（一）方法分类

上述四种方法，从原理角度可分为三类：德尔菲法与AHP法基本属于一类，都是基于专家群众的知识、经验和价值判断，只是AHP法对专家的主观判断进一步做了数学处理，使之更科学，但专家经验、知识的局限性并没消除；熵值法是根据样本数据自身的信息特征作出的权重判断；模糊聚类分析法是基于样本模糊数据的相似性，对评价指标群体作出相对重要程度的分类。

（二）适用范围与优缺点比较

德尔菲法和AHP法与另两种方法比较，优点是：不需要具备样本数据，专家仅凭对评价指标内涵与外延的理解即可作出判断。因此，使用范围较广，特别对一些定性模糊指标，仍可作出判断，且在判断过程中可以吸纳更多的信息。AHP法与德尔菲法比较，适用范围相同，由于AHP法对各指标之间重要程度的分析更具逻辑性，刻画的更细，再加上数学处理，其可信度高于德尔菲法。这两种方法的缺点是：在一定程度上具有主观性，如专家选择不当则可信度更低。(www.daowen.com)

熵值法由于深刻地反映了指标信息熵值的效用价值，其给出的指标权值比德尔菲法和AHP法有较高的可信度，但它缺乏各指标之间的横向比较，又需要样本数据，在应用上受到限制。

模糊聚类分析法适用于模糊指标的重要程度分类，特别适用于同一层次的多项指标时。该法的缺点是只能给出指标分类的权重，而不能确定单项指标的权重，应在此基础上，结合采用其他方法做到底。