来源：麻大湿讲数据（ID：madashi_data）
作者：麻大湿
在工作中，经常利用多个数据指标对整体进行综合评价，需要把多个数据压缩成一个综合指标，这就是多指标综合评价方法。那么，李富帅喜欢的“综合起来最好的”类型，到底是哪个？• 小龙女是最好的？虽然她最高，但是体重和胸围都不是最优的要找出“综合最好的”，需要把各项数据进行综合评分，这样就能帮李富帅找到心目中的女神！接下来看操作方法：我们对一个美女综合评分不能直接相加，因为身高和胸围单位不同，并且数据范围相差太大，直接相加没有任何意义，这是数据分析人员最常犯的错误之一。那么小龙女身高的标准化z=(x-μ)/σ=(1.7-1.635)/0.0363=1.8当然，实际计算不需要这么麻烦，下载模板填数据就ok啦~~~左侧四列数据为Z标准分，右侧数据为T标准分，T=50+100*Z，这样做的目的只是为了调整数据的范围，便于比较，因为看大一些的数字要直观多啦，不然Z标准分的小数点看着眼花~~~由于李富帅提出了进一步的要求，需要重新找出女神，接下来我们要做的，是确定身高、头发长度、胸围的权重，权重是帮我们找出女神的好方法。下篇为你解答确定权重的方法，你可以了解到主观赋权法和客观赋权法是怎么回事。
李富帅为什么不满意我们找的女神吗？
确定各个指标的权重可以解决这个问题，那么问题来了，权重又是什么鬼？权重是一个相对的概念，针对某一指标而言，某一指标的权重是指该指标在整体评价中的相对重要程度。身高、胸围、头发长度这三个指标中间，李富帅可能会更喜欢高个大长腿，而对长头发短头发不甚在意。在上一期文章中，综合评分=身高得分+胸围得分+头发得分，这也默认了三个指标的权重是一致的，而本期我们会增加权重的概念。综合评分=身高得分*60%+胸围得分*30%+头发得分*10%（各个指标的权重之和必须等于1）主观赋权法没有统一的标准，简单的说就是找一堆人过来凭感觉瞎猜，来，跟我一起念：ping gan jue xia cai~~~~，这里只介绍砖家调查法，简便易行。找一堆砖家过来先坐着，李富帅找来了自己的基友们（为便于理解只选了3个砖家，实际应用时越多越好）让每个砖家给出自己的权重，并计算均值（如果各位砖家给出的权重差异较大，不能直接求平均数，这种情况的处理方法感兴趣的同学直接留言）但是他的想法是对的，主观赋权法的问题在于客观性较差，如果李富帅的基友们审美有问题，那坑你没商量！为了让李富帅闭嘴，我们再试试客观赋权法。客观赋权法是与主观赋权法相对而言的，是根据指标的原始数据，通过数学或者统计方法处理后获得权重，常见的有主成分分析、因子分析、相关、回归等。以上方法对智商有一点点要求，而且比较繁琐，我们的宗旨是简单易行接地气，下面介绍标准差系数权数法。公式可以略过不看.....坦率的讲，我压根也不想看这些公式，我们只需要搞清楚思想，计算过程用软件一步到位，不用担心~~标准差系数权重法是根据每个指标的变异程度大小来进行赋权，变异程度大的说明能够更好的区分各个指标，应赋予更高的权重，反之赋予较小的权重。
大湿憋了3个小时，想把这部分内容写的更简单，但现在看起来还是有点难懂，有看不懂的欢迎在公众号发消息提问。计算各指标标准差系数，也叫离散系数，就是STEP2的结果除以STEP1的结果● 客观赋权法通过对原始数据的处理得来的，变异程度较大的指标有更高的权重，本例中由于美女之间头发长度相差最大，所以头发长度有最高的权重● 如果各个指标间存在明显的人为喜好、业务经验上显然某指标更重要等，用主观赋权法更加合适、简便。（偏向于业务的数据分析大多属于此类）● 反之，各指标间不存在哪个更重要，或者评分不包含人为喜欢或者经验上更重要，用客观赋权。
关注我就是关注数据
另数据君团队寻优秀的、个人能力强的讲师合作，有意向的发个人简介到
[email protected] 个人微信：datamen
