如果生搬硬套一个模型,而没有注意模型适用前提的话,可能得到一个完全错误的结果。
很多时候,即便踏踏实实的做了很多苦力活。但是没有前提的描述容易让人认为你是编数据,是在造假。
Dematel-ISM联用模型是经管类文章,尤其是管理类中经常用到的一个模型。截止2021年,很多人找我来计算,发现没有一个算对的。
他们总是会拿着以前一些发表的论文给我看。有部分人甚至直接往我的邮箱里塞。这些人每给一篇,就不由的感叹一次。原来凭着大概的印象是这类论文的错误率大概在90%左右。而根据统计的结果得出的结论是,所有的论文都是错的,即错误率居然是100%。而且这些论文还基本都是目测可见的错误,部分错误甚至是初中生都不应该犯的。本文将这些论文放出,并指出其哪些是目测可见的低级错误。
上面是一些错误的例子。
上面是常见的使用步骤。
上面的流程图可以用如下方式
其中综合影响矩阵T到关系矩阵A是很核心的一步。即截距 的取值。
这步就可以由统计性的方法获得。大部分人完全没有提及这步是怎么来的。
上面讲了熵权法计算注意事项。其中分析指标的性质,即属于正向指标,还是逆向指标是重中之重。
这种分析也属于描述性的。
这步如果缺失,那得到的结果可能完全错误。
上面是指标。
上面就没有分析每个指标的数值越大越好,还是数值越小越好。
上面直接得出结果,显然是瞎掰的。继续算下去就是胡说八道了。
这样不区分指标的属性,没有先归一化,得到的结论很可能是及其荒谬的。
类似美国抗疫是世界第一,比中国牛逼得多。因为美国每天有人感染,有人死亡,而中国压根就没有什么感染了。
上面是一个由调查访问开始,从相关性统计处理,到因果性的分析,衔接而成的一篇论文。
论文的描述性统计就解释了14个要素。
接着把数据丢到统计软件里面分析。
运用Stata 16.0对数据进行Probit分析,并采用Logit 回归结果与之相比较进行稳健性检验,结果显示基本 一致。如表2所示。 运用Probit和Logit得到的回归结果基本一致,证 明结果稳健性较好,R2 拟合优度较高,证明数据有较 强说服力。小农户农业年收入、学历层次、农业收入 占比、健康状况、认知能力、邻里效应、合作社、政 策补贴、技术培训对小农户采纳生态农业意愿产生正 向影响,户主年龄对小农户采纳生态农业行为产生负 向影响。
上面就得到了10个紧密相关的关键要素。
接着作者在另外一个软件平台上计算因果性。
得到了如上的结果图。并对这个结果,进行更深层次的描述。