全部版块 我的主页
论坛 经济学人 二区 外文文献专区
897 5
2023-04-12
面板数据,打算用熵值法做指标体系的测算,基础指标中有“是”或“否”这样的数据,目前看到的熵值法中没有这样的数值处理步骤,但是参考的文献中却是用熵值法处理了这样的数据。请问大家知道要怎么处理吗?
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2023-4-15 11:19:28
是或否那就是虚拟变量呗,不建议拿虚拟变量放熵值法的指标中
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2023-4-15 16:40:12
一般都是连续变量
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2023-4-17 14:58:15
wyw986608200 发表于 2023-4-15 11:19
是或否那就是虚拟变量呗,不建议拿虚拟变量放熵值法的指标中
好的,会考虑的,谢谢
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2023-4-23 11:12:01
个人认为并不适合。因为熵值法可以简单视为依据原始数据的离散程度进行赋权,原始数据离散程度越大、越乱,说明评价对象在该指标上的差异越大,进而应赋予该指标更大的权重。因此,若将01指标与连续型指标放在同一指标体系当中,显然01指标被赋予的权重将会比连续型指标被赋予的权重更大。这是否意味着指标体系中的01指标比其他连续型在指标更重要?似乎很难说(虽然也有已发表的相关研究这样操作,但缺乏详细解释)。个人认为将连续型指标和01指标放入同一指标体系,更适合使用复相关系数法进行赋权,该方法并不依据原始数据的离散程度进行赋权,而是依据单个指标与指标体系中其他指标的相关系数进行客观赋权,单个指标与其他指标的相关性越强意味着,其越可能被其他指标解释,进而应赋予较低的权重。供楼主参考
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2023-4-24 15:17:01
Azerr 发表于 2023-4-23 11:12
个人认为并不适合。因为熵值法可以简单视为依据原始数据的离散程度进行赋权,原始数据离散程度越大、越乱, ...
非常感谢
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群