利用Excel计算耦合度及耦合协调度

你的名字 2022-03-02 11:52 1900阅读 0赞

相信很多朋友遇到耦合度问题的时候一开始都会多少有些感到棘手，不知道该如何计算得出最终结果，接下来笔者就这个问题详细的进行阐释。

## 一、计算耦合度及耦合协调度的流程 ##

**1、数据标准化**

由于数据需要进行无量纲化处理，因此首先需要对数据进行标准化，这里笔者建议使用极差法：  
![在这里插入图片描述][20190320133652423.png]  
**2、权重计算**

计算权重的方法有很多，笔者建议使用主成分分析法，因为可以借助SPSS软件进行主成分分析，非常方便。

利用SPSS进行主成分分析的方法笔者进行过非常详细的介绍，即使从来没有使用过SPSS都可以很快掌握，下面是地址链接：

超详细SPSS主成分分析计算指标权重（一）  
[https://blog.csdn.net/qq\_32925031/article/details/88540234][https_blog.csdn.net_qq_32925031_article_details_88540234]

利用极差法对数据进行标准化及指标权重的计算笔者也做过详细的介绍：

超详细SPSS主成分分析计算指标权重（二：权重计算及极差法标准化）  
[https://blog.csdn.net/qq\_32925031/article/details/88562141][https_blog.csdn.net_qq_32925031_article_details_88562141]

**3、综合评价指数**

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMyOTI1MDMx_size_16_color_FFFFFF_t_70]  
式中：f(x),g(y),h(z)分别代表各子系统的综合效益；ai,bi,ci分别为各子系统中各指标的权重；分别为描述各指标特征的指标值，且均为无量纲化值

**3、耦合度**  
![在这里插入图片描述][20190320134509402.png]  
耦合度的取值C的取值范围为0~1，C越接近1，表示各系统间的耦合度越大；C越接近0，表示各系统间的耦合度越小，各序参量处于无关且无须发展的状态。

**4、耦合协调度**

![在这里插入图片描述][20190320134602468.png]  
其中：C为耦合度，D为耦合协调度，T为耦合协调发展水平的综合评价指数；分别为旅各子系统的权重。

## 二、利用Excel进行计算 ##

**1、综合评价指标指数计算**

下图是利用极差法得到的标准化数据，和利用主成分分析法得出的权重。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMyOTI1MDMx_size_16_color_FFFFFF_t_70 1]  
输出相应公式即可得到综合指数  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMyOTI1MDMx_size_16_color_FFFFFF_t_70 2]

**2、耦合度计算**

由于耦合度的公式比较复杂，因此可以分成几个部分分别计算：

![在这里插入图片描述][20190320140150709.png]  
![在这里插入图片描述][20190320140212837.png]  
![在这里插入图片描述][20190320140220559.png]  
![在这里插入图片描述][20190320140227850.png]  
完整的表格如下：  
![在这里插入图片描述][20190320140342736.png]  
**3、综合评价指数**  
![在这里插入图片描述][20190320140839294.png]  
**4、耦合协调度**  
![在这里插入图片描述][20190320141004731.png]

以上就是完整的耦合度及耦合协调度的计算过程。由于文字叙述比较麻烦，所以直接上图演示，大家可以对应公式和图中输入的公式分步的进行计算。

[20190320133652423.png]: /images/20220302/e3f3123cf52b4c5885a9e6c94dbe37a3.png
[https_blog.csdn.net_qq_32925031_article_details_88540234]: https://blog.csdn.net/qq_32925031/article/details/88540234
[https_blog.csdn.net_qq_32925031_article_details_88562141]: https://blog.csdn.net/qq_32925031/article/details/88562141
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMyOTI1MDMx_size_16_color_FFFFFF_t_70]: /images/20220302/1d05ffe0be504c608ab11f12a76df255.png
[20190320134509402.png]: /images/20220302/ada747bf12104aca8e9e64bf3347ee94.png
[20190320134602468.png]: /images/20220302/f9582dcd775345b3ada85f5ae8d65475.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMyOTI1MDMx_size_16_color_FFFFFF_t_70 1]: /images/20220302/a3c2019961f64f68aaf611d2a3761aa2.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMyOTI1MDMx_size_16_color_FFFFFF_t_70 2]: /images/20220302/df87e24115b648819638612434c3a283.png
[20190320140150709.png]: /images/20220302/6220ad7953374c48945816c47edcb823.png
[20190320140212837.png]: /images/20220302/92fb3c71b03e422ebdae49562da75581.png
[20190320140220559.png]: /images/20220302/e38081afa41f427b80ab88a0437de6ff.png
[20190320140227850.png]: /images/20220302/121cc67c95b64027aa86d13ffd0b724f.png
[20190320140342736.png]: /images/20220302/8fbe5e66daf3453a9c187c406e367d4c.png
[20190320140839294.png]: /images/20220302/e1d0726a46684d93b87542bfbf55abc3.png
[20190320141004731.png]: /images/20220302/aa55fb2280a34e0bab6b4acf6fd085d9.png