R 实战综合指数评价法示例教程
本文介绍综合指数法的含义,并通过示例来说明其计算过程,并给出R实现代码。
综合指数法的含义
综合指数法是指用实际值与标准值进行对比后再使用线性综合汇总得到综合评价分值的方法。
鉴于对被评价对象的整体性评价是通过多项指标的差异来进行的。差异有绝对差异和相对差异之分,而相对差异可用指标的个体指数来反映,因此便产生了综合指数评价法。
这种方法的基本思路为:首先选择确定各指标的评价标准;然后把指标的实际值与评价标准值之间进行比较得到各个指标的个体指数;最后将计算得到的各指标个体指数加权平均得到综合评价指数。其一般计算公式为:
z :被评价对象获得的综合指数;
xi : 第i项指标的实际值;
xi0:第i项指标的评价标准;
p : 评价指标的个数;
w : 评价指标的权重;
在实践中,评价标准xi0有多种选择。纵向对比时可以确定为基础水平或历史最好水平;横向比较时可以是同类被评价对象的最好水平或评价水平。
示例
下面用综合指数方法对我国各地区乡镇企业经济效益情况进行综合评价。
我们搜集得到的我国28个省、自治区、直辖市(海南、西藏缺数据,未参加评价)的6项关于中小企业经济效益指标的数据。
考虑到数据的支持,选取以下6项指标进行评价:
X1 : 每百元固定资产原值实现利润(元);
x2 : 每百元资金实现利税(元) ;
x3 : 每百元总收入实现利润(元) ;
x4 : 每百元固定资产实现总收入( 元) ;
X5 : 每百元总收入占用流动资金(元);
x6 : 人均创造总收入(万元)。
我们选择评价标准值为全国平均水平。因此需要计算每个效益指标的均值。
由于x5每百元总收入占用流动资金是一个逆向指标,故用其倒数将其正向化。
计算过程如下:
- 读取数据
- 计算每个指标均值
- 计算每个评价对象的综合指数
- 已经综合指数进行排名
下面首先加载数据。读者可以在这里下载示例数据。
读取数据
options(digits=4)
library(tidyverse)
data <- tibble(read.csv("data/data2.csv"))names(data) <- c("loc","x1","x2","x3","x4","x5","x6")
head(data)# loc x1 x2 x3 x4 x5 x6
# <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
# 1 北京 24.0 21.2 8.73 274. 33.0 32
# 2 天津 25.0 22.3 8.89 281. 34.7 1.15
# 3 河北 30.4 22.8 12.4 245. 26.8 0.71
# 4 山西 18.8 18.8 11.7 161. 29.6 0.56
# 5 内蒙古 13.4 11.5 7.36 183. 39.3 0.53
# 6 辽宁 21.4 18.0 7.42 289. 36.9 1.04
计算指标均值
## 计算列平均值
data %>% mutate(x5=1/x5) -> datadata %>%summarise(across(where(is.numeric), mean, na.rm = TRUE)) -> mv
mv# x1 x2 x3 x4 x5 x6
# <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
# 1 16.1 15.2 7.13 231. 0.0332 1.83
综合指数
这里没有考虑权重,直接利用每个评价对象的多个指标实际值之和与标准值之和的比。最后为我们乘以100,则实际大于100表示高于平均水平。
## 计算综合指数函数
indsum <- function(x, y){(sum(x)/sum(y))*100
}## 按行计算每个评价对象的综合指数
## 最后按综合指数倒序排序data %>% rowwise() %>%mutate(z=indsum(c_across(2:7), mv)) %>%arrange(-z)
完整R代码
最后我们通过ggplot画出指数排名。
options(digits=4)
library(tidyverse)
library(scales)data <- tibble(read.csv("data/data2.csv"))names(data) <- c("loc","x1","x2","x3","x4","x5","x6")
head(data)## 计算列平均值
data %>% mutate(x5=1/x5) -> datadata %>%summarise(across(where(is.numeric), mean, na.rm = TRUE)) -> mv
mv# x1 x2 x3 x4 x5 x6
# <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
# 1 16.1 15.2 7.13 231. 0.0332 1.83## 计算综合指数函数
indsum <- function(x, y){(sum(x)/sum(y))*100
}## 按行计算每个评价对象的综合指数
## 最后按综合指数倒序排序data %>% rowwise() %>%mutate(z=indsum(c_across(2:7), mv)) %>%arrange(-z) -> data## 前10名评价对象
# loc x1 x2 x3 x4 x5 x6 z
# <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
# 1 浙江 11.6 12.6 3.36 346. 0.0228 1.18 138.
# 2 江苏 10.3 10.8 3.03 340. 0.0238 1.11 134.
# 3 北京 24.0 21.2 8.73 274. 0.0303 32 133.
# 4 天津 25.0 22.3 8.89 281. 0.0288 1.15 125.
# 5 辽宁 21.4 18.0 7.42 289. 0.0271 1.04 124.
# 6 上海 13.0 13.8 4.45 291. 0.0233 1.54 119.
# 7 福建 20.8 20.2 7.69 271. 0.0438 0.7 118.
# 8 河北 30.4 22.8 12.4 245. 0.0373 0.71 115.
# 9 山东 20.3 14.8 7.86 258. 0.0265 0.89 111.
# 10 吉林 21.5 19.1 8.64 249. 0.0365 0.78 110.ggplot(data, aes(x=reorder(loc,-z), y=z, group =1)) + geom_point() + geom_line() +ggtitle("中小企业经济效益指标") +ylab("综合指数") +xlab("评价对象") +theme(plot.title = element_text(hjust = 0.5)) +theme(axis.text.x = element_text(angle = 45, vjust = 1, hjust=1))
R 实战综合指数评价法示例教程相关推荐
- R实战 | NGS数据时间序列分析(maSigPro)
masigpro 跟着Cell学作图 | 6.时间序列分析(Mfuzz包) 一个答疑教程. maSigPro 流程 示例数据 #BiocManager::install('maSigPro') lib ...
- R实战 | 环状热图(circos)
circular_heatmap 「之前画过的热图:」 跟着 Cell 学作图 | 复杂热图(ComplexHeatmap) 跟着 Nature 学作图 | 复杂热图2.0(连续+分类变量) R实战 ...
- R 实战 | 使用clusterProfiler进行多组基因富集分析
R 实战 | 使用clusterProfiler进行多组基因富集分析 clusterProfiler这个包我就不再介绍了,网上关于用这个包做的基础的富集分析的教程已经非常多了,今天主要介绍一下使用co ...
- R实战 | 森林图绘制
R实战 | 森林图绘制 回答一下2022年VIP群里会员的问题.简单的森林图绘制. Multivariate logistic regression determined independent ca ...
- R 实战| 几种常用的绘制离散变量热图/方块图/华夫图的方法
R 实战| 几种常用的绘制离散变量热图/方块图/华夫图的方法 前言 常用方法 geom_tile ggwaffle ComplexHeatmap 总结 参考 往期 前言 多组学文章经常出现非连续变量的 ...
- R实战 | 倾向性评分匹配(PSM)
PSM 「倾向性评分匹配」(propensity score matching,PSM)是一种用来评估处置效应的统计方法.广义说来,它将样本根据其特性分类,而不同类样本间的差异就可以看作处置效应的无偏 ...
- R实战 | 置换多元方差分析(以PCoA的PERMANOVA分析为例)
adonis-cover 置换多元方差分析(Permutational multivariate analysis of variance,PERMANOVA),又称非参数多因素方差分析(nonpar ...
- R实战 | 限制性立方样条(RCS)
RCS 在科学研究中,我们经常构建回归模型来分析自变量和因变量之间的关系.大多数的回归模型有一个重要的假设就是自变量和因变量呈线性关联.当自变量和因变量之间为非线性关系时,可以将连续型变量转化为分类变 ...
- Java设计模式 - 示例教程
Java设计模式 - 示例教程 设计模式在软件开发人员中非常流行.设计模式是针对常见软件问题的良好描述的解决方案.我已经写了很多关于java设计模式的文章.您可以订阅我们的时事通讯下载PDF电子书(1 ...
最新文章
- python3笔记_python3基础笔记(一)
- python3 通过 pybind11 使用Eigen加速
- Linux之CentOS的PHP为7.2但显示5.4版本
- hosts文件中同一个域名两个IP的解析顺序
- vue php 分页组件,基于Vue.js的表格分页组件
- react leaflet_如何使用React Leaflet和Leaflet Gatsby Starter设置自定义Mapbox底图样式
- Docker开启和关闭容器自启动
- GDAL的python版本安装使用
- Atitit 分布式之道 attilax著 第4章 通信 第7章 一致性和复制 第8章 容错性 第9章 安全性 第10章 基于对象的分布式系统 第11章 分布式文件系统 第12章 基于Web的分
- 笔记本电池检测工具 BatteryInfoView 汉化
- 【VulnHub靶场】——HARRYPOTTER第二部: NAGINI
- Chrome 浏览器访问不了任何网页
- MATLAB_数值计算_线性方程组
- 海豚湾在哪_前任3中的海豚湾在哪里揭晓 热爱海洋之人的梦中圣地
- 在vue2、vue3中基于Three.js使用多张全方位照片拼接全景vr效果
- 【shell】【sed】在行前/行后插入一新行
- [NPUCTF2020]ReadlezPHP(反序列化)
- 微信公众号开发整理(五)--自定义菜单
- mysql 小球_c语言编程实例——小球跳动
- MySQL数据库软件安装
热门文章
- 全球首款用于治疗狼疮肾炎的生物制剂倍力腾在中国获批;泛生子与和黄医药达成沃瑞沙用于非小细胞肺癌的伴随诊断合作协议 | 医药健闻...
- 把ChatGPT训练成你的得力助手
- 【C语言】数组使用注意点
- 浅谈视频字幕格式---srt格式
- 微信域名检测采用官方接口
- Python 探究“一行代码画爱心”的秘密,去向心爱的人表白吧
- 20100928_Dawning_Jboss学习笔记
- java内存图片_Java程序缩放图片时,内存占用令我百思不得其解
- JS随机生成十六进制颜色
- 坐躺都无敌舒服,对老腰非常友好的保友金豪ew2代人体工学椅