評(píng)價(jià)方法綜述PPT課件.ppt

評(píng)價(jià)方法綜述 對某事件進(jìn)行多因素綜合評(píng)價(jià)的過程 實(shí)質(zhì)上就是科學(xué)研究與決策的過程 原則上應(yīng)包括設(shè)計(jì) 收集資料和分析資料幾個(gè)基本階段 實(shí)施中應(yīng)著重注意以下幾個(gè)基本環(huán)節(jié) 1 基本要求 代表性 各層次指標(biāo)能最好地表達(dá)所代表的層次 確定性 指指標(biāo)值確定 其高低在評(píng)價(jià)中有確切含義 區(qū)別能力 靈敏性 即指標(biāo)值有一定的波動(dòng)范圍 而且其高低在評(píng)價(jià)中有確切的含義 獨(dú)立性 即選入的指標(biāo)各有所用 相互不能替代 評(píng)價(jià)指標(biāo)的基本要求 2 系統(tǒng)分析法 systematicanalysismethod 是一種常用的憑經(jīng)驗(yàn)挑選指標(biāo)的方法 首先將所有備選指標(biāo)按系統(tǒng) 或?qū)傩?類別 劃分 再通過座談或填調(diào)查表的方法獲得對各指標(biāo)的專家評(píng)分 確定主次 再從各系統(tǒng)內(nèi)挑選主要的指標(biāo)作為評(píng)價(jià)指標(biāo) 文獻(xiàn)資料分析優(yōu)選法 即全面查閱有關(guān)評(píng)價(jià)指標(biāo)設(shè)置的文獻(xiàn)資料 分析各指標(biāo)的優(yōu)缺點(diǎn)并加以取舍 指標(biāo)的篩選 3 逐個(gè)指標(biāo)進(jìn)行假設(shè)檢驗(yàn)的方法 是在掌握有關(guān)歷史資料基礎(chǔ)上 依照可能的評(píng)價(jià)結(jié)果將評(píng)價(jià)對象分組 并對各指標(biāo)進(jìn)行假設(shè)檢驗(yàn) 挑選有統(tǒng)計(jì)意義的指標(biāo)作為評(píng)價(jià)指標(biāo) 多元回歸與逐步回歸法 多元回歸分析挑選標(biāo)準(zhǔn)化偏回歸系數(shù)絕對值較大或偏回歸系數(shù)假設(shè)檢驗(yàn)有顯著性的指標(biāo)作為評(píng)價(jià)指標(biāo) 逐步回歸有自動(dòng)挑選主要影響指標(biāo)的功能 是目前最常用的指標(biāo)挑選方法 指標(biāo)聚類法 在存在眾多指標(biāo)的情況下 可將相似指標(biāo)聚成類 再從每類中找一個(gè)典型指標(biāo)作為代表 從而用少量幾個(gè)典型指標(biāo)作為評(píng)價(jià)指標(biāo)來代表原來眾多的指標(biāo)建立評(píng)價(jià)模型 常用客觀篩選指標(biāo)方法 4 評(píng)價(jià)指標(biāo)的權(quán)重估計(jì) 5 常用的客觀定權(quán)方法 某些統(tǒng)計(jì)方法分析結(jié)果 可提供有關(guān)因素權(quán)重分配的客觀信息 多元回歸分析及逐步回歸分析中 各自變量的標(biāo)準(zhǔn)化偏回歸系數(shù)值以及由此而推算的貢獻(xiàn)率 主成分分析中得到的因子載荷和貢獻(xiàn)率 6 一 模糊綜合評(píng)價(jià) 一級(jí)模糊綜合評(píng)價(jià) 一個(gè)層次關(guān)系 多級(jí)模糊綜合評(píng)價(jià) 多個(gè)層次關(guān)系 要點(diǎn) 因素集 評(píng)語集 權(quán)重集 難點(diǎn) 綜合評(píng)價(jià)矩陣評(píng)價(jià)模型的選擇權(quán)重 7 綜合評(píng)價(jià)矩陣 構(gòu)造隸屬函數(shù) 隸屬函數(shù) 偏大型 偏小型 中間型 評(píng)價(jià)模型的選擇 根據(jù)因素及評(píng)語個(gè)數(shù)綜合決定 主因素決定型 主因素突出型 取小上界和型 加權(quán)平均型等 權(quán)重 主觀性較強(qiáng) 自己定義計(jì)算方法根據(jù)經(jīng)驗(yàn)直接賦值利用層次分析法等 8 應(yīng)用 等級(jí)的評(píng)判 方案的選擇或排序 等級(jí)的評(píng)判 最大隸屬度原則 方案的選擇或排序 不同等級(jí)賦分值 結(jié)合評(píng)價(jià)結(jié)果的隸屬度向量歸一化后算加權(quán)平均分 注意 評(píng)語集可以是等級(jí)或表示等級(jí)的形容詞也可以是方案 另 如果知道評(píng)判結(jié)果及綜合評(píng)判矩陣 反過來也可以利用該法計(jì)算權(quán)重 9 二 層次分析法 功能 計(jì)算權(quán)重 步聚 1 建立層次結(jié)構(gòu)模型 2 構(gòu)造成對比較矩陣 3 層次單排序和一致性檢驗(yàn) 4 層次單排序和一致性檢驗(yàn) 5 分配權(quán)重或指標(biāo)排序 應(yīng)用 屬于定性與定量相結(jié)合的方法 除獨(dú)立應(yīng)用外 另外會(huì)常和模糊綜合評(píng)判等方法結(jié)合起來 一個(gè)小軟件 yaahp 10 2020 1 9 11 三 集對分析 步聚 1 建立指標(biāo)體系 2 分級(jí)并獲取指標(biāo)體系的臨界值 3 確定指標(biāo)權(quán)重 4 確定各級(jí)指標(biāo)的n元聯(lián)系數(shù) 5 計(jì)算n元聯(lián)系數(shù)的主值 6 劃分等級(jí)并根據(jù)主值所處區(qū)間來確定等級(jí) 應(yīng)用 屬于定性與定量相結(jié)合的方法 除獨(dú)立應(yīng)用外 另外會(huì)常和層次分析等方法結(jié)合起來 一篇文獻(xiàn) 河流健康系統(tǒng)評(píng)價(jià)的集對分析模型 12 四 主成分得分 步聚 1 進(jìn)行主成分分析得到主成分及相應(yīng)貢獻(xiàn)率 2 計(jì)算不同樣本數(shù)據(jù)的主成分得分 3 評(píng)價(jià)函數(shù) 主成分得分與貢獻(xiàn)率加權(quán)求和 4 根據(jù)評(píng)價(jià)結(jié)果的大小排序 優(yōu)點(diǎn) 減少了主觀性 注意 主成分表達(dá)式中的指標(biāo)數(shù)據(jù)為原始數(shù)據(jù)的標(biāo)準(zhǔn)化 13 五 粗糙集 優(yōu)點(diǎn) 可以針對不完備 不確定 小樣本數(shù)據(jù)找規(guī)律 14 六 逼近理想解排序法 Topsis法 是系統(tǒng)工程中有限方案多目標(biāo)決策分析的一種常用方法 可用于效益評(píng)價(jià) 衛(wèi)生決策和衛(wèi)生事業(yè)管理等多個(gè)領(lǐng)域 本法對樣本資料無特殊要求 使用靈活簡便 故應(yīng)用日趨廣泛 TechniqueforOrderPreferencebySimilaritytoIdealSolution 15 七 秩和比法 秩和比 RankSumRatio RSR 指行 或列 秩次的平均值 是一個(gè)非參數(shù)統(tǒng)計(jì)量 具有0 1連續(xù)變量的特征 在綜合評(píng)價(jià)中 秩和比綜合了多項(xiàng)評(píng)價(jià)指標(biāo)的信息 表明多個(gè)評(píng)價(jià)指標(biāo)的綜合水平 RSR值越大越優(yōu) 秩和比法指利用RSR進(jìn)行統(tǒng)計(jì)分析的一組方法 其基本思想是 在一個(gè)行列矩陣中 通過秩轉(zhuǎn)換 獲得無量綱統(tǒng)計(jì)量 在此基礎(chǔ)上 運(yùn)用參數(shù)統(tǒng)計(jì)分析的概念與方法 研究的分布 以RSR值對評(píng)價(jià)對象的優(yōu)劣直接排序或分檔排序 16 八 數(shù)據(jù)包絡(luò)分析 DEA 該方法以相對效率概念為基礎(chǔ) 根據(jù)多指標(biāo)投入和多指標(biāo)產(chǎn)出對相同類型的單位 部門 進(jìn)行相對有效性或效益評(píng)價(jià)的一種系統(tǒng)分析方法 優(yōu)點(diǎn) 1 避免了確定各指標(biāo)在優(yōu)先意義下的權(quán)重 2 不必確定每個(gè)輸入與多個(gè)關(guān)聯(lián)輸出間的顯式表達(dá) 3 排除了很多主觀因素 具有很強(qiáng)的客觀性 應(yīng)用 特別適用于具有多輸入多輸出的復(fù)雜系統(tǒng) 17 九 物元分析法 可拓方法 步聚 1 確定物元和物元矩陣 2 建立綜合評(píng)價(jià)的經(jīng)典域 3 建立綜合評(píng)價(jià)的節(jié)域 4 確定綜合評(píng)價(jià)的待評(píng)物元 5 計(jì)算待評(píng)對象關(guān)于各等級(jí)的關(guān)聯(lián)度 6 等級(jí)的評(píng)定 18 十 投影尋蹤 步聚 1 線性投影 2 構(gòu)造投