《表6 多特征关联规则分析结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《聚类分析和关联分析在三级甲等医院科研绩效评价中的应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了总结分析科研人员的评价等级与科室类别、学历、职称、工龄等特征间规律，采用Apriori算法，分析单个特征对科研绩效评价等级的支持度、置信度、提升度，结果如表5所示，学历为博士研究生和评价等级优秀的提升度大于3，职称为正高和评价等级优秀的提升度大于2，学历为博士研究生和职称为正高分别与评价等级优秀具有明显的相关性。同时，在评价等级为合格时，规则提升度大于1，置信度超过80%，说明工龄不超过10年、学历为大学本科或专科、职称为初级或中级、科室类别为护理或行政的科研人员评价等级较高概率为合格，而且有一定程度的相关性。用Apriori算法分析多个特征与科研绩效评价等级间规律，结果如表6所示，以规则前项['临床'，'（20，+∞）'，'正高'，'博士研究生']为例，同时具备工龄超过20年、学历为博士研究生、职称为正高、科室类别为临床等特征的科研人员，其评价等级为优秀的概率为21.74%、提升度为5.35，评价等级为良好的概率为52.38%、提升度为2.42，说明不同评价等级的科研人员可能具备相同特征，但他们之间的概率、关联性不一样，即一般高评价等级的规则具备较强关联性、较低概率，低评价等级的规则具备较弱关联性、较高概率。评价等级为优秀和良好的科研人员，一般是高学历、高职称的临床医生。