和相对重要性，提高决策的科学性和客观性。

3.主观分配法：主观分配法是一种基于专家意见和判断的权重确定方法。

在主观分配法中，决策者或专家需要根据问题的特点和其对因素的了解，为每个因素分配一个主观的比重或权重。

这种方法常用于风险评估或项目管理中，其中不同的风险因素或项目阶段可能具有不同的权重。

主观分配法的优点是简单易用，适用于小规模决策和评估。

然而，由于其主观性，需要确保专家具有足够的专业知识和经验。

4.统计分析法：统计分析法是一种基于数据和分析的权重确定方法。

该方法通过对数据进行统计分析和建模，利用数学方法来确定不同因素的权重。

统计分析法可以使用回归分析、因子分析、主成分分析等方法来确定权重。

这种方法的优点是基于数据和客观分析，可以减少主观因素的影响。

但同时需要注意数据的可靠性和分析方法的适用性。

以上是几种常用的权重确定方法，每种方法都有其优缺点和适用范围。

权重的确定方法大全

权重的确定方法大全A.权重简介在统计理论和实践中，权重是表明各个评价指标（或者评价项目）重要性的权数，表示各个评价指标在总体中所起的不同作用。

权重有不同的种类，各种类别的权重有着不同的数学特点和经济含义，一般有以下几种权重。

按照权重的表现形式的不同，可分为绝对数权重和相对数权重。

相对数权重也称比重权数，能更加直观地反映权重在评价中的作用。

按照权重的形成方式划分，可分为人工权重和自然权重。

自然权重是由于变换统计资料的表现形式和统计指标的合成方式而得到的权重，也称为客观权重。

人工权重是根据研究目的和评价指标的内涵状况，主观地分析、判断来确定的反映各个指标重要程度的权数，也称为主观权重。

按照权重形成的数量特点的不同划分，可分为定性赋权和定量赋权。

如果在统计综合评价时，采取定性赋权和定量赋权的方法相结合，获得的效果更好。

按照权重与待评价的各个指标之间相关程度划分，可分为独立权重和相关权重。

独立权重是指评价指标的权重与该指标数值的大小无关，在综合评价中较多地使用独立权重，以此权重建立的综合评价模型称为“定权综合”模型。

相关权重是指评价指标的权重与该指标的数值具有函数关系，例如，当某一评价的指标数值达到一定水平时，该指标的重要性相应的减弱；或者当某一评价指标的数值达到另一定水平时，该指标的重要性相应地增加。

相关权重适用于评价指标的重要性随着指标取值的不同而发生变化的条件下，基于相关权重建立的综合评价模型被称为“变权模型”。

比如评估环境质量多采用“变权综合”模型。

确定权重的方法较多，这里介绍统计平均法、变异系数法和层次分析法，这些也是实际工作种常用的方法。

B.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。

所以，在确定它们的权重时，不能只从单个指标出发，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，把整体最优化作为出发点和追求的目标。

权重确定方法归纳

下面就对当前应用较多的评价方法进行阐述。

一、变异系数法（一）变异系数法简介变异系数法是直接利用各项指标所包含的信息，通过计算得到指标的权重。

是一种客观赋权的方法。

此方法的基本做法是：在评价指标体系中，指标取值差异越大的指标，也就是越难以实现的指标，这样的指标更能反映被评价单位的差距。

例如，在评价各个国家的经济发展状况时，选择人均国民生产总值(人均GNP)作为评价的标准指标之一，是因为人均GNP 不仅能反映各个国家的经济发展水平，还能反映一个国家的现代化程度。

如果各个国家的人均GNP 没有多大的差别，则这个指标用来衡量现代化程度、经济发展水平就失去了意义。

由于评价指标体系中的各项指标的量纲不同，不宜直接比较其差别程度。

为了消除各项评价指标的量纲不同的影响，需要用各项指标的变异系数来衡量各项指标取值的差异程度。

权重确定方法归纳

下面就对当前应用较多的评价方法进行阐述。

一、变异系数法（一）变异系数法简介变异系数法是直接利用各项指标所包含的信息，通过计算得到指标的权重。

是一种客观赋权的方法。

此方法的基本做法是：在评价指标体系中，指标取值差异越大的指标，也就是越难以实现的指标，这样的指标更能反映被评价单位的差距。

如果各个国家的人均GNP没有多大的差别，则这个指标用来衡量现代化程度、经济发展水平就失去了意义。

由于评价指标体系中的各项指标的量纲不同，不宜直接比较其差别程度。

为了消除各项评价指标的量纲不同的影响，需要用各项指标的变异系数来衡量各项指标取值的差异程度。

权重的确定方法汇总

权重的确定方法汇总在许多领域，如数据分析、评估体系、决策制定等，确定权重是一项关键任务。

权重的合理确定能够影响最终的结果和决策的准确性。

下面，让我们一起来探讨一些常见的权重确定方法。

一、主观赋权法主观赋权法是基于专家的经验和判断来确定权重的方法。

其中，最常见的就是德尔菲法和层次分析法。

德尔菲法是通过多轮匿名调查，向专家征求意见，并在每一轮结束后进行反馈和调整，直到专家的意见趋于一致。

这种方法的优点是能够充分发挥专家的智慧和经验，但缺点是过程较为繁琐，而且可能受到专家主观因素的影响。

层次分析法则是将复杂的问题分解为多个层次和因素，通过两两比较的方式确定相对重要性，进而得出权重。

它的优势在于能够系统地处理复杂问题，但也存在判断矩阵一致性检验等较为复杂的步骤。

二、客观赋权法客观赋权法是基于数据本身的特征来确定权重，常见的有熵权法、主成分分析法和因子分析法。

熵权法根据指标的变异程度来确定权重。

如果某个指标的变异程度较大，说明其提供的信息量较多，权重也就相应较大。

这种方法的优点是完全基于数据，不受主观因素影响，但对于数据的质量和数量有一定要求。

主成分分析法通过将多个相关变量转化为少数几个不相关的综合变量（主成分），并根据主成分的方差贡献率来确定权重。

它能够有效地减少变量的数量，同时保留原始数据的大部分信息。

因子分析法与主成分分析法类似，但它更侧重于寻找潜在的公共因子，通过因子得分来确定权重。

三、组合赋权法为了综合主观和客观赋权法的优点，常常采用组合赋权法。

组合赋权法通常有两种思路：一是先分别使用主观和客观赋权法得到两组权重，然后通过一定的方法（如加权平均）进行组合；二是将主观和客观的信息同时纳入一个模型中，共同确定权重。

四、基于机器学习的方法在大数据时代，机器学习算法也被应用于权重的确定。

例如，在神经网络中，通过训练模型，让网络自动学习各个特征的权重。

但这种方法需要大量的数据和较高的计算资源，并且模型的解释性相对较差。

(完整word)权重确定方法归纳,推荐文档

文案大全
实用标准
难以用定量方法解决的课题。（二）层次分析法原理
层次分析法根据问题的性质和要达到的总目标，将问题分解为不同的组成因素，并按照因素间的相互关联影响以及隶属关系将因素按不同层次聚集组合，形成一个多层次的分析结构模型，从而最终使问题归结为最低层(供决策的方案、措施等)相对于最高层(总目标)的相对重要权值的确定或相对优劣次序的排定。
, a ji
1 aij
, aii
1, (i,
j
1,2,, n)Байду номын сангаас
因此，又称判断矩阵为正互反矩阵．
比例标度的确定： aij 取 1-9 的 9 个等级， a ji 取 aij 的倒数,1-9 标度确定如下：
aij = 1，元素 i 与元素 j 对上一层次因素的重要性相同；
aij = 3，元素 i 比元素 j 略重要；
第 k 层上 nk 个元素对上一层( k 1 层)上第 j 个元素的权重向量为
3.1 相对权重向量确定
（1）和积法取判断矩阵 n 个列向量归一化后的算术平均值，近似作为权重，即
wi
1 n
n j 1
aij
n
(i 1,2,, n)
akj
k 1
类似地，也可以对按行求和所得向量作归一化，得到相应的权重向量。
（2）求根法（几何平均法）
将 A 的各列（或行）向量求几何平均后归一化，可以近似作为权重，即
2. 构造判断（成对比较）矩阵构造比较矩阵主要是通过比较同一层次上的各因素对上一层相关因素的影响作用．而不是把所有因素放在一起比较，即将同一层的各因素进行两两对比。比较时采用相对尺度标准度量，尽可能地避免不同性质的因素之间相互比较的困难。同时，要尽量依据实际问题具体情况，减少由于决策人主观因素对结果造成的影响。设要比较 n 个因素 C1,C2 ,,Cn 对上一层（如目标层） O 的影响程度，即要

权重确定方法归纳

权重确定方法归纳权重确定方法是指在进行决策、评估或者模型建立等过程中，为不同的因素或者变量赋予不同的重要程度或者影响力的过程。

权重确定方法的选择直接影响最终决策的科学性和准确性。

本文将归纳总结主要的权重确定方法，并对其优缺点进行分析。

1.主客观权重赋值法主观权重确定方法是基于决策者的经验、判断和主观意见来进行权重赋值。

这种方法的优点是简单、直观，决策者可以根据自己的经验和感觉给出权重，易于实施。

但是主观权重容易受到主观偏见和主观随意性的影响，导致结果可能不够客观和准确。

客观权重确定方法是基于统计分析、数据挖掘等方法来进行权重赋值。

这种方法的优点是客观性强、结果准确，可以减少主观偏见。

但是客观权重的确定需要大量的数据和分析方法，而且对数据质量和方法选择要求较高。

2.基于满意度函数的权重确定方法满意度函数是用来衡量不同方案或者因素对决策目标的满意程度的数学函数。

满意度函数可根据具体情况来定义，一般可以是线性函数、指数函数、对数函数等。

通过确定不同因素对目标满意度的贡献程度，可以确定权重。

这种方法的优点是结合了主客观方法的优点，可以量化不同因素对目标的影响程度，并根据不同的目标和需求灵活调整满意度函数的定义。

但是满意度函数的选择和权重的计算比较复杂，需要大量的数学模型和计算。

3.层次分析法（AHP）层次分析法是一种多层次、多因素的权重确定方法，通过构建层次结构和两两比较矩阵来确定权重。

在层次结构中，将决策问题划分为目标层、准则层和方案层，然后通过两两比较准则和方案的相对重要性来构建两两比较矩阵，最后通过特征向量法或者最大特征值法来计算权重。

层次分析法的优点是能够通过对决策问题的分解和比较，将复杂的决策问题简化为相对简单的两两比较问题，提高了决策的可行性和可行性。

但是层次分析法需要决策者准确的两两比较和数值判断能力，对数据质量和方法选择要求较高。

4.模糊综合评判法模糊综合评判法是基于模糊数学理论，将模糊评价和综合决策方法相结合的一种权重确定方法。