Диссертация (1169122), страница 14

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

Текст из файла (страница 14)

Надо отметить, что большие величины ‘σ’заведомо характеризуют плохую согласованность мнений экспертов.σМ(х)rezМ(х2)MaРис. 14 - Иллюстрация теоретического расчета ожидаемых М(х) и М(х2)при интервальном методе опроса экспертов.MarezσРис. 15 - Теоретический расчет ожидаемой σ(х) при интервальном методе опросаэкспертов.

Влияние интервальности на правильность оценки суммарного мненияэкспертов.114Для решения этого рассогласования предлагается определять расхождениес полным согласием через функцию от угла векторов, выходящих из точки,смещенной от начала координат на единичный вектор {-1,-1,-1,-1}, тем самымобеспечивая допустимую возможность разброса при малых средних (требуемуюв связи с дискретным шагом изменения данных). Действительно, этот вариантследует рассмотреть с учетом того, что при дискретных изменениях показаний(как в рассматриваемых анкетах – с шагом 20%, или 0.2 по вероятности), присредних значениях по некоторым факторам близких к нулю, т.е.

малых, вариантиспользования коэффициента вариации в чистом виде, или угла отклонения отбиссектрисы – не вполне корректен, в подобном случае правильнее оцениватьсигму. При смещении начала вектора оценка будет более взвешенной. Надопомнить, что в случае ограничения значений фактора (например, вероятность –от 0 до 1, или проценты – от 0 до 100), вполне возможно использовать некоэффициент вариации, а отношение среднеквадратического отклонения кмаксимально возможному значению параметра.

В нашем случае, при оценкевероятности – это и будет само значение сигма.В этом случае формулы для cos(β) будут выглядеть так:( r  r ) r cos(  )  i 1 1 ri  r1 r1r1   ri r1 2mm 1  x i 12imm   xii 1mmm  m    xi   2  xi 2i 11  D ( x)  M 2 ( x)  2 M ( x)Тогда,m  m  m( D( x)  M 2 ( x))  2mM ( x)i 11  M ( x)D( x)  1 2  (1  M ( x)) m(1  M ( x))1/21  M ( x)D( x)  1  M ( x)   1 1 2  1         21/2(9)1152sin 2 (  )  1 1 1 11     2 1 1  1  21 1 111   2 1 1    1 1 11     (10)2И выражение для тангенса угла будет:1(11) 2 2sin (  ) 112 1 12tan (  ) *   2cos 2 (  )   1 1 2    1 1  2   1  M ( x)  1      1             Таким образом, при смещении точки опоры векторов результирующийтангенс угла между ними переходит от значения коэффициента вариации впропорцию (половину) от средней гармонической между коэффициентомвариации и среднеквадратическим значением.Задаваясь нормативным значением для сформированной граничнойфункции (половина от среднего гармонического σ и υ), рассчитываем значениефункции для каждого набора данных по отдельным оцениваемым факторам исравниваем с заданным граничным значением.

Факторы, не попадающие вграницы (т.е. в ограничивающий конус), могут быть исключены израссматриваемой группы факторов ввиду малой достоверности проведеннойоценки. Аналогично логике, принятой для анализа попадания точек векторногопоказания от одного эксперта в σ-окрестность и приведенной выше, граничнымзначением, определяющим попадание в «полусреднегармонический n-мерныйконус» в n-мерном пространстве экспертов, принимаем (0.33)/2.116Рис. 16 - Пример иллюстрации сочетания показаний экспертов по оцениваемымфакторам с модифицированным конусом принятия решения о согласованностиданных в пространстве экспертов (случай присутствия малых средних значенийпо факторам).Обработка данных проводилась с использованием программного пакетаStatistica 7.0 и пакета Exсel.

В Statistica под исходные данные каждого экспертавыделяется два столбца, и три столбца задают характеристики каждой из строкданных – номер таблицы, к которой принадлежат данные, тип строки (1-влияниена госпартнера, 2- влияние на частного партнера, 3- влияние на обе стороны),тип(номер)этапа(1-проектироване,2-строительство,3-эксплуатация/управление). В Excel для данных по каждому эксперту выделяласьотдельная страница с одинаковым количеством столбцов исходных данных.Сначала данные из всех одиннадцати таблиц-ответов экспертов былизанесены в таблицу текстового процессора для обоих программных пакетов, приэтом для удобства обработки однотипные данные располагались в один столбец,и таблицы располагаются друг за другом одна над другой. В связи с тем, чтобинарных данных (возможность проявления того или иного риска на каком-либоиз трех этапов проекта) в три раза больше, чем числовых (интервальные значения– оценки рисков), и они тоже располагаются по каждому эксперту в один столбец,117данные значений риска из каждой таблицы опроса повторяются трижды друг задругом.Вырезки из таблиц данных (в уплотненном масштабе – исходные данные ирезультирующие столбцы и ячейки) для обоих программных пакетовпредставлены на рис.

17-19.Рис. 17 - Фрагмент таблицы в Excel исходных данных и предварительногорасчета (страница по одному из экспертов).118Рис. 18 - Фрагмент страницы в Exсel для проведения основного анализа,расчета показателей согласованности и отфильтрованности строчек и/илистолбцов в таблицах данных от экспертов.119Рис. 19 - Фрагмент страницы в Statistica для проведения предварительногоанализа по полному массиву экспертных данных.В Statistica был проведен предварительный корреляционный анализ. Какговорилось выше, анализ согласованности мнений экспертов сначала проводитсяопределениемкоэффициентовкорреляциимеждупеременными,представляющими из себя оценки рисков, заданные различными экспертамимежду собой и с обобщенным (средним) значением риска.

Расчеты проводилиськак по полному полю данных (все таблицы подфакторов, все типы строк/влияния), так и по отдельным сечениям – отдельно по каждой таблице и отдельнопо каждому классу влияния. Достоверность корреляции при обработке в Statisticaпредставляется цветом – черным цветом – недостоверно, и красным цветом –120достоверная корреляция. Некоторые из корреляционных таблиц показаны далеев таблицах 12 – 15.Таблица 12 - Таблицы корреляционной связи оценок рисков экспертами какмежду собой, так и со средним значением, в целом по всему множеству данных(а), и с разделением по системе влияния (на частного партнера(б),государственного(в) совместно(г), в заголовках отмечено как «тип строки»(а)(б)121(в)(г)Таблица 13 - Таблицы корреляционной связи оценок рисков по отдельнымтаблицам подфакторов, номер таблицы отмечен в заголовках таблиц(д)122(е)(ж)ж)Таблица 14 - Таблицы корреляционной связи по бинарным переменным, в целомпо всему множеству данных (а), и с разделением по системе влияния (на частногопартнера(б), государственного(в) совместно(г), в заголовках отмечено как «типстроки».(а)123(б)(в)(г)Как по системе влияния (на частного партнера или государственного), таки по этапам проекта корреляционные оценки бинарных данных показываютсогласованность мнений:124Таблица 15 - Таблицы корреляционной связи по бинарным переменным сразделением по рассматриваемым этапам проекта, отмечено в заголовках таблиц.125По отдельным таблицам данные от отдельных экспертов тоже довольнохорошо согласуются с принятыми обобщенными результатами:Таблица 16 - Таблицы корреляционной связи по бинарным переменным сразделением по таблицам подфакторов, номера таблиц отмечены в заголовкахкорреляционных таблиц.Первый этап анализа показал, что мнения экспертов по значениям рисков вцелом достаточно хорошо согласуются, однако по некоторым сечениямотдельные эксперты выпадают.

Это – анализ значений рисков (чему уделялосьосновное внимание), эксперты 8 и 5, проявление в нескольких корреляционныхтаблицах.Для более углубленного анализа как по эффективности того или иногоэксперта так и эффективности оценивания тех или иных подфакторов (возможно,не в целом по всему опросу, а по отдельным направлениям, задаваемымтаблицами подфакторов), были определены, помимо средних значений,126среднеквадратические отклонения по показаниям экспертов в каждой строкекаждой анкетной таблицы, после чего построены распределения получаемогомассива данных как по коэффициенту вариации показаний экспертов, так и посреднему гармоническому от К вариации и σ .Рис.

20 - Разброс коэффициентов вариации показаний экспертов по весам(указанные экспертами значения рисков) в целом по всем факторам иподфакторам.127К вариации% частостиОсновнойОсновнойОсновнойОсновнойОсновнойОсновнойОсновнойОсновнойтип строки=1Основнойтип строки=2Основнойтип строки=3полный списокРис. 21 - Разброс коэффициентов вариации показаний экспертов по весам(разделено по направлению влияния подфактора, в легенде обозначено как «типстроки»).Рис. 22 - Разброс гармонической средней (коэффициентов вариации исреднеквадратического отклонения) показаний экспертов по весам (разделено понаправлению влияния подфактора)128На рисунке 19 показано, что в рабочей таблице в пакете Statistica в столбце46 располагаются расчетные данные упомянутого среднего гармонического, а встолбце 49 – признак (ненулевое значение) удовлетворения приведенным вышеусловиям исключения показаний экспертов по соответствующему подфактору изобщего массива данных (формулы F9 – F11 и принятая далее граница принятиярешения) – отдельно по каждой таблице подфакторов.

Результирующиерекомендации по исключению данных по тем или иным подфакторам отдельнопо таблицам подфакторов сведены в таблицу 17.Для дальнейших расчетов по анализу достоверности оценки показанийэкспертов (отдельно в каждой из таблиц подфакторов) в соответствии сприведенной выше методикой анализа экспертных данных проводилось втабличном процессоре Excel. На рис.

Характеристики

Список файлов диссертации