变异系数_权重的确定方法

变异系数法确定权重
变异系数法是一种确定权重的方法。

它是用来调整相关性和稳定性之间的折中，以便可以选择合适的权重组合，使得整个组合的收益有所提升。

变异系数法的基本思想是调整股票投资组合成分的权重，使得组合的复合收益尽可能的高，但是又要考虑投资风险的因素。

它可以通过调整股票投资组合的权重，从而使投资风险最小化，而不损失收益。

变异系数法是基于市场总体收益率方差、投资组合中股票收益率横截面方差和收益率相关系数来确定权重的。

市场总体收益率方差是投资组合的风险影响力的衡量指标，它反映的是投资组合的风险程度，具体来讲，是指由一系列投资票面价值而形成的投资组合在该总体收益率方差进行减小时，它反映了该投资组合在投资期间中总体收益率上的波动幅度。

投资组合中股票收益率横截面方差则是测量各股收益率之间的相关程度，具体来讲，是指投资组合中多种股票收益率之间的变化，从而反映投资风险的大小。

收益率之间的相关系数指的是两种股票在相同的时间内收益的相关性，它可以反映出股票的协同关系并预测股票的表现情况，也可以反映降低股票投资风险。

变异系数法是基于上述几个参数来确定投资组合权重，使得投资收益最大化，且又不增加额外的风险。

变异系数法确定权重公式时间序列
变异系数法是一种用于确定权重公式的方法，它可以将数据序列的变异程度作为权重因子，从而更加准确地反映数据的重要性和影响力。

在时间序列分析中，变异系数法可以用来确定各个时间点的权重，从而建立时间序列的预测模型。

具体而言，变异系数法可以通过以下步骤来确定权重公式：
1. 对时间序列数据进行标准化处理，即将每个数据点减去平均值，再除以标准差，得到标准化后的数据序列。

2. 计算标准化后的数据序列的变异系数，即标准差与平均值的比值。

3. 将变异系数倒数作为权重公式中的权重因子，即变异系数越小，权重越大，反之亦然。

例如，对于一个有10个数据点的时间序列，经过标准化处理后得到以下数据：
-0.5, 0.2, 1.1, -1.0, -0.7, 0.4, 0.8, -0.3, 0.9, -0.9 计算其标准差为0.747，平均值为0，因此变异系数为0.747/0=无穷大。

根据变异系数法，权重公式应该以变异系数倒数作为权重因子，即越接近0的数权重越大，因此可以将变异系数除以其最大值来得到归一化的权重序列：
1, 0.266, 0.125, 0.142, 0.199, 0.186, 0.155, 0.224, 0.139, 0.155
这样就可以得到一个基于变异系数法的权重公式，可以用于时间
序列分析中的预测和建模。

一、概述面板数据广泛用于经济学和社会科学的研究中，是一种在时间和跨个体维度上对变量进行观察的方法。

面板数据的分析需要考虑个体间的差异和变异，而确定权重是面板数据分析的重要环节之一。

在众多确定权重的方法中，变异系数法是一种常用的统计方法，能够考虑各个个体的差异性，在确定权重时起到重要作用。

二、stata面板数据变异系数法概述1. 面板数据的特点面板数据研究既考虑了时间维度的变化，也考虑了个体间的异质性。

在面板数据分析中，需要对个体和时间维度的变异进行充分考量。

2. 变异系数的概念变异系数是一种衡量统计样本离散程度的指标，它能够反映数据的不均一性。

变异系数越大，说明样本中的离散程度越大；变异系数越小，说明样本中的离散程度越小。

3. 变异系数法在面板数据分析中的应用在面板数据分析中，可以利用变异系数法来确定各个个体的权重，从而在统计分析中更好地考虑个体间的差异性。

这种方法在实际应用中具有一定的科学性和合理性，能够有效提高面板数据分析的精度。

三、stata面板数据变异系数法确定权重的具体步骤1. 数据准备首先需要准备好需要进行分析的面板数据，包括个体和时间维度的变量。

在stata软件中，可以通过导入数据或直接输入数据来进行准备。

2. 计算变异系数利用stata中的统计命令，可以很方便地计算各个个体在不同时间点上的变异系数。

这需要考虑到个体和时间维度的变异，计算出每个个体的变异系数。

3. 确定权重根据各个个体在不同时间点上的变异系数，可以确定每个个体在整个样本中的权重。

通常情况下，变异系数越大的个体，其权重越大；反之，变异系数越小的个体，其权重越小。

四、stata面板数据变异系数法确定权重的优势1. 考虑个体差异性变异系数法能够较好地考虑到个体间的差异性，能够更加客观地反映个体的特点和变异程度。

2. 结果科学合理通过变异系数法确定的权重，能够在一定程度上提高面板数据分析的精度和科学性，能够更好地反映数据的特点和规律。

变异系数法确定权重公式
变异系数法是一种常见的权重分配方法，特别适用于数据变异较大的情况。

它是在计算方差的基础上，考虑每个因素变异程度的差异，从而确定每个因素的权重。

该方法已被广泛应用于评估和决策分析中，尤其在工程与经济领域得到了广泛的应用。

变异系数法的基本步骤：
（1）收集评价指标数据；
（2）计算每个评价指标的平均值和标准差；
（3）计算每个评价指标的变异系数；
（4）根据变异系数确定每个评价指标的权重。

其中，变异系数是指标的标准差与平均值之比，即：
CV = σ/μ
其中，CV表示变异系数，σ表示标准差，μ表示平均值。

在确定权重时，变异系数越大的指标权重越大，反之权重越小。

具体计算方法如下：
W_i = CV_i/Σ(CV_i)
其中，W_i表示第i个指标的权重，CV_i表示第i个指标的变异系数，Σ(CV_i)表示所有指标的变异系数之和。

变异系数法的优点是能够考虑到数据的变异程度，对于数据变异较大的情况，能够准确地反映每个因素对总体影响的程度，从而得到更为准确的权重值。

同时，该方法简单易行，计算过程简单明了，容易理解和使用。

然而，变异系数法也存在一些缺点。

一是权重分配结果对数据的分布情况比较敏感，当数据分布不均匀时，可能会导致权重分配结果有所偏差。

二是该方法忽略了各指标之间的相关性，当各指标之间存在相关性时，可能会导致权重分配结果不够准确。

综上所述，变异系数法是一种能够考虑到数据变异程度的方法，其计
算简单、易于理解和使用。

但在应用中需结合具体情况进行调整，避免出现偏差，以得到更为准确的权重值。

权重确定方法归纳多指标综合评价是指人们根据不同的评价目的，选择相应的评价形式据此选择多个因素或指标，并通过一定的评价方法将多个评价因素或指标转化为能反映评价对象总体特征的信息，其中评价指标与权重系数确定将直接影响综合评价的结果。

按照权数产生方法的不同多指标综合评价方法可分为主观赋权评价法和客观赋权评价法两大类，其中主观赋权评价法采取定性的方法由专家根据经验进行主观判断而得到权数，然后再对指标进行综合评价，如层次分析法、综合评分法、模糊评价法、指数加权法和功效系数法等。

客观赋权评价法则根据指标之间的相关关系或各项指标的变异系数来确定权数进行综合评价，如熵值法、神经网络分析法、TOPSIS法、灰色关联分析法、主成分分析法、变异系数法等。

两种赋权方法特点不同，其中主观赋权评价法依据专家经验衡量各指标的相对重要性，有一定的主观随意性，受人为因素的干扰较大，在评价指标较多时难以得到准确的评价。

客观赋权评价法综合考虑各指标间的相互关系，根据各指标所提供的初始信息量来确定权数，能够达到评价结果的精确但是当指标较多时，计算量非常大。

下面就对当前应用较多的评价方法进行阐述。

一、变异系数法（一）变异系数法简介变异系数法是直接利用各项指标所包含的信息，通过计算得到指标的权重。

是一种客观赋权的方法。

此方法的基本做法是：在评价指标体系中，指标取值差异越大的指标，也就是越难以实现的指标，这样的指标更能反映被评价单位的差距。

例如，在评价各个国家的经济发展状况时，选择人均国民生产总值(人均GNP)作为评价的标准指标之一，是因为人均GNP不仅能反映各个国家的经济发展水平，还能反映一个国家的现代化程度。

如果各个国家的人均GNP没有多大的差别，则这个指标用来衡量现代化程度、经济发展水平就失去了意义。

由于评价指标体系中的各项指标的量纲不同，不宜直接比较其差别程度。

为了消除各项评价指标的量纲不同的影响，需要用各项指标的变异系数来衡量各项指标取值的差异程度。

变异系数法求权重
变异系数法是一种常用的权重计算方法，主要用于对不同因素或变量之间的相对重要性进行评估。

在实际应用中，变异系数法的应用范围非常广泛，例如在市场营销、销售管理、风险管理、医学研究等领域中都能见到它的身影。

具体来说，变异系数法的步骤如下:
1. 收集数据：首先需要收集相关的数据，例如销售额、销售量、死亡率、准确率等。

2. 计算指标变异系数：对于每个数据指标，计算其变异系数。

变异系数是指指标值与平均值之差占平均值的比例。

公式为：变异系数 = (标准差 / 平均数)×100%。

3. 计算权重：对于每个数据指标，根据它的变异系数计算出权重。

权重表示指标对于整体结果的影响程度，通常越大的指标权重越高。

可以使用变异系数法来计算每个指标的权重，也可以使用其他方法，例如因素分析法、层次分析法等。

4. 评估因素重要性：根据计算出的权重，评估不同因素或变量的重要性。

可以使用排序法、等级法等方法对因素或变量的重要性进行评估。

变异系数法的优点在于能够简单、快速地计算出不同因素或变量的权重，帮助决策者更好地了解问题的本质，作出更加明智的决策。

但是，变异系数法也有一些局限性，例如在某些情况下，变异系数可能不准确，或者指标之间的变异系数可能存在不平衡的情况。

因此，
在使用变异系数法时需要结合具体情况进行判断和分析。

变异系数法计算权重
变异系数法是一种常见的计算权重的方法，它主要利用各个指标的变异程度来计算其权重。

具体而言，它通过计算各个指标之间的离散程度，然后分别计算各个指标在总离散程度中所占比例，从而得到各个指标的权重。

在变异系数法中，变异系数越大的指标，其权重就越大。

使用变异系数法计算权重的步骤主要包括以下几个方面：
1. 确定评价指标：首先，需要从评价对象的各个方面选取一些具有代表性的指标，这些指标应能够全面反映评价对象的特点。

2. 数据处理：对于每个指标，需要先根据已有的数据进行处理，包括数据清洗、缺失值填充等。

3. 计算变异系数：根据各个指标的数据，计算其变异系数。

变异系数是指标标准差与均值之比，可以反映该指标数据的离散程度。

计算公式如下：
$$CV=\frac{S}{\bar{x}}\times100\%$$
其中，S表示标准差，$\bar{x}$表示均值。

4. 计算权重：根据各个指标的变异系数，计算其在总离散程度中所占比例，从而得到各个指标的权重。

计算公式如下：
$$w_i=\frac{CV_i}{\sum_{j=1}^nCV_j}$$
其中，$w_i$表示第i个指标的权重，$CV_i$表示第i个指标的变
异系数，n表示评价指标的总数。

综上，变异系数法是一种简单易行的计算权重的方法。

其优点在
于可以全面反映各个指标的离散程度，从而得到相对合理的权重分配。

但在应用过程中，需要注意各个指标之间的相关性，以及数据处理过
程中可能存在的误差或偏差。

使用变异系数法确定权重的公式标题：通过变异系数法确定权重的公式及其应用引言：在决策过程中，确定权重是一项重要且关键的任务，它可以用于量化不同因素对决策结果的影响程度。

变异系数法是一种常用的评估方法，它根据不同变量的变异情况来确定其权重。

本文将介绍变异系数法的基本原理和计算公式，并通过实例展示其在实际应用中的作用。

一、变异系数法的基本原理变异系数法是基于统计学中的变异系数概念而发展起来的一种权重确定方法。

其基本原理是通过计算各变量的变异程度，来确定其相对权重。

变异系数越大，说明数据的变化幅度越大，相应的权重也就越高；反之，变异系数越小，权重越低。

二、变异系数法的计算公式使用变异系数法确定权重的公式如下：变异系数 = (标准差 / 平均值) * 100%其中，标准差表示数据的离散程度，平均值表示数据的集中趋势。

三、变异系数法的应用示例为了更好地理解变异系数法的应用，我们以一个投资决策的案例来说明。

假设有三种投资方案：A、B、C，我们需要确定它们的相对权重。

我们收集了每种投资方案过去五年的回报率数据，并计算得到以下结果：方案A：[10%, 12%, 8%, 15%, 9%]方案B：[5%, 7%, 6%, 9%, 5%]方案C：[3%, 4%, 5%, 6%, 4%]1. 计算平均值：平均值A = (10% + 12% + 8% + 15% + 9%) / 5 = 10.8%平均值B = (5% + 7% + 6% + 9% + 5%) / 5 = 6.4%平均值C = (3% + 4% + 5% + 6% + 4%) / 5 = 4.4%2. 计算标准差：标准差A = √((10% - 10.8%)² + (12% - 10.8%)² + (8% - 10.8%)² + (15% - 10.8%)² + (9% - 10.8%)²) / 5≈ 2.32%标准差B = √((5% - 6.4%)² + (7% - 6.4%)² + (6% - 6.4%)² + (9% - 6.4%)² + (5% - 6.4%)²) / 5≈ 1.85%标准差C = √((3% - 4.4%)² + (4% - 4.4%)² + (5% - 4.4%)² + (6% - 4.4%)² + (4% - 4.4%)²) / 5≈ 1.14%3. 计算变异系数：变异系数A = (2.32% / 10.8%) * 100% ≈ 21.48%变异系数B = (1.85% / 6.4%) * 100% ≈ 28.91%变异系数C = (1.14% / 4.4%) * 100% ≈ 25.91%根据变异系数的计算结果可知，方案A的变异系数最小，说明其回报率的波动性最低，因此可以给予较高的权重；而方案B的变异系数最大，回报率波动性较高，权重较低；方案C的变异系数介于两者之间。

变异系数_权重的确定方法变异系数（Coefficient of Variation）是一种用来衡量数据变异程度的统计量，其计算公式为变异系数=（标准差/ 平均值）×100%。

变异系数越小，表示数据的变异程度越小，反之亦然。

在实际应用中，为了更加准确地评估不同数据的变异程度，我们可以根据权重来确定变异系数。

变异系数_权重的确定方法可以分为以下三种：1. 直接加权法（Direct Weighting）：直接加权法是最简单粗暴的一种权重确定方法，即为每个数据乘以对应的权重后再计算变异系数。

例如有三个数据分别为A、B、C，对应权重为w1、w2、w3，则计算加权变异系数的公式为：这种方法的好处是简单方便，直接利用权重对数据进行调整。

然而，由于没有考虑数据之间的相关性，所以可能会导致评估结果不够准确。

2. 方差加权法（Variance Weighting）：方差加权法考虑了数据之间的相关性，通过计算加权平均值和加权标准差来确定变异系数。

该方法的公式为：方差加权法在计算变异系数时，将各个数据的平均值和标准差按照权重进行加权，可以更好地反映数据之间的相关性。

但在一些情况下，由于数据的线性关系较弱，可能会导致评估结果的准确性不高。

3. 信息熵加权法（Entropy Weighting）：信息熵加权法是一种较为复杂的权重确定方法，它通过计算各个数据的信息熵来确定权重，可以反映数据的重要程度。

该方法的步骤如下：（1）计算各个数据的信息熵。

数据的信息熵可以通过熵的计算公式来得到，例如数据A的信息熵为H(A) = - Σ(p(i) * log(p(i)))，其中p(i)为数据A中第i个取值的概率。

（2）计算各个数据的权重。

数据的权重可以通过信息熵进行归一化得到，例如数据A的权重为w(A)=H(A)/Σ(H(i))，其中H(i)为所有数据的信息熵之和。

（3）计算加权平均值和加权标准差，再计算变异系数。

与方差加权法类似，通过将加权平均值和加权标准差进行计算，得到最终的变异系数。

要使由多个指标构成的综合评价值更能准确地反映各孵化器运行绩效的真实情况，进而确保综合评价的科学性，还必须要对无量纲化处理后的指标赋予不同的权重．为了避免权数确定的主观性，本文采用一种较为客观的赋权方法一变异系数法确定各评价指标的权重，再利用加权所得的评价值对企业孵化器运行绩效进行评价和排序．下面对变异系数法进行简单介绍．
1)依据变异程度确定权数．在多指标综合评价中，如果某项指标在所有被评价对象上观测值的变异程度较大，说明评价对象达到该指标平均水平的难度较大，它可以明确区分各个评价对象在该方面的能力，应当赋予较大的权数；反之，则应赋予较小的权数．若有某项指标的变异程度为零，则说明所有的评价对象在该指标上的观测值相等，该指标没有评价的价值．2)变异程度的衡量．在统计学中，通常使用全距系数、平均差系数和标准差系数的大小来表示变异程度。

变异系数法赋值权重
变异系数法是一种常用的权重确定方法，它基于数据本身的变异程度来反映指标的重要性。

变异系数法通过计算每个指标的变异系数，将变异系数的大小作为权重分配的依据。

首先，我们需要收集一组数据，这组数据应该包含我们要评估的各个指标的值。

然后，我们计算每个指标的平均值和标准差，通过这两个值来计算变异系数。

变异系数是标准差与平均值的比值，它反映了每个指标值的离散程度。

接下来，我们将每个指标的变异系数进行归一化处理，使得所有指标的权重之和为1。

归一化处理可以通过将每个指标的变异系数除以所有指标变异系数的和来实现。

最后，我们得到每个指标的权重，这些权重是基于数据本身的变异程度来确定的。

变异系数法的好处在于它不需要任何先验知识，完全基于数据本身来确定权重，因此具有客观性和公正性。

在具体应用中，变异系数法可以用于各种不同的领域，例如金融、医疗、环境科学等。

它可以用于评估风险、预测未来趋势、确定影响因素等。

通过变异系数法，我们可以更好地理解数据的分布和变化规律，从而做出更准确、更明智的决策。

计算各个部门成绩的平均数和标准差；
1、根据各个单位数据，计算该均值和标准差
2、根据均值和标准差计算变异系数，
变异系数=标准差除以平均数。

3、变异系数加总：将各个单位变异系数相加。

4、计算每个单位权重：（体现该单位在整个系统中的地位）
权重=变异系数除以变异系数加权
5、计算各单位得分
单位得分=（单位权重除以最高权重）乘以100 （权重最高单位得分为100分，权重越高，得分越高）
6、计算个人在该单位中的权重
个人权重=个人得分除以总分（体现个人在单位中地位）
7、个人在系统中最终得分=个人权重乘以单位得分
该方案原则：个人得分受到本单位在系统中地位影响，造成能力强的可能由于本单位在系统中地位不高而导致得分不高，能力弱的可能由于本单位在系统中地位较高而分数较高。

偏于客观的确定权重的变异系数法变异系数法（Coefficient of variation method)是直接利用各项指标所包含的信息，通过计算得到指标的权重,是一种客观赋权的方法。

此方法的基本做法是：在评价指标体系中,指标取值差异越大的指标，也就是越难以实现的指标，这样的指标更能反映被评价单位的差距。

例如，在评价各个国家的经济发展状况时,选择人均国民生产总值（人均GNP ）作为评价的标准指标之一,是因为人均GNP 不仅能反映各个国家的经济发展水平，还能反映一个国家的现代化程度.如果各个国家的人均GNP 没有多大的差别，则这个指标用来衡量现代化程度、经济发展水平就失去了意义.由于评价指标体系中的各项指标的量纲不同,不宜直接比较其差别程度。

为了消除各项评价指标的量纲不同的影响，需要用各项指标的变异系数来衡量各项指标取值的差异程度。

各项指标的变异系数公式如下：,(1,2,...,)ii iV i n x σ==式中，i V —-第i 项指标的变异系数、也称为标准差系数；i σ——第i 项指标的标准差；i x -—第i 项指标的平均数。

各项指标的权重为:1,(1,2,...,)ii nii V W i n V===∑例如，英国社会学家英克尔斯提出了在综合评价一个国家或地区的现代化程度时，其各项指标的权重的确定方法就是采用的变异系数法.【例】试利用变异系数法综合评价一个国家现代化程度时的指标体系中的各项指标的权重。

数据资料是选取某一年的数据，包括中国在内的中等收入水平以上的近40个国家的10项指标作为评价现代化程度的指标体系，计算这些国家的变异系数，反映出各个国家在这些指标上的差距，并作为确定各项指标权重的依据。

其标准差、平均数数据及其计算出的变异系数等见表1。

表1 现代化水平评价指标的权重指 标人均GNP农业占第三产业非农业劳城市人口人口自然增长平均预期成人识字大学生占每千人拥有医总 和（美元）GDP的比重(％)占GDP比重(％)动力比重（%）比重(%)率（％）寿命（岁)率(%）适龄人口比重（%）生（人）平均数11938.4 9。

客观的权重计算方法
客观的权重计算方法有很多种，以下是其中几种常见的方法：
1. 变异系数法：这种方法是通过比较各指标变异程度的大小来确定权重。

如果某个指标的变异程度较大，那么该指标的权重就越大。

2. 主成分分析法：这种方法是通过将多个指标转化为少数几个综合指标（主成分），然后根据各主成分的方差贡献率来确定权重。

方差贡献率越大，权重越大。

3. 因子分析法：这种方法与主成分分析法类似，也是通过将多个指标转化为少数几个综合指标，然后根据各综合指标的方差贡献率来确定权重。

4. 层次分析法：这种方法是通过建立层次结构模型，然后对每一层次中的因素进行两两比较，并利用数学方法计算出每一层次的权重。

5. 熵权法：这种方法是通过计算各指标的信息熵，然后根据信息熵的大小来确定权重。

信息熵越小，权重越大。

以上是几种常见的客观权重计算方法，每种方法都有其特点和适用范围。

在实际应用中，可以根据数据的性质和问题的背景选择合适的方法来确定权重。

最简单的权重计算方法在我们的日常生活和工作中，经常会遇到需要对不同的因素进行权衡和比较的情况。

比如在评估一个项目的可行性时，要考虑成本、收益、风险等多个因素；在选拔人才时，要综合考察学历、工作经验、技能水平等方面。

而权重计算方法就是帮助我们合理地分配这些因素的重要程度，从而做出更准确、更科学的决策。

那么，什么是权重呢？简单来说，权重就是各个因素在整体中所占的比重或重要程度。

权重越大，说明该因素对最终结果的影响越大；权重越小，影响就越小。

接下来，让我为您介绍几种最简单的权重计算方法。

一、主观赋权法主观赋权法是根据个人的经验、知识和判断来确定权重的方法。

这种方法虽然比较简单直接，但可能会受到个人主观因素的影响，导致结果不够客观准确。

1、直接打分法这是最直观的一种方法。

例如，要评估一个产品的质量、价格和服务三个方面，您可以根据自己的感受分别给它们打 1 到 10 分，分数越高表示越重要。

然后将这些分数相加，再除以总分，就得到了每个因素的权重。

假设您给质量打 8 分，价格打 6 分，服务打 7 分，总分是 21 分。

那么质量的权重就是8÷21 ≈ 038，价格的权重约为 029，服务的权重约为 033。

2、两两比较法这种方法是将各个因素两两进行比较，确定它们相对重要程度的比值。

比如，还是评估产品的质量、价格和服务，您觉得质量比价格重要两倍，质量比服务重要 15 倍，服务比价格重要 12 倍。

然后通过一些数学计算，就可以得出每个因素的权重。

假设我们设价格的权重为 x，那么质量的权重就是 2x，服务的权重就是 12x。

因为权重之和为 1，所以可以列出方程：x ＋ 2x ＋ 12x ＝ 1，解得x ≈ 026，那么质量的权重约为 052，服务的权重约为 031。

二、客观赋权法客观赋权法是基于数据本身的特征和规律来确定权重，相对更加客观和准确。

1、变异系数法变异系数是一组数据的标准差与均值的比值，反映了数据的离散程度。

变异系数赋权法
变异系数赋权法是一种常用于多指标评价的方法。

在多指标评价中，不同指标的重要性往往不同，因此需要对指标进行赋权，以反映其重要性。

而变异系数赋权法是一种基于指标的变异程度来赋权的方法。

具体来说，变异系数是指标的标准差与平均值之比。

变异系数越大，说明指标的变异程度越大，即数据的分布越分散。

基于这一原理，变异系数赋权法将变异系数作为指标的权重，即变异系数越大的指标，其权重越大。

在进行变异系数赋权法时，需要先求出每个指标的变异系数，然后根据变异系数的大小进行赋权。

具体方法是将每个指标的变异系数除以所有指标的变异系数之和，得到每个指标的权重，即：
权重= 指标变异系数/ 所有指标变异系数之和
然后将每个指标的权重乘以其对应的评价得分，最终得到各指标加权得分之和，作为该方案或对象的综合评价结果。

总的来说，变异系数赋权法是一种简单易行且有效的多指标评价方法，适用于指标间变异度较大的情况下。

二、权重的确定方法在统计理论和实践中，权重是表明各个评价指标(或者评价项目）重要性的权数，表示各个评价指标在总体中所起的不同作用。

权重有不同的种类，各种类别的权重有着不同的数学特点和经济含义，一般有以下几种权重.按照权重的表现形式的不同，可分为绝对数权重和相对数权重。

相对数权重也称比重权数，能更加直观地反映权重在评价中的作用。

按照权重的形成方式划分,可分为人工权重和自然权重。

自然权重是由于变换统计资料的表现形式和统计指标的合成方式而得到的权重，也称为客观权重。

人工权重是根据研究目的和评价指标的内涵状况，主观地分析、判断来确定的反映各个指标重要程度的权数,也称为主观权重.按照权重形成的数量特点的不同划分，可分为定性赋权和定量赋权。

如果在统计综合评价时，采取定性赋权和定量赋权的方法相结合，获得的效果更好。

按照权重与待评价的各个指标之间相关程度划分,可分为独立权重和相关权重。

独立权重是指评价指标的权重与该指标数值的大小无关,在综合评价中较多地使用独立权重，以此权重建立的综合评价模型称为“定权综合”模型。

相关权重是指评价指标的权重与该指标的数值具有函数关系，例如，当某一评价的指标数值达到一定水平时，该指标的重要性相应的减弱；或者当某一评价指标的数值达到另一定水平时，该指标的重要性相应地增加。

相关权重适用于评价指标的重要性随着指标取值的不同而发生变化的条件下，基于相关权重建立的综合评价模型被称为“变权模型”。

比如评估环境质量多采用“变权综合”模型。

确定权重的方法较多,这里介绍统计平均法、变异系数法和层次分析法，这些也是实际工作种常用的方法。

（一）统计平均法统计平均数法（Statistical average method）是根据所选择的各位专家对各项评价指标所赋予的相对重要性系数分别求其算术平均值，计算出的平均数作为各项指标的权重.其基本步骤是：第一步,确定专家.一般选择本行业或本领域中既有实际工作经验、又有扎实的理论基础、并公平公正道德高尚的专家；第二步，专家初评。

不知道怎样计算权重？告诉你8种确定权重⽅法⽬录计算权重是⼀种常见的分析⽅法，在实际研究中，需要结合数据的特征情况进⾏选择，⽐如数据之间的波动性是⼀种信息量，那么可考虑使⽤CRITIC权重法或信息量权重法；也或者专家打分数据，那么可使⽤AHP层次法或优序图法。

本⽂列出常见的权重计算⽅法，并且对⽐各类权重计算法的思想和⼤概原理，使⽤条件等，便于研究⼈员选择出科学的权重计算⽅法。

⾸先列出常见的8类权重计算⽅法，如下表所⽰：计算权重⽅法汇总这8类权重计算的原理各不相同，结合各类⽅法计算权重的原理⼤致上可分成4类，分别如下：· 第⼀类为因⼦分析和主成分法；此类⽅法利⽤了数据的信息浓缩原理，利⽤⽅差解释率进⾏权重计算；· 第⼆类为AHP层次法和优序图法；此类⽅法利⽤数字的相对⼤⼩信息进⾏权重计算；· 第三类为熵值法（熵权法）；此类⽅法利⽤数据熵值信息即信息量⼤⼩进⾏权重计算；· 第四类为CRITIC、独⽴性权重和信息量权重；此类⽅法主要是利⽤数据的波动性或者数据之间的相关关系情况进⾏权重计算。

第⼀类、信息浓缩(因⼦分析和主成分分析)计算权重时，因⼦分析法和主成分法均可计算权重，⽽且利⽤的原理完全⼀模⼀样，都是利⽤信息浓缩的思想。

因⼦分析法和主成分法的区别在于，因⼦分析法加带了‘旋转’的功能，⽽主成分法⽬的更多是浓缩信息。

‘旋转’功能可以让因⼦更具有解释意义，如果希望提取出的因⼦具有可解释性，⼀般使⽤因⼦分析法更多；并⾮说主成分出来的结果就完全没有可解释性，只是有时候其解释性相对较差⽽已，但其计算更快，因⽽受到⼴泛的应⽤。

⽐如有14个分析项，该14项可以浓缩成4个⽅⾯(也称因⼦或主成分)，此时该4个⽅⾯分别的权重是多少？此即为因⼦分析或主成分法计算权重的原理，它利⽤信息量提取的原理，将14项浓缩成4个⽅⾯（因⼦或主成分），每个因⼦或主成分提取出的信息量（⽅差解释率）即可⽤于计算权重。

变异系数和熵权法
变异系数和熵权法是两种不同的权重确定方法，它们在处理数据和确定指标权重方面有所不同。

变异系数法，也称为标准离差法，其基本思想是计算每个指标下数据的方差Si，用Si除以各个Si的总和作为第i个指标的权重值，方差越大者权重也越大。

这种方法的优点是比较简单，也容易实现，能够有效区分各个指标。

但它的缺点也是显著的——变异系数法的前提是各个指标重要性相当。

指标方差越大只能说明该指标对不同方案的区分度很高，事实上并不能等同于指标的重要度。

因此使用变异系数法时，对指标的选取有一定要求。

熵权法是通过构建各指标的判断矩阵，来得出各个指标的熵。

信息论定义熵时指出，熵是一种不确定性量度，信息熵与数据离散程度是相反的，也就是说指标在评价过程中的影响程度同样与信息熵成反比，信息熵可以被用来得出熵权，再得出科学合理的权重。

但是，熵权法要以大量的统计数据作为计算和分析的基础，就当今我国国内推行装配式建筑的情况，无法满足该评价方法对于数据的要求。

以上内容仅供参考，如需更多信息，建议查阅相关文献或咨询统计学专家。