一文掌握秩和比綜合評價法

秩和比方法常用于評價多個指標的綜合水平情況,醫學研究領域應用尤為廣泛。

比如,運用秩和比法進行對多個醫院的醫療質量進行評價排名、科室績效綜合評價、或評估不同地區某種疾病的預防效果或治療效果等。


一、研究背景

當前有某省某年10個地區孕產婦保健工作的產前檢查率X1(%),孕產婦死亡率X2(%),圍生兒死亡率X3(%)。

當前希望結合此3個指標情況,針對10個地區進行綜合評價,評價此10個地區的孕產婦保健工作水平情況,最終對此10個地區保健工作水平排序并且分檔次。數據如下表:

二、操作步驟

秩和RSR基本步驟:

Step1:確定評價指標。列出原始數據,一行代表一個評價對象,一列代表一個評價指標。最終為m*n矩陣;

Step2:編秩。對m*n矩陣即原始數據進行計算秩值;

Step3:計算秩和比。利用Step2的秩值,計算得到RSR值和RSR值排名;

Step4:確定RSR分布。列出RSR的分布表格情況并且得到Probit值;

Step5:計算回歸方程;

Step6:進行排序,并且進行分檔等級。

*SPSSAU會自動計算并輸出以上結果,研究者只需放入數據進行分析即可,這里列出步驟是便于大家理解。


(1)評價指標確定

本例中,選取產前檢查率X1(%),孕產婦死亡率X2(%),圍生兒死亡率X3(%)共三個指標。

其中,產前檢查率X1為高優指標,數字越大越‘優’;孕產婦死亡率X2和圍生兒死亡率X3均為低優指標,數字越小越‘優’。


(2)秩和比RSR

選擇【綜合評價】--【RSR秩和比】。

將“產前檢驗率”放入【高優指標】框,“孕產婦死亡率”、“圍生兒死亡率”放入【低優指標】框。點擊開始分析。

SPSSAU默認使用整次法,檔次數量默認為三檔。研究者者也可以根據需要自行選擇。


三、結果分析

1、RSR值計算表

本次利用RSR秩和比法,針對10個地區(即第1項~第10項)醫院,共3個指標產前檢查率,孕產婦死亡率,圍生兒死亡率進行綜合評價。其中X1為高優指標,X2和X3均為低優指標。

首先,針對數據進行編秩,使用整次法進行編秩,得到RSR值;并且得到RSR值排名;RSR值用于下一步RSR分布表格的使用。


2、RSR分布表

針對RSR值進行頻數分布表格處理,分別計算各RSR值出現的頻數f,以及累積頻數,然后得到平均秩次,并且利用平均秩次得到計算向下累計頻數p(百分數),結合向下累計頻數p(百分數)計算得到Probit值。

Probit值為向下累計頻數p(百分數)對應的標準正態離差加5,比如p為0.025時對應的標準正態離差為-1.96,則Probit為5+(-1.96)=3.04;p為0.975時對應的標準正態離差為1.96,則Probit為5+1.96=6.96.


3、回歸模型表格

上一步得到Probit值之后,將其作為自變量X,將RSR分布值作為因變量Y;進行回歸模型擬合,模型公式為:RSR分布值=-0.609+0.222*Probit值。并結合此回歸模型公式得到各個地區RSR值的擬合值,用于最終的分檔排序等使用。


4、分檔排序臨界值表格

上表格展示3個檔次時,RSR的臨界值,用于最終分檔使用。


5、分檔排序結果表

上表格列出10個地區分別是的RSR值,RSR排名,以及RSR擬合值,并且結合分檔排序臨界值表格,得到最終10個地區的分檔等級Level。

分檔等級Level數字越大表示等級水平越高,即效應越好。

從上表可知:將10個地區分為3個等級,其中C地,H地最優;B,D,A,E,G,I,F共6個地區其次;J地區最差。并且也可以直接對10個地區進行排名,H地排名最好,其次是C地;J地最差。


四、其他說明

(1)高優和低優指標,需要放入分別對應的框中。

(2)RSR編秩時,SPSSAU提供整次法和非整次法,二者細微區別在于編秩公式不一樣,默認使用整次法。

(3)SPSSAU輸出表格時,以第1項,第2項等表示第幾個評價對象。最終需與具體的研究對象一一對應分析。


延伸閱讀

SPSSAU:如何尋找決策最優解?熵權TOPSIS助你科學決策

SPSSAU:綜合評價方法這么多,我該怎么選

?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 228,119評論 6 531
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 98,382評論 3 415
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 176,038評論 0 373
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 62,853評論 1 309
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 71,616評論 6 408
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 55,112評論 1 323
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,192評論 3 441
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 42,355評論 0 288
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 48,869評論 1 334
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 40,727評論 3 354
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 42,928評論 1 369
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 38,467評論 5 358
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 44,165評論 3 347
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 34,570評論 0 26
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 35,813評論 1 282
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 51,585評論 3 390
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 47,892評論 2 372