SEKCJA KLASYFIKACJI l ANALIZY DANYCH POLSKIEGO TOWAR ZYSTWA STATYSTYCZNEGO Zeszyt 3 T AK SON O M lA 1996
KLASYFIKACJA l ANALIZA DANYCH
TEORIA l ZASTOSOWANIA
Jelenia
Góra-Wrocław-KrakówREDAKTORZY Ni\l'KOWI J..:rzyszto.f Ja,uga. 1\ fcu <'k H 'aloJSI<Ik
REDi\K I'OR WY 1>/\ WNICTWi\ /Jorota l'llu/oJc
KOREK I'<JR
T)1UI ~finansowano ze środków ~linistet'lwa Fdukacji Nmodn\\e,i.
Akademii Ekonomiemej w Krakowie i Akademii Ekonomicznej we Wn>dawiu
©Copyright hy Akadcnun EkontH>UC/na "c Wi<>da" no W rod n" l ?(,(j
I'L ISSN UJH-R-U5
Dnok i oprawa: Zakład Graficmy AF "c W rod n" i u /.a on l ~O 9(i
Spis
treściOd Redakcji ... . 5 K r 1. ) s L t o f J aj u g a (Akademia Ekonomiewa we Wrocławiu)-.Y1ektóre
::nsrosowanw kln::.yfi/.:acp i anali::_v dm~vch w ::agadmcmach finansowych .. . ... 7 K a L i m i er z Z aj ą c, M i c h a l Woź n i ak (Akademia Ekonomiczna
w Krakowie)- O pewt~ych ma/.:roe/.:onomic::nych relacjach w gospodarce polskiej 17 D a n u t a S 1 r a h l. M a r e k W a l c s i a k (Akademia Ekonomiczna
liC Wrocla,,iu)- \'ormali::acja ::miennych w gramc::nym systemie referencyjnym 29 C 1. c s l a w D o m a t1 s k t, P a w e l B o g u s z (UniwerS)1et Łódzki)
-Próba klasyfikacji wybranej grupy przedsiębiorstw metodą rozproszonego
pr::etwar::ama danych . . . .. . . .. . . . ... ... . . ... ... . . .. . . . .. . . .. . .
-n
E u g e n i u s z G a t n a r (Akademia EkonomiC7J1a w Katowicach)-Symboliczne metody /.:la.lyjikocfi danych . ... ... . . .. ... . ... ... ... ... ... ... ... ... ... .. ... 55 W a n d a R o n k a - C h m i c l o w i e c (Akademia Ekonomiczna we Wrocławiu)
- Ry::y/.:o ube::piec::eniowe definicje. klasyfikacje 1 relacje porządku ... .... 65 J ó L c f H o z e r. M i r o s l a w a G a z i i1 s k a. W a l d e m a r
T a r czy t1 s k i. B a r b a r a B a t ó g. J a c ck B a t ó g (Uniwersytet
S;.czcciński) - !,.-ta.\>1ikac;a .J /3 spółek i pr::etls1ęhiorstw objętych Programem Pows::echnej Pryll'aty::acji na polr::ehy alokacji w .Varodow~·ch Fundw;zach
!nwes(\.'CY[l~VCh . . . .. . . . . . .. . . .. . . .. . 73 J ó 1. c f D L i c c h c i a r z (Akademia Ekonomict.na we Wrocł<miu) -Ilościowe
aspektv conlrollinp.u mar/.:el/1/goweJ!.O ... .. .. .. . .... ... ... ... ... ... .... ... . . . . .. .. &9 P a '' c l L u l a (Akademia Ekonomiczna w Krakm\;e)-liatlama porównawc::e
11:1·hranych melru/uc::ema Jednokierunkowych siec1 neuronowych ... l O l E d '' a r d N o " a k (Akademia Ekonomiczna we Wrocła\1iu)-Prohlen~v oceny
::godno.ki kla.~vfikacjl kos::tów .. . . .. .. .. .. .. .. .... . . . .. .. . . .. . . .. ... I 13 J a n Z a w a d z k i. H c n r y k B a b i s (Uniwersytet Szczeciński)-Próba
:astosowania anali::y dyskryminacyjnej do badania kom/yCji finansowej
pr::edsiębiorst\1' ... ... 119 R ' s 1. a r d A n 1 o n i c w i c z (Akademia Ekonomiczna wc Wrocla\\iu) -
(impowanie. lemmskaty 1 pojemno.ki ..... 129 A n d r z c j B ą k (Akademia Ekonomiczna we Wrocła\\iu)-..Jnnli::a warinncp
1 programowanie oh1ektowe w badamach eksperymentalnych na polr:!chy
... 135
3
M ar i u s z Gr a b o w ski (Akademia Ekonomiczna w Krakowie) -Metody
analizy skupień oparte o samouczące się sieci neuronowe ... 147 M i r o s l a w a G a z i ń s k a (Uniwersytet Szczeciński), R a d o s l a w
G a z i ń s k i (Archiw11m Państwowe w Szczecinie) -Z badań nad rozwojem
ludności miast Pomorza Pruskiego w latach 1762-1776 - analiza
taksonvmic:na ...... 157 B o g u m i l a S w a t (Bank Zachodni we Wrocłav.~u). L u d w i k
A d a m c z y k (Akademia Ekonomiczna we Wrocławiu)-Rating- aspek(v teoretyczne i aplikacyjne ... 171 C z e s l a w D o m a ń s k i. L e c h o s l a w S t ę p i e ń (UniwcrS)1et Łódzki)
- Uwagi o kwantyfikacji danvch jakoJciowych ... 181 Ja n W. O w s i ń s k i (Instytut Bada1i Systemowych PAN)-.-lnali:a danych
a po::yskiwanie wied:y. Próba formali:acji ... 185
SEKCJA KLASYFIKACJI I POLSKIEGO TOWARZYSTWA
ANALIZY DANYCH STATYSTYCZNEGO
Zeszyt 3 TAKSONOMIA 1996
Danuta Strahl, Marek W alesiak
Akademia Ekonomiemil we \l.'rocła"'iu
Wydział Gospoda.rk.i R<!gionalnej i Tul)-styki w Jeleniej Górze
NORMALIZACJA ZMIENNYCH W GRANICZNYM SYSTEMIE REFERENCYJNYM
l. Wprowadzenie
Zasadniczym celem normalizacji zmiennych jest sprowadzenie ich wartości do porów-
nywalności. co jednocześnie przynosi pozbawienie ich mian oraz ujednolicenie rzędów wielkości. Normalizacja zmiennych jest zabiegiem koniecznym w wypadku stosowania ta- kich metod statystycznej analizy wielowymiarowej, jak metody klasyfikacji i porządkowa
nia liniowego zbioru obiektów. Literatura przedmiotu zna wiele formul normalizacyjnych (por. np.[4; 5; 6:7:9: 10; 12: 13: 17]) a ich własności są wciążprzedmiotem badań.
Referat podejmuje próbę szczególnego spojrzenia na proces normalizacji, w którym pojawia się problem granicmego systemu referencyjnego. Przez system graniczny będzie
my rozumieć 7biór ograniczeń łub zaleceń pozwalający w operacji normalizacji identyfi-
kować obiekty wyraźnie gorsze. naruszające pewne ustalone granice lub zalecane W'cU1ości
zmiennych.
2. Normalizacja zmiennych a skale ich pomiaru
Jednym z kryteriów klasyfikacji zmiennych są skale pomiaru. które wyznaczają zakres dopuszczalnych przeksztaJceń na wartościach tych zmiennych. Teoria pomiaru opracowa- na przez Steven&'l [Ił) wyróżnia cztery podstaw·owe skale pomiaru: nominalną, porząd
kową. przedziałową i ilorazową. które określą za autorami prac następujące definicje (por. [3: 15: 16:)).
l>cfinic,ja I. Taką upor:t..<jdkowaną czwórkę U=
(..1:
G: H: F). żea) -'' to nicpusty zbiór obiektów. H - zbiór liczb rzeczywistych, G - klasa funkcji od-
wJ.orowujących A w H F-klasa funkcji odwzorowuj<tcych H w H.
b) dla wszystkich g e G i
I
e F . .f o g e G.c) F 2'.8\'>-iera przekształcenie H na H. a ponadto dla każdego .fk ,.f1 e F złożenie
fk c.f1 e F, nazywa si~ skalą pomiam.
29
Definicja 2. U =(A; G; H: F) jest skalą nominalną wtedy i tylko wtedy, gdy F jest zbiorem wszystkich funkcji /odwzorowujących H w H (H= R) takich. że
f-
funkcja wzajemnie jednoznaczna (l)Definic,ja 3. U=
(.· 1:
G: H: F) jest skalą porządkową wtedy i tylko wtedy, gdy F jest zbiorem wszystkich funkcji fodwzorm\Ujących f! w !f (H = R) takich. żef-
funkcja ściśle monotonicznie rosnąca (2) Definicja-'· [ · = (.-1: (j: f!: F) jest skalą interwalową (pr/..cdzialow<l) \\tedy i t~lko wtedy.gdy l f jest :tbiorem wszystkich liczb rL.CCzywistych R i F jest /biorcm fw1kcji
f
takich, 7.e dla dodatniego b/(yl =by +n . .f(y) <:.R (:l)
dla wszystkich y ER.
Definicja 5. U= (A; G: H: F) jest skalą ilorazową (stosunkow·4) \\1edy i tylko \vtedy.
gdy H jest zbiorem liczb rzeczywistych dodatnich R+ i F jest zbiorem funkcji
f
takich. żedla dodatniego b
f(y) =by, /(y) ER+
dla wszystkich y ER+.
Z przytoczonych definicji 2-5 wynika, że z typem skali wiąże się grupa przekształceń.
ze względu na które skala zacho,~uje swe własności. Dopuszczalnymi przekształceniami są więc te. które nic narus7.ają z..asobu informacji zawartej dla mierzonej zmiennej.
Na wartościach poszczególnych skal. 1.e W/.gl~du na dopuszczalne przekształcenie.
można wyznaczać następujące relacje:
a) skala nominalna- relacje: równości. różności.
b) skala porządkowa- relacje: równości. różności. wi~kszości, mniejszości.
c) skala pr..~edzialmva - relacje: rÓ'ń'llości. różności. mniejszości. 'viększości. róvmości różnic i przedziałów.
d) skala iloruowa - relacje: ró\mości. różności. mniejszości. większości. równości różnic i przedziałów. ró,mości stosunków między poszczególnymi wartościami skali.
Wykonywanie operacji arytmetycznych dodawania i odejmmvania jest dopuszczalne na
wanościach skali przedziałowej. Skala ilorazowa dopuszc7.a ponadto wykonywanie na
wartościach skali operacji dzielenia i mnożenia. Jedyną dopuszC7.ałną operacją empiryczm1
nawanościach skali nominalnej i porz<jdkowej jest zliczanic /dar;:eń.
Naturalnym poczatkiem skal1 ilora1.0wej jest wartość ;:crowa (zero lewostronnie ogranicza zakres skali). Skala interwałowa nic ma nattuałnego pocz.<itku w zerze. Wartość zerowa na tej skali jest Z\\yklc przyjmowana arbitralnie lub na podsta\\ie konwencji (por.
np. (2. s. 2401).
Ponieważ nasze propozycje normali:tac:ji będą dotyczyć skali ilorazowej i przedziałowej.
naświetlimy krótko. kiedy zmiennajest micrmna na skali ilorazm.\·cj. a kiedy na przedzia-
łowej. Z pr.cytoczonych wcześniej definicji wynika. że zmienna jest mierzona na skali ilo- :lO
razowej, jeśli zbiór jej możliwych wartości zawiera się w zbiorze R+ (istn!eje dla niej abso- lutny- naturalny- punkt zerowy, który oznacza zupełny brak wielkości mierzonej zmien- nej) i wartości te mo:l11a uporządkować jednoznacznie na osi liczbowej z podaniem staJej (ale dowolnej) jednostki. Jako prq kJady można podać: wielkość spr.a:daży, wielkość pro- dukcji, wartość ud?jelonych kredytów, przychody ze sprzedaży, kapitaJ własny banku.
Z kolei zmienna jest mierzona na skali pr.a:działowej, gdy zbiór możliwych jej '"arto-
ści (z ummmym punktem zerowym) &\viera się w zbiorze R i wartości te można uport.ąd-
Tabela l Metody i techniki dopuszczalne w odniesieniu do poszczególnych skal pomiaru
;\ktod) Typ ska h
notninalna pnrLądkowa przed7jalowa ilora1.owa
srednia geom.:try.-ma, średnia hannomczna, Miary położenia modalna mediana srednia arytmetyczna momenty zwykle -
srednia ary1metyczna kwadratowa itd.
wariancja, odchylenie standardowe. odchyle-
w spółczyno ik Miary dy>persji miary infomlacji ro~-tęp ćwiartkowy nie przeciętne, szero-
zmienności kość przedziału zmien-
ności
miary zal.,żnosci sta- \\spólc-cynnik kore- współczynnik korela-
~liaT)· współ?.ale:iności tystvc7.1l<!J; Pearsona, lacji ' Kendalla. cj1 Pearsona, stosunek
współ<.:zynnik kor.,lacyJn). wspól- Cramera. Heli" iga.
konkordancji Kendalla czyru1ik korelacji Czuprowa itd
1 Snutha 1..-zą>lkowej
test)· nicparrunctry- testy paramo.:tryc-mc
czne (t<!St 7_godnosci testy nic:parametry- (F-ilorazu wariancji.
TL~Iy ,raty,tyi."7Jl\! chi-k "·~drat. Ie> l nie- c-me: (znaków. sc:rii. l-Studenta. 1< .. -st IStot-
takmości ch1-kwa- Knhnogornwa· noSct wspokz~11nika
drat) -Smtmoua) rcgrt!Sji. te>-t Jla
<.h~vóch ~r\!dntt~
mial") podohtc:tist\'-3 oh1ektó" opJSan\ ch 1.1 pomocą11nienrwch
~~~&T)' poJol>J.:ństwa nominalnych oJI.:glość oparta lld odlcglosć :>.lmkow-
odlcglośc Can-
:.) bmamych (Rog~=•• "spólcz}nmku ski~go (m in. euklld...-- n p
ob1ekt<>" r
bcrra. Braya i Curtisa Twumota. Sokala 1 1-:.:ndalla sowa. llliC:JSka)
:-.tidl<.'Tl<:nl).
h) wJclo't~no"ych (S<Jk.Jla i \(i.:h.:rl<.T~)
Fonuul\' non na li za-
:..: !o..tandaryz.a...:Ja, unttary- prtck..•Ltalc.:llla •lora-
:..:
cvjn.: ;t.acjd zc:rowana ZOW\!
:\ W odmc.""""' do 'kah 11ominalneJ i por1.1dko" '-'J me zachodzi potn...-ba nonnahzaqi. na ich wartoścJach bo-
\\ tem nic: \\ ~7Jlac..7.a st.; ani rclacj1 równośct ró1nic 1 pn~cd7Jalów. ant stosunkóvw Zródlo !17. 18j.
31
kować jednoznacznie na os1 liczbowej z podaniem stałej (ale dowolnej) jednostki. Jako pr.cykJady można podać: rento~ność banku. v.-ynik finansowy. zyskowność aktywów.
efektywność aktywów netto. Jak widać przykJady te potwierdzają. że 7Jl1ienne mierzone na skali przedziałowej występują często w anali?.ach ekonomicznych przedsiębiorstw. banków i innych podmiotów gospodarczych.
Z kolei typ skali, ze \\7.ględu na dopuszczalne przekształcenia. determinuje stosowal-
ność rozmail)ch technik statystyczno-ekonometrycznych. W literaturLC pr1.edmiotu (por.
np. 114. s. 61 l) stwierdt.a się. że technikami statystycznymi dopust.Ct1llnymi dla danego typu skali są takie techniki. które dostarc1~1ją \\)nik ów (w sensie relacJi) nie~.rniennych
wzglf\!dem dopuSLCI . .alnych pr!.ckszwlceli.
Pierwsze zesta\vienie typowych technik statystycmych przydatnych w pomiar~.:e doko-
n~•,anym na skałach różn~ch rodzajów 1.aprezentowal Stevens (II. s
271 .
W tab. l przed- st;miono typO\\e metody i techniki \\'ykor1.ystywane w statystycLncj analiz1e wieiO\\) miaro-\\ ej. których stoSO\\anicJCSt uzależniOne od skal pomi:.~ru L.mienn;.ch.
Jak już wspommano. jedynymi dopuszct..alnymi prL.CkSLtalceniaml (por. (3) 1 (-ł}) na skali przedziałowej i ilora.r.owej są przekształcenia liniowe. formuły normaliutcyJne można
\vyrazić ogólnym wzorem:
gdzie: x - wartość ;-tej zmiennej w 1-tym obiekcie.
l)
:::IJ - znormalizowana wartość )-tej zmienneJ \\ 1-tym obiekcie.
(5)
Szczególnymi przypadkami tego wt.oru są naslf\!pujące fonnuły (por. np. 11: -ł: 5: 6: 7:
9: 10: 15: 17]):
-1 - - 1
- =s x - x s
1/ J l) j l (G)
-1 - -1
::: =r x - x r
lj .l 1/ l J (7)
-1 { } -1
::: = r ~ - mlll ~ r
,, l l) l lj J (8)
-l
- = ~ X
-IJ . O; Y (~)
w których
x
1• s
1• r
1 to odpomedn1o: średnia arytrnet)Czna. odch~·lenie standardO\\e i
rozstęp wyznaczony na podstavvie \\artości j-tej zmiennej. We wzorze (9) x01 o;nact.a
podstawę normali;.aCJI ;-teJ t.miennej. która 1110/C b~ ć fO\\ na n p x0
1
=s,.. \·
0 i =r1.x
0 l= ma:..:{x } .
x0= mili{ \}. ~o =x.
x01= f, ·,,.
x01=[ Ix,~]u.
5l li J l lj / J 1 =l l= l
Formuły normaht.acyjnc określone ogóln)'m \\7.orem (9) można stosować tylko wtedy.
gdy zmienne są mierzone na skali ilorazowej. Gdy zbiór 7..awiera zmienne mier1.one na skali przedziałowej lub przedziałowej i ilorazowej. wówczas do nonnaliz.acji można stoso-
32
wać prt.ekształcenia (6)-(8), wprowadzające jednolicie określoną wartość zerową (umowną) dla wszystkich zmiennych.
Formuły (6) i (7) określają umowną wartość zerową na poziomie średniej wartości
zmiennej, a formuła ('&) - na poziomie wartości minimalnej. Zastosowanie formuł (6)-(8) do zmiennych mier.wnych na skali ilorazowej, aczkolwiek formalnie poprawne, spowoduje
stratę informacji wskutek "przejścia'· wszystkich zmiennych na skalę pr.redzjałową. Strata informacji przejm\ia się m.in. ograniczeniem zastosowania różnych technik statystycznych i ekonometrycznych. Istnieją sytuacje. w któr}ch Ś\,iadomie decydujemy się na utratę
informacji. która z kolei nie pozbawia nas możliwości realiza~ji celu badawczego.
Załóżmy. ż.e interesuje nas tylko porządkowanie liniowe obiektów określone relacje\
dominacji:
(lO) gdzie: symbol >- oznacza dominację obiektu .·1
1 nad obiektem Ak.
s, ( sk)
-wartość miary agregatowej pozwalającej na kwantyfikację stanu obiektu i (k), i. k =l, ... , n -numer obiektu, j= l. .... m-numer zmiennej.Interesują nas tylko relacje odległości między obiektami oraz odległości obiektów od obiektu-wzorca. Szczególnym przypadkiem obiektu-wzorca jest wzorzec graniczny, który deklaruje tzw. progi veta (por. [81) dla wartości zmiennych. czy też zalecane wartości,
które implikują minimalny poziom satysfakcji w ocenie obiektów. Propozycja normalizacji
będzie zatem uwzględniać:
- zmienne mierzone na skali pr;..edzialowej i ilorazowej.
- graniczny system referencyjny. czyli obiekt-wzorzec z ograniczeniami.
3. Normalizacja zmiennych na skali przedziaJowej i ilorazowej w granicznym systemie rcrcrency.inym
Wśród ;:miennych mierzonych na skali przedziałowej i ilorazowej \\-yróżniać będziemy:
l. Stymulanty:
L Stymulant)' bez progu veta (oznaczone symbolem 511 ). których wartości należą do zbioru R. Przykładami zmiennych stymulant bez progu veta są: suma bilansowa banku.
przychody ze sprzedaży.
2. Stymulanty z progiem veta
x~ '~
(oznaczane symbolem S2). którychwartości nale7..ą
do 1bion1 R. Przykładami zmiennych stymulant z progiem veta są: zyskowność aktywów.
dla której 1.alecany próg minimalny \"vynosi l%
(x 1 ~~
=l%).współczynnik \\yplacalności
banków z minimalnym progiem ustalonym przez Bank Roaachunków Mi~dzynarodowych
(BIS) na poziomie 8%.
Ił. Destymulanty, których wartości nale7..ą do zbioru R+:
l. Destymulanty bez progu veta oznaczane symbolem U
1. Trzeba tu zaznaczyć. "i.e destymulanty PO\'<inny na ogół posiadać próg veta.
: n
l.
Destymułan
ty z progiem veta (x~
1)
oznaczone symbolem D2.Przykładami są
tutajzmienne identyfikujące poziom zanieczyszczeń środowiska z zadanymi normami. udział
tzw ... złych długów'· czy też kredytów "trudnych" w portfelu kredy10\\)'m banku z progiem veta (\\ stabilnych gospodarkach rynkowych ustaJonym na poziomic 5%).
III Nominanty. których wartości nałe:il! do zbioru R+:
,.
l. Norninanty o:waczone symbolem 1\'1 z wartością nominalną x0,'. Przykładem takiej zmiennej jest stosunek pasywów śrcdniotcrminO\\o}Ch do aktywów średniotem1inonych.
który przy 7achowaniu ''7Jotej reguły bankowej" po'"inien \\)'nosić jeden (x
01
V 1 =l).l. Nominanty z z.alecanym pr.t.edzialcm wartości (oznaczane symbolem .V2) ograni-
\' l ,. :
ct.on~
m
progami vetaxó/
ixó_/ .
Pr.t.ykł:ldcm jest tutaj miernik płynności bie:i.ąccj określony jako stosunek aktywów bic7 .. 1C)'Ch do pasywów bie~cych. Wartości tej zmiennej powinny zawierać się w pr.t.edziale (1,2; 2,0J. Obniżenie wartości zmiennej poniżej 1.2 jestsygnałem. 'll! bezpieczeństwo finansowe jest zagrożone. Zby1 wysoka wartość tej zmiennej
może z kolei być sygnałem niedostatecznego wykorzystania wolnych zasobów mająt.ko-
1 2
h .v2 2 . Nl
wyc . A zatem x01 =l. 1 x01 = 2,0.
V
3. Norninanty (oznaczane symbolem N3) z określoną wartością nominalną x~} i do-
pus7.czalnym
przedziałem w-artości
ograniczonym progami vetax~~-:
ix~~; .
Jakoprzykład
można tu podać z.mienną określającą relację depo~1ów do kred)1Ów. która na poziomie optymalnym po\\inna pr";yjmo\\-ać wartość jeden. zaś dopuszczalne granice. w których
VI wartości te są tolcro\\o'3nc pr.t.ez oceniającego badany obiekt 'wnosić mog;1 :r:0/ = 0.8
vl
' 3 -l -
x01 - .o.
Prt.edstawiona klasyfikacja nic wyczerpuje zapewne wsrystkich możliwości i może b)ć
\\ przyszlości uZllpełniona. Dla właściwej oceny obiektów .·l, ( 1 = l.··· .n). która w szcze- gólnych warunkach. jak np. oceny zdolności kredytowej przedsiębiorstw. powinna identyfi- kować obiekty gorsze w sensic 7..apisu (l 0). proponujemy następujące zasady normalizacji zmiennych.
l. Stymulant: 1 l. 1 ES,
-
1/Ill
,''IX{ \" }
. 1/(li)
l Omo'"on~ formuł~ normaliz.1c):Jn~ są c.lopusz~:zalnc c.lla tml<:nnych stvmulant nu<:r7!'nych na ~kali ilorazow.:J Dla zrm~nnych $l)mulant mil!rtony<·h na skah pr;cdzialowej nakzy prryHć ,ztuc7Jll! 7,1loż.:ni". i.:" ;hiorL~ badanych obiektó" wy,lępu.i.: prAnatnnuej je<kn taki nhickt. dl• którego obs.:rwac1a nd danc.t Zlmenn~j Jl!$l dodatnia 3-l
gdzie:
x" -
wartość )-tej zmiennej w i-tym obiekcie.:: lj - t.normalitO\\Hlla wartość • j-tei zmiennei :J :J w i-tYm obiekcie. • 2. je:';~
11. Dcstymulanty 1.
i
En
1l
X 1)
max{x }
l l)
gdv - x OS, J ->O
gdy x0
s,
j =0n~in{xiJ}
Y X
IJ
(12)
(13)
(14)
( 13a)
( 1-ła)
( ł 5)
(](i)
35
36
1 11. Notninanty l . jeN1
-l/
,. e l r mt · i ~in{xl ,.,. j }
- l·
·- ,i . l
xo;.
l( 17)
(l S)
( 19)
(20)
(21)
(22)
N
,v;
dla X 3 <X. <X -
Oj lj - Oj (23)
-
IJ(24)
Miarę agregatową pozwalaj<tcą na kwantyfikację staiiU obiektu budujemy w oparciu o sumę wartości znormalizowanych zmiennych:
(25)
Z uwagi na własności nom1alizacji ujęte we wzorach ( 12). ( 1-ł ). ( 16). ( 18). (20). (22) i
(2-ł) gómą granicą miary agregatowej jest liczba jeden:
s,~ l
Można reraz ustalić równicl. próg Ycta dla wartości miary agregatowej s i o postaci:
gdzie:
() l 11/
s = - ) : : , m "-' Oj .J=I
(26)
(27)
37
min{z } l l) dlaj ES
1 z l) >0
s
lxOJ dlaj ES2 ma.x{x . }
l l)
min{ i z }
1) dla.J ED1
n~
in{ x,1}dla .1 E U2 l28)
D
- X l
-o;
=
O;dlajEV1 dla; E.\'2
. VI
'
ylxo,· ,v,
N, dla jE .V 3
xó/
<xo.~·X .
O;
NJ l
xo; dlaj E :V3 i .v3 .v:;,
N1 XOJ < XO).
xo 3 .l
Możemy przyjąć założenie. że obiekt A, (i= 1 ... ·.n) otr~.yma po/.yl)'\V11ą akceptację (przynosi minimum satysfakcji w ocenie). je7..eli:
(29)
Pozostaje jeszcze problem oceny 111proponowanych t.asad normalizacji w świetle skal pomiaru. Po pierwsze. przyjęliśmy założenie. /.e świadomie rezygnujemy z informacji
określających relacje równości stosunków rnięd7.y poszczególnymi wartościami skali. Po drugie. proponowane ;.asady normali:z.acji 1..achom1j<1 zasadę równości różnic między wyni- kami pomiarów. Dopuszczalne jest zatem w interpretacji otrZ\·mar1ych wyników \\yznacza- nie relacji równości różnic między badanymi obiektami.
38
Dany jest zbiór 9 banków polskich: .-11 - Bank Handlowy SA.
/L, - PKO BP . . ·13 - BGŻ . . ·14 - PKO SA.
.-15 - Bank Przemysłowo-Handlowy . . 16 - Bank Gda1łski SA.
.t. Pn:.yklad
rl7 - Powszechny Bank Kredytowy SA.
A8- Bank Zachodni SA, .-19 - Polski Bank Rozwoju SA.
Dysponujemy
macierzą
danych [ x,1 ]9x6 dla
następujących
zmiennych za rok 1992 i 1993:X 1 - udział należności nieregularnych w kredytach.
X 2 - Z\not na aktywach,
.\"
3 -współczynnik "ypłacalności .
.\"4 -relacja kredytów do depozytów.
X~ -rentowność brutto,
.\"6 -stopa zwrotu z kapitału.
Według przyjętej pr~.:ez nas klasyfikacji mamy:
X1 eD2
(x~~
=20%- wwarunkachPolski ).\, ,. --· \' s· (
s2 l 0/ s2 go/ s,o
s,o)
. 2·' J·A~·· 6E'2 Xo2= ;ro:xoJ= /o;xo5= :xo.s= .
MacierL znormalizowanych wartości zmiennych dla 9 banków w l 992 r. jest nastę
pująca:
-0.13 0.36 0.30 1.00 0.15 0.651 - 1.00 0.17 -1.00 --0.2 l 0.06 1.00 -0.42 -0.18 -1,00 -0.12 0.02 0.21 -1.00 -0.69 0.35 -0.75 0.03 0.1-ł 0.10 O. l -ł O..tl 1.00 0.13 0.53 . 0.07
c u o
0.81 --0,22 0.12 0.72 -0.13 0.:13 -0.27 -0.02 0.17 0.98 -0.23 -0.39-o.:n
--0.2 l 0.02 ().{)9J
1.00 1.00 1.00 1.00 1.00 0.65
Wartość miar agregatowych polic~.:ona na podst<mic miary (25)· s1 = 0.39.
·'·:. =-0.16. s3 =-0.39.
s4
=
-0.32.s5
=
0.39. s6 = 0.30.,.i= 0.18.
s8=-D.I7.
s9 = 0.9-ł.
Próg veta dla miary (25) obliczony według zasad podanych we wzorach (27-28) ''!nosi:
.19
Minimum miary satysfakcji spełniły banki: Al' A5. A6 i .·19.
Macierz znormalizowanych wartości zmiennych dla 9 banków w 1993 r. jest nastę
pująca:
-0,31 0.64 0.30 1,00 0.59 0,25 1,00 -0.67 0,18 -0.21 0,07 0,10 -0,55 -LOO -1,00 -0.1 O -LOO -1.00 -1,00 -0,96 -1.00 -0,77 0.02 0.02 -0,42 0.66 0.36 1.00 0.53 OA6 . -0.37 0.62 0,68 -{),37 0.56 0.37 -0.17 1.00 OA 7 -0,25 1.00 1.00
-0,-ł-2 0.70 0.-ł-5 -0.13 0,75
o ,..u
1,00 0.61 1,00 -0,20 0.58 0.12 J
Wartość miar agregatowych policzona na podstawie miary (25): s1
=
0,41,s2
=
0,08, s3 =-0.78,s4
=
-0,61.s5
=
0.43, s6=
0,25,.57 =0.51.
Sg =0.29.
s9
=
0.52.Próg veta dla miary (25) obliczony według zasad podanych we wzorach (27-28) wynosa 0,35. Minimum miary satysfakcji spełniły banki: .41• A5, A7 i A9.
LITERATURA
[li Abrahamowicz M.: Konstrukcja :,yntetyc=nych mierników ro:::woju w świetle twierdze- nia /ln·owa. W: Prace Naukowe AE we Wrocławiu nr 311. Wrocław: AE 1985. 121 AckoffR. L.: Decyzje optymalne w badaniach stosowanych. Warszawa: PWN 1969.
[31 Adams E. W .. Fagot R. F .. Robinson R. E.: A Theory o(.·lppropriate Stntistics. "Psy- chometrika" 1965 (30). s. 99-l 27.
(41 Anderberg M. R.: Cluster Ana~ys1sJor Applications. New York. San Francisco. London:
Academic Press 1973. ·
151 Borys T.: Kategoriajakości w stntystyc::neJ nnali::Je porównawc::ej. Prace Naukowe AE we Wrocla\\1u nr 284 Seria: Monografie i opracowania nr 23. Wrocław: AE 1984. 161 Grabiński T.: Wielowymiarowa anali::a porównnwc:::a w badaniach dynanuk1 :::1awisk
ekononuc::nych. Zeszyty Naukowe AE w Krakowie. Seria specjalna: Monografie nr 61 Kraków: AE 1984.
[71 Jajuga K.: ,\JetottY ana!J::y wteloHymtnrowej w tlokiow.vch batlamach pr::estr:::ennych.
Wrocław: AE 1981 (praca doktorska).
[81 Konarzcwska-Gubala E.: Wspomagame decyzji wtelokr:-·tennlnvch .. ~vstem "BJPOL..JR ...
Prace Naukowe AE we Wrocla\\iu nr 551. Wrocław: AE 1991.
[91 Milligan G. W .. Cooper M. C.: .-1 Study oJ Standardi:::ation oJ f ariabies tn Cluster
Ana~ys1s. "Joumal of Classification'' 1988 No. 2. s. 181-20-t..
40
[ 10) Nowak E.: Metody taksonomiczne w klasyfikacji obiektów społeczno-gospodarczych.
Warszawa: PWE 1990.
[li] Stevens S. S.: A!easurement, Psychophysics and Utility. W: C. W. Churchman, P. Ratoosh (eds.): .\.1easurement; Definitions and Theories. New York: Wiley 1959.
[ 121 Strahl D.: Propo::yc;a konstrukcji nu ary 5yntetycznej. ''Przegląd Statystyczny'· 1978 z. 2.
[ 131 Strahl D.: .l lerodv programowania ro:::woju społeczno-gospodarczego. Warszawa:
PWE 1990.
[ 1-ł] Walenta K.: ?odstawowe pojęcia teorii pomiaru. W: J. Koziclech Problem_v psycho- lo}!.ii matemntyc:nej. Wars:um·-a: PWN 1971.
[151 Walcsiak M. -\vntetyc::ne badania porównawc::e w !;wietle teorii pomwru. --przegląd
Statyst)czny"' 1990 z. 1-2. s. 37-46.
ll61 Walcsiak M.· O stosowalności mwr korelac;i w analizie wyników pomiaru por::ądko
wego. Prace Naukowe AE we Wrocła\' .. iu nr 600. s. 13-19. Wrocław: AE 1991.
r J 71 WaJesiak M.: Sratys~~·c::na anah::a wielow.,vmiarowa IV badaniach marketingowych.
Prace NaukO\\ e AE we Wrocławiu nr 654. Seria: Monografie i opracowania nr 10 l.
Wrocław: AE 1993.
[ 18] Walcsiak M.: The Ana~vsis of Factors Influencing /he Choice oJ the Merhods in the Statistica/. Ana~vsis of Marketing Data. ·'Statistics in Transition" June 1995 Vol. 2, No. 2, s. 185-194.