常見的主觀賦權法有：專家評判法和層次分析法；常見的客觀賦權法有：粗糙集、變異系數法、相關系數法、熵值法和坎蒂雷賦權法。主觀賦權法的弊端是過分依賴專家的意見；客觀賦權法的弊端是過分依賴統計或數學的定量方法，而忽視了評價指標的主觀定性分析。因此，比較科學的做法是將主觀與客觀結合起來，一般常用乘法或線性綜合法。
在進行綜合評價的過程中權重的確定確實是很重要的，對最終的結果會起着決定性的影響。現在好像大多數采用的都是主客觀結合的組合賦權法。主觀賦權用的最多的是AHP，客觀賦權用的多的是熵值法、粗糙集的方法，正如樓主所講的，客觀賦權完全依賴於樣本數據，當樣本數據變化時，權重也會發生變化，從統計規律來講，隨着樣本容量的增加，權重的變化應該越來越小，最終趨於一個穩定的值，但在我們實際的評價過程中不可能讓樣本數達到足夠大，因此我們實際還是要把整個評價系統看作是一個不確定性的系統，運用已知的信息來最大限度的挖掘系統的規律，所以我們在有限樣本下求出的只能是近似值。主觀權重方法簡單，但人為因素太強：客觀權重又過於依賴樣本，這兩種方法都存在着信息的損失，采用組合賦權就是最大限度的減少信息的損失，使賦權的結果盡可能的與實際結果接近。現在組合賦權的核心問題在於如何確定兩種方法的權重分配，目前這方面的研究比較多，但個人認為大部分方法的數學推導過於繁瑣，應用性比較差，基本上不具備可操作性，至於如何准確的進行組合賦權，現在似乎還沒有一套很好的方法。
詳細出處參考：http://bbs.pinggu.org/viewthread ... &from^^uid=880056