模糊综合评价借助模糊数学的一些概念，对实际的综合评价问题提供评价，即模糊综合评价以模糊数学为基础，应用模糊关系合成原理，将一些边界不清、不易定量的因素定量化，进而进行综合性评价的一种方法。

输入：至少两项或以上的定量变量。输出：反应考核指标在量化评价中的综合得分。​

案例：某饮食行业品牌发布一款新零食，欲了解消费者对该种零食的接受程度。一共有五个评价指标（分别是价格、味道、包装、营养与性价比），以及评语共有四项（分别是很欢迎，欢迎，一般，不欢迎）。

模糊综合评价案例数据

Step1：新建分析；Step2：上传数据；Step3：选择对应数据打开后进行预览，确认无误后点击开始分析；step4：选择【模糊综合评价】；step5：查看对应的数据数据格式，【模糊综合评价】求输入数据为放入 [定量] 自变量 X（变量数 ≥2）。step6：设置变量权重（熵权法、不设置权重）、模糊算子（主因素决定型、主因素突出型、取小与有界型、加权平均型）。step7：点击【开始分析】，完成全部操作。

输出结果 1：指标权重计算 ​图表说明：熵权法的权重计算结果显示，价格的权重为 14.899%、味道的权重为 31.279%、包装的权重为 20.412%、营养的权重为 18.511%、性价比的权重为 14.899%，其中指标权重最大值为味道（31.279%），最小值为价格（14.899%）。​

输出结果 2：隶属度矩阵计算结果 ​

图表说明：由上表可知，针对 5 个指标（价格、味道、包装、营养、性价比）与 4 个评语（很满意、满意、一般、不满意）进行模糊综合评价，在使用加权平均型 M(*,+)算子进行研究； 首先由评价指标权重向量 A（由熵权法可以得到），通过构建出 5X4 的权重判断矩阵 R，最终进行分析得到 4 个评语集隶属度，分别为 0.136、0.307、0.446、0.111,因此可以得到，4 个评语集中一般的权重最高，集合最大隶属度法则可以得到，最终综合评价的结果为“一般”​

输出结果 3：综合得分图表说明：我们还可以对评价结果可以进一步处理。规定（很满意，满意，一般，不满意）所代表的分数为(4，3，2,1)分；通过 0.136×4+0.307×3+0.446×2+0.111×1=2.468，计算得出综合得分值是 2.468 分，说明综合得分介于“满意”和“一般”之间。

指标项：比如对于新零食在价格、味道、包装、营养与性价比 5 个方面的满意程度；评语：指标项的“选项”，比如很欢迎，欢迎，一般，不欢迎等；模糊综合评价即用来判断最终到底应该属于那个评语项；权重判断矩阵：指标项及各评语的选择频数（或者比例），即需要上传的原始数据；权重向量矩阵：如果价格、味道、包装、营养与性价比 5 个方面满意度的权重不一样，则需要设置，如果权重一样则不需要处理。

模糊综合评价步骤 1 确定评价对象的因素论域，也就是有 m 个指标，表面我们对被评价对象从哪些方面来进行评判描述。在上例中也就是（价格、味道、包装、营养、性价比）。

步骤 4 确定评价因素的模糊权向量为了反映各因素的重要程度，对各因素分配一个相应的权重，权重会对最终的评价结果产生一个很大的影响。​

步骤 5 模糊综合评价的模型为：

[1] Scientific Platform Serving for Statistics Professional 2021. SPSSPRO. (Version 1.0.11)[Online Application Software]. Retrieved from https://www.spsspro.com. [2] 董春燕,周运涛,李君轶,等. 基于模糊综合评价的长江中游水质分析[J]. 淡水渔业,2021,51(2):55-62.