本文關(guān)鍵詞：綜合評價方法若干問題研究及其醫(yī)學(xué)應(yīng)用

  更多相關(guān)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(lǐng)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(jìn)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(jié)果的影響,但目前綜合評價方法對評價結(jié)果只能是描述,而不能進(jìn)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(jié)論的非一致性困擾問題。③多指標(biāo)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(xué)上進(jìn)一步改進(jìn)和完善醫(yī)療衛(wèi)生領(lǐng)域應(yīng)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(xiàn),參考國內(nèi)外相關(guān)研究成果,利用Monte Carlo模擬技術(shù),針對樣本資料,構(gòu)建綜合評價的抽樣誤差隨機(jī)模擬模型�；谠撃Ｐ偷哪M結(jié)果,提出一種解決“多方法評價結(jié)論非一致性困擾問題”的新思路,即對綜合評價的“概率結(jié)論”組合。通過研究理想點(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(xiàn)檢索,發(fā)現(xiàn)目前醫(yī)學(xué)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(biāo)”、“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(xué)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(nèi)外多種統(tǒng)計軟件,聽取廣泛相關(guān)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(yīng)方法的SAS程序(TOPSIS法SAS程序己發(fā)表,見文獻(xiàn)[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(jī)平臺上對同一資料用各種綜合評價方法進(jìn)行分析,然后把兩種分析結(jié)果一并列出,對每個數(shù)據(jù)均比較到小數(shù)點(diǎn)后15位,進(jìn)行SAS與CES統(tǒng)計分析結(jié)果的比較。 結(jié)果： 1.本文建立了綜合評價的抽樣誤差隨機(jī)模擬模型并給出了相應(yīng)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(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。 3.對于樣本資料,本文將綜合評價的傳統(tǒng)“絕對結(jié)論”改為“概率結(jié)論”,并依據(jù)“整體排序(平均)優(yōu)先度”可對任何綜合評價方法的結(jié)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(biāo)獨(dú)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(dāng)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(jié)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(jié)論”組合。 6.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)法均存在逆序問題。 7.理想點(diǎn)法產(chǎn)生逆序的原因：理想點(diǎn)的計算與評價對象緊密相連,當(dāng)增加或刪除含有最優(yōu)點(diǎn)或最劣點(diǎn)的評價對象時,理想解選擇的范圍擴(kuò)大或縮小了,理想點(diǎn)改變了,每個評價對象到理想點(diǎn)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(biāo)準(zhǔn)化矩陣的計算；②最優(yōu)點(diǎn)與最劣點(diǎn)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(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)的給定方法與評價對象緊密相連,當(dāng)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(jié)果也會改變。 秩和比法產(chǎn)生逆序的原因：指標(biāo)秩的編制方法與評價對象緊密相連,當(dāng)增加或刪除不含最大值的評價對象時,指標(biāo)秩和秩和比必然改變,則排序結(jié)果也會改變。 信息熵定權(quán)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(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(biāo)值及指標(biāo)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(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 Excel97以上版本運(yùn)行,運(yùn)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(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.本文建立的綜合評價的抽樣誤差隨機(jī)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(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法各評價對象的綜合評價值不一定會服從正態(tài)分布。當(dāng)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(jié)論的新表達(dá)方法與方式——“概率結(jié)論”,相對于傳統(tǒng)的“絕對結(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“絕對結(jié)論”的信息,還考慮了抽樣誤差的影響,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)法均存在逆序問題。 6.本文提出的絕對理想點(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.對于逆序問題不能消除的方法,如優(yōu)序法、秩和比法等,應(yīng)用時應(yīng)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(dāng)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(quán)法沒有必要去消除逆序問題。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.本文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.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(diǎn),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(biāo)”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(guān)注“將來發(fā)展趨勢”。 10.本文研制的CES1.1,其分析結(jié)果是可靠的,它使廣大實(shí)際工作者從繁雜的計算中解放出來,極大促進(jìn)了綜合評價方法的推廣與應(yīng)用。它繼承了目前人們普遍使用和熟知的辦公軟件Excel的風(fēng)格,應(yīng)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(guān)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(xué)位授予單位】：中南大學(xué)
【學(xué)位級別】：博士
【學(xué)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(nèi)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(nèi)容和論文結(jié)構(gòu)25-28
• 第二章 指標(biāo)的抽樣誤差對綜合評價排序結(jié)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(jī)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(biāo)的抽樣誤差對TOPSIS法排序結(jié)果的影響33-40
• 2.6 指標(biāo)的抽樣誤差對簡單線性加權(quán)(SAW)法排序結(jié)果的影響40-45
• 2.7 指標(biāo)的抽樣誤差對秩和比(RSR)法排序結(jié)果的影響45-50
• 2.8 基于誤差模擬的綜合評價結(jié)論形式的改進(jìn)與結(jié)果的增加50-53
• 2.8.1 改“絕對結(jié)論”為“概率結(jié)論”50-51
• 2.8.2 增加各種評價方法的分檔結(jié)果51-53
• 2.9 小結(jié)53-54
• 第三章 多方法評價結(jié)論非一致性困擾問題研究54-61
• 3.1 什么是多方法評價結(jié)論非一致性困擾問題54
• 3.2 多方法評價結(jié)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(jié)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(jié)果組合方法的不足56-57
• 3.3 多方法評價結(jié)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(shí)例分析58-60
• 3.4 小結(jié)60-61
• 第四章 多指標(biāo)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(diǎn)法中的逆序問題61-65
• 4.2.1 理想點(diǎn)法基本步驟61-62
• 4.2.2 增加評價對象S5前后的理想點(diǎn)法結(jié)果62
• 4.2.3 理想點(diǎn)法產(chǎn)生逆序的原因62-63
• 4.2.4 理想點(diǎn)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(jié)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(guān)于逆序問題的改進(jìn)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(jié)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(guān)于逆序問題的改進(jìn)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(jié)果76
• 4.5.3 SAW法產(chǎn)生逆序的原因76
• 4.5.4 SAW法關(guān)于逆序問題的改進(jìn)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(jié)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(jié)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(quán)法中的逆序問題81-83
• 4.8.1 信息熵(ENTROPY)法定權(quán)步驟81-82
• 4.8.2 增加評價對象S5前后的信息熵權(quán)82
• 4.8.3 信息熵定權(quán)法產(chǎn)生逆序的原因82-83
• 4.9 本章小結(jié)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(diǎn)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(shí)例分析88-90
• 5.4.3 改良TOPSIS法相對于傳統(tǒng)TOPSIS法的優(yōu)點(diǎn)90-91
• 5.5 本章小結(jié)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(shí)例分析95-97
• 6.3.1 動態(tài)TOPSIS法應(yīng)用實(shí)例95-96
• 6.3.2 實(shí)例結(jié)果96-97
• 6.4 本章小結(jié)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(zhǔn)則98
• 7.1.2 CES1.1設(shè)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(jié)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(yīng)用實(shí)例111-125
• 第八章 討論125-137
• 8.1 指標(biāo)的抽樣誤差對綜合評價結(jié)果影響的討論125-126
• 8.1.1 蒙特卡羅模擬的優(yōu)缺點(diǎn)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(quán))TOPSIS法的區(qū)別與聯(lián)系130-131
• 8.4.3. 動態(tài)TOPSIS法的進(jìn)一步改進(jìn)131
• 8.5 CES1.1探討131-134
• 8.5.1 CES1.1特點(diǎn)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(diǎn)134-135
• 8.7 研究展望135-137
• 第九章 結(jié)論137-139
• 參考文獻(xiàn)139-150
• 綜述150-176
• 參考文獻(xiàn)169-176
• 致謝176-178
• 攻讀學(xué)位期間主要的研究成果178-179

【參考文獻(xiàn)】

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(biāo)決策的均值優(yōu)序法[J];北京工業(yè)大學(xué)學(xué)報;2002年02期

2 李德清,李洪興;狀態(tài)變權(quán)向量的性質(zhì)與構(gòu)造[J];北京師范大學(xué)學(xué)報(自然科學(xué)版);2002年04期

3 于露;李凡修;黃瑜;;理想點(diǎn)決策法在湖泊水體富營養(yǎng)化評價中的應(yīng)用[J];長江大學(xué)學(xué)報(自然科學(xué)版);2011年05期

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

5 李丹丹;曾強(qiáng)林;楊鈺欣;江吉富;;應(yīng)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(xué);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(xué)學(xué)報;2010年09期

7 王申東;張武標(biāo);施路寧;王小潔;;多目標(biāo)決策—理想點(diǎn)法在醫(yī)院制劑質(zhì)量評價中的應(yīng)用[J];兒科藥學(xué)雜志;2006年06期

8 張同發(fā);醫(yī)院傳染病管理質(zhì)量的雙理想點(diǎn)排序法綜合評價[J];湖北預(yù)防醫(yī)學(xué)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(xué)院福建經(jīng)濟(jì)管理干部學(xué)院學(xué)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(yīng)用[J];中國公共衛(wèi)生管理;2002年04期

，

本文編號：920412