中人心理健康状况分析

中人心理健康状况分析

摘要

本文利用改进层次分析法的模糊综合评价模型来评价军人心理健康的状况，主要是为了避免仅靠测试均分所出现的严重误差，使测试结果更加具有合理性和说服力，因为军人是是个不同于普通社会群体的特殊职业，不能用SCL - 90 症状自评量表直接测量出均分与常模进行比较。

问题一中，需要通过赋权来突出某些因素对心理健康状况造成重大影响的作用，本文提出了直接根据单指标相对隶属度的模糊评价矩阵，构造层次分析法中的判断矩阵，用以确定各评价指标权重。给出了用加速遗传算法检验和修正判断矩阵的一致性和计算判断矩阵各要素的权重的模糊综合评价模型，对数据整合处理得出最终的模糊评价的综合指标值zjwiri,j，从而得出适合军人心理健康评价的模型，测试数据结果表明，

i1n军人的各项指标的不健康率在16%左右，而地方人员的不健康率在5%左右，说明军人心理健康问题已经日趋突出。

要想解决军人心理健康问题的根源，就要分析其所处的环境、心理发展情况，题二中，对家庭教养方式、军营环境、管理模式、上级领导的工作态度与军人心理健康军人的关联程度进行分析，根据样本观测值通过简单相关分析计算得到样本两个变量的相关系数

rni1xxyyiii1n

利用样本数据进行检验简单相关系数，根据实际得出此简单相关分析存在缺陷，所以利用偏相关分析以及其它相关系数分析去求得相应的关联程度，这样有助于客观评价。从上述分析得出上级态度和军营环境的适应程度对军人心理健康关联程度比较明显，而家庭教养方式和管理方式对军人心理健康影响不是那么显著。

问题三主要是关于如何对提出的疏导策略（积极正向策略）进行定量预测分析，疏导策略是针对每个指标而定的，旨在有效降低测试分数，趋向正常，本文利用多元非线性回归分析得出四类解决方案下的治疗效果：

i3a0a1x1a2x2a3x3a13x13bbxbxbxbx4i601122331313yi7i8c0c1x1c2x2c3x3c13x13

9i10d0d1x1d2x2d3x3d13x13i1xxyy2iin2通过结果预算得出采取的策略越是全面，效果越是显著，方案四融合了四个策略，不健康人数减少了一半。

问题四通过采集我旅官兵的测试数据进行分析，得出其不健康率与原始样本相近，所以表明，该模型具有一定的简便性、实用性和普适性，计算结果较为客观和稳定，在各类职业的心理健康的综合评价中具有推广应用价值。

关键词： 军人心理健康 层次分析法 综合模糊评价 加速遗传算法 相关性分析 多元回归分析

一、问题重述

（1）问题一，在一般情况下，通过将测试出的影响心理健康状况的因素在“SCL-90测试量表”的平均分与常模做比较，得出其心理健康状况，然而，事实上，这种测试方法存在诸多不合理之处和片面之处，可能会因总体分数高而弥补了单个因素造成的重大影响，从而造成测试出错误的结果。试建立军人心理健康状况的评价模型，并根据附件2中的样本数据找出各类心理不健康者。

（2）根据实际，进一步分析影响军人心理健康的主要原因，并分析家庭教养方式、军营环境、管理模式、上级领导的工作态度与军人心理健康的关联程度。

（3）本着为及时了解我人的心理健康状况并适时给予干预, 以期提高军人的心理健康状况为目标,根据各类存在心理健康问题者的具体情况，提出相应具体的疏导策略，并对其策略的有效性进行定量预测分析。

（4）利用附件1的测试量表在本单位进行测试，用来检验你们模型的适用性和有效性，对其结果进行对比分析。

二、模型假设

1、假设此题所给的数据为典型相关数据，一定程度上能够代表当今现役军人的心理健康总体情况。

2、假设观测变量中所有单变量为正态分布和多变量的联合分布为多元正态分布。虽然典型相关分析对于这个假设不太严格，但是变量在正态分布情况下，可以获得更高的相关系数。

3、假设误差的方差齐次，即形成典型变式的误差项的分布差相等。

三、符号说明

Bi： 男军人i年兵(i1,2，i3时为女军人)

mij： Bi类人第j类指标不健康的分数R： 单评价指标的模糊评价矩阵

W: 由90个问题权值的权值组成的矩阵

zj： 模糊评价的综合指标值（第j个个体心理健康程度） Y： 军人心理健康 X1: 家庭教养方式 X2： 军营环境 X3： 管理模式

X4： 上级领导的工作态度 r: 样本相关系数

i类指标的分数 yi: 方案干预后第四、中人心理健康状况模糊综合评价模型

4.1 问题背景

针对问题一，既要考虑整体，又要兼顾个体，本文在采用层次分析法的同时，利用matlab程序设计排除某几个因素造成的重大影响，首先将测试模型分为十个指标，其中利用已有的资料，可得出我人症状自评量表常模，由参考文献《我人症状自评量表常模的建立及其结果分析》中看出，性别和军龄对测试结果影响较大（常模中

军龄和性别不同，测试结果有较大差异，）,分类原理如图（详细情况见附表）

一年兵B1男军人二年兵B2总体样本女军人B3

图1 样本分类图

4.2 模型建立 4.2.1 原始模型

根据资料和样本数据显示，性别、军龄、独生子女、类别、学历层次、家庭结构、家庭教养方式、对军营环境适应程、管理、上级态度、人际交往等十多个因素中，性别和军龄对测试结果有着极大的影响，所以本文充分考虑到各方面因素，以性别和军龄为基本点，将样本数据分为三类，三类的“常模”标准不同，通过分析比较，制得不同性别、军龄军人SCL-90 结果比较表，在统计中，女性个体比例较少，所以分为男军人一年、男军人两年、女军人（女军人受军龄影响程度可以忽略不计）。对样本数据进行测试，测试标准如下表，

表1 不同性别、军龄军人SCL-90结果比较（xs,分）

项 目 男性 女性 1年组 2年组 躯体化 1.570.59 1.230.32 1.320.35 强迫 人际敏感 忧郁 焦虑 敌对 恐怖 偏执 精神病性 阳性项目数 阳性项目总分 总分

1.760.60 1.760.61 1.0.61 1.520.52 1.570.59 1.340.44 1.0.63 1.490.49 32.5918.50 1.630.05 143.1622.97

1.480.61 1.580.62 1.430.61 1.490. 1.580.61 1.330.43 1.510.48 1.410.32 28.5120.10 1.480.05 138.5019.30

1.700.52 1.730.55 1.560.52 1.420.41 1.460.48 1.420.45 1.560.51 1.390.39 31.3212.30 1.440.14 135.0014.00

matlab程序设计中，利用上述原始条件，将样本数据带入将各因素的平均分与常模做比

较，可以得出每个人在常模的测试中所得的测试结果，测试结果显示表二。

表2.三类人中各项指标不在常模范围内的总人数

B1（979） m11 m12 m13 m14 m15 m16 m17 m18 m19 m110 人数 163 342 385 308 180 155 1 393 162 144 B2（152） m21 m22 m23 m24 m25 m26 m27 m28 m29 m210 人数 31 23 19 19 16 14 20 90 100 10 B3（83） m31 m32 m33 m34 m35 m36 m37 m38 m39 m310 人数 11 31 35 23 30 18 11 35 15 10

我人SCL-90常模测试标准：

（1）总分超过143.1622.97（B1）、138.5019.30（B2）、135.0014.00（B3）范围 （2）阳性项目数超过43项 （3）任一因子分超过2分

通过比较个体在三项测试中测试结果的一致性，得出被测的心理健康状况。 1．B1类总分与军人常模比较出不在常模范围类的总人数为678人。 2．B2类总分与军人常模比较出不在常模范围类的总人数为134人。 3．B3类总分与军人常模比较出不在常模范围类的总人数为67人。

4.2.2 基于改进层次分析法的模糊综合评价模型

为了测试的降低错误率，建立基于改进层次分析法的模糊综合评价模型，本文提出了根据模糊评价矩阵构造用于确定各评价指标权重的判断矩阵的新思路，同时用加速遗传算法检验、修正判断矩阵的一致性和计算AHP中各要素的权重的模糊综合评价新模型(AHP_FCE)，模型的建立主要分四个步骤：

(1)研究军人心理健康卫生状况评价系统的实际情况，从代表性、系统性和适用性等的角度，建立模糊综合评价的评价指标体系，由各评价指标的样本数据建立单评价指标的相对隶属度的模糊评价矩阵。模糊综合评价的最终目的就是在论域 个方案之间作相对优劣的比较，从中选择相对最优的方案，这种优选与论域以外的方案无关，根据这—优化的相对性可以确定各评指价标值的相对隶属度和论域中相对优等方案与相对次等方案。不失一般性，设有n=90个评价指标组成对全体m=1214的评价指标样本集数据xi,j|i1n,j1m,各指标xi,j均为非负值。为确定单个评价指标的相对隶属度的模糊评价矩阵，消除各评价指标的量纲效应，使建模具有通用性，需对样本数据集xi,j进行标准化处理。为了尽可能保持各评价指标值的变化信息，对越小越优型指标的标准化处理公式可取为

ri,jxmaxixminixi,j/xmaxixmini （1——01）

式中：xmaxi、xmini分别为样本个体第i个指标的最小值、最大值; ri,j为标准化

后的评价指标值，也就是第j 个人第i 个评价指标从属于优的相对隶属度值，i1n,j1m。以这些r(i,j)值为元素可组成单评价指标的模糊评价矩阵Rri,j。

(2)模糊评价矩阵Rri,jBbijnnnmnm 构造用于确定各评价指标权重的判断矩阵

。模糊综合评价的实质是一种优选过程，从综合评价的角度看，若评价指标i1

的样本系列{ri1,j|j1m的变化程度比评价指标i2 的样本系列

2ri,j|j1m的变化程度大，则评价指标i传递的综合评价信息比评价指标i传递

12的综合评价信息多。基于此，可用各评价指标的样本标准差

m siri,jr/m （1——02）

2j1m反映各评价指标对综合评价的影响程度，并用于构造判断矩阵B。其中rri,j/m为各

0.52j1评价指标下样本系列的均值，i1n于是，按照式(4)可得到1～9 级判断尺度的判断矩阵：

bm11,sisjs(i)s(j)/smaxsminbij (1——03)

1/s(i)s(j)/smaxsminbm11,sisj

式中：smax、smin分别为s(i)|i1n的最小值和最大值；相对重要性程度参数值

bmmin9,intsmax/smin0.5,min和int分别为取小函数和取整函数。

(3)判断矩阵B的一致性检验、修正及其权重wii1n的计算，要求满足：wi0 和

w。根据判断矩阵B的定义，理论上有

ti1nbijwi/wj i,j1n (1——04)

现在的问题就是由已知判断矩阵bijnn，来推求各评价指标的权重值

wi|i1n。若判断矩阵B 满足式(5)，决策者能精确度量wi/wj,bijwi/wj，判断矩

阵B 具有完全的一致性，则有

|bwiji1j1nnjwi|0 (1——05)

式中:||为取绝对值。由于实际评价系统的复杂性、人们认识上的多样性以及主观上的片面性和不稳定性，判断矩阵B 的一致性条件不完全满足在实际应用中是客观存在、无法完全消除的，AHP法只要求判断矩阵B 具有满意的—致性，以适应各种复杂系统。若B不具有满意的一致性，则需要修正。设B的修正判断矩阵为YYijnn，Y 各要素的权重值仍记为wi|i1n，则称使式(7)最小的Y 矩阵为B 的最优一致性判断矩阵

minCICn|yijbij|/n|yijwijwi|/n2

2i1j1i1j1nnnn s..t yij1 i1n,ji1n

1/yjiyij n （1——07）bijdbij,bijdbij i1n,j11wi0 i1n

wi1ni1

nd为非式中：称目标函CICn为一致性指标系数(Consistency Inde x Coeffici)e；

负参数，根据笔者的经验可从0,0.5内选取；其余符号同前。式(7)是一个常规方法较难处理的非线性优化问题，其中权重值wi|i1n和修正判断矩阵YYijnn的上三角矩阵元素为优化变量，对n 阶判断矩阵B 共有nn1/2个的优化变量。显然，式(7)左端的CICn值越小则判断矩阵B的一致性程度就越高，当取全局最小值

CICn0时则YB 且式(6)和式(5)成立，此时判断矩阵B 具有完全的一致性，又根据约束条件wi1知，该全局最小值是唯一的。模拟生物优胜劣汰规则与群体内部

i1n染色体信息交换机制的加速遗传算法AGA，是一种通用的全局优化方法，用它来求解式(7)所示的问题较为简便而有效。AGA算法可参见文献[2，8]。对于不同阶数n 的

判断矩阵，其一致性指标系数值CICn也不同。为了度量判断矩阵是否具有满意的一致性，这里引入判断矩阵的平均随机一致性指标系RICn值。用随机模拟方法分别对

3～n阶各构造500 个随机判断矩阵，它们满足判断矩阵的单位性和倒数性，但不保证判断矩阵满足一致性条件，计算这些随机矩阵的一致性指标系数值，然后平均即得RICn值

表3 判断矩阵平均随机一致性指标系数RIC(n)值

阶数n RIC(n)

3 0.578

4 0.487

5 0.451

6 0.377

7 0.321

8 0.308

9 0.277

可见，RICn值在0.277～0.578之间。经大量的实例计算，当判断矩阵的一致性指标系数CICn0.10 时，可认为该判断矩阵具有满意的一致性，据此计算的各评价指标的权重值wi 是可以接受的；否则需提高参数d，直到具有满意的一致性为止，

经过matlab程序设计得出权值矩阵W

0.8310.5431.0650.9741.134W=0.8030.9321.3941.20310.9431.0781.4500.8401.3021.0321.0030.50.23110.30.31.5901.0620.7941.5330.6341.2301.21010.3400.8760.7811.3000.9501.4030.7540.7080.49011.4031.0970.8431.0201.00.8140.9531.0200.85910.4020.6320.6010.1421.0320.4151.4921.0031.04510.8561.6320.5140.5390.70401.23201.03211.6030.7331.3041.0010.9340001.30200.9941.3230.8521.8430.9120001.00401.4941.44301.0290.5980001.62400000000.31.0031.3540000000000000000001.0331.2080

(4)把各评价指标的权重值wi 与个体相应评价指标的相对隶属度值ri,j相乘并累加，可得模糊评价的综合指标值zjwiri,j j1m综合指标值zj越小说明第

i1n

j个个体心理健康程度越优。

进过数据处理和算法代入，得出

表4 类人中十项指标的不正常人数

B1 (979) J11 J12 J13 J14 J15 J16 J17 J18 J19 J110

154 166 128 145 180 143 188 126 163 144

J21 J22 J23 J24 J25 J26 J27 J28 J29 J210

B2 (152) 28 19 19 18 14 14 21 16 20 10

J31 J32 J33 J34 J35 J36 J37 J38 J39 J310

B3 (83) 12 8 13 11 10 9 9 12 14 6

对表1和表4进行整理比较，得到表5:

表5——表1与表4的结果比较

B1 (979)

J11--J110 154 166 128 145 180 143 188 126 163 144

m11--m110

163 342 385 308 180 155 1 393 162 144

28 19 19 18 14 14 21 16 20 10

B2 (152)

J21--J210

m21--m210

31 23 19 19 16 14 20 90 100 10

12 8 13 11 10 9 9 12 14 6

B3 (83)

J31--J310

m31--m310

11 31 35 23 30 18 11 35 15 10

通过比较，可以看出优化模型所得测试结果更具实际性和可靠性，以上表1 数据中红色标记的明显不符合实际（甚至脱离了现实意义），而优化模型恰恰弥补了这一缺陷。

五、基于相关分析建立的关联度分析

5.1 简单相关系数的定义

简单相关分析是对两个变量之间的相关程度进行分析。单相关分析所用的指标称为单相关系数，又称为单相关系数、Pearson（皮尔森）相关系数或相关系数。通常以表示总体的相关系数，以r表示样本的相关系数。总体相关系数的定义式是：

CoX,YVarXVarY （5——01）

其中，CoX,Y是随机变量X 和Y 的协方差；VarX和VarY分别为变量X 和

Y的方差。总体相关系数是反映两变量之间线性相关程度的一种特征值，表现为一个常

数。样本相关系数的定义公式是：

rni1xxyyiii1n （5——01）

2xxyy2iii1n样本相关系数是根据样本观测值计算的，抽取的样本不同，其具体的数值也会有所差异。可以证明，样本相关系数是总体相关系数的一致估计量。 5.2 简单相关系数的检验

在实际的客观现象分析研究中，相关系数一般都是利用样本数据计算的，因而带有一定的随机性，样本容量越小其可信程度就越差。因此也需要进行检验，即对总体相关系数是否等于0进行检验。

数学上可以证明，在X与Y都服从于正态分布，并且又有0的条件下，可以采用t检验来确定r的显著性。其步骤如下： 首先，计算相关系数r的t值：

r t （5——02）

21rn2其次，根据给定的显著性水平和自由度n2，查找t分布表中相应的临界值t/2（或

p 值）。若|t|t/2或p）表明r在统计上是显著的。若|t|t/2（或p），表明r在统计上是不显著的。

我们对于家庭教养方式、军营环境、管理模式、上级领导的工作态度、和军人心理健康的关联程度，可以用SPSS计算军人心理健康Y与家庭教养方式X1、军营环境X2、管理模式X3、上级领导的工作态度X3的相关系数并进行显著性检验。在已知的“SCL-90测试量表”中提取相关参数如下表所示： X1 X2 X3 X4 Y 4.000 2.000



1.000 1.000



1.000 3.000



1.000 2.000



1.333 1.256



4.000 2.000 1.000 3.000 1.378

SPSS求出结果如下所示:

相关性 控制变量 家庭教养方Pearson 相式X1 关性 显著性（双侧） N 对军营环境Pearson 相适应程度X2 关性 显著性（双侧） N 管理X3 Pearson 相关性 显著性（双侧） N 上级态度X4 Pearson 相关性 显著性（双侧） N 军人心理健Pearson 相康Y 关性 显著性（双侧） N 对军营环家庭教养境适应程方式X1 度X2 1 1214 .027 .355 1214 -.190** .000 1214 .074** .009 1214 .027 .355 1214 1214 .020 .481 1214 .188** .000 1214 .312** .000 1214 上级军人心理健管理态度康 X3 X4 Y .027 -.190** .074** .027 .355 1214 1 .000 1214 .009 1214 .355 1214 .312** .000 1214 -.010 .729 1214 .466** .000 1214 1 1214 .020 .188** .481 1214 1 1214 .018 .534 .000 1214 .018 .534 1214 1 1214 1214 -.010 .466** .729 1214 .000 1214 **. 在 .01 水平（双侧）上显著相关。

从结果可以看出，军人心理健康Y与对军营环境适应程度X2的相关系数r=0.312， P值=000，在α=0.01 水平下线性关系显著。军人心理健康Y与上级态度X4相系数

r=0.466， P值=000，在α=0.01 水平下线性关系显著。但是，我们可得出还有家庭教养方式X1和管理X3与军人心理健康Y的相关性不明显，可以根据实际得出此简单相关分析存在缺陷，所以我们应该用多种相关分析去求得相应的关联程度，这样有助于客观评价。所以下面将再用两个分析方法来计算。 5.3 偏相关分析

在多变量的情况下，变量之间的相关关系是很复杂的。在对其他变量的影响进行控制的条件下，衡量多个变量中某两个变量之间的线性相关程度的指标称为偏相关系数。偏相关系数不同于前面所介绍的简单相关系数。在计算简单相关系数时，只需要掌握两

个变量的观测数据，并不考虑其他变量对这两个变量可能产生的影响。而在计算偏相关系数时，需要掌握多个变量的数据，一方面考虑多个变量相互之间可能产生的影响，一方面又采用一定的方法控制其他变量，专门考察两个特定变量的净相关关系。在多变量相关的场合，由于变量之间存在错综复杂的关系，因此偏相关系数与简单相关系数在数值上可能相差很大，有时甚至符号都可能相反。简单相关系数受其他因素的影响，反映的往往是表面的非本质的联系，而偏相关系数则较能说明现象之间真实的联系。 在明确偏相关系数与简单相关系数区别的基础上，我们再来讨论偏相关系数的定义公式。在偏相关中，根据固定变量数目的多少，可分为零阶偏相关、一阶偏相关、⋯、p1 阶偏相关。零阶偏相关就是简单相关。如果用下标0 代表Y，下标1代表X2，下标2代表X2，则变量Y 与变量X1之间的一阶偏相关系数为：

r01r02r12 r012 （5——04）

221r021r12 r 是剔除X2 的影响之后，r01,r02,r12分别是 Y，Y与X1之间的偏相关程度的度量；

X1，X2 两两之间的简单相关系数。设增加变量X3，则变量Y与X1 的二阶偏相关系数为：

r0123r02r032r1321r03221r322 （5——04）

一般地，考察多个变量时，Y 与Xi i1,2,,p的p1阶偏相关系数，可由

744、745和以下746式组成一组递推公式进行计算。

r0i12i1i1pr0i12i1i1p1r0p12p1rip12i1i1p11r20p12p1

对偏相关系数的显著性检验与简单相关系数的显著性检验类似。读者无须记住上面的繁琐公式，只要理解其基本思想，就可以用SPSS 可直接计算出偏相关系数大小及P值并进行判断。

根据实际情况我们了解家庭教养方式对于每个军人来说是参军之前形成的而且对每个军人的心理影响很大，这里把军人心理健康Y与家庭教养方式X1分为一组控制变量，另外的三组变为第二组固定变量，然后运用二阶偏相关系数来计算。

SPSS输出偏相关分析结果： 相关性 对军营环境管上级态控制变量 适应程度 理 度 对军营环境适应程相关性 1.000 .029 .049 军人心理度 显著性（双. .317 .085 健康 &家侧） 庭教养方df 0 1210 1210 式 管理 相关性 .029 1.000 .040 显著性（双.317 . .169 侧） 上级态度

1r2ip12i1i1p1 （5——05）

df 相关性 1210 .049 0 .040 1210 1.000

显著性（双侧） df .085 1210 .169 1210 . 0 从表中可以看出此偏相关分析结果不明显，不过可以提供一个分析家庭教养方式、军营环境、管理模式、上级领导的工作态度与军人心理健康的关联程度的一个依据。 5.4 其它相关系数分

前面介绍了简单相关系数和偏相关系数的计算及检验，它们是最常用的相关系数，但仅适用于度量定距变量（或定比变量）与定距变量（或定比变量）之间的线性相关程度。在实际问题中，经常要计算定类变量或定序变量的“相关系数”，这时必须选用其它合适的度量方法。 5.4.1Spearman等级相关系数的定义和计算。

Spearman等级相关系数适用于度量定序变量与定序变量之间的相关系数，是由统计学家斯皮尔曼（C.Spearman）首先提出的，其计算公式为：

6di2 rs1 (5——06) 2nn1

其中，di(xiyi),xi和yi分别是两个变量按大小（或优劣等）排位的等级（称为秩），n是样本的容量。与简单相关系数类似，Spearman等级相关系数的取值区间为：1rs1为正值时，存在正的等级相关，ｒs取负值时，存在负的等级相关。rs1,表明两个变量的等级完全相同，存在完全正相关。rs1，表明两个变量的等级完全相反，存在完全的负相关。

5.4.2 Spearman等级相关系数检验

Spearman 等级相关系数是根据一定的样本计算的。两个变量的总体是否存在显著的等级相关也需要进行检验。当样本容量n大于20 时，可利用以下t统计量，进行等级相关系数的显著性检验。

当总体等级相关系数 s0 时，可证明t服从自由度为n2的t 分布。在给定的显著水平下，如按上式计算的t值（或者 p值）大于临界值t/2n2 （或p）,则可以认为s 与0 显著差别，即两种现象（两个变量）的总体是否存在显著的等级相关。

SPSS计算Spearman等级相关系数得出结果如下表所示：

相关系数 Spearman 的 rho 家庭教养方式 相关系数 Sig.（双侧） N 对军营环境适应程度 相关系数 Sig.（双侧） N 家庭教养方式 1.000 . 1214 .058* .044 1214 对军营环境适应程度 .058* .044 1214 1.000 . 1214 管理 上级态度 军人心理健康 -.1** .000 1214 -.003 .907 1214 .082** .004 1214 .186** .000 1214 -.042 .142 1214 .350** .000 1214

管理 相关系数 Sig.（双侧） N -.1** .000 1214 .082** .004 1214 -.042 .142 1214 -.003 .907 1214 .186** .000 1214 .350** .000 1214 1.000 . 1214 .020 .495 1214 .007 .813 1214 .020 .495 1214 1.000 . 1214 .399** .000 1214 .007 .813 1214 .399** .000 1214 1.000 . 1214 上级态度 相关系数 Sig.（双侧） N 军人心理健康 相关系数 Sig.（双侧） N *. 在置信度（双测）为 0.05 时，相关性是显著的。

**. 在置信度（双测）为 0.01 时，相关性是显著的。

由此表我们可以看出用0.05or0.01等级相关系数算Y,X1,X2,X3,X4的关联程度还是比较好的，比如上级态度X4与军人心理健康Y的相关系数r0.399，p0.000，显著性0.01下的相关性是显著的。

（）Kendall（肯德尔）的tau相关系数及其检验

Kendall（肯德尔）的tau相关系数由统计学家Kendall提出，适用于度量两个定序变量X与Y之间的相关。共有三种形式：taua、taub和tauc，公式分别为：

NsNd taua (5——07)

nn1/2NSNd taub (5——08)

nn1/2TXnn1/2TY2mNSNd tauc (5——09)

n2m1其中,Ns为X和Y的同序对的数目；Nd为X和Y的异序对的数目； Tx为X中同分对的数目；Ty为Y中同分对的数目；n为样本容量；m为X与Y等级数较小者。所谓同序对是指变量大小顺序相同的两个样本观测值，即其X的等级高低顺序与Y的等级顺序相同，否则称为异序对；所谓同分对是指等级相同的一对样本观测值，如果样本容量为n，则样本观测值两两组对的话一共可以有nn1/2对。

一般情况下，taua是在没有同分对时采用，它表示同序对的数目与异序对的数目的差在全部可能对数中所占的比例。如果有同分对时常用taub和tauc；如果X和Y的等级数相同，则可用taub，否则用tauc。由于五项指标都是采用的评分制所以Y,X1,X2,X3,X4等级相同，我们采用taub来计算得出结果。

SPSS计算的家庭教养方式、军营环境、管理模式、上级领导的工作态度、和军人心理健康的关联程度得出的相关性及相关系数如下表所示:

相关性 家庭教养方式 对军营环境适应程度 管理 上级态度 军人心理健康

家庭教养方式 Pearson 相关性 显著性（双侧） N 1 .027 -.190** .074** .027 1214 .027 .355 1214 1 .000 1214 .020 .009 1214 .188** .355 1214 .312** 对军营环境适应Pearson 相关程度 性 显著性（双侧） N 管理 Pearson 相关性 显著性（双侧） N 上级态度 Pearson 相关性 显著性（双侧） N 军人心理健康 Pearson 相关性 显著性（双侧） N .355 1214 -.190** 1214 .020 .481 1214 1 .000 1214 .018 .000 1214 -.010 .000 1214 .074** .481 1214 .188** 1214 .018 .534 1214 1 .729 1214 .466** .009 1214 .027 .000 1214 .312** .534 1214 -.010 1214 .466** .000 1214 1 .355 1214 .000 1214 .729 1214 .000 1214 1214 **. 在 .01 水平（双侧）上显著相关。

相关系数 Kendal军人心理健康 l 的 tau_b 上级态度 相关系数 Sig.（双侧） N 相关系数 Sig.（双侧） N 家庭教养方式 相关系数 Sig.（双侧） N 对军营环境适应相关系数 程度 Sig.（双侧） N 军人心理健康 1.000 . 1214 .301** .000 1214 -.034 .138 1214 .284** .000 1214 上级态度 .301** .000 1214 1.000 . 1214 .072** .005 1214 .169** .000 1214 家庭教养方式 -.034 .138 1214 .072** .005 1214 1.000 . 1214 .055* .042 1214 对军营环境适应程度 .284** .000 1214 .169** .000 1214 .055* .042 1214 1.000 . 1214 管理 .005 .816 1214 .017 .510 1214 -.174** .000 1214 -.002 .935 1214

管理 相关系数 Sig.（双侧） N .005 .816 1214 .017 .510 1214 -.174** .000 1214 -.002 .935 1214 1.000 . 1214 *. 在置信度（双测）为 0.05 时，相关性是显著的。 根据上表我们可以得出：运用SPSS中相关分析中taub相关系数及其检验结果也是比较显著地；比如上级态度与军人心理健康相关系数r0.466，P=0.000，显著性0.01下的相关性是显著的。

总结：对于分析问题二家庭教养方式、军营环境、管理模式、上级领导的工作态度与军人心理健康的关联程度。本题采用了相关性分析法中的简单相关分析、偏相关分析、Spearman 等级相关系数分析和tau相关系数分析；采用多种分析方法其目的就是为了比较客观准确的分析出指标的关联程度；我们从这几种方法中可以明显得出上级态度和军营环境的适应程度对军人心理健康关联程度比较明显，这说明上级态度和军营环境的适应程度对军人心理健康影响比较大；而家庭教养方式和管理方式对军人心理健康影响不是那么显著。

我们是一个等级分明、上级管理下级、下级服从上级的，所以上级一言一行对军人的心理影响较大。军人对于军营环境的适应程度也是影响军人心理健康的一项大指标，我们知道“适者生存”这个自然原理，谁能更好的适应环境谁就能走的更远，自然心态好，所以心理健康。对于家庭教养方式我们知道虽然对每个人影响比较大，但是一般参军的人都是青年，人生观、价值观还没很好的确立，而且是个大熔炉很锻炼人，所以来这儿的得到改变，所以家庭教养对于军人心理健康就不是那么明显。因为各个管理模式是比较相同的，所以对每个人都一样，就没有明显的比较感，所以对军人心理健康影响也不大。

但是此相关分析模型还纯在一些不足，首先对于军人数据的选举不够全面，只是对某个的1214个人的分析结果，因为各个的实际情况还各不相同，要想获得更好的关联程度，还需运用更多的算法，进行大量的数据分析；然后就是对于结果中上级态度与管理方式有联系，我们知道就是上级管理下级，结果却有差别；最后我们结合结果分析和实际情况，去得出更好的模型。

六、利用多元回归方法的定量预测分析模型

6.1制定相应疏导策略

军人克服和防止逆反心理的发生，应从以下几方面入手：一是要改进教育方法，要侧重引导，讲究策略，切忌简单粗暴、强迫命令。要尽量多进行个别谈心，个别交换意见，疏通感情，不要动辄当面批评人。二是树立自身的良好形象。三是与战士建立良好的官兵关系。如果远离战士，缺少情感上的交流，话讲得再好听，被教育者也会感到陌生，不易接受。只有与战士息息相通，产生感情上的共鸣，才能赢得战士的心。

由表5的数据可以得出各类心理健康问题者的人数及所占比例

表6——各类心理不健康者的人数及其比例

心理健康卫生指标 躯体化 强迫 人际敏感

不健康人数 194 197 200 所占比例 0.1598 0.1622 0.17

忧郁 焦虑 敌对 恐怖 偏执

精神病性 其他

203 206 209 212 215 218 221 0.1672 0.1696 0.1721 0.1746 0.1771 0.1795 0.1820

图2——各类不健康人数比例图

由以上数据可知军人心理不健康人数比例明显大于地方人员测试的数据（比例普遍处于16%左右),图2显示从第一类至第十类不健康人数逐渐增加（呈正相关），所以根据以上各类心理问题情况，可以提出处理军人心理健康问题的具体策略进行二阶因素分析,最后合并归纳为四种策略类型:

①、言语疏导型策略：言语疏导型策略对军人心理健康问题主要借助于谈话、劝导等从认知上施加影响。如在各项考核、比武焦虑情境中提出“教育他们正确对待考核、比武”。在自我中心情境中,“教会他学会换位思考,从别人角度考虑问题”等。

②、惩罚约束型策略：惩罚约束型策略对军人心理健康问题以规章制度制裁, 或进行情境性批评、惩罚,或条件阻止其滋长。

③、行为疏导型策略：行为疏导型策略对军人心理健康问题侧重从行为上加以影响,或对行为进行正强化,干脆不管,或给其行为改善创造条件。如在自我中心情境中“让他与具有某方面特长的同志共同做事,认识自己的不足”。

④、情感关爱型策略：情感关爱型策略对军人的心理健康问题侧重给予情感上的关心理解,或给予情绪上的照顾。如厌倦工作情境中 “关心他,用感情打动他”。退缩行为情境中,提出“关心他的生活小事”,“在班上给他过生日”。攻击行为情境中提出“理解他,真诚地关心、帮助他,消除敌意,取得信任”。 6.2 多元非线性回归分析预测策略干预的效果

因为不同类问题的“病因”不同，解决策略也就不同，结合以上四种策略和十类心理健康问题，专家认为，对于1-3类问题，采用方案1（策略①）进行疏导解决，对于4-6类问题，采用方案2（策略①、②）进行疏导解决，对于7-8类问题，采用方案3（策略①、②、③），对于9-10类问题，采用方案4（①、②、③、④）（倘若某人在1、5、9类存在健康问题，则采用方案4，以此类推）。

由于这四种方案是针对各类问题设计的，且都是积极正向策略，在解决不健康心理指标的同时不会对其他正常的心理健康指标造成影响。因为本模型是个越小越优模型，所以该方案旨在降低被测在指标中填写的分数，即相对于分数而言是副作用。

通过资料查询，可将四类方案对个体的心理健康状况的治疗情况进行定量预测分析，以往在解决问题的定量预测问题中，习惯采用线性回归分析法建立预测模型，然而，个人心理健康状况与方案之间并不是简单的线性关系，因此线性回归模型并不能真实地反映二者之间的本质关系，这就需要把模型从线性回归向非线性回归进行转变。笔者采用多元非线性回归分析的方法建立方案干预后所测得的scl-90分数定量预测模型。 6.2.1 多元回归模型回归因子的确定

多元回归模型回归因子的确定描述每个方案对每类指标影响的特征参数较多，建立多元回归模型的一个关键问题就是如何恰当的选择回归因子。如果疏忽了心理健康指标的主要影响因子，那么回归效果肯定不好；但如果将与损害程度关系不大的因子选进来，不仅增加了计算量，而且会影响回归效果；因此需要对所有的影响因子按照某种合理的方式进行降维。逐步回归方法既可以选择出合理的回归因子，又可以减少计算量。其基本思想是：已知影响因变量ｙ(每类指标的得分）的因子共有13个（x1,x2,...x13）,根据因子对变量y的贡献大小逐步将影响因子引入，同时将作用不显著的因子剔除，这样边引

2进边剔除，直至最终获得较合理的回归因子。回归过程中采用R2和Rbc两个参数评价影响因子的显著性。R2表示在其他影响因子的基础上再引进新因子时，回归方程判定

2系数的增量，R2越大，说明该因子在回归方程中的作用越显著；Rbc为偏确定系数，是指新引进因子的回归方程所解释部分占缺少该因子的回归方程未能解释部分的比例大小，也是衡量因子重要性的指标。由于逐步回归方法只需要用到紧凑消去变换，过程比较简单易行，同时每步均需要做显著性检验，保证了最后得到的回归模型中的各因子都是显著的。

6.2.2 多元回归模型的建立与求解

令第i类指标的分数为yi,根据不同的方案设不同的变量a、b、c、d,则

a0a1x1a2x2a3x3a13x13bbxbxbxbx01122331313yic0c1x1c2x2c3x3c13x13d0d1x1d2x2d3x3d13x13i34i67ii10 (6——01)

经过上述多元回归模型来确定回归因子得到：

a0.3b0.949c0.993d0.6870.9730.8390.7830.7730.7590.8750.9970.6380.8790.8270.7650.7980.9650.60.8430.4980.9630.70.8430.7680.70.9050.70.9280.9840.400.9980.9780.60.7980.7980.40.8860.6750000000.6570.6750.6970.8750.83500每个个体在相应的方案干预之后，心理就会有所波动，重新测试的情况下，可以得出新

的得分，利用上述多元回归模型可预测新的每类指标不健康的人数。

表7——在相应方案干预后的预测结果 心理健康卫生指标 不健康人数 方案干预前 194 197 200 方案干预后 173 165 所占比例 方案干预前 方案干预后 躯体化 强迫 人际敏感

0.1598 0.1622 0.17 0.1425 0.1359 0.1359 165

忧郁 焦虑 敌对 恐怖 偏执 精神病性 其他 203 206 209 212 215 218 221 138 137 129 123 149 136 120 0.1672 0.1696 0.1721 0.1746 0.1771 0.1795 0.1820 0.1136 0.1128 0.1062 0.1013 0.1771 0.1227 0.0988 通过以上比较，可以明显看出经过方案干预后，不健康率有了较大幅度的降低，说明提出的方案对于治疗心理问题有明显的促进作用，在四个方案的对比中，方案级数越高，促进效果越明显，方案四比方案一多降了4.37个百分点，效果差异较大。

七、基于综合模糊评价模型的对我旅现役军人的测试分析

7.1 我旅全体成员的测试结果

采用整群随机抽样的方法, 对我旅的1430现役军人进行测试。剔除填写资料不完整的问卷, 排除有精神症状和严重躯体症状, 获得有效问卷1249份, 有效样本率为87%。其中, 东部590 人, 中部340 人, 西部500人; 男999人( 79.9%) , 女250( 20.01%) ; 年龄15～67 岁( 26± 7) ; 军龄: 1 年129人( 12. 9%) , 2 年238 人( 18. 6%) , 3 年119人( 8. 7%) , 4 年117 人( 8. 5%) , 5 年104 人( 7. 4%) , 6 年及以上542人( 43. 8%) ; 级别: 青年学员331人( 27. 3%) , 战士学员345 人( 28. 5%) , 干部536 人( 44.2%) ; 现在文化程度: 小学4 人( 0. 03%) , 初中248 人( 20.3%) , 高中( 中专) 403人( 33%) , 大专及以上567 人( 46.4%) 。

方法测评工具: 采用症状自评量表( SymptomChecklist 90, SCL- 90) 进行测评。自编测试的一般因素包括:躯体化、强迫症状 , 人际关系敏感度、抑郁症状、焦虑症状、敌对情绪、恐惧症状、偏执情态、精神病性态和其他等10个方面。测评前, 每次测量被试不超过100人,采用无记名集体统一填写有关调查表, 要求官兵根据自己的实际情况作答, 不要与他人交流。各测评点的测评在1 个月内完成, 完成后问卷统一收回、编码。全部数据采用SPSS11.0软件包,进行t检验、单因素方差分析。 7.2 结果分析

军人心理健康问题检出率，凡1 个因子分> 2 或总分超过160 分, 或阳性项目数≥43 者为筛查阳性。以此为标准, 1249名军人共筛选出阳性者206人, 心理问题发生率为16. 5%, 其中男181人( 18. 2%) ,女24人( 15. 8%);提示有16. 5%的军人存在着各种不同程度的不良心理反应。军人不良心理症状表现为:强迫、人际关系敏感、抑郁、敌对和偏执等因子。

表1 各类心理不健康者的人数及其比例

心理健康卫生指标

躯体化 强迫症状 人际关系敏感度

抑郁症状 焦虑症状

不健康人数

231 227 228 236 245 所占比例 0.1618 0.1590 0.1597 0.1650 0.1715

敌对情绪 242 0.1692 恐惧症状 246 0.1720 偏执情态 253 0.1769 精神病性态 257 0.1801

其他 259 0.1815

军人SCL- 90 各个项目与常模比较我人SCL- 90 阳性项目数及各因子分均低于军人常模,并有极显著差异( P< 0. 001) 。 7.3 数据分析

本次调查研究结果显示,我旅官兵SCL - 90 总分、阳性项目数及各因子分( 除躯体化因子外)均显著低于常模。说明我旅官兵总体心理健康水平状况良好。可能与以下原因有关: ¹ 随着社会发展和科学技术的进步,心理问题越来越受到社会的广泛重视,人际交往、心理障碍、人格特征等等,已成为与社会共同关注的问题。军人的心理健康直接关系到的战斗力,各级领导高度重视军人的身心健康,积极开展心理卫生教育、心理素质训练、心理问题团体讲座及心理健康普查等,及时了解军人的心理健康状况并适时给予干预,从而促使我人的心理健康状况较前加强。近几年来,在新兵征集时严把质量关,新兵入伍时的心理健康状况较前有所改善。部分地区已在新兵入伍前进行心理健康检测,所征集的新兵不论从心理素质、身体条件还是文化水平上都比以前有了明显提高,选拔出了更符合军人要求的新生力量。从结果可见,我人的心理问题主要集中在强迫症状、人际关系敏感、抑郁、敌对和偏执因子上,采用该量表对我军男性士兵的调查相一致。心理学理论认为,不完善感、不安全感、不确定感一旦突出, 人就会表现出强迫症状。

尽管军人的总体心理卫生状况较好。不同级别的军人心理健康状况表现。干部在这些方面都较学员稳定,因而,心理状态较好。不同年龄阶段的军人心理健康状况表现为20～29 岁组的军人各项目的分均高于其它各组,而40 岁以上组的军人各项目的分均低于其它各组。其原因可能是:20～29岁这个年龄段正值成人前期( 青年晚期),这是个体从青年前期逐步走向一个相对平静、相对稳定、成熟的发展时期,面临着一系列新的发展任务, 如: 学习深造、就业、择偶、建立家庭和开创事业等。此期年轻人世界观尚未定型, 可塑性大, 心理状况受外界环境影响较大, 毫无疑问地, 如此众多而重大的发展任务对个体的适应性是一个严峻的挑战, 若不能做出既符合现实条件又能满足内在需要的决定, 个体就会遭遇冲突和挫折, 年轻的军人更是这个时期波动最大的群体, 在身心上就表现为SCL - 90 因子分同步增高。所以要创造良好的人际氛围和生活工作条件, 加强心理辅导, 开展正确的人生观、价值观教育及正确的心理疏导,促进其身心健康的发展。40 岁以上到最大67 岁这个年龄组的军人, 随着年龄的增长, 各种人生经验越来越丰富, 知识面更广、更深, 工作技能熟练, 生活方式较稳定, 待人处事也较稳定, 因此, 他们的心理健康状况较好。

不同性别军人之间的比较, 其各项目的分男性均高于女性( P < 0. 01) 。女性的心理卫生状况较男性好[14] , 这与以往女性情绪稳定度较男性为好的结果相一致

[ 11] 。可能与和平时期中女性军人比例很小, 受到比男性军人较多关爱, 环境及生活条件均较建制男性军人优越, 而男性军人工作压力、学习竞争、承受责任等均高于女军人等因素有关。说明男性军人的心理健康更应受到重视。本调查研究的受试对象分布区域广泛, 具有样本大、代表性较好等特点。

结果表明：

表2 样本数据与常模数据的比较

心理健康卫生指标

躯体化 强迫 人际敏感 忧郁 焦虑 敌对 恐怖 偏执 精神病性 其他

样本不健康人数 194 197 200 203 206 209 212 215 218 221 单位不健康人数 所占比例 样本所占比例 0.1618 0.1590 0.1597 0.1650 0.1715 0.1692 0.1720 0.1769 0.1801 0.1815

231 227 228 236 245 242 246 253 257 259 0.1598 0.1622 0.17 0.1672 0.1696 0.1721 0.1746 0.1771 0.1795 0.1820 将采集的1430名我旅官兵的心理健康卫生水平状况代入建立常模。对比结果见表2，与实际情况相符。具体表现为: 女性较男性好; 随年龄增长和级别升高而表现为两端低,间高的近似正态分布的发展特征。心理健康是个体与环境交互作用的结果, 主要与自然条件、社会因素和个体对环境的适应性有关。良好的外界环境可以营造良好的健康的心理氛围, 对培养他们良好心理素质有潜移默化的作用。

八、模型的优点与缺点

8.1 优点

目前实际应用中模糊综合评份的主要难点之一就是如何合理地确定各评价指标的权重。为此，本文直接根据单指标模糊评价矩阵构造了用于确定各评价指标权重的判断矩阵，并提出用加速遗算法检验和修正判断矩阵的一致性和计算层次分析法中各要素的权重的新方法(AHP_FCE)。研究结果表明，AHP_FCE 方法的计算结果较为客观和稳定，方法具有通用性，在军人心理健康状况的评价中具有应用价值。 8.2 缺点

本题所提供的数据样本中军龄只在一到两年之间，样本不能够客观代表广大军人，而根据其数据得出的推论也就收到了一定的局限，即本论文所得到的综合模糊评价模型所得到的权值存在一定的不具权威的代表性。

九、模型的推广

不同的职业就有不同的心理问题，本模型是针对现役军人的实际心理问题设定的，同理，其他职业也有相应的职业心理问题，对其职业的所出环境和统计数据进行分析得出相应的权重，进而得出对应职业的模糊评价模型，所以本模型具有一定程度上的推广性和普遍适用性。

参考文献：

[1] 王焕林等.我人症状自评量表常模的建立及其结果分析[J].中华精神科杂志.1999，32（1）：38-40

2 金菊良，杨晓华，丁晶.标准遗传算法的改进方案——加速遗传算法［J］.系统工程

理论与实践，2001，21(4)：8-13［11］ 翟立林

[3] 王家华等.中国新兵SCL-90 常模的建立[J].中国心理卫生杂志. 2004,3:65-71

[4] 杨征等. 症状量表评价中人心理健康状况的应用结果分析. 预医学杂志.1995,13(1):9-13

[5] 金菊良、魏一鸣、丁晶.基于改进层次分析法的模糊综合评价模型.水利学报. 2004,3:65-71

[6] 陈善平、李树茁、李淑娥、许宗姄.基于生物-心理-社会医学模式的个人健康状况模糊综合评价.2005,28(1):63-65

[7] 米红、张文璋. 实用现代统计分析方法与SPSS应用,当代中国出版社，2002

8金菊良，丁晶.水资源系统工程［M］.成都：四川科学技术出版社，2002

编辑程序：

1. 输入1214个人的原始数据（包含性别和军龄），并把所有人分成三大类，B1、B2、B3。 A=[],k1=1;k2=1;k3=1; for k=1:1214 if A(k,91)==1&&A(k,92)==1 A11(k1,:)=A(k,:);k1=k1+1; else if A(k,91)==1&&A(k,92)==2 A12(k2,:)=A(k,:);k2=k2+1; else A0(k3,:)=A(k,:);k3=k3+1; end end

2.B1表示男一年兵，B11-B110分别表示躯体化等十类指标；P11-P110分别表示每个人每项大指标的平均分；S11-S110表示是每个人各项是否为阳性指标； M11-M110为每大类阳性指标的人数。 B1=A11(:,1:90);

B11=B1(:,[1,4,12,27,40,42,48,49,52,53,56,58]); B12=B1(:,[3,9,10,28,38,45,46,51,55,65]) ; B13=B1(:,[6,21,34,36,37,41,61,69,73]) ;

B14=B1(:,[5,14,15,20,22,26,29,30,31,32,54,71,79]); B15=B1(:,[2,17,23,33,39,57,72,78,80,86]) ; B16=B1(:,[11,24,63,67,74,81]); B17=B1(:,[13,25,47,50,70,75,82]); B18=B1(:,[8,18,43,68,76,83]) ;

B19=B1(:,[7,16,35,62,77,84,85,87,88,90]); B110=B1(:,[19,44,59,60,,66,]);

p11=sum(B11')/12;p12=sum(B12')/10;p13=sum(B13')/9; p14=sum(B14')/13;p15=sum(B15')/10;p16=sum(B16')/6; p17=sum(B17')/7; p18=sum(B18')/6;p19=sum(B19')/10; p110=sum(B110')/7;

S11=zeros(979,1);for j=1:979 if p11(j)<0.98|p11(j)>2.16 S11(j)=1;end end m11=sum(S11);

S12=zeros(979,1);for j=1:979 if p12(j)<1.16|p12(j)>2.36 S12(j)=1;end end m12=sum(S12);

S13=zeros(979,1);for j=1:979 if p13(j)<1.15|p13(j)>2.37 S13(j)=1;end end m13=sum(S13);

S14=zeros(979,1);for j=1:979 if p14(j)<1.03|p14(j)>2.25 S14(j)=1;end endm14=sum(S14);

S15=zeros(979,1);forj=1:97 if p15(j)<1.00|p15(j)>2.04 S15(j)=1;end end m15=sum(S15);

S16=zeros(979,1);for j=1:979 if p16(j)<0.98|p16(j)>2.16 S16(j)=1;end endm16=sum(S16);

S17=zeros(979,1);for j=1:979 if p17(j)<0.90|p17(j)>1.78 S17(j)=1;end end m17=sum(S17);

S18=zeros(979,1);for j=1:979 if p18(j)<1.01|p18(j)>2.27

S18(j)=1;end end m18=sum(S18);

S19=zeros(979,1);for j=1:979 if p19(j)<1.00|p19(j)>1.98 S19(j)=1;end end m19=sum(S19);

S110=zeros(979,1);forj=1:979 if p110(j)<1.5-0.53|p110(j)> 1.5+0.53 S110(j)=1;end end m110=sum(S110); 3.B2为男两年兵，其他指标与男一年兵相对。 B2=A12(:,1:90);

B21=B2(:,[1,4,12,27,40,42,48,49,52,53,56,58]); B22=B2(:,[3,9,10,28,38,45,46,51,55,65]) ; B23=B2(:,[6,21,34,36,37,41,61,69,73]) ;

B24=B2(:,[5,14,15,20,22,26,29,30,31,32,54,71,79]); B25=B2(:,[2,17,23,33,39,57,72,78,80,86]) ; B26=B2(:,[11,24,63,67,74,81]) ; B27=B2(:,[13,25,47,50,70,75,82]) ; B28=B2(:,[8,18,43,68,76,83]) ;

B29=B2(:,[7,16,35,62,77,84,85,87,88,90]); B210=B2(:,[19,44,59,60,,66,]);

p21=sum(B21')/12;p22=sum(B22')/10;p23=sum(B23')/9; p24=sum(B24')/13;p25=sum(B25')/10;p26=sum(B26')/6; p27=sum(B27')/7;p28=sum(B28')/6;p29=sum(B29')/10; p210=sum(B210')/7;

S21=zeros(152,1);for j=1:152 if p21(j)<0.91|p21(j)>1.55 S21(j)=1;end end m21=sum(S21);

S22=zeros(152,1);for j=1:152 if p22(j)<0.87|p22(j)>2.09 S22(j)=1;end end m22=sum(S22);

S23=zeros(152,1);for j=1:152 if p23(j)<0.96|p23(j)>2.20 S23(j)=1;end end m23=sum(S23);

S24=zeros(152,1);for j=1:152 if p24(j)<0.82|p24(j)>2.04 S24(j)=1;end end m24=sum(S24);

S25=zeros(152,1);for j=1:152 if p25(j)<0.85|p25(j)>2.13 S25(j)=1;end end m25=sum(S25);

S26=zeros(152,1);for j=1:152 if p26(j)<0.97|p26(j)>2.19 S26(j)=1;end end m26=sum(S26);

S27=zeros(152,1);for j=1:152 if p27(j)<0.90|p27(j)>1.76 S27(j)=1;end end m27=sum(S27);

S28=zeros(152,1);for j=1:152 if p28(j)<1.03|p28(j)>1.99 S28(j)=1;end end m28=sum(S28);

S29=zeros(152,1);for j=1:152 if p29(j)<1.09|p29(j)>1.73 S29(j)=1;end end m29=sum(S29);

S210=zeros(152,1);for j=1:152 if p210(j)<1.5-0.53|p210(j)>1.5+0.53 S210(j)=1;end end m210=sum(S210);

4.B3为女兵，其他指标与一年男兵相对。 B3=A0(:,1:90);

B31=B3(:,[1,4,12,27,40,42,48,49,52,53,56,58]); B32=B3(:,[3,9,10,28,38,45,46,51,55,65]) ;

B33=B3(:,[6,21,34,36,37,41,61,69,73]) ;

B34=B3(:,[5,14,15,20,22,26,29,30,31,32,54,71,79]); B35=B3(:,[2,17,23,33,39,57,72,78,80,86]) ; B36=B3(:,[11,24,63,67,74,81]) ; B37=B3(:,[13,25,47,50,70,75,82]) ; B38=B3(:,[8,18,43,68,76,83]) ;

B39=B3(:,[7,16,35,62,77,84,85,87,88,90]); B310=B3(:,[19,44,59,60,,66,]);

p31=sum(B31')/12;p32=sum(B32')/10; p33=sum(B33')/9; p34=sum(B34')/13;p35=sum(B35')/10; p36=sum(B36')/6; p37=sum(B37')/7; p38=sum(B38')/6; p39=sum(B39')/10; p310=sum(B310')/7;

S31=zeros(83,1); for j=1:83 if p31(j)<0.97|p31(j)>1.67 S31(j)=1;end end m31=sum(S31);

S32=zeros(83,1); for j=1:83 if p32(j)<1.18|p32(j)>2.22 S32(j)=1;end end m32=sum(S32);

S33=zeros(83,1);for j=1:83 if p33(j)<1.18|p33(j)>2.28 S33(j)=1;end end m33=sum(S33);

S34=zeros(83,1);for j=1:83 if p34(j)<1.04|p34(j)>2.08 S34(j)=1;end end m34=sum(S34);

S35=zeros(83,1);for j=1:83 if p35(j)<1.01|p35(j)>1.83 S35(j)=1;end end m35=sum(S35);

S36=zeros(83,1);for j=1:83 if p36(j)<0.98|p36(j)>1.94 S36(j)=1;end end m36=sum(S36);

S37=zeros(83,1);for j=1:83 if p37(j)<0.97|p37(j)>1.97 S37(j)=1;end end m37=sum(S37);

S38=zeros(83,1);for j=1:83 if p38(j)<1.05|p38(j)>2.07 S38(j)=1;end end m38=sum(S38);

S39=zeros(83,1);for j=1:83 if p39(j)<1.00|p39(j)>1.78 S39(j)=1;end end m39=sum(S39);

S310=zeros(83,1);for j=1:83 if p310(j)<1.5-0.53|p310(j)>1.5+0.53 S310(j)=1;end end m310=sum(S310);

5.A5表示1214个人的90项指标的得分，S71为每个人的各小项阳性指标数。 A5=A(:,1:90);

S71=zeros(1214,90); for i=1:1214 for j=1:90if A5(i,j)>=2&A5(i,j)<=5

S71(i,j)=1;end end end m71=sum(S71'); m73=sum(S71);S72=zeros(1,1214); for i=1:1214 if m71(i)>43S72(i)=1; end end m72=sum(S72); 6.R1-R10代表十大项权重的矩阵（在matlab输入数据）；F11-F110为B1类军人的各项大指标得分，J11-J110为B1类军人的十大类指标为不正常人数之和；同理可知F21-F210、J21-J210、F31-F310、J31-J310的含义。

R1=[];R2=[];R3=[];R4=[];R5=[];R6=[];R7=[];R8=[];R9=[];R10=[]; F1=B11*R1;F11=F1/12; H11=zeros(979,1);for j=1:979 if F11(j)>2.16

H11(j)=1;end end J11=sum(H11); F2=B12*R2;F12=F2/10;H12=zeros(979,1); for j=1:979 if F12(j)>2.36 H12(j)=1;end end J12=sum(H12);

F3=B13*R3; F13=F3/9;H13=zeros(979,1);for j=1:979 if F13(j)>2.37

H13(j)=1;end endJ13=sum(H13); F4=B14*R4; F14=F4/13;H14=zeros(979,1); for j=1:979 if F14(j)>2.25 H14(j)=1; end endJ14=sum(H14); F5=B15*R5; F15=F5/10; H15=zeros(979,1);for j=1:979 if F15(j)>2.04 H15(j)=1; end End J15=sum(H15); F6=B16*R6;F16=F6/6; H16=zeros(979,1);

for j=1:979 if F16(j)>2.16 H16(j)=1; end endJ16=sum(H16); F7=B17*R7; F17=F7/7;H17=zeros(979,1);for j=1:979 if F17(j)>1.78 H17(j)=1； end end

J17=sum(H17); F8=B18*R8;F18=F8/6;H18=zeros(979,1); for j=1:979if F18(j)>2.27 H18(j)=1; end endJ18=sum(H18); F9=B19*R9;F19=F9/10;

H19=zeros(979,1);forj=1:979if F19(j)>1.98H19(j)=1;end endJ19=sum(H19); F10=B110*R10;F110=F10/7;H110=zeros(979,1);for j=1:979if F110(j)>1.5+0.53 H110(j)=1; end end J110=sum(H110);

F1=B21*R1; F21=F1/12;H21=zeros(152,1);for j=1:152 if F21(j)>1.55 H21(j)=1; end endJ21=sum(H21); F2=B22*R2;F22=F2/10;H22=zeros(152,1);

for j=1:152if F22(j)>2.09 H22(j)=1; end endJ22=sum(H22); F3=B23*R3; F23=F3/9;H23=zeros(152,1);for j=1:152if F23(j)>2.20H23(j)=1;end end J23=sum(H23); F4=B24*R4; F24=F4/13; H24=zeros(152,1); for j=1:152 if F24(j)>2.04 H24(j)=1; end endJ24=sum(H24);F5=B25*R5; F25=F5/10; H25=zeros(152,1);for j=1:152 if F25(j)>2.13 H25(j)=1;end end

J25=sum(H25); F6=B26*R6; F26=F6/6;H26=zeros(152,1); for j=1:152 if F26(j)>2.19 H26(j)=1; end endJ26=sum(H26); F7=B27*R7; F27=F7/7; H27=zeros(152,1);for j=1:152 if F27(j)>1.76 H27(j)=1; end end J27=sum(H27); F8=B28*R8; F28=F8/6;H28=zeros(152,1);for j=1:152if F28(j)>1.99 H28(j)=1;end endJ28=sum(H28); F9=B29*R9; F29=F9/10;

H29=zeros(152,1);for j=1:152 if F29(j)>1.73 H29(j)=1; end end

J29=sum(H29); F10=B210*R10;F210=F10/7;H210=zeros(152,1)for j=1:152 if F210(j)>1.5+0.53 H210(j)=1;end end J210=sum(H210);

F1=B31*R1;F31=F1/12;S31=zeros(83,1); for j=1:83 if F31(j)>1.67 S31(j)=1; endendm31=sum(S31); F2=B22*R2;F32=F2/10;S32=zeros(83,1);for j=1:83if F32(j)>2.22 S32(j)=1;endendm32=sum(S32); F3=B23*R3;

F33=F3/9;S33=zeros(83,1);forj=1:83ifF33(j)>2.28S33(j)=1;endendm33=sum(S33); F4=B24*R4; F34=F4/13; S34=zeros(83,1);for j=1:83if F34(j)>2.08S34(j)=1; end endm34=sum(S34); F5=B25*R5; F35=F5/10; S35=zeros(83,1);for j=1:83if F35(j)>1.83 S35(j)=1; end end m35=sum(S35); F6=B26*R6 F36=F6/6

S36=zeros(83,1);forj=1:83 if F36(j)>1.94S36(j)=1; end end m36=sum(S36); F7=B27*R7;F37=F7/7; S37=zeros(83,1)for j=1:83if F37(j)>1.97 S37(j)=1;endendm37=sum(S37); F8=B28*R8; F38=F8/6;S38=zeros(83,1);for j=1:83if F38(j)>2.07 S38(j)=1; end end m38=sum(S38); F9=B29*R9; F39=F9/10;S39=zeros(83,1);for j=1:83

if F39(j)>1.78 S39(j)=1;endendm39=sum(S39); F310=B210*R10;

F310=F10/7;S310=zeros(83,1);for j=1:83if F310(j)>1.5+0.53 S310(j)=1; end end m310=sum(S310);