3 原始数据及数据规范化

软件启动后,主界面是一个类似电子表格软件的输入输入区域,如下图所示:

启动后的主界面

原始数据

原始数据是用于计算的各评价对象各评价指标分值数据,例如下图所示的某年山西省城市生态相关统计数据:

生态相关统计数据

将这些数据以特定格式填写(或复制粘贴)到EvaGear的第一个工作簿(原始数据)中,数据格式要求如下:

  • 第一行和第一列分别为评价指标名称和评价对象名称;
  • 每一行是一个评价对象,每一列是一个评价指标。

下图是从Excel中复制了数据的EvaGear原始数据工作簿截图:

原始数据

注:原始数据不必从第一行第一列开始。

数据规范化

四类规范化方法

原始数据

其中标准0-1变换除了效益型和成本型外,还可以使用自定义类型,也即根据设定的最大、最小值数值确定数值越大越好还是越小越好,并将设定的最大、最小值作为公式中的ymax和ymin。

注:EvaGear中,规范化后数据将变换到[0,1]区间。

为原始数据设定规范化方法

数据规范化方式设定是以列为单位的,也就是为不同的评价指标数据设定不同的规范化方法。

在EvaGear的原始数据工作簿中,选中某列(某个评价指标)的某个单元格,然后点击“开始”Ribbon工具栏中的“设定数据规范化方式”工具组中的各种规范化功能按钮,表格中当前选中的那一列将被标记为使用相应的规范化方法对该列数据进行规范化,并在指标名称上增加一行特殊背景颜色的规范化设定行,如下图所示:

规范化设定

各指标规范化设定说明

  • 人均道路面积

    设定"#BENE",也即效益型,这个指标值越大越好。
    
  • 人均住房面积

    设定"#BENE",也即效益型,这个指标值越大越好。
    
  • 人均公共绿地面积

    设定"#C(5,50)",自定义最小值为5,最大值为50。
    
  • 单位GDP电耗

    设定"#COST",也即成本型,这个指标值越小越好。
    
  • 可吸入颗粒度浓度年均值

    设定"#COST",也即成本型,这个指标值越小越好。
    
  • 人均GDP

    设定"#BENE",也即效益型,这个指标值越大越好。
    
  • 城市人口密度

    设定"#COST",也即成本型,这个指标值越小越好。
    

数据规范化结果

下图显示用上一节设定完成数据规范化后的结果。

规范化结果

上图中,选中单元格的值使用效益型规范化函数(NORM.BENE)计算得到。

更多的规范化公式说明见本文档的“可用公式”部分。