基本原理
在資訊理論中，熵是對不確定性的一種度量。信息量越大，不確定性就越小，熵也就越大；信息量越小，不確定性越大，熵也越小。根據熵的特性，我們可以通過計算熵值來判斷一個事件的隨機性及無序程度，也可以用熵值來判斷某個指標的離散程度，指標的離散程度越大，該指標對綜合評價的影響越大。
因此，可根據各項指標的變異程度，利用信息熵這個工具，計算出各個指標的權重，為多指標綜合評價提供依據。
步驟
(1)選取n個國家，m個指標，則為第i個國家的第j個指標的數值。（i=1,2…,n; j=1,2,…,m）
(2) 指標的標準化處理:異質指標同質化
由於各項指標的計量單位並不統一,因此在用它們計算綜合指標前,我們先要對它們進行標準化處理,即把指標的絕對值轉化為相對值,從而解決各項不同質指標值的同質化問題。而且,由於正向指標和負向指標數值代表的含義不同(正向指標數值越高越好,負向指標數值越低越好) ,因此,對於高低指標我們用不同的算法進行數據
標準化處理。其具體方法如下:
正向指標:
負向指標:
則為第i個國家的第j個指標的數值。（i=1,2…,n; j=1,2,…,m）。為了方便起見，仍記數據。
（3）計算第 j 項指標下第 i 個國家占該指標的比重。
（4）計算第 j 項指標的熵值。
（5）計算第j項指標的差異係數。對第項指標，指標值的差異越大，對方案評價的左右就越大，熵值就越小，定義差異係數。
（6）求權值。
（7）計算各國家的綜合得分。
