| 主成分分析法 |
通过线性变换将多个相关变量转化为少数几个互不相关的主成分，按方差大小排序，保留大部分信息实现降维 |
需要一定数量样本数据，数据最好服从正态分布 |
由算法基于数据内在结构和方差贡献自动确定 |
较高，涉及矩阵运算，如求特征值和特征向量 |
较高，基于数据本身结构确定权重和分析结果 |
数据维度高，需简化数据结构、提取主要信息，如市场调研数据降维分析 |
| 因子分析法 |
研究变量相关性，将多个相关变量归结为少数公共因子，假设原始变量由公共因子和特殊因子构成，通过分析确定因子载荷和得分 |
需要一定数量样本数据，对数据分布有一定要求，近似正态分布更好 |
由算法基于数据相关性分析确定，如通过对相关系数矩阵分解 |
高，涉及复杂矩阵运算和迭代计算，如求解因子载荷矩阵 |
较高，基于数据相关性确定，但旋转方法等存在一定主观性 |
适用于多变量数据，挖掘潜在结构和公共因子，如消费者行为多因素分析 |
| 模糊综合评价法 |
借助模糊数学理论，将边界模糊因素量化，构建模糊关系矩阵，结合权重进行模糊合成运算，确定评价对象在不同评价等级上的隶属程度 |
对数据分布无严格要求，需明确评价指标和评语集，以及构建模糊关系矩阵的数据 |
可通过主观赋权法（如层次分析法）或客观赋权法（如熵权法）确定，主观性较强 |
适中，主要是矩阵运算和模糊合成运算 |
一般，权重确定主观性影响结果，模糊关系矩阵构建也有主观性 |
评价对象具有模糊性、难以精确量化的情况，如产品满意度、环境舒适度评价 |
| 灰色关联分析法 |
以各因素样本数据为依据，用灰色关联度描述因素间关系，根据序列曲线相似程度判断联系紧密程度 |
样本数据量要求低，适用于数据有限、信息不完全情况，对数据分布无特殊要求 |
无需单独确定权重，通过计算关联度反映因素相对重要性 |
较低，主要计算差值、最值等简单运算 |
较高，基于数据间关联关系计算，受主观因素影响小 |
样本数据少、信息不确定，分析因素关联程度，如新兴产业影响因素分析 |
| CRITIC 权重法 |
通过指标的对比强度（标准差）和冲突性（与其他指标的相关性）确定权重，综合考虑指标变异性和相关性 |
依赖各指标实际数据，对数据分布要求不高 |
根据指标标准差和与其他指标相关系数计算确定，是客观赋权法 |
较高，需计算标准差、相关系数等复杂统计量 |
高，基于数据客观特征计算权重 |
多指标综合评价中，需考虑指标变异性和相关性确定权重 |
| 独立性权系数法 |
计算指标与其他指标复相关系数，以 1
减去复相关系数得到独立性权系数，体现指标独立性确定权重 |
依赖各指标实际数据，对数据分布要求不高 |
通过计算复相关系数，以 1 减复相关系数确定权重，是客观赋权法 |
高，涉及多元线性回归分析计算复相关系数 |
高，基于数据间相关性客观计算 |
需突出指标独立性的多指标评价场景，如学生综合素质评价中突出某些独特能力指标 |
| 变异系数法 |
根据指标变异程度（标准差与均值的比值）确定权重，变异程度越大，权重越高 |
依赖各指标实际数据，对数据分布要求不高 |
根据指标的变异系数大小确定权重，是客观赋权法 |
适中，主要计算标准差和均值 |
高，完全基于数据变异程度客观确定 |
多指标综合评价，依据指标变异程度确定权重，突出数据差异对评价影响 |
| 秩和比综合评价法 |
对每个指标数据编秩，计算每个评价对象秩和，再计算秩和比进行综合评价 |
对数据分布和数量无严格限制，数据应能进行排序和编秩 |
不需要专门确定权重，通过编秩和计算秩和比综合评价 |
较低，主要是数据排序和简单运算 |
较高，基于数据排序和计算，主观因素影响小 |
对多个评价对象进行综合排序和评价，如班级、企业综合评价 |
| 数据包络分析方法 |
用于多投入多产出效率评价，通过构建线性规划模型，判断决策单元是否有效，衡量投入产出相对效率 |
需要多个决策单元多投入多产出数据，数据量一般不少于投入产出指标之和两倍 |
不需要预先设定权重，通过线性规划模型确定决策单元相对效率 |
高，构建和求解线性规划模型 |
高，基于实际投入产出数据客观评价 |
多投入多产出系统效率评价，如企业生产、学校教学效率评价 |
| 层次分析法 |
将复杂问题分解为多个层次，建立层次结构模型，构造判断矩阵，计算权重向量并进行一致性检验确定各因素相对重要性 |
对数据要求主要是能通过专家判断或经验构建合理判断矩阵 |
通过专家对各因素两两比较构造判断矩阵确定，主观性较强 |
较高，需计算判断矩阵特征向量等 |
一般，权重确定依赖专家主观判断，一致性检验可能有困难 |
复杂多目标决策问题，将问题层次化辅助决策，如项目选择、战略规划 |
| 熵权法 |
根据指标数据变异程度确定权重，信息熵越小，指标变异程度越大，权重越高 |
依赖各指标实际数据，对数据分布要求不高 |
根据指标信息熵计算确定权重，是客观赋权法 |
适中，主要计算信息熵相关运算 |
高，基于数据变异客观确定权重 |
多指标综合评价，希望依据数据客观信息确定权重 |
