熵值是不確定性的一種度量。資訊量越大，不確定性就越小，熵也就越小；資訊量越小，不確定性越大，熵也越大。因而利用熵值攜帶的資訊進行權重計算，結合各項指標的變異程度，利用資訊熵這個工具，計算出各項指標的權重，為多指標綜合評價提供依據。
權重計算
熵值法的計算公式如下：
參考文獻：[1]張曉捷.基於熵權TOPSIS法的長租公寓財務風險評價及防範研究[D].廣西大學,2022.DOI:10.27034/d.cnki.ggxiu.2022.001712.
step1：
根據研究者的資料進行構建評價矩陣（其實就是整理好正確的資料格式，一行為一個樣本，一列為一個屬性）；
step2：
根據指標的屬性進行資料處理，常用的為正向化處理和逆向化處理，有時財務資料還會進行適度化處理，適度化是指資料越接近某個值越好。
step3：非負處理
除此之外，還需要對step2的矩陣進行非負處理（僅針對資料中有非負資料，為什麼進行處理呢？計算中有ln函式，不處理無法計算，可見下方計算公式），至於平移多少，不同的文獻，處理不同，以參考的文獻為準。常見的有0.0001、0.01、1等。此文獻是平移0.001，不管平移多少，其目的最終都是為了資料滿足熵值法的計算要求。
平移後的矩陣如下：
step4：
對非負處理後的矩陣進行歸一化處理：
①列求和：
②歸一化處理
0.0011/1.007=0.001092;0.1465/1.0071=0.145467，以此類推；
step5：求1/ln（n）
有些文獻還稱1/ln(n)為k，所以在其他文獻中看到熵值計算公式裡的k其實就是1/ln(n)，其中n為樣本量，也就是資料中的行數，有幾行就除以幾；
step6：求資料與對數乘積(p*lnp)
使用的是歸一化後的資料，比如0.001092*ln（0.001092）=-0.00745;以此類推；
step7：求熵值
對資料與對數乘積矩陣每一列求和，求和後乘以-k就是對應的每一個屬性的熵值；
step8：求差異係數
差異係數=1-熵值；
step9：求權重
對差異係數進行歸一化處理；
除此之外，也可以使用spssau進行分析，中間處理過程spssau會預設進行。
結果如下：
綜合得分計算：
熵值法得到權重值後，此時資料與對應的權重相乘，並且進行累加，最終得到一列資料即為‘綜合得分’。這裡的資料指的是非負處理後的矩陣，如果沒有進行非負處理，則為量綱化處理後的資料。
縱向對比：
