对一个对象进行评价是现实社会中一种常见问题，当然，就像“一千个人眼中有一千个哈姆雷特”，主观评价往往十分不可靠，呵呵。所以，要怎样做到客观可行，由此就设计了一些评价模型，通过数值计算得出的评价指数来评价一个对象好坏。
这次介绍的综合指数法实际上是基于加权平均的推广。主要包括两个过程，评价指标的无纲量化处理和权术确定。
（一）指标的无量纲化处理
评价指标一般都是量化的，就像你的学分，期末考试成绩。但是，不同的指标一般带有不同的单位，在同一指标下比较没问题，可是如何将多个指标综合？这就需要一套同一化处理方式。这就是指标的无纲量处理。一般的几种处理方法如下：
（1）统计标准化法
设多指标的指标矩阵为X=[X1，X2，X3，...，Xn], 处理后的标准化矩阵Z=[Z1, Z2, Z3, ..., Zn]
转换方式是：
就是将第j 个标准下的各个指标量减去第j 个标准下的的各指标的均值然后除以标准差。
（2）极值标准化法
直接给出公式看看吧
看上去很简单，就是找到某一评价标准下的最优最劣，然后计算各指标偏离最值与极差只比。但是这种处理数据方式会带来一些问题，比如最值影响，或者有时候一些指标很大，一些指标很小，这样计算的标准化指标就很小了，这样会在以后处理过程产生较大的误差，这是我们不想看到的。所以这种处理方法一般应用于较稳定的数据。
（3）标准指数法
找到各评价标准下的的标准值，然后，将各实际值和标准值做比。公式很简单，不写了.
以上就是常见的几种处理数据方法，第一种在实际中用得最多。
（二）权术的确定
这就是一个很重要的过程了，直接会影响评价结果。那么怎么能客观确定评价的权，并且减少主观因素的影响呢？大致的可以分为两大类：主观赋权法，和客观赋权法。当然主观赋权也不能太主观，一般是由专家给出权术。这里重点介绍一下客观赋权法。
（1）最大差离法
设指标集X={Xij}经过无纲量化处理后得到了Z={Zij}如下：
记Vj为每一列的极差。
则每一列的权Wj就可以用以下公式表示出来:
注意着种定权方式适合要求不太严格的情况。
（2）标准差权术法
设无量纲化的评价矩阵如上。然后计算每一列方差。
求每一指标下的均值：
各指标的标准差：
求权公式：
（3）标准差系数权法
前两步和上一种相同。不同就在于得到标准差了后不是直接用来计算权，而是用每一列得到的标准差除以每一列平均值，得到一个标准差系数。
公式如下：
这样得到的权更加精确，但是运算量也更大。
以上就是最近学习的综合评价的记录，可用matlab实现。
