信息量权重法也称变异系数法，信息量权重法是一种客观赋权法。其思想在于利用数据的变异系数进行权重赋值，如果变异系数越大，说明其携带的信息越大，因而权重也会越大，此种方法适用于专家打分、或者面试官进行面试打分时对评价对象（面试者）进行综合评价。
比如有5个水平差不多的面试官对10个面试者进行打分，如果说某个面试官对面试者打分数据变异系数值较小，说明该面试官对所有面试者的评价都基本一致，因而其携带信息较小，权重也会较低；反之如果某个面试官对面试者打分数据变异系数值较大，说明该面试官对所有面试者的评价差异较大，因而其携带信息大，权重也会较高。
最终面试者的综合评价得分，是结合面试官的权重与面试官打分相乘计算得到，综合评价得分越高那么该面试者评价越好。
-
特别提示
-
信息量权重的适用场景较小，通常只用于专家评价打分时使用，此方法只利用了数据内容的波动性情况，但其简单易懂计算也特别简单。
信息量权重案例
-
1、背景
当前公司进行招聘一名市场部经理，共有10名面试者，并且5名企业高管对10名面试者进行打分。数据如下：
2、理论
信息量权重法只利用变异系数这一个指标进行赋权，其计算简单，但同时其只考虑了数据的变异波动性，因而需要谨慎使用，其只适用于专家打分（比如面试官打分，专家评价）这一种情况，其余数据请勿使用。最终将专家打分与专家的权重进行相乘，计算得到每个评价对象（面试者）的综合评价得分，选出最优先的评价对象（面试者）。
3、操作
本例子中共有5名面试官，因此拖拽5项进入分析框中，并且选择“保存综合得分”，便于得到每个评价对象（面试者）的综合得分数据。如下图所示：
4、SPSSAU输出结果
SPSSAU共输出一个表格，表格里面包括平均值、标准差、CV系数（变异系数）和权重值等。评价对象（面试者）的综合得分会保存在原始数据中，下载即可使用。
5、文字分析
从上表格可以看出：面试官5的权重最高，其次是面试官2，以及输出10名面试者的综合评价得分如下表格，可以看出，面试者2的综合评价得分最高为93.56分，因此面试者2最终应该被录用为市场部经理。
6、剖析
涉及以下几个关键点，分别如下：
-
信息量权重法仅考虑数据的变异性，即数据的波动情况如何，不考虑其它任何信息。因此其仅适用于专家打分得到综合得分的场合。
疑难解惑
-
为什么分析样本量小于实际样本量？
-
如果分析时出现‘分析样本量’小于样本量，有3种可能。1是免费版（免费版仅分析前100行数据）；2是做过‘筛选样本’功能（即主动设置只分析其中一部分数据）；3是原始数据中有缺失数据（系统右上角‘我的数据’处可查看原始数据，也可下载原始数据等）。
