综合评价这类活儿，麻烦的不在算，在于权重怎么来、方向怎么定。这个 Stata 命令把两件事合在一起：默认按熵权法算出每个指标的信息熵、冗余度与权重，再加一个 topsis 选项就换成熵权 TOPSIS 算综合得分。安装只要一行：ssc install topsis。

三个可选项各管一件事：positive() 放正向指标（越大越好），negative() 放负向指标（越小越好），topsis 表示改用 TOPSIS 法算综合得分。帮助文件里写明了：正负指标可以同时指定；如果一个指标都不给，命令会直接报错。

不加 topsis 时，命令输出每个指标的信息熵、冗余度与权重，并默认显示前 10 个样本的综合得分；结果窗口里还能点开链接看存下来的返回值、完整得分列表和描述统计。

加上 topsis 时，输出的是熵权 TOPSIS 的综合得分与描述统计。两种算法的差别在于最后一步怎么排序：熵权法直接按加权后的指标值汇总，TOPSIS 则比较每个样本到正理想解与负理想解的距离。

命令自动做标准化，但有两个细节会影响结果，帮助文件里明说了：如果某个变量的最大值与最小值相同，标准化结果直接设为 0.5，避免除零；标准化后出现的 0 会被替换成 0.0001，防止后面取对数时出错。

换句话说，指标没有区分度时它不会报错，而是给一个中性值。做评价前先看各指标的极差，全一样的指标留在模型里只会稀释权重。

第一，所有输入变量必须是数值型。名称、地区、行业这类字符变量要先编码或剔除，否则报错或算出异常值。

第二，正负指标别写重复。同一个变量既写进 positive() 又写进 negative()，程序不会替你判断，结果就不可信。

第三，临时变量要清。命令执行时会生成一批临时变量，第二次运行时得先删掉，或者用 preserve 与 restore 把数据状态包起来。这一条是帮助文件专门用一段提醒的，实际用面板数据反复调指标时最容易忘。

熵权法的权重来自数据本身的离散程度，客观、可复现，适合指标多、样本量够、又没有可靠先验权重的场景。它的问题也在这里：某个指标恰好波动大，就会自动拿到高权重，哪怕它在业务上并不重要。

如果评价目的是排序而不是解释权重，加 topsis 更稳；如果要向评审解释"为什么这个指标权重高"，最好同时报出信息熵与冗余度，让人看到权重是被数据推出来的。

装好之后，先拿一份小样本、三到五个指标跑一遍，把输出的权重与自己预期对一下，再上正式数据。

回复本帖，可见 RePEc 记录页与帮助文件的直达链接、语法与选项原文、标准化规则与临时变量处理的原文说明，以及 GPL v3 的署名要求。