当前位置:主页 > 医学论文 > 流行病论文 >

综合评价方法若干问题研究及其医学应用

发布时间:2017-09-26 00:19

  本文关键词:综合评价方法若干问题研究及其医学应用


  更多相关文章: 静态综合评价 动态综合评价 抽样误差 逆序问题 改良TOPSIS 动态TOPSIS CES1.1


【摘要】:目的: (1)拟解决目前综合评价领域中亟待解决的几个重要问题:①综合评价方法一般是对总体资料(特定空间和时间)进行评价,但某些特殊情形下,需要对样本资料评价,那么在综合排序时有必要考虑抽样误差对排序结果的影响,但目前综合评价方法对评价结果只能是描述,而不能进行统计推断,因此存在着抽样误差的估计问题。②多方法评价结论的非一致性困扰问题。③多指标综合评价若干方法中的逆序问题。④常用综合评价方法的软件系统缺乏问题。(2)从方法学上进一步改进和完善医疗卫生领域应用最为广泛的静态TOPSIS (Technique for Order Preference by Similarity to Ideal Solution)法并提出新的动态TOPSIS法。 方法: 通过广泛查阅文献,参考国内外相关研究成果,利用Monte Carlo模拟技术,针对样本资料,构建综合评价的抽样误差随机模拟模型。基于该模型的模拟结果,提出一种解决“多方法评价结论非一致性困扰问题”的新思路,即对综合评价的“概率结论”组合。通过研究理想点法、TOPSIS法、密切值法、SAW(Simple Additive Weighting)法、优序法、秩和比法以及信息熵客观定权法的逆序现象,找出各种方法产生逆序的原因,并提出解决方案。通过分析探讨传统的静态的TOPSIS存在的缺陷,提出静态TOPSIS法的改良方法。通过文献检索,发现目前医学科研中存在大量的含有时间因素的“立体时序数据集”,而目前对此种三维数据(含有“评价对象”、“评价指标”、“评价时间”)的评价,大多采用静态综合评价方法,不能反映事物动态变化。基于医学科研的综合评价需求,提出一种新的动态TOPSIS法。广泛参考国内外多种统计软件,听取广泛相关人员组成的议题小组的意见,基于Microsoft Excel2002软件,利用Microsoft Visual Basic6.0、Microsoft Visio2002和Visual Basic for Application语言开发了综合评价方法的简体中文版软件包(Comprehensive Evaluation Software,简称CES)。并用SAS6.12for Windows自行编制相应方法的SAS程序(TOPSIS法SAS程序己发表,见文献[143];其余SAS程序己收入教材[144]),将SAS程序与CES在同一个计算机平台上对同一资料用各种综合评价方法进行分析,然后把两种分析结果一并列出,对每个数据均比较到小数点后15位,进行SAS与CES统计分析结果的比较。 结果: 1.本文建立了综合评价的抽样误差随机模拟模型并给出了相应的Mablab程序。 2.本文提出了“整体排序优先度”与“整体排序平均优先度”的概念,因此提出了一种综合评价结果的排序的新方法:按照“整体排序(平均)优先度”,从大到小排序。 3.对于样本资料,本文将综合评价的传统“绝对结论”改为“概率结论”,并依据“整体排序(平均)优先度”可对任何综合评价方法的结果分档。 4.本文模拟了TOPSIS法、SAW法、RSR法的抽样误差,发现:①即使指标独立、均服从正态分布,TOPSIS法与SAW法某些评价对象的综合评价值可能会服从正态分布,而另一些评价对象的综合评价值不服从正态分布。而RSR法的模拟RSRi值均不服从正态分布。②TOPSIS法、SAW法、RSR法的综合评价值均有上下限:0≤Ci≤1,0≤Ai≤m,0RSRi≤1。当某评价对象的综合评价值靠近上限或下限时,则此时综合评价值可能呈偏态分布。 5.本文提出了一种解决“多方法评价结论非一致性困扰问题”的新思路——从现有的组合方法中挑选合适的方法对“整体排序平均优先度”组合。即对综合评价的“概率结论”组合。 6.理想点法、TOPSIS法、密切值法、SAW法、优序法、秩和比法以及信息熵客观定权法均存在逆序问题。 7.理想点法产生逆序的原因:理想点的计算与评价对象紧密相连,当增加或删除含有最优点或最劣点的评价对象时,理想解选择的范围扩大或缩小了,理想点改变了,每个评价对象到理想点的距离就会发生变化,各评价对象之间的优劣顺序也很容易发生变化,从而产生逆序。 TOPSIS法产生逆序的原因:①归一化矩阵的计算;②最优方案与最劣方案的计算。 密切值法产生逆序的原因:①标准化矩阵的计算;②最优点与最劣点的计算;③密切值Ci=di/d-li/l的计算。 SAW法产生逆序的原因:指标的标准化法中最大值与最小值的选取。 优序法产生逆序的原因:优序数的给定方法与评价对象紧密相连,当增加或删除不含最大值的评价对象时,优序数必然改变,则排序结果也会改变。 秩和比法产生逆序的原因:指标秩的编制方法与评价对象紧密相连,当增加或删除不含最大值的评价对象时,指标秩和秩和比必然改变,则排序结果也会改变。 信息熵定权法产生逆序的原因:①归一化矩阵的计算;②信息熵的计算。 8.本文提出了绝对理想点法、改进TOPSIS法、改进密切值法、改进SAW法可解决其逆序问题。 9.本文提出了一种新的改良静态TOPSIS法。 10.本文提出了一种基于指标值及指标增量的新的动态TOPSIS法。 11.编制了综合评价软件包CES简体中文1.1版。主要包括:层次分析法、TOPSIS法、密切值法、模糊综合评价、灰色关联分析、功效系数法、秩和比法等模块。CES1.1大小约2.78M.CES1.1可在Microsoft Excel97以上版本运行,运行后成为Excel的一个菜单。自编的SAS程序与CES1.1对同一资料用不同综合评价方法的分析结果均非常接近,除了秩和比法两者主要指标的结果差异小于10-7,其余方法两者差异均小于10-12。 结论: 1.本文建立的综合评价的抽样误差随机模拟模型,具有通用性,灵活方便。对任何抽样资料,任何综合评价方法,该模型都适用。依据本文提出的“整体排序优先度”与“整体排序平均优先度”的概念,按照“整体排序(平均)优先度”排序,是一种有效的综合评价结果排序的新方法。 2.在抽样研究中,即使指标独立、均服从正态分布,TOPSIS法、SAW法、RSR法各评价对象的综合评价值不一定会服从正态分布。当某评价对象的综合评价值靠近其上限或下限时,则此时综合评价值可能呈偏态分布。 3.本文提出的综合评价结论的新表达方法与方式——“概率结论”,相对于传统的“绝对结论”,它具有更好的开放性,也更贴近实际。 4.基于“概率结论”的组合法不仅包含了“绝对结论”的信息,还考虑了抽样误差的影响,其组合结果更合理、可信。 5.理想点法、TOPSIS法、密切值法、SAW法、优序法、秩和比法以及信息熵客观定权法均存在逆序问题。 6.本文提出的绝对理想点法、改进TOPSIS法、改进密切值法、改进SAW法均具有强保序性。 7.对于逆序问题不能消除的方法,如优序法、秩和比法等,应用时应慎重考虑其评价有效范围及具体资料情况,最好适用于一个绝对无任何变动的评价对象集,当决策者合理地变更评价对象时,它们就不再适用了。对于逆序现象合理存在的信息熵定权法没有必要去消除逆序问题。可与主观赋权法结合采用组合赋权,减少逆序的发生。 8.本文提出的新的改良静态TOPSIS法,它具有强保序性,并且很好的解决了传统TOPSIS法Ci值的缺陷。 9.本文提出的新的动态TOPSIS法,继承了传统静态TOPSIS法的所有优点,是一种有效的综合评价方法,适用于包含了“评价对象”、“评价指标”及“评价时间”的三维资料。它可既考虑“过去情况”、“现在状况”,也关注“将来发展趋势”。 10.本文研制的CES1.1,其分析结果是可靠的,它使广大实际工作者从繁杂的计算中解放出来,极大促进了综合评价方法的推广与应用。它继承了目前人们普遍使用和熟知的办公软件Excel的风格,应用界面友好,操作简单易用,对统计专业人士与非统计专业人士均适用。
【关键词】:静态综合评价 动态综合评价 抽样误差 逆序问题 改良TOPSIS 动态TOPSIS CES1.1
【学位授予单位】:中南大学
【学位级别】:博士
【学位授予年份】:2012
【分类号】:R181.1
【目录】:
  • 摘要4-9
  • ABSTRACT9-20
  • 第一章 前言20-28
  • 1.1 研究背景20-25
  • 1.1.1 选题来源20
  • 1.1.2 选题背景20-23
  • 1.1.3 国内外研究现况23-25
  • 1.2 研究的目的和意义25
  • 1.2.1 目的25
  • 1.2.2 意义25
  • 1.3 研究内容和论文结构25-28
  • 第二章 指标的抽样误差对综合评价排序结果的影响28-54
  • 2.1 引言28
  • 2.2 蒙特卡罗方法28-30
  • 2.2.1 蒙特卡罗方法的原理28-29
  • 2.2.2 蒙特卡罗方法的主要步骤29-30
  • 2.3 伪随机数30-31
  • 2.4 综合评价排序概率MONTE CARLO模拟方案31-33
  • 2.4.1 问题描述31-32
  • 2.4.2. 排序概率MONTE CARLO模拟的一般步骤32-33
  • 2.5 指标的抽样误差对TOPSIS法排序结果的影响33-40
  • 2.6 指标的抽样误差对简单线性加权(SAW)法排序结果的影响40-45
  • 2.7 指标的抽样误差对秩和比(RSR)法排序结果的影响45-50
  • 2.8 基于误差模拟的综合评价结论形式的改进与结果的增加50-53
  • 2.8.1 改“绝对结论”为“概率结论”50-51
  • 2.8.2 增加各种评价方法的分档结果51-53
  • 2.9 小结53-54
  • 第三章 多方法评价结论非一致性困扰问题研究54-61
  • 3.1 什么是多方法评价结论非一致性困扰问题54
  • 3.2 多方法评价结论非一致性困扰问题的现有解决方案54-57
  • 3.2.1 采用单一综合评价方法的问题54-55
  • 3.2.2 多方法评价结论非一致性困扰问题的现有解决方案——组合评价55-56
  • 3.2.3 现有结果组合方法的不足56-57
  • 3.3 多方法评价结论非一致性困扰问题的解决新思路57-60
  • 3.3.1 “整体排序平均优先度”组合步骤57-58
  • 3.3.2 实例分析58-60
  • 3.4 小结60-61
  • 第四章 多指标综合评价中的逆序问题及其解决方案61-84
  • 4.1 什么是综合评价逆序问题61
  • 4.2 理想点法中的逆序问题61-65
  • 4.2.1 理想点法基本步骤61-62
  • 4.2.2 增加评价对象S5前后的理想点法结果62
  • 4.2.3 理想点法产生逆序的原因62-63
  • 4.2.4 理想点法逆序问题的解决方案63-65
  • 4.3 TOPSIS法中的逆序问题65-70
  • 4.3.1 TOPSIS法基本步骤65-66
  • 4.3.2 增加评价对象S4前后的TOPSIS法结果66-67
  • 4.3.3 TOPSIS法产生逆序的原因67-68
  • 4.3.4 对TOPSIS法关于逆序问题的改进68-70
  • 4.4 密切值法中的逆序问题70-75
  • 4.4.1 密切值法基本步骤70-71
  • 4.4.2 增加评价对象S4前后的密切值法结果71-72
  • 4.4.3 密切值法产生逆序的原因72-73
  • 4.4.4 密切值法关于逆序问题的改进73-75
  • 4.5 SAW法中的逆序问题75-78
  • 4.5.1 SAW法(THE SIMPLE ADDITIVE WEIGHTING METHOD)基本步骤75-76
  • 4.5.2 增加评价对象S5、S6前后的SAW法结果76
  • 4.5.3 SAW法产生逆序的原因76
  • 4.5.4 SAW法关于逆序问题的改进76-78
  • 4.6 优序法中的逆序问题78-80
  • 4.6.1 优序法(OPTIMIZATIONAL METHOD)基本步骤78
  • 4.6.2 增加评价对象S5、S6前后的优序法结果78-79
  • 4.6.3 优序法产生逆序的原因79-80
  • 4.7 秩和比法中的逆序问题80-81
  • 4.7.1 秩和比(RANK SUM RATIO,RSR)法基本步骤80
  • 4.7.2 增加评价对象S5、S6前后的秩和比法结果80-81
  • 4.7.3 秩和比法产生逆序的原因81
  • 4.8 信息熵客观定权法中的逆序问题81-83
  • 4.8.1 信息熵(ENTROPY)法定权步骤81-82
  • 4.8.2 增加评价对象S5前后的信息熵权82
  • 4.8.3 信息熵定权法产生逆序的原因82-83
  • 4.9 本章小结83-84
  • 第五章 改良TOPSISI法84-92
  • 5.1 TOPSIS法简介84
  • 5.2 TOPSIS法的优点84
  • 5.3 TOPSIS法的不足84-87
  • 5.3.1 TOPSIS法存在逆序问题84
  • 5.3.2 综合评价值CI的缺陷84-87
  • 5.4 改良TOPSIS法87-91
  • 5.4.1 改良TOPSIS法步骤87-88
  • 5.4.2 实例分析88-90
  • 5.4.3 改良TOPSIS法相对于传统TOPSIS法的优点90-91
  • 5.5 本章小结91-92
  • 第六章 一种新的动态TOPSISI法92-98
  • 6.1 引言92
  • 6.2 原理与方法92-95
  • 6.2.1 动态综合评价数据集描述92-93
  • 6.2.2 动态TOPSIS法步骤93-95
  • 6.3 实例分析95-97
  • 6.3.1 动态TOPSIS法应用实例95-96
  • 6.3.2 实例结果96-97
  • 6.4 本章小结97-98
  • 第七章 常用综合评价方法计算软件包的研制98-125
  • 7.1 研究方法98-110
  • 7.1.1 CES1.1(COMPREHENSIVE EVALUATION SOFTWARE)研建准则98
  • 7.1.2 CES1.1设计思路98-104
  • 7.1.3 CES1.1开发平台的选择104
  • 7.1.4 CES1.1开发语言及工具的选择104-106
  • 7.1.5 常用综合评价方法的计算方法与步骤106-110
  • 7.1.6 CES1.1可靠性考评110
  • 7.2 研制结果110-125
  • 7.2.1 CES1.1界面110
  • 7.2.2 CES1.1功能110-111
  • 7.2.3 CES1.1应用实例111-125
  • 第八章 讨论125-137
  • 8.1 指标的抽样误差对综合评价结果影响的讨论125-126
  • 8.1.1 蒙特卡罗模拟的优缺点125-126
  • 8.1.2 综合评价优先排序概率的蒙特卡罗模拟方案126
  • 8.2 逆序问题的合理性探讨126-129
  • 8.3 改良TOPSIS法探讨129-130
  • 8.4 动态TOPSIS法探讨130-131
  • 8.4.1 动态TOPSIS法的适用范围130
  • 8.4.2. 动态TOPSIS法与静态(加权)TOPSIS法的区别与联系130-131
  • 8.4.3. 动态TOPSIS法的进一步改进131
  • 8.5 CES1.1探讨131-134
  • 8.5.1 CES1.1特点131-132
  • 8.5.2 EXCEL做统计分析的可靠性132
  • 8.5.3 CES1.1的可靠性132-134
  • 8.6 论文创新点134-135
  • 8.7 研究展望135-137
  • 第九章 结论137-139
  • 参考文献139-150
  • 综述150-176
  • 参考文献169-176
  • 致谢176-178
  • 攻读学位期间主要的研究成果178-179

【参考文献】

中国期刊全文数据库 前10条

1 寿玉亭,刘长河,段新生;模糊环境下多目标决策的均值优序法[J];北京工业大学学报;2002年02期

2 李德清,李洪兴;状态变权向量的性质与构造[J];北京师范大学学报(自然科学版);2002年04期

3 于露;李凡修;黄瑜;;理想点决策法在湖泊水体富营养化评价中的应用[J];长江大学学报(自然科学版);2011年05期

4 叶孟良;欧荣;;尘肺患者疾病负担的模糊综合评价[J];重庆医学;2010年15期

5 李丹丹;曾强林;杨钰欣;江吉富;;应用TOPSIS-RSR评价幽门螺杆菌6种检测方法诊断效能[J];重庆医学;2012年10期

6 陈磊;梁伟雄;吕志平;;生脉胶囊治疗慢性充血性心力衰竭临床疗效的AHP综合评价[J];南方医科大学学报;2010年09期

7 王申东;张武标;施路宁;王小洁;;多目标决策—理想点法在医院制剂质量评价中的应用[J];儿科药学杂志;2006年06期

8 张同发;医院传染病管理质量的双理想点排序法综合评价[J];湖北预防医学杂志;1999年05期

9 陈其坤,林元庆;基于粗糙集和模糊聚类的评价方法研究[J];福建行政学院福建经济管理干部学院学报;2005年04期

10 李延平,吴玉珍,陈晓东,周明浩,史祖民;卫生城市综合评价方法研究与应用[J];中国公共卫生管理;2002年04期



本文编号:920412

资料下载
论文发表

本文链接:https://www.wllwen.com/yixuelunwen/liuxingb/920412.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户851f2***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com