كيف تعمل أداة "حساب الفهرس المركب"

تُستخدم المؤشرات المركبة عبر المجالات الاجتماعية والبيئية لتمثيل المعلومات المعقدة من مؤشرات متعددة كمقياس واحد يمكنه قياس التقدم نحو الهدف وتسهيل اتخاذ القرارات. تدعم أداة حساب المؤشر المركب الخطوات الثلاث الرئيسية لعملية إنشاء المؤشر وهي: توحيد متغيرات الإدخال إلى مقياس مشترك (المعالجة المسبقة)، ودمج المتغيرات في متغير مؤشر واحد (مجموعة)، وقياس المؤشر الناتج إلى قيم ذات معنى (المعالجة اللاحقة).

تصميم المؤشر

يعتمد إنشاء مؤشر مناسب على دراسة متأنية للسؤال الذي يحاول المؤشر الإجابة عليه، واختيار المتغير، والطرق المطبقة. من المفيد استشارة خبراء المجال والمستخدمين النهائيين.

يرجى مراعاة ما يلي عند تصميم المؤشر:

• ما إذا كان سيتم هيكلة المتغيرات في مؤشرات فرعية. قد يتم تمثيل المفهوم الذي يقيسه المؤشر بأبعاد متعددة. على سبيل المثال، قد يتكون مؤشر الضعف من مجالات الإسكان والنقل والدخل، ويحتوي كل منها على متغيرات متعددة. يمكنك إنشاء مؤشرات فرعية لتمثيل كل بُعد عن طريق تشغيل الأداة عدة مرات. يمكن أن يساعد هذا في إمكانية التفسير، واعتمادًا على الأساليب المستخدمة، قد يؤدي أيضًا إلى تغيير نتائج المؤشر.
• كيفية اختيار المتغيرات. أفضل الممارسات هي تقليل عدد متغيرات الإدخال مع الاحتفاظ بما يكفي لجمع المعلومات الأساسية اللازمة للمؤشر. قد يؤدي وجود عدد كبير من متغيرات الإدخال إلى صعوبة عند تفسير المؤشر. بالإضافة إلى ذلك، إذا كانت هناك متغيرات متعددة تتعلق بنفس المجال، على سبيل المثال، متوسط الدخل والفقر، فقد يتم تمثيل تأثير هذا المجال بشكل زائد في نتيجة المؤشر. إذا كان هذا التأثير غير مقصود، يُعرف هذا بالترجيح غير المقصود.

تعرف على المزيد حول أفضل الممارسات والاعتبارات المهمة في إنشاء مؤشر مناسب

تعيين ترجيحات المتغيرات

يتم ترجيح المتغيرات لتمثيل الأهمية النسبية لكل عامل لأنه يساهم في المؤشر. افتراضيًا، يتم تعيين كافة الترجيحات على 1، مما يعني أن كل متغير له ترجيح متساوٍ. ومع ذلك، قد يكون من المهم الإشارة إلى الاختلافات في المساهمات النسبية للمتغير مقارنة بالمتغيرات الأخرى. من خلال تغيير أحد المتغيرات إلى ترجيح 2 وإبقاء المتغيرات الأخرى عند 1، فإنك تشير إلى أن هذا المتغير يجب أن يعتبر ضعف أهمية المتغيرات الأخرى في مساهمته في المؤشر النهائي.

يمكنك أيضًا استخدام الترجيحات التي يصل مجموعها إلى 1. على سبيل المثال، إذا تم استخدام ثلاثة متغيرات وكان أحدها يجب أن يعتبر ضعف أهمية المتغيرات الأخرى، فيمكنك استخدام قيم الترجيح 0.5 و0.25 و0.25.

إذا تم دمج المتغيرات بالمتوسط، يتم تطبيق الترجيحات بضرب كل متغير في الترجيح الخاص. إذا تم دمج الترجيحات بالوسط الهندسي، يتم تطبيق الترجيحات برفع كل متغير إلى قوة ترجيحه.

الترجيحات لها تأثير كبير على المؤشر الناتج. سواء احتفظت بترجيحات متساوية أو غيرت الترجيحات لصالح متغيرات معينة، فإن استخدام الترجيحات يضيف الموضوعية إلى التحليل. بالإضافة إلى ذلك، قد يتم الترجيح عن غير قصد بسبب الارتباط والاختلاف في التباين بين المتغيرات.

اعرف على المزيد عن تأثير معامل الارتباط والتباين على المؤشر

المعالجة المسبقة للمتغيرات

لإنشاء مؤشر مناسب، يجب أن تكون المتغيرات في مقياس متوافق. ولتحقيق ذلك، تتوفر خيارات المعالجة المسبقة في الأداة التي تجلب متغيرات الإدخال المختلفة إلى مقياس قياس مشترك بحيث يمكن دمجها بشكل مناسب. يمكنك أيضًا عكس المتغيرات كي يتوافق معنى القيم العالية في كل متغير بعضها مع بعض.

المعالجة المسبقة للمتغيرات لعكس الاتجاه

فكِّر في معنى القيم المنخفضة والمرتفعة في كل متغير وتأكد من أنها متسقة مع بعضها البعض. على سبيل المثال، في مؤشر الضعف الاجتماعي، تكون المواقع ذات الدخل المتوسط المنخفض أكثر عرضة للخطر، ولكن المواقع التي بها نسب منخفضة من الأشخاص الذين ليس لديهم تأمين تكون أقل عرضة للخطر؛ واتجاه هذه المتغيرات معاكس في سياق غرض المؤشر.

يتم حساب عكس المتغير بضرب كل قيمة في -1 وتحجيم الحقل بين النطاق الأصلي للمتغير.

المعالجة المسبقة للمتغيرات لاستخدام نفس المقياس

تتضمن الأداة عدة خيارات لقياس المتغيرات باستخدام معلمة طريقة قياس المتغيرات ودمجها. يتم قياس خياري دمج القيم (متوسط القيم المقاسة) والفروق المركبة (المتوسط الهندسي للقيم المقاسة) باستخدام قيم الحد الأدنى والحد الأقصى. يقوم خيار جمع الرتب (متوسط النسب المئوية) بالقياس باستخدام النسب المئوية. يقوم خيار تمييز القيم القصوى (عدد القيم الأعلى من النسبة المئوية 90) بالقياس باستخدام القيم الثنائية. سيتم تطبيق الخيار المحدد على كافة المتغيرات وسيتم توفير الحقول المقاسة الناتجة في الإخراج. تتوفر الخيارات التالية:

• الحد الأدنى والحد الأقصى - يتم قياس المتغيرات بين 0 و1 باستخدام قيم الحد الأدنى والحد الأقصى لكل متغير. هذه الطريقة هي الأبسط، لأنها تحافظ على توزيع متغيرات المدخلات والمقاييس إلى مقياس من 0 إلى 1 يسهل تفسيره.

  

  تطبق هذه الطريقة الصيغة التالية:

  

  وبما أن هذه الطريقة تحافظ على توزيع المتغير، فإنها يمكن أن تتأثر بالتوزيعات المنحرفة والقيم المتطرفة. على سبيل المثال، إذا كانت هناك قيمة متطرفة واحدة ذات قيمة عالية جدًا، فستتلقى القيمة المتطرفة قيمة 1، لكن بقية القيم ستكون متشابهة وأقرب إلى الصفر. بسبب التباين المنخفض في المتغير المعالج مسبقًا، قد يكون لهذا المتغير تأثير أقل على المؤشر الناتج.

  تعتمد هذه الطريقة أيضًا على الحد الأدنى والحد الأقصى للقيم في بيانات الإدخال، مما يجعلها أقل ملاءمة لمقارنات المؤشر عبر فترات زمنية متعددة، قد تتغير فيها القيم الدنيا والقصوى للمتغير مع كل خطوة زمنية.

• النسبة المئوية - يتم تحويل المتغيرات إلى نسب مئوية بين 0 و1. يمكن أن تكون هذه الطريقة مفيدة عندما تكون رتب كل متغير أكثر أهمية من قيمها الفعلية. كما أنها تكون قوية بالنسبة للقيم المتطرفة والتوزيعات المنحرفة، حيث يتم تحويل المتغيرات إلى توزيع موحد.

  

  هناك تعريفات مختلفة للنسب المئوية. تستخدم هذه الطريقة الصيغة التالية:

  ،

  حيث R هي الرتبة الترتيبية (باستخدام الحد الأدنى لقيمة الرتبة في حالة الروابط)، وN هو عدد القيم، وP هي النسبة المئوية الناتجة.

  تشير النسب المئوية إلى موضع القيمة بالنسبة إلى القيم الأخرى داخل المتغير. على سبيل المثال، في حين أن الفرق في الدخل بين 50000 دولار أمريكي و60000 دولار أمريكي قد لا يكون كبيرًا، إلا أن الفرق المئوي قد يكون كبيرًا إذا كان هناك العديد من الميزات ذات القيم بينهما.

• وضع علامة حسب الحد (ثنائية) - يتم تحويل المتغير إلى قيم ثنائية (0، 1)، والتي تشير إلى أن القيمة أعلى أو أقل من الحد المحدد. تكون هذه الطريقة مفيدة عندما يكون من المهم إبراز قيم معينة ولا يهم تنوع القيم.

  

  لا تتأثر هذه الطريقة بالقيم المتطرفة في متغيرات الإدخال، ولكن يتم فقدان معلومات مستوى الفاصل الزمني في كل متغير إدخال، حيث يتم تحويل كل متغير إلى نموذج ثنائي (0، 1).

• أولي - يتم استخدام القيم الأصلية للمتغيرات. يجب استخدام هذه الطريقة فقط إذا كانت جميع المتغيرات على مقياس قابل للمقارنة. على سبيل المثال، استخدم هذه الطريقة عندما تكون كافة المتغيرات وحدة قياسية موحدة مثل النسب المئوية أو الأجزاء في المليون. يمكن أن تكون هذه الطريقة مفيدة أيضًا عند حدوث توحيد أو تحويل للمتغير بالفعل.

جمع المتغيرات

بمجرد معالجة المتغيرات مسبقًا إلى مقياس مشترك، يتم تجميع المتغيرات لإنشاء قيمة واحدة. خيار دمج القيم المقاسة (متوسط القيم المقاسة) في معلمة طريقة قياس ودمج المتغيرات يقوم بالتجميع حسب المتوسط. تقوم طريقة تركيب القيم المقاسة (المتوسط الهندسي للقيم المقاسة)بالتجميع حسب المتوسط الهندسي. تقوم طريقة تمييز القيم القصوى (عدد القيم الأعلى من النسبة المئوية التسعين) بالتجميع حسب المجموع.

المجموع والمتوسط هما طريقتان إضافيتان. الوسط الهندسي هو طريقة ضربية.

طرق إضافية

تعد طرق الجمع المجموع والمتوسط سهلة نسبيًا في التفسير وتُستخدم بشكل شائع بواسطة مجموعة متنوعة من المؤشرات. الطرق متطابقة تقريبًا. فينتج عنها توزيعات بنفس الشكل ولكنها تختلف فقط في القياس، وستبدو خريطة المؤشر الناتجة نفسها. تختلف القيم فقط.

تسمح هذه الطرق للقيم العالية في متغير واحد بالتعويض عن القيم المنخفضة في متغير آخر.

الطرق الضربية

تتميز الطرق الضربية بأنها لا تسمح للقيم العالية في متغير واحد بالتعويض عن القيم المنخفضة في متغير آخر؛ لكي قيمة المؤشر تكون عالية، يجب أن تحتوي المتغيرات المتعددة على قيم عالية.

الوسط الهندسي يشبه الضرب. سيؤدي المؤشر الذي يستخدم الوسط الهندسي إلى الحصول على نفس الخريطة مثل المؤشر الذي يستخدم الضرب لدمج المتغيرات، حيث أن التوزيع يكون نفس الشكل، ولكن تختلف القيم فقط.

المعالجة اللاحقة للمؤشر

بمجرد معالجة المتغيرات مسبقًا ودمجها في المؤشر الأولي، قد تساعد المعالجة اللاحقة في جعل المؤشر أكثر قابلية للفهم.

عكس المؤشر

فكِّر في الغرض من المؤشر، وقم بتقييم ما إذا كانت قيم المؤشر العالية على النحو المقصود. سيؤدي عكس المؤشر إلى جعل القيم العالية في المؤشر الأولي تصبح قيمًا منخفضة في المؤشر النهائي والعكس صحيح.

قياس المؤشر باستخدام قيم الحد الأدنى والحد الأقصى

يؤدي استخدام قيم الحد الأدنى والحد الأقصى لقياس المؤشر إلى تغيير نطاق المؤشر الناتج. قد يكون هذا الخيار أسهل في التفسير، بغض النظر عن طرق المعالجة المسبقة والدمج المستخدمة. على سبيل المثال، حدد قيمة الحد الأدنى 0 وقيمة الحد الأقصى 100 لتحجيم المؤشر الأولي إلى هذا النطاق. يستخدم هذا الخيار الصيغة التالية:

حيث x هي القيمة الأصلية، وmin(x) هي قيمة الحد الأدنى الموجودة في المؤشر، وmax(x) هي قيمة الحد الأقصى الموجودة في المؤشر، وa هي قيمة الحد الأدنى المحددة، وb هي قيمة الحد الأقصى المحددة، وx' هي القيمة المقاسة.

تفسير النتائج

تعرض طبقة المؤشر توزيع قيم المؤشر بعد أي تحجيم أو عكس اختياري. توفر الطبقة خريطة توضيحية مستمرة يمكن استخدامها لتقييم نتائج المؤشر. يمكنك استخدام الخريطة لتقييم قيم المؤشر العالية والمنخفضة، مع الحفاظ على توزيع المؤشر وأي قيم متطرفة.

تتضمن الطبقة أيضًا الحقول التالية والتي يمكن استخدامها لاستكشاف النتائج:

• حقل نسبة مئوية يشير إلى المواضع ذات الصلة (التصنيفات) بين قيم المؤشر. استخدم هذا الحقل لاستكشاف كيفية ارتباط المواقع بعضها ببعض بناءً على تصنيفها بدلاً من تباينات المؤشر الفعلية بها.
• حقل يتضمن مؤشرًا مصنفًا إلى خمسة تصنيفات فاصل زمني متساوية.
• حقل يتضمن مؤشرًا مصنفًا إلى خمسة تصنيفات مجموعة أعداد متساوية.
• حقل يتضمن مؤشر مصنف إلى ستة تصنيفات انحراف معياري. استخدم هذا الحقل لاستكشاف كيفية ارتباط قيمة المؤشر في كل موقع بقيمة المؤشر المتوسط ولتحديد المواقع التي تتضمن قيم مؤشر عالية للغاية ومنخفضة.

موارد إضافية

راجع دليل منظمة التعاون الاقتصادي والتنمية حول بناء المؤشرات المركبة: المنهجية ودليل المستخدم للحصول على معلومات إضافية.