综合评价是依据多个指标对研究对象进行评价和排序的过程,针对一个具体的综合评价问题,可选择的评价方法有很多,它们的基本思想均是将多个评价指标转化成一个能够反映整体情况的综合指标,从而实现评价对象的优劣排序。各种综合评价方法解决问题的思路不同、数据准标化的方法不同、以及集成评价信息的方式不同,因此,不同的评价方法往往得到不完全一致的评价结果。而评价方法的选择以及评价结果的好坏并没有明确的标准,这说明该领域在理论和应用上有许多问题亟待解决。本研究的主要目的是解决综合评价方法的选择的问题,以便实际工作者在特定场合下加以合理选择;此外,还要解决综合评价中分档及软件运算的问题。本研究主要的内容如下:1、综合评价方法的比较:各种综合评价方法分为非参数综合评价方法和多元统计综合评价方法两类,它们的提出都有特殊的背景和意义,因而会有适合自身的应用范围,也就是说方法的优劣没有绝对的评判标准。本研究将探讨综合评价方法的异同点、优缺点以及应用范围,并且尝试方法学的改进和评价。2、探索解决评价对象分档问题的新途径:在综合评价应用中,有时评价者不仅关心评价对象的优劣排序,而且想知道这些评价对象如何分档,而目前尚无适当的手段来解决该问题。本研究尝试引入多元统计分析方法中的聚类分析,特别是有序样品聚类的思想,以期更科学、更合理地实现评价对象的分档。3、解决综合评价软件运算的问题:由于综合评价方法的运算较复杂,而目前各种统计软件都没有相应的运算程序,这使得其研究和应用受到一定程度的制约。SAS软件在数据处理和统计分析方面是国际上的标准软件,具有灵活方便、功能齐全的特点,用户可以通过强大SAS语言(比如宏、数组、函数、以及SQL等)进行编程,解决复杂的具体问题。本研究将尝试利用SAS软件编制相应的自动化运行程序,尽量做到智能化和通用化,当程序应用到其他类似的场合时,仅需作少量的修改就可以迅速、准确地完成综合评价。本研究的主要结论如下:1、不同方法对于同一资料的综合评价结果往往是具备一致性的,Kendall协调系数可以衡量这种一致程度,Spearman秩相关系数有助于从多种综合评价结果中遴选最终结果,不过最终的结果仍要依据专业解释。不同方法排序结果的差别是由方法学原理不同造成的,尤其是在评价对象较多、数据的变异程度较小、以及评价指标数过多或存在相关性的情形,因此,非参数综合评价方法可以应用于比较简单的场合。多元统计分析方法中的主成分分析和因子分析利用降维的思想,实现精简评价指标、提炼数据信息的目的,从而解决综合评价中指标互相关联造成的信息重叠的问题,可以应用于比较复杂的场合。不过它们均为探索性研究方法,没有固定的综合评价策略,而且模型的好坏很大程度上取决于资料的性质,因此最终的评价结果并不总是科学合理的。在综合评价时,主成分分析往往只能提取第1个主成分,而因子分析可以提取多个公因子,并且可以尝试不同的模型求解方法和因子旋转方式,得到更满意的评价结果。作为一种相对较新的非参数多元统计方法,统计深度函数可以将多指标数据转化为单一的统计深度指标,这种思想也可以应用于综合评价中。2、聚类分析可以解决评价对象分档的问题,无序样品聚类可以进行探索性研究,初步探讨评价对象的分类情况;有序样品聚类则可以对综合排序评价结果进行再分档的研究,体现评价对象之间的客观差距,而且可以确定最佳的分档个数,因此具有特殊的实用价值和广阔的应用前景。3、本研究基于SAS软件编制了常用综合评价方法的配套程序,包括秩和比法、Topsis法、熵值法、功效系数法、主成分分析、统计深度函数、因子分析以及聚类分析,实例应用的结果表明,这些程序准确可靠、容易理解、应用方便,具有一定的推广价值。总之,本研究对几种典型综合评价方法进行了系统地比较,为其实际应用提供参考;此外,利用聚类分析的思想解决了综合评价分档问题;最后,编制了配套的SAS程序以便实现综合评价运算过程。该研究发展和丰富了综合评价的理论体系。