Спасибо что откликнулись :) Делалось это следующим обазом: респондентам предлагался список показателей и они его сами ранжировали по важности. Было строгое ранжирование: нужно было проранжировать все пункты, и два пункта не могли иметь одинаковую значимость. Мне сейчас нужно грамотно обощить эти оценки. То есть вывести одину общую иерархию по всему массиву данных (у меня порядка 78 полностью заполненных анкет). Эксперименты с различными средними по каждой переменной и их сравнение между собой не дают удовлетворяющего результата, так как распределение сильно неравномерное. Как всегда более менее четко выявляются первые и последние позиции, а в середине полная мешанина. Я тут вычитала что подобные задачи в SPSS решаются с помощью "Многомерного шкалирования"... Может тут собака зарыта?
правильно было бы вычислить медиану Кемени -- найти ранжировку, которая имеет наименьшее расстояние ко всем ранжировкам, однако как-то руки не дошли написать такую процедуру, а поиск в Инете незультата не дал для SPSS (хотя публикации по эвристическим алгоритмам попадаются). Взамен этого предлагаю воспользоваться более простым методом Борда -- ранжировки переводятся в бинрные матрицы предпочтений, которые складываюся для получения общей матрицы по всем экспертам. Затем в ней наъодятся суммы построчно, значение которых указывает ранг соответствующей строки. Вот пример синтаксиса с использованием матричного языка SPSS:
data list free / v1 to v9. begin data. 1 2 3 4 5 6 7 8 9 1 2 3 4 5 6 7 8 9 end data.
matrix. get D /variables v1 to v9. compute S = make(9,9,0). compute M = make(9,9,0).
loop R=1 to NROW(D). compute A = D(R,:). loop i=1 to 9. loop j=1 to 9. compute M(i,j) = A(i) > A(j). end loop. end loop. compute S = S + M. end loop.
Comments 5
Reply
Делалось это следующим обазом: респондентам предлагался список показателей и они его сами ранжировали по важности. Было строгое ранжирование: нужно было проранжировать все пункты, и два пункта не могли иметь одинаковую значимость.
Мне сейчас нужно грамотно обощить эти оценки. То есть вывести одину общую иерархию по всему массиву данных (у меня порядка 78 полностью заполненных анкет).
Эксперименты с различными средними по каждой переменной и их сравнение между собой не дают удовлетворяющего результата, так как распределение сильно неравномерное.
Как всегда более менее четко выявляются первые и последние позиции, а в середине полная мешанина.
Я тут вычитала что подобные задачи в SPSS решаются с помощью "Многомерного шкалирования"... Может тут собака зарыта?
Reply
data list free / v1 to v9.
begin data.
1 2 3 4 5 6 7 8 9
1 2 3 4 5 6 7 8 9
end data.
matrix.
get D /variables v1 to v9.
compute S = make(9,9,0).
compute M = make(9,9,0).
loop R=1 to NROW(D).
compute A = D(R,:).
loop i=1 to 9.
loop j=1 to 9.
compute M(i,j) = A(i) > A(j).
end loop.
end loop.
compute S = S + M.
end loop.
print rsum(S).
end matrix.
Reply
Странное дело, но до чего-то похожего мы тут тоже додумались и сделали в Exel. Сейчас проверим :)
Спасибо еще раз!
Reply
Reply
Leave a comment