SD-WEIGHT (Standart Sapma Ağırlıklandırması)

SD-WEIGHT bir sıralama yöntemi değildir; seçenekleri sıralamaz, kriterlere ağırlık üretir. Elinizde seçenekler ve kriterlerden oluşan sayısal bir karar tablosu varsa, yöntem her sütunun kendi içindeki dağılımına bakar ve toplamı 1 olan bir ağırlık vektörü verir. Bu ağırlıklar sonra TOPSIS, VIKOR, SAW gibi bir sıralama yöntemine girdi olur.

Standart sapmayı kriter ağırlığına çeviren fikir istatistikte çok eski ve genel bir ilkedir; tek bir kurucu makaleye bağlanamaz. Mukhametzyanov (2021), bu ilkeyi Entropi ve CRITIC ile birlikte "SD yöntemi" adıyla ele alıp üçünü aynı çerçevede karşılaştırmıştır. DecisionMind bu yöntemi o çerçeveye dayanarak uygular.

SD-WEIGHT'ın arkasındaki fikir, Entropi'yle aynı aileden gelir: bir kriterde seçenekler birbirine ne kadar benziyorsa, o kriter kararı o kadar az etkiler. Farkı, dağılımı ölçme biçimindedir. Entropi olasılık dağılımının düzgünlüğüne bakar, SD-WEIGHT ise doğrudan istatistiğin en tanıdık dağınıklık ölçüsünü, standart sapmayı kullanır. Bir kriterin normalize edilmiş değerleri seçenekler arasında geniş bir aralığa yayılıyorsa standart sapması büyük çıkar ve ağırlığı artar; değerler birbirine yakınsa standart sapma küçülür ve ağırlık düşer.

Bu felsefenin sonucu, yine "önem" ile "ayırt edicilik" arasında fark gözetmemesidir. Karar vericinin gözünde kritik olan ama seçeneklerin hepsinde benzer çıkan bir kriter, SD-WEIGHT'a göre düşük ağırlık alır. Yöntem bunu bir kusur saymaz; sorduğu soru zaten "hangi kriter önemli" değil, "bu tabloda hangi kriter konuşuyor"dur. Karar vericinin önceliği sonuçta görünmeli ise öznel bir ağırlık yöntemi ya da ikisinin bileşimi gerekir.

Yöntem iki adımda ilerler.

Birinci adım, ölçek eşitleme. Kriterler farklı birimlerdedir ve doğrudan karşılaştırılamaz. SD-WEIGHT her sütunu yön bilgisine göre 0 ile 1 arasına ölçekler: "çoğu iyi" bir kriterde en büyük değer 1, en küçüğü 0 olur; "azı iyi" bir kriterde bu ters çevrilir. Sonuçta bütün sütunlar aynı ölçekte, birimsiz hâle gelir.

İkinci adım, dağınıklığı ağırlığa çevirme. Her sütunun kendi içindeki standart sapması hesaplanır. Sütunlar arasında geniş yayılan bir standart sapma, o kriterin seçenekleri iyi ayırdığının işaretidir. Bütün sütunların standart sapmaları toplanır ve her sütunun payı bu toplama bölünür; sonuç toplamı 1 olan ağırlık vektörüdür.

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

SD-WEIGHT ağırlığı, bir kriterin karar vericinin gözündeki önemini değil, eldeki tabloda seçenekleri ne kadar ayırt ettiğini gösterir. Yüksek ağırlık "bu kriter en önemlisidir" demek değildir; "bu seçenek kümesinde seçenekler arasındaki farkın büyük bölümü bu kriterden geliyor" demektir. Aynı kriter başka bir seçenek kümesinde bambaşka bir ağırlık alabilir, çünkü ağırlık kriterin sabit bir özelliği değil, tablonun bir özelliğidir.

Ölçek eşitleme adımı yalnız en küçük ve en büyük değere bakar; ara değerlerin birbirine ne kadar yakın olduğu 0 ile 1 arasındaki konumla belirlenir. Bu yüzden görünüşte çok farklı ham sayılardan oluşan iki kriter, ölçeklenince aynı dağınıklığı gösterip eşit ağırlık alabilir. Bu bir hesap hatası değildir; yöntemin ham sayıları değil, göreli konumları kullanmasının doğal sonucudur.

Bu nedenle:

"SD-WEIGHT analizi, manevra kabiliyetinin en önemli kriter olduğunu kanıtladı"

yerine:

"Bu seçenek kümesinde seçenekleri en çok ayıran kriter manevra kabiliyetidir; SD-WEIGHT ağırlığı bu ayırt ediciliği yansıtır, karar vericinin öncelik sırasını değil"

biçiminde yazmak doğrudur.

SD-WEIGHT kesin (crisp) veriyle çalışır: her hücrede tek bir sayı. DecisionMind'da bu yöntemin bulanık, gri ya da sezgisel bir uzantısı kayıtlı değildir; veri türünüz farklıysa aynı ilkeyi taşıyan Entropi ya da CRITIC ailesinin ilgili üyelerine bakılabilir.

Elinizde şunlar olmalı: satırlarda seçenekler, 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 seçenek ve iki kriter gerekir; üç ile on iki kriter arası rahat çalışır. Bir sütunda bütün seçenekler aynı değeri taşıyorsa o sütunun standart sapması sıfır çıkar ve ağırlığı sıfır olur; bu, hesap hatası değil kriterin bu tabloda hiçbir şey söylemediğinin işaretidir.

Uzman görüşü yoksa, uzmanlar arasında uzlaşma sağlanamıyorsa ya da ağırlıkların hızlı ve tekrarlanabilir biçimde veriden çıkması isteniyorsa SD-WEIGHT uygun bir seçimdir. Hesabı Entropi'den bile daha basittir; büyük gösterge setlerinde ve sık tekrarlanan değerlendirmelerde pratik bir başlangıç noktasıdır.

Kullanılmaması gereken durumlar felsefesinden gelir. Karar vericinin bir kriteri açıkça öncelikli saydığı durumlarda SD-WEIGHT bunu göremez. Kriterler arasında güçlü bir ilişki varsa (biri artınca diğeri de artıyorsa) SD-WEIGHT bunu hesaba katmaz ve ilişkili kriterlerin ağırlığı örtük biçimde çift sayılır; bu durumda CRITIC daha uygundur. Seçenek sayısı çok azsa (üç dört seçenek) tek bir uç değer bir kriterin ağırlığını sürükleyebilir.

Uzman görüşü yok ya da istenmiyor, ağırlık hızlı ve veriden çıksın → SD-WEIGHT

Kriterler arasındaki ilişki de hesaba girsin → CRITIC

Dağılımın düzgünlüğü, yalnız yayılımı değil, ölçülsün → Entropi

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

Bir kriter tüm seçeneklerde sabit → o kriter tablodan çıkarılmalı, SD-WEIGHT'ın sıfır ağırlığı beklenmelidir

SD-WEIGHT'ın en büyük üstünlüğü sadeliğidir. Hesabı iki adıma sığar, ek parametre istemez ve herhangi bir kesin veri tablosuna hemen uygulanabilir. Aynı tablo herkese aynı ağırlığı verir; anket, ikili karşılaştırma ya da uzman toplama gerekmez. Standart sapma, istatistikte en tanıdık dağınıklık ölçüsü olduğu için sonuç bir istatistikçiye kolayca anlatılır.

Sınırlılıkları sadeliğinden doğar. Birincisi, yöntem kriterler arasındaki korelasyonu görmez; iki kriter aynı bilgiyi taşısa bile ikisi de yüksek ağırlık alabilir ve bu bilgi ağırlıklarda iki kez sayılır (Wang ve Luo, 2010). İkincisi, ağırlıklar seçenek kümesine bağlıdır; bir seçenek eklenince ya da çıkınca ölçekleme değişir ve bütün ağırlıklar yeniden hesaplanır. Üçüncüsü, "ayırt edicilik" ile "önem" aynı şey değildir; yöntem karar vericinin değerlerini görmez. Dördüncüsü, uç değerlere duyarlıdır; küçük tablolarda tek bir aykırı değer ölçekleme aralığını genişletip o kriterin ağırlığını sürükleyebilir.

En yaygın hata, SD-WEIGHT ağırlığını "önem" diye raporlamaktır. "Veri, manevra kabiliyetinin en önemli kriter olduğunu gösterdi" cümlesi yanlıştır; veri, manevra kabiliyetinin en çok ayırt eden kriter olduğunu gösterir.

İkinci hata, kriter yönünü (çoğu iyi, azı iyi) yanlış işaretlemektir; bu durumda ölçekleme tersine döner ve ağırlıklar anlamsızlaşmaz ama yanlış kritere yüklenir. Üçüncü hata, ilişkili kriterleri fark etmeden tabloya birlikte koymaktır; SD-WEIGHT bu ilişkiyi görmediği için aynı bilgi iki kez ağırlıklandırılır. Dördüncü hata, bir çalışmadan çıkan ağırlıkları başka bir seçenek kümesine taşımaktır; ağırlık tablonun özelliğidir, kriterin değil. Beşincisi, sabit bir kriteri tabloda bırakıp sıfır ağırlığı "yöntem hatası" sanmaktır.

Temel ilke şudur:

SD-WEIGHT ağırlığı tablonun bir özelliğidir, kriterin değil; seçenek kümesi değişince ağırlık değişir ve rapor bunu "ayırt edicilik" diye adlandırmalıdır, "önem" diye değil.