3.3. Оценка согласованности мнений экспертов

При ранжировании объектов эксперты обычно расходят­ся во мнениях по решаемой проблеме. В связи с этим возникает необходимость количественной оценки степе­ни согласия экспертов. Получение количественной ме­ры согласованности мнений экспертов позволяет более обоснованно интерпретировать причины в расхождении мнений.

В настоящее время известны две меры согласованно­сти мнений группы экспертов: дисперсионный и энтро­пийный коэффициенты конкордации.

Дисперсионный коэффициент конкордации. Рас­смотрим матрицу результатов ранжировки n объектов группой из m экспертов  (j=1,…,m; i=1,…,n), где  - ранг, присваиваемый j-м экспертом i-му объекту. Составим суммы рангов по каждому столбцу. В резуль­тате получим вектор с компонентами [12]

(i=1,2,…,n). (5.14)

Величины  рассмотрим как реализации случайной величины и найдем оценку дисперсии. Как известно, оп­тимальная по критерию минимума среднего квадрата ошибки оценка дисперсии определяется формулой [12]:

,  (5.15)

где  - оценка математического ожидания, равная

(5.16)

Дисперсионный коэффициент конкордации определя­ется как отношение оценки дисперсии (5.15) к макси­мальному значению этой оценки [12]

.  (5.17)

Коэффициент конкордации изменяется от нуля до еди­ницы, поскольку .

Вычислим максимальное значение оценки дисперсии для случая отсутствия связанных рангов (все объекты различны). Предварительно покажем, что оценка мате­матического ожидания зависит только от числа объек­тов и количества экспертов. Подставляя в (5.16) зна­чение  из (5.14), получаем [12]

(5.18)

Рассмотрим вначале суммированные по i при фиксиро­ванном j. Это есть сумма рангов для j-го эксперта. По­скольку эксперт использует для ранжировки натураль­ные числа от 1 до n, то, как известно, сумма натураль­ных чисел от 1 до n равна [12]

(5.19)

Подставляя (5.19) в (5.18), получаем [12]

 (5.20)

Таким образом, среднее значение зависит только от числа экспертов m и числа объектов n.

Для вычисления максимального значения оценки дис­персии подставим в (5.15) значение  из (5.14) и воз­ведем в квадрат двучлен в круглой скобке. В результате получаем [12]

(5.21)

Учитывая, что из (5.18) следует

получаем [12]

(5.22)

Максимальное значение дисперсии достигается при наибольшем значении первого члена в квадратных скоб­ках. Величина этого члена существенно зависит от рас­положения рангов - натуральных чисел в каждой стро­ке i. Пусть, например, все m экспертов дали одинаковую ранжировку для всех n объектов. Тогда в каждой строке матрицы будут расположены одинаковые числа. Следовательно, суммирование рангов в каждой i-u стро­ке дает m-кратное повторение i-ro числа [12]:

Возводя в квадрат и суммируя по i, получаем значение первого члена в (5.22) [12]:

(5.23)

Теперь предположим, что эксперты дают несовпадающие ранжировки, например, для случая n=m все эксперты присваивают разные ранги одному объекту. Тогда [12]

Сравнивая это выражение с  при m=n, убеждаемся, что первый член в квадратных скобках формулы (9) ра­вен второму члену и, следовательно, оценка дисперсии равна нулю.

Таким образом, случай полного совпадения ранжиро­вок экспертов соответствует максимальному значению оценки дисперсии. Подставляя (5.23) в (5.22) и выпол­няя преобразования, получаем [12]

 (5.24)

Введем обозначение [12]

(5.25)

Используя (5.25), запишем оценку дисперсии (5.15) в виде [12]

(5.26)

Подставляя (5.24), (5.25), (5.26) в (5.17) и сокращая на множитель (n—1), запишем окончательное выражение для коэффициента конкордации [12]

(5.27)

Данная формула определяет коэффициент конкордации для случая отсутствия связанных рангов.

Если в ранжировках имеются связанные ранги, то максимальное значение дисперсии в знаменателе форму­лы (5.17) становится меньше, чем при отсутствии свя­занных рангов. Можно показать, что при наличии свя­занных рангов коэффициент конкордации вычисляется по формуле [12]:

(5.28)

где

(5.29)

В формуле (5.28)  - показатель связанных рангов в j-й ранжировке,  - число групп равных рангов в j-й ран­жировке,  - число равных рангов в k-й группе связан­ных рангов при ранжировке j-м экспертом. Если совпа­дающих рангов нет, то =0, =0 и, следовательно, =0. В этом случае формула (5.28) совпадает с форму­лой (5.27).

Коэффициент конкордации равен 1, если все ранжи­ровки экспертов одинаковы. Коэффициент конкордации равен нулю, если все ранжировки различны, т. е. со­вершенно нет совпадения.

Коэффициент конкордации, вычисляемый по формуле (5.27) или (5.28), является оценкой истинного значения коэффициента и, следовательно, представляет собой случайную величину. Для определения значимости оценки коэффициента конкордации необходимо знать распреде­ление частот для различных значений числа экспертов m и количества объектов n. Распределение частот для W при  и вычислено в [52]. Для боль­ших значений m и n можно использовать известные ста­тистики. При числе объектов n>7 оценка значимости коэффициента конкордации может быть произведена по критерию . Величина Wm(n—1) имеет  распределе­ние с v=n –1 степенями свободы.

При наличии связанных рангов  распределение с v=n—1 степенями свободы имеет величина [12]:

(5.30)

Энтропийный коэффициент конкордации определяет­ся формулой (коэффициент согласия) [12]:

 (5.31)

где Н – энтропия, вычисляемая по формуле

 (5.32)

а - максимальное значение энтропии. В формуле для энтропии  - оценки вероятностей j-го ранга, при­сваиваемого i-му объекту. Эти оценки вероятностей вы­числяются в виде отношения количества экспертов , приписавших объекту  ранг j к общему числу экспер­тов [12].

(5.33)

Максимальное значение энтропии достигается при равновероятном распределении рангов, т. е. когда . Тогда [12]

(5.34)

Подставляя это соотношение в формулу (5.32), получаем [12]

(5.35)

Коэффициент согласия изменяется от нуля до едини­цы. При  расположение объектов по рангам рав­новероятно, поскольку в этом случае . Данный случай может быть обусловлен либо невозможностью ранжировки объектов по сформулированной совокупно­сти показателей, либо полной несогласованностью мне­ний экспертов. При , что достигается при нулевой энтропии (H=0), все эксперты дают одинаковую ранжи­ровку. Действительно, в этом случае для каждого фик­сированного объекта  все эксперты присваивают ему один и тот же ранг j, следовательно, , a   Поэтому и H=0.

Сравнительная оценка дисперсионного и энтропийно­го коэффициентов конкордации показывает, что эти ко­эффициенты дают примерно одинаковую оценку согла­сованности экспертов при близких ранжировках. Одна­ко если, например, вся группа экспертов разделилась в мнениях на две подгруппы, причем ранжировки в этих подгруппах противоположные (прямая и обратная), то дисперсионный коэффициент конкордации будет равен нулю, а энтропийный коэффициент конкордации будет равен 0,7. Таким образом, энтропийный коэффициент конкордации позволяет зафиксировать факт разделения мнений на две противоположные группы. Объем вычис­лений для энтропийного коэффициента конкордации не­сколько больше, чем для дисперсионного коэффициента конкордации.


Информация о работе «Метод экспертных оценок»
Раздел: Менеджмент
Количество знаков с пробелами: 75121
Количество таблиц: 0
Количество изображений: 0

Похожие работы

Скачать
43559
3
2

... элемента на качество принимаемых управленческих решений - одна из главных задач оптимизации процессов принятия решений в управлении общественным производством. Одним из условий преодоления субъективизма при подготовке управленческих решений являются методы исследования операций, методы экспертных оценок. Процедура выработки управленческих решений, являясь сложным логико-мыслительным процессом, ...

Скачать
6269
0
0

... . В ней прежде всего однозначно формулируется подлежащее прогнозу явление, предусматривается в виде гипотиз возможные варианты его исхода. Весьма часто применяется в прикладной социологии и такой метод экспертного прогноза, как “дельфинийская техника”[1]. Он заключается в выработке согласованных мнений путём многократного повторения опроса одних и тех же экспертов. После первого опроса и ...

Скачать
12707
7
3

... осуществляется по следующей формуле: , где , - количество повторений каждого ранга j – м студентом. Практическая работа Здесь осуществляется практическая реализация метода экспертных оценок в анализе качества обучающего процесса в ИП "Стратегия". Этот раздел содержит расчеты показателей, сравнения результирующих данных, факторы, влияющие на показатели. Для получения всех этих данных ...

Скачать
41248
0
0

... Поэтому целесообразно разработать предназначенный для поддержки проведения экспертных исследований АРМ "МАТЭК" ("Математика в экспертизе") на базе РС фирмы "Apple" с использованием современных достижений в области теории и практики экспертных оценок, в области прикладной математической статистики, прежде всего статистики объектов нечисловой природы. Список литературы 1. Орлов А.И. Допустимые ...

0 комментариев


Наверх