CRITIC权重案例

• 1、背景

  研究收集到湖南省某医院2011年5个科室的数据，共有6个指标，当前希望通过已有数据分析各个指标的权重情况如何，便于医院对各个指标设立权重进行后续的综合评价，用于各个科室的综合比较等。数据如下：

  

• 2、理论

  CRITIC权重法利用了数据的波动性和相关关系情况，并非数字越大就说明越重要，完全利用数据自身的客观属性，便于进行科学评价。在进行CRITIC分析之前，通常需要对数据进行量纲化处理，一般建议使用正向化或逆向化处理，但不建议使用标准化处理，原因是如果使用标准化处理，标准差全部都变成数字1，即所有指标的标准差完全一致，这就导致波动性指标没有意义。

• 3、操作

  本例子在分析时首先对数据进行正向化或逆向化处理（前5个指标为正向指标进行正向化处理，X6出院者平均住院日为逆向指标，逆向化处理），使用生成变量功能即可完成。然后将正向化后的数据放入分析框中即可。如下图：

  

• 4、SPSSAU输出结果

  SPSSAU共输出一个表格，表格中包括指标变异性，冲突性指标的具体值，并且得到信息量值（指标变异性*指标冲突性），并得到最后的权重（即信息量的归一化值）。

• 5、文字分析

  CRITIC权重计算结果
  项	指标变异性	指标冲突性	信息量	权重
  MMS_X1:出院人数	0.391	1.003	0.392	11.05%
  MMS_X2:入出院诊断符合率(%)	0.400	0.946	0.379	10.69%
  MMS_X3:治疗有效率(%)	0.438	0.900	0.395	11.13%
  MMS_X4:平均床位使用率(%)	0.414	3.773	1.562	44.04%
  MMS_X5:病床周转次数	0.420	1.076	0.452	12.75%
  NMMS_X6:出院者平均住院日	0.427	0.859	0.367	10.35%

  本次研究利用湖南省某医院2011年共计5个科室的数据指标（共计6个指标数据）进行CRITIC权重计算，数据中并没有明显的异常值，因此也不需要删除掉异常无效样本数据，分析时首先对出院人数、入出院诊断符合率、治疗有效率、平均床位使用率、病床周转次数共5个指标数据进行正向化处理，针对出院者平均住院日进行逆向化处理，以便减少量纲问题带来的干扰，使用处理后的数据再进行分析。

  从上表可知，相对来看指标变异性上6个指标并没有明显的区别，相对来看，出院人数这个指标的变异性较小，意味着其波动较小，权重会相对较小。指标冲突性上，平均床位使用率这一指标有着非常强的冲突性，说明该指标与其它5个指标之间的相关关系较弱，它可以相对较为独立的携带信息量，与其余5个指标之间的信息重叠较小，因而平均床位使用率这个指标的权重会较高。

  从上表可以看到，最终平均床位使用率这个指标在冲突性上有着较高的信息携带，说明此指标与其余5个指标的重叠信较低，该指标最终的权重最高为44.04%，其次是病床周转次数，该指标权重为12.75%，其余4个指标的权重基本一致。

  如果希望针对各个科室进行计算综合得分，那么可以直接将权重与自身的数据进行相乘累加即可，分值越高代表该科室评价越高。

• 6、剖析

  涉及以下几个关键点，分别如下：

  • CRITIC分析之前是否需要进行量纲化处理？

  • SPSSAU建议在分析前需要对数据量纲化处理，以便统一数据的单位，避免量纲问题带来的干扰。但是并不建议标准化这种处理方式，原因在于标准化后所有指标的标准差都为1，导致指标变异性全部一致。SPSSAU建议使用正向化或逆向化处理指标进行量纲化处理。

  • 具体数据量纲化处理的意义如下页面说明：

  • https://www.spssau.com/helps/dataprocessing/generatevariable.html