Результат экспертного анализа исходной информации
Не претендуя на окончательность проведённого анализа, предполагая получение дополнительной информации в процессе исследования, понимая сложность и ответственность принимаемого решения по ранжированию объектов по такому большому объёму исходной информации, осознавая присутствие элемента субъективности, группа экспертов предложила следующий порядковый вектор (рейтинг) изучаемых объектов (Таблица № 2).
Таблица № 2
Номер 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
Имя MUB DYP ATR ZAM VOL ZAX VLN TIU VLK XOM MIS KUD CHI KAN STE EVS TIX
Рейтинг 1 3 14 5 8 17 7 2 4 12 13 11 6 10 15 16 9
На первом месте по рейтингу стоит объект № 1 (MUB), на последнем месте – объект № 6 (ZAX). И это всё, что возможно на данном этапе.
Анализ матрицы корреляции
Первым шагом дальнейшего исследования является анализ матрицы корреляции признаков (Таблица № 3).
Таблица № 3
Variable UD R% KR UV EP EC HAD SOF ITO KVA KW
UD 1,00 ,70* ,46 ,49* ,75* ,46 -,15 -,38 -,27 ,38 ,59*
R% ,70* 1,00 ,58* ,56* ,61* ,35 -,26 -,38 -,32 ,12 ,67*
KR ,46 ,58* 1,00 ,76* ,52* ,53* ,33 ,29 ,38 ,10 ,89*
UV ,50* ,56* ,76* 1,00 ,31 ,73* ,21 ,12 ,29 ,24 ,72*
EP ,75* ,61* ,52* ,31 1,00 ,29 ,08 -,12 -,20 ,24 ,65*
EC ,46 ,35 ,53* ,73* ,29 1,00 ,06 -,03 ,10 ,17 ,51*
HAD -,15 -,26 ,33 ,21 ,08 ,06 1,00 ,93* ,87* ,36 ,30
SOF -,38 -,38 ,29 ,12 -,12 -,03 ,93* 1,00 ,89* ,14 ,19
ITO -,27 -,32 ,38 ,29 -,20 ,10 ,87* ,89* 1,00 ,29 ,28
KVA ,38 ,12 ,10 ,24 ,24 ,17 ,36 ,14 ,29 1,00 ,26
KW ,59* ,67* ,89* ,72* ,65* ,51* ,30 ,19 ,28 ,26 1,00
OTC ,53* ,57* ,61* ,54* ,44 ,43 ,17 ,11 ,11 -,02 ,61*
PL ,59* ,53* ,71* ,84* ,37 ,74* ,31 ,19 ,32 ,33 ,72*
Продолжение Таблицы № 3
Variable OTC PL
UD ,53* ,59*
R% ,57* ,53*
KR ,61* ,71*
UV ,54* ,84*
EP ,44 ,37
EC ,43 ,74*
HAD ,17 ,31
SOF ,11 ,19
ITO ,11 ,32
KVA -,02 ,33
KW ,61* ,72*
OTC 1,00 ,76*
PL ,76* 1,00
Результат анализа матрицы корреляции признаков.
В Таблице № 3 звёздочкой (*) обозначены связи признаков на уровне не менее 0.5.
Признак KW имеет связь на уровне не менее 0.5 с восемью другими признаками:
UD (0.59), R% (0.67), KR (0.89), UV (0.72), EP (0.65), EC (0.51), OTC (0.61), PL (0.72).
Признак R% имеет связь на уровне не менее 0.5 с семью другими признаками:
UD, KR, UV, EP, KW, OTC, PL.
Признак KR имеет связь на уровне не менее 0.5 с семью другими признаками:
R%, UV, EP, EC, KW, OTC, PL.
Признак UV имеет связь на уровне не менее 0.5 с семью другими признаками:
UD, R%, KR, EC, KW, OTC, PL.
Признак PL имеет связь на уровне не менее 0.5 с семью другими признаками:
UD, R%, KR, UV, EC, KW, OTC.
Признак OTC имеет связь на уровне не менее 0.5 с шестью другими признаками:
UD, R%, KR, UV, KW, PL.
Признак UD имеет связь на уровне не менее 0.5 с шестью другими признаками:
R% (0.7), UV (0.5), EP (0.75), KW (0.59), OTC (0.53), PL (0.59).
Признаки EP и EC имеют связь на уровне не менее 0.5 с четырьмя другими признаками (из них с двумя общими – KW и KR).
Признак KVA имеет слабые связи (на уровне менее 0.5) со всеми другими признаками.
Признаки HAD, SOF, ITO имеют связи на уровне не менее 0.5 с двумя признаками (между собой).
Исходя из этого можно предположить разделение исходных признаков на три группы с точки зрения их взаимовлияния:
Первая группа – признаки KW, R%, KR, UV, PL, OTC, UD, EP, EC.
Вторая группа – признаки HAD, SOF, ITO.
Третья группа – признак KVA.
Анализ исходных признаков (кластерный анализ)
Рис. № 1
Исследование исходных признаков с использованием кластерного анализа (Рис. № 1) подтверждает и уточняет предыдущий результат:
Первая группа – из трёх подгрупп EC, PL, UV; OTC, KW, KR; R%, EP, UD.
Вторая группа - из трёх подгрупп KVA; ITO; SOF, HAD.
Анализ новых факторов (факторный анализ)
Таблица № 4 (собственные значения и дисперсии трёх факторов)
% total Cumul. Cumul.
Value Собств.знач.Дисперсия Eigenval %
1 5,895910 45,35316 5,89591 45,35316
2 3,315960 25,50738 9,21187 70,86054
3 1,188318 9,14091 10,40019 80,00145
Это означает, что если вместо 13-ти мерного пространства ограничиться новым трёхмерным, то оно может быть описано (объяснено) не менее 80 % исходного признакового пространства, на плоскости - не менее 70 % исходного признакового пространства, вектором - не менее 45 % исходного признакового пространства,
Таблица № 5 (факторные нагрузки)
STAT. Factor Loadings (Unrotated) (mtt8.sta)
Factor Factor Factor
Variable 1 2 3
UD ,723696 * ,490918 ,337845
R% ,709873 * ,536565 ,001079
KR ,869406 * -,155416 -,188760
UV ,851606 * -,066073 -,223451
EP ,649570 ,314814 ,404155
EC ,695717 ,059274 -,249940
HAD ,288357 -,894550 * ,206935
SOF ,136019 -,953815 * -,020742
ITO ,241152 -,940478 * -,009153
KVA ,335871 -,207712 ,791290 *
KW ,907526 * -,051031 ,028034
OTC ,755537 * ,055020 -,274809
PL ,902295 * -,112514 -,130475
На первый фактор (F1) с высокой степенью (не менее 0.65) влияют следующие исходные признаки: UD(0.72), R% (0.71), KR (0.87), UV (0.85), EP (0.65), EC (0.7), KW (0.91), OTC (0.75), PL (0.9), т.е. все признаки кроме признаков HAD, SOF, ITO, KVA, что позволяет интерпретировать этот фактор как комплекс управленческих знаний, умений и навыков.
На второй фактор (F2) с высокой степенью (не менее 0.89) влияют с отрицательным знаком следующие исходные признаки: HAD (-0.89), SOF (-0.95), ITO (-0.94), что позволяет интерпретировать этот фактор как система знаний, умений и навыков в области информатизации и применения информационных технологий в управлении.
На третий фактор (F3) с высокой степенью (не менее 0.79) влияет только один исходный признак KVA (0.79), что позволяет интерпретировать этот фактор аналогично исходному признаку.
Анализ исходных признаков в пространстве первых двух факторов
Рис. № 2
Анализ представленного графического изображения (Рис. № 2) подтверждает предыдущие результаты (Таблица № 3, Рис. № 1) на уровне не менее 70 % (Таблица № 4).
Анализ объектов в пространстве исходных признаков (кластерный анализ)
Рис. № 3
Анализ графического изображения классификации объектов в исходном 13-ти мерном пространстве признаков (Рис. № 3) позволяет разбить весь исходный перечень объектов на две группы:
Первая группа – 10 объектов в пяти подгруппах 17, 5; 9, 8; 14, 12; 13, 7; 2,1.
Вторая группа – 7 объектов в четырёх подгруппах 6; 16, 4; 11,10; 15, 3.
Анализ объектов в пространстве первых двух факторов (не менее 70 %)
Рис. № 4
Анализ графического изображения расположения объектов в новом двумерном пространстве факторов F1 и F2 (Рис. № 4) позволяет разбить весь исходный перечень объектов по четырём квадрантам с проекцией их на ось первого фактора (F1):
первый квадрант – 1, 17, 2, 14, 12 (группа из 5-ти объектов с хорошими управленческими качествами и некоторыми успехами, кроме значительных у 17 объекта, по использованию в управлении ресурса второго фактора);
второй квадрант – 9, 8, 13, 7 (группа из 4-х объектов с хорошими управленческими качествами и незначительными успехами, кроме отсутствующих у 13 объекта, по использованию в управлении ресурса второго фактора);
третий квадрант – 5 (объект с определёнными достижениями по ресурсу второго фактора и незначительными успехами по ресурсу первого фактора);
четвёртый квадрант – 4, 16, 11, 10, 15, 3, 6 (группа из 7-и объектов со слабыми управленческими качествами и незначительными успехами по использованию в управлении ресурса второго фактора, а у 6-го объекта все эти качества существенно слабы).