Kada se recenzira, na primjer, ocjenjuje konkurentnost proizvoda, potrebno je, kao iu svakom znanstvenom radu, provesti statističku obradu podataka. Potonje počinje utvrđivanjem konzistentnosti stručnih mišljenja, čiji je numerički izraz koeficijent podudarnosti.
Zašto nam je potrebna procjena stručnog konsenzusa?
Ova procjena je prije svega neophodna jer se mišljenja stručnjaka mogu jako razlikovati o procijenjenim parametrima. U početku se procjena provodi rangiranjem pokazatelja i dodjeljivanjem određenog koeficijenta značajnosti (težine). Nedosljedno rangiranje dovodi do toga da su ti koeficijenti statistički nepouzdani. Mišljenja stručnjaka s njihovim potrebnim brojem (više od 7-10) trebaju se distribuirati prema uobičajenom zakonu.
Koncept koeficijenta podudarnosti
Dakle. Dosljednost je podudarnost. Koeficijent je bezdimenzionalna veličina koja pokazuje omjer disperzije i najveće disperzije u općem slučaju. Generalizirajmo ove koncepte.
Koeficijent podudarnosti je broj od 0 do 1, koji pokazuje dosljednost mišljenja stručnjaka kadarangiranje nekih nekretnina. Što je ova vrijednost bliža 0, konzistentnost se smatra nižom. Ako je vrijednost ovog koeficijenta manja od 0,3, mišljenja stručnjaka smatraju se nedosljednima. Kada je vrijednost koeficijenta u rasponu od 0,3 do 0,7, konzistentnost se smatra prosječnom. Vrijednost veća od 0,7 smatra se visokom konzistentnošću.
Slučajevi
Prilikom provođenja statističkih istraživanja mogu se pojaviti situacije u kojima se objekt može okarakterizirati ne s dva niza, koji se statistički obrađuju pomoću koeficijenta podudarnosti, već s nekoliko nizova, koje prema tome rangiraju stručnjaci s istom razinom profesionalnost u određenom području.
Mora se utvrditi konzistentnost rangiranja koje provode stručnjaci kako bi se potvrdila točnost hipoteze da stručnjaci vrše relativno točna mjerenja, što omogućuje formiranje različitih grupacija u stručnim skupinama, koje su u velikoj mjeri određene ljudskim čimbenicima, prvenstveno kao što su razlike u pogledima, konceptima, različitim znanstvenim školama, prirodi profesionalne djelatnosti, itd.
Kratak opis metode rangiranja. Njegove prednosti i nedostaci
Prilikom rangiranja koristi se metoda rangiranja. Njegova bit leži u činjenici da se svakom svojstvu objekta dodjeljuje svoj specifični rang. Štoviše, svakom stručnjaku uključenom u stručnu skupinu dodjeljuje se ovaj rangneovisno, što rezultira potrebom za obradom ovih podataka kako bi se utvrdila dosljednost stručnih mišljenja. Ovaj proces se provodi izračunavanjem koeficijenta podudarnosti.
Glavna prednost metode rangiranja je njena jednostavnost implementacije.
Glavni nedostaci metode su:
- mali broj objekata za rangiranje, budući da kada njihov broj prijeđe 15-20, postaje teško dodijeliti bodove objektivnog rangiranja;
- Na temelju korištenja ove metode, ostaje otvoreno pitanje koliko su proučavani objekti značajni jedan od drugog.
Kada se koristi ova metoda, mora se uzeti u obzir da se ocjene temelje na nekoj vrsti vjerojatnosnog modela, pa se moraju primjenjivati s oprezom, s obzirom na opseg.
Kendallov koeficijent ranga podudarnosti
Koristi se za određivanje odnosa između kvantitativnih i kvalitativnih obilježja koja karakteriziraju homogene objekte i rangiraju se prema istom principu.
Ovaj koeficijent je određen formulom:
t=2S/(n(n-1)), gdje je
S - zbroj razlika između broja sekvenci i broja inverzija na drugom obilježju;
n - broj opažanja.
Algoritam izračuna:
- Vrijednosti x rangiraju se uzlaznim ili silaznim redoslijedom.
- Y-vrijednosti su poredane redoslijedom kojim odgovaraju x-vrijednostima.
- Za svaki uzastopni rang y, odredite koliko vrijednosti viših rangova ga slijedi. Oni se zbrajaju i izračunava se mjera korespondencije nizova rangova u x i y.
- Slično, izračunava se broj rangova y s nižim vrijednostima, koji se također zbrajaju.
- Dodajte broj rangova s višim vrijednostima i broj rangova s nižim vrijednostima, što rezultira vrijednošću S.
Ovaj koeficijent pokazuje odnos između dvije varijable, a u većini slučajeva naziva se Kendallov koeficijent korelacije ranga. Takva se ovisnost može grafički prikazati.
Određivanje koeficijenta
Kako se to radi? Ako broj rangiranih obilježja ili čimbenika premašuje 2, koristi se koeficijent podudarnosti, koji je, u suštini, višestruka varijanta korelacije ranga.
Budite oprezni. Izračun koeficijenta podudarnosti temelji se na omjeru odstupanja zbroja kvadrata rangova od prosječnog zbroja kvadrata rangova, pomnoženog s 12, do kvadrata stručnjaka, pomnoženog s razlikom između kocke broja objekata i broj objekata.
Algoritam za izračun
Kako bismo razumjeli odakle dolazi broj 12 u brojniku formule za izračun, pogledajmo algoritam za određivanje.
Za svaki red s činovima određenog stručnjaka izračunava se zbroj rangova, što je slučajna vrijednost.
Koeficijent podudarnosti općenito se definira kao omjer procjene varijance (D) i najveće vrijednosti procjene varijance(Dmax). Formulirajmo sukcesivno definicije ovih veličina.
gdje je rprosjek - procjena očekivanja;
m - broj objekata.
Zamjenom rezultirajućih formula u odnosu na D na Dmax dobivamo konačnu formulu za koeficijent podudarnosti:
Ovdje je m broj stručnjaka, n je broj objekata.
Prva formula se koristi za određivanje faktora podudarnosti ako ne postoje povezani rangovi. Druga formula se koristi ako postoje povezani rangovi.
Dakle, izračun koeficijenta podudarnosti je gotov. Što je sljedeće? Dobivena vrijednost se procjenjuje na značajnost pomoću Pearsonovog koeficijenta množenjem ovog koeficijenta s brojem stručnjaka i brojem stupnjeva slobode (m-1). Dobiveni kriterij se uspoređuje s tabličnom vrijednošću, a ako vrijednost prvog premašuje posljednju, oni govore o značaju koeficijenta koji se proučava.
U slučaju povezanih rangova, izračun Pearsonovog kriterija postaje nešto složeniji i izvodi se prema sljedećem omjeru: (12S)/(d(m2+ m)-(1/(m-1))x(Ts1 +Ts2 +Tsn)
Primjer
Pretpostavimo da ekspertna metoda ocjenjuje konkurentnost maslaca koji se prodaje u maloprodajnoj mreži. Navedimo primjer izračunavanja koeficijenta podudarnosti. Prije procjene konkurentnosti potrebno je rangirati potrošačasvojstva ovog proizvoda koja su uključena u ocjenu. Pretpostavimo da će ta svojstva biti sljedeća: okus i miris, konzistencija i izgled, boja, pakiranje i označavanje, sadržaj masti, trgovački naziv, proizvođač, cijena.
Pretpostavimo da se ekspertna skupina sastoji od 7 stručnjaka. Slika prikazuje rezultate rangiranja ovih svojstava.
Prosječna vrijednost r izračunava se kao aritmetički prosjek i bit će 31,5. Da biste pronašli S, zbrojite kvadratne razlike između rje i r prosjeka, prema formuli gore i odredite da je vrijednost S 1718.
Izračunajte koeficijent podudarnosti koristeći formulu bez korištenja povezanih rangova (rangovi bi bili povezani da isti stručni savjetnik ima iste rangove za različita svojstva).
Vrijednost ovog koeficijenta bit će 0,83. Ovo ukazuje na snažan konsenzus među stručnjacima.
Provjerite njegovu važnost pomoću Pearsonovog testa:
7 x 0,83 x (8-1)=40,7.
Pearsonov tablični test na razini značajnosti od 1% je 18,5, a na 5% - 14,1..
Primjer pokazuje jednostavnost i pristupačnost izračuna za svaku osobu koja poznaje osnove matematičkih izračuna. Da ih ublažim,koristite obrasce proračunske tablice.
Zaključak
Dakle, koeficijent podudarnosti pokazuje dosljednost mišljenja nekoliko stručnjaka. Što je dalje od 0 i bliže 1, mišljenja su konzistentnija. Ovi se koeficijenti moraju potvrditi izračunom Pearsonovog kriterija.
