熵值法

基本原理

熵是不确定性的一种度量。信息量越大，不确定性就越低，熵也就越小；反之，信息量越小，不确定性越大，熵也越大。
根据熵的特性，可以通过计算熵值来判断一个事件的随机性及无序程度，也可用熵值来判断某个指标的离散程度，指标的
离散程度越大，该指标对综合评价的影响也越大。

熵值法步骤

有 A-F 六个渠道，通过指标1-指标4对这六个渠道进行打分，除指标3为负向指标外，其他均为正向指标。

数据示例

1.异常值处理（可选）

使用盖帽法处理数据中的异常值。

2.数据标准化

由于各项指标的计量单位并不统一,因此在用它们计算综合指标前,需要先要对它们进行标准化处理。
正向指标：
负向指标：
i=1,2,...,n n=6; j=1,2,...,m m=4

标准化结果如下：

标准化结果

3.计算第j项指标下第i个渠道占该指标的比重

比重：

4.计算第 j 项指标的熵值

熵值：

5.计算第 j 项指标的差异系数

对第 j 项指标， 指标值的差异越大， 对方案评价的左右就越大， 熵值就越小。
差异系数：, 其中,,

6.求权值

7.计算综合得分