Непараметрическая процедура сравнения эффективности работы подразделений сетевой организации
Аннотация
Для решения задачи сравнительного анализа эффективности работы филиалов по небольшому объему наблюдений случайной природы актуальным является непараметрический подход, не требующей вероятностной модели наблюдений. Актуальной также является задача сравнения результатов непараметрического подхода с результатами, полученными в рамках традиционно применяемой Гауссовской модели. Кроме того, актуальной является проблема получения непротиворечивого сравнения группы (не менее трех) филиалов. В настоящее время непараметрический подход и соответствующее сравнение с известными результатами решения рассматриваемой в настоящей работе задачи, полученного в рамках нормальной модели, отсутствуют. Кроме того, поиску методов получения непротиворечивых решений уделяется недостаточно внимания. Настоящая работа в определенном степени закрывает эти пробелы. Для решения этих задач в настоящей работе используются методы непараметрической статистики и теории одновременной проверки многих гипотез. В работе предлагается процедура сравнительного анализа эффективности работы нескольких подразделений сетевой организации по небольшому объему наблюдений, основанная на тестах Манна–Уитни. Проводится сравнение результатов предлагаемой непараметрической процедуры с результатами, основанными на обобщениях тестов Стьюдента. Предлагается способ уменьшения числа возникающих проблем несовместимости, основанный на поиске подходящего уровня значимости. Приводится пример полностью непротиворечивого сравнения эффективности работы филиалов.
Скачивания
Литература
Aleskerov F.T., Belousova V. (2007) Effective development of the branch network of a commercial bank. Upravleniye v kreditnoy organizatsii (Management in a credit institution), no. 6, pp. 23–34 (in Russian).
Kryukov A.M. (2010) Efficiency analysis of branch and division activities is a prerequisite for business stability. Strategic decisions and risk management, vol. 4, pp. 84–87 (in Russian). https://doi.org/10.17747/2078-8886-2010-4-84-87
Myznikova M.A. (2022) Quality of strategic management under ambiguity: Assessment within the framework of sustainable development. Business Informatics, vol. 16, no. 3, pp. 36–52. https://doi.org/10.17323/2587-814X.2022.3.36.52
Koldanov А.P., Koldanov Р.A. (2012) Multiple decision procedures for the analysis of higher school entry selection results. Business Informatics (Biznes-informatika), vol. 19, no. 1, pp. 24–31 (in Russian).
Koldanov P.A. (2013) Efficiency analysis of branch network. Models, Algorithms, and Technologies for Network Analysis (eds. B.I. Goldengorin, V.A. Kalyagin, P.M. Pardalos). Springer Proceedings in Mathematics & Statistics, vol. 59, pp. 71–83. https://doi.org/10.1007/978-1-4614-8588-9_5
Hettmansperger T. (1987) Statistical Inference Based on Ranks. Moscow: Finance and Statistics (in Russian).
Kendall М. (1975) Rank correlations. Moscow: Statistics (in Russian).
Hollander М., Wolfe D. (1983) Nonparametric statistical methods. Moscow: Finance and Statistics (in Russian).
Lehmann E.L. (1975) Nonparametrics: Statistical methods based on ranks. San Francisco: Hoden-Day. https://doi.org/10.1002/zamm.19770570922
Kendall М., Stuart A. (1973) Statistical Inferences and relationships. Moscow: Science (in Russian).
Jordan M.I. (2004) Graphical models. Statistical Science, vol. 19, no. 1, pp. 140–155. https://doi.org/10.1214/088342304000000026
Newman M.E.J. (2010) Networks. An introduction. New York: Oxford University Press.
Opsahl T., Panzarasa P. (2009) Clustering in weighted networks. Social Networks, vol. 31, no. 2, pp. 155–163.
Horvath S. (2011) Weighted network analysis. Applications in genomics and systems biology. New York: Springer. https://doi.org/10.1007/978-1-4419-8819-5
Li S., He J., Zhuang Y. (2010) A network model of the interbank market. Physica A: Statistical Mechanics and its Applications, vol. 389, no. 24, pp. 5587–5593. https://doi.org/10.1016/j.physa.2010.08.057
Boginski V., Butenko S., Pardalos P.M. (2005) Statistical analysis of financial networks. Computational Statistics & Data Analysis, vol.48, no. 2, pp. 431–443. https://doi.org/10.1016/j.csda.2004.02.004
Lehmann E.L. (1957) A theory of some multiple decision problems, I. The Annals of Mathematical Statistics, vol. 28, no. 1, pp. 1–25. https://doi.org/10.1214/aoms/1177707034
Bretz F., Hothorn T., Westfall P. (2010) Multiple comparisons using R. New York: Chapman and Hall/CRC. https://doi.org/10.1201/9781420010909
Hochberg Y., Tamhane A.C. (1987) Multiple comparison procedures. New York: John Wiley & Sons. https://doi.org/10.1002/9780470316672
Handbook of Multiple Comparisons (2021) (eds. X. Cui, T. Dickhaus, Y. Ding, J.C. Hsu). New York: Chapman and Hall/CRC. https://doi.org/10.1201/9780429030888
Dickhaus T. (2014) Simultaneous statistical inference. With applications in the life sciences. Heidelberg: Springer Berlin. https://doi.org/10.1007/978-3-642-45182-9
Gabriel K.R. (1969) Simultaneous test procedures – some theory of multiple comparisons. The Annals of Mathematical Statistics, vol. 40, no. 1, pp. 224–250. https://doi.org/10.1214/aoms/1177697819
Cliff N. (1975) Complete orders from incomplete data: Interactive ordering and tailored testing. Psychological Bulletin, vol. 82, no. 2, pp. 289–302. https://doi.org/10.1037/h0076373
Cliff N. (1993) Dominance statistics: Ordinal analyses to answer ordinal questions. Psychological Bulletin, vol. 114, no. 3, pp. 494–509. https://doi.org/10.1037/0033-2909.114.3.494
Donoghue J.R. (2004) Implementing Shaffer's multiple comparison procedure for a large number of groups. Recent Developments in Multiple Comparison Procedures (Eds. Benjamini, Y., Bretz, F. and Sarkar, S.), Institute of Mathematical Statistics, Beachwood, Ohio, pp. 1–23.
