CRITIC法之matlab

目录

1.简介

2.原理解析

2.1 指标正向化及标准化

2.2 计算信息承载量

2.3 计算权重和评分

3.实例分析

3.1 读取数据

3.2 指标正向化及标准化

3.3 计算对比度

3.4 矛盾性

3.5 计算信息载量

3.6 计算权重 

3.7 计算得分

完整代码 

1.简介

        CRITIC是Diakoulaki（1995）提出一种评价指标客观赋权方法。该方法在对指标进行权重计算时围绕两个方面进行：对比度和矛盾（冲突）性。

        它的基本思路是确定指标的客观权数以两个基本概念为基础。一是对比度，它表示同一指标各个评价方案取值差距的大小，以标准差的形式来表现，即标准化差的大小表明了在同一指标内各方案的取值差距的大小，标准差越大各方案的取值差距越大。二是评价指标之间的冲突性，指标之间的冲突性是以指标之间的相关性为基础，如两个指标之间具有较强的正相关，说明两个指标冲突性较低。

2.原理解析

2.1 指标正向化及标准化

        设有m个待评对象，n个评价指标，可以构成数据矩阵X=（xij)m*n，设数据矩阵内元素，经过指标正向化处理过后的元素为xij'

• 若xj为负向指标（越小越优型指标）

• 若xj为正向指标（越大越优型指标）

2.2 计算信息承载量

• 对比性

用标准差表示第j 项指标的对比性

• 矛盾性

矛盾性反映的是不同指标之间的相关程度，若呈现显著正相关性，则矛盾性数值越小。设指标????与其余指标矛盾性大小为fj

  rij表示指标i 与指标j 之间的相关系数，在此使用的是皮尔逊相关系数，此为线性相关系数。

• 信息承载量

   设指标????与信息承载量为Cj

2.3 计算权重和评分

计算权重：

信息承载量越大可认为权重越大

计算得分：

3.实例分析

3.1 读取数据

data=xlsread('D:桌面CRITIC.xlsx')

返回：

3.2 指标正向化及标准化

本实例中逾期贷款率为负向指标数据

因此负向指标标准化：

%%负向指标准化处理,
index=[3];    %第三个指标为负向指标
for i=1:length(index)
  data1(:,index(i))=(max(data(:,index(i)))-data(:,index(i)))/(max(data(:,index(i)))-min(data(:,index(i))));
end
data1

返回：

在对剩余数据进行正向指标标准化：

%%正向指标准化处理
index_all=1:size(data1,2); 
index_all(index)=[];    % 除负向指标外其余所有指标
index=index_all;
for i=1:length(index)
  data1(:,index(i))=(data(:,index(i))-min(data(:,index(i))))/(max(data(:,index(i)))-min(data(:,index(i))));
end
data1

返回：

3.3 计算对比度

%%对比性
the=std(data1)

返回：

3.4 矛盾性

%%矛盾性
r=corr(data1);%计算指标间的相关系数
f=sum(1-r)

返回：

3.5 计算信息载量

%%信息承载量
c=the.*f

返回：

3.6 计算权重 

%计算权重
w=c/sum(c)

返回：

3.7 计算得分

%计算得分
s=data1*w';
Score=100*s/max(s);
yin={'中信','光大','浦发','招商'};
for i=1:length(Score)
    fprintf('%s银行百分制评分为：%4.2fn',yin{1,i},Score(i));   
end

返回：

完整代码 

% CRITIC法分析
clc;clear;
%读取数据
data=xlsread('D:桌面CRITIC.xlsx');
%指标正向化和标准化处理后数据为data1
data1=data;
%%负向指标准化处理,
index=[3];    %第三个指标为负向指标
for i=1:length(index)
  data1(:,index(i))=(max(data(:,index(i)))-data(:,index(i)))/(max(data(:,index(i)))-min(data(:,index(i))));
end
%%正向指标准化处理
index_all=1:size(data1,2); 
index_all(index)=[];    % 除负向指标外其余所有指标
index=index_all;
for i=1:length(index)
  data1(:,index(i))=(data(:,index(i))-min(data(:,index(i))))/(max(data(:,index(i)))-min(data(:,index(i))));
end
%%对比性
the=std(data1);
%%矛盾性
r=corr(data1);%计算指标间的相关系数
f=sum(1-r);
%%信息承载量
c=the.*f;
%计算权重
w=c/sum(c);
%计算得分
s=data1*w';
Score=100*s/max(s);
yin={'中信','光大','浦发','招商'};
for i=1:length(Score)
    fprintf('%s银行百分制评分为：%4.2fn',yin{1,i},Score(i));   
end

最后

以上就是呆萌保温杯为你收集整理的CRITIC法之matlab的全部内容，希望文章能够帮你解决CRITIC法之matlab所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。