CRITIC 权重法计算器(对比强度 · 冲突性 · 客观权重)
粘贴各评价对象的多指标原始数据,几秒钟完成极差标准化、对比强度、冲突性与客观权重的计算和排序——「CRITIC 法确定指标权重」是综合评价、TOPSIS 类论文兼顾指标波动与相关性的高频客观定权方法。纯浏览器本地计算、数据不上传,免注册、完全免费。
免注册 · 公测期免费 · 数据留在你的浏览器本地
为什么 CRITIC 权重值得自己先算一遍
熵权法只看指标自身的离散程度;CRITIC 同时考虑对比强度(标准差 σⱼ,指标波动越大信息越多)与冲突性(fⱼ = Σ(1-rⱼₖ),与其他指标相关性越低、提供的独立信息越多)——两个高度相关的指标不会重复拿高权重,这是 CRITIC 相对熵权法的核心优势。
极差标准化(正向 (x-min)/(max-min)、负向 (max-x)/(max-min))→ 对比强度 σⱼ(标准化后按 n-1 计算的标准差)→ 冲突性 fⱼ = Σₖ(1-rⱼₖ)(rⱼₖ 为标准化列间 Pearson 相关系数)→ 信息量 Cⱼ = σⱼ·fⱼ → 权重 wⱼ = Cⱼ/ΣCⱼ——与国内主流期刊的 CRITIC 步骤同口径。
各指标的对比强度、冲突性、信息量、权重从大到小排序列出,并用标准化值加权算出各对象综合得分与排名,「写进论文」句式一键复制——权重可直接接 TOPSIS、耦合协调度、模糊综合评价(本站均有计算器),也可与熵权法结果对照报告。
计算在你的浏览器里完成,数据不发送到服务器,不调用 AI,随时可以换一组数据重算。
怎么用(3 步)
- 整理「对象 × 指标」原始数据:如需区分指标方向可先填一行方向(行首写「方向」,正向填 +、负向填 -,默认全部正向);之后每行一个评价对象(行首可带名称,后面是各指标原始值),从 Excel 复制即可;
- 点「计算 CRITIC 权重」查看各指标的对比强度 σ、冲突性 f、信息量 C、权重 w 与各对象加权综合得分排名;
- 把「写进论文」句式一键复制进论文,权重可直接用于 TOPSIS/耦合协调度/模糊综合评价定权,正式结论建议再用 SPSSAU/MATLAB 复核一遍。
常见问题
计算用的是什么方法?
设 m 个对象、n 个指标。先极差标准化:正向指标 x′ = (x-min)/(max-min),负向指标 x′ = (max-x)/(max-min);再算对比强度 σⱼ(标准化列按 n-1 计算的标准差)、冲突性 fⱼ = Σₖ(1-rⱼₖ)(rⱼₖ 为标准化列间 Pearson 相关系数,含 k=j 项,此时 1-rⱼⱼ = 0)、信息量 Cⱼ = σⱼ·fⱼ,最后归一化得权重 wⱼ = Cⱼ/ΣCⱼ。
CRITIC 和熵权法有什么区别?选哪个?
两者都是客观赋权:熵权法只由指标离散程度(信息熵)定权;CRITIC 在离散程度(标准差)之外还考虑指标间相关性(冲突性)——两个高度相关的指标在 CRITIC 下不会重复拿高权重。指标间相关性明显时优先 CRITIC,指标相互独立时两者结论接近;论文中也常把两法权重并列报告做稳健性对照。本站也有熵权法权重计算器。
正向指标和负向指标怎么区分?
数值越大越好的是正向指标(产值、满意度、合格率),越小越好的是负向指标(成本、投诉率、能耗)。在第一行方向行用 +/- 标注,负向指标会按 (max-x)/(max-min) 反向标准化——方向标错权重与得分方向就错。
为什么某个指标权重特别大/特别小?
CRITIC 权重 = 对比强度 × 冲突性归一化:某指标波动越大(σ 大)且与其他指标相关性越低(f 大),权重越大;与其他指标高度相关(信息重复)或各对象取值接近的指标权重低。所有对象取值完全相同的指标无区分信息,本工具按权重 0 处理并提示。
标准差用 n 还是 n-1?相关系数用什么?
本工具对比强度采用标准化后按 n-1(样本标准差)计算的 σⱼ,冲突性采用标准化列间的 Pearson 相关系数——这是国内期刊 CRITIC 应用中最常见的口径。个别文献用总体标准差(除以 n),权重会略有差异但排序通常一致,论文中写明口径即可。
算出的权重怎么接着用?
三个常见去处:① 加权 TOPSIS 得贴近度排序(本站有熵权法 TOPSIS 计算器,可用 CRITIC 权重替换);② 线性加权得各子系统综合评价值,再进耦合协调度模型;③ 作为模糊综合评价的权重向量。本工具还直接给出各对象按标准化值加权的综合得分与排名。
我的数据会被上传吗?
不会。计算完全在你的浏览器本地完成,任何数据都不发送到服务器,也不调用 AI 服务。
权重算好了,实证章一站写完
工作台覆盖选题→开题→大纲→分章写作→文献→自查→导出全流程:把 CRITIC 权重与综合得分挂进对应章节让 AI 严格依据数据成文,不编造数字,全程免注册、免费。
免费打开工作台