QLab增加熵权-topsis模块
熵权TOPSIS 法是将熵权法的客观赋权与TOPSIS
法的多属性决策排序相结合，在TOPSIS
法构造加权规范化矩阵的过程中，利用熵权法得到的权重加以运算，如此一来，将客观的赋权方法与严谨的多维排序巧妙联系，帮助决策者进行科学评价。
熵权-Topsis的计算步骤主要分为两大步，首先是用熵权法得到指标权重，然后是用Topsis计算相对贴近度。
熵权法部分可以参考之前的推文，这里介绍Topsis部分：
1、对原始矩阵进行处理
如果有负向指标，取倒数，做趋同化处理，得到新的决策矩阵，然后使用如下公式得到规范化决策矩阵。
2、构造加权规范化矩阵，传统的topsis是利用人为给定的权重加以计算，主观因素会影响最后的排序结果，这里采用的是熵权法得到的权重，避免主观因素。具体操作是将规范化决策矩阵中的每一个向量与该向量对应的指标权重相乘，从而得到加权规范化矩阵。
3、确定正负理想解
其中，正理想解为正向指标的最大值和负向指标的最小值组成的集合；负理想解为正向指标的最小值和负向指标的最大值组成的集合。
4、计算欧氏距离
分别计算待评价对象到这两个标杆的欧氏距离， ...
QLab增加耦合协调度模型
QLab新版本增加了耦合协调度模型，同时对界面做了一定程度的更新，模型被分为经济模型和评价模型两个类别。
耦合模型是从物理学中演变而来，它所体现的是两个系统之间通过彼此的相互作用互相影响，耦合度是对不同系统耦合程度的定量描述。
其中，耦合协调度C的计算公式如下：
协调发展度D的计算公式如下:
软件界面如下：
QLab界面
可以计算二元及以上子系统的协调耦合度，在计算协调发展度D的时候，提供平均权重和自定义权重两种方式供用户选择，操作还是一如既往的简单，只需准备好数据即可。
有需要购买软件，请联系微信canglang12002
往期推荐：
广义SBM模型的matlab代码
QLab1.4正式发布！增加全排列多边形图示指标法
大量数据时的Dagum基尼系数分解工具
Panda-DEA_1.0正式发布！
含有非期望产出的ZSG-DEA模型
两阶段网络DEA模型及其计算
Panda-DEA，一款新的DEA模型软件
DKM_1.3更新---CCM收敛交叉映射
DKM_1.2:两阶段嵌套泰尔指数工具
DKM_1.1--新增熵值法功能
数量 ...
QLab1.4正式发布！增加全排列多边形图示指标法
鉴于DKM之前的版本都是命令行版本，操作起来并不方便，因此特意加上了GUI界面，并更名为QLab。新版本对于常见的数据错误，如空间邻接矩阵不对称，某些行列全部为0等情况，会给出提示弹窗，方便用户操作。
QLab的界面如下：
用户可以自行选择数据文件，以及对应的保存目录，数据文件不需要使用特定的文件名，运行结果的文件名自动加上时间戳，多次运行，也不用关闭之前的结果文件。
下面是关于全排列多边形图示指标法的介绍：
全排列多边形图示指标法定义为：设共有n
个指标(标准化后的值),以这些指标的上限值为半径构成一个中心n
边形,各指标值的连线构成一个不规则中心n 边形,这个不规则中心n
边形的顶点是n 个指标的首尾相接的全排列,n 个指标总共可以构成(n-1)! /2
个不同的不规则中心n
边形,综合指数定义为所有这些不规则多边形面积的均值与中心多边形面积的比值。
指标值标准化采用双曲线标准化函数：
其中U为指标x的上限，取最大值，L为指标x的下限，取最小值，T为指标x的临界值，取平均值。
标准化及综合指数计算公式如下：
根据标准化后的数据，和综合指数，可以 ...
DKM_1.3---CCM收敛交叉映射
今日更新DKM_1.3，版本更新内容：CCM收敛交叉映射、两阶段嵌套泰尔指数、三阶段嵌套泰尔指数。此前嵌套泰尔指数分解是单独的脚本，这次一并合并到DKM_1.3中。
目前因果检验常用的格兰杰因果检验，主要是依据时间序列的预测能力来识别序列之间的因果关系。如，我们有一个模型来预测时间序列Y，如果在模型中移除时间序列X，则模型对Y的预测能力大大降低，此时可以说X是Y的一个原因。
但是，格兰杰因果检验的前提是时间序列之间要满足可分离性，这就要求系统之间，各变量是纯随机的，或者线性的。但是，有些系统中，各个时间序列之间彼此依赖，并不能分离，又或者彼此之间是弱耦合的，这时格兰杰因果检验就不再适用。
针对这个问题，Sugihara等（2012）在Detecting Causality in Complex
Ecosystems这篇文章中，提出了CCM收敛交叉映射算法。
具体做法如下：
假设有X和Y两个时间序列如下：
{X} = { X(1) ，X(2) ，X(3) ，…，X(L) }
{Y} = { Y(1) ，Y(2) ，Y(3) ，…，Y(L) }
分别构造X和Y的影子流形M ...
