Весовой коэффициент

Весовой коэффициент

Ком­п­лек­с­ная оцен­ка
На­чи­нать сле­ду­ет с ком­п­лек­с­ной сис­те­мы, ко­то­рая поз­волит увидеть со­труд­ни­ка с раз­ных сто­рон. Она пред­полагает три плос­кос­ти оцен­ки.
1. Ре­зуль­та­ты де­ятель­нос­ти. Оце­ни­ва­ет­ся сте­пень дос­ти­же­ния со­труд­ни­ком по­став­лен­ных це­лей. Они дол­ж­ны иметь кон­к­рет­ные из­ме­ри­те­ли и по­ка­за­те­ли результатов. На­при­мер, из­ме­ри­те­лем дос­ти­же­ния це­ли для ме­нед­же­ра по про­да­жам мо­жет быть при­рост кли­ент­ской ба­зы, а по­ка­за­те­лем – процент (10, 15 или 20) к пре­ды­ду­ще­му пе­ри­о­ду (числа могут быть раз­ными в за­ви­си­мос­ти от оце­ниваемо­го пе­ри­о­да).
По­ка­за­те­ль обя­за­тельно дол­жен быть дос­ти­жи­мым и со­гла­со­вы­вать­ся с об­щи­ми це­ля­ми и стра­те­ги­ей ком­па­нии, усло­ви­я­ми биз­не­са как та­ко­во­го. Оце­ноч­ны­ми кри­те­ри­я­ми для тор­го­во­го пер­со­на­ла мо­гут вы­сту­пать вы­пол­не­ние пла­на про­даж, при­рост объ­е­ма про­даж, ко­ли­чес­т­во ак­тив­ных ви­зи­тов и по­втор­ных по­ку­пок, уро­вень де­би­тор­ской за­дол­жен­нос­ти, на­цен­ка и т.д.
2. Про­фес­си­о­наль­ные ка­чес­т­ва. Оце­ни­ва­ют­ся оп­ре­де­лен­ны­е зна­ни­я и на­вы­ки­ со­труд­ни­ка. На­при­­мер: пла­ни­ро­ва­ние сво­ей ра­бо­ты, управ­ле­ние пер­со­на­лом, опе­ра­тив­ность, са­мо­сто­я­тель­ность, уме­ние об­учать.
3. Лич­ност­ные ка­чес­т­ва. Оце­ни­ва­ет­ся от­но­ше­ние че­ло­ве­ка к ра­бо­те: ор­га­ни­зо­ван­ность, ис­пол­ни­тель­ность, ини­ци­а­тив­ность, ак­ку­рат­ность, стрем­ле­ние к об­уче­нию, склоность к со­труд­ни­чес­т­ву, ло­яль­ность к ком­па­нии, чес­т­ность.
Оце­ноч­ные кри­те­рии мо­гут быть оди­на­ко­вы­ми для всех со­труд­ни­ков ли­бо спе­ци­фи­чес­ки­ми для каж­дой дол­ж­нос­ти.
При вы­бо­ре оце­ноч­ных кри­те­ри­ев нуж­но пом­нить, что с их помощью вы доносите ин­фор­ма­цию о ре­зуль­та­тах, ожи­да­емых ком­па­нией от каж­до­го со­труд­ни­ка, и о том, на ка­кие про­фес­си­о­­наль­ные и лич­ност­ные ка­чес­т­ва де­ла­ете став­ку.
За­тем для оцен­ки кри­те­ри­ев нуж­но раз­ра­бо­тать шка­лу. Ре­ко­мен­ду­ет­ся использовать от трех до пя­ти уров­ней оцен­ки. Ме­нее трех – не по­ка­за­тель­но (ра­бо­та­ет по прин­ци­пу «или-или»), бо­лее пя­ти – рас­пы­ля­ет и услож­ня­ет оцен­ку. Что­бы мож­но бы­ло вы­вес­ти об­щий по­ка­за­тель, каж­до­му уров­ню оце­ноч­ной шка­лы при­сва­и­ва­ют­ся бал­лы.

На­при­мер, для трех­уров­не­вой шка­лы:
Уро­вень 1 (3 бал­ла) – пре­вос­хо­дит тре­бо­ва­ния.
Уро­вень 2 (2 бал­ла) – соответствует тре­бо­ва­ни­ям.
Уро­вень 3 (1 балл) – не соответствует тре­бо­ва­ни­ям.
Для пя­ти­уров­не­вой шка­лы:
Уро­вень A (4 бал­ла) – всег­да пре­вос­хо­дит тре­бо­ва­ния.
Уро­вень В (3 бал­ла) – всег­да со­от­вет­ст­ву­ет тре­бо­ва­ни­ям, ино­гда их пре­вос­хо­дит.
Уро­вень C (2 бал­ла) – всег­да со­от­вет­ст­ву­ет тре­бо­ва­ни­ям.
Уро­вень D (1 балл) – в ос­нов­ном со­от­вет­ст­ву­ет тре­бо­ва­ни­ям, но не всегда.
Уро­вень Е (0 бал­лов) – не со­от­вет­ст­ву­ет тре­бо­ва­ни­ям.
Ре­зуль­та­ты в каж­дой оце­ноч­ной плос­кос­ти име­ют для ком­па­нии не­оди­на­ко­вое зна­че­ние. На од­ном эта­пе при­ори­тет­ны­ми бу­дут ре­зуль­та­ты де­ятель­нос­ти, на дру­гом (или для дру­гой ком­па­нии) – по­ка­за­те­ли в иной плос­кос­ти. Сделать диф­фе­рен­циа­цию по­мо­гут ве­со­вые ко­эф­фи­ци­ен­ты. Умно­жив бал­лы по оце­ноч­ным кри­те­ри­ям на ве­со­вой ко­эф­фи­ци­ент (табл. 1), получим окон­ча­тельный результат. Ве­со­вые ко­эф­фи­ци­ен­ты мож­но при­ме­нять и к каж­до­му кри­те­рию отдельно, де­лая ак­цент на определенных ка­чес­т­вах или це­лях для той или иной плос­кос­ти оцен­ки.

8.8. Веса случаев

SPSS предоставляет возможность определения веса данных. При этом данным, относящимся к разным наблюдениям, присваиваются различные весовые коэффициенты посредством так называемой переменной взвешивания. Эта процедура может быть полезной в следующих ситуациях:

  • Данная выборка не является репрезентативной, то есть частотные характеристики выборки, состоящей из переменных, достаточных для обеспечения репрезентативности, не соответствуют частотным характеристикам генеральной совокупности.

  • Анализ данных, которые уже представлены в виде частотных таблиц.

Эти ситуации рассматриваются в двух следующих разделах. Подробнее о таблицах сопряженности, которые используются при этом, см. в главе 11.

Коррекция при отсутствии репрезентативности

Перед служащими и представителями других социальных групп были поставлены четыре классических вопроса Инглхарта, уже известные нам из раздела 8.4.2, то есть, было предложено выбрать одну из четырех степеней важности для каждого из нижеследующих пунктов:

1. Поддержание спокойствия и порядка

2. Усиление влияния граждан на власть

3. Борьба с инфляцией

4. Обеспечение свободного выражения мнений

Данные, взятые из опроса ALLBUS 1988 г., хранятся в файле beamte.sav. При этом переменной beamier присваивается кодировка 1 или 2 в зависимости от того, является ли респондент служащим; переменные themal-Hhema4 содержат оценки четырех вышеприведенных пунктов.

  • Загрузите файл beamte.sav и командами меню Analyze (Анализ) Descriptive Statistics (Дескриптивные статистики) Frequencies… (Частоты) создайте частотные таблицы переменных beamier и themaS:

Служащий?

Valid Percent

Cumulative Percent

Да

10,5

10,5

10,5

Нет

89,5

89,5

100,0

100,0

100,0

Борьба с инфляцией

первостепенная важность

Frequency 109

Percent 8,4

Valid Percent 8,4

Cumulative Percent 8,4

второстепенная важность

18,2

18,2

26,6

важность третьей степени

28,8

28,8

55,4

важность четвертой степени

44,6

44,6

100,0

100,0

100,0

Из частотной таблицы переменной beamier можно заключить, что в данной выборке 10,5% респондентов являются служащими, хотя известно, что доля служащих в общем населении составляет только 8,4%.

Прежде чем мы скорректируем это небольшое искажение при помощи переменной взвешивания, составим таблицу сопряженности для переменных themaS (строки) и beamter (столбцы).

Таблица сопряженности Борьба с инфляцией* Служащий?

Chi-Square Tests (Тесты хи-квадрат)

Результаты показывают, что для служащих борьба с инфляцией имеет меньшее значение, чем для остальных респондентов.

Теперь путем взвешивания мы попробуем скорректировать искажение доли служащих, имеющееся в выборке. Принцип заключается в том, что для каждого значения переменной (в данном случае переменной beamier) вычисляется весовой коэффициент как отношение необходимого значения к существующему.

Весовой коэффициент = (необходимое значение)/(существующее значение)

Для служащих весовой коэффициент равен

8,4/10,5=0,8

а для остальных —

91,5/89,5 = 1,023

  • Командами меню File (Файл) New (Создать) Syntax (Синтаксис) откройте редактор синтаксиса.

  • Чтобы создать переменную взвешивания, введите следующие команды:

IF beamter=1 gewicht=8.4/10.5 . IF beamter=2 gewicht=91.6/89. 5 . EXECUTE .

Исходя из соображений точности расчета рекомендуется вводить сами значения, а не их отношения, и предоставлять их вычисление компьютеру.

  • Выделите введенные команды, выбрав в меню Edit (Правка) Select All (Выделить все)

  • Щелкните на символе Run, и в файл данных будет добавлена новая переменная gewicht. Ее мы и будем использовать как переменную взвешивания.

Для создания переменных взвешивания можно и не использовать команды синтаксиса SPSS, а повторить подход, описанный в разделе 8.4.1.

  • Выберите в меню команды Data (Данные) ; Weight Cases… (Взвесить наблюдения)

Появится диалоговое окно Weight Cases.

Рис. 8.13: Диалоговое окно Weight Cases

  • Выберите в этом диалоговом окне опцию Weight cases by и перенесите переменную gewicht в поле под ней (в диалоге это поле называется Frequency Variable).

  • Описанным выше путем создайте частотные таблицы переменных beamier и thema3 и таблицу сопряженности из этих переменных. Вы получите следующий результат:

Служащий?

Valid Percent

Cumulative Percent

да

8,4

8,4

8,4

нет

91,6

61,6

100,0

100,0

100,0

Борьба с инфляцией

Valid Percent

Cumulative Percent

первостепенная важность

8,5

8,5

8,5

второстепенная важность

18,4

18,4

26,9

важность третьей степени

28,8

28,8

55,8

важность четвертой степени

44,2

44,2 ,

100,0

100,0

100,0

Таблица сопряженности Борьба с инфляцией * Служащий?

Chi-Square Tests

Общая частота осталась неизменной — 1299, но взаимное отношение частот изменилось. В переменной beamter количество служащих снизилось с 137 до 110, что соответствует реальной доле служащих 8,4%. Также незначительно изменилась частотная таблица для переменной themaS; взвешивание повлияло и на нее.

То же можно сказать и о таблице сопряженности. Однако здесь процентные значения по столбцам не изменились; сохранились соотношения между отдельными значениями переменных в ячейках.

Установленное взвешивание будет действовать до тех пор, пока вы снова не выберете в диалоговом окне Weight Cases опцию Do not weight cases (He взвешивать наблюдения).

Описанный метод взвешивания при отсутствии репрезентативности может привести к возникновению некоторых проблем, которые, впрочем, не проявляются в изученном примере.

Если мы рассмотрим, например, взвешенную частотную таблицу переменной «Борьба с инфляцией», то обнаружим, что общее количество наблюдений (1299) не меняется при взвешивании. Это связано с тем, что сумма весовых коэффициентов по всем случаям равна числу случаев. Однако в варианте взвешивания, который будет изложен в разделе 8.7.2, это не так.

Если вы попробуете вручную просуммировать частоты упоминания всех четырех вариантов ответов, то в результате вы также получите число 1299. Однако это не закономерность, а скорее счастливое совпадение, о чем свидетельствует следующий пример.

  • Загрузите файл mai.sav, содержащий результаты опроса членов профсоюза на тему 1 мая (см. главу 24).

  • С помощью команд меню Analyze (Анализ) Descriptive Statistics (Дескриптивные статистики) Frequencies… (Частоты) создайте частотные таблицы переменных v2 (Пол) и v20 (Занятие).

Пол

Занятие

  • Взвесим наблюдения так, чтобы устранить неравномерность между количествами респондентов обоих полов. Учитывая частотное распределение полов, характерное для имеющейся выборки, это выполняется при помощи следующих команд:

IF v2=1 w=135.5/77.

IF v2=2 w=135.5/194.

  • Теперь описанным выше способом проведем взвешивание, используя только что полученную переменную w, и построим обе частотные таблицы заново:

Пол

Занятие

Хотя общее число наблюдений, 271, опять не изменилось, но суммирование частот по категориям дает несколько другие результаты.

Это особенно заметно для переменной Пол. Так как после определения переменной взвешивания обе категории должны иметь одинаковые частоты, с самого начала ясно, что сумма не может быть нечетной. Для переменной занятие сложение частот по категориям также дает результат 272, что на единицу отличается от общего количества наблюдений — 271, выводимого в окне просмотра. SPSS всегда, в том числе при взвешивании, выдает целочисленные частоты. Поэтому негативное влияние округления будет неизбежным. Другие статистические программы, например, Stata, обходят эту ситуацию, вычисляя взвешенные частоты с дробной частью.

Если сделать выборку наблюдений, то отображаемые программой суммы до и после взвешивания, как правило, также будут различаться. Это связано с тем, что в частичной выборке количество наблюдений обычно не соответствует сумме весовых коэффициентов, попадающих в эту выборку. Это можно проверить, создав на основе открытого файла данных частотную таблицу переменной «Занятие» до взвешивания и после взвешивания, но только для приверженцев партии СДПГ (v22=2). Тогда мы получим соответственно суммы 91 и 83.

Взвешивание для выравнивания характеристик при нарушении репрезентативности применяется в первую очередь при эпидемиологических исследованиях. Так как при весовом коэффициенте, превосходящем единицу, количество наблюдений искусственно увеличивается по сравнению с фактически измеренным, к результатам теста на значимость следует подходить весьма критически.

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *