熵值法

所属分类：综合评价

这个方法是做什么的

熵值法用信息熵度量每个指标在评价对象之间的离散程度，据此定权重：某个指标在各对象上取值越均匀，信息熵 e 越接近 1、信息效用 d=1−e 越小、权重越低；取值越参差，权重越高。计算前先做同向化与无量纲化——负向指标按 max−x 正向化，全部指标再按 (x−min)/(max−min) 映射到 [0,1]，因此结果不受原始量纲影响。熵基常数 k = 1/ln(评价对象数)，第一张卡会把它连同对象数一起打出来。

与本类别里只出权重的几个模块不同，本模块还给综合得分：得分 = Σ(标准化后的指标值 × 权重)，取值域 [0,1]，并按降序排名。第四张卡是权重敏感性——每个指标各 ±20% 扰动再加等权对照，逐情景完整重算得分与名次，报告 Spearman ρ、首位是否易位、最大名次变动。读这份报告时最该带着的问题是“权重高的那个指标，业务上真的重要吗”：卡③的结论文案已经把话说在前面——某个业务上重要的指标权重偏低，说明它在当前样本中没体现出应有的差异，这是数据层面的结论，不等于该指标不重要。

需要准备什么数据

• 正向指标 (越大越好)（可选）：至少 0 个，定量变量（数值）
• 负向指标 (越小越好)（可选）：至少 0 个，定量变量（数值）

数据要求

• 数据表至少 3 行。
• 单列缺失率不超过 30%。

以上条目由系统从该方法的校验规则直接生成，与上传数据时的实际拦截规则一致。

什么时候用它

• 有一批可比对象和一套指标，想要一套完全由数据决定、不掺主观判断的权重与综合得分
• 各指标量纲不同、无法直接相加，需要系统一步完成同向化与无量纲化
• 需要一个可复现、能写进论文方法部分的客观赋权口径
• 想看到“换一套权重名次还成立吗”的敏感性证据

前提是正负两区合计至少 2 个定量指标，以及足够多的评价对象——熵基常数依赖对象数，对象太少时熵值几乎不含信息（见下方第三条）。零方差的常数指标会被自动剔除，剔除后剩余指标须仍不少于 2 个，第一张卡的“纳入状态”列会标出被剔掉的是哪几个。

什么时候不要用它

• 想让权重惩罚指标之间的信息重复：用「CRITIC权重法」，它在离散度之外乘一个冲突性项；只关心冗余不关心离散度的用「独立性权系数法」。
• 要按正负理想解的距离排序，并输出 D+／D− 结构：用「优劣解距离法(TOPSIS)」，它内部同样可以选熵权法赋权。
• 结论要落在分档而不是精确名次：用「秩和比综合评价法(RSR)」。
• 指标分成“投入”和“产出”两类，你想评的是转化效率：用「数据包络分析(DEA)」，它不需要事先赋权。
• 对象只有一个，你要判断它属于哪个等级：用「模糊综合评价」。
• 要做的是问卷题项赋权、还想要权重的区间估计：用「权重分析(熵权法)」，它是问卷分析类别下的另一个熵权实现。

容易误读的地方

• 权重只反映数据拉得开不开，不反映业务重要性。 把同一份数据（15 个对象、4 个指标）分别喂给四个客观赋权模块实测：“床位使用率”在本模块拿到 16.78%，在「变异系数法」只有 7.48%，在「独立性权系数法」却高达 33.17%。四个方法都“客观”，给出的答案却相差四倍多。选哪一个是研究者的判断，不能说成数据自己得出的结论。
• 它不惩罚信息冗余，高度相关的指标会重复计权。 熵值逐指标独立计算，两列携带同一份信息也各算一次。第一张卡的冗余诊断专门报这个——演示数据上报出“人均GDP”与“平均住院日”的 r=−0.902，并建议先精简指标或改用 CRITIC 法。看到这条提示还照抄权重表，等于给那份信息偷偷加倍。
• 只有两个评价对象时，熵权法会悄悄退化成等权。 实测：把演示数据截成 2 行重跑，5 个指标的权重齐刷刷都是 20.000%、信息效用 d 全是 1.0。原因是 min-max 归一化后每列只剩 0 和 1 两个值，各列的熵完全相同。截成 3 行才开始出现区分（31.9%~14.3%）。对象数很少时权重表看着正常，其实没有任何信息，别据此讨论“哪个指标最关键”。
• 单个离群对象就能抬高一个指标的权重。 极差被一个极端值拉大后，该指标的离散度上升、熵值下降、权重随之上升。分析前应先核一遍第一张卡描述统计里的最小值与最大值，权重异常集中在某个指标上时尤其要回头查数据。
• 综合得分是 [0,1] 上的相对值，而且表里只有行号没有对象名。 标准化基准来自本批对象的极值，换一批对象权重与得分同时改变，跨批次不可比。本模块也没有索引项拖拽区，卡②的结论用的是“原始数据第 4 行”这种说法，表格默认只显示前 10 行，要按名称呈现名次得自己按行号回原表对照。第四张卡的判定文字还要连着读完：演示数据整体判为“较稳定”，同一段却写明有 1 个情景的首位对象发生易位——这时第一名的领先并不牢固，不该单独拎出来宣传。

报告里有什么

1. 输出结果一：数据概览与前提检验
2. 输出结果二：权重与综合得分主结果表
3. 输出结果三：可视化（指标权重图）
4. 输出结果四：权重敏感性与排名稳定性
5. 输出结果五：结论与学术表述