Gini Katsayısı Ağırlıklandırması (Gini Coefficient Weighting)

Gini Katsayısı Ağırlıklandırması bir sıralama yöntemi değildir; seçenekleri sıralamaz, kriterlerin ağırlığını üretir. Karar tablosuna bakar ve uzmana hiçbir şey sormadan her kritere toplamı 1 olan bir ağırlık verir. Bu ağırlıklar sonra TOPSIS, VIKOR ya da SAW gibi bir sıralama yöntemine girdi olur.

Yöntemin adını taşıdığı Gini katsayısı aslında bir karar yöntemi değil, bir eşitsizlik ölçüsüdür. İtalyan istatistikçi Corrado Gini 1912'de bunu gelir dağılımını ölçmek için tanımlamıştır: bir toplumda gelir herkese eşit dağılıyorsa katsayı sıfıra, gelirin tamamı tek kişide toplanıyorsa katsayı bire yaklaşır. Karar analizi literatüründe bu ölçü zamanla kriter ağırlıklandırmaya uyarlanmıştır: gelirin kişiler arasındaki dağılımı yerine bir kriterin değerinin alternatifler arasındaki dağılımına bakılır. Bu uyarlamanın tek bir kurucu makalesi yoktur; birden çok çalışma aynı fikri farklı MCDM yöntemlerine taşımıştır.

Fikir, gelir eşitsizliğinden ödünç alınmıştır. Bir kriterde alternatiflerin payı birbirine yakınsa (herkes benzer bir pay alıyorsa) o kriter alternatifleri pek ayırt etmez ve düşük ağırlık hak eder. Payın büyük kısmı birkaç alternatifte toplanmışsa, yani bir alternatif o kriterde neredeyse payın tamamını alırken bir başkası neredeyse hiç almıyorsa, kriter güçlü bir eşitsizlik taşır ve yüksek ağırlık alır. Bu, entropi yönteminin "dağılım ne kadar düzgün" sorusuna akraba bir soru sorar ama farklı bir mercekle bakar. Entropi ortalama bilgi içeriğini ölçer, Gini katsayısı ise alternatif çiftleri arasındaki payı doğrudan karşılaştırır. Bu yüzden bir alternatifin payının sıfıra yakın kaldığı durumlara entropiden daha keskin tepki verir.

Bu felsefenin sonucu, ağırlığın yine "önem" değil "eşitsizlik" ölçmesidir. Karar vericinin önemli saydığı bir kriter, alternatifler arasında benzer değerler taşıyorsa düşük ağırlık alır; alternatiflerden biri o kriterde aşırı öne çıkıyorsa (ya da aşırı geride kalıyorsa) kriter yüksek ağırlık alır. Yöntem "hangi kriter değerli" sorusuna değil, "bu tabloda hangi kriter alternatifleri en eşitsiz biçimde ayırıyor" sorusuna cevap verir.

Yöntem iki adımda ilerler.

Birinci adım, yön çevirme ve paya dönüştürme. Önce maliyet kriterleri fayda yönüne çevrilir: sütundaki en büyük değerden her değer çıkarılır, böylece en pahalı seçenek en düşük, en ucuz seçenek en yüksek değeri alır. Sonra her sütun kendi toplamına bölünür ve alternatiflerin o kriterdeki payı elde edilir; paylar toplamda 1 eder. Bu adım entropideki "olasılığa çevirme" adımına benzer ve farklı birimdeki kriterleri aynı zemine getirir.

İkinci adım, eşitsizlik ve ağırlık. Her kriter için alternatiflerin payları ikişer ikişer karşılaştırılır; bütün ikili farkların mutlak değeri toplanır ve kriterin ortalama payına bölünerek Gini katsayısı elde edilir. Paylar birbirine yakınsa bu katsayı küçük, bir alternatifte yığılmışsa büyük çıkar. Son olarak kriterlerin Gini katsayıları kendi toplamlarına bölünür ve toplamı 1 olan ağırlık vektörü elde edilir.

Adımların formülleri ve ara tabloları DecisionMind'daki yöntem sayfasında verilir; bu kart formül taşımaz.

Gini ağırlığı, bir kriterin alternatifler arasındaki payının ne kadar eşitsiz dağıldığını ölçer; karar vericinin gözündeki önemi ölçmez. 0,67 ağırlık "bu kriter kararın üçte ikisidir" demek değildir; "bu tabloda payların eşitsizliği en çok bu kriterde toplanıyor" demektir. Bir alternatifin bir kriterde payı sıfıra çok yaklaşması (o kriterde en kötü olduğu için), o kriterin ağırlığını tek başına yukarı çekebilir; bu bir hata değil, yöntemin doğasıdır.

Ağırlıklar tabloya bağlıdır. Seçenek kümesi değişince paylar ve dolayısıyla eşitsizlik yeniden hesaplanır; bir çalışmanın Gini ağırlıkları başka bir çalışmaya taşınamaz. Seçenek sayısı azsa (üç dört alternatif) tek bir uç değer ağırlığı sürükleyebilir, çünkü ikili farklar az sayıda çiftten hesaplanır.

Bu nedenle:

"Gini analizi bu kriterin en önemli kriter olduğunu gösterdi"

yerine:

"Bu seçenek kümesinde payların en eşitsiz dağıldığı kriter budur; ağırlık bu eşitsizliği yansıtır, karar vericinin öncelik sırasını değil"

biçiminde yazmak doğrudur.

Klasik Gini Katsayısı Ağırlıklandırması kesin (crisp) veriyle çalışır: her hücrede tek bir sayı. Yön çevirme adımından sonra sütun değerlerinin negatif olmaması gerekir; bir sütunun tüm payları sıfırsa (bütün alternatifler o kriterde eşitse) o kriterin Gini katsayısı sıfır kabul edilir ve ağırlığı da sıfır çıkar. DecisionMind'da bu yöntemin ayrı bir uzantısı yoktur; veri bulanık, gri ya da uzman puanlarından oluşuyorsa entropi ya da CRITIC'in ilgili uzantılarına bakılır.

Elinizde şunlar olmalı: satırlarda alternatifler, sütunlarda kriterler, her hücrede bir sayı ve boş hücre yok; her kriter için "çoğu mu iyi, azı mı iyi" bilgisi. Ağırlık girilmez; yöntem ağırlığı üretir. En az iki alternatif ve iki kriter gerekir; alternatif sayısı arttıkça ikili farkların ortalaması daha güvenilir hâle gelir, çünkü tek bir uç değerin payı küçülür.

Uzman görüşü yoksa ya da karar vericinin önceliklerinin sonucu etkilemesi istenmiyorsa Gini Katsayısı Ağırlıklandırması uygun bir seçimdir. Verinin kendi içindeki uç yığılmaların (bir alternatifin bir kriterde aşırı öne çıkması ya da aşırı geride kalması) ağırlığa doğrudan yansımasını istiyorsanız bu yöntem özellikle uygundur. Finansal oranlar, performans göstergeleri ve büyük ölçüm tabloları gibi gerçek veriyle iyi çalışır.

Kullanılmaması gereken durumlar felsefesinden gelir. Alternatif sayısı çok azsa (üç dört alternatif) ikili farklar sınırlı sayıda çifte dayanır ve ağırlık kolayca uca kaçar. Bir kriterde tek bir alternatifin aşırı düşük ya da yüksek değeri varsa, bu aykırı değer bütün ağırlığı kendine çekebilir ve rapor bunu ayrıca kontrol etmelidir. Kriterlerin birbiriyle ilişkisi de hesaba katılsın isteniyorsa Gini bunu görmez; yalnız kriterin kendi içindeki dağılıma bakar.

Uzman görüşü yok, uç yığılmalar ağırlığa yansısın → Gini Katsayısı Ağırlıklandırması

Ortalama bilgi içeriğine göre ayırt edicilik → Entropi

Kriterler arası ilişki de hesaba girsin → CRITIC

Karar vericinin önceliği sonuçta görünsün → AHP, BWM, SWARA (öznel)

Az alternatif, uç değer riski yüksek → Gini ağırlıklarını ihtiyatla oku ya da alternatif sayısını artır

Yöntemin en önemli üstünlüğü basitliğidir: hesabı yalnız payların ikili farklarına dayanır, entropideki logaritma ya da CRITIC'teki korelasyon gibi ek bir işlem gerektirmez. Nesneldir, aynı tablo herkese aynı ağırlığı verir. Bir alternatifin bir kriterde aşırı öne çıktığı ya da aşırı geride kaldığı durumları güçlü biçimde yakalar; bu, veride gerçek bir uç durum varsa ve rapor bunu göstermek istiyorsa yararlıdır. Hesabı şeffaftır ve tablo üzerinde adım adım izlenebilir.

Sınırlılıkları aynı hassasiyetten doğar. Birincisi, tıpkı entropi ve CRITIC gibi "eşitsizlik" ile "önem" aynı şey değildir; karar vericinin değerleri sonuçta görünmez. Zardari ve arkadaşlarının (2015) vurguladığı gibi, nesnel ağırlık yöntemlerinin ortak sınırlılığı budur: hesap yalnız veriden türer, karar vericinin öznel yargısını içermez. İkincisi, DecisionMind'ın bu manifestteki doğrulama örneğinde görüldüğü gibi, bir alternatifin bir kriterde payının sıfıra çok yaklaşması o kriterin ağırlığını orantısız biçimde yukarı çekebilir; bu durum entropi ya da standart sapma tabanlı yöntemlerde aynı büyüklükte görülmeyebilir. Üçüncüsü, ağırlıklar seçenek kümesine bağlıdır; bir alternatif eklenince ya da çıkınca bütün paylar ve dolayısıyla bütün ağırlıklar yeniden kurulur. Dördüncüsü, farklı nesnel ağırlık yöntemleri (entropi, CRITIC, Gini) aynı tabloya çok farklı ağırlık dağılımları verebilir; Ayan, Abacıoğlu ve Basilio'nun (2023) derlediği karşılaştırmalı çalışmalar bu farkın yöntem seçimini tek başına belirleyici kıldığını göstermektedir.

En yaygın hata, maliyet kriterlerini fayda yönüne çevirmeden hesaba sokmaktır; bu durumda en pahalı alternatif en yüksek payı alır ve ağırlık ters yönde kurulur.

İkinci hata, Gini ağırlığını doğrudan "önem" diye raporlamaktır; ağırlık payların eşitsizliğini ölçer, karar vericinin önceliğini değil. Üçüncü hata, az sayıda alternatifle (üç dört alternatif) hesaplanan ağırlıklara kesin bir oranmış gibi güvenmektir. Dördüncü hata, bir kriterde tek bir aykırı değerin ağırlığı sürüklediğini fark etmeden sonucu olduğu gibi raporlamaktır. Beşincisi, bir kriter bütün alternatiflerde eşitse ve ağırlığı sıfır çıkıyorsa bunu "yöntem hatası" sanmaktır; kriter tablodan çıkarılmalı ya da neden eşit olduğu açıklanmalıdır.

Temel ilke şudur:

Gini ağırlığı, kriterin alternatifler arasındaki payının ne kadar eşitsiz dağıldığının ölçüsüdür; yüksek ağırlık "önemli kriter" değil "payı en uçlarda toplanan kriter" demektir ve rapor bu ayrımı açıkça yazmalıdır.