一、概念
秩和比法是一种将古典参数统计和近代非参数统计进结合,并融其各自优点于一身的统计分析方法,1988年由田风调教授提出,适合对行列表格的资料进行综合评价,也可应用于分类及计量资料的综合评价。
秩和比(RSR)指在多指标综合评价中,表中各评价对象 n 秩次的相对平均值(若评价指标权重不同,则需要指标乘以权重),是一个非参数计量,具有0-1区间连续变量的特征。
其基本思想是在一个 n 行(n 评价对象)p 列(p 个评价指标)矩阵中,通过秩转换,获得无量纲的统计量RSR,以RSR值对评价对象的优劣进行排序或分档排序。
在综合评价中,秩和比的值能够包含所有评价指标的信息,显示出这些评价指标的综合水平,RSR值越大表明综合评价越优。
- 优点:因为 RSR 只使用了数据的相对大小关系,而不真正运用数值本身,所以此方法综合性强,可以显示微小变动,对离群值不敏感;能够对各个评价对象进行排序分档,找出优劣,是做比较,找关系的有效手段;能够找出评价指标是否有独立性。
- 缺点:通过秩替代原始指标值,会损失部分信息;不容易对各个指标进行恰当的编秩。
二、步骤
Step1:列出原始数据,一行代表一个评价对象,一列代表一个评价指标。
Step2:由原始数据进行计算秩值;
Step3:利用Step2的秩值,计算得到RSR值和RSR值排名;
Step4:列出RSR的分布表格情况并且得到Probit值;
Step5:计算回归方程;
Step6:进行排序,并且进行分档等级。
(1)列出原始数据表
根据评价的目的,选择适当的评价指标。使用专业知识区分指标是高优还是低优。一般高优指标是指效益型指标,即指标的数值越大越理想;低优指标就是成本型指标,即指标的数值越小越理想
有时,指标的属性要根据不同的研究目的加以确定,还有一些指标为不分高优与低优的指标。
列出原始数据表。假设有n个待评价样本,p项评价指标,形成原始指标数据矩阵:
其中 表示第 i 个样本第 j 项评价指标的数值。
例如:
GDP | 就业人数 | 财政支出 | 人均可支配收入 | |
---|---|---|---|---|
北京 | xx | xx | xx | xx |
上海 | xx | xx | xx | xx |
广州 | xx | xx | xx | xx |
深圳 | xx | xx | xx | xx |
成都 | xx | xx | xx | xx |
重庆 | xx | xx | xx | xx |
天津 | xx | xx | xx | xx |
(2)计算秩值
根据每一个具体的评价指标按其指标值的大小进行排序,得到秩次R,用秩次R来代替原来的评价指标值。
根据编秩结果建立各指标的秩次数据矩阵。
:表示第 i 个样本第 j 项评价指标的秩次。
这里的秩可以理解成是一种顺序或者排序,它是根据原始数据的排序位置进行求解
例如:
高优指标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
编出每个指标各对象的秩,这是秩和比法运用成败的关键之一。编秩时,应充分体现专业要求,力求所编秩次无逻辑上的混乱。
编制方法:
共有两种方法,分别是整次法和非整次法;二者在于计算秩的时候公式不一样
- 整秩法
高优指标从小到大编秩,低优指标从大到小编秩,同一指标数据相同者取平均值。
- 非整秩法
对于高优指标:
对于低优指标:
其中
一般使用整秩法
例如
均是高优指标,按从小到大编秩
(3)计算秩和比RSR值及排名
在一个 n 行( n 个评价对象)p 列( p 个评价指标)矩阵中,RSR的计算公式为:
上式中 , , 表示第 i 行 第 j 列元素的秩。
当个评价指标的权重不同时,计算加权秩和比为WRSR,其计算公式为:
上式中, 表示第 j 个评价指标的权重,满足 。
计算权重的方法有熵值法、变异系数法…等等
RSR值无量纲,最小值 ;最大值 。
按RSR值对评价对象的优劣进行直接排序。
例子
这里引用RSR(秩和比综合评价法)介绍及python3实现中的例子,根据公式,计算每一行的 RSR
(5)确定RSR的分布
RSR 的分布是指用概率单位 Probit 表达的值特定的累计频率 。
其方法为:
- 将RSR值按照从小到大的顺序排列
- 列出各组频数
- 计算各组累计频数
- 确定各组RSR的秩次R及平均秩次
- 计算向下累计频率 ,最后一项用 修正
- 根据累计频率,查询“百分数与概率单位对照表”,求其所对应概率单位 Probit 值
还是以上面引用的例子
更详细的百分数与概率单位对照表
http://www.docin.com/p-2211225521.html
(7)计算直线回归方程
以累计频率所对应的概率单位值 Probit 为自变量,以RSR值为因变量,计算回归方程
利用最小二乘估计,求出参数值,得出相关系数 r 和直线回归方程,通过 Probit ,推出 RSR 估计值
例如
①
②
(8)进行排序,按最佳分档原则进行分档
据各分档排序情况下概率单位Probit值,按照最佳分档原则对评价对象进行分档归类。分档数由研究者根据实际情况决定。
一般档次数量为 3档 ,也可以是 4挡、5挡
例如
①
②
③
从③的分档,学校整体绩效呈现从差–》中–》良–》优的发展趋势,往越来越好的方向发展。
(9)进一步检验是否最佳分档
最佳分档的检验。在分档之后对分档结果进行方差一致检验,要求各档差异有统计学意义。
可以用软件实现
方差一致性检验(Bartlett检验)
参考:
《高等职业院校教师绩效管理的方法研究》_郭晖云
《基于加权秩和比法的汽车物流服务商选择方法研究》_苗继承
SPSS在线_SPSSAU_SPSS_秩和比RSR
RSR(秩和比综合评价法)介绍及python3实现——python代码