常见的主观赋权法有:专家评判法和层次分析法;常见的客观赋权法有:粗糙集、变异系数法、相关系数法、熵值法和坎蒂雷赋权法。主观赋权法的弊端是过分依赖专家的意见;客观赋权法的弊端是过分依赖统计或数学的定量方法,而忽视了评价指标的主观定性分析。因此,比较科学的做法是将主观与客观结合起来,一般常用乘法或线性综合法。

在进行综合评价的过程中权重的确定确实是很重要的,对最终的结果会起着决定性的影响。现在好像大多数采用的都是主客观结合的组合赋权法。主观赋权用的最多的是AHP,客观赋权用的多的是熵值法、粗糙集的方法,正如楼主所讲的,客观赋权完全依赖于样本数据,当样本数据变化时,权重也会发生变化,从统计规律来讲,随着样本容量的增加,权重的变化应该越来越小,最终趋于一个稳定的值,但在我们实际的评价过程中不可能让样本数达到足够大,因此我们实际还是要把整个评价系统看作是一个不确定性的系统,运用已知的信息来最大限度的挖掘系统的规律,所以我们在有限样本下求出的只能是近似值。主观权重方法简单,但人为因素太强:客观权重又过于依赖样本,这两种方法都存在着信息的损失,采用组合赋权就是最大限度的减少信息的损失,使赋权的结果尽可能的与实际结果接近。现在组合赋权的核心问题在于如何确定两种方法的权重分配,目前这方面的研究比较多,但个人认为大部分方法的数学推导过于繁琐,应用性比较差,基本上不具备可操作性,至于如何准确的进行组合赋权,现在似乎还没有一套很好的方法。