发帖
雷达卡
1.案例背景与分析策略
1.1 案例背景介绍
收集到94个地区对外宣传推荐传播力指数数据（网络公开数据，本例有修饰改动），传播指标包括网站、博客、论文、微博、微信，试做传播力综合评价。
数据上传SPSSAU后，在 “我的数据”中查看浏览原始数据，部分数据如下：
图1 “我的数据”查看浏览数据集
1.2 明确目的与分析策略
本例中用于综合评价的5个指标已经明确，现在只需要给5个指标分别计算权重，即可构造综合指数或综合得分数据以评价94个地区的传播力水平。
SPSSAU可实现多种权重计算方法，本文拟选择熵值法和主成分分析完成权重计算。
2.熵值法计算权重
熵值是不确定性的一种度量。信息量越大，不确定性就越小，熵也就越小；信息量越小，不确定性越大，熵也越大。所谓熵值法，利用熵值携带的信息进行权重计算，结合各项指标的变异程度，从而计算出各项指标的权重。
在进行熵值法之前，如果数据方向不一致时，需要进行提前数据处理，通常为正向化或者逆向化两种处理。本例5个指标方向一致，暂不做任何处理。
2.1 SPSSAU具体操作
打开SPSSAU，点击并使用“综合评价”栏目中的【熵值法】。
图2 SPSSAU熵值法操作界面
将网站、博客、论文、微博、微信5个指标统一移入【定量分析项】框内，默认勾选【非负平移】，本例重点是计算权重，暂不输出综合得分。最后点击【开始分析】即可获得权重结果。
2.2 熵值法权重解读
使用熵值法对网站等总共5项进行权重计算，从下表可以看出：网站, 论坛, 博客, 微博, 微信，它们的权重值分别是0.3273、0.1441、0.1608、0.2899、0.0779。
图3熵值法计算权重结果汇总
各指标间的权重大小有着一定的差异，其中网站指标的权重最高为0.3273，微信指标的权重最低为0.0779。
这是纯粹的从信息量角度计算的权重，属于客观赋权的方法。但是应该注意到，由于忽略了指标自身的专业角度的重要性，有时计算所得权重与预期的有一定差距。
例如本例，在移动互联网时代背景下，微信层面的传播力权重（7.79%）最小，远低于博客层面的权重（16.08%），这个结果令人感到困惑。
3.主成分分析计算权重
主成分分析是对数据进行浓缩或降维，将众多指标浓缩成为几个彼此不相关的概括性指标（主成分），从而达到降维的目的。
主成分分析可同时计算主成分权重及指标权重，本例着重使用的是计算指标的权重系数。
其计算过程分为三步：
第一：计算线性组合系数矩阵，公式为：loading矩阵/Sqrt(特征根)，即载荷系数除以对应特征根的平方根；
第二：计算综合得分系数，公式为：累积（线性组合系数*方差解释率）/累积方差解释率，即上一步中得到的线性组合系数分别与方差解释率相乘后累加，并且除以累积方差解释率；
第三：计算权重，将综合得分系数进行归一化处理即得到各指标权重值。
3.1 SPSSAU具体操作
打开SPSSAU，打开并使用“进阶方法”栏目中的【主成分】功能。
图4 SPSSAU主成分分析操作界面
将网站、博客、论文、微博、微信5个指标统一移入【定量分析项】框内，从专业角度指定提取3个主成分。本例重点是计算权重，暂不输出主成分得分、综合得分。最后点击【开始分析】即可获得主成分和权重结果。
3.2主成分法权重解读
主成分分析输出的结果较多，在解读KMO值、特征值、方差贡献等结果后，建议直接看“线性组合系数及权重结果”表格。本例如下表所示：
图5线性组合系数及权重结果
网站, 论坛, 博客, 微博, 微信，它们的权重值分别是0.2645、0.1701、0.1518、0.1997、0.2139。
网站的权重最大为26.45%，其次是微信权重21.39%，第三是微博权重19.97%，权重系数最小则是博客15.18%。
主成分法权重和熵值法权重大有不同，其中变化最大的就是我们很关注的微信端传播。显然主成分法给予微信端更大的权重，而传统媒体如博客的权重则下降为最低。
这个权重结果可能更加符合当下时代新闻舆论传播的现状，从行业经验和专业知识的角度，主成分权重更容易被理解和接受。
4.小结
熵值法与主成分法在计算指标权重时都是客观赋权，摒弃了研究者的主观性。熵值法计算过程简单易操作，主成分分析全过程较为复杂；熵值法没有改变评价指标的数量，而主成分因为信息浓缩的原理会减少评价的维度。
二者各有优势和缺点，在具体使用当中，其权重可以互为参考借鉴，尤其是当熵值法权重难以解释时，主成分权重更有意义。
提升卡
置顶卡
沉默卡
变色卡
抢沙发
千斤顶
显身卡
京公网安备 11010802022788号
