综合评价方法-论如何科学的打分

前言

如果我们想评价一个事物 ，只从单一指标出发评价，会显得很不公正也不科学

因此多数情况下，评价一个事物往往需要涉及多个层次、多个方面的指标进行综合评价

从而得出更加科学合理的结论

评价步骤

1. 确定评价指标

2. 确定指标权重

   (部分方法无需确定权重)

3. 计算对象得分

4. 评价结果分析

评价方法

综合评价方法有很多 大致分类如下 如下图:

总体来说 分为两大类 : 计算指标的权重和直接排序

• 计算指标权重: 计算出各指标的权重 各对象依据权重计算出最终得分
• 直接排序:无需计算各指标权重 直接对各对象进行打分

方法	数据波动性	数据相关性	其他
熵值法	无	无	熵值
独立性权重	无	有
信息量权重	有	无
AHP层次法	无	无	专家建议
CRITIC权重法	有	有
TOPSIS法	无	无	理想距离
熵权TOPSIS	无	无	熵权+TOPSIS

理论与实践

大多综合评价法使用之前都要进行量纲化和同向化

什么是数据的量纲化和同向化？

• 熵值法
• 独立性权重
• 信息量权重
• AHP层次分析法
• CRITIC权重法
• TOPSIS法

评价结果、评价方法的好坏，本身就具有很强的主观性。

马克思主义告诉我们“具体问题 具体分析 在矛盾普遍性原理的指导下，具体分析矛盾的特殊性，并找出解决矛盾的正确方法。“

综合评价的方法一般是主客观结合的

方法的选择需基于实际指标数据情况选定，最为关键的是指标的选取，以及指标权重的设置

这些需要基于广泛的调研和扎实的业务知识，不能说单纯的从数学上解决的。

只有最符合业务需要，解决业务痛点的方法才是最好的方法

数据输入

设共有 $n$个待评价对象，每个对象都有$m$个指标(属性)，即$n*m$ 的二维数组，如下所示： $$ \begin{pmatrix}
x_{11} & x_{12} & \cdots & x_{1m} \
x_{21} & x_{22} & \cdots & x_{2m} \
\vdots & \vdots & \ddots & \vdots \
x_{n1} & x_{n2} & \cdots & x_{nm}
\end{pmatrix} $$

数据输出

各个评价对象的得分 即n个值得一维数组，如下所示: $$ \begin{pmatrix}
x_{1_score} & x_{2_score} & \dots & x_{n_score} \end{pmatrix} $$