Yhteensopivuuskerroin: esimerkkitapaus ja kaava. Mikä on yhdenmukainen kerroin?

muodostus

Esimerkiksi vertaisarvioinnilla,tuotteiden kilpailukykyä, on välttämätöntä, kuten kaikessa tieteellisessä työssä, suorittaa tilastollista käsittelyä tietojen. Jälkimmäinen alkaa konsistenssin määrittämiseksi asiantuntijamielipiteen, numeeriset ekspressiota se on kerroin yhtäpitävyyden.

Miksi me tarvitsemme arviointia asiantuntijalausuntojen johdonmukaisuudesta?

Tämä arviointi on välttämätöntä ensinnäkin, koskaettä asiantuntijoiden mielipiteet voivat vaihdella suuresti arvioiduissa parametreissä. Aluksi arvioinnissa käytetään indikaattoreiden sijoitusta ja niiden määrittämistä tiettyyn merkittävään tekijään (painoarvoon). Epäyhtenäinen ranking johtaa siihen, että nämä kertoimet ovat tilastollisesti epäluotettavia. Asiantuntijat, joilla on vaadittu määrä (yli 7-10), olisi jaettava normaalin lain mukaan.

Yhteensovittamiskertoimen käsite

So. Johdonmukaisuus on samankaltaisuus. Kerroin on dimensiivinen määrä, joka osoittaa suhteen yleisen varianssian ja varianssiarvon suhde. Yleistämme nämä käsitteet.

Vastaavuuskerroin on luku 0 - 1,mikä osoittaa asiantuntijalausuntojen johdonmukaisuuden jonkin kiinteistön sijoituksen aikana. Mitä lähempänä tämä arvo on 0, johdonmukaisuutta pidetään pienemmäksi. Kun tämän suhteen arvo on alle 0,3, asiantuntijalausuntoja pidetään epäjohdonmukaisina. Kertoimen arvon löytämiseksi välillä 0,3-0,7, johdonmukaisuutta pidetään keskimäärin. Suuremmalla suuremmalla kuin 0,7, sakeus hyväksytään korkeana.

Käytä tapauksia

Tilastollisten tutkimusten suorittaminen voion olemassa tilanteita, joissa esineelle ei voida ominaista kaksi sekvenssiä, jotka on tilastollisesti käsitelty samansuuruisella kertoimella, mutta useita, jotka on asianmukaisesti rankattu asiantuntijoilla, joilla on sama ammattitaidon taso tietyllä alalla.

Johdonmukaisuusluettelot toteutetaanasiantuntijoiden on varmistettava hypoteesin oikeellisuuden vahvistaminen, jonka mukaan asiantuntijat tekevät suhteellisen tarkkoja mittauksia, joiden avulla voit muodostaa erilaisia ryhmiä asiantuntijaryhmissä, jotka johtuvat monessa suhteessa inhimillisiin tekijöihin, lähinnä erilaisten näkemysten, käsitteiden, eri tieteellisten koulujen, ammatillisten toiminta, jne.

Lyhyt kuvaus sijoitusmenetelmästä. Sen edut ja haitat

Käytettäessä sijoitustapaa käytetäänriveissä. Sen ydin on siinä, että kohteen jokaiselle ominaisuudelle annetaan tietty asema. Lisäksi jokaiseen asiantuntijaryhmään kuuluvan asiantuntijaryhmän tehtäväksi on annettu tämä tehtävä itsenäisesti, mikä johtaa tarpeeseen käsitellä näitä tietoja asiantuntijalausuntojen johdonmukaisuuden tunnistamiseksi. Tämä prosessi suoritetaan laskemalla yhteneväisyyskerroin.

Sijoitusmenetelmän suurin etu on toteutuksen helppous.

Menetelmän pääasialliset haitat ovat:

pieni joukko sijoituskohteita, sillä jos niiden määrä ylittyy 15-20: lla, on vaikeaa osoittaa objektiivisia ranking-pisteitä;
Tämän menetelmän perusteella on edelleen avoin kysymys siitä, kuinka merkittävätko tutkittavat kohteet ovat toisistaan.

Tätä menetelmää käytettäessä on otettava huomioon, että luokitukset perustuvat todennäköisyysmalliin, joten niitä on käytettävä varoen ottaen huomioon soveltamisala.

Kendall Concorde Sijoitus Ratio

Sitä käytetään määrittämään homogeenisten objektien kvantitatiivisten ja kvalitatiivisten ominaisuuksien välinen suhde ja samaa periaatetta.

Tätä kerrointa määritellään kaavalla:

t = 2S / (n (n-1)), missä

S on sekvenssien lukumäärän ja toisen attribuutin mukaisten inversioiden määrän välisten erojen summa;

n on havaintojen määrä.

Laskennan algoritmi:

Arvot vaihtelevat x joko vähenemässä tai kasvussa.
arvo at järjestetään järjestyksessä, jossa ne vastaavat arvoja x.
Jokaisesta perättäisestä rangista at Määritä, kuinka monta sijoitusarvoa hän ylittää. Ne lasketaan yhteen ja mitataan sekvenssien vaatimustenmukaisuus kanssa ja y.
Samoin laske joukko rivejä. at pienemmillä arvoilla, jotka myös lisääntyvät.
Lisää rivejä, joiden arvot ylittävät, ja rivejä, joiden arvot ovat pienempiä, tulos on arvo S.

Tämä kerroin osoittaa kahden muuttujan välisen suhteen, ja useimmissa tapauksissa sitä kutsutaan Kendall-arvon korrelaatiokertoimeksi. Tällaista riippuvuutta voidaan esittää graafisesti.

Kertoimen määritys

Miten tämä tehdään? Jos sijoittuneiden ominaisuuksien tai tekijöiden määrä ylittää 2, käytetään samaa tasokerrointa, joka itse asiassa on useita korrelaatiovaihtoehtoja.

Ole varovainen. Yhteensovittamiskertoimen laskeminen perustuu riveihin kuuluvien neliösummien poikkeamien suhdelukuun riveiden keskimääräisestä summasta kerrottuna 12: lla asiantuntijoiden neliöön kerrottuna objektin lukumäärän kuution ja objektien määrän välillä.

Laskentalgoritmi

Jotta ymmärrettäisiin, missä numero 12 otetaan laskentakaavan numeratorista, katsotaan määritysalgoritmia.

Jokaiselle riville tietyn asiantuntijan rivillä lasketaan rivien summa, joka on satunnaismuuttuja.

Vastaavuuskerroin määritellään yleensä varianssianalyysin (D) suhteeksi varianssianalyysin maksimiarvoon (D_max). Antakaamme peräkkäisiä kaavoja näiden määrien määrittelemiseksi.

jossa r_vrt - arvio odotuksesta;

m on objektien määrä.

Korvataan tuloksena olevat kaavat D: n ja D: n välisessä suhteessa_max saadaan lopullinen kaava sovituskertoimelle:

Tässä m on asiantuntijoiden määrä, n on objektien määrä.

Ensimmäistä kaavaa käytetään määrittämään samankorvausnopeus, jos siihen ei ole liittyneitä rivejä. Toista kaavaa käytetään, kun siihen liittyy rivejä.

Tällöin täsmällisen kertoimen laskeminen on suoritettu loppuun. Mitä seuraavaksi? Tulokseksi saatua arvoa arvioidaan merkitsevän Pearson-kertoimen avulla kertomalla tämä kerroin asiantuntijoiden lukumäärän ja vapausasteen mukaan (m-1). Tuloksena olevaa kriteeriä verrataan taulukon arvoon, ja kun ensimmäisen arvon ylittää viimeisen, ne ilmaisevat tutkittavan kertoimen merkityksen.

Pearson-kriteerin laskeminen on suhteessa monimutkaisempi, ja se suoritetaan seuraavalla suhdeluvulla: (12S) / (d (m²+ m) - (1 / (m-1)) x (T_s1 + T_s2 + T_sn)

esimerkki

Oletetaan, että asiantuntijatapa on arvioituvähittäiskauppaketjuissa myytävän voin kilpailukyky. Annamme esimerkin laskentaperusteesta. Ennen kilpailukyvyn arviointia on arvioitava tuotteen kuluttajaominaisuudet, jotka ovat mukana arvioinnissa. Oletetaan, että tällaiset ominaisuudet ovat seuraavat: maku ja haju, koostumus ja ulkonäkö, väri, pakkaus ja merkinnät, rasvapitoisuus, kauppanimi, valmistaja, hinta.

Oletetaan, että asiantuntijaryhmä koostuu 7 asiantuntijalta. Kuvassa näkyy näiden ominaisuuksien sijoitusten tulokset.

Keskimääräinen arvo R lasketaan aritmeettisena keskiarvona ja on 31,5. Löytää S summa erojen neliöiden välillä R_IC ja R keskimääräinen aikaisemmin annettu kaava ja määritä määrä S on 1718.

Laske kerroin yhtälön kaavaa ilman(se olisi liittänyt rivejä, jos saman asiantuntijan eri ominaisuuksilla olisi samat rivejä).

Tämän suhdeluvun arvo on 0,83. Tämä osoittaa asiantuntijoiden vahvan johdonmukaisuuden.

Tarkasta sen merkitys Pearsonin kriteerillä:

7 x 0,83 x (8-1) = 40,7.

Pearson-pöydän testi 1%: n tasollamerkitys on 18,5 ja 5% - 14,1. Molemmat luvut ovat pienempiä kuin laskettu arvo, joten merkityksellisellä tasolla 1% lasketun laskentakertoimen oletetaan olevan merkittävä.

Esimerkki osoittaa laskennan yksinkertaisuuden ja saatavuuden jokaiselle, joka on oppinut matemaattisten laskelmien perusteet. Voit helpottaa niitä käyttämällä taulukkolomakkeita.

Lopuksi

Siten vastaavuusaste näyttääuseiden asiantuntijoiden mielipiteiden johdonmukaisuus. Mitä kauemmas 0 ja lähempänä 1, sitä enemmän sovitaan. Nämä tekijät on vahvistettava laskemalla Pearsonin kriteeri.