基于SPSS軟件分析美國(guó)洛杉磯城市特征

基于SPSS軟件分析醫(yī)院綜合評(píng)價(jià)指標(biāo)數(shù)學(xué)與計(jì)算科學(xué)學(xué)院統(tǒng)計(jì)學(xué)學(xué)號(hào)：201330091073張雅婧摘要運(yùn)用SPSS軟件分析主要運(yùn)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(píng)價(jià)指標(biāo)。關(guān)鍵詞SPSS；因子分析；綜合評(píng)價(jià)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(duì)醫(yī)院進(jìn)行醫(yī)療績(jī)效評(píng)價(jià)，是促進(jìn)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(gè)主因子的方差貢獻(xiàn)率為權(quán)重來(lái)構(gòu)造綜合評(píng)價(jià)函數(shù)的，具有很強(qiáng)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(jī)效進(jìn)行綜合評(píng)價(jià)。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(lǐng)域的科學(xué)研究中，為了全面客觀地分析問(wèn)題，往往要考慮從多方面觀察所研究的對(duì)象，要收集多個(gè)觀察指標(biāo)的數(shù)據(jù)。如果一個(gè)一個(gè)地分析這些指標(biāo)，無(wú)疑會(huì)造成對(duì)研究對(duì)象的片面認(rèn)識(shí)，也不容易得到綜合的、一致性很好的結(jié)論。主成分分析就是考慮各指標(biāo)間的相互關(guān)系，利用降維的思想把多個(gè)指標(biāo)轉(zhuǎn)換成較少的幾個(gè)互不相關(guān)的綜合指標(biāo)，從而使進(jìn)一步研究變得簡(jiǎn)單的一種統(tǒng)計(jì)方法。2.2因子分析探討存在相關(guān)關(guān)系的變量之間，是否存在不能直接觀察到但對(duì)可觀測(cè)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(xiàng)指標(biāo)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(zhuǎn)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(gè)指標(biāo)來(lái)探討綜合評(píng)價(jià)指標(biāo)。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(guò)程及輸出結(jié)果和分析主要是運(yùn)用SPSS軟件進(jìn)行因子分析，由于各變量間存在一定的相關(guān)關(guān)系，因此有可能用較少的綜合指標(biāo)，分別綜合存在于各變量中的各類信息。其主要步驟是：對(duì)各醫(yī)院的原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，求相關(guān)陣及特征根值、方差貢獻(xiàn)率、累積方差貢獻(xiàn)率；根據(jù)各因子的貢獻(xiàn)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(xiàn)率為權(quán)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(xiàng)，展開(kāi)FactorAnalysis對(duì)話框。將這8個(gè)變量移到Variables框中。在對(duì)話框中，單擊Descriptives按鈕，展開(kāi)相應(yīng)的對(duì)話框。①在statitics欄中選擇要求輸出的統(tǒng)計(jì)量：選中UnivariateDescriptives,要求顯示單變量的描述統(tǒng)計(jì)量；選中Initialsolution，要求顯示初始因子分析結(jié)果。②在CorrelationMatrix欄中選擇要求輸出的相關(guān)矩陣。（4）在主對(duì)話框中，單擊Extraction按鈕，展開(kāi)Extraction對(duì)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(xiàng)。②在Analyze欄中選擇Correlationmatrix分析相關(guān)矩陣項(xiàng)。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(xiàng)。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(rèn)值25.在主對(duì)話框中單擊Rotation按鈕，展開(kāi)Rotation對(duì)話框。①在Method旋轉(zhuǎn)方法欄中，選擇Varimax最大方差旋轉(zhuǎn)。②在Display欄中選擇Rotatedsolution和Loadingplot（s）,前者要求顯示旋轉(zhuǎn)后的結(jié)果，后者要求顯示因子載荷圖。（6）再主對(duì)話框中，單擊Scores按鈕，展開(kāi)FactorScores對(duì)話框。選中Displayfactorscorecoefficientmatrix,輸出因子得分系數(shù)矩陣。（7）在主對(duì)話框中，單擊Options按鈕，展開(kāi)Options對(duì)話框；在MissingValue欄中選擇ExcludecasesListwise;在CoefficientDisplayFormat欄中選擇Sortedbysize.(8)在主對(duì)話框中，單擊OK按鈕執(zhí)行運(yùn)算。4.2數(shù)據(jù)分析圖表解釋下面將分析運(yùn)用SPSS軟件16.0分析此醫(yī)院36個(gè)月的數(shù)據(jù)。以下各表即為運(yùn)用軟件所出的結(jié)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(zhuǎn)數(shù)1.0483.1520236平均住院天數(shù)25.83862.4095036治愈好轉(zhuǎn)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(jì)量，自左至右顯示了變量標(biāo)簽，各變量的均值，各變量的標(biāo)準(zhǔn)差，參與計(jì)算這些統(tǒng)計(jì)量的觀測(cè)量數(shù)。但是單獨(dú)看單變量描述統(tǒng)計(jì)量無(wú)法得到合適的結(jié)論。所以需要進(jìn)行其他的數(shù)據(jù)分析。下面將進(jìn)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(duì)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(guān)矩陣的特征值。第一列是因子編號(hào)，以后三列組成一組，每組中數(shù)據(jù)項(xiàng)的含義依次是特征值、方差貢獻(xiàn)率和累計(jì)方差貢獻(xiàn)率。ExtractionSumsofSquaredLoadings為因子提取結(jié)果，是未經(jīng)旋轉(zhuǎn)的因子載荷的平方和。RotationSumsofSquaredLoadings是旋轉(zhuǎn)后的因子載荷的平方和。這些值是用于確定哪些因子應(yīng)保留，由于前三個(gè)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(gè)因子的特征值之和占總方差的78%，即前四個(gè)因子解釋原始9個(gè)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(gè)因子將概括絕大部分信息。明顯的拐點(diǎn)為4，考慮到貢獻(xiàn)率，因此提取4個(gè)因子比較合適。證實(shí)了表2的結(jié)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(zhuǎn)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(zhuǎn)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(guān)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(zhuǎn)的轉(zhuǎn)換矩陣。表下方是有關(guān)因子提取與旋轉(zhuǎn)方法的說(shuō)明：使用主成分法提取因子，使用Varimax最大方差旋轉(zhuǎn)。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(zhuǎn)數(shù).467.808.050.209治愈好轉(zhuǎn)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(zhuǎn)后因子載荷矩陣。表中給出旋轉(zhuǎn)后的因子與原始變量的相關(guān)矩陣，是按系數(shù)絕對(duì)值由大到小排列?？梢钥闯鼋?jīng)過(guò)旋轉(zhuǎn)后相關(guān)系數(shù)已經(jīng)明顯地發(fā)生變化了。第一主成分Component1對(duì)出院人數(shù),搶救成功率有絕對(duì)值較大的相關(guān)系數(shù)，可以將Component1視為醫(yī)療質(zhì)量因子，第二主成分Component2對(duì)病床利用率病床周轉(zhuǎn)數(shù)有絕對(duì)值較大的相關(guān)系數(shù)，可以將Component2視為病床利用效率因子，第三主成分Component3對(duì)治愈好轉(zhuǎn)率，病死率有絕對(duì)值較大的相關(guān)系數(shù)，可以將Component3視為醫(yī)療質(zhì)控因子，第四主成分Component4對(duì)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(zhuǎn)數(shù).142.373.000.120平均住院天數(shù)-.130-.222.233.317治愈好轉(zhuǎn)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(biāo)準(zhǔn)化值，可以計(jì)算每個(gè)觀測(cè)量的各因子的得分?jǐn)?shù)，并可以據(jù)此對(duì)觀測(cè)量進(jìn)行進(jìn)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(zhuǎn)率為，病死率為，診斷符合率為，搶救成功率為.旋轉(zhuǎn)后的因子表達(dá)式可以寫(xiě)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(jì)回歸因子分?jǐn)?shù)的協(xié)方差矩陣，即因子的相關(guān)矩陣?？梢钥闯鲂D(zhuǎn)后Component1，Component2，Component3，Component4之間是完全不相關(guān)的。對(duì)醫(yī)院進(jìn)行綜合評(píng)價(jià)，這里采用計(jì)算因子加權(quán)總分的方法，其中權(quán)重的確定是關(guān)鍵。這里僅從單純的數(shù)量上考慮，以因子的方差貢獻(xiàn)率為權(quán)數(shù)。于是，計(jì)算公式為：可以計(jì)算出醫(yī)院每個(gè)月的主成分得分及綜合得分。結(jié)論通過(guò)上述的分析已經(jīng)得到了因子表達(dá)式以及求醫(yī)院的綜合評(píng)價(jià)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