熵值法的计算公式上会有取对数，因此如果小于等于0的数字取对数，则会出现null值。此种情况共有两种办法。
第一种：SPSSAU非负平移功能是指，如果某列（某指标）数据出现小于等于0，则让该列数据同时加上一个‘平移值’【该值为某列数据最小值的绝对值+0.01】，以便让数据全部都大于0，因而满足算法要求。
第二种：研究者也可以手工查看数据并将小于等于0的数据设置为异常值，但此种做法会让样本减少。
扩展资料：
由于各项指标的计量单位并不统一，因此在用它们计算综合指标前，我们先要对它们进行标准化处理，即把指标的绝对值转化为相对值，从而解决各项不同质指标值的同质化问题。而且，由于正向指标和负向指标数值代表的含义不同（正向指标数值越高越好，负向指标数值越低越好） ，因此，对于高低指标我们用不同的算法进行数据。
参考资料来源：百度百科-熵值法
熵值法具体步骤是什么？
熵值是不确定性的一种度量。信息量越大，不确定性就越小，熵也就越小；信息量越小，不确定性越大，熵也越大。因而利用熵值携带的信息进行权重计算，结合各项指标的变异程度，利用信息熵这个工具，计算出各项指标的权重，为多指标综合评价提供依据。
在进行熵值法之前，如果数据方向不一致时，需要进行提前数据处理，通常为正向化或者逆向化两种处理（统称为数据归一化处理）。
案例背景：如果有3个指标分别为城市废气排放量，城市工业烟尘排放量，城市GDP；明显的，城市废气排放量，城市工业烟尘排放量这两项数字越小越好，但是城市GDP越大越好。因而城市废气排放量，城市工业烟尘排放量这两项进行逆向化处理，“城市GDP”则需要进行正向化处理。即逆向(负向)指标做逆向化处理，正向指标做正向化处理。这样处理后，数据方向就完全一致且解决掉量纲问题（正向/逆向此两种处理可同时解决方向和量纲问题）。
SPSSAU返回结果如下表：
SPSSAU共输出信息熵值e，以及信息效用值d，和权重系数w。信息熵值e和信息效用值d均为中间过程值，研究者可直接忽略。