评价矩阵每行是方案、每列是指标。计算前必须为每列标注单位、方向、类型和缺失处理。
正向越大越好，负向越小越好，适中型接近目标最好，区间型落在合理范围最好。
X=(xij)m×n。先统一方向，再标准化。方向转换与尺度转换是两步，不要混为一谈。
在论文放一张指标属性表：名称、含义、单位、方向、转换公式、数据来源。它是整套评价的入口。
别踩坑负向指标未正向化同一列混用单位
第 6 讲 · 用数据差异赋权，用理想距离排序
第 6 讲 · 熵权法与 TOPSIS 综合评价
分清指标方向，算出熵权，再用正负理想解衡量方案接近程度；最后用权重扰动检验排名是否可靠。
学完能做什么
可检查的学习目标
01
能完成不同类型指标的正向化与标准化
能完成不同类型指标的正向化与标准化
02
能解释熵权为何来自样本差异而非重要性真理
能解释熵权为何来自样本差异而非重要性真理
03
能计算 TOPSIS 贴近度并检查排名敏感性
能计算 TOPSIS 贴近度并检查排名敏感性
知识点01
先确保每列“越大越好”含义清楚
建立评价矩阵与指标属性表
先猜一猜
价格、满意度和温度偏差能直接放在同一矩阵里计算吗？
动手试一试
LIVE矩阵准备质量
切换数据准备层次。
单位和方向会扭曲距离。
跟我算一遍三供应商
指标为价格（负向）、准时率（正向）、退货率（负向）。
每行放一个供应商。
价格与退货率先做负向转换。
检查转换后原来更优的数值是否更大。
得到方向统一的矩阵后，才进入标准化和赋权。
立即练习
学一点，马上做 4 题
答案默认隐藏。聚焦题卡后按 ↓ 或 Space，一次只揭晓一道。
01选择未作答
“故障率”通常是哪类指标？
从决策偏好判断。
参考答案
负向指标，故障率越低通常越好。
02判断未作答
完成 0–1 标准化后，负向指标会自动变成越大越好。
方向与尺度是两件事。
参考答案
错误。标准化处理尺度，方向需单独转换或使用负向标准化公式。
03简答未作答
指标属性表至少应包含哪五项？
让每一列可追溯。
参考答案
指标名称/含义、单位、方向类型、转换或标准化方法、数据来源；还可写权重与缺失规则。
04选择未作答
区间 [60,80] 内最好，属于哪类？
不是越大或越小。
参考答案
区间型。区间内理想，区间外随距离变差。
知识点02
让列方向一致、尺度可比
正向化与标准化
先猜一猜
为什么 TOPSIS 的距离对单位特别敏感？
TOPSIS 计算方案到理想点的距离。如果某列数值范围大，它会在距离中占据不成比例的影响。
向量标准化常用 zij=xij/√Σi xij²；也可使用 0–1 标准化，但全文要保持一致并解释。
负向 0–1：z=(max−x)/(max−min)；正向：z=(x−min)/(max−min)。向量标准化后每列平方和为 1。
用小样本手算一列，核对软件输出；检查标准化后是否有 NaN、常数列和方向反转。
别踩坑常数列分母为零先乘权重后再标准化
动手试一试
LIVE距离可比性
比较原单位与标准化。
万元列可能压倒 0–1 比率列。
跟我算一遍负向价格
价格 [20,30,50]，用负向 0–1 标准化。
max=50，min=20。
计算 (50−x)/30。
得到 [1, 2/3, 0]。
最低价格 20 得到最大标准化值 1，方向正确。
立即练习
学一点，马上做 4 题
答案默认隐藏。聚焦题卡后按 ↓ 或 Space，一次只揭晓一道。
01计算未作答
负向指标 [20,30,50] 用 (max−x)/(max−min)，30 对应多少？
先找最大最小。
参考答案
(50−30)/(50−20)=20/30≈0.667。
02判断未作答
向量标准化后，每列元素之和一定为 1。
分母是平方和开根号。
参考答案
错误。向量标准化使每列平方和为 1，不是普通和为 1。
03选择未作答
某指标所有方案取值相同，应怎样看待？
没有差异就没有排序信息。
参考答案
区分度为零，无法区分方案，标准化也可能分母为零，应单独处理。
04简答未作答
为什么通常先标准化，再乘权重？
分清尺度与偏好。
参考答案
先消除尺度影响，再让权重表达相对重要性；否则权重与原单位共同作用，含义混乱。
知识点03
差异越大，提供的区分信息越多
熵权来自数据差异
先猜一猜
某指标人人得分都一样，它对区分方案还有多少信息？
熵权法根据指标在样本中的离散程度赋权。差异小、分布均匀时信息熵高、差异系数低、权重低。
它衡量“区分能力”，不自动等于业务重要性。安全指标即使差异小，也可能不能被忽略。
pij=zij/Σi zij；ej=−kΣi pij ln pij，k=1/ln m；dj=1−ej；wj=dj/Σj dj。约定 0ln0=0。
报告熵值、差异系数和权重，并与业务判断对照。必要时采用主客观组合权重。
别踩坑把熵权说成绝对重要性遇到 0 直接算 ln0
动手试一试
LIVE差异与权重
观察三种列分布。
业务可能重要，但样本中区分信息少。
跟我算一遍无差异指标
三方案某列标准化后都是 0.5。
各方案比例相同，pij=1/3。
熵达到最大值 1。
差异系数 d=0，客观权重趋近 0。
该列无法区分当前方案，但不代表现实中它不重要。
立即练习
学一点，马上做 4 题
答案默认隐藏。聚焦题卡后按 ↓ 或 Space，一次只揭晓一道。
01判断未作答
熵权最高的指标就是决策者最重视的指标。
客观差异和主观偏好不同。
参考答案
错误。熵权高表示当前数据中差异大、区分信息多，不等于价值判断中的重要性最高。
02选择未作答
某列所有值完全相同，其差异系数 d 通常接近？
d=1−e。
参考答案
0。熵最大、区分信息为零。
03计算未作答
若某指标熵 e=0.82，则差异系数 d 是多少？
直接使用定义。
参考答案
d=1−0.82=0.18。
04简答未作答
为什么极端异常值可能让熵权虚高？
先检查差异来源。
参考答案
异常值扩大该列离散程度，使差异系数增大，但这种差异可能来自错误而非真实区分信息。
本讲主实验 · 拖一拖再下结论
权重改变，排名会不会变
拖动价格、距离、评分权重，观察三个方案综合得分与第一名。
观察结果等待计算
调整左侧参数，观察模型输出怎样变化。
实验后想一想
找到至少一个使第一名改变的权重组合。变化发生时，原结论应该怎样表述才诚实？
知识点04
最理想与最不理想的参照点
找到正理想解与负理想解
先猜一猜
TOPSIS 为什么同时看“离最好多近”和“离最差多远”？
在加权标准化矩阵中，正理想解取每列最优值，负理想解取每列最差值。
只看离最好近可能忽略某方案也靠近最差；同时考虑两侧能更完整描述相对位置。
vij=wj zij；V+={max_i vij}；V−={min_i vij}（已全部正向化）。若方向未统一，理想点会取反。
把正负理想向量打印出来，与各列业务最优/最差核对。不要只相信代码索引。
别踩坑未正向化就统一取最大理想点来自外部随意设定
动手试一试
LIVE理想参照
比较单侧与双侧距离。
无法表达与最差方案的分离程度。
跟我算一遍两指标理想点
加权矩阵 A(0.2,0.7)、B(0.6,0.4)、C(0.5,0.8)，均越大越好。
第一列最大 0.6、最小 0.2。
第二列最大 0.8、最小 0.4。
V+=(0.6,0.8)，V−=(0.2,0.4)。
理想点不一定等于某个真实方案，它是各列最优值拼成的参照。
立即练习
学一点，马上做 4 题
答案默认隐藏。聚焦题卡后按 ↓ 或 Space，一次只揭晓一道。
01计算未作答
矩阵三点 A(0.2,0.7)、B(0.6,0.4)、C(0.5,0.8)，正理想解是多少？
已知全部越大越好。
参考答案
(0.6,0.8)。每列分别取最大值。
02判断未作答
正理想解一定对应某一个真实方案。
是虚拟参照点。
参考答案
错误。它由各指标最优值组合，可能没有任何真实方案同时达到。
03选择未作答
若负向指标未正向化，直接取最大值作为正理想会怎样？
理想点依赖方向统一。
参考答案
可能把高成本等最差值误当理想，导致距离和排名方向错误。
04简答未作答
为什么要输出并检查理想向量？
中间结果也是验证证据。
参考答案
可以发现指标方向、列索引或最大最小选择错误，并解释每个理想维度的业务含义。
知识点05
越接近理想、越远离最差越好
计算距离与相对贴近度
先猜一猜
某方案到最好距离为 0.2、到最差距离为 0.8，它的贴近度为什么是 0.8？
分别计算每个方案到正理想解的欧氏距离 D+ 和到负理想解的距离 D−。
相对贴近度 C=D−/(D++D−)，范围 0–1。C 越大，说明更靠近正理想且远离负理想。
Di+=√Σj(vij−vj+)²；Di−=√Σj(vij−vj−)²；Ci=Di−/(Di++Di−)。按 Ci 降序排名。
结果表同时给 D+、D−、C 和名次。若分数接近，不要只强调名次。
别踩坑把 D+ 放分子按距离 D+ 升序却忘贴近度降序
动手试一试
LIVE结果表达
比较只给名次与完整距离表。
读者看不到得分差与相对位置。
跟我算一遍贴近度手算
D+=0.2，D−=0.8。
总距离=0.2+0.8=1.0。
C=0.8/1.0=0.8。
接近 1，说明相对理想。
若另一方案 C=0.79，两者几乎相当，应进一步做敏感性分析。
立即练习
学一点，马上做 4 题
答案默认隐藏。聚焦题卡后按 ↓ 或 Space，一次只揭晓一道。
01计算未作答
D+=0.3，D−=0.7，C 是多少？
分子是到负理想的距离。
参考答案
C=0.7/(0.3+0.7)=0.7。
02判断未作答
贴近度 C 越小，方案越优。
C 接近 1 更理想。
参考答案
错误。C 越大越接近正理想、远离负理想，方案越优。
03选择未作答
若 D+=0 且 D−>0，C 等于？
代入公式。
参考答案
1。该方案位于正理想点。
04简答未作答
为什么排名表还应报告得分差？
第一名可能只领先万分之一。
参考答案
名次隐藏方案之间是明显差异还是几乎并列；得分差决定结论语气和敏感性需求。
知识点06
排名不是永恒真理
敏感性、组合权重与边界
先猜一猜
熵权法把安全指标权重算得很低，是否应该照单全收？
熵权反映数据差异，AHP 反映决策偏好。组合权重可在客观区分度与主观重要性之间平衡。
改变权重、标准化方法或异常处理，观察排名是否稳定。TOPSIS 还可能出现排名逆转，应谨慎解释新增/删除方案后的变化。
简单组合：w=αw主观+(1−α)w客观。α 应有情境依据，并对 α∈[0,1] 做情景分析。
至少展示一张“关键权重—方案贴近度”图，标出交叉点；对安全、法规等底线指标可设置约束而非只靠低权重。
别踩坑组合系数随意取 0.5删除方案后不重检排名
动手试一试
LIVE权重解释层次
比较纯熵权与情景组合。
客观但可能忽略价值底线。
跟我算一遍安全底线
三方案安全得分都接近，熵权仅 0.03。
低熵权只说明当前样本安全差异小。
若安全是底线，可先设最低合格阈值。
对合格方案再用 TOPSIS 比较成本等指标。
重要底线不应因“差异小”被几乎忽略；约束与评价可以结合。
立即练习
学一点，马上做 4 题
答案默认隐藏。聚焦题卡后按 ↓ 或 Space，一次只揭晓一道。
01判断未作答
熵权很低的指标一定可以删除。
区分度不等于重要性。
参考答案
错误。它可能业务重要但当前方案差异小；应结合机制、底线和主观偏好判断。
02计算未作答
α=0.4，某指标主观权重 0.5、客观权重 0.2，组合权重是多少？
按线性组合公式。
参考答案
0.4×0.5+0.6×0.2=0.20+0.12=0.32。
03选择未作答
对安全类底线指标更稳妥的方法是？
底线不应被其他优势完全补偿。
参考答案
先设置最低合格约束，再对合格方案综合评价。
04简答未作答
TOPSIS 敏感性分析至少可改变哪三类设置？
从输入、方法和候选集思考。
参考答案
指标权重、标准化/正向化方法、异常值处理；还可改变组合系数或候选方案集合。
离开前完成
完成一次从原始指标到稳健排名的评价
选择 4–6 个方案、4–6 个指标，完整保留每个中间矩阵。
LOCAL PACK
本地学习资源
讲义、练习、实验与挑战清单均在本地页面内。