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。

举例来讲：某服装品牌生产某种服装新款式，欲了解消费者对该种款式的接受程度。一共有五个评价指标（分别是花色，式样，价格，耐用度，舒适度），以及评语共有四项（分别是很欢迎，欢迎，一般，不欢迎）。现在希望分析出消费者的综合评价情况如何，到底是很欢迎，还是欢迎，也或者一般或者不欢迎等。

上述例子中评价指标则为五项（花色，式样，价格，耐用度，舒适度），以及评语为四项（很欢迎，欢迎，一般，不欢迎）。如果说评价指标的权重不一样，此时则需要有指标权重指标值，也称作权重向量A（默认是五项的权重一样）。除此之外，消费者对于五项评价指标的评价打分情况（或者选择比例情况），我们称之为权重判断矩阵R。比如下表格：

上表格展示出消费者对于五个评价指标的评语选择比例情况（当然表格中为选择个数也可以），比如针对价格，选择“很欢迎”的比例是0，但是选择一般的比例是0.6（即60%）。上述表格即称之为权重判断矩阵R，在使用SPSSAU操作时，直接拖拽“很欢迎”，“欢迎”，“一般”和“不欢迎”这四列进入分析框中即可。（当然上表中写成选择个数即数字也可以，SPSSAU会默认进行归一化处理，即将数字自动转化成百分数后进行计算）

如果说五项指标（花色，式样，价格，耐用度，舒适度）的权重不一样（默认是权重一样），此时可自行构评价指标权重向量A，比如下表：

花色在评价体系中占的权重是0.1（即10%），而舒适度的权重是0.35（即35%）。（当然如果权重写成数字也可以，SPSSAU会默认进行归一化处理，即将数字自动转化成百分数后进行计算）【多数情况下，各项评价指标的权重均一致不需要单独处理】。

有了上述两个矩阵，即权重向量矩阵A和权重判断矩阵R；此时则可直接进行模糊综合评价权重计算，得出评价的综合情况，到底是是很欢迎，还是欢迎，也或者一般或者不欢迎等。以及也可以计算出综合得分，用于表示消费者的综合评价情况。

第一步：确定评价指标和评语集；

第二步：确定权重向量矩阵A和构造权重判断矩阵R；

第三步：计算权重并进行决策评价。

模糊综合评价共有四种计算方式（即四种模糊算子），SPSSAU默认推荐使用加权平均型这种综合最优的评价方式；

关于权重向量矩阵A，如果不提供，SPSSAU默认会以所有指标的权重一致进行计算；如果提供，则按照提供的权重进行计算；

关于权重向量矩阵A，无论如何，SPSSAU均需要先进行归一化处理，然后再进行计算；因此不论是数字还是小数均会得到正确的结果；

关于权重判断矩阵R，无论如何，SPSSAU均需要先进行归一化处理，然后再进行计算；因此不论是数字还是小数均会得到正确的结果；

SPSSAU分析结果表格示例如下：