0xzyx
Таблица 3.6. Мера несогласованности µ *
Среднее значение и дисперсии для шкал Порядок
матрицы 1–5 1–7 1–9 1–15 1–20 1–90
3
×
3 0.1900.024 545 0.254
0.193 822 0.382
0.266 743 0.194
0.026 226 0.120
0.006 869 0.720 0.213 737 4
×
4 0.5200.086 061 0.592
0.109 430 0.946
0.433 014 0.920
0.726 465 0.934
0.385 499 1.490 0.858 485 5
×
5 0.4540.026 549 0.814
0.087 479 1.220
0.278 788 2.018
1.024 723 2.352
2.157 268 11.690 84.438 283 6
×
6 0.612 0.016 420 0.892 0.075 895 1.032 0.180 380 2.594 0.530 469 3.484 0.837 721 16.670 29.536 466
*Эта таблица любезно предоставлена доктором Р. Уппулури из Национальной лаборатории г. Ок-Риджа.
7
×
7 0.5820.036 440 1.004
0.077 964 1.468
0.120 986 2.428
0.473 147 3.566
0.867 923 18.230 19.694 040 8
×
8 0.6200.016 970 1.030
0.036 667 1.402
0.073 935 2.578
0.227 794 3.654
0.448 368 17.280 8.435 959 9
×
9 0.6400.014 949 1.002
0.031 915 1.350
0.047 980 2.714
0.180 408 3.816
0.338 731 18.060 8.551 918 10
×
10 0.6680.010 279 1.090
0.019 697 1.464
0.028 590 2.822
0.138 905 3.970
0.254 848 19.670 5.172 827 11
×
11 0.6880.010 360 1.082
0.022 703 1.576
0.046 691 2.830
0.100 505 3.822
0.209 208 19.670 4.425 352 12
×
12 0.7040.007 257 1.096
0.029 075 1.476
0.317 410 2.785
0.097 923 3.948
0.187 572 19.730 2.724 343 13
×
13 0.712 0.009 552 1.136 0.022 933 1.564 0.030 610 2.852 0.070 400 4.038 0.104 904 19.790 2.955 45314
×
14 0.710 0.003 535 1.150 0.017 273 1.568 0.021 996 2.896 0.054 125 4.034 0.102 671 19.990 2.818 08315
×
15 0.720 0.004 444 1.150 0.010 808 1.586 0.021 216 2.942 0.050 339 4.096 0.113 923 19.980 2.534 949Примечание. Верхняя цифра соответствует среднему значению, нижняя - дисперсии.
Исходя из этого результата, можно сделать другое интересное замечание. Из- вестно, что если
λ
является любым собственным значением матрицы, то≠
−
ii≤ ∑
ijj i
a a
λ
для некоторогоi
,i = 1, … , n
.Так как для положительной обратносимметричной матрицы
λ
max≥ n
иa
ii= 1
, можно просто записатьmax
1
max
=
≤
i∑
n ijj
λ a
При использовании шкалы 1–9 максимальное значение любого
a
ij будет 9, по- этомуλ
max самое большее равно9 ( n − 1 )
. Отметим также, что( λ
max− n n ) ( − ≤ 1 ) 8
и поэтому ограничено сверху. Действительно, можно показать, чтоµ = ( λ
max− n n ) ( − 1 )
удовлетворяет неравенству
0 1 ≤ − µ / 3 1 ≤
, которое близко к единице, когда имеется высокая согласованность — результат, подтверждённый нашим статистическим под- ходом. Для каждой шкалы (вместо, использования разностных методов) мы усред- нили последние три значения, т. е. дляn
=13, 14, 15 в табл. 3.6, и использовали их в качестве аппроксимации предельного значения. Обозначив эту величину черезL
sдля шкалы
s
, вычислим новую таблицу, используяC ≡ ( L
s− µ ) / L
s для каждогоn
, и измерим согласованность, выраженную как индекс, заключенный между нулем и единицей. Это проиллюстрировано в табл. 3.7 и на соответствующем графике (рис.3.1).
Таблица 3.7.
(
Ls−µ)
/LsШкала 1–5 1–7 1–9 1–15 1–20 1–90
Порядок
3 0.733 9 0.778 2 0.757 1 0.933 0 0.970 4 0.963 9
4 0.271 7 0.483 1 0.398 5 0.716 9 0.769 7 0.925 2
5 0.364 1 0.289 3 0.224 2 0.303 3 0.402 1 0.413 2
6 0.142 9 0.221 2 0.343 8 0.104 5 0.141 0 0.163 2
7 0.184 9 0.123 4 0.066 6 0.161 8 0.120 8 0.084 8
8 0.131 7 0.100 7 0.108 5 0.110 0 0.099 1 0.132 5
9 0.103 6 0.125 1 0.141 6 0.063 1 0.059 2 0.093 4
10 0.064 4 0.048 3 0.069 1 0.025 8 0.021 2 0.012 6
11 0.036 4 0.055 3 –0.002 1 0.023 0 0.057 7 0.012 6
12 0.014 0 0.043 1 0.061 5 0.038 9 0.026 6 0.009 5
13 0.002 8 0.008 1 0.005 5 0.015 4 0.004 4 0.006 5
14 0.005 6 –0.004 1 0.003 0 0.000 2 0.005 4 –0.003 5
15 –0.008 4 –0.004 1 –0.008 5 –0.015 7 –0.009 9 –0.003 0
Рис. 3.1. Нормированная согласованность с использованием асимптотических значений
Теперь это согласованность, измеренная для случайным образом заполненных матриц. В общем случае суждение знающего человека ведет к лучшей согласован-
ности. Тем не менее все диаграммы показывают, что если число сравниваемых объ- ектов превышает 5, то величина
C
меньше 10% и примерно одинакова для всехn
. Это, по-видимому, говорит о том, что среди большого количества случайных не- согласованностей, которые встречаются при установлении связи междуn
объекта- ми, мы должны обнаружить искомую согласованную структуру. Шансы на ее обна- ружение тем меньше, чем больше число объектов, которые нужно связать логиче- ской структурой. Наши шансы будут тем больше, чем меньшеn
, однакоn
должно быть достаточно большим, чтобы не иметь автоматической согласованности, напри- мер дляn = 2
. Для больших значенийn
нужно использовать некоторую избыточ- ность информации для улучшения обоснованности, т. е. проверить, насколько хо- рошо наши результаты будут отражать действительность.Закончим этот раздел двумя замечаниями. Во-первых, если необходимо провести очень тонкие различия при парных сравнениях, то можно подразделить шкалу 1-9, рассматривая каждую пару значений, скажем 3 и 4, при добавлении к нижнему зна- чению 0,25 для слабой, 0,5 для умеренной и 0,75 для сильной степени. Однако наш опыт не показал, что это дает большую эффективность, кроме случая, когда сравни- ваются только два объекта. В последнем случае для получения более тонких оттен- ков различия используется шкала от 1 до 1,5.
Во-вторых, если суждения производят несколько человек, то предпочтительнее, как указано в гл. 1, использовать геометрическое, а не арифметическое среднее.
Это особенно понятно, когда один человек присваивает величину
a
, а другой – ве- личину1/ a
. Среднее должно быть 1, а не( a + 1/ a ) / 2
. Поэтому в общем случае дляn
суждений нужно перемножить численные значения и извлечьn
-й корень3.4. СРАВНЕНИЕ МЕТОДА СОБСТВЕННОГО ВЕКТОРА С ДРУГИМИ МЕТОДАМИ
Для сравнения точности метода собственного вектора с другими методами при оценке реальной ситуации было проведено несколько экспериментов. В двух экспе- риментах, проведенных в Корнелльском университете летом 1976 г., группе людей предложили оценить величины непосредственно, найти наименьший элемент и при- дать ему значение, равное единице, а остальным элементам – кратные значения.
Другой группе предложим использовать метод собственного значения со шкалой 1-9, а еще одна группа могла использовать любые желаемые значения, и задача о собственном значении решалась для этих чисел.
В отдельном эксперименте люди решали задачу о собственном значении со шка- лой 1–9, и затем те же люди, что участвовали в получении опытных парных сравне- ний, провели прямые эксперименты. Вероятно, эксперт может оценить ситуацию не- посредственно и не может получить лучший результат, используя подход, основан- ный на методе собственного значения со шкалой 1–9. В социальной области, где обычно не имеется ответов в виде отношений, подход, основанный на собственном значении, представляет собой суждения эксперта при парных сравнениях, которые полезно иметь. Кроме того, данный подход обеспечивает измерение согласованно- сти, которого нет в прямых методах. Результаты сравнивались с действительным значением и вычислялись как СКО, так и МАО. Затем было вычислено среднее зна- чение для обоих методов.
Из этих экспериментов следовало, что если люди не знают, о чем с ними говорят, то не существует шкалы, которая заставит их разобраться в проблеме лучше. Одна- ко если люди понимают кое-что и им требуется некоторая мера, то не существует лучшего способа оценки ситуации по этим суждениям, чем систематическая проце- дура, которая облегчает сравнения, гармонирует с интуицией и человеческими чув-
ствами, а также свободна от искусственности. Если человек уже знает ответ, то то- гда у него нет нужды в какой-либо шкале, и как раз из-за того, что он знает ответ, он не может исходя из своих знаний выявить преимущества метода, примененного, чтобы помочь несведущим людям, которые нуждаются в стимулировании посредст- вом определенного подхода для приведения их представлений в надлежащую фор- му. Тем не менее его экспертизу можно использовать для того, чтобы убедиться в том, действительно ли метод шкалирования воспроизводит известные результаты.
Наши эксперименты не только сравнивали экспертов с несведущими, но также лю- дей, которые были отчасти информированы и тщательны в применении метода, с людьми, которые были отчасти информированы, но менее пунктуальны при выдаче информации. Мы можем сказать, что для хорошо осведомленных людей и для всех людей, использующих здравый смысл для физических сравнений, подход, основан- ный на собственном значении для шкалирования отношений, выигрывает при срав- нении с другими методами, которые рассматривались. Он также дает лучшие ре- зультаты для людей, которые частично информированы и пытаются взвесить свое суждение, полученное логически и просто из отношений между парами. Например, они могут начать с классификации предметов в порядковой шкале, а затем выбрать для сравнения отдельные предметы, в оценке которых они уверены. Среди этих предметов они могут начать с доминирующего предмета, а затем перейти к наиме- нее важному, чтобы получить пределы диапазона своих мнений. Так, по крайней мере, тысяча людей участвовала в решении задач, включая приложения для властей и для промышленности. Некоторые использовали метод для своих личных проблем.
Несколько приложений было из класса упражнений.
3.5. ПЕРЕСМОТР СУЖДЕНИЙ
Допустим, что индекс согласованности достаточно велик, чтобы служить оправ- данием пересмотра суждении. На каком этапе это следует сделать? Непосредственно можно представить два способа. Первый заключается в формировании матрицы от- ношений приоритетов
ω ω
i/
j, рассмотрении матрицы абсолютных разностей( / )
ij i j
a ω ω
−
и попытке пересмотра суждения об элементе (элементах) или суммы строк с наибольшими разностями.В противоположность этому более привлекательна мысль сформировать средне- квадратичное отношение с использованием строк
a
ij и( ω ω
i/
j)
и пересмотреть суж- дения для строки с наибольшим значением. Оправданием этого служит то, что в об- щем случае человек имеет склонность к неопределенности при оценке отношения одного действия ко всем другим действиям, а не просто к одному конкретному. Про- цедура может затем повторяться, чтобы было заметно улучшение. Было бы жела- тельно иметь сходящуюся итеративную процедуру, при которойa
ij приближалось бы кω ω
i/
j. Процедура состоит из замены всехa
ij в строке, о которой идет речь, соответствующимиω ω
i/
j и пересчета вектора приоритета. Повторение этого про- цесса приводит к сходимости к согласованному случаю. Мы решали несколько при- меров, используя строку с( )
1
max /
n
ij i j
i j
a ω ω
=
∑ −
(не нужно беспокоиться о том, чтоi
/
jω ω
может быть больше 9).Матрица профессиональной подготовки в примере выбора школы имеет вид:
1 9 7 1/ 9 1 1/ 5 1/ 7 5 1
A =
,и ее вектор приоритетов есть
( ω ω ω
1,
2,
3) = ( 0,77; 0,06; 0,17 )
;λ
max= 3,21
с индек- сом согласованности, равным 0,1. Образуем матрицу отношений приоритетов, соот- ветствующихω ω
i/
j. Наибольшая абсолютная разность – междуa
12 иω ω
1/
2. Поэто- му, заменивa
12 наω ω
1/
2= 14,15
и пересчитав приоритеты, получим вектор( 0,81; 0,94; 0,15 )
сλ
max= 3,09
и согласованностью 0,02. Отметим продолжающееся улучшение согласованности. Если снова заменим первую строку, которая дает наи- большие разности сω ω
i/
j, то получим вектор( 0,76; 0,04; 0,20 )
иλ
max= 3,023
с со- гласованностью 0,01. Заменив первую строку соответствующими отношениями, име- ем вектор( 0,75; 0,04; 0,21 )
сλ
max= 3,003
и индексом согласованности 0.00, указы- вающим на последовательное улучшение, согласованности. Как видно, можно при- нять и более длительную процедуру, в которой используется аппроксимация мето- дом наименьших квадратов с помощью матрицы единичного ранга и затем вычисля- ется ее собственный вектор.Другой и возможно более уместный способ пересмотра суждений относится к вы- бору наибольшего из отношений
a
ij кω ω
i/
j и проработке этой идеи (см. гл. 7 для доводов).Следует избегать чрезмерного увлечения этим процессом навязывания величин суждений для улучшения согласованности. Он искажает ответ. Улучшить суждения скорее следует естественным образом, исходя из опыта.