綜合評(píng)價(jià)方法若干問(wèn)題研究及其醫(yī)學(xué)應(yīng)用.pdf

1、目的：①擬解決目前綜合評(píng)價(jià)領(lǐng)域中亟待解決的幾個(gè)重要問(wèn)題：綜合評(píng)價(jià)方法一般是對(duì)總體資料（特定空間和時(shí)間）進(jìn)行評(píng)價(jià)，但某些特殊情形下，需要對(duì)樣本資料評(píng)價(jià)，那么在綜合排序時(shí)有必要考慮抽樣誤差對(duì)排序結(jié)果的影響，但目前綜合評(píng)價(jià)方法對(duì)評(píng)價(jià)結(jié)果只能是描述，而不能進(jìn)行統(tǒng)計(jì)推斷，因此存在著抽樣誤差的估計(jì)問(wèn)題；多方法評(píng)價(jià)結(jié)論的非一致性困擾問(wèn)題；多指標(biāo)綜合評(píng)價(jià)若干方法中的逆序問(wèn)題；常用綜合評(píng)價(jià)方法的軟件系統(tǒng)缺乏問(wèn)題。②從方法學(xué)上進(jìn)一步改進(jìn)和完善醫(yī)療衛(wèi)生領(lǐng)域應(yīng)

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(dòng)態(tài)TOPSIS法。
　　方法：通過(guò)廣泛查閱文獻(xiàn)，參考國(guó)內(nèi)外相關(guān)研究成果，利用Monte Carlo模擬技術(shù)，針對(duì)樣本資料，構(gòu)建綜合評(píng)價(jià)的抽樣誤差隨機(jī)模擬模型?；谠撃Ｐ偷哪M結(jié)果，提出一種解決“多方法評(píng)價(jià)結(jié)論非一致性困擾問(wèn)題”的新思路，即對(duì)綜合評(píng)價(jià)的“概率結(jié)論”組合

3、。通過(guò)研究理想點(diǎn)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(quán)法的逆序現(xiàn)象，找出各種方法產(chǎn)生逆序的原因，并提出解決方案。通過(guò)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(guò)文獻(xiàn)檢索，發(fā)現(xiàn)目前醫(yī)學(xué)科研中存在大量的含有時(shí)間因素的“立體時(shí)序數(shù)據(jù)集”，而目前對(duì)此種三維數(shù)據(jù)（含有“評(píng)價(jià)對(duì)象”、“評(píng)價(jià)指標(biāo)”、“評(píng)價(jià)時(shí)間”）的評(píng)價(jià)，大多

4、采用靜態(tài)綜合評(píng)價(jià)方法，不能反映事物動(dòng)態(tài)變化?；卺t(yī)學(xué)科研的綜合評(píng)價(jià)需求，提出一種新的動(dòng)態(tài)TOPSIS法。廣泛參考國(guó)內(nèi)外多種統(tǒng)計(jì)軟件，聽取廣泛相關(guān)人員組成的議題小組的意見(jiàn)，基于Microsoft Excel2002軟件，利用Microsoft Visual Basic6.0、Microsoft Visio2002和Visual Basic forApplication語(yǔ)言開發(fā)了綜合評(píng)價(jià)方法的簡(jiǎn)體中文版軟件包(Comprehensive E

5、valuation Software，簡(jiǎn)稱CES)。并用SAS6.12 forWindows自行編制相應(yīng)方法的SAS程序(TOPSIS法SAS程序已發(fā)表，見(jiàn)文獻(xiàn)[143];其余SAS程序已收入教材[144)，將SAS程序與CES在同一個(gè)計(jì)算機(jī)平臺(tái)上對(duì)同一資料用各種綜合評(píng)價(jià)方法進(jìn)行分析，然后把兩種分析結(jié)果一并列出，對(duì)每個(gè)數(shù)據(jù)均比較到小數(shù)點(diǎn)后15位，進(jìn)行SAS與CES統(tǒng)計(jì)分析結(jié)果的比較。
　　結(jié)果：⑴建立了綜合評(píng)價(jià)的抽樣誤差隨機(jī)模擬模

6、型并給出了相應(yīng)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(píng)價(jià)結(jié)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(duì)于樣本資料，本文將綜合評(píng)價(jià)的傳統(tǒng)“絕對(duì)結(jié)論”改為“概率結(jié)論”，并依據(jù)“整體排序（平均）優(yōu)先度”可對(duì)任何綜合評(píng)價(jià)方法的結(jié)果分檔。⑷模擬了TOPSIS法、SAW法、RSR法的抽樣誤差，發(fā)現(xiàn)：即使指標(biāo)獨(dú)立、均服從正態(tài)分布，TOPSIS法與SAW法某些評(píng)價(jià)對(duì)象的綜

7、合評(píng)價(jià)值可能會(huì)服從正態(tài)分布，而另一些評(píng)價(jià)對(duì)象的綜合評(píng)價(jià)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(píng)價(jià)值均有上下限:0≤Ci≤1，0≤Ai≤m，0＜RSRi≤1。當(dāng)某評(píng)價(jià)對(duì)象的綜合評(píng)價(jià)值靠近上限或下限時(shí)，則此時(shí)綜合評(píng)價(jià)值可能呈偏態(tài)分布。⑸提出了一種解決“多方法評(píng)價(jià)結(jié)論非一致性困擾問(wèn)題”的新思路——從現(xiàn)有的組合方法中挑選合適的方法對(duì)“整體排序平均優(yōu)先度”組合。即對(duì)綜合評(píng)價(jià)的“概率結(jié)

8、論”組合。⑹理想點(diǎn)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(quán)法均存在逆序問(wèn)題。⑺理想點(diǎn)法產(chǎn)生逆序的原因:理想點(diǎn)的計(jì)算與評(píng)價(jià)對(duì)象緊密相連，當(dāng)增加或刪除含有最優(yōu)點(diǎn)或最劣點(diǎn)的評(píng)價(jià)對(duì)象時(shí)，理想解選擇的范圍擴(kuò)大或縮小了，理想點(diǎn)改變了，每個(gè)評(píng)價(jià)對(duì)象到理想點(diǎn)的距離就會(huì)發(fā)生變化，各評(píng)價(jià)對(duì)象之間的優(yōu)劣順序也很容易發(fā)生變化，從而產(chǎn)生逆序。TOPSIS法產(chǎn)生逆序的原因：歸一化矩陣的計(jì)算；最優(yōu)方案與最劣方案的計(jì)算。密切值法產(chǎn)生逆

9、序的原因：標(biāo)準(zhǔn)化矩陣的計(jì)算；最優(yōu)點(diǎn)與最劣點(diǎn)的計(jì)算；密切值Ci-di/d-li/l的計(jì)算。SAW法產(chǎn)生逆序的原因:指標(biāo)的標(biāo)準(zhǔn)化法中最大值與最小值的選取。優(yōu)序法產(chǎn)生逆序的原因:優(yōu)序數(shù)的給定方法與評(píng)價(jià)對(duì)象緊密相連，當(dāng)增加或刪除不含最大值的評(píng)價(jià)對(duì)象時(shí)，優(yōu)序數(shù)必然改變，則排序結(jié)果也會(huì)改變。秩和比法產(chǎn)生逆序的原因:指標(biāo)秩的編制方法與評(píng)價(jià)對(duì)象緊密相連，當(dāng)增加或刪除不含最大值的評(píng)價(jià)對(duì)象時(shí)，指標(biāo)秩和秩和比必然改變，則排序結(jié)果也會(huì)改變。信息熵定權(quán)法產(chǎn)生逆序

10、的原因：歸一化矩陣的計(jì)算；信息熵的計(jì)算。⑻提出了絕對(duì)理想點(diǎn)法、改進(jìn)TOPSIS法、改進(jìn)密切值法、改進(jìn)SAW法可解決其逆序問(wèn)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(biāo)值及指標(biāo)增量的新的動(dòng)態(tài)TOPSIS法。⑾編制了綜合評(píng)價(jià)軟件包CES簡(jiǎn)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(píng)價(jià)、灰色關(guān)聯(lián)分析、功效系數(shù)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(yùn)行，運(yùn)行后成為Excel的一個(gè)菜單。自編的SAS程序與CES1.1對(duì)同一資料用不同綜合評(píng)價(jià)方法的分析結(jié)果均非常接近，除了秩和比法兩者主要指標(biāo)的結(jié)果差異小于10-7，其余方法兩者差異均小于10-12。
　　結(jié)論：①建立的綜合評(píng)價(jià)的抽樣誤差隨機(jī)模擬模型，具有通用性，靈活方便。對(duì)任何抽樣資料，任何綜合評(píng)價(jià)方法，該模型都適用。依據(jù)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(píng)價(jià)結(jié)果排序的新方法。②在抽樣研究中，即使指標(biāo)獨(dú)立、均服從正態(tài)分布，TOPSIS法、SAW法、RSR法各評(píng)價(jià)對(duì)象的綜合評(píng)價(jià)值不一定會(huì)服從正態(tài)分布。當(dāng)某評(píng)價(jià)對(duì)象的綜合評(píng)價(jià)值靠近其上限或下限時(shí)，則此時(shí)綜合評(píng)價(jià)值可能呈偏態(tài)分布。③提出的綜合評(píng)價(jià)結(jié)論的新表達(dá)方法與方式——“概率結(jié)論”，相對(duì)于傳統(tǒng)的“絕對(duì)結(jié)論”，它具有更好的開放性，也更貼近實(shí)際。④基于“概率結(jié)論”的組合法不僅包含了“絕對(duì)結(jié)論”的信息，還考慮了抽樣誤差的影

13、響，其組合結(jié)果更合理、可信。⑤理想點(diǎn)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(quán)法均存在逆序問(wèn)題。⑥提出的絕對(duì)理想點(diǎn)法、改進(jìn)TOPSIS法、改進(jìn)密切值法、改進(jìn)SAW法均具有強(qiáng)保序性。⑦對(duì)于逆序問(wèn)題不能消除的方法，如優(yōu)序法、秩和比法等，應(yīng)用時(shí)應(yīng)慎重考慮其評(píng)價(jià)有效范圍及具體資料情況，最好適用于一個(gè)絕對(duì)無(wú)任何變動(dòng)的評(píng)價(jià)對(duì)象集，當(dāng)決策者合理地變更評(píng)價(jià)對(duì)象時(shí)，它們就不再適用了。對(duì)于逆序現(xiàn)象合理存在的信息熵定權(quán)法沒(méi)有必

14、要去消除逆序問(wèn)題。可與主觀賦權(quán)法結(jié)合采用組合賦權(quán)，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(qiáng)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(dòng)態(tài)TOPSIS法，繼承了傳統(tǒng)靜態(tài)TOPSIS法的所有優(yōu)點(diǎn)，是一種有效的綜合評(píng)價(jià)方法，適用于包含了“評(píng)價(jià)對(duì)象”、“評(píng)價(jià)指標(biāo)”及“評(píng)價(jià)時(shí)間”的三維資料。它可既考慮“過(guò)去情況”、“現(xiàn)在狀況”，也關(guān)注“將來(lái)發(fā)展趨勢(shì)”。⑩研制的CES1.1，其分析結(jié)果是可靠的，它使廣大