评价指标筛选方法
构建综合评价指标体系的“第一道关卡”
在建立综合评价模型（如 AHP、TOPSIS、熵权法等）之前，我们往往会初步选定许多可能影响评价结果的指标。但如果指标过多，不仅会增加数据收集和计算的难度，还可能引入冗余信息（多重共线性），降低评价结果的客观性和准确性。因此，我们需要使用科学的方法对初始指标进行筛选。
下面介绍几种常用的评价指标筛选方法。
1. 专家调研法 (Delphi 法)
专家调研法（又称德尔菲法）是一种定性的指标筛选方法，极度依赖于专家的专业知识和经验。
筛选过程
- 评价者根据评价目标和评价对象的特征，首先设计出一系列指标的调查表。
- 向若干专家咨询和征求对指标的意见。
- 进行统计处理，并反馈意见处理结果。
- 经几轮咨询后，当专家意见趋于集中时，将专家意见集中的指标作为评价指标，从而建立起综合评价指标体系。
特点：主观性较强，但能够充分利用专家的宏观把握能力和行业经验，适合在缺乏历史数据或探索性较强的新领域使用。
2. 最小均方差法
核心思想：如果 个评价对象关于某项指标的观测值都差不多，那么不管这个评价指标重要与否，对于这 个评价对象的评价结果所起的作用将是很小的。因此在评价过程中就可以删除这样的评价指标。
假设对于 个评价对象 ，每个评价对象有 个指标，其观测值分别为：
筛选过程
① 求出第 项指标的平均值和均方差：
② 求出最小均方差：
③ 删除区分度低的指标： 如果最小均方差 ，则可删除与 对应的指标 。考察完所有指标，即可得到最终的评价指标体系。
注意事项：最小均方差法只考虑了指标的差异程度，容易将数值波动小但实际非常重要的指标误删。
3. 极大极小离差法
与最小均方差法类似，极大极小离差法也是基于“数据差异度”来筛选指标，只是度量差异的方式不同，它使用的是极差（离差）。
假设对于 个评价对象 ，每个评价对象有 个指标，其观测值分别为 。
筛选过程
① 求出第 项指标的最大离差：
(注：即该指标下任意两个对象观测值差值的绝对值的最大值，实际上等价于该指标的极差 )
② 求出最小离差：
③ 删除区分度低的指标： 如果最小离差 ，则可删除与 对应的指标 ，考察完所有指标，即可得到最终的评价指标体系。
扩展阅读：常用的评价指标筛选方法还有条件广义方差极小法、极大不相关法等，详细介绍可参阅相关文献资料。