模糊综合评价

所属分类：综合评价

这个方法是做什么的

模糊综合评价针对的是一个被评对象，输出它对各评价等级的隶属度分布，回答“这家店整体上算‘很满意’还是‘满意’”，而不是“哪家店最好”。它的输入结构与本类别其他模块相反：每一行是一个评价指标，每一列是一个评价等级（该等级上的频数或频率），另需一列定类的指标名称。系统先对每个指标在各等级上的取值做 min-max 归一化得到隶属度矩阵 R，再用权重向量 W 与 R 做模糊合成 b = R∘W，归一化后即为各等级的隶属度分布。

两个下拉都会改结论。权重可选熵权法或不设置权重（等权）。模糊算子有四种：M(*,+) 加权平均，信息损失最小，是默认与最常用的；M(Λ,V) 取小取大，只保留最突出的单一因素，信息损失最大；另有 M(*,V) 与 M(Λ,+) 两种折中。读这份报告时最该盯住的是第四张卡的两个量：优势度差 Δ（最大隶属度减次大隶属度）与归一化熵 H。演示数据里主导等级是“很满意”（0.3981），次优“满意”是 0.3728，Δ 只有 0.0253，报告直接判定最大隶属度原则在此不具判别力，建议改以加权平均得分为主要结论。

需要准备什么数据

• 放入评价等级数据列 [定量]：至少 2 个，定量变量（数值）
• 放入评价指标名称列 [定类]：定类变量（分组/标签）

数据要求

• 数据表至少 2 行。
• 单列缺失率不超过 20%。

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

• 手上是一张“指标 × 等级”的评分汇总表（如各题项在“很满意～不满意”上的人数），想得到一个整体等级结论
• 评价等级本身是有序的语言标签，勉强量化成分数反而失真
• 需要在结论里体现“介于两个等级之间”的模糊性，而不是硬套一个标签
• 想验证结论对权重与合成算子这两项主观选择是否敏感

前提是评价等级列的先后顺序必须与语义顺序一致（如“很满意→满意→一般→不满意”），因为综合得分表按 4→1 递减赋值；有效指标行至少 2 行。列顺序程序无法自动校验，只能人工确认。

什么时候不要用它

• 你有一批对象要排名次：用「优劣解距离法(TOPSIS)」「多准则妥协解排序法(VIKOR)」或「秩和比综合评价法(RSR)」，本模块不做对象间比较。
• 数据是一行一个对象、一列一个指标的常规宽表：那是「优劣解距离法(TOPSIS)」这类模块的结构，直接拖进本模块会把指标和等级弄反。
• 只想要一套指标权重：用「熵值法」「CRITIC权重法」或「变异系数法」。
• 要检验各等级的人数分布是否偏离某个理论比例：用「卡方拟合优度检验」，本方法不做假设检验。
• 要看两个分类变量（如满意度等级与地区）之间是否有关联：用「卡方检验」或「列联（交叉）分析」。

容易误读的地方

• 隶属度归一化权重不是各等级的人数占比。 报告写着“很满意=0.398”，指的是评价结论倾向该等级的程度，不是 39.8% 的人选了“很满意”。演示数据里“很满意”的实际频数占比是 37.6%，与 0.398 并不相等，两者不可混用，更不能拿去算百分比。
• M(Λ,V) 配等权会让多个等级完全并列，而报告仍会报出一个主导等级。 实测：切到“不设置权重”+M(Λ,V) 后，归一化隶属度是 0.333、0.333、0.333、0.000，Δ=0.0000，三个等级数学上完全无法区分，但按最大隶属度原则报告依旧写“主导等级为‘很满意’”。这种情况下那个等级只是排在列顺序最前面而已，必须改报加权平均得分。
• 隶属度矩阵是按每一行拉满的，差异再小也会被放大到 [0,1]。 min-max 归一化让每个指标最好的那一档变成 1、最差的那一档变成 0。某个指标四个等级的人数只差 26、25、24、23，它在 R 里照样呈现为 1、0.667、0.333、0，看上去区分度很强。判读前务必回第一张卡看原始取值和行合计——那里才有真实的差距有多大。
• 列的顺序决定得分方向，放反了得分整个翻过来。 综合得分按等级 4→1 递减赋值，即默认第一列最优。若你的列是“不满意→很满意”排列，3.169 分就得读成 1.831 分的意思。这一条程序不检查，第一张卡只会把当前顺序原样打出来请你确认。
• 优势度差 Δ 与归一化熵 H 可能给出相反的提示。 演示数据里 H=0.7734 被判为“分布较为集中，结论具备区分度”，而同一张卡的 Δ=0.0253 被判为“最大隶属度原则不稳健”。这不矛盾：H 描述整个分布的集中程度，Δ 只看前两名的差距。要不要报单一等级结论，取决于 Δ，不是 H。

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、隶属度与综合得分主结果表
3. 输出结果三：可视化（评价等级隶属度分布图）
4. 输出结果四：分布特征与敏感性分析
5. 输出结果五：结论与学术表述