一、应用

问卷研究中,如果涉及计算权重,通常有以下几种做法,分别是AHP层次法、优序图法、熵值法、因子分析法(探索性因子和验证性因子分析)。

二、操作

1.SPSSAU操作如下图:

2.案例背景

当前有一项关于网购在乎因素的权重研究,涉及网购在乎因素共为9项,分别是指标1,指标2到指标9。然后使用问卷形式让30名专家对此9个指标的重要性进行打分。利用专家打分进行权重计算,得到了9个指标的权重值。

3.结果

将数据放入分析框中,SPSSAU系统对数据进行处理后,自动生成分析结果,案例中共有9个指标,SPSSAU会首先计算出此9个指标的平均值,然后利用平均值进行矩阵的构建。

(1)本次案例中9个指标的平均值得分如下

(2)SPSSAU共输出两个表格,分别是优序图权重计算表和优序图权重计算结果表格

上表格中数字0表示相对不重要,数字1表示相对更重要,数字0.5表示一样重要。比如指标2的平均值为3.967,指标1的平均值是4.1,因此指标2不如指标1重要;指标4的平均值为4.3,重要性高于指标1。也或者指标7和指标9的平均得发均为4.133分,因此它们的重要性一样,记为0.5。

三、分析

1.TTL值

针对每行进行加和(看优序图权重计算表),例:指标1的TTL值为0.5+1+1+0+1+1+0+1+0=5,指标2的TTL值为 0+0.5+1+0+1+0+0+0+0=2.5;似的得到全部指标的TTL值,然后利用TTL值进行归一化处理,最终计算得到9个指标的权重值。

2.权重值

TTL/TTL总和;

TTL总和:5.5+2.5+1.5+8.5+0.5+4.5+7+3.5+7=40.5;

例:指标1的权重=5.5/40.5=13.58%;以此类推。

3.总结

从上表格可以看到,指标4的重要性最高,权重占比是20.99%,其次是指标7和指标9,占比均为17.28%。指标3的重要性最低,因此权重最低为3.70%。

四、扩展

1.SPSSAU分析建议:

2.AHP层次分析法

AHP层次分析法是一种解决多目标复杂问题的定性和定量相结合进行计算决策权重的研究方法。该方法将定量分析与定性分析结合起来,用决策者的经验判断各衡量目标之间能否实现的标准之间的相对重要程度,并合理地给出每个决策方案的每个标准的权数,利用权数求出各方案的优劣次序,比较有效地应用于那些难以用定量方法解决的课题。

比如现在想选择一个最佳旅游景点,当前有三个选择标准(分别是景色,门票和交通),并且对应有三种选择方案。现通过旅游专家打分,希望结合三个选择标准,选出最佳方案(即最终决定去哪个景区旅游)。诸如此类问题即专家打分进行权重计算等,均可通过AHP层次分析法得到解决。

如果此案例使用AHP层次分析法,SPSSAU自动构建出相对重要性判断矩阵如下

上表格为AHP层次分析法时SPSSAU自动构建的判断矩阵,比如表格中数字0.967表示指标2相对于指标1的重要性大小,该值=指标2的平均值/指标1的平均值,即0.967=3.967/4.100。接着再根据此判断矩阵进行AHP层次分析法的相关计算。

3.分类

4.具体操作

(1)点击SPSSAU问卷调查里面的‘权重’按钮。如下图:

(2)拖拽数据后开始分析:

优序图权重计算指标解读相关推荐

  1. 论文指标评价体系及权重计算

    一 .评价指标体系 评价指标体系构建在实际研究中使用较为广泛,比如企业绩效评价指标体系构建.政府财政支出绩效评价.医院绩效评价研究等等. ‍1.相关背景 在中国知网搜索 " 评价指标 &qu ...

  2. python使用numpy包编写自定义函数计算SMAPE(对称平均绝对百分比误差)指标Symmetric mean absolute percentage error、SMAPE指标解读、指标使用的注

    python使用numpy包编写自定义函数计算SMAPE(对称平均绝对百分比误差)指标Symmetric mean absolute percentage error (SMAPE).SMAPE指标解 ...

  3. python使用numpy包编写自定义函数计算MAPE(平均绝对百分比误差)指标mean absolute percentage error (MAPE)、MAPE指标解读、MAPE指标使用的注意事项

    python使用numpy包编写自定义函数计算MAPE(平均绝对百分比误差)指标mean absolute percentage error (MAPE).MAPE指标解读.MAPE指标使用的注意事项 ...

  4. Python小案例(六)通过熵权法计算指标权重

    Python小案例(六)通过熵权法计算指标权重 在日常业务中,产品运营需要综合多个指标进行判断,如果没有目标变量进行监督训练的话,很难人为地判断哪个指标更好,综合起来哪个类别更优秀. 这里介绍一种基于 ...

  5. 【统计方法】基于熵值法的面板数据指标权重计算

    面板数据熵值法   本文主要是讲解熵值法的处理过程和代码实现.   建立指标体系和指标评价时有可能用到熵值法(熵权法),但以往的经验来看,熵值法常用于时序数据或者是截面数据.实际上,熵值法在面板数据的 ...

  6. excel熵值法计算权重_SPSS主成分分析 | 权重计算amp;极差法标准化超详细教程!(下)...

    权重计算 1. 上节回顾 爱数据-橙子:SPSS主成分分析 | 指标权重值计算真的不难!(上)​zhuanlan.zhihu.com 在昨日中(点击复习),我们利用SPSS中的数据标准化方法及主成分分 ...

  7. AWR报告相关指标解读

    对AWR报告中相关指标解读 DB Time load_profile efficiency percentages SQL Statistics Segment Statistics DB Time ...

  8. 【云栖大会】基因计算:解读生命的力量

    2016杭州云栖大会在云栖小镇召开,本届大会以"飞天·进化"为主题,内容规模比去年翻倍,从原本2天的议程增加至4天,从10月13日持续到16日,超过400场主题演讲使开发者们对阿里 ...

  9. 数据分析 — 用户粘性的两个计算指标(DAU/MAU和月人均活跃天数)

    很多运营都了解DAU(日活跃用户数)和MAU(月活跃用户数)的重要性,但在某些情况下这两个数值本身并不能反映出太多问题,这个时候就要引用到[DAU/MAU]的概念,即[日活/月活]. 用户粘性的两个计 ...

最新文章

  1. LeetCode简单题之逐步求和得到正数的最小值
  2. 2018-07-12 第六十七天 EsayUI
  3. win7 64位系统oracle客户端访问远程数据库
  4. 基于大数据的用户行为预测
  5. bootstrap-table操作之“删除”
  6. VisualVM——JDK自带的性能分析工具
  7. Java黑皮书课后题第10章:*10.6(显示素数)编写一个程序,然后按降序显示小于120的所有素数。使用StackOfIntegers类存储这些素数,获取之后按逆序显示它们
  8. 无线数传电台rs232和rs485串口接口:230M数传电台
  9. Nginx笔记-Nginx中进程结构及使用Linux信号量管理
  10. python新手图解_Python完全新手教程
  11. cmd创建一个用户并升级成管理员
  12. adsl拨号php,Linux_Linux系统创建ADSL拨号上网方法介绍,在使用linux创建adsl拨号连接之 - phpStudy...
  13. Spring源码下载编译阅读
  14. java属性日期_java时间日期使用与查询代码详解
  15. win10共享打印机搜索不到计算机,Win10系统搜不到共享打印机的解决方法
  16. MT【133】磨刀不误砍柴工
  17. python降低图像分辨率_降低DDS图像的分辨率
  18. ShareX 屏幕截图分享好工具
  19. 是非人生 — 一个菜鸟程序员的5年职场路 第4节
  20. batchnorm原理及代码详解

热门文章

  1. windows操作系统常见问题及解决
  2. linux yum 安装dns,centos7配置YUM安装DNS服务
  3. Android Messenger的使用(配源码)
  4. 计算机在我们日常生活中越来越重要英语翻译,职高英语翻译练习 翻译练习二...
  5. 全球区块链第19周看点 | 币安被盗 富达入场
  6. 将ipynb文件转为.py文件
  7. CSAPP大作业论文 程序人生
  8. 名声虽响,学费也贵!北京大学软微计算机硕士学费九万!
  9. 三星R467笔记本不开机,通病故障,红警快修维修全过程
  10. MaxScript学习 |展UV