Выбор весов при многокритериальных оценках

[IvanSpbRu]

Коллеги,


Подскажите, пожалуйста, при помощи каких методов назначаются эти веса? Есть экспертный метод, это понятно, есть формула Фишберна - и вот это интересует как раз больше всего. Существуют ли другие формулы, помимо формулы Фишберна, которые позволяют лицу, принимающему решение, назначить веса?

Интуитивно можно предположить, что должны быть формулы, основанные на арифметической и геометрической прогрессиях (строго говоря, формула Фишберна и есть арифметическая прогрессия), но учитывающие предпочтения лица, принимающего решения (например, вес самого значимого параметра или разницу весов соседних по порядку приоритетов параметров).

Буду благодарен за помощь...

[Ink]

Буду благодарен за помощь...
искать фазатрона пост
он описывал по этому же вопросу

[MeLady]

1) для относительно малого количества показателей - метод регрессионного анализа, коэффициенты определяют методом наименьших квадратов;
2) для производимой продукции - стоимостные регрессионные зависимости;
3) при наличии стандартизированных требований к продукции - метод предельных и номинальных значений;
4) при известном соотношении приращений количества и качества - метод эквивалентных соотношений.
Лично мне импонирует 3й метод, все четко и ясно.

[Aspirantfm]

Коллеги,
Подскажите, пожалуйста, при помощи каких методов назначаются эти веса? Есть экспертный метод, это понятно.
.

В основном, конечно, экспертный метод. Но в принципе есть корректирующие методы, которые эти веса могут подправлять. Например, учитывать взаимозависимость между показателями (если показатели взаимозависимы, то надо им веса уменьшать).

Регрессионные методы могут формировать коэффициенты для экстраполяции. а в управлении - веса в большей степени завязаны на приоритеты бизнеса. Поэтому экспертным, потом корректировать.

[IvanSpbRu]

В основном, конечно, экспертный метод. Но в принципе есть корректирующие методы, которые эти веса могут подправлять. Например, учитывать взаимозависимость между показателями (если показатели взаимозависимы, то надо им веса уменьшать)

А ссылочки не подскажете?

Регрессионные методы могут формировать коэффициенты для экстраполяции. а в управлении - веса в большей степени завязаны на приоритеты бизнеса. Поэтому экспертным, потом корректировать

Именно. По этой причине регрессионные методы как раз и не интересуют

Добавлено через 5 минут
1) для относительно малого количества показателей - метод регрессионного анализа, коэффициенты определяют методом наименьших квадратов;
2) для производимой продукции - стоимостные регрессионные зависимости;
3) при наличии стандартизированных требований к продукции - метод предельных и номинальных значений;
4) при известном соотношении приращений количества и качества - метод эквивалентных соотношений

В моем вопросе стоит другая цель: отразить приоритеты лица, принимающего решения. В Ваших же методиках речь идет о более или менее объективном отражении существующих закономерностей. То есть Вы пишете о статистике, а я о - о многокритериальных методах принятия решений

[Aspirantfm]

тут немного не то ..
http://ecsocman.hse.ru/data/2010/07/20/1215943363/2007-5-9.pdf
по-моему, это было в Университетском управлении. Сходу не могу вспомнить.

Различаются способы проставления весов экспертами. Можно сравнение иерархий, можно сравнением на линейной шкале (последнее не предполагает вес, а место на шкале, а вес потом считается, когда все рассталевно на шкале от минимума до максимума).

[IvanSpbRu]

тут немного не то ..
http://ecsocman.hse.ru/data/2010/07/20/1215943363/2007-5-9.pdf
по-моему, это было в Университетском управлении. Сходу не могу вспомнить

Спасибо большое! По ходу - действительно университетское управление, похоже на их верстку

Различаются способы проставления весов экспертами. Можно сравнение иерархий, можно сравнением на линейной шкале (последнее не предполагает вес, а место на шкале, а вес потом считается, когда все рассталевно на шкале от минимума до максимума)

Анализ иерархий - да. Но это довольно муторная методика. А хотелось бы что-нибудь попроще...

[Aspirantfm]

Спасибо большое! По ходу - действительно университетское управление, похоже на их верстку
..

В УУ много статей по рейтингу. Но там есть еще как раз про корректировку (это не приведенная ссылка, но где-то также выгладила та статья).

Добавлено через 2 минуты


Анализ иерархий - да. Но это довольно муторная методика. А хотелось бы что-нибудь попроще...

попроще как раз линейная шкала.

1. выбираете минимальное и максимальное .
2. присваиваете им баллы.
3. остальные раскидываете на линейке , размещая так, как считаете по важности - важнее - ближе к максимуму, менее важно, ближе к минимуму

4. когда все раскидывается по линейке - расчет весов, предполагая равно удаленние друг от друга
5. если равноудаление будет слишком грубо, можно внутри назначить несколько реперных точек и уже с учетом - остальные равномерно

[IvanSpbRu]

попроще как раз линейная шкала

Это понятно:) Спасибо огромное за ссылки, если вдруг еще вспомните - киньте здесь, будьте добры

[IvanSpbRu]

Коллеги, снова вопрос: рассчитать среднее взвешенное геометрическое от нескольких параметров, нормированных от 0 до 1. Фигня в том, что традиционно наибольший вес присваивается наиболее важному параметру. Однако при данной модели нормировки чем меньше вес, тем больше получается число (потому что параметр возводится в степень, равную весу), что бред.

Как в этой ситуации поступить? Вижу два выхода:

- Присваивать параметрам веса в обратном порядке (чем важнее параметр, тем меньший вес брать), но с точки зрения логики это как-то сомнительно...

- Пусть П - нормированное значение параметра. От него переходим к П* = П + 1, и уже П* возводим в степень, равную весу (в нормальной логике - чем важнее, тем больше вес). Ну а потом из полученного среднего геометрического взвешенного вычесть единицу...

[Aspirantfm]

Коллеги, снова вопрос: рассчитать среднее взвешенное геометрическое от нескольких параметров, нормированных от 0 до 1. Фигня в том, что традиционно наибольший вес присваивается наиболее важному параметру. Однако при данной модели нормировки чем меньше вес, тем больше получается число (потому что параметр возводится в степень, равную весу), что бред.

Как в этой ситуации поступить? Вижу два выхода:

- Присваивать параметрам веса в обратном порядке (чем важнее параметр, тем меньший вес брать), но с точки зрения логики это как-то сомнительно...

- Пусть П - нормированное значение параметра. От него переходим к П* = П + 1, и уже П* возводим в степень, равную весу (в нормальной логике - чем важнее, тем больше вес). Ну а потом из полученного среднего геометрического взвешенного вычесть единицу...


нормируйте от 0 до 100. как бы в "процентах", а не в "частях".