一文掌握秩和比综合评价法

Posted spssau

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了一文掌握秩和比综合评价法相关的知识,希望对你有一定的参考价值。

秩和比方法常用于评价多个指标的综合水平情况,医学研究领域应用尤为广泛。

比如,运用秩和比法进行对多个医院的医疗质量进行评价排名、科室绩效综合评价、或评估不同地区某种疾病的预防效果或治疗效果等。

 

一、研究背景

当前有某省某年10个地区孕产妇保健工作的产前检查率X1(%),孕产妇死亡率X2(%),围生儿死亡率X3(%)。

 

当前希望结合此3个指标情况,针对10个地区进行综合评价,评价此10个地区的孕产妇保健工作水平情况,最终对此10个地区保健工作水平排序并且分档次。数据如下表:

技术图片

 

二、操作步骤

秩和RSR基本步骤:

  • Step1:确定评价指标。列出原始数据,一行代表一个评价对象,一列代表一个评价指标。最终为m*n矩阵;
  • Step2:编秩。对m*n矩阵即原始数据进行计算秩值;
  • Step3:计算秩和比。利用Step2的秩值,计算得到RSR值和RSR值排名;
  • Step4:确定RSR分布。列出RSR的分布表格情况并且得到Probit值;
  • Step5:计算回归方程;
  • Step6:进行排序,并且进行分档等级。

 

*SPSSAU会自动计算并输出以上结果,研究者只需放入数据进行分析即可,这里列出步骤是便于大家理解。

 

(1)评价指标确定

本例中,选取产前检查率X1(%),孕产妇死亡率X2(%),围生儿死亡率X3(%)共三个指标。

其中,产前检查率X1为高优指标,数字越大越‘优’;孕产妇死亡率X2和围生儿死亡率X3均为低优指标,数字越小越‘优’。

 

(2)秩和比RSR

选择【综合评价】--【RSR秩和比】。

技术图片

 

将“产前检验率”放入【高优指标】框,“孕产妇死亡率”、“围生儿死亡率”放入【低优指标】框。点击开始分析。

 

技术图片

 

SPSSAU默认使用整次法,档次数量默认为三档。研究者者也可以根据需要自行选择。

 

三、结果分析

1、RSR值计算表

技术图片

本次利用RSR秩和比法,针对10个地区(即第1项~第10项)医院,共3个指标产前检查率,孕产妇死亡率,围生儿死亡率进行综合评价。其中X1为高优指标,X2和X3均为低优指标。

首先,针对数据进行编秩,使用整次法进行编秩,得到RSR值;并且得到RSR值排名;RSR值用于下一步RSR分布表格的使用。

 

2、RSR分布表

技术图片

针对RSR值进行频数分布表格处理,分别计算各RSR值出现的频数f,以及累积频数,然后得到平均秩次,并且利用平均秩次得到计算向下累计频数p(百分数),结合向下累计频数p(百分数)计算得到Probit值。

Probit值为向下累计频数p(百分数)对应的标准正态离差加5,比如p为0.025时对应的标准正态离差为-1.96,则Probit为5+(-1.96)=3.04;p为0.975时对应的标准正态离差为1.96,则Probit为5+1.96=6.96.

 

3、回归模型表格

技术图片

上一步得到Probit值之后,将其作为自变量X,将RSR分布值作为因变量Y;进行回归模型拟合,模型公式为:RSR分布值=-0.609+0.222*Probit值。并结合此回归模型公式得到各个地区RSR值的拟合值,用于最终的分档排序等使用。

 

4、分档排序临界值表格

技术图片

上表格展示3个档次时,RSR的临界值,用于最终分档使用。

 

5、分档排序结果表

技术图片

上表格列出10个地区分别是的RSR值,RSR排名,以及RSR拟合值,并且结合分档排序临界值表格,得到最终10个地区的分档等级Level。

分档等级Level数字越大表示等级水平越高,即效应越好。

从上表可知:将10个地区分为3个等级,其中C地,H地最优;B,D,A,E,G,I,F共6个地区其次;J地区最差。并且也可以直接对10个地区进行排名,H地排名最好,其次是C地;J地最差。

 

四、其他说明

(1)高优和低优指标,需要放入分别对应的框中。

(2)RSR编秩时,SPSSAU提供整次法和非整次法,二者细微区别在于编秩公式不一样,默认使用整次法。

(3)SPSSAU输出表格时,以第1项,第2项等表示第几个评价对象。最终需与具体的研究对象一一对应分析。

 

以上是关于一文掌握秩和比综合评价法的主要内容,如果未能解决你的问题,请参考以下文章

数学建模之秩和比综合评价方法(RSR)

python实现模糊综合评价法(FCE)

熵权法综合评价

层次分析法和topsis综合评价法的区别

数学建模暑期集训2:模糊综合评价

三种常用数据标准化方法