科研之友
微信
新浪微博
Facebook
分享链接
摘要
研究目标:提出一种基于交叉熵的无偏赋权法。研究方法:在熵框架下,借鉴机器学习中的分类算法和计量经济学中多项Logit回归的相关研究方法,对信息熵熵权法进行无偏优化,提出了交叉熵熵权法,并且结合数值模拟和实例考察的方法对比信息熵熵权法和交叉熵熵权法的赋权效果。研究发现:交叉熵熵权法从理论基础和数值模拟两个方面均证明了权重的无偏性和稳健性,交叉熵熵权法和信息熵熵权法具有相同的适用性,权重具有相同水平的保性序,但是交叉熵熵权法的权重更加契合前人的研究成果,合成结果具有更大方差。研究创新:从熵、机器学习和计量经济学三个角度论证了交叉熵熵权法,保证了赋权结果的无偏性和赋权方法的可操作性。研究价值:构建的赋权方法为多指标评价体系的研究提供了强有力的分析工具。
- 单位
