本文關鍵詞：綜合評價方法若干問題研究及其醫(yī)學應用

  更多相關文章： 靜態(tài)綜合評價 動態(tài)綜合評價 抽樣誤差 逆序問題 改良TOPSIS 動態(tài)TOPSIS CES1.1

【摘要】：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：①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。②多方法評價結論的非一致性困擾問題。③多指標綜合評價若干方法中的逆序問題。④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)生領域應用最為廣泛的靜態(tài)TOPSIS (Technique for Order Preference 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。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(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(xiàn)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(shù)據(jù)集”,而目前對此種三維數(shù)據(jù)(含有“評價對象”、“評價指標”、“評價時間”)的評價,大多采用靜態(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 for Application語言開發(fā)了綜合評價方法的簡體中文版軟件包(Comprehensive Evaluation Software,簡稱CES)。并用SAS6.12for Windows自行編制相應方法的SAS程序(TOPSIS法SAS程序己發(fā)表,見文獻[143]；其余SAS程序己收入教材[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(shù)據(jù)均比較到小數(shù)點后15位,進行SAS與CES統(tǒng)計分析結果的比較。 結果： 1.本文建立了綜合評價的抽樣誤差隨機模擬模型并給出了相應的Mablab程序。 2.本文提出了“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。 3.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(jù)“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。 4.本文模擬了TOPSIS法、SAW法、RSR法的抽樣誤差,發(fā)現(xiàn)：①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。②TOPSIS法、SAW法、RSR法的綜合評價值均有上下限：0≤Ci≤1,0≤Ai≤m,0RSRi≤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。 5.本文提出了一種解決“多方法評價結論非一致性困擾問題”的新思路——從現(xiàn)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“概率結論”組合。 6.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。 7.理想點法產(chǎn)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(chǎn)生逆序。 TOPSIS法產(chǎn)生逆序的原因：①歸一化矩陣的計算；②最優(yōu)方案與最劣方案的計算。 密切值法產(chǎn)生逆序的原因：①標準化矩陣的計算；②最優(yōu)點與最劣點的計算；③密切值Ci=di/d-li/l的計算。 SAW法產(chǎn)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(chǎn)生逆序的原因：優(yōu)序數(shù)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(shù)必然改變,則排序結果也會改變。 秩和比法產(chǎn)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(chǎn)生逆序的原因：①歸一化矩陣的計算；②信息熵的計算。 8.本文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。 9.本文提出了一種新的改良靜態(tài)TOPSIS法。 10.本文提出了一種基于指標值及指標增量的新的動態(tài)TOPSIS法。 11.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(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 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.本文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(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.本文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.本文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(xiàn)象合理存在的信息熵定權法沒有必要去消除逆序問題�？膳c主觀賦權法結合采用組合賦權,減少逆序的發(fā)生。 8.本文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.本文提出的新的動態(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(xiàn)在狀況”,也關注“將來發(fā)展趨勢”。 10.本文研制的CES1.1,其分析結果是可靠的,它使廣大實際工作者從繁雜的計算中解放出來,極大促進了綜合評價方法的推廣與應用。它繼承了目前人們普遍使用和熟知的辦公軟件Excel的風格,應用界面友好,操作簡單易用,對統(tǒng)計專業(yè)人士與非統(tǒng)計專業(yè)人士均適用。
【關鍵詞】：靜態(tài)綜合評價 動態(tài)綜合評價 抽樣誤差 逆序問題 改良TOPSIS 動態(tài)TOPSIS CES1.1
【學位授予單位】：中南大學
【學位級別】：博士
【學位授予年份】：2012
【分類號】：R181.1
【目錄】：

• 摘要4-9
• ABSTRACT9-20
• 第一章 前言20-28
• 1.1 研究背景20-25
• 1.1.1 選題來源20
• 1.1.2 選題背景20-23
• 1.1.3 國內外研究現(xiàn)況23-25
• 1.2 研究的目的和意義25
• 1.2.1 目的25
• 1.2.2 意義25
• 1.3 研究內容和論文結構25-28
• 第二章 指標的抽樣誤差對綜合評價排序結果的影響28-54
• 2.1 引言28
• 2.2 蒙特卡羅方法28-30
• 2.2.1 蒙特卡羅方法的原理28-29
• 2.2.2 蒙特卡羅方法的主要步驟29-30
• 2.3 偽隨機數(shù)30-31
• 2.4 綜合評價排序概率MONTE CARLO模擬方案31-33
• 2.4.1 問題描述31-32
• 2.4.2. 排序概率MONTE CARLO模擬的一般步驟32-33
• 2.5 指標的抽樣誤差對TOPSIS法排序結果的影響33-40
• 2.6 指標的抽樣誤差對簡單線性加權(SAW)法排序結果的影響40-45
• 2.7 指標的抽樣誤差對秩和比(RSR)法排序結果的影響45-50
• 2.8 基于誤差模擬的綜合評價結論形式的改進與結果的增加50-53
• 2.8.1 改“絕對結論”為“概率結論”50-51
• 2.8.2 增加各種評價方法的分檔結果51-53
• 2.9 小結53-54
• 第三章 多方法評價結論非一致性困擾問題研究54-61
• 3.1 什么是多方法評價結論非一致性困擾問題54
• 3.2 多方法評價結論非一致性困擾問題的現(xiàn)有解決方案54-57
• 3.2.1 采用單一綜合評價方法的問題54-55
• 3.2.2 多方法評價結論非一致性困擾問題的現(xiàn)有解決方案——組合評價55-56
• 3.2.3 現(xiàn)有結果組合方法的不足56-57
• 3.3 多方法評價結論非一致性困擾問題的解決新思路57-60
• 3.3.1 “整體排序平均優(yōu)先度”組合步驟57-58
• 3.3.2 實例分析58-60
• 3.4 小結60-61
• 第四章 多指標綜合評價中的逆序問題及其解決方案61-84
• 4.1 什么是綜合評價逆序問題61
• 4.2 理想點法中的逆序問題61-65
• 4.2.1 理想點法基本步驟61-62
• 4.2.2 增加評價對象S5前后的理想點法結果62
• 4.2.3 理想點法產(chǎn)生逆序的原因62-63
• 4.2.4 理想點法逆序問題的解決方案63-65
• 4.3 TOPSIS法中的逆序問題65-70
• 4.3.1 TOPSIS法基本步驟65-66
• 4.3.2 增加評價對象S4前后的TOPSIS法結果66-67
• 4.3.3 TOPSIS法產(chǎn)生逆序的原因67-68
• 4.3.4 對TOPSIS法關于逆序問題的改進68-70
• 4.4 密切值法中的逆序問題70-75
• 4.4.1 密切值法基本步驟70-71
• 4.4.2 增加評價對象S4前后的密切值法結果71-72
• 4.4.3 密切值法產(chǎn)生逆序的原因72-73
• 4.4.4 密切值法關于逆序問題的改進73-75
• 4.5 SAW法中的逆序問題75-78
• 4.5.1 SAW法(THE SIMPLE ADDITIVE WEIGHTING METHOD)基本步驟75-76
• 4.5.2 增加評價對象S5、S6前后的SAW法結果76
• 4.5.3 SAW法產(chǎn)生逆序的原因76
• 4.5.4 SAW法關于逆序問題的改進76-78
• 4.6 優(yōu)序法中的逆序問題78-80
• 4.6.1 優(yōu)序法(OPTIMIZATIONAL METHOD)基本步驟78
• 4.6.2 增加評價對象S5、S6前后的優(yōu)序法結果78-79
• 4.6.3 優(yōu)序法產(chǎn)生逆序的原因79-80
• 4.7 秩和比法中的逆序問題80-81
• 4.7.1 秩和比(RANK SUM RATIO,RSR)法基本步驟80
• 4.7.2 增加評價對象S5、S6前后的秩和比法結果80-81
• 4.7.3 秩和比法產(chǎn)生逆序的原因81
• 4.8 信息熵客觀定權法中的逆序問題81-83
• 4.8.1 信息熵(ENTROPY)法定權步驟81-82
• 4.8.2 增加評價對象S5前后的信息熵權82
• 4.8.3 信息熵定權法產(chǎn)生逆序的原因82-83
• 4.9 本章小結83-84
• 第五章 改良TOPSISI法84-92
• 5.1 TOPSIS法簡介84
• 5.2 TOPSIS法的優(yōu)點84
• 5.3 TOPSIS法的不足84-87
• 5.3.1 TOPSIS法存在逆序問題84
• 5.3.2 綜合評價值CI的缺陷84-87
• 5.4 改良TOPSIS法87-91
• 5.4.1 改良TOPSIS法步驟87-88
• 5.4.2 實例分析88-90
• 5.4.3 改良TOPSIS法相對于傳統(tǒng)TOPSIS法的優(yōu)點90-91
• 5.5 本章小結91-92
• 第六章 一種新的動態(tài)TOPSISI法92-98
• 6.1 引言92
• 6.2 原理與方法92-95
• 6.2.1 動態(tài)綜合評價數(shù)據(jù)集描述92-93
• 6.2.2 動態(tài)TOPSIS法步驟93-95
• 6.3 實例分析95-97
• 6.3.1 動態(tài)TOPSIS法應用實例95-96
• 6.3.2 實例結果96-97
• 6.4 本章小結97-98
• 第七章 常用綜合評價方法計算軟件包的研制98-125
• 7.1 研究方法98-110
• 7.1.1 CES1.1(COMPREHENSIVE EVALUATION SOFTWARE)研建準則98
• 7.1.2 CES1.1設計思路98-104
• 7.1.3 CES1.1開發(fā)平臺的選擇104
• 7.1.4 CES1.1開發(fā)語言及工具的選擇104-106
• 7.1.5 常用綜合評價方法的計算方法與步驟106-110
• 7.1.6 CES1.1可靠性考評110
• 7.2 研制結果110-125
• 7.2.1 CES1.1界面110
• 7.2.2 CES1.1功能110-111
• 7.2.3 CES1.1應用實例111-125
• 第八章 討論125-137
• 8.1 指標的抽樣誤差對綜合評價結果影響的討論125-126
• 8.1.1 蒙特卡羅模擬的優(yōu)缺點125-126
• 8.1.2 綜合評價優(yōu)先排序概率的蒙特卡羅模擬方案126
• 8.2 逆序問題的合理性探討126-129
• 8.3 改良TOPSIS法探討129-130
• 8.4 動態(tài)TOPSIS法探討130-131
• 8.4.1 動態(tài)TOPSIS法的適用范圍130
• 8.4.2. 動態(tài)TOPSIS法與靜態(tài)(加權)TOPSIS法的區(qū)別與聯(lián)系130-131
• 8.4.3. 動態(tài)TOPSIS法的進一步改進131
• 8.5 CES1.1探討131-134
• 8.5.1 CES1.1特點131-132
• 8.5.2 EXCEL做統(tǒng)計分析的可靠性132
• 8.5.3 CES1.1的可靠性132-134
• 8.6 論文創(chuàng)新點134-135
• 8.7 研究展望135-137
• 第九章 結論137-139
• 參考文獻139-150
• 綜述150-176
• 參考文獻169-176
• 致謝176-178
• 攻讀學位期間主要的研究成果178-179

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 壽玉亭,劉長河,段新生;模糊環(huán)境下多目標決策的均值優(yōu)序法[J];北京工業(yè)大學學報;2002年02期

2 李德清,李洪興;狀態(tài)變權向量的性質與構造[J];北京師范大學學報(自然科學版);2002年04期

3 于露;李凡修;黃瑜;;理想點決策法在湖泊水體富營養(yǎng)化評價中的應用[J];長江大學學報(自然科學版);2011年05期

4 葉孟良;歐榮;;塵肺患者疾病負擔的模糊綜合評價[J];重慶醫(yī)學;2010年15期

5 李丹丹;曾強林;楊鈺欣;江吉富;;應用TOPSIS-RSR評價幽門螺桿菌6種檢測方法診斷效能[J];重慶醫(yī)學;2012年10期

6 陳磊;梁偉雄;呂志平;;生脈膠囊治療慢性充血性心力衰竭臨床療效的AHP綜合評價[J];南方醫(yī)科大學學報;2010年09期

7 王申東;張武標;施路寧;王小潔;;多目標決策—理想點法在醫(yī)院制劑質量評價中的應用[J];兒科藥學雜志;2006年06期

8 張同發(fā);醫(yī)院傳染病管理質量的雙理想點排序法綜合評價[J];湖北預防醫(yī)學雜志;1999年05期

9 陳其坤,林元慶;基于粗糙集和模糊聚類的評價方法研究[J];福建行政學院福建經(jīng)濟管理干部學院學報;2005年04期

10 李延平,吳玉珍,陳曉東,周明浩,史祖民;衛(wèi)生城市綜合評價方法研究與應用[J];中國公共衛(wèi)生管理;2002年04期

，

本文編號：920412