綜合評價方法若干問題研究及其醫(yī)學應用.pdf

1、目的：①擬解決目前綜合評價領域中亟待解決的幾個重要問題：綜合評價方法一般是對總體資料（特定空間和時間）進行評價，但某些特殊情形下，需要對樣本資料評價，那么在綜合排序時有必要考慮抽樣誤差對排序結果的影響，但目前綜合評價方法對評價結果只能是描述，而不能進行統(tǒng)計推斷，因此存在著抽樣誤差的估計問題；多方法評價結論的非一致性困擾問題；多指標綜合評價若干方法中的逆序問題；常用綜合評價方法的軟件系統(tǒng)缺乏問題。②從方法學上進一步改進和完善醫(yī)療衛(wèi)生領域應

2、用最為廣泛的靜態(tài)TOPSIS(Technique for OrderPreference by Similarity to Ideal Solution)法并提出新的動態(tài)TOPSIS法。
　　方法：通過廣泛查閱文獻，參考國內外相關研究成果，利用Monte Carlo模擬技術，針對樣本資料，構建綜合評價的抽樣誤差隨機模擬模型?；谠撃Ｐ偷哪M結果，提出一種解決“多方法評價結論非一致性困擾問題”的新思路，即對綜合評價的“概率結論”組合

3、。通過研究理想點法、TOPSIS法、密切值法、SAW(Simple Additive Weighting)法、優(yōu)序法、秩和比法以及信息熵客觀定權法的逆序現象，找出各種方法產生逆序的原因，并提出解決方案。通過分析探討傳統(tǒng)的靜態(tài)的TOPSIS存在的缺陷，提出靜態(tài)TOPSIS法的改良方法。通過文獻檢索，發(fā)現目前醫(yī)學科研中存在大量的含有時間因素的“立體時序數據集”，而目前對此種三維數據（含有“評價對象”、“評價指標”、“評價時間”）的評價，大多

4、采用靜態(tài)綜合評價方法，不能反映事物動態(tài)變化?；卺t(yī)學科研的綜合評價需求，提出一種新的動態(tài)TOPSIS法。廣泛參考國內外多種統(tǒng)計軟件，聽取廣泛相關人員組成的議題小組的意見，基于Microsoft Excel2002軟件，利用Microsoft Visual Basic6.0、Microsoft Visio2002和Visual Basic forApplication語言開發(fā)了綜合評價方法的簡體中文版軟件包(Comprehensive E

5、valuation Software，簡稱CES)。并用SAS6.12 forWindows自行編制相應方法的SAS程序(TOPSIS法SAS程序已發(fā)表，見文獻[143];其余SAS程序已收入教材[144)，將SAS程序與CES在同一個計算機平臺上對同一資料用各種綜合評價方法進行分析，然后把兩種分析結果一并列出，對每個數據均比較到小數點后15位，進行SAS與CES統(tǒng)計分析結果的比較。
　　結果：⑴建立了綜合評價的抽樣誤差隨機模擬模

6、型并給出了相應的Mablab程序。⑵提出了“整體排序優(yōu)先度”與“整體排序平均優(yōu)先度”的概念，因此提出了一種綜合評價結果的排序的新方法:按照“整體排序（平均）優(yōu)先度”，從大到小排序。⑶對于樣本資料，本文將綜合評價的傳統(tǒng)“絕對結論”改為“概率結論”，并依據“整體排序（平均）優(yōu)先度”可對任何綜合評價方法的結果分檔。⑷模擬了TOPSIS法、SAW法、RSR法的抽樣誤差，發(fā)現：即使指標獨立、均服從正態(tài)分布，TOPSIS法與SAW法某些評價對象的綜

7、合評價值可能會服從正態(tài)分布，而另一些評價對象的綜合評價值不服從正態(tài)分布。而RSR法的模擬RSRi值均不服從正態(tài)分布；TOPSIS法、SAW法、RSR法的綜合評價值均有上下限:0≤Ci≤1，0≤Ai≤m，0＜RSRi≤1。當某評價對象的綜合評價值靠近上限或下限時，則此時綜合評價值可能呈偏態(tài)分布。⑸提出了一種解決“多方法評價結論非一致性困擾問題”的新思路——從現有的組合方法中挑選合適的方法對“整體排序平均優(yōu)先度”組合。即對綜合評價的“概率結

8、論”組合。⑹理想點法、TOPSIS法、密切值法、SAW法、優(yōu)序法、秩和比法以及信息熵客觀定權法均存在逆序問題。⑺理想點法產生逆序的原因:理想點的計算與評價對象緊密相連，當增加或刪除含有最優(yōu)點或最劣點的評價對象時，理想解選擇的范圍擴大或縮小了，理想點改變了，每個評價對象到理想點的距離就會發(fā)生變化，各評價對象之間的優(yōu)劣順序也很容易發(fā)生變化，從而產生逆序。TOPSIS法產生逆序的原因：歸一化矩陣的計算；最優(yōu)方案與最劣方案的計算。密切值法產生逆

9、序的原因：標準化矩陣的計算；最優(yōu)點與最劣點的計算；密切值Ci-di/d-li/l的計算。SAW法產生逆序的原因:指標的標準化法中最大值與最小值的選取。優(yōu)序法產生逆序的原因:優(yōu)序數的給定方法與評價對象緊密相連，當增加或刪除不含最大值的評價對象時，優(yōu)序數必然改變，則排序結果也會改變。秩和比法產生逆序的原因:指標秩的編制方法與評價對象緊密相連，當增加或刪除不含最大值的評價對象時，指標秩和秩和比必然改變，則排序結果也會改變。信息熵定權法產生逆序

10、的原因：歸一化矩陣的計算；信息熵的計算。⑻提出了絕對理想點法、改進TOPSIS法、改進密切值法、改進SAW法可解決其逆序問題。⑼提出了一種新的改良靜態(tài)TOPSIS法。⑽提出了一種基于指標值及指標增量的新的動態(tài)TOPSIS法。⑾編制了綜合評價軟件包CES簡體中文1.1版。主要包括:層次分析法、TOPSIS法、密切值法、模糊綜合評價、灰色關聯分析、功效系數法、秩和比法等模塊。CES1.1大小約2.78M。CES1.1可在Microsoft

11、Excel97以上版本運行，運行后成為Excel的一個菜單。自編的SAS程序與CES1.1對同一資料用不同綜合評價方法的分析結果均非常接近，除了秩和比法兩者主要指標的結果差異小于10-7，其余方法兩者差異均小于10-12。
　　結論：①建立的綜合評價的抽樣誤差隨機模擬模型，具有通用性，靈活方便。對任何抽樣資料，任何綜合評價方法，該模型都適用。依據本文提出的“整體排序優(yōu)先度”與“整體排序平均優(yōu)先度”的概念，按照“整體排序（平均）優(yōu)先

12、度”排序，是一種有效的綜合評價結果排序的新方法。②在抽樣研究中，即使指標獨立、均服從正態(tài)分布，TOPSIS法、SAW法、RSR法各評價對象的綜合評價值不一定會服從正態(tài)分布。當某評價對象的綜合評價值靠近其上限或下限時，則此時綜合評價值可能呈偏態(tài)分布。③提出的綜合評價結論的新表達方法與方式——“概率結論”，相對于傳統(tǒng)的“絕對結論”，它具有更好的開放性，也更貼近實際。④基于“概率結論”的組合法不僅包含了“絕對結論”的信息，還考慮了抽樣誤差的影

13、響，其組合結果更合理、可信。⑤理想點法、TOPSIS法、密切值法、SAW法、優(yōu)序法、秩和比法以及信息熵客觀定權法均存在逆序問題。⑥提出的絕對理想點法、改進TOPSIS法、改進密切值法、改進SAW法均具有強保序性。⑦對于逆序問題不能消除的方法，如優(yōu)序法、秩和比法等，應用時應慎重考慮其評價有效范圍及具體資料情況，最好適用于一個絕對無任何變動的評價對象集，當決策者合理地變更評價對象時，它們就不再適用了。對于逆序現象合理存在的信息熵定權法沒有必

14、要去消除逆序問題?？膳c主觀賦權法結合采用組合賦權，減少逆序的發(fā)生。⑧提出的新的改良靜態(tài)TOPSIS法，它具有強保序性，并且很好的解決了傳統(tǒng)TOPSIS法Ci值的缺陷。⑨提出的新的動態(tài)TOPSIS法，繼承了傳統(tǒng)靜態(tài)TOPSIS法的所有優(yōu)點，是一種有效的綜合評價方法，適用于包含了“評價對象”、“評價指標”及“評價時間”的三維資料。它可既考慮“過去情況”、“現在狀況”，也關注“將來發(fā)展趨勢”。⑩研制的CES1.1，其分析結果是可靠的，它使廣大