Вопрос или проблема
У меня есть таблица, чтобы определить, какая подгруппа занимает первое место. Моя идея состоит в том, чтобы независимо ранжировать по каждой характеристике (балл, качество), а затем суммировать ранги, чтобы получить итоговый балл (см. рисунок ниже).
Я не уверен, что это хорошая идея. Другой подход, который я мог бы предложить, — это иметь балл, который усредняется по как нормализованному баллу, так и качеству (конечно, их нужно нормализовать, например, с помощью метода min-max, чтобы иметь одинаковую шкалу). Есть ли какие-либо другие общепринятые подходы?
Другие подходы могут быть следующие:
- Взвешенные средние нормализованных рангов, при условии, что вы знаете, что одна характеристика важнее другой
- Преобразование рангов в процентильные значения, а затем вычисление среднего (взвешенного или иного) по характеристикам
Ответ или решение
Как объединить ранжирование подгрупп: Исчерпывающее руководство
Когда дело доходит до определения топового ранга подгруппы на основе различных критериев, таких как оценка и качество, выбор правильного подхода к ранжированию является ключевым аспектом. Ваша идея о том, чтобы индивидуально ранжировать каждую характеристику, а затем суммировать ранги для получения финального результата, имеет своих сторонников, но также стоит рассмотреть альтернативные стратегии.
Подходы к объединению рангов
-
Индивидуальное ранжирование и суммирование:
Этот метод предполагает, что вы сначала ранжируете участников по отдельности для каждой характеристики, а затем складываете полученные ранги. Евклидова метрика для суммирования позволяет получить финальный балл, но этот подход может быть подвержен искажениям, если различия между оценками значительны. Например, если одна подгруппа значительно выше по одной характеристике, она может не полностью отражать общую картину. -
Нормализованный средний балл:
Нормализуйте данные с помощью метода Min-Max, чтобы привести значения к общему масштабу. После нормализации вы можете рассмотреть вариант вычисления среднего значения нормализованных оценок. Это позволит свести к минимуму влияние аномальных значений и обеспечить более сбалансированное представление о каждой из характеристик. -
Взвешенные средние:
Если вы знаете, что одна из характеристик важнее другой, стоит сосредоточиться на вычислении взвешенного среднего. Присвоение весов, основанных на критичности каждой характеристики, поможет создать более объективную модель оценки. В этом случае формула будет выглядеть следующим образом:
[
Ранг_{финальный} = w1 \cdot Ранг{оценка} + w2 \cdot Ранг{качество}
]
где ( w_1 ) и ( w_2 ) – веса, сумма которых равна 1. -
Конвертация рангов в процентильные значения:
Преобразование рангов в процентильные оценки может помочь в более точной интерпретации данных. Это позволит вам определить, какой процент подгрупп выступает лучше или хуже, чем другие, и в дальнейшем провести их анализ с использованием советы выше. -
Метод агрегирования:
В качестве альтернативы, вы можете использовать многофакторные методы агрегирования для создания более сложной модели. Например, метод TOPSIS (Technique for Order of Preference by Similarity to Ideal Solution) позволяет выбрать подгруппу на основе расстояния до оптимального решения и может быть применен при множестве критериев.
Выводы
Каждый из этих подходов имеет свои преимущества и недостатки. Рекомендуется протестировать несколько методов и оценить, какой из них лучше подходит для ваших данных. Ключевым моментом является четкое понимание важности каждой характеристики и влияние, которое она оказывает на конечный результат. Помните, что прозрачность в методологии ранжирования также важна для уверенности ваших заинтересованных сторон в полученных результатах.
Внедрив один или несколько из этих методов, вы сможете более эффективно определять топовые ранги для ваших подгрупп, создавая более сбалансированные и объективные оценки.