Диссертация (1169122), страница 12

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 12)

Дабы избежать этой ошибки, в окончательном отчетеследует указывать как мнение (агрегатированное) большинства группы,так и альтернативные (единичные или малочисленные) позиции.4. Догма одномерности: эксперты принимаются как равные и равноправныечлены группы, если предварительно не удалось оценить их уровенькомпетентности [75,76,86,26,60].Этапы обработки:1.

Логическаяформализацияинформации.Работасрезультатами,полученными от каждого эксперта, может проводиться отдельно:а) Транскрипт приводится в соответствие с задачами и требованиямиподачи информации по конкретной экспертизе (по единой форме)– так называемая процедура нарезки информации [27].б) Проверка ответов на противоречивость по каждому эксперту.2. Попытка построения согласованных мнений отдельных групп экспертовпо каждому значимому анализируемому смысловому блоку.

Опираясь на101полученныйуровеньсогласованности,принимаетсярешениеонеобходимости проведения стандартизирующего третьего этапа [59,96].Существуетпроблемасубъективнойинтерпретацииоконечнымисследователем экспертной информации. Ниже приводятся возможные способыминимизации потерь по этому фактору:− применениепринципатриангуляции(нескольконезависимыханалитиков подготавливают свои отчеты);− согласование скомпонованного отчета со всей экспертной группой.Особенность – работа с количественной информацией, обладающейпорядковой, а не просто числовой природой.Этапы:1.

Оценка индивидуальных мнений (отметок) экспертов – проверка нанепротиворечивость по каждому эксперту. Параметр, характеризующийотсутствиеошибок-устойчивость.Проводитсявыявлениесистематических, преднамеренных или непреднамеренных ошибок вответах конкретного эксперта (например, неадекватная работа сизмерительной шкалой при использовании только части ее); ошибки,задаваемыенеоднозначностьюпостановкизадачи.Толькодлядельфийской техники выявляются случайные ошибки проектов [94,29].2. Оценка согласованности матрицы мнений экспертов (в зависимости оттипа выбранной шкалы).

Если проводится анализ собранных мнений,представляющих из себя реальные числа, то как правило используюткоэффициент корреляции Пирсона. В том случае, когда этот показательочень низкий, используют процедуру проверки согласованности групп –кластерный анализ. Если мнения экспертов представлены в порядковыхшкалах, рекомендуется оценивать согласованность мнений с помощьюкоэффициента ранговой корреляции Спирмана / Кендела. Если работапроводится с номинальными переменными, тогда специфический102коэффициент устойчивости используется (диагональная матрица). Взависимости от степени согласованности мнений может быть приняторешение о проведении третьего этапа [51,64,15].3.

Агрегирование. Формирование единого представления по группе – методстрочныхсумм,использующийпостроениематрицысужденийэкспертов. Метод строчных сумм при этом дополняется правиломбольшинства: объект Б проигрывает объекту А, если не менее половиныэкспертов (N/2+1) отдают предпочтение объекту А по отношению к Б.Особенность дельфийской техники состоит в том, что обработкаинформации производится параллельно. Есть коэффициенты, демонстрирующиеустойчивость мнений экспертов от одного тура к последующему туру.

Дляинформации, задаваемой по метрическим шкалам, используем:Xср. = (х1+х2)/2,σ2=1/4 *(x1-x2)2, где σ2 – среднеквадратическое отклонениеS =√1/N * ∑σ2- коэффициент устойчивости между замерами (мненийэкспертов). Если он не меняется от предыдущего тура к текущему, то нетнеобходимости в следующем туре исследования.Дляинформации,заданнойвпорядковойформеиспользуютсякоэффициенты ранговой корреляции.

Для номинальной формы представлениямнений экспертов используем матрицу [50]:W=1/N *∑nij, где N – полная сумма всех мнений экспертов, ∑nij –количество экспертов, изменивших свое мнение. Если коэффициентустойчивости равен нулю, то мнение экспертов абсолютно устойчиво.1033.2. Построение авторской математической модели оценки мненийэкспертов и формирования групп рисков, характерных для проектовгосударственно-частногопартнерствавобластиинфраструктурыавтодорожного комплексаПосле сбора результатов проведенного опроса, автором была предложенаматематическая модель для обработки данных и взвешивания рисков споследующим присвоением коэффициента значимости каждому из них.Для этого была проведена оценка согласованности мнений экспертов,заданных не в виде рангов значимости внутри группы из нескольких факторов, ав виде произвольной цифровой оценки этих факторов (как при дискретномзадании этой оценки с каким-то допустимым шагом, так и при допустимостизадания произвольного числа), может проводиться [52] путем расчета степениразброса показаний экспертов вокруг усредненного значения этой оценки.

Вслучае оценки каждого отдельного фактора этот разброс может быть определенкак среднеквадратическое отклонение (одномерный случай), а в случаекомплексной оценки сразу по группе факторов определяется значениесреднеквадратического расстояния (далее по тексту - сигма) от средней точки(центра масс точек – мнений экспертов в n – мерном пространстве переменных –оцениваемых факторов) до самих точек-мнений в n-мерном пространстве.В одномерном случае оценивается коэффициент вариации, а именно,отношение полученного значения сигма к математическому ожиданию, или (каки в многомерном случае) доля всех точек, попавших в n-мерную сферу радиусомсигма (или сигма с определенным коэффициентом) с ограниченияминормативами по этим критериям.

В многомерном случае также может бытьиспользовананалогкоэффициентавариации–отношениемодулясреднеквадратичного радиуса отклонения (сигма в n-мерном пространстве) кдлине вектора в центр масс (из нулевой точки – начала координат.)104При построении сферы можно принять, что точки (эксперты), не попавшиевнутрь сферы – это ненадежные эксперты, и их можно удалить, по крайней мередля этой таблицы факторов.Переходить к анализу по сфере-ограничителю корректно в тех случаях,когдаприпроведениистандартногостатистическогоанализаполученсущественно значимый коэффициент вариации для рассматриваемой случайнойвеличины (отношение среднеквадратического значения длины вектора отклонения каждого i-го мнения эксперта от вектора в центр масс в n-мерномпространстве факторов), малозначимые корреляционные зависимости повыделенным подгруппам выборки (значения оценок, данные по отдельнымтаблицам анкет и т.д.).Сформулируем этот подход в формульном виде.Пусть в группу входит ‘m’ экспертов, которые дают оценки ‘xij’ для ‘n’факторов.

/ i = 1÷n, j = 1÷m/Найдемсреднеквадратическоезначениедлясреднеквадратичныхотклонений значений по каждому i-му фактору.Исходя из:21 mDi     xij  xi  ,m j 1(1)где,1 mxi    xijm j 1Di – дисперсия набора данных от экспертов по i-му фактору (оценка риска)Для нахождения среднеквадратического значения для среднеквадратичныхотклонений получим:1051 n1 n 1 m( )    Di      ( xij  xi ) 2 n i 1n i 1 m j 1(2)2n m11 n2 n x m  xij 2    xi 2    i   xij n  m i 1 j 1n i 1n i 1 m j 1n m11 n  xij 2    xi 2 n  m i 1 j 1n i 11 n 1 m      xij 2  xi 2 n i 1  m j 1Где,σ2 - среднеквадратическоеотклонение;n- факторы (набор рисков);m – эксперты;xij - оценка рисков экспертамиDi – дисперсия показателей, данныхэкспертами по i-му факторуНайдем выражение для среднего расстояния (L) от точек(экспертов) доусредненной точки (центра масс):L2 nnnn2221 m 2   rj  r0     xij  xi     xij     xi   2  xij  xi   m j 1 i 1i 1i 1i 1nm n21  m n2    xij   m   xi   2  xij  xi   m  j 1 i 1i 1j 1 i 1nn m21  m n2    xij   m   xi   2  xi   xij    m  j 1 i 1i 1i 1 j 1n21  m n2    xij   m   xi   m  j 1 i 1i 1(3)n n21 m2      xij    xi     Di  ( 2 ) ni 1  m j 1 i 1Где «Di» – дисперсия показателей, данных экспертами по i-му фактору, «σ»– среднеквадратическое значение из среднеквадратических по всем «n»рассматриваемым факторам (здесь и далее значения, присеваемые экспертамитому или иному фактору, рассматриваем в нормированном виде, т.е.

верхняяграница оценки ограничена значением «1» (всего от 0 до 1), что к тому женаиболееяснопредставимовизуальновдальнейшейгеометрическойинтерпретации). Таким образом, радиус сферы принятия решения может бытьопределен как:L  n  ( ) 2nDi 1i(4)106Придопущениигипотезыонормальномраспределенииошибкиэкспертизы в высокой степени удовлетворяющими группе оценок могут бытьприняты те оценки (точки-эксперты), которые расположены в сфере радиуса L, ине удовлетворяющие критерию группового согласия точки, выпадающие изсферы радиусом 2L.

Данная логика построена аналогично общепринятомудопущению ошибки в σ, в пределах которой укладываются показания принормальном распределении с вероятностью попадания случайной величины 0,68(68%) и в 2*σ – вероятность 0,955 (95,5%). При допущении увеличения полясогласия до 90% зона допустимого разброса увеличивается до 1.64*σ. Прианализе многомерных расстояний вероятности попадания в σ-зоны вокругцентральной точки уменьшаются (таблицы 1 и 2).

Так, при сферической σ-зонепри принятии поля согласия до 90% зона допустимого разброса увеличиваетсяпри 2-5 мерных пространствах (2-5D) соответственно до (2.16, 2.5, 2.85, 3) *σ.При 70%-м поле согласия зона разброса для тех же размерностей пространствсоставит (1.56, 1.92, 2.21, 2.95) *σ. В случае использования кубической σ-зоныдля пространств 2-8D границы составят соответственно при 90% поле согласия(1.97, 2.15, 2.28, 2.36, 2.42, 2,46, 2,49) *σ, при 70% поле согласия (1.41, 1.62, 1.75,1.85, 1.91, 1.97, 2.03) *σ. Для расчетов коэффициентов брали интеграл длянормального распределения при N факторах (N – риски). Анализ проведенныхрасчетов согласуется с принятым критерием принятия решения.На рисунке 12 показан вариант возможного сочетания показаний экспертовпри следующих параметрах – количество оцениваемых параметров – 3(соответственно демонстрация проводится в трехмерном графике), количествоэкспертов – 9.

Характеристики

Список файлов диссертации