变异系数和熵权都奖励「差异大」，为什么本页 C 层堆了 223 套？

熵权奖励的是极差标准化后比重的不均匀，输出停在 W，不必切对象层。CV 用 σ/μ 赋权后再加总 S；当某一列 CV 远高于其余列，S 几乎跟着那一列走，三分切点下就会出现一个过半的密集层。223 是这种塌缩的人数，不是熵权页的 28.85%。两页第一名偶尔相同，机制仍要分开写。

某一列均值接近 0，CV 变得极大，还要不要留在体系里？

不要。分母失去业务含义，w 会被这一列吞掉，其余指标形同虚设，对象分层会更极端。先检查是否误放了中心化变量或正负得分。处理办法是剔除、加平移常数并在方法里声明，或改用熵权（熵权不除以均值）。不要靠「反正合计还是 362」假装分母没问题。

类别 C 占 61.6%，能不能写「变异系数法证明大多数对象优秀」？

不能。C 是教学三分下最厚的分数层，没有评语「优秀」，也没有与常模的检验。换切点或先做极差标准化再算 CV，223 会散开。模糊综合评价的「优秀」隶属度、RSR 上档、耦合协调带都不是这 223 套。最多写「在 362 个完整个案、当前切点下，加权分数堆进同一层」。

和 CRITIC、AHP 对同一四列，W 对不上先查什么？

先承认三套公式就不是同一个 W。CRITIC 还要乘 Σ(1−r)，高 CV 且高相关的列会被往回拉；AHP 读的是判断矩阵，CR 通过也不保证和 σ/μ 同序。对拍时只核：完整个案是否 362、低优是否已正向化、σ 用 n−1 还是 n、均值是否取绝对值。本页占用对的是 82/57/223，不是四条百分比权重。SPSS 描述统计能核对各列 CV，不能直接核对对象分层。

SPSS 描述统计里的变异系数，怎样对上 82、57、223？

SPSS「描述」可以给出各列的标准差/均值，那是 CV_j 本身。要把它们归一成 w、再算 S、再按同样三分切点分层，人数才应接近本页占用。基础 SPSS 没有「变异系数赋权」过程。对不上时查列表删除是否得到 362、切点是否相同、是否在标准化之前就算了 CV。不要拿 61.6% 去对某一列的 CV 百分比。

变异系数法 · StatsX

这篇能回答什么

变异系数法（Coefficient of Variation, CV）回答的是：哪一列的相对波动最大，因而最有资格在线性加权里说话。CV_j=σ_j/|μ_j|，w_j=CV_j/∑CV。大家分数差不多的列，σ 小或相对均值很小，w 低；拉开很大的列拿走更多权。它不管列间相关，也不读专家矩阵：两列几乎共线但各自 CV 都高时，会重复计权。均值逼近 0 时分母崩溃，CV 爆炸——这是该方法最危险的数据条件。

算出 w 并加权打分之后，教学页把对象折成三层占用：完整个案 362，薄尾 A、更薄的 B、以及独自过半的密集层 C（82 / 57 / 223）。C 占 61.6%，应读成「CV 加权后分数堆进同一层」，不要读成「六成对象被评为优秀」。取值列没有各列的 σ、μ、CV 或 w。

什么时候不该用

均值接近 0、变号或含大量零的列（中心化残差、有正有负的得分）不要进 CV，分母没有业务意义。共线严重时改CRITIC 或独立性权系数。只要信息熵、不要 σ/μ，用熵权法。必须写入专家偏好，用AHP。只要对象名次且要理想点，用 TOPSIS，不要把 223 改口成贴近度。

如何选择方法

「差异大就重要」有三种算法，切勿混名。CV 用原始（或同向化后）的 σ/μ；熵权用极差标准化后比重的熵，均值不进公式；CRITIC 还要乘冲突性。AHP 则完全换成判断矩阵。同一张房源表上，CV 可能把单价推到第一，熵权也可能把单价推到第一，但机制不同：一个是相对标准差，一个是 p_{ij} 不均匀。

变异系数法：≥2 个定量列，均值远离 0；教学输出是加权得分的对象三层占用。
熵权法：看 e 与 d，可分组各算一套 W，不除以均值。
CRITIC / 独立性权系数：把相关结构写进 W。
AHP：1–9 矩阵 + CR。
秩和比：编秩分档，不输出 CV。

熵权法 (EWM)

一种客观赋权方法，根据各指标的变异程度（信息熵）来确定指标权重，支持按分组变量分别测算各群体内部的客观权重对比。

CRITIC 权重分析

一种综合考虑指标波动性（标准差）与独立性（冲突性）的客观赋权法。

独立性权系数法

按指标与其他指标的复相关独立性赋权，独立性越高权重越大。

层次分析法 (AHP)

基于专家打分的判断矩阵进行主观赋权的方法，自带逻辑一致性检验。

输入、输出与限制

输入

多个同向化后的定量评价指标。教学用面积、楼层、总楼层、单价。进入占用的是这些列同时非缺失且能算出有限 CV 的完整个案，合计 362。均值极小的列应先剔除或改用熵权。

评价指标：至少 2 个定量列。
每列均值不得为 0；符号混杂时先平移或改方法。
低优列须先正向化，再算 σ 与 μ。

输出

教学结果表四列：项目、类别、统计量、取值。项目写「变异系数法」。A / B / C 是加权综合分的三层对象人数与占比。各列均值、标准差、CV、w 不出现在占用表。图对 82 / 57 / 223。

产品限制

三分层是教学切法；C 过半说明切点下出现塌缩，不是国标「优」。
σ 用样本还是总体标准差会微调 w，对拍时先约定。
占用不能还原某一列的 CV。
与熵权、CRITIC 的第一名可以对得很不同。
分母 362，不要用 600 重算 61.6%。

案例

研究问题。 区域发展或房源评价里，有人希望「谁更能拉开对象谁就权重大」。CV 是最省事的写法。跑完之后要检查：加权分数有没有塌成一层——若有，说明一两个高 CV 列在主导 S，对象看起来都差不多。

本页完整个案 362：A 82（22.65%），B 57（15.75%），密集层 C 223（61.6%）。C 吞掉六成以上套数，是本页最需要写进结果的形状。练习勾选四列定量；引用占用写 362。

下载教学示例表（综合评价）

在 StatsX 中操作

步骤 1 · 放入综合评价文件

xlsx / csv / json 进入工作台，体积不超过 20 MB。先想好哪些列均值稳定大于 0。
步骤 2 · 在画像里盯住均值

单价、面积通常安全；若某列是已中心化的残差，不要勾进 CV。缺失会把全表行数削到 362。
步骤 3 · 点选变异系数法

目录搜「变异系数」或 CV。不要点成熵权——那一页输出 e、d、W，不强调 σ/μ，也不用本页的 223。
步骤 4 · 勾选同向定量列

面积、楼层、总楼层、单价。成本列先变换。运行后先对 362。
步骤 5 · 把塌缩写进结果

看到 C=223 时，去查哪一列 CV 最大。需要相关惩罚时改独立性或 CRITIC，不要继续加大该列权。

工作台放入评价表以运行变异系数赋权 — 评价表进入工作台后再检查均值是否远离 0。

均值贴零的列不要送进变异系数。

为变异系数法勾选定量评价指标 — 只放同向定量列；随后 A/B/C 是对象分数层。

如何阅读输出

下表是 CV 加权得分后的对象分层。合计 N=362：A 82（22.65%），B 57（15.75%），密集层 C 223（61.6%）。项目列写「变异系数法」，避免和独立性权系数的 61/74/46 或耦合协调的 87/53/57 混引。223 不能写成「答对 223」，61.6% 不能写成「优良率」。

变异系数法结果表

项目	类别	统计量	取值
变异系数法	类别 A	频数	82
变异系数法	类别 B	频数	57
变异系数法	类别 C	频数	223
变异系数法	合计	有效样本 N	362
变异系数法	类别 A	占比(%)	22.65
变异系数法	类别 B	占比(%)	15.75
变异系数法	类别 C	占比(%)	61.6

左右滑动可查看完整表格

教学示例表在 StatsX 工作台中的计算结果口径。

变异系数加权得分三层对象占用表 — 工作台人数应与 82 / 57 / 223 及合计 362 一致。

变异系数法对象三层人数图，C 层明显更厚 — C 柱独高，表示分数塌缩，不是优秀率。

阅读顺序：合计是否为 362 → C 是否过半（本例是）→ A、B 是否都偏瘦 → 回头看哪一列的 σ/μ 在主导。同一四列上的熵权会给出 e、d、W，对象不必切成 223 那一层；CRITIC 会再乘冲突性，高 CV 且高相关的列会被往回拉。写论文时把「C 层 61.6%」解释为加权分数的堆积，而不是业务上的达标率。

理论与公式

对第 j 个已同向化的指标，用样本均值与样本标准差构造变异系数并归一：

熵权先做极差标准化再算 p_{ij} ln p_{ij}，μ 不出现。CRITIC 的 C_j=σ_j Σ(1−r_{jk})，相关会改写权。独立性用 1−R_j²。AHP 用特征向量。教学占用把 S_i 切成三层；当某一个 w_j 很大时，S 近似那一列的单调变换，于是大量对象掉进同一层——这就是 223 的来源。

注意事项

均值接近 0 时停用 CV，改熵权或先平移。
共线的高 CV 列会重复计权，分数更易塌缩。
占用没有 w：不要从 61.6% 反推「C 列权重」。
量纲不同但未标准化时，σ/μ 仍可算，但业务上先统一方向。
异常值抬高 σ，会让该列吞掉 w。
362 是完整个案分母。

常见问题

参考文献

王昆, 宋海洲. 三种客观赋权法的比较分析[J]. 技术经济与管理研究, 2003(6): 48–49.
郭亚军. 综合评价理论、方法及应用[M]. 北京: 科学出版社, 2007.
贾俊平. 统计学[M]. 北京: 中国人民大学出版社.
Diakoulaki, D., Mavrotas, G., Papayannakis, L. Determining objective weights in multiple criteria problems: The CRITIC method[J]. Computers & Operations Research, 1995, 22(7): 763–770.