一、概念
秩和比法是一種將古典參數統計和近代非參數統計進結合,並融其各自優點於一身的統計分析方法,1988年由田風調教授提出,適合對行列表格的資料進行綜合評價,也可應用於分類及計量資料的綜合評價。
秩和比(RSR)指在多指標綜合評價中,表中各評價對象 n 秩次的相對平均值(若評價指標權重不同,則需要指標乘以權重),是一個非參數計量,具有0-1區間連續變量的特徵。
其基本思想是在一個 n 行(n 評價對象)p 列(p 個評價指標)矩陣中,通過秩轉換,獲得無量綱的統計量RSR,以RSR值對評價對象的優劣進行排序或分檔排序。
在綜合評價中,秩和比的值能夠包含所有評價指標的信息,顯示出這些評價指標的綜合水平,RSR值越大表明綜合評價越優。
- 優點:因爲 RSR 只使用了數據的相對大小關係,而不真正運用數值本身,所以此方法綜合性強,可以顯示微小變動,對離羣值不敏感;能夠對各個評價對象進行排序分檔,找出優劣,是做比較,找關係的有效手段;能夠找出評價指標是否有獨立性。
- 缺點:通過秩替代原始指標值,會損失部分信息;不容易對各個指標進行恰當的編秩。
二、步驟
Step1: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。
Step2:由原始數據進行計算秩值;
Step3:利用Step2的秩值,計算得到RSR值和RSR值排名;
Step4:列出RSR的分佈表格情況並且得到Probit值;
Step5:計算迴歸方程;
Step6:進行排序,並且進行分檔等級。
(1)列出原始數據表
根據評價的目的,選擇適當的評價指標。使用專業知識區分指標是高優還是低優。一般高優指標是指效益型指標,即指標的數值越大越理想;低優指標就是成本型指標,即指標的數值越小越理想
有時,指標的屬性要根據不同的研究目的加以確定,還有一些指標爲不分高優與低優的指標。
列出原始數據表。假設有n個待評價樣本,p項評價指標,形成原始指標數據矩陣:
其中 表示第 i 個樣本第 j 項評價指標的數值。
例如:
GDP | 就業人數 | 財政支出 | 人均可支配收入 | |
---|---|---|---|---|
北京 | xx | xx | xx | xx |
上海 | xx | xx | xx | xx |
廣州 | xx | xx | xx | xx |
深圳 | xx | xx | xx | xx |
成都 | xx | xx | xx | xx |
重慶 | xx | xx | xx | xx |
天津 | xx | xx | xx | xx |
(2)計算秩值
根據每一個具體的評價指標按其指標值的大小進行排序,得到秩次R,用秩次R來代替原來的評價指標值。
根據編秩結果建立各指標的秩次數據矩陣。
:表示第 i 個樣本第 j 項評價指標的秩次。
這裏的秩可以理解成是一種順序或者排序,它是根據原始數據的排序位置進行求解
例如:
高優指標j [-0.8,1.1,-2,4.2,-3.1]
排序
[-3.1,-2,-0.8,1.1,4.2]
秩 3 4 2 5 1
編出每個指標各對象的秩,這是秩和比法運用成敗的關鍵之一。編秩時,應充分體現專業要求,力求所編秩次無邏輯上的混亂。
編制方法:
共有兩種方法,分別是整次法和非整次法;二者在於計算秩的時候公式不一樣
- 整秩法
高優指標從小到大編秩,低優指標從大到小編秩,同一指標數據相同者取平均值。
- 非整秩法
對於高優指標:
對於低優指標:
其中
一般使用整秩法
例如
均是高優指標,按從小到大編秩
(3)計算秩和比RSR值及排名
在一個 n 行( n 個評價對象)p 列( p 個評價指標)矩陣中,RSR的計算公式爲:
上式中 , , 表示第 i 行 第 j 列元素的秩。
當個評價指標的權重不同時,計算加權秩和比爲WRSR,其計算公式爲:
上式中, 表示第 j 個評價指標的權重,滿足 。
計算權重的方法有熵值法、變異係數法…等等
RSR值無量綱,最小值 ;最大值 。
按RSR值對評價對象的優劣進行直接排序。
例子
這裏引用RSR(秩和比綜合評價法)介紹及python3實現中的例子,根據公式,計算每一行的 RSR
(5)確定RSR的分佈
RSR 的分佈是指用概率單位 Probit 表達的值特定的累計頻率 。
其方法爲:
- 將RSR值按照從小到大的順序排列
- 列出各組頻數
- 計算各組累計頻數
- 確定各組RSR的秩次R及平均秩次
- 計算向下累計頻率 ,最後一項用 修正
- 根據累計頻率,查詢“百分數與概率單位對照表”,求其所對應概率單位 Probit 值
還是以上面引用的例子
更詳細的百分數與概率單位對照表
http://www.docin.com/p-2211225521.html
(7)計算直線迴歸方程
以累計頻率所對應的概率單位值 Probit 爲自變量,以RSR值爲因變量,計算迴歸方程
利用最小二乘估計,求出參數值,得出相關係數 r 和直線迴歸方程,通過 Probit ,推出 RSR 估計值
例如
①
②
(8)進行排序,按最佳分檔原則進行分檔
據各分檔排序情況下概率單位Probit值,按照最佳分檔原則對評價對象進行分檔歸類。分檔數由研究者根據實際情況決定。
一般檔次數量爲 3檔 ,也可以是 4擋、5擋
例如
①
②
③
從③的分檔,學校整體績效呈現從差–》中–》良–》優的發展趨勢,往越來越好的方向發展。
(9)進一步檢驗是否最佳分檔
最佳分檔的檢驗。在分檔之後對分檔結果進行方差一致檢驗,要求各檔差異有統計學意義。
可以用軟件實現
方差一致性檢驗(Bartlett檢驗)
參考:
《高等職業院校教師績效管理的方法研究》_郭暉雲
《基於加權秩和比法的汽車物流服務商選擇方法研究》_苗繼承
SPSS在線_SPSSAU_SPSS_秩和比RSR
RSR(秩和比綜合評價法)介紹及python3實現——python代碼