今天给各位分享topsis法的知识，其中也会对进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！

本文目录一览：

• 1、topsis综合评价法是什么？
• 2、如何搞定熵权topsis？
• 3、topsis综合评价法
• 4、常用的综合评价方法
• 5、理想点评估法

topsis综合评价法是什么？

TOPSIS法是多目标决策分析中一种常用的有效方法，又称为优劣解距离法，具体介绍如下。

一、topsis综合评价法简介。

topsis法它根据有限个评价对象与理想化目标的接近程度进行排序的方法，是在现有的对象中进行相对优劣的评价。作为一种逼近于理想解的排序法，该方法只要求各效用函数具有单调递增（或递减）性就行，它是多目标决策分析中一种常用的有效方法，又称为优劣解距离法。

二、topsis综合评价法内容。

TOPSIS法其中理想解和负理想解是TOPSIS法的两个基本概念。所谓理想解是一设想的最优的解（方案），它的各个属性值都达到各备选方案中的最好的值；而负理想解是一设想的最劣的解（方案），它的各个属性值都达到各备选方案中的最坏的值。

方案排序的规则是把各备选方案与理想解和负理想解做比较，若其中有一个方案最接近理想解，而同时又远离负理想解，则该方案是备选方案中最好的方案。

三、topsis综合评价法原理。

topsis综合评价法的基本原理，是通过检测评价对象与最优解、最劣解的距离来进行排序，若评价对象最靠近最优解同时又最远离最劣解，则为最好；否则不为最优。其中最优解的各指标值都达到各评价指标的最优值。最劣解的各指标值都达到各评价指标的最差值。

如何搞定熵权topsis？

一、分析前准备

1.研究背景

TOPSIS法用于研究评价对象与‘理想解’的距离情况，结合‘理想解’（正理想解和负理想解），计算得到最终接近程度C值。熵权TOPSIS法核心在于TOPSIS，但在计算数据时，首先会利用熵值（熵权法）计算得到各评价指标的权重，并且将评价指标数据与权重相乘，得到新的数据，利用新数据进行TOPSIS法研究。

通俗地讲，熵权TOPSIS法是先使用熵权法得到新数据newdata（数据成熵权法计算得到的权重），然后利用新数据newdata进行TOPSIS法研究。

例如：当前有一个项目进行招标，共有4个承包商，分别是A,B,C,D厂。由于招标需要考虑多个因素，各个方案指标的优劣程度也并不统一。为了保证评价过程中的客观、公正性。因此，考虑通过熵权TOPSIS法，对各个方案进行综合评价，从而选出最优方案。

2.数据格式

熵权TOPSIS法用于研究指标与理想解的接近度情况。1个指标占用1列数据。1个研究对象为1行，但研究对象在分析时并不需要使用，SPSSAU默认会从上到下依次编号。

二、SPSSAU操作

（1）登录账号后进入SPSSAU页面，点击右上角“上传数据”，将处理好的数据进行“点击上传文件”上传即可。

（2）拖拽分析项

在“综合评价”模块中选择“熵权topsis”方法，将分析项拖拽到右侧分析框中，点击“开始分析”即可。

三、SPSSAU数据处理

1.数据正向化/逆向化处理

如果数据中有逆向指标（数字越大反而越不好的意思），此时需要使用‘SPSSAU数据处理-生成变量’的‘逆向化’功能处理。让数据变成正向指标（即数字越大越好的意思）。

‘逆向化’的数据计算公式为：（Max-X）/(Max-Min)，明显可以看出，针对逆向指标进行‘逆向化’处理后，数据就会变成正向指标。

【SPSSAU】数据无量纲化处理 | 数据分析常见问题解答

2．数据标准化处理

针对数据进行标准化处理，目的在于解决量纲化问题。常见的标准化处理方法有：‘归一化’，‘区间化’，‘均值化’等。

（1）‘归一化’将所有数据压缩在0到1之间；

（2）‘区间化‘将所有数据压缩在自己设定的区间；

（3）‘均值化’= 当前值 / 平均值。

补充说明：

一般而言，如果数据全部都大于0，建议使用‘均值化’；如果数据中有负数或者0，建议做‘区间化’让数据限定在一个区间（SPSSAU默认1~2之间）；当然也可以考虑‘归一化’，让数据全部介于0~1之间。

具体标准化的处理方式有很多种，具体结合文献和自身数据选择使用即可。不同的处理方式肯定会带来不同的结果，但结论一般不会有太大的偏倚。

（如果数据进行了正/逆向化处理就不需要再进行标准化处理。）

四、SPSSAU分析

背景：当前有6个国家经济技术开发区，分别在政务系统的4个指标上的评分值。数字越大表示指标越优。当前希望利用熵权TOPSIS法评价出6个开发区的政务系统排名情况。原始数据如下：

本案例数据中包括4个政务系统的评价指标，而且全部都是正向指标，因此不需要进行正向化或者逆向化处理。以及接着数据标准化解决量纲问题上，本例子使用‘均值化’处理方法。操作为SPSSAU数据处理-生成变量：

完成数据‘均值化’处理后，直接开始进行‘熵值TOPSIS法’分析，操作如下图：

1.熵值法计算权重结果汇总

上表格展示出4个政务系统指标的权重值，明显可以看出指标3的权重更大。但权重大小仅仅是过程值，熵值TOPSIS分析重心在于TOPSIS法计算出相对接近度。权重值与数据相乘，得到新数据newdata，这一过程是SPSSAU自动完成，利用newdata进行TOPSIS法计算。

2.TOPSIS评价计算结果

从上表可知，利用熵权法后加权生成的数据(算法自动完成)进行TOPSIS分析，针对4个指标(MC_政务系统指标1, MC_政务系统指标2, MC_政务系统指标3, MC_政务系统指标4)，进行TOPSIS评价，同时评价对象为6个（样本量数量即为评价对象数量）；

TOPSIS法首先找出评价指标的正负理想解值(A+和A-)，接着计算出各评价对象分别与正负理想解的距离值D+和D-。根据D+和D-值，最终计算得出各评价对象与最优方案的接近程度(C值)，并可针对C值进行排序。

最终从上表可知：评价对象4，即开发区4，它的相对接近度C值最高为0.9995，因而说明开发区4在政务系统上的表现最优；其次是开发区3，相对接近度C起来0.8141。开发区1的政务系统表现最差。

3.正负理想解

4.描述统计

分析数据完整并无缺失等，可通过上表格查看各分析项的平均值或标准差值等。从上表格可以看出四个分析项的样本量均为6，平均值均为1。

五、其他说明

1.如果分析数据中有负数或者0值如何办？

如果分析数据有负数或者0，这会导致无法进行熵值法计算，SPSSAU算法默认会进行‘非负平移’处理。SPSSAU非负平移功能是指，如果某列（某指标）数据出现小于等于0，则让该列数据同时加上一个‘平移值’（该值为某列数据最小值的绝对值+0.01），以便让数据全部都大于0，因而满足算法要求。

2. 面板数据如何进行熵值TOPSIS法？

熵值TOPSIS法的原理是先进行熵值法，然后再进行TOPSIS法。无论是面板或者非面板数据，均可正常进行熵值TOPSIS法研究，并不需要特别处理。（当然面板数据进行分析时，也可以先筛选出不同的年份，重复进行多次均可）。

六、总结

熵权TOPSIS法分别涉及熵权法和TOPSIS法；熵权法计算各评价指标的权重值，然后利用权重值乘原始数据，得到newdata。系统利用newdata进行TOPSIS法进行计算，最终得到各评价对象的接近程序C值，用于判断和衡量评价对象的优劣排序等。

今天的分享就到这里啦，更多干货请前往 SPSSAU 官网查看。

topsis综合评价法

topsis综合评价法即根据有限个评价对象与理想化目标的接近程度进行排序的方法，是在现有的对象中进行相对优劣的评价，是一种逼近于理想解的排序法。TOPSIS法是多目标决策分析中一种常用的有效方法，又称为优劣解距离法。 扩展资料

topsis综合评价法内容

TOPSIS法其中“理想解”和“负理想解”是TOPSIS法的两个基本概念。所谓理想解是一设想的最优的解（方案），它的各个属性值都达到各备选方案中的最好的值；而负理想解是一设想的'最劣的解（方案），它的各个属性值都达到各备选方案中的最坏的值。方案排序的规则是把各备选方案与理想解和负理想解做比较，若其中有一个方案最接近理想解，而同时又远离负理想解，则该方案是备选方案中最好的方案。

常用的综合评价方法

TOPSIS法（technique for order preference by similarity to ideal solution，TOPSIS），即逼近理想解排序法，意思是与理想方案相近似的顺序选优技术，是系统工程中有限方案多目标决策分析的一种常见方法。

TOPSIS法可用于工作效益或质量的分析比较评价，如评价工作质量，餐厅环境等。

优点：

方法简单，结构合理，排序明确，应用灵活。

充分利用原始数据信息，排序结果能定量反映不同评价对象的优劣程度，直观可靠。

对数据没有严格要求，可直接用原始数据计算。

能消除不同量纲带来的影响

层次分析法（analytic hierarchy process，AHP），把复杂问题分解成多个组成要素，将这些要素按支配关系组成递阶层次结构，通过两两比较确定各因素的相对重要性，然后排序。改法多用于卫生事业管理。

步骤：

确定层次结构

构造判断矩阵

求权重系数

一致性检验

计算各个评价指标的组合权重系数

求出综合评分指数及排序

特点：

原理简单，层次分明，因素具体，结果可靠，实用性强。

充分考虑主条件因素，等级划分细，充分显示权重作用。

原始数据直接使用，结果切实合理。

能客观检验其判断思维全过程的一致性

能对定性和定量综合进行分析，得出明确的定量化结论

秩和比法（rank sum ratio，RSR），用秩和比进行统计分析的方法，适用于卫生资料的再分析。

特点：

计算简单，对资料无要求

参与计算的是秩次，可解决0值问题

RSR值无量纲，综合能力强

该法集参数统计与非参统计于一身，便于与其他方法嫁接移植

综合指数法，是指用统一指标来概括许多统计指标的综合水平。具体方法有加权线性和法，乘法合成法，混合法等

优点：

原理简单，易于计算

数据分布无严格要求

对原始数据进行相对化处理，可用于不同类型数据的比较

信息熵理论评价，这个较复杂，不太用。能够对医学过去认为凌乱庞杂难以概括的数据做出综合性判断，此法有可能对生命体系研究形成一门定量的理论学科。优点是排除人为因素干扰，评价结果客观。

功效系数法，用于综合评价和多目标决策，常用于卫生经济领域。

密切值法，是多目标决策的一种优选方法，应用于食品卫生，公共场所卫生等监督检测的科学评价。

理想点评估法

理想点法（the Technique for Order Preference by Similarity to Ideal Solution，即TOPSIS）的基本思想是：将被评估对象看作是由反映其整体状况的多个指标值在高维空间中决定的一个点，评估问题就转化成对各评估对象在高维空间中所对应点的评估或排序，这就需要事先确定一个参考点，以此为标准对各评估对象所对应点的优劣做出评估。通常，参考点有正理想点和负理想点之分，距离正理想点越近越好，距离负理想点越远越好。可以通过衡量评估对象的对应点与正理想点的相对接近度来对被评估对象的综合状况做出评估。基本步骤为：

（1）对指标实际值预处理求指标评估值，TOPSIS法一般应用相对方法进行指标的无量纲化，即

。若xij为逆指标，则取负数正指标化后再用上式进行无量纲处理。

（2）对各指标评估值加权，令 ，其中uij为第i个被评估对象第j项指标的加权评估值，wj为第j项指标的权重。

（3）确定参考点：正理想点和负理想点。如果指标都正指标化了，则可以用指标加权评估值中的最大值构成正理想点，以各指标加权评估值中的最小值构成负理想点，分别用u＋和u－表示，即 ，其

（4）分别计算各评估对象对应点到正理想点和负理想点的距离及评估对象对应点到正理想点的相对接近度。一般采用欧式距离，即

式中 表示第i个被评估对象对应点到正理想点的距离， 值越小越好，表明第i个被评估对象对应点距离正理想点越接近； 表示第i个被评估对象对应点到负理想点的距离， 越大越好，表明第i被评估对象对应点距离负理想点越远。

因此，可以用评估对象对应点与正理想点的相对接近度来衡量评估对象综合表现的优劣，用公式表示为

地质资料社会化服务评估研究

式中yi表示第i个评估对象与正理想点的相对接近度。从公式可以看出，yi越大，表明第i个评估对象与负理想点的相对距离越远，从而与正理想点的相对接近度越大，说明被评估对象的综合表现越好。