在综合评价的应用中,经常由于变量维数太多而给处理带来较大困难。如果变量之间相互独立,可以筛选几个主要的变量进行降维；若变量间存在显著的相关性,可以用提取潜变量的形式进行变量综合,以达到降维的目的。而在降维过程中,样本容量和变量间是否存在偏相关性,对降维方法的选择有一定的影响。本文主要是考虑样本量相对较少,而变量之间不仅存在相关性还存在不可忽视的偏相关性的情况。首先,运用Jackknife法与探索性因子分析相结合的方式划分观测变量,并结合主观认知确定潜在因子的结构。然后,构建含潜变量的通径分析(PA-LV)模型,并将Jackknife法与通径分析的相关理论相结合,以此估计出通径系数,进而计算出在各个因子上的得分并排序。接着,检验潜在因子间的相关性;若独立,则通过赋权完成综合评价:若相关,则采用类似求潜在因子的方法计算最终得分。最后,本文用实际医疗数据建模进行实例分析,并与层次分析法和PLS通径的结果进行对比说明。