指标权重确定方法之熵权法 (计算方法参考

权重计算公式大全
权重计算公式是根据具体情况和需求而定的，不同情况下可能会有不同的权重计算公式。

下面列举几种常见的权重计算公式：
1.线性加权计算：
权重计算公式：W = w1 * x1 + w2 * x2 + ... + wn * xn
其中，W表示总权重，wi表示第i个指标的权重，xi表示第i个指标的值。

2.比例加权计算：
权重计算公式：W = (w1 * x1) / (w1 * x1 + w2 * x2 + ... + wn * xn)
其中，W表示总权重，wi表示第i个指标的权重，xi表示第i个指标的值。

3.熵权法计算：
权重计算公式：W = (-1/ln(n)) * (p1 * ln(p1) + p2 * ln(p2) + ... + pn * ln(pn))
其中，W表示总权重，pi表示第i个指标的权重，n表示指标的个数。

4.主成分分析法计算：
权重计算公式：W = ai1 * x1 + ai2 * x2 + ... + ain * xn
其中，W表示总权重，aij表示第i个指标在第j个主成分上的权重，xi表示第i个指标的值。

以上只是几种常见的权重计算公式，在实际应用中还可以根据需求进行适当的拓展和改进。

例如，在机器学习中常用的梯度下降算法中，会根据误差函数来计算不同参数的权重，以更新模型的参数。

在推荐系统中，可以使用基于用户行为等因素的协同过滤算法来计算不同推荐项的权重。

总之，权重计算公式的选择和设计需要根据具体情况和需求来确定，并且这些公式也可以进行适当的拓展和改进，以满足实际应用的需求。

权重的计算公式范文1. 加权平均法（Weighted Average）:加权平均法是一种简单的权重计算公式，适用于对不同指标进行加权求平均的情况。

假设有n个指标，每个指标的权重分别为w1, w2, ..., wn，对应的值为v1, v2, ..., vn，则加权平均值计算公式如下：Weighted Average = (w1 * v1 + w2 * v2 + ... + wn * vn) / (w1 + w2 + ... + wn)2. 熵权法（Entropy Weight）:熵权法将信息熵的概念应用于权重计算中，通过计算每个指标的熵值来确定其权重。

熵值越大，表示指标的信息量越大，因此其权重相对较高。

具体计算流程如下：- 计算各指标的信息熵：Ei = -∑(pi * log2(pi))-计算各指标的信息熵权重：Wi=(1-Ei)/∑(1-Ei)3. 层次分析法（Analytic Hierarchy Process, AHP）:层次分析法是一种将复杂问题层次化进行决策的方法。

它通过构建一个层次结构，将问题拆解为不同层次的准则和子准则，然后根据专家的意见对准则和子准则进行两两比较，最终计算出权重。

具体计算流程如下：-构建层次结构，并进行两两比较，得到比较矩阵。

-根据比较矩阵的特征向量，计算各指标的权重。

4. TOPSIS法（Technique for Order of Preference bySimilarity to Ideal Solution）:TOPSIS法根据指标的正向理想解与负向理想解的接近程度来计算权重。

-标准化各指标的值：将原始值转化为无量纲的相对指标值。

-计算正向理想解和负向理想解：正向理想解为各指标的最大值，负向理想解为各指标的最小值。

-计算正负理想解与各指标的距离：正向理想解与各指标的距离为欧氏距离，负向理想解与各指标的距离也为欧氏距离。

-计算各指标的接近程度：接近程度=负向理想解的距离/(正向理想解的距离+负向理想解的距离)。

指标权重确定方法之熵权法一、熵权法介绍熵最先由申农引入信息论，目前已经在工程技术、社会经济等领域得到了非常广泛的应用。

熵权法的基本思路是根据指标变异性的大小来确定客观权重。

一般来说，若某个指标的信息熵越小，表明指标值得变异程度越大，提供的信息量越多，在综合评价中所能起到的作用也越大，其权重也就越大。

相反，某个指标的信息熵越大，表明指标值得变异程度越小，提供的信息量也越少，在综合评价中所起到的作用也越小，其权重也就越小。

二、熵权法赋权步骤1.数据标准化将各个指标的数据进行标准化处理。

假设给定了k个指标，其中。

假设对各指标数据标准化后的值为，那么。

2.求各指标的信息熵根据信息论中信息熵的定义，一组数据的信息熵。

其中，如果，则定义。

3.确定各指标权重根据信息熵的计算公式，计算出各个指标的信息熵为。

通过信息熵计算各指标的权重：。

三、熵权法赋权实例1.背景介绍某医院为了提高自身的护理水平，对拥有的11个科室进行了考核，考核标准包括9项整体护理，并对护理水平较好的科室进行奖励。

下表是对各个科室指标考核后的评分结果。

但是由于各项护理的难易程度不同，因此需要对9项护理进行赋权，以便能够更加合理的对各个科室的护理水平进行评价。

2.熵权法进行赋权1）数据标准化根据原始评分表，对数据进行标准化后可以得到下列数据标准化表表2 11个科室9项整体护理评价指标得分表标准化表科室X1X2X3X4X5X6X7X8X9A 1.000.00 1.000.000.50 1.00 1.00 1.00 1.00B 1.00 1.000.00 1.000.50 1.00 1.00 1.00 1.00C0.00 1.000.33 1.000.50 1.00 1.00 1.00 1.00D 1.00 1.000.00 1.000.50 1.000.87 1.00 1.00E 1.000.00 1.00 1.00 1.000.00 1.00 1.000.00F 1.00 1.00 1.00 1.000.50 1.00 1.000.00 1.00G 1.00 1.000.00 1.000.50 1.000.00 1.00 1.00H0.50 1.000.33 1.00 1.00 1.00 1.00 1.00 1.00I 1.00 1.000.67 1.000.00 1.00 1.00 1.00 1.00J 1.000.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 K 1.00 1.000.67 1.000.50 1.00 1.00 1.00 1.002）求各指标的信息熵根据信息熵的计算公式，可以计算出9项护理指标各自的信息熵如下：表3 9项指标信息熵表X1X2X3X4X5X6X7X8X9信息熵0.950.870.840.960.940.960.960.960.963）计算各指标的权重根据指标权重的计算公式，可以得到各个指标的权重如下表所示：表4 9项指标权重表W1W2W3W4W5W6W7W8W9权重0.080.220.270.070.110.070.070.070.073.对各个科室进行评分根据计算出的指标权重，以及对11个科室9项护理水平的评分。

Excel 、wps 实现熵权法计算过程：1.熵权法下指标权重的计算熵权法下首先计算第i 年份的第j 项指标值的权重：i=1，2，3…n; j=1，2，3…m （2）令k=1/ln(n)>0,为调节系数，计算指标信息熵： i=1，2，3…n; j=1，2，3…m （3）最后确定计算指标权重：（0<w j <1,，j=1，2，3…m ） （4）1. 用标准化后的数据计算，若为时间序列下： ∑==ni ijij ij yy p 1'')ln (1ij ni ij jp p k e ∑=-=∑=--=mj jj j e m e w 1111=∑=mj j wB CA1 1998 0.1028 0.10022 1999 0.2178 0.14573 2000 0.3063 0.14254 2001 0.1000 0.16915 2002 0.2455 0.16386 2003 0.1710 0.12617 2004 0.2852 0.14658 2005 0.3170 0.12919 2006 0.6475 0.212110 2007 0.6475 0.280311 2008 0.562183898 0.40375096412 2009 0.585203446 0.58858552113 2010 0.694865622 0.46510671514 2011 0.500221291 0.47224960715 2012 1 0.60299302616 2013 0.863566837 0.55895494417 2014 0.835655753 0.523401776 18 2015 0.193615668 0.586089558 19 2016 0.521055261.00034725520 =SUM(B1:B19) =SUM(C1:C19) 21pij=B1/B$20 =C1/C$20下拉后得到19行新数据最后一步就是这个式子的计算，下拉就好了，$会让你下拉的时候总是除以20行这个数字保持不变。

熵权 TOPSIS 法1. 引言在决策过程中，我们经常需要对多个方案或对象进行评估和排序。

而多指标决策分析方法就可以帮助我们根据不同指标的权重，对这些方案或对象进行综合评价。

熵权 TOPSIS 法是一种常用的多指标决策分析方法，它结合了熵和 TOPSIS 方法的优势，能够较好地解决多指标决策问题。

本文将首先介绍熵权法和 TOPSIS 方法的基本原理，然后详细介绍熵权 TOPSIS 法的步骤和计算方法，最后通过一个实例进行演示。

2. 熵权法熵权法是一种基于信息熵的权重确定方法。

信息熵是度量信息量的不确定性和随机性的指标，可以用来评估指标的重要性。

具体而言，信息熵越大，表示指标的不确定性越高，重要性越低；反之，信息熵越小，表示指标的不确定性越低，重要性越高。

根据信息熵的性质，可以将指标的信息熵用来确定其权重。

熵权法的步骤如下：1. 计算每个指标的信息熵，公式如下：E =−∑p i log (p i )n i=1 其中 p i 表示指标的权重。

2. 计算每个指标的权重，公式如下：w i =1−E i n−∑(1−E i )n i=1 其中 E i 表示指标 i 的信息熵，n 表示指标的个数。

3. 标准化权重，使所有权重之和为1，公式如下：w′i =w i∑w i n i=1熵权法的优点是简单易用，适用范围广，能够根据实际情况确定权重，使决策结果更加合理和准确。

3. TOPSIS 方法TOPSIS 方法是一种常用的多指标决策分析方法，它通过计算方案或对象与最优方案或对象的距离，来确定其综合评价值。

TOPSIS 方法的基本思想是，选择与最优方案或对象的距离最小，与最差方案或对象的距离最大的方案或对象作为最优选择。

TOPSIS 方法的步骤如下：1.数据标准化，将原始数据转化为无量纲的形式。

2.计算正理想解和负理想解，正理想解是指各指标的最大值，负理想解是指各指标的最小值。

3.计算方案或对象与正理想解的距离和负理想解的距离。

指标权重确定方法之熵权法(计算方法熵权法（Entropy Weighting Method）是一种常用的指标权重确定方法，它通过计算指标数据的熵值来确定指标的权重。

熵值体现了指标数据的离散程度，离散程度越大，熵值越大，即指标的重要性越高。

熵值的计算方法如下：设有n个指标，每个指标有m个样本，设第i个指标的第j个样本为Xij，熵值计算公式为：Ei = - (Xij * ln(Xij)）其中，i表示指标的序号，j表示样本的序号，ln表示自然对数。

计算完每个指标的熵值后，进一步对熵值进行归一化处理，得到权重。

具体的计算步骤如下：1.归一化处理：将指标数据进行归一化处理，将其范围限定在(0,1)之间。

2.计算指标熵值：按照上述公式，计算每个指标的熵值。

3.计算指标权重：将每个指标的熵值除以所有指标熵值的和，得到每个指标的权重。

4.权重归一化：对指标权重进行归一化处理，使得所有指标权重的和等于1下面通过一个例子来说明熵权法的计算过程。

假设有3个指标，每个指标有4个样本，指标数据如下：指标1：1,2,3,4指标2：5,6,7,8指标3：10,20,30,40首先进行归一化处理，计算每个指标的最小值和最大值，然后将指标数据进行归一化，得到如下结果：指标1：0.0,0.25,0.5,1.0指标2：0.0,0.2,0.4,1.0指标3：0.0,0.0714,0.2143,1.0接下来计算指标熵值，根据前面的熵值计算公式，计算每个指标的熵值，并取负值，得到如下结果：然后将熵值进行归一化处理，将每个指标的熵值除以所有指标熵值的和，得到如下结果：最后对指标权重进行归一化处理，使得所有指标权重的和等于1，得到最终的权重结果：通过以上计算可以得到每个指标的权重，可以根据权重进行综合评价。

熵权法能够充分考虑指标的离散程度，提高了指标权重的准确性，因此被广泛应用于各种指标权重确定的问题中。

熵权法求权重步骤
熵权法是一种常用的权重分配方法，其求解步骤如下：
1.确定指标体系：根据实际问题确定要评价的指标体系。

2.收集数据：对于每一个指标收集数据，建立指标数据矩阵。

3.数据标准化：对每个指标进行数据标准化处理，使得不同指标的量纲和单位可以统一并进行比较。

4.计算信息熵：根据每个指标的数据矩阵计算信息熵。

信息熵越小，说明指标的数据分布越集中，对决策的影响就越大。

5.计算权重：根据信息熵计算各个指标的权重。

信息熵越小，对应的权重越大。

6.检验权重：对得到的权重进行检验，确保其合理性和可靠性。

7.综合评价：根据计算得到的指标权重，对各个指标进行综合评价，得出最终的评价结果。

stata熵权法求每个指标权重Stata熵权法求每个指标权重导语：在数据分析和决策过程中，确定各个指标的权重是一个至关重要的步骤。

为了准确地评估和比较各个指标的重要性，我们需要一种科学的方法来确定指标的权重。

本文将介绍一种常用的方法——熵权法在Stata中的应用。

通过熵权法，我们可以根据指标的信息熵值，来确定每个指标的权重，从而为决策提供科学依据。

引言：随着数据分析和决策科学的发展，熵权法作为一种有效的决策分析方法，被广泛应用于解决复杂问题。

熵权法通过计算指标的信息熵值，反映了指标的随机性和不确定性程度，从而确定指标的权重。

在这一过程中，我们可以将指标的信息熵值作为一种度量指标在整体指标体系中所占比重的依据，进而进行决策和排名。

方法：在Stata中，我们可以利用其丰富的统计工具和熵权法相关函数来实现指标权重的计算。

以下是详细的步骤：1. 数据准备：我们需要准备相关的数据。

数据应该包含各个指标的取值，以及每个指标的参考值。

确保数据的完整性和准确性是非常重要的。

2. 计算指标的信息熵值：在Stata中，我们可以使用`egen`命令中的`entropy`函数来计算指标的信息熵值。

该函数的语法如下：```egen entropy_var = entropy(indicator_var)```其中，`indicator_var`是一个指标变量，`entropy_var`是一个新变量，用于保存指标的信息熵值。

3. 计算指标的权重：根据熵权法的原理，指标的权重与其信息熵值成反比。

我们可以使用`egen`命令中的`total`函数来计算指标的权重。

该函数的语法如下：```egen weight_var = total(1 / entropy_var)```其中，`entropy_var`是前一步计算得到的指标的信息熵值，`weight_var`是一个新变量，用于保存指标的权重。

4. 归一化处理：为了便于指标权重的理解和使用，我们通常需要对权重进行归一化处理。

【精品】熵权法熵权法是一种基于熵（信息熵或香农熵）的多指标决策方法，该方法可以评估每个指标的重要性，并确定最佳决策方案。

熵在信息论中用来表示数据中的不确定性程度，也可以用来度量指标之间的差异程度，进而确定最优解。

熵权法适用于评估复杂系统的各种指标，并可以帮助决策者在决策过程中更全面、客观地了解系统的状况。

熵权法的基本思想是，在给定的指标集合中选择具有最大差异性的指标作为最佳指标，从而确定系统的最佳状态或最优解。

在熵权法中，通过求解熵值和权重实现了对指标的排序和评价。

具体内容如下：1. 熵值的计算熵值反映了指标之间的差异程度，其值越大，指标之间的差异程度越大，反之则差异程度越小。

在熵权法中，我们需要计算每个指标的熵值，以此来确定每个指标的重要性。

假设有n个样本，m个指标，则第i个指标的熵值可以表示为：$ E_i=-\sum_{j=1}^{n}{p_{ij}\log_2p_{ij}} $其中，$ p_{ij} $表示第i个指标在第j个样本中的比重。

权重是指标在整个指标集合中的重要程度，其越大表示该指标对整个指标集合的影响越大。

在熵权法中，我们需要计算每个指标的权重，以此来评估每个指标的重要性。

其中，$ E_i $为第i个指标的熵值，$ \sum_{j=1}^{m}E_j $为指标集合的熵值之和。

根据以上公式，我们可以计算出每个指标的熵值和权重，并进行指标排序和评价。

3. 实例分析为了更好地理解熵权法的应用，我们可以以某电子产品公司的产品选型为例进行分析。

假设该公司正在开发一款新的产品，并需要在多个指标（如价格、功能、品质、颜色等）之间进行权衡和取舍。

为了确定最佳的决策方案，该公司采用熵权法进行了分析与评价。

下图是该公司对几个主要指标的熵值计算结果：指标 | 价格 | 功能 | 品质 | 颜色-----|-----|-----|-----|-----熵值 | 0.235 | 0.183 | 0.142 | 0.124由上表可知，价格这一指标的熵值最大，说明该指标在整个指标集合中的差异程度最大，因此价格是最重要的一个指标。

熵权法是一种基于信息熵原理的权重确定方法，可以用于评估指标的离散程度并据此确定指标的权重。

下面是一个使用熵权法进行权重计算的例题，供您参考。

假设我们有一个包含多个指标的数据集，其中每个指标对应一个样本，每个样本有多个属性。

我们希望根据这些指标对样本进行综合评价，并确定各个指标的权重。

首先，我们需要对指标进行标准化处理，将每个指标的值转换为[0, 1]区间的值。

具体而言，我们可以对每个指标进行求平均值和标准差的处理，然后将每个样本的每个指标值减去该指标的均值，再除以该指标的标准差。

这样处理后的指标值分布在[0, 1]区间内，具有相同的单位和量级。

接下来，我们可以根据熵权法的原理，利用每个指标的熵值来计算其权重。

假设我们有n 个样本，m个指标，那么每个指标的熵值为：Ej = -k * ΣPi*log(Pi) / log(m) (j=1, 2, ..., m)其中，Pi表示第i个样本在第j个指标上的值，k为玻尔兹曼常数，通常取值为1/kT，T为样本所处环境的温度。

根据熵权法的原理，每个指标的权重可以表示为其熵值的倒数：Wi = 1 / Ej (j=1, 2, ..., m)这样，我们就得到了每个指标的权重。

需要注意的是，由于熵权法是基于信息熵原理的，因此对于包含大量数据的样本集，其计算结果更为准确。

同时，由于熵权法忽略了指标之间的相关性，因此对于具有高度相关性的指标，其权重可能会被过度放大。

因此，在使用熵权法时，需要根据具体情况进行适当的调整和优化。

在实际应用中，熵权法可以用于评估各种类型的数据集，如市场调查数据、生产数据、销售数据等。

通过使用熵权法，我们可以更加客观地评估指标的重要性，并根据权重对样本进行综合评价和决策。

同时，熵权法也可以与其他方法结合使用，如层次分析法、主成分分析等方法，以提高评价和决策的准确性和可靠性。

熵权法综合评价值计算公式熵权法综合评价值计算公式，听起来是不是有点让人摸不着头脑？其实啊，这就像我们生活中的一个小谜题，等着我们去解开。

咱们先来说说啥是熵权法。

简单来讲，熵权法就是一种通过计算信息熵来确定指标权重的方法。

那这和综合评价值计算公式又有啥关系呢？别急，听我慢慢道来。

比如说，咱们学校要评选优秀班级。

那评选的标准可能有很多，像班级的卫生情况、学习成绩、纪律表现等等。

每个标准对于评选的重要程度可不一样，这时候就用到熵权法来确定每个标准的权重啦。

那熵权法综合评价值计算公式到底是啥样呢？一般来说，它会涉及到一堆复杂的数学运算。

咱们假设现在有 n 个评价对象，m 个评价指标。

首先要对原始数据进行标准化处理，把不同量纲的数据统一到一个标准范围内。

这就好比我们把不同大小的苹果、香蕉、橙子都变成同样大小的水果块，方便比较。

然后计算每个指标的信息熵。

这信息熵就像是衡量指标不确定性的一把尺子。

如果一个指标的信息熵越大，说明它的不确定性就越大，对综合评价的作用就越小，相应的权重也就越低。

具体的计算公式呢，我就不给大家详细列出来啦，不然估计会把你们的脑袋绕晕。

我想起之前有一次，学校组织班级之间的文化活动比赛。

每个班级都要展示自己的特色文化，包括班级布置、文艺表演等等。

评委们在打分的时候，就面临着如何权衡各个方面的问题。

这时候，如果用熵权法来确定各个评价指标的权重，就能更科学、更公平地评选出优秀班级。

比如说班级布置这一项，有的班级装饰得特别华丽，但内容空洞；有的班级虽然简单，但很有创意和内涵。

如果只是凭感觉打分，可能会有偏差。

但用熵权法，就能根据各项表现的不确定性和重要程度，给出更合理的权重，计算出更准确的综合评价值。

再回到熵权法综合评价值计算公式，虽然它看起来复杂，但其实就是为了让我们在面对众多评价指标时，能够更加客观、准确地做出评价。

总之，熵权法综合评价值计算公式虽然有点让人头疼，但只要我们慢慢理解，就能发现它在很多评价决策中都能发挥大作用。

目录一、熵权法介绍 (2)二、熵权法赋权步骤 (2)1．数据标准化 (2)2．求各指标的信息熵 (2)3．确定各指标权重 (2)三、熵权法赋权实例 (3)1．背景介绍 (3)2．熵权法进行赋权 (3)3．对各个部门进行评分 (5)一、熵权法介绍“熵权”理论是一种客观赋权方法，它借用信息论中熵的概念。

熵权是在给定评价对象集后各种评价指标值确定的情况下，各指标在竞争意义上的相对激烈程度，从信息角度考虑，它代表该评价指标在该问题中提供有效信息量的多寡程度，作为一种客观综合评价方法，它主要是根据各指标传递给决策者的信息量大小来确定其权数。

熵最先由申农引入信息论，目前已经在工程技术、社会经济等领域得到了非常广泛的应用。

熵权法的基本思路是根据指标变异性的大小来确定客观权重。

一般来说，若某个指标的信息熵越小，表明指标值得变异程度越大，提供的信息量越多，在综合评价中所能起到的作用也越大，其权重也就越大。

相反，某个指标的信息熵越大，表明指标值得变异程度越小，提供的信息量也越少，在综合评价中所起到的作用也越小，其权重也就越小。

二、熵权法赋权步骤1．数据标准化将各个指标的数据进行标准化处理。

假设给定了k个指标，其中。

假设对各指标数据标准化后的值为，那么。

2．求各指标的信息熵根据信息论中信息熵的定义，一组数据的信息熵。

其中，如果，则定义。

3．确定各指标权重根据信息熵的计算公式，计算出各个指标的信息熵为。

通过信息熵计算各指标的权重：。

三、熵权法赋权实例1．背景介绍某公司为了提高自身的工作水平，对拥有的11个部门进行了考核，考核标准包括9项整体工作，并对工作水平较好的部门进行奖励。

下表是对各个部门指标考核后的评分结果。

但是由于各项工作的难易程度不同，因此需要对9项工作进行赋权，以便能够更加合理的对各个部门的工作水平进行评价。

2．熵权法进行赋权1）数据标准化根据原始评分表，对数据进行标准化后可以得到下列数据标准化表表2 11个部门9项整体工作评价指标得分表标准化表3）计算部门x1 x2 x3 x4 x5 x6 x7 x8 x9A 0.11 0.00 0.17 0.00 0.08 0.10 0.10 0.10 0.10B 0.11 0.13 0.00 0.10 0.08 0.10 0.10 0.10 0.10C 0.00 0.13 0.06 0.10 0.08 0.10 0.10 0.10 0.10D 0.11 0.13 0.00 0.10 0.08 0.10 0.09 0.10 0.10E 0.11 0.00 0.17 0.10 0.15 0.00 0.10 0.10 0.00F 0.11 0.13 0.17 0.10 0.08 0.10 0.10 0.00 0.10G 0.11 0.13 0.00 0.10 0.08 0.10 0.00 0.10 0.10H 0.05 0.13 0.06 0.10 0.15 0.10 0.10 0.10 0.10I 0.11 0.04 0.11 0.10 0.00 0.10 0.10 0.10 0.10J 0.11 0.13 0.17 0.10 0.15 0.10 0.10 0.10 0.10K 0.11 0.04 0.11 0.10 0.08 0.10 0.10 0.10 0.103）求各指标的信息熵根据信息熵的计算公式，可以计算出9项工作指标各自的信息熵如下：表3 9项指标信息熵表X1 X2 X3 X4 X5 X6 X7 X8 X9信息熵0.95 0.87 0.84 0.96 0.94 0.96 0.96 0.96 0.96 4）计算各指标的权重根据指标权重的计算公式，可以得到各个指标的权重如下表所示：表4 9项指标权重表W1 W2 W3 W4 W5 W6 W7 W8 W9权重0.08 0.22 0.27 0.07 0.11 0.07 0.07 0.07 0.07 3．对各个部门进行评分根据计算出的指标权重，以及对11个部门9项工作水平的评分。

指标权重确定方法之熵权法一、熵权法介绍熵最先由申农引入信息论，目前已经在工程技术、社会经济等领域得到了非常广泛的应用。

熵权法的基本思路是根据指标变异性的大小来确定客观权重。

一般来说，若某个指标的信息熵越小，表明指标值得变异程度越大，提供的信息量越多，在综合评价中所能起到的作用也越大，其权重也就越大。

相反，某个指标的信息熵越大，表明指标值得变异程度越小，提供的信息量也越少，在综合评价中所起到的作用也越小，其权重也就越小。

二、熵权法赋权步骤1.数据标准化将各个指标的数据进行标准化处理。

假设给定了k个指标，其中。

假设对各指标数据标准化后的值为，那么。

2.求各指标的信息熵根据信息论中信息熵的定义，一组数据的信息熵。

其中，如果，则定义。

3.确定各指标权重根据信息熵的计算公式，计算出各个指标的信息熵为。

通过信息熵计算各指标的权重：。

三、熵权法赋权实例1.背景介绍某医院为了提高自身的护理水平，对拥有的11个科室进行了考核，考核标准包括9项整体护理，并对护理水平较好的科室进行奖励。

下表是对各个科室指标考核后的评分结果。

但是由于各项护理的难易程度不同，因此需要对9项护理进行赋权，以便能够更加合理的对各个科室的护理水平进行评价。

2.熵权法进行赋权1）数据标准化根据原始评分表，对数据进行标准化后可以得到下列数据标准化表表2 11个科室9项整体护理评价指标得分表标准化表科室X1X2X3X4X5X6X7X8X9A 1.000.00 1.000.000.50 1.00 1.00 1.00 1.00B 1.00 1.000.00 1.000.50 1.00 1.00 1.00 1.00C0.00 1.000.33 1.000.50 1.00 1.00 1.00 1.00D 1.00 1.000.00 1.000.50 1.000.87 1.00 1.00E 1.000.00 1.00 1.00 1.000.00 1.00 1.000.00F 1.00 1.00 1.00 1.000.50 1.00 1.000.00 1.00G 1.00 1.000.00 1.000.50 1.000.00 1.00 1.00H0.50 1.000.33 1.00 1.00 1.00 1.00 1.00 1.00I 1.00 1.000.67 1.000.00 1.00 1.00 1.00 1.00J 1.000.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 K 1.00 1.000.67 1.000.50 1.00 1.00 1.00 1.002）求各指标的信息熵根据信息熵的计算公式，可以计算出9项护理指标各自的信息熵如下：表3 9项指标信息熵表X1X2X3X4X5X6X7X8X9信息熵0.950.870.840.960.940.960.960.960.963）计算各指标的权重根据指标权重的计算公式，可以得到各个指标的权重如下表所示：表4 9项指标权重表W1W2W3W4W5W6W7W8W9权重0.080.220.270.070.110.070.070.070.073.对各个科室进行评分根据计算出的指标权重，以及对11个科室9项护理水平的评分。