MCM520 ← 资料站首页 方法选型决策指南：评价类问题怎么选方法（深度版） 打开交互阅读器 →

方法选型决策指南：评价类问题怎么选方法（深度版）

面对『谁更好、哪个方案优、综合打几分』这类多指标评价问题，先判断指标间关系，再选对应方法。

分类：📊 评价类　适用：方案优选、供应商/选址评价、绩效/风险综合打分、多属性决策（MADM）

一、这个指南适合谁（适用场景）

  • 方案优选、供应商/选址评价
  • 绩效/风险综合打分
  • 多属性决策（MADM）

二、选型决策要素

  1. 确认目标：排序？分类？绝对评价？
  2. 看指标：定量/定性、可量化吗
  3. 看关系：指标间独立还是互补
  4. 看数据：有无专家打分、样本量
  5. 匹配方法→出结果→做灵敏度

三、选型的底层逻辑

评价类问题的本质是在多个（常相互冲突的）指标下，把一组方案映射到一个可比较的序或分值。最大的陷阱是"指标不可比"——量纲不同、方向不同（成本型越小越好 vs 效益型越大越好）、权重来源不清，都会让排名失真甚至反转。因此"选方法"实质是"选一个既能融合多指标、又能把融合逻辑讲清楚的聚合函数"。从信息论看，评价是把高维指标空间向一维序的投影，投影必须保留"谁更好"的判别信息；一旦权重或方向设错，判别信息就被污染。所以评价方法的选择第一原则是"权重来源可追溯、聚合逻辑可解释"，而不是"算出一个分数就行"。

四、决策模型与推导

熵权法（客观赋权）：指标 jj 在第 ii 个方案的值归一化后 pijp_{ij}，其信息熵

ej=−k∑i=1npijln⁡pij,k=1ln⁡n e_j=-k\sum_{i=1}^n p_{ij}\ln p_{ij},\qquad k=\frac1{\ln n}

熵越小说明该指标区分度越大，权重越高：

wj=1−ej∑m(1−em) w_j=\frac{1-e_j}{\sum_{m}(1-e_m)}

这给出了"数据自己说话"的权重，避免主观拍脑袋；但当所有方案某指标都接近时该指标熵大、权重趋零（合理：无区分力）。

TOPSIS 贴近度：构造正理想解 A+A^+（各指标最优）与负理想解 A−A^-，方案 ii 到两者的欧氏距离 Di+,Di−D_i^+,D_i^-，贴近度

Ci∗=Di−Di++Di−∈[0,1] C_i^*=\frac{D_i^-}{D_i^++D_i^-}\in[0,1]

Ci∗C_i^* 越大越优。它天然处理"补偿关系"（一项低可由另一项高补偿），是指标间可补偿时的首选。

AHP 一致性：成对比较矩阵最大特征值 λmax⁡\lambda_{\max}，一致性指标 CI=(λmax⁡−n)/(n−1)CI=(\lambda_{\max}-n)/(n-1)，随机一致性比率

CR=CIRI<0.1 方可通过 CR=\frac{CI}{RI}<0.1\ \text{方可通过}

CR≥0.1CR\ge0.1 说明判断自相矛盾（如 A>B、B>C、C>A），必须调整矩阵——这是 AHP 防"瞎打分"的硬门槛。

稳健性判据：选方法还应使排名对权重扰动的敏感度最低：若权重在合理区间 [w−δ,w+δ][w-\delta,w+\delta] 内变动时排名不变，则结论稳健。灵敏度分析即对此区间扫描。

五、选型流程（怎么选）

  1. 先明确『评价目的』：是要排出 1>2>3，还是要判好坏。
  2. 指标能定量就定量；定性指标用专家打分或李克特量表转数值。
  3. 指标独立且可赋权 → 层次分析 AHP / 熵权法 / TOPSIS。
  4. 指标间有补偿关系（一项高可补另一项低）→ TOPSIS、灰色关联。
  5. 无数据只有排序偏好 → 层次分析 AHP（成对比较）。
  6. 结果做灵敏度：换权重看排名稳不稳。

六、问题 → 方法 映射

  • AHP：适合主观权重、指标少（<9）、需专家判断；注意一致性检验。
  • 熵权/TOPSIS：适合客观赋权、样本较多；TOPSIS 看与理想解贴近度。
  • 灰色关联：适合小样本、信息不完全；对数据分布无要求。
  • 模糊综合评价：适合定性指标多、需处理模糊性。

七、常见误选与对策

  • 指标太多不做降维 → 权重稀释，先 PCA 或删冗余。
  • AHP 一致性不过还硬用 → 调判断矩阵。
  • 只给排名不解释 → 评委要『为什么排第一』。
  • 不做灵敏度 → 权重一变排名全乱，结论不可信。

八、选型自检清单

  • 评价目的明确（排序/分类）
  • 指标定性与定量已处理
  • 方法匹配数据特征
  • 有权重且来源清晰
  • 灵敏度分析已完成
  • 排名有解释

九、配套资源与搭配

  • 层次分析 AHP 速成手册
  • 算法速成手册（评价类）
  • 建模避坑指南（建模雷区）

本指南由 MCM520 资料站自动生成（深度版），配套算法速成手册可在资源页下载。

10、实战案例

案例：评价问题选题

常见类型：供应商选择、城市评价、方案排序
推荐模型：TOPSIS、AHP、熵权法

实战案例

评价类问题选型实战

场景：多指标评价一个对象（如城市宜居度、方案优劣）。
任务：根据指标间关系选客观/主观赋权法。

完整代码（text）

方法矩阵：
| 场景 | 推荐方法 |
|------|----------|
| 指标独立、无数据 | 层次分析法 AHP（主观）|
| 有数据、客观赋权 | 熵权法 / CRITIC |
| 需兼顾主客观 | 模糊综合评价 |
| 方案排序 | TOPSIS（逼近理想解）|
| 非线性复杂 | 灰色关联 / 数据包络 DEA |

流程：确定指标→赋权→合成得分→排序→灵敏度。

运行效果

选型案例：

  • 供应商选择（专家打分）→ AHP+TOPSIS
  • 区域发展评价（统计数据）→ 熵权+TOPSIS
  • 多准则且模糊 → 模糊综合评价
    坑：指标间强相关时直接用等权会失真→用客观赋权。