熵值法的信息熵值、效用值如何计算?
一、应用
熵值是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。因而利用熵值携带的信息进行权重计算,结合各项指标的变异程度,利用信息熵这个工具,计算出各项指标的权重,为多指标综合评价提供依据。
二、操作
SPSSAU操作
(1)点击SPSSAU综合评价里面的‘熵值法’按钮。如下图
(2)拖拽数据后点击开始分析
非负平移:由于熵值法的计算过程要求数值中不能存在0或负数,否则就无法计算出结果。所以SPSSAU熵值法中提供了此功能。
三、数据处理
为了消除量纲的影响,分析前需要先对数据进行处理。
(1)正向指标:(X-Min)/(Max-Min)
(2)逆向指标:(Max-X)/(Max-Min)
(PS:无量纲化处理方法有多种,SPSSAU均有提供。常见处理办法有标准化、归一化、区间化等。)
四、分析
将数据放入分析框中,SPSSAU系统自动生成分析结果,如下:
计算公式
- 信息熵值e
(1)计算第j项指标下第i个样本值占比重
(2) 计算各指标的信息熵(列)
式中,k=1/ln(n);
2.信息效用值d
3.权重系数
五、总结
使用熵值法对X1等总共5项进行权重计算,从上表可以看出:X1, X2, X3, X4, X5总共5项,它们的权重值分别是0.311, 0.185, 0.352, 0.112, 0.040。各项间的权重大小有着一定的差异,其中X3这项的权重最高为0.352,以及X5这项的权重最低为0.040。
六、分析建议
SPSSAU分析建议
熵值法的信息熵值、效用值如何计算?相关推荐
- 熵值法综合评价分析流程
熵值法综合评价分析流程 一.案例背景 当前有一份数据,是各品牌车各个维度的得分情况,现在想要使用熵值法进行综合评价,得到各品牌车的综合得分,从而进行车型优劣对比,为消费者提供购车依据. 数据如下(数据 ...
- 熵值法与TOPSIS法以及两者结合
补充:TOPSIS法(优劣解距离法)介绍及 python3 实现 一.熵值法 熵值法的主要目的是对指标体系进行赋权 熵越大说明系统越混乱,携带的信息越少,权重越小:熵越小说明系统越有序,携带的信息越多 ...
- 面板数据熵值法计算综合指数和门槛回归Stata代码(数据+代码)
数据说明:熵值法通过信息熵原理来确定权重,能够客观准确地评价研究对象:门槛回归利用门槛值将样本分为两组,只有两组样本的估计参数显著不同时,才使用门槛回归模型,否则使用线性模型即可 代码图例: 下载链接 ...
- 简易五子棋AI权值法(2)
简易五子棋&AI权值法(2) 权值法 权值法实现AI,就是给每个无子的地方给一个权值,然后选出权值最大的让电脑落子. 具体到每个位置,权值根据周围一定范围的落子情况给出. 就我的想法来说,我觉 ...
- 微分中值定理,常数K值法
文章目录 微分中值定理技巧,k值法 一个例子 常数k值法 讨论k值法的使用条件 k值法步骤 应用 参考文献 微分中值定理技巧,k值法 一个例子 设f(x)f(x)f(x)在区间[a,b][a,b][a ...
- 从零开始的数模学习(4):熵权法(评价类模型)
目录 1.算法简介: 2.熵权法的基本步骤: 2.1 数据归一化 4.2 计算指标变异性 4.3 计算信息熵 4.4 计算信息熵冗余度 4.5 计算权重 4.6 计算得分 3.例题 3.1 判断下列同 ...
- 《零基础数学建模》——TOPSIS+熵权法
目录 前言 一.TOPSIS法(优劣解距离法) 1.模型原理 2.建模步骤 二.模型实现 第一步:将原始矩阵正向化 第二步:正向化矩阵标准化 第三步:计算得分并归一化 四.TOPSIS模型的总结与 ...
- 数学建模系列---熵权法
目录 一.简介 二.说明 1.正向指标: 2.信息量 3.信息熵 三.具体计算步骤 1.标准化矩阵 1.1该步骤的意义 1.2标准化的2种方法 2.计算各元素概率 3.计算各指标的权重 3.1计算每个 ...
- 数学建模笔记 Topsis和熵权法
Topsis法(Technique for Order Preference by Similarity to Ideal Solution)可翻译为逼近理想解排序法,国内常简称为优劣解距离法. ...
最新文章
- 2011 Michigan Invitational Programming Contest
- 英国已有500万宽带用户接入并开始使用IPv6技术
- Python__configparser模块
- best,best,best ......何恺明开挂之路
- android kernel控制台初始化过程
- wxpython使用方法_python图形界面开发之wxPython树控件使用方法详解
- 动手造轮子:基于 Redis 实现 EventBus
- MySQL-schema-sync 一款非常好用的 MySQL数据库同步工具
- 【Linux】Linux Systemd 启动守护进程
- ios textView显示不全
- lottie动画_极光小课堂 | 用 Lottie 实现超炫酷动画
- python显示多个图表
- shopnc数据库 批量修改商品价格
- 数字图像处理基本知识点1(冈萨雷斯)
- VSTO开发Powerpoint插件
- Java对接支付宝的支付、退款、提现
- 深入理解BootStrap-- 面板(panel)
- 如何将域名解析到指定的端口(linux服务器,超级简单,图文)
- 架构师实践日 8.18 北京站 | 智慧教育的智慧化探索,引领高效学习新出路
- 封装、private、this、 setter/gette、构造方法和标准类的定义
热门文章
- 985计算机英语六级,大学英语六级比四级难多少?985学长含泪告诉你!
- 关于向数据库中插入数据时报“An explicit value for the identity column in table can only be specified when ...“的错误
- 当前NBIoT设备的省电技术之PSM/DRX/eDRX
- 计算机网络网络协议与网络结构
- C语言获取硬件信息(CPU序列号,硬盘序列号,网卡IP、MAC地址、是否插入网线)
- 任务3-1 基于控制台的购书系统
- 索尼随身听体积小吗?
- TOGAF学习札记(二)
- 运筹学基础【二】 之 预测
- cadence IC617仿真记录 有源电流镜