самый банальный - по среднему числу
однако тупо складывать и делить не советую
все-таки отталкивайтесь от сущности респондента

Можно попробовать "взвесить", то есть самый важный критерий имеет больший вес.
В сумме все веса должны дать 100%.

Главное не взвешивать вот так:
1/(1+...+7), 2/(1+...+7), ..., 7/(1+...+7)
Иначе это будет тоже самое, что усреднить.
Если хотите проигнорировать менее значимые, то взвесьте "по экспоненте".

Хотя перечитал условия и не пойму, что Вы в итоге хотите сделать. Вы хотите понять наиболее значимые критерии, которые Важны в кандидате, или Вы хотите все-таки проранжировать эти критерии по степени значимости? :umnik:

Цитата
фиолетовая пишет: Приведу пример, я провела опрос клиентов, попросив клиентов проранжировать критерии (характеристики, которыми должен обладать сотрудник компании) по степени значимости. Критериев было предложено для анализа 7, а степень значимости распределяется 7 самый важный критерий 1 самый неважный критерий.

Примеры заполнения:
кр1 оценка 1 кто-то 5 кто-то 7
кр2 оценка 3 кто-то 2 кто-то 6
кр3 оценка 5 ...
кр4 оценка 2 ...
кр5 оценка 7 ...
кр6 оценка 4 ...
кр7 оценка 6 ...

Если сделать сумму этих оценок и разделить на количество анкет, получится тот вариант, что предложил Mak$imu$, можно кстати и не делить, а просто сравнивать суммы, получится то же самое.

Если взвешивать по экспоненте, как я предложил, то Вы изначально практически обнуляете незначимые оценки, учитывая лишь наивысшие оценки критериев, что по сути сглаживает некие неуверенные результаты респондентов по незначимым критериям, например, примерно одинаковый вес 1 и 2, 2 и 3. Можно подобрать логистическую кривую, на основе которой распределить оценки критериев таким образом, чтобы близкие оценки учитывались в общей оценке примерно одинаково.

Можно конечно еще взвесить результаты по типу респондентов, например прямой работодатель 0,4, кадровое агентство 0,6. Ну или наоборот.

Надеюсь, немного понятнее написал.

Примеры заполнения:
кр1 оценка 1 кто-то 5 кто-то 7
кр2 оценка 3 кто-то 2 кто-то 6
кр3 оценка 5 ...
кр4 оценка 2 ...
кр5 оценка 7 ...
кр6 оценка 4 ...
кр7 оценка 6 ...

Теперь можно сделать так умножаем каждый критерий на вес, если
1*exp(1)/(exp(1)+exp(2)+exp(3)+exp(4)+exp(5)+exp(6)+exp(7)) = 0.002
2*exp(2)/(exp(1)+exp(2)+exp(3)+exp(4)+exp(5)+exp(6)+exp(7)) = 0.009
3*exp(3)/(exp(1)+exp(2)+exp(3)+exp(4)+exp(5)+exp(6)+exp(7)) = 0.035
4*exp(4)/(exp(1)+exp(2)+exp(3)+exp(4)+exp(5)+exp(6)+exp(7)) = 0.126
5*exp(5)/(exp(1)+exp(2)+exp(3)+exp(4)+exp(5)+exp(6)+exp(7)) = 0.428
6*exp(6)/(exp(1)+exp(2)+exp(3)+exp(4)+exp(5)+exp(6)+exp(7)) = 1.397
7*exp(7)/(exp(1)+exp(2)+exp(3)+exp(4)+exp(5)+exp(6)+exp(7)) = 4.429
Сумма весов должна быть равна 1. Как я показал сумма действительно 1.

Тогда получится, что Вы минимальные оценки практически не учитываете, то есть не получится набрать высокий балл только с помощью 3 и 4 за счет их суммы.

fsecrets.ru, Вы не могли бы дать ссылку где описаны эти методы, может мне так легче будет понять суть данного метода.

Спасибо fsecrets.ru, буду пытаться разобраться во всем этом

фиолетовая,

Не знаю, будет ли это просто.
Для начала нужно, чтобы Вы имели понятие о зависимости между величинами (или корреляции).
Давайте простой пример: цены на товары и средний чек эти 2 величины между собой зависимы.

Например, у Вас есть задача определить выручку предприятия и Вы стараетесь понять, а какие факторы влияют на выручку. А количество зависимых переменных у Вас миллион.
Так вот факторный анализ как раз позволяет исключать из моделирования те факторы, которые менее значимы или меньше влияют на выручку. Либо заменять несколько факторов, корреляция между которыми с основным анализируемым показателем (выручка) не очень большая, но все же есть, на один комбинированный фактор (в данном случае средний чек), корреляция с основным показателем которого максимальна.

Пример конечно грубоват, но суть отражает.

Что касается меня, то я его не применяю на практике по строгим правилам, не считаю корреляцию, я сразу вижу зависимы между собой величины или нет, достаточно построить график в Excel-е. После этого выбираю для моделирования те показатели, зависимость от которых максимальна, в теории коэффициент корреляции близок к +-1.

В вашем случае, если критерии никак между собой не зависимы, то Вы их исключить и не сможете, т.е. не сможете изначально их уменьшить, чтобы работать с меньшим количеством факторов. Но теоретически Вы сможете найти взаимосвязь между проставляемыми оценками по этим фактором и категорией респондента, если они у Вас дифференцируются. И тогда работать не с полным количеством анкет, а с агрегированными анкетами по категориям респондентов.

Сталкивался, но файла под рукой нет.
Если говорить про Вашу задачу, то вот Вам для начала простой подход.
Есть характеристики, которые как я понимаю оценены от 1 до 7. Найдите по каждой характеристике сумму оценок и отсортируйте по возрастанию. Характеристика с меньшей суммой имеет меньший ранг и меньшую значимость, характеристика с самой максимальной оценкой более высокий ранг.

Вот простой пример, но с оценкой от 1 до 3:
Например есть 5 анкет с оценкой 3-х характеристик от 1 до 3:
Характеристика 1: 1, 2, 2, 1, 1 (всего 5 оценок, потому что 5 анкет)
Характеристика 2: 2, 3, 1, 3, 2 (всего 5 оценок, потому что 5 анкет)
Характеристика 3: 3, 1, 3, 2, 3 (всего 5 оценок, потому что 5 анкет)

Находим сумму оценок:
Характеристика 1: 7
Характеристика 2: 11
Характеристика 3: 12
Понятно, что наиболее значимая характеристика 3, менее значима характеристика 1.

В методе, который предложил Mak$imu$, Вам надо было бы еще разделить на 5.
В методе с весами, вам надо умножить каждую оценку на вес. Веса я Вам привел, после умножения на веса суммировать.

Понятно, что наиболее значимая характеристика 3, менее значима характеристика 1.
Понятнее хоть как-то стало, или я по-прежнему говорю загадками?

PS
Я правда не понимаю тогда Ваши вопросы и Ваш коммент на комментарий Mak$imu$,, когда Вы сказали, что это самое простое и Вы бы не хотели это применять. Из этого я предположил, что Вы достаточно компетентно оценили ответ, чтобы принять решение о том, что Вам такой метод действительно не подойдет.

Из моего примера:
Характеристика один: 1, 2, 2, 1, 1 (всего 5 оценок, потому что 5 анкет)
Характеристика два: 2, 3, 1, 3, 2 (всего 5 оценок, потому что 5 анкет)
Характеристика три: 3, 1, 3, 2, 3 (всего 5 оценок, потому что 5 анкет)

Теперь умножаем каждый показатель на веса, как я показал раньше.
Если 1, то вместо него вставляем 1*exp(1)/(exp(1)+exp(2)+exp(3))
Если 2, то вместо него вставляем 2*exp(2)/(exp(1)+exp(2)+exp(3))
Если 3, то вместо него вставляем 3*exp(3)/(exp(1)+exp(2)+exp(3))

И потом суммируем, получается то, что я предложил, результат сортировки будет абсолютно тот же, но разница в оценках будет отличаться чуть больше. Если все сделали правильно то сумма получится, если нигде не ошибся:)
Характеристика 1: 1,25 или 7 в первом варианте (если брать среднее 1,4)
Характеристика 2: 5,06 или 11 в первом варианте (если брать среднее 2,2)
Характеристика 3: 6,57 или 12 в первом варианте (если брать среднее 2,4)

Видите в чем преимущество средневзвешенного по экспоненте, разница в оценках более сильно ощутима 2 и 3-ей характеристики. А по среднему они почти равны.

По другому, только сделать за Вас, а коллеги не приветствуют такие способы :wink: