Коэффициент корреляции Кендалла используется в случае, когда переменные представлены двумя порядковыми шкалами при условии, что связанные ранги отсутствуют. Вычисление коэффициента Кендалла связано с подсчетом числа совпадений и инверсий. Рассмотрим эту процедуру на примере предыдущей задачи.
Алгоритм решения задачи следующий:
Переоформляем данные табл. 8.5 таким образом, чтобы один из рядов (в данном случае ряд x i) оказался ранжированным. Другими словами, мы переставляем пары x и y в нужном порядке и вносим данные в столбцы 1 и 2 табл. 8.6.
Таблица 8.6
|
x i |
y i | ||
2. Определяем «степень ранжированности» 2-го ряда (y i). Эта процедура проводится в следующей последовательности:
а) берем первое значение неранжированного ряда «3». Подсчитываем количество рангов ниже данного числа, которые больше сравниваемого значения. Таких значений 9 (числа 6, 7, 4, 9, 5, 11, 8, 12 и 10). Заносим число 9 в столбец «совпадения». Затем подсчитываем количество значений, которые меньше трех. Таких значений 2 (ранги 1 и 2); вносим число 2 в графу «инверсии».
б) отбрасываем число 3 (мы с ним уже поработали) и повторяем процедуру для следующего значения «6»: число совпадений равно 6 (ранги 7, 9, 11, 8, 12 и 10), число инверсий – 4 (ранги 1, 2, 4 и 5). Вносим число 6 в графу «совпадения», а число 4 – в графу «инверсии».
в) аналогичным образом процедура повторяется до конца ряда; при этом следует помнить, что каждое «отработанное» значение исключается из дальнейшего рассмотрения (подсчитываются только ранги, которые лежат ниже данного числа).
Примечание
Для того чтобы не совершать ошибок в подсчетах, следует иметь в виду, что с каждым «шагом» сумма совпадений и инверсий уменьшается на единицу; это понятно, если учесть, что каждый раз одно значение исключается из рассмотрения.
3. Подсчитывается сумма совпадений (Р) и сумма инверсий (Q) ; данные вносятся в одну и трех взаимозаменяемых формул коэффициента Кендалла (8.10). Проводятся соответствующие вычисления.
t (8.10)
В нашем случае:
В табл. XIV Приложений находятся критические значения коэффициента для данной выборки: τ кр. = 0,45; 0,59. Эмпирически полученное значение сравнивается с табличным.
Вывод
τ = 0,55 > τ кр. = 0,45. Корреляция статистически значима для 1-го уровня.
Примечание :
При необходимости (например, при отсутствии таблицы критических значений) статистическая значимость t Кендалла может быть определена по формуле следующего вида:
(8.11)
где S* = P – Q + 1, если P < Q , и S* = P – Q – 1, если P > Q.
Значения z для соответствующего уровня значимости соответствуют мере Пирсона и находятся по соответствующим таблицам (в приложение не включены. Для стандартных уровней значимости z кр = 1,96 (для β 1 = 0,95) и 2,58 (для β 2 = 0,99). Коэффициент корреляции Кендалла является статистически значимым, если z > z кр
В нашем случае S* = P – Q – 1 = 35 и z = 2,40, т. е. первоначальный вывод подтверждается: корреляция между признаками статистически достоверна для 1-го уровня значимости.
Краткая теория
Коэффициент корреляции Кендалла используется в случае, когда переменные представлены двумя порядковыми шкалами при условии, что связанные ранги отсутствуют. Вычисление коэффициента Кендалла связано с подсчетом числа совпадений и инверсий.
Этот коэффициент изменяется в пределах и рассчитывается по формуле:
Для расчета все единицы ранжируются по признаку ; по ряду другого признака подсчитывается для каждого ранга число последующих рангов, превышающий данный (их обозначим через ), и число последующих рангов ниже данного (их обозначим через ).
Можно показать, что
и коэффициент ранговой корреляции Кендалла можно записать как
Для того, чтобы при уровне значимости , проверить нулевую гипотезу о равенстве нулю генерального коэффициента ранговой корреляции Кендалла при конкурирующей гипотезе , надо вычислить критическую точку:
где – объем выборки; – критическая точка двусторонней критической области, которую находят по таблице функции Лапласа по равенству
Если – нет оснований отвергнуть нулевую гипотезу. Ранговая корреляционная связь между признаками незначимая.
Если – нулевую гипотезу отвергают. Между признаками существует значимая ранговая корреляционная связь.
Пример решения задачи
При приеме на работу семи кандидатам на вакантные должности было предложено два теста. Результаты тестирования (в баллах) приведены в таблице:
| Тест | Кандидат | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 1 | 31 | 82 | 25 | 26 | 53 | 30 | 29 | 2 | 21 | 55 | 8 | 27 | 32 | 42 | 26 |
Вычислить ранговый коэффициент корреляции Кендалла между результатами тестирования по двум тестам и на уровне оценить его значимость.
Вычислим коэффициент Кендалла
Ранги факторного признака располагаются строго в порядке возрастания и параллельно записываются соответствующие им ранги результативного признака . Для каждого ранга из числа следующих за ним рангов подсчитывается количество больших него по величине рангов (заносится в столбец ) и число рангов, меньших по значению (заносится в столбец ).
| 1 | 1 | 6 | 0 | 2 | 4 | 3 | 2 | 3 | 3 | 3 | 1 | 4 | 6 | 1 | 2 | 5 | 2 | 2 | 0 | 6 | 5 | 1 | 0 | 7 | 7 | 0 | 0 | Сумма | 16 | 5 |
При ранжировании эксперт должен расположить оцениваемые элементы в порядке возрастания (убывания) их предпочтительности и приписать каждому из них ранги в виде натуральных чисел. При прямом ранжировании наиболее предпочтительный элемент имеет ранг 1 (иногда 0), а наименее предпочтительный - ранг m.
Если эксперт не может осуществить строгое ранжирование из-за того, что, по его мнению, некоторые элементы одинаковы по предпочтительности, то допускается присваивать таким элементам одинаковые ранги. Чтобы обеспечить равенство суммы рангов сумме мест ранжируемых элементов, применяют так называемые стандартизированные ранги. Стандартизированный ранг есть среднее арифметическое номеров элементов в ранжированном ряду, являющихся одинаковыми по предпочтительности.
Пример 2.6. Эксперт упорядочил шесть элементов по предпочтению следующим образом:
Тогда стандартизированные ранги этих элементов будут
Таким образом, сумма рангов, приписанных элементам, будет равна сумме чисел натурального ряда.
Точность выражения предпочтения путем ранжирования элементов существенно зависит от мощности множества предъявлений. Процедура ранжирования дает наиболее надежные результаты (по степени близости выявленного предпочтения и «истинного»), когда число оцениваемых элементов не более 10. Предельная мощность множества предъявления не должна превосходить 20.
Обработка и анализ ранжировок проводятся с целью построения группового отношения предпочтения на основе индивидуальных предпочтений. При этом могут ставиться следующие задачи: а) определение тесноты связи между ранжировками двух экспертов на элементах множества предъявлений; б) определение взаимосвязи между двумя элементами по индивидуальным мнениям членов группы относительно различных характеристик этих элементов; в) оценка согласованности мнений экспертов в группе, содержащей более двух экспертов.
В первых двух случаях в качестве меры тесноты связи используется коэффициент ранговой корреляции. В зависимости от того, допускается ли только строгое или нестрогое ранжирование, используется коэффициент ранговой корреляции либо Кендалла, либо Спирмена.
Коэффициент ранговой корреляции Кендалла для задачи (a)
где m − число элементов; r 1 i – ранг,приписанный первым экспертом i −му элементу; r 2 i – то же, вторым экспертом.
Для задачи (б) компоненты (2.5) имеют следующий смысл: т - число характеристик двух оцениваемых элементов; r 1 i (r 2 i) - ранг i-й характеристики в ранжировке первого (второго) элемента, выставленный группой экспертов.
При строгом ранжировании используется коэффициент ранговой корреляции р Спирмена:
компоненты которого имеют тот же смысл, что и в (2.5).
Коэффициенты корреляции (2.5), (2.6) изменяются от -1 до +1. Если коэффициент корреляции равен +1, то это означает, что ранжировки одинаковы; если он равен -1, то − противоположны (ранжировки обратны друг другу). Равенство коэффициента корреляции нулю означает, что ранжировки линейно независимы (некоррелированы).
Поскольку при таком подходе (эксперт − «измеритель» со случайной погрешностью) индивидуальные ранжировки рассматриваются как случайные, то возникает задача статистической проверки гипотезы о значимости полученного коэффициента корреляции. В этом случае используют критерий Неймана-Пирсона: задаются уровнем значимости критерия α и, зная законы распределения коэффициента корреляции, определяют пороговое значение c α , с которым сравнивают полученное значение коэффициента корреляции. Критическая область − правосторонняя (в практике обычно сначала расчитывают значение критерия и определяют по нему уровень значимости, который сравнивают с пороговым уровнем α ).
Коэффициент ранговой корреляции τ Кендалла имеет при т > 10 распределение, близкое к нормальному с параметрами:
где M [τ] – математическое ожидание; D [τ] – дисперсия.
В этом случае используются таблицы функции стандартного нормального распределения:
а граница τ α критической области определяется как корень уравнения
Если вычисленное значение коэффициента τ ≥ τ α , то считается, что ранжировки, действительно хорошо согласуются. Обычно значение α выбирают в пределах 0,01-0,05. Для т ≤ 10 распределение т приведено в табл. 2.1.
Проверка значимости согласованности двух ранжировок с использованием коэффициента ρСпирмена осуществляется в том же порядке с использованием таблиц распределения Стьюдента при т > 10.
В этом случае величина
имеет распределение, хорошо аппроксимируемое распределением Стьюдента с m – 2 степенями свободы. При m > 30 распределение величины ρ хорошо согласуется с нормальным, имеющим M [ρ] = 0 и D [ρ] = .
Для т ≤ 10 проверку значимости ρ осуществляют с помощью табл. 2.2.
Если ранжировки нестрогие, то коэффициент Спирмена
где ρ – вычисляют по (2.6);
где k 1 , k 2 − число различных групп нестрогих рангов в первой и второй ранжировках соответственно; l i − число одинаковых рангов в i -й группе. При практическом использовании коэффициентов ранговой корреляции ρ Спирмена и τ Кендалла следует иметь в виду, что коэффициент ρ обеспечивает более точный результат в смысле минимума дисперсии.
Таблица 2.1. Распределение коэффициента ранговой корреляции Кендалла
Представление и предварительная обработка оценок экспертов
В практике используется несколько видов оценок:
- качественные (часто-редко, хуже-лучше, да-нет),
- шкальные оценки (интервалы значений 50-75, 76-90, 91-120 и т.п.),
Балльныеиз заданного интервала (от 2 до 5, 1 -10), взаимно независимые,
Ранговые (объекты располагаются экспертом в определенном порядке, и каждому приписывается порядковый номер – ранг),
Сравнительные, полученные одним из методов сравнения
метод последовательных сравнений
метод попарного сравнения факторов.
На следующем шаге обработки мнений экспертов необходимо оценить степень согласованности этих мнений.
Оценки, полученные от экспертов, могут рассматриваться как случайная переменная, распределение которой отражает мнения экспертов о вероятности того или иного выбора события (фактора). Поэтому для анализа разброса и согласованности оценок экспертов применяются обобщенные статистические характеристики – средние и меры разброса:
Средняя квадратичная ошибка,
Вариационный размах min – maх,
- коэффициент вариации V =ср.квадр.откл./ средняя арифм. (подходит для любого типа оценок)
V i = σ i / x i ср
Для оценки меры сходств а мнений каждой пары экспертов могут быть использованы самые разные методы:
коэффициенты ассоциации , с помощью которых учитывается число совпадающих и несовпадающих ответов,
коэффициенты противоречивости мнений экспертов,
Все эти меры можно использовать либо для сравнения мнений двух экспертов, либо для анализа связи между рядами оценок по двум признакам.
Коэффициент парной ранговой корреляции Спирмена:
где n – число экспертов,
c k – разность оценок i-го и j-го экспертов по всем T факторам
Коэффициент ранговой корреляции Кендалла (коэффициент конкордации) дает общую оценку согласованности мнений всех экспертов по всем факторам, но только для случаев, когда использовались ранговые оценки.
Доказано, что величина S, когда все эксперты дают одинаковые оценки всех факторов, имеет максимальное значение, равное
где n – число факторов,
m – количество экспертов.
Коэффициент конкордации равен отношению
причем если W близок к 1, то все эксперты дали достаточно согласованные оценки, иначе их мнения не согласованы.
Формула для расчета S приведена ниже:
где r ij - ранговые оценки i-го фактора j-ым экспертом,
r ср - средний ранг по всей матрице оценок и равен
И следовательно формула расчета S может принять вид:
В случае, если отдельные оценки у одного эксперта совпадают, и их при обработке сделали стандартизированными, то для вычисления коэффициента конкордации используется другая формула:
где Т j рассчитывается для каждого эксперта (в том случае, если его оценки повторялись для разных объектов) с учетом повторений по следующим правилам:
где t j - число групп равных рангов у j-го эксперта, а
h k - число равных рангов в k-ой группе связанных рангов j-го эксперта.
ПРИМЕР. Пусть 5 экспертов по шести факторам ответили при ранжировании так, как показано в таблице 3:
Таблица 3 – Ответы экспертов
| Эксперты | О1 | О2 | О3 | О4 | О5 | О6 | Сумма рангов по эксперту |
| Э1 | |||||||
| Э2 | |||||||
| Э3 | |||||||
| Э4 | |||||||
| Э5 |
В связи с тем, что получено не строгое ранжирование (оценки у экспертов повторяются, а суммы рангов не равны), произведем преобразование оценок и получим связанные ранги (таблица 4):
Таблица 4 – Связанные ранги оценок экспертов
| Эксперты | О1 | О2 | О3 | О4 | О5 | О6 | Сумма рангов по эксперту |
| Э1 | 2,5 | 2,5 | |||||
| Э2 | |||||||
| Э3 | 1,5 | 1,5 | 4,5 | 4,5 | |||
| Э4 | 2,5 | 2,5 | 4,5 | 4,5 | |||
| Э5 | 5,5 | 5,5 | |||||
| Сумма рангов по объекту | 7,5 | 9,5 | 23,5 | 29,5 |
Теперь определим степень согласованности мнений экспертов с помощью коэффициента конкордации. Так как ранги связанные, будем вычислять W по формуле (**).
Тогда r ср =7*5/2=17,5
S = 10 2 +8 2 +4.5 2 +4.5 2 +6 2 +12 2 = 384.5
Перейдем к расчетам W. Для этого вычислим отдельно значения T j . В примере специально так подобраны оценки, что у каждого эксперта есть повторяющиеся оценки: у 1-го их две, у второго - три, у третьего - две группы по две оценки, так же и у четвертого, у пятого - две одинаковые оценки. Отсюда:
Т 1 = 2 3 – 2 = 6 Т 5 = 6
Т 2 = 3 3 – 3 = 24
Т 3 = 2 3 –2+ 2 3 –2 = 12 Т 4 = 12
Мы видим, что согласованность мнений экспертов достаточно высокая и можно переходить к следующему этапу исследования – обоснованию и принятию рекомендованной экспертами альтернативы решения.
В противном случае необходимо вернуться к этапам 4-8.
