Thesis灰色关联度分析计算器（关联系数与排序）
粘贴评价对象 × 指标的数据矩阵，几秒钟算出各对象的灰色关联度与排序——样本少到熵权法、回归都不稳时，灰色关联分析是综合评价论文的常用替代；「分辨系数取多少、方向标没标」是评阅人常抓的点。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
为什么灰色关联度值得自己先算一遍
评价对象只有三五个、指标不多、数据又拿不到大样本时，回归和熵权法都不稳，灰色关联度分析（GRA）按各对象序列与理想参考序列的几何接近程度排序——是「贫信息、小样本」综合评价论文的经典方法。
极差标准化（区分正向/负向指标）后以各指标最优值构成参考序列，按邓氏关联系数 ξ = (Δmin + ρΔmax)/(Δ + ρΔmax) 计算（分辨系数 ρ = 0.5），各对象关联度取关联系数均值——与灰色系统理论教材及 SPSSAU 实现同口径。
每个对象对每项指标的关联系数、关联度 r 与排序全部列出，论文可给完整计算表；常数列（各对象取值相同）自动提示无区分信息。
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）
- 把「评价对象 × 指标」的数据矩阵粘贴进输入框（一行 = 一个评价对象，一列 = 一个指标，Tab/逗号/空格分隔，从 Excel 复制即可；行首可带对象名称）；
- 在指标方向框标注每列方向：正向指标（越大越好）填 +，负向指标（越小越好）填 -，如「+ - +」；留空默认全部正向；
- 点「计算灰色关联度排序」查看各对象关联度与排序，把结果句式一键复制进论文，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？
标准化：正向指标 r=(x−min)/(max−min)，负向指标 r=(max−x)/(max−min)（极差法）；参考序列取标准化后各指标的最优值（即全 1 序列）。差序列 Δᵢⱼ = |rᵢⱼ − 1|，全局 Δmin 与 Δmax；邓氏关联系数 ξᵢⱼ = (Δmin + ρΔmax)/(Δᵢⱼ + ρΔmax)，分辨系数 ρ = 0.5；关联度 rᵢ = (1/k)Σⱼξᵢⱼ，按 r 降序排序。
分辨系数 ρ 为什么取 0.5？
ρ ∈ (0,1] 控制关联系数的区分度：ρ 越小区分度越大。0.5 是灰色系统理论教材与绝大多数论文、软件（SPSSAU 等）的默认取值，论文中写明「分辨系数取 0.5」即可；如做敏感性分析可自行改用 0.3/0.7 复算比较排序是否稳定。
和熵权法 TOPSIS 有什么区别？
TOPSIS 基于与正/负理想解的欧氏距离，对样本量和指标分布更敏感；灰色关联度基于序列形状的接近程度，更适合对象少、信息贫的小样本场景。两者都需要先区分指标方向；论文里也常把灰色关联度与熵权组合（熵权灰色关联）作稳健性检验。
结果该怎么报告？
「以标准化后各指标最优值构成参考序列，取分辨系数 ρ = 0.5 计算邓氏灰色关联系数，得各对象灰色关联度：对象甲 r = 0.782 排名第 1，对象乙 r = 0.654 排名第 2……关联度越大表明该对象与理想对象越接近，综合表现越优」。建议同时给出标准化方法、关联系数表与关联度排序表。
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。
关联度排好了，数据分析章一站写完
工作台覆盖选题→开题→大纲→分章写作→文献→自查→导出全流程：把评价结果挂进对应章节让 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