秩和比综合评价法(RSR)

所属分类：综合评价

这个方法是做什么的

秩和比法是医学与卫生管理领域的常规综合评价工具。它把每个指标同向化并归一化成 X 值，再把 X 编成秩 R，加权平均得到秩和比 RSR = Σ(w·R)/n；RSR 越大越优。真正让它区别于其他排序法的是后半段：把 RSR 的评价秩数转成百分位、再转成 Probit 值（最大秩行按 (1−1/4n)×100% 修正以避免取到无穷），然后用 RSR 对 Probit 做一元线性回归，最后按 Probit 的惯例临界点（3 档取 4 和 6）由回归方程反算出 RSR 的分档临界值，把对象划进若干档。

所以这份报告有两条结论线：一条是精确名次，一条是档位，而后者才是本方法的主打——报告卡⑤明确写着分档结果比精确名次更稳健、医学与卫生管理领域通常以分档作为主要结论。三个下拉控件都会改结果：编秩方法（非整秩法按 R = 1+(n−1)·X 保留差距信息，整秩法按 1~n 排序只保留次序）、变量权重（熵权法／自定义权重／不设置权重）、分档数量（3~7 档）。第四张卡给出回归的 R²、F 检验、残差正态性，以及权重扰动与两种编秩方法的对照。

需要准备什么数据

• 放入正向指标 [定量]（可选）：定量变量（数值）
• 放入负向指标 [定量]（可选）：定量变量（数值）
• 放入评价对象 [定类]（可选）：定类变量（分组/标签）

数据要求

• 数据表至少 5 行。
• 单列缺失率不超过 30%。

以上条目由系统从该方法的校验规则直接生成，与上传数据时的实际拦截规则一致。

什么时候用它

• 医院、疾控、区域卫生这类需要按惯例出“优／良／差”分档结论的评价
• 名次相近、你不想在报告里区分谁第 6 谁第 7，只想说清各自属于哪一档
• 指标里同时有效益型与成本型，希望同向化与归一化都由系统一步完成
• 想有一个可检验的量来判断“这套秩转换成不成立”——本方法的 R² 就是这个角色

前提是至少 2 个有效对象才能编秩，但 Probit 变换与回归依赖百分位分辨率，数据要求里建议对象数不少于 10 个；分档数还应明显小于不重复 RSR 值的个数，否则会出现空档。第一张卡会把这几件事逐条核过一遍：不重复 RSR 值有多少个、分档设置是否合理、有没有零区分度的常数指标，以及指标之间有没有 |r|≥0.9 的信息重复——RSR 是各指标秩次的加权平均，重复的信息会被计两次。

什么时候不要用它

• 结论必须是一个精确名次，不接受分档：用「优劣解距离法(TOPSIS)」，它按贴近度直接给唯一次序。
• 想让方法自己判断“第一名的领先够不够大”：用「多准则妥协解排序法(VIKOR)」，它有可接受优势条件与妥协解集合。
• 只需要权重，不需要综合评价：用「熵值法」「CRITIC权重法」或「变异系数法」。
• 评的是投入产出效率：用「数据包络分析(DEA)」。
• 被评对象只有一个，要判断它属于哪个等级：用「模糊综合评价」，RSR 的分档需要一批对象才能做出来。
• 你要的是指标之间的关联强弱，不是对象排名：用「灰色关联分析」或「Pearson相关性分析」。

容易误读的地方

• 分档数选大了会出现只有一个对象的档，而卡①仍然说“分档设置合理”。 演示数据 15 个对象改成 7 档实测，各档对象数是 2、2、2、3、1、1、4——第 5、6 档各只剩 1 个。卡①那句判断只核对了“分档数是否小于不重复 RSR 值的个数”，并不检查每档是否有足够对象。分档数要按业务含义定，并回卡②的分档归属表数一遍每档人数。
• 分档用的是实测 RSR，不是表里那列“RSR拟合值”。 拟合值来自回归外推，可能落到 RSR 的定义域之外——演示数据里第一名的拟合值是 1.043，而 RSR 的上界是 1。它只是用来画拟合图和反算临界值的中间量，不要当成“修正后的得分”去排名。
• R² 高只说明 Probit 线性化成立，不说明这套指标体系选对了。 演示数据的 R²=0.9642、F(1,13)=350.599、p<0.0001，这些数字回答的是“秩次分布转成 Probit 后与 RSR 是否呈线性”，也就是分档临界值可不可信；指标选得对不对、方向标没标反，它一概不管。
• 两种编秩方法给的 RSR 数值不一样，名次一致只是本次数据的结果。 同一份演示数据实测：非整秩法下第一名 RSR=0.9398、R²=0.9642，整秩法下变成 0.9496 与 0.9508，两种编秩的名次 Spearman ρ=1.0000。整秩法丢掉了指标取值的差距信息，当某个对象在某项上遥遥领先时，两法就会分道扬镳——所以编秩方法必须在方法部分写明，并看一眼第四张卡的编秩对照行。
• “自定义权重”是主观赋权，不要和熵权法的结果混着报。 选它之后权重来自你在权重弹窗里填的数值（系统只做归一化），报告表注也会写明这是主观赋权。它可以让评价体现专业判断，但结论的合理性完全由你给的依据支撑，不能借客观赋权的名义呈现。

报告里有什么

1. 输出结果一：数据概览与前提检验
2. 输出结果二：秩值计算、Probit 回归与分档主结果表
3. 输出结果三：可视化（模型拟合图与 RSR 排序图）
4. 输出结果四：效应量与事后分析（回归解释力、权重与编秩敏感性）
5. 输出结果五：结论与学术表述