权重的确定方法汇总一、指标权重的确定1.概述目前关于属性权重的确定方法很多，根据计算权重时原始数据的来源不同，可以将这些方法分为三类：主观赋权法、客观赋权法、组合赋权法。
主观权重法是根据决策者（专家）的主观注意力来确定属性权重的方法。
其原始数据由专家根据经验进行主观判断获得。
常用的主观赋权方法有专家调查法（德尔菲法）、层次分析法（AHP）[106-108]、二项系数法、链式比较评分法、最小二乘法等。
本文利用人类经验和知识选择了有序二元比较定量法。
主观赋权法是人们研究较早、较为成熟的方法，主观赋权法的优点是专家可以根据实际的决策问题和专家自身的知识经验合理地确定各属性权重的排序，不至于出现属性权重与属性实际重要程度相悖的情况。
但决策或评价结果具有较强的主观随意性，客观性较差，同时增加了对决策分析者的负担，应用中有很大局限性。
针对主观赋权法的不足，人们提出了客观赋权法。
其原始数据由决策方案中每个属性的实际数据构成。
其基本思想是，属性权重应该是度量属性集中每个属性的变化程度以及对其他属性的影响，权重的原始信息应该直接来自客观环境，信息处理的过程应该是深入探索属性之间的关系和影响，然后根据属性的关联程度或属性提供的信息量确定属性权重。
如果一个属性对所有决策方案没有差异（即每个决策方案的属性值相同），则该属性对方案的识别和排序没有影响，其权重应为0；如果某个属性在所有决策方案的属性值中存在较大差异，则该属性将在方案的识别和排序中发挥重要作用，简而言之，应该给出较大的权重，每个属性的权重应该根据该属性下每个方案的属性值之间的差异来确定。
差异越大，属性的权重就越大，反之亦然。
常用的客观赋权法[109-110]有：主成份分析法、熵值法[111-112]、离差及均方差法、多目标规划法等。
其中熵值法用得较多，这种赋权法所使用的数据是决策矩阵，所确定的属性权重反映了属性值的离散程度。
客观赋权法主要根据原始数据之间的关系确定权重。
浅析运用层次分析法确定指标权重我们有很多事情要做，但我们只有那么点资源，我该怎么办？我们先来看两个例子：问题一：某企业准备推出一种新产品，而目前市场上已有几个类似的产品在销售。
对该企业来说，要想在已有的市场上赢得一席之地就必须提供更具市场竞争力的新产品，可是究竟什么样的产品才是消费者青睐的呢？产品设计及研发部门比较苦恼：（1）对于这类产品，消费者更注重的是价格？包装？功能？品牌？还是……（2）如果包装更加重要，他们更加关注的是外包装形状？颜色？大小？还是内部材质？如果功能更加重要，那是防水性？延伸性？自动化程度？还是准确性？问题二：售后服务的好坏已经逐渐成为车主选车、购车时考虑的一大关键要素，而对于汽车制造商来说，提供良好的汽车保养维修售后服务便成为了当前厂商间竞争的另一焦点。
而作为汽车售后服务体现的关键部门——4S店的服务流程与质量的好坏，将直接影响到消费者对该厂商的评价。
那么，在售后服务的整个流程当中，哪些服务内容是车主更加关注呢？在有限的资源内，重点加强哪方面的服务会更容易赢得车主们的信赖呢？实际上，一个企业经常会遇到以上说到的关于产品及服务提供优先顺序考虑的问题，这些问题看起来确实很烦琐，一堆需要考虑的因素放在那里，千头万绪，有时候甚至让人摸不着头脑，不知道该从何下手。
而事实上，运用市场研究的方法，这些问题解决起来似乎就不像想象中那么棘手了，问题的关键就在于从消费者需求出发合理地判断出用来表征产品及服务各项属性的重要性。
而重要性的判断，从市场研究的角度上分析，就是对各属性（即指标）在整个体系中进行权重的判定。
就一个产品或一项服务来说，我们可以用很多不同的指标从不同方面去评价，那么，在众多的评价指标当中，哪些方面在消费者看来更加重要，需要我们重点关注和提高？哪些不太重要，可以在对重要指标进行重点提升以后再逐步改进？哪些根本不重要，甚至可以忽略不计？这些都是企业在产品及服务提供过程中需要特别关注或了解的问题，只要清楚地界定了这些问题，就能有的放矢地进行针对性改进或提升，从而更好地服务于客户，同时最大程度地节省企业资源及投入。
