Professional Documents
Culture Documents
Rozdział 12 Przykład Zastosowania Metod Wap Do Analizy Procesów Gospodarowania Zasobami Ludzkimi W Przedsiębiorstwie
Rozdział 12 Przykład Zastosowania Metod Wap Do Analizy Procesów Gospodarowania Zasobami Ludzkimi W Przedsiębiorstwie
ROZDZIAŁ 12
1. Wprowadzenie
1
A.Jankiewicz-Siwek, Syntetyczne miary oceny zdolności kredytowej przedsiębiorstw (propozycja dla banków),
w: Ekonometryczne modelowanie danych finansowo-księgowych, (red.) E.Nowak, M.Urbanek, UMCS, Lublin
1996, s. 23.
132 Marek Kunasz
poziomu badanego zjawiska. Nominantą nazywamy takie zmienne, których określony poziom
(np. w pewnym przedziale) świadczy o wysokiej wartości badanego zjawiska, zaś wartości
mniejsze i większe świadczą o niższym poziomie zjawiska2. Jeżeli w zbiorze cech
diagnostycznych występują destymulanty i nominanty to należy je przekształcić w
stymulanty3.
Nie wszystkie cechy są jednakowo istotne z punktu widzenia przedmiotu badań i nie
wszystkie powinny być w dalszych analizach uwzględniane, a wyboru zmiennych do zbioru
cech diagnostycznych należy dokonywać posługując się kryterium4:
• uniwersalności – cechy diagnostyczne powinny mieć uznaną powszechnie wagę i
znaczenie,
• zmienności – cechy diagnostyczne powinny wykazywać dostateczną zmienność
przestrzenną, czyli być nośnikiem informacji różnicującej badane obiekty, w tym celu
oblicza się dla analizowanych cech według wzoru współczynnik zmienności, zaś
eliminacji podlegają te, dla których ów współczynnik osiąga wartość mniejszą od
arbitralnie zadanej małej liczby dodatniej ε, często przyjmuje się jako granicę ε=0,1.
• stopnia skorelowania – zbyt silne powiązanie dwóch analizowanych cech powoduje, iż są
one nośnikami podobnych informacji, dlatego przyjmuje się, iż w przypadku identyfikacji
zbyt wysokiej wartości wskaźnika korelacji pomiędzy analizowanymi cechami należy
dokonać wyboru reprezentanta, zazwyczaj kierując się przesłankami merytorycznymi; za
progowy poziom współczynnika korelacji przyjmuje się zazwyczaj r*=0,75.
• ważności – za cechy ważne uznaje się takie, które trudno osiągają wysokie wartości; w
celu eliminacji cech nieważnych oblicza się najczęściej współczynnik asymetrii, według
wzoru (); jeżeli rozkład zmiennej charakteryzuje się silną asymetrią lewostronną, można
uznać, iż analizowana cecha nie różnicuje obiektów, bowiem większość z nich osiąga
wysoki stopień nasycenia.
Zgromadzone zmienne wyjściowe są zazwyczaj wyrażone w różnych jednostkach
miary, mają również różne obszary zmienności, nie jest zatem możliwe bezpośrednie
wykonywanie na nich operacji arytmetycznych ani też ich porównywanie. Przeprowadzenie
operacji normalizacji zmiennych zapewnia eliminację wymienionych ograniczeń formalnych i
trudności interpretacyjnych6. W praktyce stosuje się procedury określane mianem7:
• standaryzacji,
• unitaryzacji,
2
Ekonometria – metody i analiza problemów ekonomicznych, (red.) K.Jajuga, Akademia Ekonomiczna we
Wrocławiu, Wrocław 1999, s. 37.
3
szerzej na temat metod przekształcania nominanty na stymulantę, zob. G. Kowalewski, Nominanty
niesymetryczne w wielowymiarowej analizie sytuacji finansowej jednostek gospodarczych, Przegląd
Statystyczny 2002, Zeszyt 2; K.Kukuła, Metoda unitaryzacji zerowanej, PWN, Warszawa 2000, J.Batóg,
Klasyfikacja obiektów w przypadku agregacji danych, Zeszyty Naukowe Uniwersytetu Szczecińskiego,
Szczecin 2003.
4
Statystyczne metody analizy danych, (red.) W. Ostasiewicz, Akademia Ekonomiczna we Wrocławiu, Wrocław
1998, s.116; A.Malina, A.Zieliaś, Taksonomiczna analiza przestrzennego zróżnicowania jakości życia ludności
w Polsce w 1994 r., w: Ekonometryczne modelowanie danych finansowo-księgowych, (red.) E.Nowak,
M.Urbaniak, UMCS, Lublin 1996, s. 85-89.
5
E. Nowak, Metody taksonomiczne w klasyfikacji obiektów społeczno-gospodarczych, PAN, Warszawa 1990.
6
T. Borys, Metody normowania cech w statystycznych badaniach porównawczych, Przegląd Statystyczny 1978,
nr 2.
7
W obrębie każdej z procedur podstawą normalizacji mogą być różne miary, np. średnia arytmetyczna,
odchylenie standardowe, wartość minimalna i maksymalna bądź rozstęp. W pracy podano procedury najczęściej
stosowane, szerzej zob. A.Bąk, Wykorzystanie metod wielowymiarowej analizy porównawczej w analizie
finansowej, Prace Naukowe Akademii Ekonomicznej we Wrocławiu nr 811, Wrocław 1999, s. 52; W.Bijak,
M.Smętek, Metody wielowymiarowej analizy porównawczej w systemie wczesnego ostrzegania PUNU, w:
Inwestycje finansowe i ubezpieczenia – tendencje światowe a polski rynek, (red.) K.Jajuga, W. Ronka-
Chmielowiec, Akademia Ekonomiczna we Wrocławiu, Wrocław 2002, s. 217-218.
Przykład zastosowania metod WAP do analizy procesów gospodarowania ... 133
• przekształceń ilorazowych.
W przypadku standaryzacji następuje wyrównanie dyspersji oraz poziomu wartości
cechy, bowiem wariancje zmiennych diagnostycznych są równe 1 a średnie arytmetyczne – 0,
w związku z tym każda ze zmiennych w jednakowym stopniu wpływa na finalne wyniki
prowadzonej analizy8. Unitaryzacja oraz przekształcenia ilorazowe pozwalają na zachowanie
zróżnicowanej wariancji cech i proporcji między wartościami znormalizowanymi oraz
pierwotnymi, a dzięki temu nadanie im zróżnicowanego znaczenia.
Od sposobu normalizacji uzależniony jest wybór formuły agregującej, przy czym
procedury wyznaczania miernika syntetycznego możemy podzielić na dwie grupy:
• metody bezwzorcowe,
• metody wzorcowe.
W przypadku metod bezwzorcowych w celu uzyskania miernika syntetycznego
oblicza się wartości średnie zbiorów opisujących poszczególne cechy9 według następującego
wzoru:
1 p
∑ xij (i = 1,...,m)
zi =
p j =1
(1)
Uzyskane miary są unormowane w przedziale <0;1>. Otrzymane wyniki można
interpretować jako wartość przeciętna wartości optymalnych osiąganych przez każdy obiekt,
zatem tym wyższą pozycję w tworzonym rankingu osiąga obiekt, im wyższą wartość osiąga
miara syntetyczna.
W metodach wzorcowych10 przyjmuje się istnienie tzw. „obiektu wzorcowego” (z0),
który reprezentuje najlepsze (maksymalne) wartości dla każdej zmiennej:
z0 = [z01 z02 ... z0j ... z0m]
gdzie:
di0
zi = 1 − (i = 1,...,m) (3)
d0
8
W.Pluta, Wielowymiarowa analiza porównawcza w modelowaniu ekonometrycznym, PWN, Warszawa 1986,
s. 117.
9
wartości znormalizowane za pośrednictwem procedur unitaryzacji lub przeszksztaceń ilorazowych.
10
w tej grupie metod najczęściej stosowaną w praktyce miarą syntetyczną jest miara Hellwiga zwana również
miarą rozwoju, praktyczny sposób wykorzystania tej metody został przedstawiony w pracach W.Tarczyńskiego,
który zbudował taksonomiczną miarę atrakcyjności inwestycji (TMAI). Zob. W.Tarczyński, Rynki kapitałowe,
vol. I, Placet, Warszawa 2001; W.Tarczyński, Taksonomiczna miara atrakcyjności inwestycji w papiery
wartościowe, Przegląd Statystyczny 1994, nr 3.
11
najczęściej oblicza się odległość euklidesową, jednakże istnieje możliwość zastosowania innych procedur
obliczeniowych, szerzej zob. A, Bąk, Wykorzystanie ..., op. cit., s. 54.
12
wartości zestandaryzowane.
134 Marek Kunasz
d 0 = d + 2sd (4)
gdzie:
d - przeciętna odległość między obiektami a wzorcem rozwoju,
sd - odchylenie standardowe,
wyznaczane ze wzorów:
2
1 n
d= ∑ d i 0 ; s d = 1 ∑ (d i 0 − d ) (5; 6)
n i =1 n
do może być wyznaczona również według wzoru (4.12) jako odległość między wzorcem
rozwoju i antywzorcem (z-0), czyli obserwacją abstrakcyjną o „najgorszych” (minimalnych)
wartościach każdej zmiennej:
z-0 = [z-01 z-02 ... z-0j ... z-0m]
gdzie:
min z ij , gdy zmienna Zj jest stymulantą
z −0 j =
max z ij , gdy zmienna Zj jest destymulantą
m
d0 = ∑ (z
j =1
oj − z − oj ) 2 (i = 1,...,m j = 1,...,k) (7)
przemysł 36,4 %
Grupa II finanse 18,2 %
usługi 45,5 %
przemysł
89,5 %
Grupa III finanse
usługi 10,5 %
przemysł
Grupa IV 85,7 %
finanse
usługi 14,3 %
0,0 10,0 20,0 30,0 40,0 50,0 60,0 70,0 80,0 90,0
małe 25,0 %
Grupa I średnie 12,5 %
duże 62,5 %
małe 9,1 %
duże 45,5 %
małe 5,0 %
Grupa III średnie 15,0 % 80,0 %
duże
małe 0,0 %
Grupa IV średnie 28,6 %
duże 71,4 %
4. Podsumowanie
14
przy wsparciu finansowym przedsiębiorstwa.
Przykład zastosowania metod WAP do analizy procesów gospodarowania ... 139
przedsiębiorstwie. Praktyczne zastosowanie metod taksonomicznych pozwoliło na dokonanie
transformacji wielowymiarowej przestrzeni zmiennych diagnostycznych opisujących procesy
inwestycji w rozwój kapitału ludzkiego do jednowymiarowej przestrzeni zmiennej
syntetycznej, co pozwoliło na liniowe uporządkowanie badanych podmiotów i wyróżnienie
czterech heterogenicznych grup przedsiębiorstw, które można uznać za bardzo dobre, dobre,
słabe i bardzo słabe ze względu na poziom badanego zjawiska. Widoczne jest wyraźne
zróżnicowanie podmiotów wchodzących w skład poszczególnych grup typologicznych.
Wprowadzony podział może stanowić podstawę dalszych analiz.
SPIS LITERATURY: