障碍度模型

这个方法是做什么的

障碍度模型回答的是“离最好还差在哪里”。每行是一个评价对象（常见的是一个年份或一个地区），各列是指标；正向指标与负向指标分别拖入对应区，先做同向化与极差标准化，得到 0 到 1 之间的 x′，越接近 1 越接近本批对象中的最优水平。随后用指标权重作为因子贡献度 Fⱼ，用 1 − x′ 作为指标偏离度 Iᵢⱼ，障碍度 Oᵢⱼ = FⱼIᵢⱼ / ΣFⱼIᵢⱼ，每个对象的各指标障碍度合计 100%。权重可选熵值法（默认）、CRITIC 权重法或等权，前两者的定义与对应的同名模块完全相同。

报告给出每个对象的障碍度矩阵和前 3 位障碍因素、障碍度热力图与各指标的平均障碍度；第四张卡同时列出三种赋权下的权重、综合得分 Σwⱼx′ᵢⱼ，以及换一种赋权后综合得分排名和平均障碍度排名的 Spearman 秩相关，用来判断“主要障碍”的诊断是否依赖赋权方法。

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）
评价对象标签列（如年份、地区，可选）（可选）：0~1 个，定类变量（分组/标签）

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

已经用综合评价得到了历年或各地区的得分，想进一步说明每年、每地拖后腿的是哪几个指标
研究发展水平、协调水平类课题，需要识别制约因素并观察它们随时间的迁移
指标量纲不同、有正有负，需要在同一口径下比较各指标的“短板程度”
想检验主要障碍的诊断对赋权方法是否敏感
想在指标层面定位短板；本模块不做准则层汇总，需要时可把同一维度各指标的障碍度相加，因为每个对象的障碍度合计为 100%

前提是两区合计至少 2 个定量指标、至少 3 个评价对象；含缺失的行整行剔除，零方差的常数指标会被剔除并在卡①列出。“评价对象标签列”可选，放入年份或地区名后报告按名称显示每个对象，不放则显示为“第 N 行”，重名的标签会自动加序号区分。演示数据是某地 2013—2024 年 8 项发展指标，熵值法下平均障碍度最高的是“研发投入强度”（19.24%）。

什么时候不要用它

只想得到综合得分和排名，不需要诊断短板：用「熵值法」或「优劣解距离法(TOPSIS)」。
想看两个系统之间的协调程度：用「耦合协调度」。
权重要由专家判断确定：先用「层次分析法(AHP)」定权重，本模块目前只提供熵值法、CRITIC 与等权三种客观赋权。
要按距离理想方案的远近排序并给出折中解：用「多准则妥协解排序法(VIKOR)」。

容易误读的地方

表现最好的对象，障碍度反而最集中。 演示数据里 2024 年几乎在所有指标上都是本批最优，只剩“单位GDP能耗”没有达到最优，于是它独占 100% 的障碍度；百分比只说明“剩下的差距在哪里”，不说明差距有多大，要结合综合得分一起读——这一年的综合得分为 0.9926，排名第 1。
障碍度是相对本批数据最优值的诊断，不是与政策目标的差距。 标准化以本批对象的最小值、最大值为基准，增删一个年份，所有障碍度都会改变；某对象在全部指标上都取最优值时障碍度无定义，表中标为“-”，热力图也只画障碍度有定义的单元格。
主要障碍是谁，可能取决于赋权方法。 演示数据用熵值法时平均障碍度最高的是“研发投入强度”，换成 CRITIC 法变成了“城镇登记失业率”，两种赋权下平均障碍度排名的 Spearman ρ 只有 0.643，等权时最高的又换成了“单位GDP能耗”；第四张卡会直接说明三种赋权的结论是否一致，不一致时论文要交代选择理由。
权重高、表现差，才会成为主要障碍。 一个指标进步很慢，但权重很低，它的障碍度也不会高；反过来，CRITIC 法给“城镇登记失业率”0.330 的权重（熵值法只有 0.111），它就被推成了首要障碍。
前 3 位障碍因素只列障碍度大于 0 的指标。 某对象只在一两个指标上没达到最优时，列表会少于 3 项，这是如实反映，不是遗漏。

报告里有什么

输出结果一：数据概览与前提检验
输出结果二：障碍度矩阵与主要障碍因素
输出结果三：障碍度热力图与指标平均障碍度
输出结果四：指标权重、综合得分与赋权稳健性
输出结果五：结论与学术表述