MEMR模型复现介绍：最大熵-最小残差权重法的Julia通用实现 一、这次复现的是什么模型？ 这次整理的不是 DEA，而是一类很典型、也很实用的综合评价赋权模型： MEMR（Maximum Entropy Minimum Residual）模型，也就是“最大熵—最小残差”权重法。 它的核心目标很直接： 一方面，希望各指标的权重分配不要过于极端，尽量保留“均衡性”； 另一方面，又希望加权后的综合评价结果，能够尽量贴近各个原始指标的信息结构。 换句话说，这个模型不是只追求“权重分散”，也不是只追求“拟合误差最小”，而是想在两者之间找到一个更合理的平衡点。 这正是 MEMR 这个名字的含义： Maximum Entropy：权重分布尽量有更高的信息熵； Minimum Residual：综合评价指数与原始指标之间的残差尽量小。 二、MEMR模型到底在解决什么问题？ 在多指标综合评价里，一个绕不开的问题就是： 每个指标到底应该给多大权重？ 如果直接等权，做法简单，但往往太粗； 如果完全依赖主观赋权，又容易受专家判断影响。 ...