Kapag sinusuri ng peer, halimbawa, tinatasa ang pagiging mapagkumpitensya ng mga produkto, kinakailangan, tulad ng sa anumang gawaing siyentipiko, na magsagawa ng pagpoproseso ng istatistikal na data. Ang huli ay nagsisimula sa pagtukoy sa pagkakapare-pareho ng mga opinyon ng eksperto, ang numerical expression na kung saan ay ang concordance coefficient.
Bakit kailangan natin ng expert consensus assessment?
Ang pagtatasa na ito ay kailangan, una sa lahat, dahil ang mga opinyon ng mga eksperto ay maaaring mag-iba nang malaki sa mga tinantyang parameter. Sa una, ang pagtatasa ay isinasagawa sa pamamagitan ng pagraranggo ng mga tagapagpahiwatig at pagtatalaga sa kanila ng isang tiyak na koepisyent ng kahalagahan (timbang). Ang hindi pare-parehong pagraranggo ay nagreresulta sa mga coefficient na ito na hindi maaasahan ayon sa istatistika. Ang mga opinyon ng mga eksperto na may kanilang kinakailangang bilang (higit sa 7-10) ay dapat ipamahagi ayon sa normal na batas.
Ang konsepto ng coefficient ng concordance
Kaya. Concordance ay concordance. Ang coefficient ay isang walang sukat na dami na nagpapakita ng ratio ng dispersion sa maximum na dispersion sa pangkalahatang kaso. I-generalize natin ang mga konseptong ito.
Concordance coefficient ay isang numero mula 0 hanggang 1, na nagpapakita ng pagkakapare-pareho ng mga opinyon ng eksperto kapagpagraranggo ng ilang mga ari-arian. Kung mas malapit ang halagang ito sa 0, mas mababa ang pagkakapare-pareho ay isinasaalang-alang. Kung ang halaga ng koepisyent na ito ay mas mababa sa 0.3, ang mga opinyon ng mga eksperto ay itinuturing na hindi pare-pareho. Kapag ang halaga ng koepisyent ay nasa hanay mula 0.3 hanggang 0.7, ang pagkakapare-pareho ay itinuturing na karaniwan. Ang value na mas mataas sa 0.7 ay itinuturing na mataas na consistency.
Mga kaso ng paggamit
Kapag nagsasagawa ng istatistikal na pananaliksik, maaaring lumitaw ang mga sitwasyon kung saan ang isang bagay ay maaaring mailalarawan hindi sa pamamagitan ng dalawang pagkakasunud-sunod, na naproseso ayon sa istatistika gamit ang concordance coefficient, ngunit sa pamamagitan ng ilang mga pagkakasunud-sunod, na naaayon ay niraranggo ng mga eksperto na may parehong antas ng propesyonalismo sa isang partikular na lugar.
Ang pagkakapare-pareho ng pagraranggo na isinagawa ng mga eksperto ay dapat matukoy upang kumpirmahin ang kawastuhan ng hypothesis na ang mga eksperto ay gumagawa ng medyo tumpak na mga sukat, na nagpapahintulot sa pagbuo ng iba't ibang mga pagpapangkat sa mga pangkat ng eksperto, na higit na tinutukoy ng mga kadahilanan ng tao, pangunahin gaya ng mga pagkakaiba sa pananaw, mga konsepto, iba't ibang paaralang pang-agham, katangian ng propesyonal na aktibidad, atbp.
Maikling paglalarawan ng paraan ng pagraranggo. Mga kalamangan at kahinaan nito
Kapag nagraranggo, ginagamit ang paraan ng pagraranggo. Ang kakanyahan nito ay nakasalalay sa katotohanan na ang bawat pag-aari ng bagay ay itinalaga ng sarili nitong tiyak na ranggo. Bukod dito, ang bawat eksperto na kasama sa pangkat ng eksperto, ang ranggo na ito ay itinalaganang nakapag-iisa, na nagreresulta sa pangangailangang iproseso ang data na ito upang matukoy ang pagkakapare-pareho ng mga opinyon ng eksperto. Ang prosesong ito ay isinasagawa sa pamamagitan ng pagkalkula ng coefficient ng concordance.
Ang pangunahing bentahe ng paraan ng pagraranggo ay ang kadalian ng pagpapatupad nito.
Ang pangunahing kawalan ng pamamaraan ay:
- maliit na bilang ng mga bagay sa pagraranggo, dahil kapag lumampas ang kanilang bilang sa 15-20, nagiging mahirap na magtalaga ng mga layunin sa pagraranggo ng mga marka;
- Batay sa paggamit ng paraang ito, nananatiling bukas ang tanong kung gaano kalayo ang mga pinag-aralan na bagay sa isa't isa sa kahalagahan.
Kapag ginagamit ang paraang ito, dapat isaalang-alang na ang mga rating ay nakabatay sa ilang uri ng probabilistic na modelo, kaya dapat itong ilapat nang may pag-iingat, ayon sa saklaw.
Kendall's Concordance Rank Coefficient
Ginamit upang matukoy ang kaugnayan sa pagitan ng quantitative at qualitative na mga feature na nagpapakilala sa mga homogenous na bagay at niraranggo ayon sa parehong prinsipyo.
Ang coefficient na ito ay tinutukoy ng formula:
t=2S/(n(n-1)), kung saan
S - ang kabuuan ng mga pagkakaiba sa pagitan ng bilang ng mga sequence at bilang ng mga inversion sa pangalawang feature;
n - bilang ng mga obserbasyon.
Algoritmo ng pagkalkula:
- Ang mga x value ay niraranggo sa pataas o pababang pagkakasunod-sunod.
- Ang mga y-values ay nakaayos sa pagkakasunud-sunod kung saan tumutugma ang mga ito sa mga x-values.
- Para sa bawat sunud-sunod na ranggo ng y, tukuyin kung gaano karaming mga value ng mas mataas na ranggo ang sumusunod dito. Ang mga ito ay idinaragdag at ang sukat ng pagsusulatan ng mga sequence ng mga ranggo sa x at y ay kinakalkula.
- Katulad nito, ang bilang ng mga ranggo ng y na may mas mababang mga halaga ay kinakalkula, na nagdaragdag din.
- Idagdag ang bilang ng mga ranggo na may mas matataas na halaga at ang bilang ng mga ranggo na may mas mababang mga halaga, na nagreresulta sa halagang S.
Ang coefficient na ito ay nagpapakita ng ugnayan sa pagitan ng dalawang variable, at sa karamihan ng mga kaso ay tinatawag na Kendall rank correlation coefficient. Maaaring ipakita sa graphical na paraan ang naturang pag-asa.
Pagpapasiya ng koepisyent
Paano ito ginagawa? Kung lumampas sa 2 ang bilang ng mga feature o factor na niraranggo, ginagamit ang concordance coefficient, na, sa esensya, ay isang maramihang variant ng rank correlation.
Mag-ingat. Ang pagkalkula ng concordance coefficient ay batay sa ratio ng paglihis ng kabuuan ng mga parisukat ng mga ranggo mula sa average na kabuuan ng mga parisukat ng mga ranggo, na pinarami ng 12, hanggang sa parisukat ng mga eksperto, na pinarami ng pagkakaiba sa pagitan ng kubo ng numero ng mga bagay at ang bilang ng mga bagay.
Algoritmo ng pagkalkula
Upang maunawaan kung saan nanggaling ang numero 12 sa numerator ng formula ng pagkalkula, tingnan natin ang algorithm ng pagpapasiya.
Para sa bawat linya na may mga ranggo ng isang partikular na eksperto, kinakalkula ang kabuuan ng mga ranggo, na isang random na halaga.
Ang concordance coefficient ay karaniwang tinutukoy bilang ratio ng variance estimate (D) sa maximum na halaga ng variance estimate(Dmax). Sunud-sunod nating bumalangkas ng mga kahulugan ng mga dami na ito.
where ravg - pagtatantya ng inaasahan;
m - bilang ng mga bagay.
Ang pagpapalit ng mga resultang formula na may kaugnayan sa D sa Dmax makuha natin ang panghuling formula para sa concordance coefficient:
Narito ang m ang bilang ng mga eksperto, n ang bilang ng mga bagay.
Ang unang formula ay ginagamit upang matukoy ang concordance factor kung walang magkakaugnay na ranggo. Ginagamit ang pangalawang formula kung may magkakaugnay na mga ranggo.
Kaya, tapos na ang pagkalkula ng concordance coefficient. Anong susunod? Ang nakuhang halaga ay sinusuri para sa kahalagahan gamit ang Pearson coefficient sa pamamagitan ng pagpaparami ng koepisyent na ito sa bilang ng mga eksperto at sa bilang ng mga antas ng kalayaan (m-1). Ang resultang criterion ay inihambing sa halaga ng talahanayan, at kung ang halaga ng una ay lumampas sa huli, ang mga ito ay nagsasalita ng kahalagahan ng koepisyent na pinag-aaralan.
Sa kaso ng mga kaugnay na ranggo, ang pagkalkula ng Pearson criterion ay nagiging mas kumplikado at ginagawa ng sumusunod na ratio: (12S)/(d(m2+ m)-(1/(m-1))x(Ts1 +Ts2 +Tsn)
Halimbawa
Ipagpalagay na sinusuri ng ekspertong pamamaraan ang pagiging mapagkumpitensya ng mantikilya na ibinebenta sa isang retail na network. Magbigay tayo ng isang halimbawa ng pagkalkula ng coefficient ng concordance. Bago masuri ang pagiging mapagkumpitensya, kinakailangan na ranggo ang mamimilimga katangian ng produktong ito na kasama sa pagsusuri. Ipagpalagay natin na ang mga pag-aari na ito ay ang mga sumusunod: lasa at amoy, pagkakapare-pareho at hitsura, kulay, packaging at label, nilalaman ng taba, pangalan ng kalakalan, tagagawa, presyo.
Ipagpalagay na ang pangkat ng eksperto ay binubuo ng 7 eksperto. Ipinapakita ng figure ang mga resulta ng pagraranggo sa mga property na ito.
Ang average na halaga ng r ay kinakalkula bilang arithmetic average at magiging 31.5. Upang mahanap ang S, isama ang mga squared differences sa pagitan ng ray at r average, ayon sa formula sa itaas, at tukuyin na ang value ng S ay 1718.
Kalkulahin ang concordance coefficient gamit ang formula nang hindi gumagamit ng mga kaugnay na ranggo (magkakaugnay ang mga ranggo kung ang parehong Expert Advisor ay may parehong ranggo para sa iba't ibang katangian).
Ang halaga ng coefficient na ito ay magiging 0.83. Ito ay nagpapahiwatig ng isang malakas na pinagkasunduan sa mga eksperto.
Suriin ang kahalagahan nito gamit ang Pearson test:
7 x 0.83 x (8-1)=40.7.
Pearson's tabular test sa 1% significance level ay 18.5, at sa 5% - 14.1..
Ang halimbawa ay nagpapakita ng pagiging simple at pagiging naa-access ng pagkalkula para sa sinumang tao na alam ang mga pangunahing kaalaman sa mga kalkulasyon sa matematika. Para maibsan sila,gumamit ng mga form ng spreadsheet.
Sa konklusyon
Kaya, ang coefficient ng concordance ay nagpapakita ng pagkakapare-pareho ng mga opinyon ng ilang eksperto. Kung mas malayo ito mula sa 0 at mas malapit sa 1, mas pare-pareho ang mga opinyon. Ang mga coefficient na ito ay dapat kumpirmahin sa pamamagitan ng pagkalkula ng Pearson criterion.
