基于SPSS軟件分析醫(yī)院綜合評價指標數(shù)學與計算科學學院統(tǒng)計學學號：201330091073張雅婧摘要運用SPSS軟件分析主要運用因子分析一醫(yī)院3年中各月的數(shù)據(jù)，從而建立此醫(yī)院醫(yī)療綜合評價指標。關鍵詞SPSS；因子分析；綜合評價一、引言醫(yī)療質(zhì)量和效率是醫(yī)院生存的第一生命，而對醫(yī)院進行醫(yī)療績效評價，是促進醫(yī)院發(fā)展非常有用的方法。因子分析法是根據(jù)原始變量組成的每個主因子的方差貢獻率為權重來構造綜合評價函數(shù)的，具有很強的客觀合理性。因此，本研究將利用該方法醫(yī)院的醫(yī)療績效進行綜合評價。主成分分析及因子分析的基本原理2.1主成分分析在各領域的科學研究中，為了全面客觀地分析問題，往往要考慮從多方面觀察所研究的對象，要收集多個觀察指標的數(shù)據(jù)。如果一個一個地分析這些指標，無疑會造成對研究對象的片面認識，也不容易得到綜合的、一致性很好的結論。主成分分析就是考慮各指標間的相互關系，利用降維的思想把多個指標轉換成較少的幾個互不相關的綜合指標，從而使進一步研究變得簡單的一種統(tǒng)計方法。2.2因子分析探討存在相關關系的變量之間，是否存在不能直接觀察到但對可觀測變量的變化起支配作用的潛在因子的分析方法稱為因子分析。因子分析就是尋找潛在的起支配作用的因子模型的方法。醫(yī)院的各項指標3.1數(shù)據(jù)下表即為醫(yī)院3年中各月的數(shù)據(jù)，包括門診人次為，出院人數(shù)為，病床利用率為，平均住院天數(shù)為，治愈好轉率為，病死率為，診斷符合率為，搶救成功率為。本研究將利用一下8個指標來探討綜合評價指標。t14.34389.0099.061.2325.4693.153.5697.5161.6623.45271.0088.28.8523.5594.312.4497.9473.3334.38385.00103.971.2126.5492.534.0298.4876.7944.18377.0099.481.1926.8993.862.9299.4163.1654.32378.00102.011.1927.6393.181.9999.7180.0064.13349.0097.551.1027.3490.634.3899.0363.1674.57361.0091.661.1424.8990.602.7399.6973.5384.31209.0062.18.5231.7491.673.6599.4861.11t94.06425.0083.27.9326.5693.813.0999.4870.73104.43458.0092.39.9524.2691.124.2199.7679.07114.13496.0095.431.0328.7593.433.5099.1080.49124.10514.0092.991.0726.3193.244.22100.0078.95134.11490.0080.90.9726.9093.684.9799.7780.53143.53344.0079.66.6831.8794.773.59100.0081.97154.16508.0090.981.0129.4395.752.7798.7262.86164.17545.0092.981.0826.9294.893.1499.4182.35174.16507.0095.101.0125.8294.412.8099.3560.61184.86540.0093.171.0727.5993.472.7799.8070.21195.06552.0084.381.1027.5695.153.1098.6369.23204.03453.0072.69.9026.0391.944.5099.0560.42214.15529.0086.531.0522.4091.523.8498.5868.42223.94515.0091.011.0225.4494.882.5699.3673.91234.12552.0089.141.1025.7092.653.8795.5266.67244.42597.0090.181.1826.9493.033.7699.2873.81253.05437.0078.81.8723.0594.464.0396.2287.10263.94477.0087.34.9526.7891.784.5794.2887.34274.14638.0088.571.2726.5395.161.6794.5091.67283.87583.0089.821.1622.6693.433.5594.4989.07294.08552.0090.191.1022.5390.363.4797.8887.14304.14551.0090.811.0923.0691.652.4797.7287.13314.04574.0081.361.1426.6593.741.6198.2093.02323.93515.0076.871.0223.8893.823.0995.4688.37333.90555.0080.581.1023.0894.382.0696.8291.79343.62554.0087.211.1022.5092.433.2297.1687.77353.75586.0090.311.1223.7392.472.0797.7493.89363.77627.0086.471.2423.2291.173.4098.9889.80四、SPSS操作過程及輸出結果和分析主要是運用SPSS軟件進行因子分析，由于各變量間存在一定的相關關系，因此有可能用較少的綜合指標，分別綜合存在于各變量中的各類信息。其主要步驟是：對各醫(yī)院的原始數(shù)據(jù)進行標準化，求相關陣及特征根值、方差貢獻率、累積方差貢獻率；根據(jù)各因子的貢獻率和載筒系數(shù)選取主因子并命名；根據(jù)因子得分系數(shù)矩陣，得到各因子的得分函數(shù)：以各主因子的方差貢獻率為權數(shù)，得到各醫(yī)院的綜合得分函數(shù)。4.1操作SPSS的步驟：（1）讀取數(shù)據(jù)文件。按Analyze→DataReduction→Factor順序單擊菜單項，展開FactorAnalysis對話框。將這8個變量移到Variables框中。在對話框中，單擊Descriptives按鈕，展開相應的對話框。①在statitics欄中選擇要求輸出的統(tǒng)計量：選中UnivariateDescriptives,要求顯示單變量的描述統(tǒng)計量；選中Initialsolution，要求顯示初始因子分析結果。②在CorrelationMatrix欄中選擇要求輸出的相關矩陣。（4）在主對話框中，單擊Extraction按鈕，展開Extraction對話框。①在Method因子提取方法參數(shù)框，選擇Principalcomponents主成分分析選項。②在Analyze欄中選擇Correlationmatrix分析相關矩陣項。③在Extract欄中選擇Numberoffactors,并在其小矩形框中輸入提取因子數(shù)4.④在Display欄中選擇要求的輸出項。⑤在MaximumIterationforConvergence參數(shù)框中，選擇停止迭代的最大迭代次數(shù)。使用默認值25.在主對話框中單擊Rotation按鈕，展開Rotation對話框。①在Method旋轉方法欄中，選擇Varimax最大方差旋轉。②在Display欄中選擇Rotatedsolution和Loadingplot（s）,前者要求顯示旋轉后的結果，后者要求顯示因子載荷圖。（6）再主對話框中，單擊Scores按鈕，展開FactorScores對話框。選中Displayfactorscorecoefficientmatrix,輸出因子得分系數(shù)矩陣。（7）在主對話框中，單擊Options按鈕，展開Options對話框；在MissingValue欄中選擇ExcludecasesListwise;在CoefficientDisplayFormat欄中選擇Sortedbysize.(8)在主對話框中，單擊OK按鈕執(zhí)行運算。4.2數(shù)據(jù)分析圖表解釋下面將分析運用SPSS軟件16.0分析此醫(yī)院36個月的數(shù)據(jù)。以下各表即為運用軟件所出的結果。表1DescriptiveStatisticsMeanStd.DeviationAnalysisN門診人次4.0928.3656636出院人數(shù)483.138999.9054336病床利用率88.42588.3154136病床周轉數(shù)1.0483.1520236平均住院天數(shù)25.83862.4095036治愈好轉率93.12561.4404136病死率3.2664.8389536診斷符合率98.23641.6685636搶救成功率77.418310.7165236表1為單變量描述統(tǒng)計量，自左至右顯示了變量標簽，各變量的均值，各變量的標準差，參與計算這些統(tǒng)計量的觀測量數(shù)。但是單獨看單變量描述統(tǒng)計量無法得到合適的結論。所以需要進行其他的數(shù)據(jù)分析。下面將進行因子分析。在因子分析中研究的是包含原始變量絕大部分信息的綜合變量，對原始變量不分因變量和自變量。TotalVarianceExplainedComponentInitialEigenvaluesExtractionSumsofSquaredLoadingsRotationSumsofSquaredLoadingsTotal%ofVarianceCumulative%Total%ofVarianceCumulative%Total%ofVarianceCumulative%12.80731.19431.1942.80731.19431.1942.30525.60825.60821.99122.12453.3171.99122.12453.3171.84320.47646.08531.44816.09269.4101.44816.09269.4101.46416.26162.3464.7858.72378.133.7858.72378.1331.42115.78778.1335.6817.56385.6966.5416.01491.7107.4535.03496.7448.1751.93998.6839.1191.317100.000ExtractionMethod:PrincipalComponentAnalysis.表2為各成分的公因子方差表，InitialIgenvalues是相關矩陣的特征值。第一列是因子編號，以后三列組成一組，每組中數(shù)據(jù)項的含義依次是特征值、方差貢獻率和累計方差貢獻率。ExtractionSumsofSquaredLoadings為因子提取結果，是未經(jīng)旋轉的因子載荷的平方和。RotationSumsofSquaredLoadings是旋轉后的因子載荷的平方和。這些值是用于確定哪些因子應保留，由于前三個因子的特征值都大于1，因子分析的目的是減少成分，由于%ofVariance為各成分所解釋的方差占總方差的百分比。前四個因子的特征值之和占總方差的78%，即前四個因子解釋原始9個變量的78%的變異。這樣既減少了變量的數(shù)目，又能夠用較少的主成分反映原有變量的絕大部分信息。圖1圖1表現(xiàn)各成分特征值的碎石圖。分析碎石圖可以看出因子1，因子2，因子3，因子4之間的特征值之差值比較大。而其他因子之間的特征值差值都比較小，可以初步得到保留4個因子將概括絕大部分信息。明顯的拐點為4，考慮到貢獻率，因此提取4個因子比較合適。證實了表2的結果。表3ComponentMatrixaComponent1234出院人數(shù).766.128.091.508搶救成功率.737-.366.059.021平均住院天數(shù)-.724.125.440.189病床周轉數(shù).689.661-.071-.020診斷符合率-.623.402.041-.116病床利用率.244.776-.086-.443門診人次-.255.770.008.470治愈好轉率.039-.071.888-.009病死率-.405-.164-.663.243ExtractionMethod:PrincipalComponentAnalysis.a.4componentsextracted.表3為初始提取的因子載荷矩陣。由于相關系數(shù)比較接近，不好命名。表4ComponentTransformationMatrixComponent12341.856.420.138-.2702-.177.755.033.6313-.050-.148.981.1124.484-.482-.130.719ExtractionMethod:PrincipalComponentAnalysis.RotationMethod:VarimaxwithKaiserNormalization.表4為因子旋轉的轉換矩陣。表下方是有關因子提取與旋轉方法的說明：使用主成分法提取因子，使用Varimax最大方差旋轉。表5RotatedComponentMatrixaComponent1234出院人數(shù).874.159.132.250搶救成功率.703.015.145-.408診斷符合率-.662.092-.017.343平均住院天數(shù)-.572-.367.311.459病床利用率-.138.915.033.096病床周轉數(shù).467.808.050.209治愈好轉率-.003-.164.876.038病死率-.166-.312-.744.106門診人次-.127.246-.064.893ExtractionMethod:PrincipalComponentAnalysis.RotationMethod:VarimaxwithKaiserNormalization.a.Rotationconvergedin7iterations.表5是旋轉后因子載荷矩陣。表中給出旋轉后的因子與原始變量的相關矩陣，是按系數(shù)絕對值由大到小排列?？梢钥闯鼋?jīng)過旋轉后相關系數(shù)已經(jīng)明顯地發(fā)生變化了。第一主成分Component1對出院人數(shù),搶救成功率有絕對值較大的相關系數(shù)，可以將Component1視為醫(yī)療質(zhì)量因子，第二主成分Component2對病床利用率病床周轉數(shù)有絕對值較大的相關系數(shù)，可以將Component2視為病床利用效率因子，第三主成分Component3對治愈好轉率，病死率有絕對值較大的相關系數(shù)，可以將Component3視為醫(yī)療質(zhì)控因子，第四主成分Component4對門急診因子。表6ComponentScoreCoefficientMatrixComponent1234門診人次.144-.036-.073.699出院人數(shù).532-.159.017.439病床利用率-.265.612.040-.190病床周轉數(shù).142.373.000.120平均住院天數(shù)-.130-.222.233.317治愈好轉率-.018-.106.604.035病死率.064-.204-.512.158診斷符合率-.299.126.023.084搶救成功率.268-.047.067-.163ExtractionMethod:PrincipalComponentAnalysis.RotationMethod:VarimaxwithKaiserNormalization.ComponentScores.表6是因子得分系數(shù)矩陣。根據(jù)因子得分系數(shù)和原始變量的標準化值，可以計算每個觀測量的各因子的得分數(shù)，并可以據(jù)此對觀測量進行進一步的分析。令門診人次為，出院人數(shù)為，病床利用率為，平均住院天數(shù)為，治愈好轉率為，病死率為，診斷符合率為，搶救成功率為.旋轉后的因子表達式可以寫成：表7ComponentScoreCovarianceMatrixComponent123411.000.000.000.0002.0001.000.000.0003.000.0001.000.0004.000.000.0001.000ExtractionMethod:PrincipalComponentAnalysis.RotationMethod:VarimaxwithKaiserNormalization.ComponentScores.表7是估計回歸因子分數(shù)的協(xié)方差矩陣，即因子的相關矩陣。可以看出旋轉后Component1，Component2，Component3，Component4之間是完全不相關的。對醫(yī)院進行綜合評價，這里采用計算因子加權總分的方法，其中權重的確定是關鍵。這里僅從單純的數(shù)量上考慮，以因子的方差貢獻率為權數(shù)。于是，計算公式為：可以計算出醫(yī)院每個月的主成分得分及綜合得分。結論通過上述的分析已經(jīng)得到了因子表達式以及求醫(yī)院的綜合評價的公式，于是可得下表：表8tFAC1FAC2FAC3FAC4綜合得分1-.795151.32909-.32718.168770.041954172-1.56646.22243.84166-2.69539-0.6440906483-.786481.48473-.64069.131950.0192521174-1.410021.40487.56736-.073730.0072060145-1.165011.731911.01526-.194230.1907279116-1.40622.90520-1.64449-.08267-0.455212867-.796191.14140-.92685.22034-0.0861175298-1.93494-3.17631-.57413.51555-1.1578838419-.71975-.52450.41198-.05158-0.2328574810-.26843.23017-1.59060.33991-0.22661511911-.37796.15005.32654.384020.04763480412-.18941.18241-.42871.37173-0.02220220713.07848-1.20836-.70297.67561-0.23501844114-1.55080-1.915361.17451-.86640-0.735057451tFAC1FAC2FAC3FAC4綜合得分15-.67347-.256101.67038.83702006777.17461.98583.485550.29003919717-.76474.53106.75532.303780.08366670618-.12316.32054.473851.960000.42045506119.51768-.57671.871292.673870.57812445420-.29520-1.56019-1.39514.51736-0.54027959821.29183.14868-1.42041.12732-0.1057039822-.34185.264321.17044-.266370.11487162623