計算權重是一種常見的分析方法，在實際研究中，需要結合資料的特徵情況進行選擇，比如資料之間的波動性是一種資訊量，那麼可考慮使用CRITIC權重法或資訊量權重法；也或者專家打分資料，那麼可使用AHP層次法或優序圖法。
本文列出常見的權重計算方法，並且對比各類權重計算法的思想和大概原理，使用條件等，便於研究人員選擇出科學的權重計算方法。
首先列出常見的8類權重計算方法，如下表所示：
計算權重方法彙總
這8類權重計算的原理各不相同，結合各類方法計算權重的原理大致上可分成4類，分別如下：
第一類為因子分析和主成分法；此類方法利用了資料的資訊濃縮原理，利用方差解釋率進行權重計算；
第二類為AHP層次法和優序圖法；此類方法利用數字的相對大小資訊進行權重計算；
第三類為熵值法（熵權法）；此類方法利用資料熵值資訊即資訊量大小進行權重計算；
第四類為CRITIC、獨立性權重和資訊量權重；此類方法主要是利用資料的波動性或者資料之間的相關關係情況進行權重計算。
第一類、資訊濃縮(因子分析和主成分分析)
計算權重時，因子分析法和主成分法均可計算權重，而且利用的原理完全一模一樣，都是利用資訊濃縮的思想。因子分析法和主成分法的區別在於，因子分析法加帶了‘旋轉’的功能，而主成分法目的更多是濃縮資訊。
‘旋轉’功能可以讓因子更具有解釋意義，如果希望提取出的因子具有可解釋性，一般使用因子分析法更多；並非說主成分出來的結果就完全沒有可解釋性，只是有時候其解釋性相對較差而已，但其計算更快，因而受到廣泛的應用。
比如有14個分析項，該14項可以濃縮成4個方面(也稱因子或主成分)，此時該4個方面分別的權重是多少呢？此即為因子分析或主成分法計算權重的原理，它利用資訊量提取的原理，將14項濃縮成4個方面（因子或主成分），每個因子或主成分提取出的資訊量（方差解釋率）即可用於計算權重。接下來以SPSSAU為例講解具體使用因子分析法計算權重。
計算權重是一種常見的分析方法，在實際研究中，需要結合資料的特徵情況進行選擇，比如資料之間的波動性是一種資訊量，那麼可考慮使用CRITIC權重法或資訊量權重法；也或者專家打分資料，那麼可使用AHP層次法或優序圖法。
本文列出常見的權重計算方法，並且對比各類權重計算法的思想和大概原理，使用條件等，便於研究人員選擇出科學的權重計算方法。
首先列出常見的8類權重計算方法，如下表所示：
計算權重方法彙總
這8類權重計算的原理各不相同，結合各類方法計算權重的原理大致上可分成4類，分別如下：
第一類為因子分析和主成分法；此類方法利用了資料的資訊濃縮原理，利用方差解釋率進行權重計算；
第二類為AHP層次法和優序圖法；此類方法利用數字的相對大小資訊進行權重計算；
第三類為熵值法（熵權法）；此類方法利用資料熵值資訊即資訊量大小進行權重計算；
第四類為CRITIC、獨立性權重和資訊量權重；此類方法主要是利用資料的波動性或者資料之間的相關關係情況進行權重計算。
第一類、資訊濃縮(因子分析和主成分分析)
計算權重時，因子分析法和主成分法均可計算權重，而且利用的原理完全一模一樣，都是利用資訊濃縮的思想。因子分析法和主成分法的區別在於，因子分析法加帶了‘旋轉’的功能，而主成分法目的更多是濃縮資訊。
‘旋轉’功能可以讓因子更具有解釋意義，如果希望提取出的因子具有可解釋性，一般使用因子分析法更多；並非說主成分出來的結果就完全沒有可解釋性，只是有時候其解釋性相對較差而已，但其計算更快，因而受到廣泛的應用。
比如有14個分析項，該14項可以濃縮成4個方面(也稱因子或主成分)，此時該4個方面分別的權重是多少呢？此即為因子分析或主成分法計算權重的原理，它利用資訊量提取的原理，將14項濃縮成4個方面（因子或主成分），每個因子或主成分提取出的資訊量（方差解釋率）即可用於計算權重。接下來以SPSSAU為例講解具體使用因子分析法計算權重。