Фактора j

Фактор i	Фактор j	Сумма ряда
			…	j	...	n
… i … n	— p21   pi1   pn1	p12 —   pi2   pn2		p1j p2j   pij   pnj		p1n p2n   pin   —	p1 p2   pi   pn

 

После получения обобщенной матрицы предпочтений Р, элементы которой р_ij представляют относительное число предпочтений, полученных от всех экспертов, по каждому фактору перед каждым другим фактором, производится их шкалирование. Шкалирование может быть основано на законе сравнительных суждений, впервые сформулированном Л. Терстоуном. Суть этого подхода состоит в следующем.

Если парное сравнение факторов выполняется относительно большим числом экспертов (т ³ 25), то полученные разности между их оценками обладают нормальным распределением.

Пусть т экспертов приписывают п признакам R_i (i₁, i₂,..., i_n) числа S_j (j₁ j₂,…, j_n), в соответствии со степенью обладания ими каким-то качеством X. Тогда числа S_j представляют собой шкальные оценки R_i, а разность между такими оценками двух объектов R_i и R_j (если оценки не коррелируют между собой) можно выразить с помощью модели шкалы

 

S_i - S_j = Z_ijs_ij, (7.9)

 

где S_i, S_j — шкальные оценки факторов;

s_ij — среднее квадратическое (стандартное) отклонение предполагаемого распределения различий между S_i и S_j,

Z_ij — нормированное отклонение, соответствующее р_ij, представляющему долю случаев предпочтения фактора i фактору j, т.е.

Взаимоотношение между Z _ij и р_ij иллюстрирует рис. 7.3, где заштрихованная площадь под кривой показывает относительное число предпочтений фактора i фактору j, когда Z _ij измеряется в единицах стандартного отклонения.

 

 

Для упрощения можно принять, что s _ij в формуле (7.9)равно единице, тогда

S_i – S_j = Z _ij

 

При этом допускается, что площадь под кривой нормированного нормального распределения от - 3s до +3s равна единице.

В действительности реальные оценки отличаются от ожидаемого ряда Z _ij. Поэтому задача заключается в нахождении множества оценок, для которых это расхождение будет минимальным.

Таким образом, процедура построения шкальных оценок состоит в том, чтобы обратить наблюдаемые отношения р_ij (матрица Р) в ожидаемые Z _ij по уравнению (7.11), используя таблицу нормированного нормального распределения. Эти Z _ij составляют матрицу с двумя входами или матрицу основного преобразования Z, с рядами цифр для каждого фактора i и столбцами цифр для каждого фактора j, как это показано в табл. 7.10.

В матрице Z каждая оценка z _ij — это различие между параметром i и параметром j в стандартных отклонениях, причем сумма этих оценок Z_i = Sz_i, а среднее значение ,, где т — число экспертов.

 

Таблица 7.10.

Матрица Z: основное преобразование (различия)

Фактор i	Фактор j	Всего	Среднее значение
				…	j	...	n
… i … n	— z21 z31   zi1   zn1	z12 — z32   zi2   zn2	z13 z23 —   zi2   zn3		z1j z2j z3j   zij   znj		z1n z2n z3n   zin   —	Z1 Z2 Z3   Zi   Zn	Z̅1 Z̅2 Z̅3 Z̅i   Z̅n

 

При этом р_ij рассматривается как площадь нормированного нормального распределения от - ¥ до Z Значения функции такого распределения приведены во многих книгах по статистике.

Заметим, что z _ij логически равно нулю и что z _ij = - z _ij. Если любое z _ij оказывается большим, чем +2,0, или же меньшим, чем —2,0, оно отвергается как нестабильное. Если ни одна из оценок z _ij не будет отвергнута на основании этого правила, то шкальная оценка фактора i будет равна средней величине всех оценок в i-м столбце данной матрицы. Когда некоторое z _ij отвергается, то в таблице ставится прочерк. Для каждой пары последовательных столбцов данных необходимо рассчитать разность оценок и поместить ее в отдельную матрицу различий. При этом разница между двумя прочерками или между значением и прочерком считается несущественной, и в матрице различий ставится прочерк. Таким образом, произвольно установив S₁ = 0, можно определить остальные шкальные оценки.

Очевидно, что метод парных сравнений является интервальным, поскольку не только шкальный фактор, но и нулевая точка шкалы устанавливаются здесь произвольно.

При большом числе факторов может быть использован другой интервальный метод, называемый методом последовательных интервалов. Здесь принимается, что границы интервалов могут быть установлены так, чтобы все распределения суждений о факторе были нормальными (см. [7.1]).

Представим, что интервалы проранжированы в порядке от наименее до наиболее предпочтительного. Пусть p_jg — относительное число экспертов, которые поместили фактор j в интервале g или в любом другом интервале меньшего рангового порядка. Пусть Z_jg будет нормированным нормальным отклонением, соответствующим p_jg. Тогда

 

,

где t - граница между интервалами g и g + 1;

S_j — шкальная оценка фактора j;

s_j — стандартное отклонение фактора j.

Принимая s_j = 1, получим

(7.13)

 

На рис. 7.4 показано распределение двух признаков с различным стандартным отклонением.

 

 

Для получения шкальных оценок S и границ интервалов t_g, эксперты должны расположить т факторов в М интервалах (М < т).

Тогда относительное число экспертов, которые поместили фактор j в интервале g или в любом другом интервале меньшего ранга, p_jg = я,.. /N.

Затем по таблице нормированного нормального распределения в соответствии с формулой (7.12) для каждого p_jg определяется Z_jg.

Для получения шкальных оценок и границ интервалов можно использовать и метод обращения полученных из наблюдений величин p_jg в Z._g, применяемый при парном сравнении.

Приняв t_i = 0, вычисляют с помощью подобных таблиц границы интервалов, а затем конструируется четвертая матрица, значения оценок которой находятся путем вычитания каждой записи g-ro ряда матрицы Z_ig из полученной оценки t_g. Средняя величина ряда в этой матрице — это шкальная оценка соответствующего признака.