信息熵都在 0.96 以上，为什么还能排出 28.85% 对 22.85%？

因为 W 由 d=1−e 的相对份额决定，不是由 e 的绝对水平决定。0.9625 与 0.9703 只差 0.0078，但对应 d 为 0.0375 与 0.0297，归一后就是 28.85% 对 22.85%。四列都「比较均匀」时，极差只有 6 个百分点，正文应写成「略有倾斜」，不要写成「单价占主导」。

熵权、CRITIC、AHP 三种 W 能直接平均成组合权重吗？

可以在论文里自写组合公式（等权平均、乘法合成等），但本页只输出熵权。CRITIC 的第一名是总楼层 26.11%，AHP 在演示推断矩阵下又是另一套数，三者信息来源不同：列熵、σ×相关、专家（或推断）判断。平均前必须声明「主观 + 客观」各占多少，并分别附录三张原表。StatsX 没有「一键组合赋权」按钮。

按城区分组后，甲区单价 W=40%、乙区 W=15%，能说甲区更看重单价吗？

不能那样写。分组熵权测量的是组内离散：甲区房价拉开得大，单价列的 e 更小。这不是居民偏好，也不是专家认为甲区单价更重要。要比较组间房价水平，用描述性统计或回归，不要用组内 W。

SPSS 没有熵权，e、d、W 应该和谁对？

SPSS 无此过程。与 SPSSAU、MATLAB 或 Excel 对拍时，对齐：同一 m=600、同一四列、是否加 ε、k 用 ln(m) 还是 log10、是否先正向化。StatsX 为极差 +0.0001、k=1/ln(m)、按列删缺失。e 对到 0.01、W 对到 0.1 个百分点通常即可；未加 ε 的手算会在「恰为最小值」的行上系统性偏离。

熵权法 (EWM)

这篇能回答什么

熵权法（Entropy Weight Method, EWM）回答的是「哪一列在对象之间把比重摊得最不均匀」。列越「大家差不多」，熵 e 越接近 1，效用 d=1−e 越小，权重越低；列越能拉开对象，e 越小，W 越大。StatsX 先做正向极差标准化并加 0.0001，避免 ln(0)，再按列求和得到比重矩阵 P。本页停在权重，不计算综合得分。StatsX 的TOPSIS 与模糊综合评价会在内部各算一遍熵权，不必为了给那些方法「喂 w」而先跑本页，除非你要单独报告 e、d、W。

适合：出勤率、业务量、客户评分这类可观测定量列，以及想去掉专家打分的赋权。可选 1 个定类分组（部门、城区）：每一组用自己的子样本重算 P 与 W，热力图用来看「哪一组把权重压到了哪一列」。

什么时候不该用

有效样本少于 2 行会失败。常数列（极差为 0）会被一个极小极差撑住，e 接近 1，W 接近 0，不要解释成「该指标不重要」。熵权不管列间相关：两列几乎共线时仍可能各拿高权重，这时应改看CRITIC。成本型指标须先正向化。若必须写入专家偏好，用层次分析法，不要把本页 W 改口成「专家认为单价最重要」。

如何选择方法

先问输出停在哪一步。只要 e、d、W，用本页；还要对象名次，用已内置熵权的 TOPSIS 或 FCE；相关结构也要进权重，用 CRITIC；人说了算，用 AHP。界面上限也不同：熵权最多 30 列，CRITIC / TOPSIS 可到 50 列。

熵权法：2–30 个定量指标，0–1 个定类分组；输出 e、d、W；分组时改为各组一套 W。
CRITIC：额外乘上 Σ(1−R)，无分组角色，至少 3 行。
层次分析法：判断矩阵 + CR，不是列熵。
TOPSIS / FCE：在熵权之后继续算距离或隶属度，本页不会给出 C 或评语。

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。

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。

TOPSIS 综合评价

逼近理想解排序法，通过测量各评价对象与最优解/最劣解的距离来进行优劣排名，支持按分组变量分别在组内独立排序对比。

模糊综合评价 (FCE)

利用模糊数学的隶属度理论，将边界不清的定性评价转化为定量测度的方法。

输入、输出与限制

输入

评价指标必须是定量。分组变量可选，须为定类；指定后按组切分子表，组内有效行仍须 ≥2，空组会被跳过。

评价指标：最少 2 个，最多 30 个定量变量。
分组变量：最少 0 个，最多 1 个定类变量。

输出

未分组时，表列：评价指标、信息熵 (e)、信息效用值 (d)、权重系数 (W)，按 W 降序。图是 e–d 散点，点的大小与颜色跟随权重。分组时改为「各组 × 各指标 W」汇总表与热力图，洞察改写跨组共性与波动最大的列。

产品限制

有效样本至少 2 行；缺失按评价指标列删除。
标准化默认效益型，再加 0.0001 平移。
k=1/ln(m)，m 是该（组）有效行数，不是原始行数。
分组后各组的 W 没有共同的 P 矩阵，不能把甲组的 30% 和乙组的 30% 当成同一尺度的「重要性」。
这些上限来自 StatsX：列数封顶 30，与 CRITIC 的 50 不同；不要用「未加 0.0001」的教材公式硬对 e 的第四位。

案例

研究问题。 同一份房产评价表要先得到客观权重，供方法部分写清「未请专家打分」。研究者关心四列里哪一列在 600 套房之间更不均匀。

教学示例工作表「Sheet1」，有效 N=600。最高权重为 单价(元/平米)（e=0.9625，d=0.0375，W=28.85%），最低为楼层 22.85%，极差 6.00 个百分点。四列的 e 都在 0.96 以上，说明标准化后比重仍较均匀，W 不会出现「一列占 70%」。有效分析样本量: 600。权重依据指标数据的变异程度(信息熵)客观测算得出。

下载教学示例表（综合评价）

在 StatsX 中操作

步骤 1 · 载入房产评价表

将综合评价 xlsx 放入上传区，工作表选「Sheet1」。
步骤 2 · 看离散与缺失

确认面积、楼层、总楼层、单价为定量。某列几乎人人相同，预期 e≈1、W 很小。
步骤 3 · 搜索熵权

目录中搜「熵权」或 EWM。不要选成「EWMA」——那是质量控制里的指数加权移动平均。
步骤 4 · 指定列与可选分组

评价指标勾选面积(平米)、楼层、总楼层、单价(元/平米)（2–30 个）。若要按城区各算一套 W，把城区放入分组变量。
步骤 5 · 读 e 再读 W

e 越接近 1 越没有区分力。散点横轴为熵、纵轴为冗余度 d，权重大的点更大。分组时改看热力图，不要把组间 W 直接减一减当检验。

画像确认四列定量，并留意是否接近常数列。

如何阅读输出

下表由同一份教学示例在 StatsX 中运行熵权法得到。单价(元/平米) 的 e 最低（0.9625），d=0.0375，故 W=28.85%。楼层 e=0.9703，W=22.85%。有效分析样本量: 600。权重依据指标数据的变异程度(信息熵)客观测算得出。

熵权法评价指标权重分配表

评价指标	信息熵 (e)	信息效用值 (d)	权重系数 (W)
单价(元/平米)	0.9625	0.0375	28.85%
总楼层	0.9683	0.0317	24.33%
面积(平米)	0.9688	0.0312	23.97%
楼层	0.9703	0.0297	22.85%

左右滑动可查看完整表格

有效分析样本量: 600。权重依据指标数据的变异程度(信息熵)客观测算得出。

信息熵与冗余度散点图 — 横轴信息熵、纵轴冗余度；点越大权重越高。本例四点挤在右下角附近，对应 e>0.96。

【熵权法】有效样本 N=600；依据各指标数据离散程度（信息熵）客观赋权，权重越大表示该指标在样本间区分力越强。【权重结构】最高权重为「单价(元/平米)」(28.85%)，最低为「楼层」(22.85%)，极差 6.00 个百分点。

解读顺序：m=600 → 谁的 e 最小 → W 极差是否大到值得在正文强调。6 个百分点的极差很温和：写「单价信息量略高」可以，写「单价主导评价体系」过头。同一四列的 CRITIC 会把总楼层放到 26.11%、单价降到 22.54%，因为 CRITIC 还乘了相关结构。分组示范：若按城区切开，某区房价几乎一样，该区单价的 e 会升高、W 下降——这反映的是组内区分力，不是全市单价不重要。

理论与公式

对有效样本量为 m 的矩阵，正向极差标准化后平移 ε=0.0001，再按列归一成比重 p_{ij}。信息熵与权重为：

完全均匀时 e_j=1、d_j=0。ε 会让「恰好等于列最小」的格子不再是真 0，e 会比某些手算表略低。分组时对每个子表重算 min、max 与 m，因此组与组的 e 不可比绝对值，只能比组内排序。

注意事项

e 高、W 低只说明「这批对象上区分力弱」，换样本会变。
共线的两列可以同时拿到不低的 W，熵权不会自动降权。
成本列未反向时，离散大的「坏结果」也会拿高权重。
最多 30 列；多出来的指标应先删冗余，或改用允许 50 列的 CRITIC。
分组热力图上的颜色是组内百分比，行与行不能当同一度量做减法。
本页没有对象得分；FCE / TOPSIS 内部的熵权实现细节（是否加 ε）与本页略有差别，不要要求三处 W 逐格相等。

常见问题

参考文献

Shannon, C. E. A mathematical theory of communication[J]. Bell System Technical Journal, 1948, 27(3): 379–423.
邱菀华. 管理决策与应用熵学[M]. 北京: 机械工业出版社, 2002.
Zou, Z. H., Yun, Y., Sun, J. N. Entropy method for determination of weight of evaluating indicators in fuzzy synthetic evaluation for water quality assessment[J]. Journal of Environmental Sciences, 2006, 18(5): 1020–1023.