熵權topsis是一種融合了熵值法與TOPSIS法的綜合評價方法。熵值法是一種客觀賦值法，可以減少主觀賦值帶來的偏差；而topsis法是一種常見的多目標決策分析方法，適用於多方案、多對象的對比研究，從中找出最佳方案或競爭力最強的對象。
熵權topsis是先由熵權法計算得到指標的客觀權重，再利用TOPSIS法，對各評價對象進行評價。
熵權topsis法分析步驟通常可分為以下三步：
（1）數據標准化
（2）熵值法確定評價指標的權重
（3）topsis法得到評價對象的排名結果
其中第2、3步由SPSSAU自動計算輸出。
一、研究背景
當前有一個項目進行招標，共有4個承包商，分別是A,B,C,D廠。由於招標需要考慮多個因素，各個方案指標的優劣程度也並不統一。為了保證評價過程中的客觀、公正性。因此，考慮通過熵權TOPSIS法，對各個方案進行綜合評價，從而選出最優方案。
二、操作步驟
（1）數據標准化
首先，需要對數據進行標准化處理。指標量綱（單位）不一致會造成不同指標的數據有大有小，這樣會影響計算結果。為了消除量綱的影響，分析前需要先對數據進行處理。
正向指標：（X-Min）/(Max-Min) （生成變量-正向化MMS）
逆向指標：（Max-X）/(Max-Min) （生成變量-逆向化NMMS）
具體標准化的處理方式有很多種，具體結合文獻和自身數據選擇使用即可。不同的處理方式肯定會帶來不同的結果，但結論一般不會有太大的偏倚。
本案例中，價格、工程工期、主材用量均為逆向指標；施工經驗率、產品質量合格率、服務水平均為正向指標。按上述步驟分別對正向指標、逆向指標進行標准化處理。
（2）熵權TOPSIS法
選擇【綜合評價】--【熵權TOPSIS】。
將指標項放入【評價指標】框中，點擊開始分析。
三、結果分析
（1）熵值法確定權重
上表是通過熵值法計算得出的6個指標權重，可以看出指標權重分布相對較為均勻。
各項指標的權重={0.1415, 0.2366, 0.1415, 0.1415, 0.2366, 0.1433, 0.1004}。
這一步僅僅得到了指標權重，熵值TOPSIS的核心在於TOPSIS法計算出相對接近度。權重值與數據相乘，得到新數據newdata，這一過程是SPSSAU自動完成，利用newdata進行TOPSIS法計算。
（2）topsis法得到每組樣本的競爭力排名
從上表可知，利用熵權法后加權生成的數據(由SPSSAU算法自動完成)進行TOPSIS分析，針對6個指標進行TOPSIS評價。最終計算得出各評價對象與最優方案的接近程度(C值)，並對C值進行排序，得到最優方案。
根據結果顯示，A廠（評價對象1）是最佳的供應商選擇，其次為B廠。
四、其他說明
（1）分析之前是否需要進行標准化、歸一化、正向化或逆向化處理等？
如果原始數據中有負向指標（數字越大反而越不好的意思），需要針對此類指標先‘逆向化’處理。當確認所有指標均為正向指標（數字越大越好的意思）后，需要接着進標准化處理。
數據進行標准化處理目的在於解決量綱問題，標准化處理的方式有很多，常見是‘歸一化’，‘區間化’，‘均值化’，‘求和歸一化’，‘平方和歸一化’等等非常多。如果指標數據全部都大於0，SPSSAU建議是使用‘均值化’處理，如果指標數據有小於或等於0的數據，SPSSAU建議使用‘區間化’（默認將數據壓縮成1~2之間）。
（2）如果分析數據中有負數或者0值如何辦？
如果分析數據有負數或者0，這會導致無法進行熵值法計算，SPSSAU算法默認會進行‘非負平移’處理。SPSSAU非負平移功能是指，如果某列（某指標）數據出現小於等於0，則讓該列數據同時加上一個‘平移值’【該值為某列數據最小值的絕對值+0.01】，以便讓數據全部都大於0，因而滿足算法要求。
以上就是本次分享內容，登錄SPSSAU官網了解更多內容。