一、权重计算常用方法
在数据分析和综合评价中，常用的权重计算方法主要如下九种。
1. AHP层次分析法
（1）原理：AHP层次分析法是一种定性和定量相结合的研究方法，通过两两比较的方式建立矩阵，利用数字大小的相对性来计算每个因素的重要性，数字越大代表越重要。
（2）适用场景：适用于多层次的综合评价。
2. 熵值法
（1）原理：熵值法是一种客观赋值法，利用数据携带的信息量大小计算权重，熵越小，信息量越大，权重越大。
（2）应用：广泛应用于各个领域，如普通问卷数据（截面数据）或面板数据的计算，常与其他权重计算方法配合使用。
3. 主成分分析法
（1）原理：主成分分析是对数据进行浓缩，将多个指标转化为几个不相关的概括性指标（主成分），以达到降维的目的。
4. 因子分析法
（1）原理：因子分析与主成分分析相似，但增加了“旋转”的功能，使因子更具有解释意义。
二、权重计算方法的应用分类
第一类：AHP层次法和优序图法
这类方法主要通过专家打分或问卷调研得到指标重要性打分情况，计算权重。适用于多种领域，如构建员工绩效评价体系等。
第二类：熵值法（熵权法）
适用于数据之间有波动的情况，将数据波动作为一种信息进行权重计算，如各地区经济指标数据的比较。
第三类：CRITIC、独立性权重和信息量权重
这类方法主要利用数据的波动性或相关关系进行权重计算，如医院科室的综合得分计算。
第四类：因子分析和主成分法
利用数据的信息浓缩原理和方差解释率进行权重计算，如主成分分析可将多个指标浓缩为几个主成分，反映原来指标的信息。
三、数据格式的重要性
对于数据分析新手来说，常常忽视数据格式整理的步骤。正确的数据格式对于得到准确的分析结果至关重要。
四、量纲化处理
1. 量纲化处理问题理解
量纲化处理主要是为了解决数据单位和方向不一致的问题，如医院投入金额与出院率等指标的比较。
2. 量纲化处理方式
SPSSAU提供了多种量纲化处理方法，具体使用哪种方式应结合数据情况和研究算法来选择。九种常用权重计算方法是否需要量纲化处理及具体处理方式详见相关表格。