تخصص ما در مورد روشهای آماری و در توسعه شاخص های کامپوزیت صوتی ، "تصویر بزرگ" را برای تصمیم گیری های آگاهانه سیاست و نظارت بر پیشرفت به سیاست گذاران می دهد.

مرحله 5: عادی سازی

عادی سازی شاخص ها را در مقیاس مشترک به ارمغان می آورد ، که متغیرها را قابل مقایسه می کند.

از اضافه کردن سیب و گلابی خودداری کنید

شاخص ها در انواع واحدهای آماری ، دامنه یا مقیاس بیان شده است. اول ، آنها باید در ابعاد مانند اندازه/جمعیت/درآمد تنظیم شوند و در طول زمان در برابر تنوع چرخه ای هموار شوند. در مرحله بعد ، آنها برای جلوگیری از افزودن سیب و گلابی ، باید به صورت مشترک قرار بگیرند. عادی سازی در خدمت این هدف است.

انتخاب یک روش عادی سازی مناسب برای استفاده از مشکل مورد نظر بی اهمیت نیست و سزاوار مراقبت ویژه است. روش عادی سازی باید خصوصیات داده و اهداف شاخص کامپوزیت را در نظر بگیرد. موضوعاتی که می تواند انتخاب روش عادی سازی را راهنمایی کند عبارتند از: چه داده های سخت و چه نرم ، چه رفتار استثنایی باید پاداش داده شود یا مجازات شود ، آیا اطلاعات مربوط به سطح مطلق ، خواه از معیار در برابر یک کشور مرجع درخواست شود ، خواه واریانس باشد. در شاخص ها باید حساب شود. به عنوان مثال ، در حضور مقادیر شدید ، روشهای عادی سازی که مبتنی بر انحراف استاندارد یا فاصله از میانگین هستند ، ترجیح داده می شوند. در صورتی که ارزش شاخص کامپوزیت در هر کشور با گذشت زمان قابل مقایسه باشد ، باید مراقبت ویژه به نوع روش عادی سازی داده شود.

دو نوع تحول که گاهی اوقات قبل از عادی سازی برای داده های خام اعمال می شوند ، کوتاه شدن و شکل عملکردی هستند. انتخاب پیرایش دمهای توزیع شاخص ها با لزوم جلوگیری از داشتن مقادیر شدید بیش از حد بر نتیجه و بخشی از آن ، برای اصلاح مشکلات کیفیت داده در چنین موارد شدید پشتیبانی می شود. تحول عملکردی به داده های خام اعمال می شود تا اهمیت تغییرات حاشیه ای در سطح آن را نشان دهد. در بیشتر موارد ، فرم عملکردی خطی برای همه متغیرها ، de facto اعمال می شود. این روش مناسب است اگر تغییر در مقادیر شاخص بدون در نظر گرفتن سطح ، به همان روش مهم باشد. اگر تغییرات در سطوح پایین تر از شاخص قابل توجه تر باشد ، فرم عملکردی باید مقعر باشد (به عنوان مثال Log یا Root Nth). اگر تغییرات در سطوح بالاتر شاخص از اهمیت بیشتری برخوردار باشد ، فرم عملکردی باید مقعر باشد (به عنوان مثال نمایی یا قدرت).

روشهای متداول برای عادی سازی شاخص ها شامل موارد زیر است:

1. رتبه بندی شاخص ها در سراسر کشورها

ساده ترین رویکرد عادی سازی رتبه بندی هر شاخص در سراسر کشورها است. مزایای اصلی این رویکرد سادگی و استقلال آن برای Outliers است. معایب از دست دادن اطلاعات در سطح مطلق و عدم امکان نتیجه گیری در مورد تفاوت در عملکرد است.

برای مطالعات وابسته به زمان ، رتبه بندی در هر مقطع زمانی انجام می شود. بنابراین می توان عملکرد کشور را از نظر موقعیت های نسبی (رتبه بندی) دنبال کرد. با این حال ، پیروی از عملکرد مطلق هر کشور در طول زمان امکان پذیر نیست: شاید یک کشور از یک سال به سال دیگر بهبود یابد ، اما رتبه بندی آن بدتر می شود زیرا سایر کشورها سریعتر بهبود می یابند.

2. استاندارد سازی (یا Z-Scores)

برای هر شاخص مقدار متوسط و انحراف استاندارد در کشورها محاسبه می شود. مقدار شاخص نرمال شده برای یک کشور به عنوان نسبت تفاوت بین مقدار شاخص RAW و میانگین تقسیم شده توسط انحراف استاندارد محاسبه می شود.

این نوع عادی سازی متداول است زیرا تمام شاخص ها را به یک مقیاس مشترک با میانگین انحراف صفر و استاندارد از یک تبدیل می کند. میانگین صفر به این معنی است که از معرفی اعوجاج تجمع ناشی از تفاوت در شاخص ها جلوگیری می کند. عامل مقیاس گذاری انحراف استاندارد از شاخص در سراسر کشورها است. بنابراین ، یک شاخص با مقادیر شدید تأثیر بیشتری بر شاخص کامپوزیت خواهد داشت. این ممکن است مطلوب باشد اگر قصد پاداش رفتار استثنایی باشد ، یعنی اگر تصور می شود نتیجه بسیار خوبی در چند شاخص بهتر از بسیاری از نمرات متوسط باشد. با این رویکرد ، دامنه (حداقل ، حداکثر) بین شاخص های عادی شده متفاوت است.

برای مطالعات وابسته به زمان ، به منظور ارزیابی عملکرد کشور در طول سالها ، میانگین در سراسر کشورها و انحراف استاندارد در سراسر کشورها برای یک سال مرجع (معمولاً نقطه زمانی اولیه) محاسبه می شود.

3. مقیاس مجدد

هر شاخص برای یک کشور معین در یک زمان معین به عنوان نسبت تفاوت بین مقدار شاخص RAW و حداقل مقدار تقسیم شده بر دامنه محاسبه می شود.

این روش به جای انحراف استاندارد از دامنه استفاده می کند. تمام شاخص های عادی دارای دامنه یکسان هستند (1). یک ضرر روش این است که مینیما و حداکثر می توانند از فاصله غیرقابل اعتماد باشند و تأثیر اعوجاج بر روی شاخص نرمال داشته باشند. از طرف دیگر ، برای مقادیر شاخص که در یک بازه کوچک قرار دارد ، این روش تأثیر شاخص را بر روی نشانگر کامپوزیت افزایش می دهد.

برای مطالعات وابسته به زمان ، حداقل و حداکثر مقادیر برای یک شاخص اغلب برای کل بازه زمانی انتخاب می شوند. با این حال ، اگر داده های جدید در یک نقطه بعدی از محدوده انتخاب شده فراتر رود ، این روش قابل استفاده نیست. در چنین مواردی ، برای حفظ مقایسه بین داده های موجود و جدید ، شاخص کامپوزیت باید برای تمام سالها دوباره محاسبه شود.

4- فاصله با یک کشور مرجع

این روش مقدار شاخص را برای یک کشور معین در یک نقطه معین از زمان با ارزش یک کشور مرجع در زمان اولیه تقسیم می کند. با استفاده از این مخرج ، عادی سازی تکامل شاخص ها را در طول زمان در نظر می گیرد. از طرف دیگر می توان از مخرج استفاده کرد که در طول زمان تغییر می کند.

مرجع می تواند هدفی باشد که باید در یک بازه زمانی مشخص به آن برسد. به عنوان مثال ، اگر انتشار CO2 به عنوان یک شاخص در مطالعه موردی در نظر گرفته شود ، می توان از پروتکل 8 ٪ پروتکل کیوتو به عنوان مقدار مرجع استفاده کرد. این مرجع همچنین می تواند یک کشور معیار خارجی باشد. به عنوان مثال ، ایالات متحده یا ژاپن کشورهای معیار برای شاخص های کامپوزیت ساخته شده در چارچوب دستور کار لیسبون اتحادیه اروپا هستند. کشور مرجع می تواند به طور متوسط کشور گروهی از کشورهایی باشد که در تجزیه و تحلیل در نظر گرفته شده است. در اینجا به کشور متوسط ارزش 1 داده می شود ، و کشورها بسته به فاصله آنها از یک کشور متوسط ، نمرات دریافت می کنند. مقادیر شاخص که بیشتر از 1 پس از عادی سازی است ، کشورهایی با عملکرد بالاتر از متوسط را نشان می دهد. کشور مرجع همچنین می تواند رهبر گروه باشد ("فاصله از بهترین مجری"). ارزش 1 به کشور پیشرو داده می شود و به سایرین امتیازات به دور از رهبر داده می شود. نقطه ضعف این است که این رویکرد مبتنی بر مقادیر شدید است که می تواند مسافت های غیرقابل اعتماد باشد.

از طرف دیگر ، به جای استفاده از نسبت ساده بین مقدار شاخص و یک مرجع ، ابتدا می توان مقدار مرجع را از داده خام تفریق کرد و سپس بر اساس مقدار مرجع تقسیم کرد. در این حالت ، مقادیر شاخص نرمال شده به جای 1 مورد قبلی ، بر صفر متمرکز شده اند.

5. مقیاس طبقه بندی

به هر شاخص یک نمره طبقه بندی شده اختصاص داده می شود ، که می تواند عددی باشد (به عنوان مثال یک ، دو ، سه) یا کیفی (به عنوان مثال "کاملاً به دست آمده" ، "تا حدی به دست آمده" ، "به دست نیامده"). بعضی اوقات ، نمرات براساس صدک های توزیع ارزش شاخص در کشورها است. به عنوان مثال ، 5 ٪ برتر کشورها نمره 100 را دریافت می کنند ، کشورها در صدک های 85 - 95 80 امتیاز دریافت می کنند ، در صدک های 65 - 85 60 امتیاز دریافت می کنند ، در صدک های 35 - 65 در 15 امتیاز ، در 15 امتیاز دریافت می کنند.- صدک های 35 40 امتیاز دریافت می کنند ، در صدک های 5 تا 15 20 امتیاز دریافت می کنند و سرانجام 5 ٪ پایین کشورها 0 امتیاز دریافت می کنند.

مقیاس های طبقه بندی این مزیت را دارند که هرگونه تغییر کوچک در مقدار شاخص (به عنوان مثال در زمان) بر مقدار عادی تأثیر نمی گذارد. با این حال ، این می تواند در موارد دیگر یک ضرر باشد ، زیرا مقدار زیادی از اطلاعات در مورد واریانس بین کشورها در شاخص های عادی از بین می رود. نقطه ضعف دیگر این است که ، اگر در مقادیر اصلی تنوع کمی وجود داشته باشد ، باند صدک بدون توجه به توزیع داده های اساسی ، طبقه بندی را بر روی داده ها مجبور می کند. یک راه حل ممکن برای این کار ، تنظیم براکت های صدک در شاخص های فردی به منظور به دست آوردن شاخص های طبقه بندی شده با توزیع تقریباً عادی است.

6. شاخص های بالا یا زیر میانگین

این نوع عادی سازی بین مقادیری که در بالا ، نزدیک یا پایین تر از آستانه درصد خودسرانه تعریف شده در اطراف میانگین قرار دارد ، متمایز می شود. مقدار عادی شده 1 است اگر مقدار شاخص بالاتر از آستانه درصد در اطراف میانگین باشد ، -1 اگر زیر باشد ، و در غیر این صورت 0. این بدان معنی است که آستانه منطقه ای خنثی را در اطراف میانگین ایجاد می کند ، جایی که مقدار عادی صفر است. این هدف در کاهش ناپیوستگی شدید (ا ز-1 به 1) است که در طول مقدار متوسط وجود دارد ، به دو ناپیوستگی جزئی (ا ز-1 به 0 و از 0 به 1) که در آستانه وجود دارد. تعداد بیشتری از آستانه ها را می توان در مسافت های مختلف از میانگین مقدار ایجاد کرد. با این حال ، در این حالت ، این نوع عادی سازی با رویکرد مبتنی بر مقیاس های طبقه بندی همپوشانی دارد.

مزیت این روش سادگی و استحکام آن در حضور افراد دور است. معایب ، خودرداری سطح آستانه و از دست دادن اطلاعات سطح مطلق است. به عنوان مثال ، فرض کنید که مقدار یک شاخص معین برای کشور A 3 برابر (300 ٪) بالاتر از میانگین محاسبه شده در تمام کشورها است ، و ارزش کشور B 25 ٪ بالاتر از میانگین است ، با آستانه 20 ٪ در اطرافمیانگین. سپس هر دو کشور A و B به همان اندازه "بالاتر از حد متوسط" شمرده می شوند.

برای مطالعات وابسته به زمان ، به منظور ارزیابی عملکرد کشور در طول سالها ، میانگین در سراسر کشورها برای یک سال مرجع (معمولاً نقطه زمانی اولیه) محاسبه می شود. شاخصی که از میانگین به طور قابل توجهی بالاتر از میانگین در سال متوالی حرکت می کند ، تأثیر مثبتی بر شاخص کامپوزیت خواهد داشت.

7. روش های شاخص های چرخه ای

بیشتر مؤسساتی که نظرسنجی های گرایش کسب و کار را انجام می دهند ، مجموعه ای از سری های نظرسنجی را انتخاب کرده و آنها را با شاخص های کامپوزیت چرخه ای ترکیب می کنند. این کار به منظور کاهش خطر سیگنال های کاذب و پیش بینی بهتر چرخه در فعالیت های اقتصادی انجام می شود.

هنگامی که شاخص ها به صورت سری زمانی هستند ، عادی سازی با کم کردن میانگین در طول زمان و سپس با تقسیم بر میانگین مقادیر مطلق تفاوت از میانگین انجام می شود.

8- درصد اختلافات در نقاط زمانی متوالی

هر مقدار شاخص برای یک کشور در یک نقطه زمانی معین با کم کردن مقدار مربوطه نقطه زمانی قبلی و غواصی توسط مقدار شاخص نرمال می شود. مقدار عادی نشان دهنده درصد رشد با توجه به سال گذشته به جای سطح مطلق است. در صورت وجود شاخص ها برای چند سال ، این روش قابل استفاده است.< SPAN> بیشتر مؤسسات انجام نظرسنجی های گرایش تجاری مجموعه ای از سری های نظرسنجی را انتخاب کرده و آنها را با شاخص های کامپوزیت چرخه ای ترکیب می کنند. این کار به منظور کاهش خطر سیگنال های کاذب و پیش بینی بهتر چرخه در فعالیت های اقتصادی انجام می شود.