各种综合评价方法简介
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
综合评价
评价是人类社会中一项经常性的、极重要的认识活动,是决策中的基础性工作。
在实际问题的解决过程中,经常遇到有关综合评价问题,如医疗质量的综合评价问题和环境质量的综合评价等。它是根据一个复杂系统同时受到多种因素影响的特点,在综合考察多个有关因素时,依据多个有关指标对复杂系统进行总评价的方法;综合评价的要点:(1)有多个评价指标,这些指标是可测量的或可量化的;(2)有一个或多个评价对象,这些对象可以是人、单位、方案、标书科研成果等;(3)根据多指标信息计算一个综合指标,把多维空间问题简化为一维空间问题中解决,可以依据综合指标值大小对评价对象优劣程度进行排序。
综合评价的一般步骤
1.根据评价目的选择恰当的评价指标,这些指标具有很好的代表性、区别性强,而且往往可以测量,筛选评价指标主要依据专业知识,即根据有关的专业理论和实践,来分析各评价指标对结果的影响,挑选那些代表性、确定性好,有一定区别能力又互相独立的指标组成评价指标体系。
2.根据评价目的,确定诸评价指标在对某事物评价中的相对重要性,或各指标的权重;
3.合理确定各单个指标的评价等级及其界限;
4.根据评价目的,数据特征,选择适当的综合评价方法,并根据已掌握的历史资料,建立综合评价模型;
5.确定多指标综合评价的等级数量界限,在对同类事物综合评价的应用实践中,对选用的评价模型进行考察,并不断修改补充,使之具有一定的科学性、实用性与先进性,然后推广应用。
目前,综合评价有许多不同的方法,如综合指数法、TOPSIS法、层次分析法、RSR 法、模糊综合评价法、灰色系统法等,这些方法各具特色,各有利弊,由于受多方面因素影响,怎样使评价法更为准确和科学,是人们不断研究的课题。下面仅介绍综合评价的TOPSIS法、RSR法和层次分析法的基本原理及简单的应用。
TOPSIS法(逼近理想解排序法)
Topsis法是系统工程中有限方案多目标决策分析的一种常用方法。是基于归一化后的原始数据矩阵,找出有限方案中的最优方案和最劣方案(分别用最优向量和最劣向量表示),然后分别计算诸评价对象与最优方案和最劣方案的距离,获得各评价对象与最优方案的相对接近程度,以此作为评价优劣的依据。
基本原理
TOPSIS法是Technique for Order Preference by Similarity to Ideal Solution 的缩写,即逼近于理想解的技术,它是一种多目标决策方法。方法的基本思路是定义决策问题的理想解和负理想解,然后在可行方案中找到一个方案,使其距理想解的距离最近,而距负理想解的距离最远。
理想解一般是设想最好的方案,它所对应的各个属性至少达到各个方案中的最好值;负理想解是假定最坏的方案,其对应的各个属性至少不优于各个方案中的最劣值。方案排队的决策规则,是把实际可行解和理想解与负理想解作比较,若某个可行解最靠近理想解,同时又最远离负理想解,则此解是方案集的满意解。
距离的测度
采用相对接近测度。设决策问题有m 个目标j f (m ,,,j 21=),n 个可行解
)(im i i i Z ,,Z ,Z Z 21=(n ,,,i 21=);并设该问题的规范化加权目标的理想解是Z *,
其中
)(++++=m Z ,,Z ,Z Z 21,
那么用欧几里得范数作为距离的测度,则从任意可行解i Z 到+Z 的距离为: ∑=++-=m j j ij i )Z Z
(S 12 i =1 ,…,n ,
式中,Z ij 为第j 个目标对第i 个方案(解)的规范化加权值。
同理,设-Z =T m Z ,,Z ,Z )(--- 21为问题的规范化加权目标的负理想解,则任意可行解
i Z 到负理想解-Z 之间的距离为:
∑=--
-=m j j ij i Z Z
S 12)(
i =1 ,…,n , 那么,某一可行解对于理想解的相对接近度定义为:
+
--+=i i i i S S S C 0≤C i ≤1,i =1,…,n , 于是,若i Z 是理想解,则相应的C i =1;若i Z 是负理想解,则相应的C i =0。i Z 愈靠
近理想解,C i 愈接近于1;反之,愈接近负理想解, C i 愈接近于0。那么,可以对 C i 进行排队,以求出满意解。
TOPSIS 法计算步骤
第一步: 设某一决策问题,其决策矩阵为A . 由A 可以构成规范化的决策矩阵Z ′,其元素为Z ′ij ,且有
∑=='n i ij
ij
ij f
f Z 12 m j n i ,,2,1;,,2,1 == 式中,f ij 由决策矩阵给出。
第二步: 构造规范化的加权决策矩阵Z ,其元素Z ij
Z ij =W j Z ′ij i =1,…,n ; j =1,…,m
W j 为第j 个目标的权。
第三步: 确定理想解和负理想解。如果决策矩阵Z 中元素Z ij 值越大表示方案越好,则
}m ,,,j Z max {Z ,,Z ,Z Z ij i m 2121===++++)( }m ,,,j Z min {Z ,,Z ,Z Z ij i m 2121===-
---)(
第四步:计算每个方案到理想点的距离S i 和到负理想点的距离S -
i 。
第五步:按式计算C i ,并按每个方案的相对接近度C i 的大小排序,找出满意解。 多目标综合评价排序的方法较多,各有其应用价值。在诸多的评价方法中,TOPSIS 法对原始数据的信息利用最为充分,其结果能精确的反映各评价方案之间的差距,TOPSIS 对数据分布及样本含量,指标多少没有严格的限制,数据计算亦简单易行。不仅适合小样本资料,也适用于多评价对象、多指标的大样本资料。利用TOPSIS 法进行综合评价,可得出良好的可比性评价排序结果。 应用实例
1、TOPSIS 法在医疗质量综合评价中的应用
试根据表数据,采用Topsis 法对某市人民医院1995~1997年的医疗质量进行综合评价。
表 某市人民医院1995~1997年的医疗质量
年度 床位周转次数 床位 周转率(%) 平均 住院日 出入院诊断符合率(%) 手术前后诊断符合率(%) 三日 确诊率(%) 治愈 好转率(%) 病死率 (%) 危重病人抢救成功率(%)
院内 感染率(%) 1995 1996 在原始数据指标中,平均住院日、病死率、院内感染率三个指标的数值越低越好,这三个指标称为低优指标;其它指标数值越高越好,称为高优指标。是低优指标的可转化为高优指标,其方法为是绝对数低优指标x 可使用倒数法(x
100),是相对数低优指标x ,可使用差值法(x -1)。这里,平均住院日采用倒数转化,病死率、院内感染率采用差值转化。转化后数据见表。
表 转化指标值
年度 床位周转次数 床位 周转率(%) 平均 住院日 出入院诊断符合率(%) 手术前后诊断符合率(%) 三日 确诊率(%) 治愈 好转率(%) 病死率 (%) 危重病人抢救成功率(%)
院内 感染率(%) 1995
1996 根据表数据,利用公式()进行归一化处理,得归一化矩阵值,如表。
()∑==n i ij
ij
ij f f Z 1
2 () 例如计算1995年床位周转次数归一化值,由公式()得: 2221113.1941.2197.2097
.20++=Z 509.0=