目的：(1)拟解决目前综合评价领域中亟待解决的几个重要问题：①综合评价方法一般是对总体资料(特定空间和时间)进行评价,但某些特殊情形下,需要对样本资料评价,那么在综合排序时有必要考虑抽样误差对排序结果的影响,但目前综合评价方法对评价结果只能是描述,而不能进行统计推断,因此存在着抽样误差的估计问题。②多方法评价结论的非一致性困扰问题。③多指标综合评价若干方法中的逆序问题。④常用综合评价方法的软件系统缺乏问题。(2)从方法学上进一步改进和完善医疗卫生领域应用最为广泛的静态TOPSIS (Technique for Order Preference by Similarity to Ideal Solution)法并提出新的动态TOPSIS法。方法：通过广泛查阅文献,参考国内外相关研究成果,利用Monte Carlo模拟技术,针对样本资料,构建综合评价的抽样误差随机模拟模型。基于该模型的模拟结果,提出一种解决“多方法评价结论非一致性困扰问题”的新思路,即对综合评价的“概率结论”组合。通过研究理想点法、TOPSIS法、密切值法、SAW(Simple Additive Weighting)法、优序法、秩和比法以及信息熵客观定权法的逆序现象,找出各种方法产生逆序的原因,并提出解决方案。通过分析探讨传统的静态的TOPSIS存在的缺陷,提出静态TOPSIS法的改良方法。通过文献检索,发现目前医学科研中存在大量的含有时间因素的“立体时序数据集”,而目前对此种三维数据(含有“评价对象”、“评价指标”、“评价时间”)的评价,大多采用静态综合评价方法,不能反映事物动态变化。基于医学科研的综合评价需求,提出一种新的动态TOPSIS法。广泛参考国内外多种统计软件,听取广泛相关人员组成的议题小组的意见,基于Microsoft Excel2002软件,利用Microsoft Visual Basic6.0、Microsoft Visio2002和Visual Basic for Application语言开发了综合评价方法的简体中文版软件包(Comprehensive Evaluation Software,简称CES)。并用SAS6.12for Windows自行编制相应方法的SAS程序(TOPSIS法SAS程序己发表,见文献[143]；其余SAS程序己收入教材[144]),将SAS程序与CES在同一个计算机平台上对同一资料用各种综合评价方法进行分析,然后把两种分析结果一并列出,对每个数据均比较到小数点后15位,进行SAS与CES统计分析结果的比较。结果：1.本文建立了综合评价的抽样误差随机模拟模型并给出了相应的Mablab程序。2.本文提出了“整体排序优先度”与“整体排序平均优先度”的概念,因此提出了一种综合评价结果的排序的新方法：按照“整体排序(平均)优先度”,从大到小排序。3.对于样本资料,本文将综合评价的传统“绝对结论”改为“概率结论”,并依据“整体排序(平均)优先度”可对任何综合评价方法的结果分档。4.本文模拟了TOPSIS法、SAW法、RSR法的抽样误差,发现：①即使指标独立、均服从正态分布,TOPSIS法与SAW法某些评价对象的综合评价值可能会服从正态分布,而另一些评价对象的综合评价值不服从正态分布。而RSR法的模拟RSRi值均不服从正态分布。②TOPSIS法、SAW法、RSR法的综合评价值均有上下限：0≤Ci≤1,0≤Ai≤m,0<RSRi≤1。当某评价对象的综合评价值靠近上限或下限时,则此时综合评价值可能呈偏态分布。5.本文提出了一种解决“多方法评价结论非一致性困扰问题”的新思路——从现有的组合方法中挑选合适的方法对“整体排序平均优先度”组合。即对综合评价的“概率结论”组合。6.理想点法、TOPSIS法、密切值法、SAW法、优序法、秩和比法以及信息熵客观定权法均存在逆序问题。7.理想点法产生逆序的原因：理想点的计算与评价对象紧密相连,当增加或删除含有最优点或最劣点的评价对象时,理想解选择的范围扩大或缩小了,理想点改变了,每个评价对象到理想点的距离就会发生变化,各评价对象之间的优劣顺序也很容易发生变化,从而产生逆序。TOPSIS法产生逆序的原因：①归一化矩阵的计算；②最优方案与最劣方案的计算。密切值法产生逆序的原因：①标准化矩阵的计算；②最优点与最劣点的计算；③密切值Ci=di/d-li/l的计算。SAW法产生逆序的原因：指标的标准化法中最大值与最小值的选取。优序法产生逆序的原因：优序数的给定方法与评价对象紧密相连,当增加或删除不含最大值的评价对象时,优序数必然改变,则排序结果也会改变。秩和比法产生逆序的原因：指标秩的编制方法与评价对象紧密相连,当增加或删除不含最大值的评价对象时,指标秩和秩和比必然改变,则排序结果也会改变。信息熵定权法产生逆序的原因：①归一化矩阵的计算；②信息熵的计算。8.本文提出了绝对理想点法、改进TOPSIS法、改进密切值法、改进SAW法可解决其逆序问题。9.本文提出了一种新的改良静态TOPSIS法。10.本文提出了一种基于指标值及指标增量的新的动态TOPSIS法。11.编制了综合评价软件包CES简体中文1.1版。主要包括：层次分析法、TOPSIS法、密切值法、模糊综合评价、灰色关联分析、功效系数法、秩和比法等模块。CES1.1大小约2.78M.CES1.1可在Microsoft Excel97以上版本运行,运行后成为Excel的一个菜单。自编的SAS程序与CES1.1对同一资料用不同综合评价方法的分析结果均非常接近,除了秩和比法两者主要指标的结果差异小于10-7,其余方法两者差异均小于10-12。结论：1.本文建立的综合评价的抽样误差随机模拟模型,具有通用性,灵活方便。对任何抽样资料,任何综合评价方法,该模型都适用。依据本文提出的“整体排序优先度”与“整体排序平均优先度”的概念,按照“整体排序(平均)优先度”排序,是一种有效的综合评价结果排序的新方法。2.在抽样研究中,即使指标独立、均服从正态分布,TOPSIS法、SAW法、RSR法各评价对象的综合评价值不一定会服从正态分布。当某评价对象的综合评价值靠近其上限或下限时,则此时综合评价值可能呈偏态分布。3.本文提出的综合评价结论的新表达方法与方式——“概率结论”,相对于传统的“绝对结论”,它具有更好的开放性,也更贴近实际。4.基于“概率结论”的组合法不仅包含了“绝对结论”的信息,还考虑了抽样误差的影响,其组合结果更合理、可信。5.理想点法、TOPSIS法、密切值法、SAW法、优序法、秩和比法以及信息熵客观定权法均存在逆序问题。6.本文提出的绝对理想点法、改进TOPSIS法、改进密切值法、改进SAW法均具有强保序性。7.对于逆序问题不能消除的方法,如优序法、秩和比法等,应用时应慎重考虑其评价有效范围及具体资料情况,最好适用于一个绝对无任何变动的评价对象集,当决策者合理地变更评价对象时,它们就不再适用了。对于逆序现象合理存在的信息熵定权法没有必要去消除逆序问题。可与主观赋权法结合采用组合赋权,减少逆序的发生。8.本文提出的新的改良静态TOPSIS法,它具有强保序性,并且很好的解决了传统TOPSIS法Ci值的缺陷。9.本文提出的新的动态TOPSIS法,继承了传统静态TOPSIS法的所有优点,是一种有效的综合评价方法,适用于包含了“评价对象”、“评价指标”及“评价时间”的三维资料。它可既考虑“过去情况”、“现在状况”,也关注“将来发展趋势”。10.本文研制的CES1.1,其分析结果是可靠的,它使广大实际工作者从繁杂的计算中解放出来,极大促进了综合评价方法的推广与应用。它继承了目前人们普遍使用和熟知的办公软件Excel的风格,应用界面友好,操作简单易用,对统计专业人士与非统计专业人士均适用。