使用粗糙集方法的步驟如下：
①建立起包含條件屬性和決策屬性的知識表達係統；
②將條件屬性全集、去單指標條件屬性集、決策屬性分別作為不可分辨關係，得到相應基本集；
③分別計算決策屬性集相對於條件屬性全集和去單指標條件屬性集的肯定域；
④分別計算決策屬性集相對於條件屬性全集和去單指標條件屬性集的依賴程度；
⑤將上步所得的依賴程度作差，得到絕對權重？酌i；
⑥歸一化處理後得到相對權重，即各評價指標權重？棕i。
（4）神經網絡法。神經網絡是模仿人腦利用神經元相互激勵並建立學習機製的方法來對決策過程建模。采用神經網絡法確定指標權重時與粗糙集方法類似，同樣是基於事後判斷反推指標權重，不同之處在於算法的具體實現不同。典型的神經網絡結構分為三層，包括輸入層、隱含層和輸出層，並將數據（對象）劃分為訓練集、檢測集和測試集，通過訓練集數據（對象的最終評價）和合適的算法擬合指標的權重，並用檢測集數據經行檢測。在實際操作中，常用的神經網絡算法為反向傳播法（即常說的BP算法），其基本思想是在對權重初始化之後，根據網絡輸出值與期望值計算誤差，由後至前逆向將誤差進行分解從而對各層權重進行調整，直到網絡的擬合誤差達到預定要求。目前，在企業的社會責任評價中，使用神經網絡法進行權重確定的研究較少，僅有部分研究者從理論及使用可能性的角度進行了討論。
2. 客觀權重算法。當采用某種算法確定權重指標時，如果運算並非基於專家的對權重判斷或事後結果的判斷，而是部分或完全基於樣本數據，則可以將此種算法劃分為客觀權重算法。較為常見的客觀權重算法有變異係數法、因子分析法、熵值法等。
（1）變異係數法。變異係數法，顧名思義就是利用各評價指標的變異係數計算其相對權重的方法。某指標的變異係數（C.V），由該指標的標準差除以其數學期望得出，它的大小表征了變量（指標）消除量綱後的離散程度。而利用變異係數法確定指標權重正是基於這樣一種思想：如果某指標的變異係數較大，則說明各樣本（待評對象）在該指標內的離散程度越大，也就表明該指標值越是不容易趨同，越是難以實現，故而間接反映出該指標對樣本越是重要。然後，更根據這種重要程度進行歸一化處理得出指標權重。已有研究中，冀巨海、王琪在評價企業管理績效時，使用變異係數法對確定各評價指標的權係數。
（2）因子分析法。因子分析是指研究從變量群中提取共性因子的統計技術，是一種將變量集合降維的方法，通過公共因子的選擇提取原始變量的絕大部分信息。文獻中常用的因子分析式權重算法的思路是，指標權重等於以主成分的方差貢獻率為權重，對該指標在各主成分線性組合中的係數的加權平均的歸一化。利用因子分析法確定企業社會責任評價指標權重的典型研究，有徐泓、朱秀霞和趙天燕、張雪對滬深上市企業社會責任的研究，趙紅等對煤炭企業社會責任的研究以及王楠、苗迪對於火電企業社會責任的評價研究。
（3）熵值法。信息熵被用作衡量係統無序程度的一種指標（序指序概率上的序關係），係統內序關係越是明顯，那就越容易區分係統內的各個對象，則認為識別係統所需的信息量越小，反之則需要較多的信息對係統進行識別。而熵值法確定指標權重的思路即是認為信息量較大（無序程度較高）的指標應該被賦予較小的權重。熵值確定權重的方法較為簡單，部分研究者已將其引入到對企業社會責任的評價中，如梁星、肖麗娜采用熵值法確定了煤炭企業評價指標的權重；周憲鋒、高順成在乳品企業社會責任的評價中也采用熵值法確定指標權重。
三、 權重值算法的優劣比較
通過上述對各種算法原理的介紹可以看出，無論是主觀權重算法還是客觀權重算法，都存在某些局限性。
1. 對主觀權重算法的優劣比較。專家打分法的優點在於：（1）能夠充分利用不同專家的經驗和知識；（2）采用多輪匿名或背靠背的評價方式，能夠保證評價結果具備充分的可靠性和統一性。其缺點為：（1）算法基於專家的最終評價結果，所以采用此種方法無法顯化專家評價的全部邏輯；（2）打分過程需要反複征詢，會花費較長時間，並且最終可能無法獲得相對一致的意見。
層次分析法的優點在於：（1）可以使專家借助指標體係進行全麵考慮，將其評價邏輯全部顯化，並獲取某些不易察覺的知識；（2）具備固定的算法和程序，時評價過程所需時間得以縮減。其缺點為：（1）評價基礎源於所設定的評價指標體係，當評價係統所含指標存在缺失或偏差時，可能會導致評價結果的失準；（2）評價結果僅代表該專家的判斷，由不同的專家可能得到不同的AHP分析結果，因而需要考慮對差異進行處理。
粗糙集算法的優點在於：（1）將權重指標視為"黑箱"進行處理，專家需要的隻是給出最終評價，權重由後期的數據處理得出，可以大大壓縮專家的判斷時間；（2）能夠得到粗糙集視角下各指標的絕對權重，可以對指標體係的完整性作出衡量；（3）能夠得到屬性全集的相對約簡和相對核，可以對指標體係作出簡化。其缺點為：（1）方法的前提是專家足夠權威並能充分考慮評價的各個維度；（2）不能將專家評價的詳細邏輯顯化（相較於層次分析法）；（3）可能產生專家評價不一致的情況，需要指標設計者對不同的意見進行相應處理。