概念与定义
2.核心思路
负向指标转换：将负向指标乘以-1，统一为“数值越大越好”；
编秩：对每个指标按设定规则（整秩或非整秩）进行排名；
加权合成：根据权重对秩值加权求和，生成RSR值；
分档与回归：通过Probit转换实现分档分析，并结合线性回归验证RSR分布规律性。
适用类型：
多维度综合评价：当需要将多个定量指标合并为一个整体评分时，例如企业绩效评估（产值、利润率、能耗等）；
正向/负向指标混合：支持同时处理“数值越大越好”（如收益）和“数值越小越好”（如缺陷率）的指标；
灵活权重设置：支持熵权法、等权法或自定义权重。
1.选择分析方法
Step1.登录https://www.spss-ai.com；在首页或左侧菜单选择「秩和比综合评价法(RSR)」；
Step2.在右侧配置页面设置参数（如编秩方式、分档数量、权重模式）；点击进入数据上传与变量配置页面。
2.上传分析数据
Step1.支持 XLSX、CSV、SAV、DTA、SAS7BDAT 五种文件类型，第一行为列名，以下为数据记录。
Step2.点击后，预览数据数据无误点击上传。
变量类型：
所有指标需为数值型，文本或分类变量需提前转换；
样本量：样本量建议≥30条，过少可能导致秩值不稳定；
缺失值处理：建议提前剔除或修正异常值，否则可能导致结果失真。
3.数据拖拽开始分析
step1.在中间面板选择并勾选，拖拽到右侧面板的对应“拖拽区”。
step2.参数设定（子类型选择）
step3.点击“开始分析”，系统后台计算后生成报告并跳转到报告页面。
变量类要求：
正向指标区：拖入“数值越大越好”的列（如收益、质量评分）；
负向指标区：拖入“数值越小越好”的列（如缺陷率、污染量）；
索引变量（可选）：拖入对象名称列（如城市名）。
参数设定：
编秩方式：
非整秩（average）：并列值取平均秩；
整秩（dense）：秩值连续无间断；
自动：系统根据样本量自动选择。
分档数量：选择3~7档，用于后续分档分析；
权重模式：
熵权法（默认）：基于指标离散度自动计算权重；
等权法：各指标权重相等；
自定义：手动设置权重比例（需在高级选项中配置）。
输出结果一：指标权重计算
熵值(e)：反映指标离散度，值越低表示权重越高；
权重(w)：基于熵值计算的各指标权重；
解读：权重越高，指标对综合评分的影响越大。
输出结果二：秩值计算
标准化值(X)：原始数据的归一化结果；
秩值(R)：各指标的排名值；
解读：秩值越高，对应指标表现越好
输出结果三：RSR分布表
RSR值排序：所有对象的RSR值按从小到大排列；
Probit值：用于分档的参考值；
解读：RSR值分布越集中，样本差异越小。
输出结果四：线性回归
回归方程：基于RSR与Probit的线性拟合；
R²值与p值：R²越高、p值越显著，说明RSR分布规律性越强；
解读：若拟合度高，可基于回归方程进行分档或预测。
输出结果五：拟合效果图
实际RSR曲线 vs 回归拟合曲线；
解读：若两条曲线重合度高，说明模型解释效果良好。
输出结果六：分档排阶临界值
分档数量：根据选择的档位（如3档）生成临界值；
解读：用于将样本划分为不同等级。
输出结果七：分档等级结果
对象分档：每个对象对应的档次（如第1档、第2档）；
解读：便于快速区分样本的优劣水平。
数据质量：缺失值或异常值过多可能导致结果失真，建议提前处理；
样本规模：样本量建议≥30条，过少可能导致秩值不稳定；
负向指标：必须正确放置在负向区，否则结果方向会颠倒；
权重选择：熵权法仅基于数据离散度，可能与实际业务重要性不符，需结合业务需求调整；
后续分析：若结果不理想，可尝试更换指标、调整权重或分组评价。
一、 数据归一化与同趋势化
目的：将不同量纲、不同方向的指标统一为 [0,1] 区间内的标准化值。
处理方式：
正向指标：
负向指标：
注意：Xmin=min(X1j,…,Xnj)−0.0001，Xmax=max(X1j,…,Xnj)+0.0001，用于避免数据全相同的情况。
二、构造秩矩阵
输入：n 个评价对象，m 个指标，构建数据矩阵 (n×m)。
输出：秩矩阵 R=(Rij)n×m，其中 Rij 表示第 i 个对象的第 j 个指标的秩。
三、非整秩和比法
目的：避免传统RSR法中秩次化导致的定量信息损失。
公式：
效益型指标：
成本型指标：
四、计算秩和比
权重相同：
权重不同：
Wj 为第 j 个指标的权重，权重和为 1。
五、回归方程拟合
输入：probit 值为自变量，RSR（或 WRSR）值为因变量。
输出：直线回归方程。
六、分档排序
步骤：根据回归方程计算的 RSR（或 WRSR）估计值，对评价对象进行分档排序。
结果：RSR 值越大，评价对象越优。
# 参考文献
1.田凤调. 秩和比法及其应用[M]. 北京: 中国统计出版社, 1993。
2.刘浩然, 汤少梁. 基于 TOPSIS 法与秩和比法的江苏省基本医疗服务均等化水平研究[J]. 中国全科医学, 2016, 19(7): 819-823. DOI:10.3969/j.issn.1007-9572.2016.07.017。
3.张文博, 王晓军. 秩和比法在医学数据评价中的应用[J]. 中国卫生统计, 2010, 27(4): 412-414。
4.李明, 陈晓红. 秩和比法在区域经济发展评价中的应用研究[J]. 统计与决策, 2012, (12): 12-15。
5.王小明, 张志刚. 秩和比法在教育评价中的应用[J]. 教育理论与实践, 2015, 35(10): 56-59
