变异系数法

所属分类：综合评价

这个方法是做什么的

变异系数法是几种客观赋权里公式最短的一个：对每个指标算 CV = 标准差 / |均值|，再按 CV 占比归一化成权重。想法很朴素——同一个指标在各评价对象上相对波动越大，说明它越能把对象区分开，就该多分一点权重。因为 CV 本身无量纲，赋权阶段不需要先归一化，各指标的原始量纲不影响结果，这是它相对熵值法与 CRITIC 法省掉的一步。

它只产出权重，不产出综合得分，卡⑤最后一句结论对此有明确说明；也不区分正向与负向指标——CV 只看离散程度，与指标是“越大越好”还是“越小越好”无关，因此赋权阶段无需同向化，但要用这套权重去算综合得分，必须先把负向指标同向化，否则得分方向会反。除了权重表，第一张卡给出一列“CV 可定义性”体检，第四张卡用 Jackknife 留一法给出权重的标准误、95% 置信区间与稳健性判定。读这份报告时特有的着眼点是第二张表的“平均值”列——它是分母，直接决定了各指标能拿到多少权重。看到某个指标权重畸高或畸低，第一件事不是解释业务原因，而是回头看它的均值是不是特别接近 0 或者特别大。

需要准备什么数据

• 放入指标 [定量] 变量：至少 2 个，定量变量（数值）

数据要求

• 数据表至少 5 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

• 只需要一套快速、能手算复核、向非统计背景读者一句话讲清的客观权重
• 各指标量纲差异很大，又不想引入归一化带来的额外口径争论
• 指标之间本来就没什么重叠，冗余惩罚对你没有价值
• 想先拿一个基线权重，再与其他赋权法交叉比对

前提是各指标都是定量列且均值不接近 0——CV 在均值趋于 0 时数学上发散，报告会在第一张卡把这类指标标成“不可定义”并按 0 权重处理。零方差的常数指标 CV=0，同样拿不到权重。指标含负值时 CV 也不适用，第一张卡有专门的“含负值”列。

什么时候不要用它

• 希望权重能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；只想按独立性赋权的用「独立性权系数法」。
• 指标的均值接近 0 或含负值：CV 在这里失效，改用不依赖均值位置的「熵值法」或「CRITIC权重法」。
• 要的是综合得分与名次，不只是权重：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)」。
• 要比较的是各单位把资源换成成果的效率：用「数据包络分析(DEA)」，权重由线性规划为每个单元各自解出，不是先定后用。
• 问卷题项赋权、还想要权重与均权比较的检验：用「权重分析(熵权法)」。
• 你更想把相关的指标压成少数几个综合指标：用「主成分分析(PCA)」。

容易误读的地方

• CV 会随着指标的平移而变，权重跟着变。 分母是均值，给某个指标整体加一个常数（换基准、百分制改成加了基础分的量表、摄氏换成开尔文），标准差不变而均值变了，CV 与权重立刻改变。熵值法与 CRITIC 法先做 min-max 归一化，平移不影响它们的结果——这是本方法与它们最实质的差别，也是选用它之前必须确认的一点：你的指标零点得有实际含义。
• CV 高只说明这批对象在这个指标上拉得开，不说明它重要。 第二张卡的结论文案就直说了客观赋权只反映数据的区分能力、不代表业务重要性；第三张卡进一步提示，某个凭经验判断很重要的指标权重偏低，可能只是它在当前样本里没表现出足够差异。这是数据层面的结论，不能反过来当成“这个指标不重要”的证据。
• 它是四种客观赋权里最容易给出极端权重的一个。 同一批 15 个对象、4 个指标实测：“床位使用率”在本模块只拿到 7.48%，而在「熵值法」是 16.78%、在「独立性权系数法」高达 33.17%；反过来“人均GDP”在本模块是 36.54%，在「独立性权系数法」只有 15.89%。原因是 CV 直接受各指标均值尺度的影响，均值大而波动小的指标会被压得很低。
• 它不惩罚信息冗余，重复的指标会被重复计权。 第一张卡会报最大绝对相关（演示数据是 0.600）并提示这一点，但方法本身不做任何处理。指标体系里有两列讲同一件事时，它们的权重会叠加起来主导结论。
• 权重的三位小数不代表精度。 第四张卡的 Jackknife 结果显示，演示数据里“科研经费”的权重 34.571%、95% 置信区间是 [24.245, 44.897]，宽度超过 20 个百分点。报告只写点估计会给人一种确定感，而实际上剔掉一个评价对象权重就可能移动好几个百分点。

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：指标权重主结果表
3. 输出结果三：可视化（指标重要度图）
4. 输出结果四：权重稳健性与敏感性分析
5. 输出结果五：结论与学术表述