第壹類是AHP層次法和優先圖法；該方法利用數字的相對大小信息來計算權重；這種方法是主觀賦權法，通常需要專家打分或通過問卷調查得到各指標重要性的得分。分數越高，指數權重越大。
這種方法適用於許多領域。比如我想建立壹個員工績效評估體系，指標包括工作態度、學習能力、工作能力、團隊合作。通過專家打分計算權重，得到各個指標的權重，代入員工數據，得到每個員工的綜合得分。
第二類是熵權法(熵權法)；這種方法利用數據的熵信息，即信息量來計算權重。這種方法適用於數據波動，同時將數據波動作為壹種信息方法。
例如，收集各地區某壹年的經濟指標數據，包括產品銷售率(X1)、資本利潤率(X2)、成本利潤率(X3)、勞動生產率(X4)和流動資本周轉次數(X5)，用熵值法計算各指標的權重，然後比較各地區的經濟效益。
第三類是批評家、獨立權和信息權；這種方法主要是利用數據的波動性或者數據之間的相關性來計算權重。
例如，利用某省級醫院2011年的5個科室的數據指標(* * * 6個指標)計算出CRITIC權重，最終可以得到出院人數、院內外診斷符合率、治療有效率、平均床位使用率、床位周轉次數、出院病人平均住院日等6個指標的權重。如果要計算各個部門的綜合得分，可以直接用自己的數據乘以累加權重。分數越高，對部門的評價越高。
第四類是因子分析和主成分方法；該方法利用數據的信息集中原理和方差解釋率來計算權重。
比如對30個地區經濟發展的8個指標進行主成分分析，主成分分析可以把8個指標濃縮成幾個綜合指標(主成分)，用這些指標(主成分)反映原始指標的信息，用方差解釋率得到各個主成分的權重。
1.多種權重計算方法結合如何得到綜合權重？
每種權重計算方法都有其適用範圍，有時往往需要用多種方法來衡量同壹數據的權重，這樣得到的綜合權重性能更高，更能反映數據的真實特征。比如同時使用熵值法和AHP法，AHP法可以反映專家對不同指標的經驗，熵值法可以反映數據本身提供的信息特征。兩種方法的結合不僅可以減少層次分析法的主觀性，還可以減少數據變化帶來的權重波動。
第壹種情況:兩種權重計算方法原理相同，屬於同壹類方法。
這時可以計算平均值，結果就是綜合重量。比如層次分析法(AHP)和優序圖都是主觀賦值法，通過數字的大小來計算權重。此時可計算兩種方法的平均值作為綜合權重。
計算: