O problemach stosowalności mierników syntetycznych do porządkowania obiektów

• Autorzy: Zbigniew Binderman , Bolesław Borkowski , Wiesław Szczesny , Rafał Zbyrowski

Warianty tytułu

About the Problems of Applicability of Synthetic Measurements for Ordering Objects

• Języki publikacji: PL

Abstrakty

Problem budowy stabilnego wskaźnika syntetycznego służącego do porządkowania obiektów opisanych za pomocą wielu wskaźników cząstkowych był i jest przedmiotem rozważań autorów. W naszych badaniach dążyliśmy do konstrukcji miernika, który byłby mało wrażliwy na dane wejściowe, do wyników, które nie zależałyby od sposobu normalizacji zmiennych, wyboru miary odległości (podobieństwa) i doboru cech. Nasze doświadczenie jest zgodne z wynikami prac wybitnego statystyka amerykańskiego L. Breimana. Pojedynczy klasyfikator (miernik syntetyczny) może być daleki od optymalnego, natomiast kombinacje wielu dają klasyfikator bliski optymalnemu i stabilny. Niestety w przypadku zastosowania "słabych" klasyfikatorów, w wyniku kombinacji można otrzymać klasyfikator jeszcze gorszy. W pracy przedstawiliśmy na praktycznym przykładzie gospodarstw rolniczych w krajach UE objętych badaniem FADN, konsekwencje wyboru wskaźnika syntetycznego przeznaczonego do porządkowania obiektów opisanych wieloma cechami. (abstrakt oryginalny)

EN

The problem of building a stable synthetic index used to organize the objects described with multiple partial indexes has been and is the subject of the authors' considerations. In our research, we aimed at the construction of a measure that would be insensitive to the input data, the results that would not depend on the method of normalization of the variables, the choice of the distance measure (similarity) and the selection of features. Our experience is consistent with the results of the work of the outstanding American statistician L. Breiman. A single classifier (synthetic measure) may be far from optimal, while combinations of many result in a classifier that is close to optimal and stable. Unfortunately, when "weak" classifiers are used, the combination may result in an even worse classifier. In the work, we presented the consequences of choosing a synthetic indicator for organizing objects described by many features on a practical example of farms in the EU countries covered by the FADN survey. (original abstract)

Słowa kluczowe

PL

Syntetyczny miernik; Porządkowanie liniowe; Klasyfikacja

EN

Synthetic meter; Linear ordering; Classification

• Czasopismo: Metody Ilościowe w Badaniach Ekonomicznych / Szkoła Główna Gospodarstwa Wiejskiego
• Rocznik: 2020
• Tom: 21(XXI)
• Numer: nr 4
• Strony: 193--207

Twórcy

autor

Zbigniew Binderman

autor

Bolesław Borkowski

• Szkoła Główna Gospodarstwa Wiejskiego w Warszawie

autor

Wiesław Szczesny

• Szkoła Główna Gospodarstwa Wiejskiego w Warszawie

autor

Rafał Zbyrowski

• Uniwersytet Warszawski

Bibliografia

• Binderman A. (2011) Wielokryterialne metody analizy zróżnicowania polskiego rolnictwa w 2009 roku. Metody Ilościowe w badaniach Ekonomicznych, 12(2), 58-68.
• Binderman A. (2007) Wielowymiarowa analiza regionalnego zróżnicowania rolnictwa w Polsce. Praca doktorska, SGGW, Warszawa.
• Binderman A. (2006) Klasyfikacja obiektów oparta na dwóch wzorcach. EiOGŻ, Zeszyty Naukowe SGGW, nr 60, Warszawa, 25-37.
• Binderman Z. (2015) Zagadnienia poprawnie postawione w ekonomii i zarządzaniu (klasyfikacja i porządkowanie obiektów, pomiar koncentracji). Розвиток національної економіки: теорія і практика, Матеріали Міжнародної науково-практичної конференції 3-4 квітня 2015 року Частина 2 Івано-Франківськ, 318-321.
• Binderman Z. (2011) Matematyczne aspekty metod radarowych. Metody Ilościowe w Badaniach Ekonomicznych, 12(2), 69-79.
• Binderman Z. (2010) Zjawisko niedosytu w polu preferencji indukowanej przez miernik dwuwzorcowy. Metody Ilościowe w Badaniach Ekonomicznych, 11(2), 62-70.
• Binderman Z., Borkowski B., Szczesny W. (2020) Wykorzystanie wzorców pośrednich do budowy mierników syntetycznych, Quantitative Methods in Economics, 21(3), 157-167.
• Binderman Z., Borkowski B., Koszela G., Kozera R., Szczesny W. (2017) On the Choice of Synthetic Measures for Assessing Economic Effects. Quantitative Methods in Economics, 18(1), 7-17.
• Binderman Z., Borkowski B., Kozera R., Prokopenya A., Szczesny W. (2018) On Mathematical Modelling of Synthetic Measures. Mathematical Modelling and Analysis, 23(4), 699-711. https://doi.org/10.3846/mma.2018.042
• Binderman Z., Borkowski B., Szczesny W. (2008) O pewnej metodzie porządkowania obiektów na przykładzie regionalnego zróżnicowania rolnictwa. Metody Ilościowe w Badaniach Ekonomicznych, 9, 39-48.
• Binderman, Z., Borkowski B., Szczesny W. (2010) Radar measures of structures' conformability. Quantitative Methods in Economics, 11(1), 45-59.
• Z. Binderman, B. Borkowski, W. Szczesny, R. Zbyrowski Binderman, Z., Borkowski B., Szczesny W. (2012) Radar Coefficient of Concentration. Quantitative Methods in Economics, 13(2), 7-21.
• Binderman Z., Borkowski B., Szczesny W. (2013a) Synthetic radar measures that factor in weights of features. Quantitative Methods in Economics, 14(1), 37-52.
• Binderman Z., Borkowski B., Szczesny W. (2013b) Zastosowanie metryki Minkowskiego do pomiaru zmian koncentracji. Metody Ilościowe w Badaniach Ekonomicznych, 14(3), 27-38.
• Binderman Z., Borkowski B., Szczesny W. (2015) Applications of Minkowski's Metric in Measuring Changes of Concentration of Value Added in Agriculture, Forestry, Fishing And Hunting Sectors. Acta Scientiarum Polonorum, Oeconomia, 14(1), 17-28.
• Borkowski B., Wiliński A., Szczesny W., Binderman Z. (2020). Mathematical analysis of synthetic measures based on radar charts. Mathematical Modelling and Analysis, 25(3), 473-489. https://doi.org/10.3846/mma.2020.11223
• Breiman L. (1998) Bias-variance, Regularization, Instability and Stabilization. [in:] C. M. Bishop (ed.), Neural Networks and Machine Learning, Springer-Verlag, 27-56.
• Breiman L., (1996) Arcing Classifiers. Technical Report 460, Department of Statistics, University of California, CA, USA, February.
• Breiman L. (1994), Bagging Predictors. Technical Report 420, Department of Statistics, University of California, CA, USA.
• Cieślak M. (1974) Modele zapotrzebowania na kadry kwalifikowane. PWN, Warszawa.
• Cieślak M. (1993) Ekonomiczne zastosowanie mierników syntetycznych ze zmiennym wzorcem. [w:] Przestrzenno-czasowe modelowanie i prognozowanie zjawisk gospodarczych, AE, Kraków.
• Gatnar E., Walesiak M. (2009) Statystyczna analiza danych z wykorzystaniem programu R. PWN, Warszawa.
• Jackson D. M. (1970) The Stability of Classifications of Binary Attribute Data. Cornell University.
• Jackson D. M. (1969). Comparison of classifications. [in:] A. J. Cole (ed.) Numerical Taxonomy, 91-111. New York: Academic Press.
• Jackson D. M. (1969a) Automatic Classifications and Information Retrieval. Cambridge.
• Hellwig Z. (1968) Zastosowanie metody taksonomicznej do typologicznego podziału krajów ze względu na poziom ich rozwoju oraz zasoby i strukturę kwalifikowanych kadr. Przegląd Statystyczny, 4.
• Hwang C. L., Yoon K. (1981) Multiple Attribute Decision Making: Methods and Applications. Springer-Verlag, New York.
• Kukuła K. (2000) Metoda unitaryzacji zerowanej. PWN, Warszawa.
• Kukuła K., Luty L. (2017) Jeszcze o procedurze wyboru metody porządkowania liniowego. Przegląd Statystyczny, 64(2), 163-176.
• Młodak A. (2006) Analiza taksonomiczna w statystyce regionalnej. DIFIN, Warszawa.
• Panek T. (2009) Statystyczne metody wielowymiarowej analizy porównawczej. Wydawnictwo SGH, Warszawa.
• Pluta W. (1976) Wielowymiarowa analiza porównawcza w badaniach ekonomicznych. PWE, Warszawa.
• Zeliaś A. (2000) Taksonomiczna analiza przestrzennego zróżnicowania poziomu życia w Polsce w ujęciu dynamicznym. Wydawnictwo AE Kraków.

Identyfikatory

DOI

https://doi.org/10.22630/MIBE.2020.21.4.18