目錄

1.簡介

2.原理解析

2.1 指標正向化及標準化

2.2?計算信息承載量

2.3?計算權重和評分

3.實例分析

3.1 讀取數據

3.2 指標正向化及標準化

3.3 計算對比度

3.4?矛盾性

3.5 計算信息載量

3.6 計算權重?

3.7 計算得分

完整代碼?

---

1.簡介

????????CRITIC是Diakoulaki（1995）提出一種評價指標客觀賦權方法。該方法在對指標進行權重計算時圍繞兩個方面進行：對比度和矛盾（沖突）性。

????????它的基本思路是確定指標的客觀權數以兩個基本概念為基礎。一是對比度，它表示同一指標各個評價方案取值差距的大小，以標準差的形式來表現，即標準化差的大小表明了在同一指標內各方案的取值差距的大小，標準差越大各方案的取值差距越大。二是評價指標之間的沖突性，指標之間的沖突性是以指標之間的相關性為基礎，如兩個指標之間具有較強的正相關，說明兩個指標沖突性較低。

2.原理解析

2.1 指標正向化及標準化

????????設有m個待評對象，n個評價指標，可以構成數據矩陣X=（xij)m*n，設數據矩陣內元素，經過指標正向化處理過后的元素為xij'

• 若xj為負向指標（越小越優型指標）

• 若xj為正向指標（越大越優型指標）

2.2?計算信息承載量

• 對比性

用標準差表示第j?項指標的對比性

• 矛盾性

矛盾性反映的是不同指標之間的相關程度，若呈現顯著正相關性，則矛盾性數值越小。設指標𝑗與其余指標矛盾性大小為fj

??rij表示指標i?與指標j?之間的相關系數，在此使用的是皮爾遜相關系數，此為線性相關系數。

• 信息承載量

? ?設指標𝑗與信息承載量為Cj

2.3?計算權重和評分

計算權重：

信息承載量越大可認為權重越大

計算得分：

3.實例分析

銀行	資產收益率	費用利潤率	逾期貸款率	資產使用	自有資本率
中信	0.483	13.2682	0	4.3646	5.107
光大	0.4035	13.4909	39.0131	3.6151	5.5005
浦發	0.8979	25.7776	9.0513	4.892	7.5342
招商	0.5927	16.0245	13.2935	4.4529	6.5913

3.1 讀取數據

data=xlsread('D:\桌面\CRITIC.xlsx')

返回：

3.2 指標正向化及標準化

本實例中逾期貸款率為負向指標數據

因此負向指標標準化：

%%負向指標準化處理, index=[3]; %第三個指標為負向指標 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：

在對剩余數據進行正向指標標準化：

%%正向指標準化處理 index_all=1:size(data1,2); index_all(index)=[]; % 除負向指標外其余所有指標 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 計算對比度

%%對比性 the=std(data1)

返回：

3.4?矛盾性

%%矛盾性 r=corr(data1);%計算指標間的相關系數 f=sum(1-r)

返回：

3.5 計算信息載量

%%信息承載量 c=the.*f

返回：

3.6 計算權重?

%計算權重 w=c/sum(c)

返回：

3.7 計算得分

%計算得分 s=data1*w'; Score=100*s/max(s); yin={'中信','光大','浦發','招商'}; for i=1:length(Score)fprintf('%s銀行百分制評分為：%4.2f\n',yin{1,i},Score(i)); end

返回：

完整代碼?

% CRITIC法分析 clc;clear; %讀取數據 data=xlsread('D:\桌面\CRITIC.xlsx'); %指標正向化和標準化處理后數據為data1 data1=data; %%負向指標準化處理, index=[3]; %第三個指標為負向指標 for i=1:length(index)data1(:,index(i))=(max(data(:,index(i)))-data(:,index(i)))/(max(data(:,index(i)))-min(data(:,index(i)))); end %%正向指標準化處理 index_all=1:size(data1,2); index_all(index)=[]; % 除負向指標外其余所有指標 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 %%對比性 the=std(data1); %%矛盾性 r=corr(data1);%計算指標間的相關系數 f=sum(1-r); %%信息承載量 c=the.*f; %計算權重 w=c/sum(c); %計算得分 s=data1*w'; Score=100*s/max(s); yin={'中信','光大','浦發','招商'}; for i=1:length(Score)fprintf('%s銀行百分制評分為：%4.2f\n',yin{1,i},Score(i)); end

總結

以上是生活随笔為你收集整理的CRITIC法之matlab的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。