Что является результатом оценки: II. Цель оценки и предполагаемое использование результата оценки / КонсультантПлюс

Автор: | 09.09.1980
Нет комментариев

Содержание

Приказ Министерства экономического развития и торговли Российской Федерации (Минэкономразвития России) от 20 июля 2007 г. N 255 г. Москва «Об утверждении федерального стандарта оценки «Цель оценки и виды стоимости (ФСО N 2)»

Зарегистрирован в Минюсте РФ 23 августа 2007 г.

Регистрационный N 10045

В целях реализации положений Федерального закона от 27 июля 2006 г. N 157-ФЗ «О внесении изменений в Федеральный закон «Об оценочной деятельности в Российской Федерации» (Собрание законодательства Российской Федерации, 2006, N 31, ст. 3456), в соответствии с пунктом 5.2.5 Положения о Министерстве экономического развития и торговли Российской Федерации, утвержденного постановлением Правительства Российской Федерации от 27 августа 2004 г. N 443 (Собрание законодательства Российской Федерации, 2004, N36, ст. 3670; 2005, N 22, ст.2121; 2006, N 11, ст. 1182; N 16, ст.1743, ст. 1744; N18, ст. 2005; N 22, ст. 2333; N 32, ст.3569, ст. 3578; 2007, N22, ст. 2642), приказываю:

Утвердить прилагаемый федеральный стандарт оценки «Цель оценки и виды стоимости (ФСО N 2)».

Министр Г. Греф

ФЕДЕРАЛЬНЫЙ СТАНДАРТ ОЦЕНКИ

Цель оценки и виды стоимости (ФСО N 2)

I. Общие положения

1. Настоящий федеральный стандарт оценки разработан с учетом международных стандартов оценки и раскрывает цель оценки, предполагаемое использование результата оценки, а также определение рыночной стоимости и видов стоимости, отличных от рыночной.

2. Настоящий федеральный стандарт оценки является обязательным к применению при осуществлении оценочной деятельности.

II. Цель оценки и предполагаемое использование результата оценки

3. Целью оценки является определение стоимости объекта оценки, вид которой определяется в задании на оценку.

4. Результатом оценки является итоговая величина стоимости объекта оценки. Результат оценки может использоваться при определении сторонами цены для совершения сделки или иных действий с объектом оценки, в том числе при совершении сделок купли-продажи, передаче в аренду или залог, страховании, кредитовании, внесении в уставный (складочный) капитал, для целей налогообложения, при составлении финансовой (бухгалтерской) отчетности, реорганизации и приватизации предприятий, разрешении имущественных споров, принятии управленческих решений и иных случаях.

III. Виды стоимости

5. При использовании понятия стоимости при осуществлении оценочной деятельности указывается конкретный вид стоимости, который определяется предполагаемым использованием результата оценки.

При осуществлении оценочной деятельности используются следующие виды стоимости объекта оценки:

рыночная стоимость;

инвестиционная стоимость;

ликвидационная стоимость;

кадастровая стоимость.

6. При определении рыночной стоимости объекта оценки определяется наиболее вероятная цена, по которой объект оценки может быть отчужден на дату оценки на открытом рынке в условиях конкуренции, когда стороны сделки действуют разумно, располагая всей необходимой информацией, а на величине цены сделки не отражаются какие-либо чрезвычайные обстоятельства, то есть когда:

одна из сторон сделки не обязана отчуждать объект оценки, а другая сторона не обязана принимать исполнение;

стороны сделки хорошо осведомлены о предмете сделки и действуют в своих интересах;

объект оценки представлен на открытом рынке посредством публичной оферты, типичной для аналогичных объектов оценки;

цена сделки представляет собой разумное вознаграждение за объект оценки и принуждения к совершению сделки в отношении сторон сделки с чьей-либо стороны не было;

платеж за объект оценки выражен в денежной форме.

Возможность отчуждения на открытом рынке означает, что объект оценки представлен на открытом рынке посредством публичной оферты, типичной для аналогичных объектов, при этом срок экспозиции объекта на рынке должен быть достаточным для привлечения внимания достаточного числа потенциальных покупателей.

Разумность действий сторон сделки означает, что цена сделки — наибольшая из достижимых по разумным соображениям цен для продавца и наименьшая из достижимых по разумным соображениям цен для покупателя.

Полнота располагаемой информации означает, что стороны сделки в достаточной степени информированы о предмете сделки, действуют, стремясь достичь условий сделки, наилучших с точки зрения каждой из сторон, в соответствии с полным объемом информации о состоянии рынка и объекте оценки, доступным на дату оценки.

Отсутствие чрезвычайных обстоятельств означает, что у каждой из сторон сделки имеются мотивы для совершения сделки, при этом в отношении сторон нет принуждения совершить сделку.

7. Рыночная стоимость определяется оценщиком, в частности, в следующих случаях:

— при изъятии имущества для государственных нужд;

— при определении стоимости размещенных акций общества, приобретаемых обществом по решению общего собрания акционеров или по решению совета директоров (наблюдательного совета) общества;

— при определении стоимости объекта залога, в том числе при ипотеке;

— при определении стоимости неденежных вкладов в уставный (складочный) капитал;

— при определении стоимости имущества должника в ходе процедур банкротства;

— при определении стоимости безвозмездно полученного имущества.

8. При определении инвестиционной стоимости объекта оценки определяется стоимость для конкретного лица или группы лиц при установленных данным лицом (лицами) инвестиционных целях использования объекта оценки.

При определении инвестиционной стоимости, в отличие от определения рыночной стоимости, учет возможности отчуждения по инвестиционной стоимости на открытом рынке не обязателен.

9. При определении ликвидационной стоимости объекта оценки определяется расчетная величина, отражающая наиболее вероятную цену, по которой данный объект оценки может быть отчужден за срок экспозиции объекта оценки, меньший типичного срока экспозиции для рыночных условий, в условиях, когда продавец вынужден совершить сделку по отчуждению имущества.

При определении ликвидационной стоимости, в отличие от определения рыночной стоимости, учитывается влияние чрезвычайных обстоятельств, вынуждающих продавца продавать объект оценки на условиях, не соответствующих рыночным.

10. При определении кадастровой стоимости объекта оценки определяется методами массовой оценки рыночная стоимость, установленная и утвержденная в соответствии с законодательством, регулирующим проведение кадастровой оценки.

Кадастровая стоимость определяется оценщиком, в частности, для целей налогообложения.

Статья 11. Общие требования к содержанию отчета об оценке объекта оценки / КонсультантПлюс

Статья 11. Общие требования к содержанию отчета об оценке объекта оценки

(в ред. Федерального закона от 21.07.2014 N 225-ФЗ)

Итоговым документом, составленным по результатам определения стоимости объекта оценки независимо от вида определенной стоимости, является отчет об оценке объекта оценки (далее также — отчет).

(в ред. Федерального закона от 03.07.2016 N 360-ФЗ)

Отчет составляется на бумажном носителе и (или) в форме электронного документа в соответствии с требованиями федеральных стандартов оценки, нормативных правовых актов уполномоченного федерального органа, осуществляющего функции по нормативно-правовому регулированию оценочной деятельности.

Отчет не должен допускать неоднозначное толкование или вводить в заблуждение. В отчете в обязательном порядке указываются дата проведения оценки объекта оценки, используемые стандарты оценки, цели и задачи проведения оценки объекта оценки, а также иные сведения, необходимые для полного и недвусмысленного толкования результатов проведения оценки объекта оценки, отраженных в отчете.

В отчете должны быть указаны:

дата составления и порядковый номер отчета;

основание для проведения оценщиком оценки объекта оценки;

сведения об оценщике или оценщиках, проводивших оценку, в том числе фамилия, имя и (при наличии) отчество, номер контактного телефона, почтовый адрес, адрес электронной почты оценщика и сведения о членстве оценщика в саморегулируемой организации оценщиков;

(в ред. Федерального закона от 03.07.2016 N 360-ФЗ)

сведения о независимости юридического лица, с которым оценщик заключил трудовой договор, и оценщика в соответствии с требованиями статьи 16 настоящего Федерального закона;

(абзац введен Федеральным законом от 03.07.2016 N 360-ФЗ)

цель оценки;

точное описание объекта оценки, а в отношении объекта оценки, принадлежащего юридическому лицу, — реквизиты юридического лица и при наличии балансовая стоимость данного объекта оценки;

(в ред. Федерального закона от 03.07.2016 N 360-ФЗ)

стандарты оценки для определения стоимости объекта оценки, перечень использованных при проведении оценки объекта оценки данных с указанием источников их получения, принятые при проведении оценки объекта оценки допущения;

(в ред. Федерального закона от 03.07.2016 N 360-ФЗ)

последовательность определения стоимости объекта оценки и ее итоговая величина, ограничения и пределы применения полученного результата;

дата определения стоимости объекта оценки;

перечень документов, используемых оценщиком и устанавливающих количественные и качественные характеристики объекта оценки.

Отчет также может содержать иные сведения, являющиеся, по мнению оценщика, существенно важными для полноты отражения примененного им метода расчета стоимости конкретного объекта оценки.

Для проведения оценки отдельных видов объектов оценки законодательством Российской Федерации могут быть предусмотрены специальные формы отчетов.

Отчет должен быть пронумерован постранично, прошит (за исключением случаев составления отчета в форме электронного документа), подписан оценщиком или оценщиками, которые провели оценку, а также скреплен личной печатью оценщика или оценщиков либо печатью юридического лица, с которым оценщик или оценщики заключили трудовой договор.

Отчет, составленный в форме электронного документа, должен быть подписан усиленной квалифицированной электронной подписью в соответствии с законодательством Российской Федерации.

В случаях, предусмотренных настоящим Федеральным законом, нормативными правовыми актами уполномоченного федерального органа, осуществляющего функции по нормативно-правовому регулированию оценочной деятельности, отчет подлежит опубликованию в порядке, установленном уполномоченным федеральным органом, осуществляющим функции по нормативно-правовому регулированию оценочной деятельности.

Открыть полный текст документа

приглашение на TI не является результатом оценки объёма проделанной работы

Экс-ведущий студии RuHub Дмитрий NotInMyHouse Крупнов высказался о приглашениях талантов на чемпионат The International 10 по Dota 2. Он считает, что Valve не смотрит на то, как много работали кастеры или аналитики в течение года. Своими мыслями Крупнов поделился в интервью CQ.ru.

Людям пора усвоить, что приглашение на The International не является результатом оценки объема проделанной работы в какой-либо сфере. Если у твоей компании проходит корпоратив, то ты зовешь туда не лучшего ведущего 2021 года, а того человека, которого хочешь видеть. Если моей компании нравятся шутки Гарика Харламова, то я зову Гарика Харламова вести свой корпоратив. Также и здесь.

Дмитрий NotInMyHouse Крупнов

Помимо этого, NotInMyHouse высказался о независимых трансляциях TI10 от Ярослава NS Кузнецова и других контент-мейкеров:

Для «Доты», киберспорта и The International это скорее хорошо. Каждая такая трансляция — это уникальный контент, и он будет отличаться от того, что будет на официальном стриме. И в любом случае у каждого есть зрители, которые не смотрели бы Инт на канале Valve. Но они придут на трансляции этих людей. Для меня — не знаю, не имею мнения по вопросу. То, что мы на официальной трансляции можем потерять какой-то процент зрителей, меня не особо волнует.

Дмитрий NotInMyHouse Крупнов

17 сентября Valve опубликовала список талантов, которые получили инвайты на TI10. Освещать чемпионат мира по Dota 2 для русскоязычных зрителей будут Михаил Olsior Зверев, Виктор GodHunt Волков, Даниил Dendi Ишутин, Алексей Solo Березин, Александр XBOCT Дашкевич и другие.

Чемпионат The International 10 пройдёт с 7 по 17 октября в Бухаресте, Румыния. 18 лучших команд мира разыграют призовой фонд в размере 40 миллионов долларов.

Quinn возглавил европейский ладдер Dota 2, GpK~ — третий Сборная России отобралась на IESF World Championship 2021 CEO HellRaisers: мы активно работаем над обновлением состава по Dota 2 Creepwave закрепилась на второй строчке группового этапа D2CL Season 4

Национальная система квалификаций в вопросах и ответах

Будет ли независимая оценка квалификации обязательной?

В 2017 году Минтруд России в информации «Ответы на часто задаваемые вопросы по реализации Федерального закона от 3 июля 2016 г. № 238-ФЗ «О независимой оценке квалификации» (от 21 апреля 2017 г.[1]) изложил позицию о том, что «оценка квалификации является добровольной как для работников, так и для работодателей и не влечет за собой каких-либо обязательных последствий или требований». Эта позиция находила отражение в средствах массовой информации, комментариях специалистов, а также в формирующейся судебной практике по данному вопросу (решение Верховного Суда Российской Федерации от 16 ноября 2017 г. № АКПИ17-733[2]).
Рассмотрим подробнее, в каких случаях НОК носит добровольный характер, а когда наличие свидетельства о квалификации обязательно.
В соответствии со статьей 196 Трудового кодекса Российской Федерации (далее – ТК РФ) необходимость направления работников на прохождение независимой оценки квалификации определяет работодатель.
Направление работников (с их письменного согласия) на прохождение независимой оценки квалификации осуществляются работодателем на условиях и в порядке, которые определяются коллективным договором, соглашением, а также трудовым договором, заключенным между работодателем и работником.
Работодателем определяется перечень необходимых профессий и специальностей для направления работников на прохождение независимой оценки квалификации (с учетом мнения представительного органа работников).
Работники имеют право на прохождение независимой оценки квалификации, которое реализуется путем заключения договора между работником и работодателем (статья 197 ТК РФ).
В случае если в отраслевом (межотраслевом), территориальном или ином соглашении, заключенном сторонами социального партнерства, предусмотрена обязанность работодателей, присоединившихся к соглашению, направлять работников отрасли на прохождение независимой оценки квалификации, а работники обязаны проходить соответствующие экзамены, то работодатели, присоединившиеся к соглашению, должны предусматривать в своих коллективных договорах или локальных нормативных актах такие обязательства (такая практика уже существует, например, в лифтовой отрасли и сфере вертикального транспорта). В этом случае прохождение независимой оценки квалификации является обязательным как для работодателей, так и для работников отрасли.
Так, пунктом 1.12 Федерального тарифного соглашения в лифтовой отрасли и сфере вертикального транспорта на 2019 – 2021 годы[3], заключенного Общероссийским профсоюзом работников жизнеобеспечения с Федерацией лифтовых предприятий, предусмотрено обязательство работодателей осуществлять оценку и присвоение профессиональных квалификаций работников в рамках независимой оценки квалификации. Подпунктом «б» пункта 7.3.2 Отраслевого тарифного соглашения в электроэнергетике Российской Федерации на 2019 — 2021 годы[4] предусмотрено, что работодатели учитывают уровень профессиональной квалификации работников (в том числе подтвержденный свидетельствами о квалификации, выданными центрами оценки квалификации) при установлении им разрядов (ступеней оплаты труда), установлении тарифных ставок (должностных окладов). В соответствии с Отраслевым тарифным соглашением в жилищно-коммунальном хозяйстве Российской Федерации на 2017-2019 годы (его действие продлено до конца 2022 г.) работодатели организуют оценку и присвоение профессиональных квалификаций работников в порядке, установленном Советом по профессиональным квалификациям в жилищно-коммунальном хозяйстве, в соответствии с нормами трудового законодательства и требованиями Федерального закона от 3 июля 2016 г. № 283-ФЗ «О независимой оценке квалификаций» (пункт 1.10). Независимая оценка квалификации работников на их соответствие профессиональным стандартам, обязательным для применения в соответствии с действующим законодательством, согласно пункту 1.11 Соглашения применяется обязательно. В целях снижения количества аварийных ситуаций, повышения уровня квалификации работников, занятых в сфере ЖКХ, работодателям также рекомендуется проведение независимой оценки квалификации работников на их соответствие квалификационным характеристикам, содержащимся в рекомендательных профессиональных стандартах[5].
Кроме того, обязательность прохождения независимой оценки квалификации для работников лифтовой отрасли уже установлена законодательно.
В соответствии с Правилами организации безопасного использования и содержания лифтов, подъемных платформ для инвалидов, пассажирских конвейеров (движущихся пешеходных дорожек) и эскалаторов, за исключением эскалаторов в метрополитенах (утверждены постановлением Правительства Российской Федерации от 24 июня 2017 г. № 743[6]) оценка квалификации работников, осуществляющих деятельность по монтажу, демонтажу, обслуживанию, включая аварийно-техническое обслуживание лифтов, подъемных платформ для инвалидов, движущихся пешеходных дорожек и эскалаторов, осуществляется в соответствии с положениями Федерального закона «О независимой оценке квалификации». Негативные последствия могут наступить для работника (соискателя) в случае, если результаты независимой оценки его квалификации оказались неудовлетворительными. Трудовое законодательство не запрещает работодателю принять решение об отказе в приеме на работу соискателя в случае его недостаточной квалификации. Это может быть подтверждено, например, неудовлетворительным результатом независимой оценки квалификации. Работодатель вправе учитывать результаты независимой оценки квалификации при проведении аттестации работника в соответствии со статьей 81 ТК РФ[7].
В заключение отметим, что в соответствии с Основными направлениями деятельности Правительства Российской Федерации на период до 2024 года, утвержденными Председателем Правительства Российской Федерации Д.А. Медведевым 29 сентября 2018 года[8], развитие института национальной системы квалификаций, в том числе за счет повышения вовлеченности работодателей, является одной из приоритетных мер, направленных на поддержание уровня и обновление структуры занятости населения.
Федеральные органы исполнительной власти активно взаимодействуют с советами по профессиональным квалификациям для решения задач обеспечения отраслей необходимыми кадрами.
Совет по профессиональным квалификациям в жилищно-коммунальном хозяйстве совместно с Министерством строительства Российской Федерации реализуют План мероприятий по формированию отраслевой системы квалификаций в ЖКХ. Советом по профессиональным квалификациям финансового рынка было заключено соглашение о сотрудничестве с Банком России, Росфинмониторингом, Федеральным казначейством, Пенсионным фондом Российской Федерации.
Советом по профессиональным квалификациям финансового рынка заключено соглашение о сотрудничестве с Центральным банком Российской Федерации в целях повышения эффективности функционирования системы профессиональных квалификаций в финансовой сфере Российской Федерации. Банком России проводится работа по внесению изменений в нормативные акты Банка России в целях их приведения в соответствие с Федеральным законом № 238-ФЗ [9].В целях обеспечения перехода к системе независимой оценки квалификации специалистов финансового рынка Федеральная служба по финансовому мониторингу и Совет по профессиональным квалификациям финансового (СПКФР) рынка подписали Дорожную карту внедрения системы независимой оценки квалификации в сфере противодействия отмыванию денег, финансированию терроризма и финансированию распространения оружия массового уничтожения (ПОД/ФТ/ФРОМУ). 
Во исполнение пункта 2.5 Плана мероприятий (Дорожной карты) по развитию национальной системы квалификаций в Российской Федерации на период до 2024 года (одобрена Национальным советом при Президенте Российской Федерации по профессиональным квалификациям 19 октября 2018 г., протокол № 30[10]) до 2021 года планируется внести изменения в нормативные правовые акты, регулирующие порядок допуска к профессиональной деятельности, связанной с повышенными рисками, предусматривающие применение профессиональных стандартов и результатов независимой оценки квалификаций.Механизм независимой оценки квалификации будет с каждым годом охватывать все большее число видов профессиональной деятельности, а вопрос об обязательности его применения будет решаться адресно с учетом приоритетных задач развития экономики страны и обеспечения безопасности граждан.
[1] Информация Минтруда России от 21.04.2017 «Ответы на часто задаваемые вопросы по реализации Федерального закона от 3 июля 2016 г. N 238-ФЗ «О независимой оценке квалификации» [2] Решение Верховного Суда РФ от 16.11.2017 N АКПИ17-733 <Об отказе в удовлетворении заявления о признании недействующими Приказа Минэкономразвития России от 29.05.2017 N 257 и пунктов 13 и 14 утвержденного им Порядка формирования перечня экзаменационных вопросов для проведения квалификационного экзамена в области оценочной деятельности> [3] «Федеральное тарифное соглашение в лифтовой отрасли и сфере вертикального транспорта на 2019 — 2021 годы» (утв. Общероссийским профсоюзом работников жизнеобеспечения, Союзом «Общероссийское отраслевое объединение работодателей лифтовой отрасли, подъемных сооружений и вертикального транспорта «Федерация лифтовых предприятий» 18.10.2018)[4] «Отраслевое тарифное соглашение в электроэнергетике Российской Федерации на 2019 — 2021 годы» (утв. Общероссийским отраслевым объединением работодателей электроэнергетики «Энергетическая работодательская ассоциация России», Общественной организацией «Всероссийский Электропрофсоюз» 21.12.2018) [5] «Дополнительное соглашение к Отраслевому тарифному соглашению в жилищно-коммунальном хозяйстве Российской Федерации на 2017 — 2019 годы» (утв. Общероссийским отраслевым объединением работодателей «Союз коммунальных предприятий», Общероссийским профсоюзом работников жизнеобеспечения 07.12.2018) [6] Постановление Правительства РФ от 24.06.2017 N 743 (ред. от 22.12.2018) «Об организации безопасного использования и содержания лифтов, подъемных платформ для инвалидов, пассажирских конвейеров (движущихся пешеходных дорожек), эскалаторов, за исключением эскалаторов в метрополитенах» (вместе с «Правилами организации безопасного использования и содержания лифтов, подъемных платформ для инвалидов, пассажирских конвейеров (движущихся пешеходных дорожек) и эскалаторов, за исключением эскалаторов в метрополитенах») {КонсультантПлюс}[7] Вопрос: …Правомерно ли отказать в трудоустройстве соискателю в случае неудовлетворительного результата независимой оценки квалификации или при отказе от ее прохождения? (Консультация эксперта, Минтруд России, 2018) [8] «Основные направления деятельности Правительства Российской Федерации на период до 2024 года» (утв. Правительством РФ 29.09.2018) [9] письмо Центрального банка Российской Федерации от 3 июня 2019 г. № ИН-06-61/47 [10] «План мероприятий (дорожная карта) по развитию национальной системы квалификаций в Российской Федерации на период до 2024 года» (Одобрен Национальным советом при Президенте РФ по профессиональным квалификациям (Протокол от 19.10.2018 N 30) 

Что такое z-оценка? Что такое p-значение?—Справка

Большинство статистических тестов начинаются с определения нулевой гипотезы. Нулевая гипотеза для инструментов анализа структурных закономерностей (Группа инструментов Анализ структурных закономерностей и Список кластеров) – это полная пространственная хаотичность (ППХ) или самих объектов или значений, связанных с ними. Z-оценки и p-значения, полученные в результате анализа структурных закономерностей, свидетельствуют о том, можно ли отклонить нулевую гипотезу или нет. Как правило, вы запускаете один из инструментов анализа структурных закономерностей, предполагая, что z-оценка и р-значение будут свидетельствовать о возможном опровержении нулевой гипотезы. Это будет говорить о том, что ваши объекты или значения, связанные с ними, проявляют статистически значимую кластеризацию или дисперсию. Всякий раз, когда вы видите пространственную структуру, такую как кластеризация ландшафта (или пространственных данных), вы видите доказательства работы некоторых основных пространственных процессов, и, как географа или ГИС-аналитика, это может интересовать вас больше всего.

p-значение – это вероятность. Для анализа структурных закономерностей, это вероятность того, что наблюдаемые пространственные закономерности были созданы некоторым случайным процессом. Когда p-значение является очень маленьким, это означает, что это очень маловероятно (маленькая вероятность), что наблюдаемые пространственные закономерности – результат случайных процессов, таким образом, можно отклонить нулевую гипотезу. Вы можете задать вопрос: насколько маленький объект в действительности мал? Хороший вопрос. Смотрите таблицу и обсуждения ниже.

Z-оценки являются стандартными отклонениями. Если, например, инструмент возвращает z-оценку +2.5, вы сказали бы, что результат – это 2.5 стандартных отклонений. И z-оценки, и p-значения связаны со стандартным нормальным распределением, как показано ниже.

Очень высокие или очень низкие (отрицательные) z-оценки, связанные с очень маленькими p-значениями, располагаются в хвостах нормального распределения. Когда Вы запускаете инструмент анализа структурных закономерностей, и он приводит к маленьким p-значениями или очень высоким или очень низким z-оценкам, это указывает, что маловероятно, что наблюдаемая пространственная модель отражает теоретическую случайную структурную закономерность, представленную Вашей нулевой гипотезой.

Чтобы отклонить нулевую гипотезу, Вы должны сделать субъективное суждение относительно уровня риска, который вы готовы принять для того, чтобы ошибиться (для того, чтобы ложно отклонить нулевую гипотезу). Следовательно, прежде чем вы запустите пространственный статистический процесс, вы выбираете доверительный уровень. Типичные доверительные уровни 90, 95, или 99 процентов. Доверительный уровень 99 процентов был бы самым консервативным в этом случае, указывая, что вы не желаете отклонить нулевую гипотезу до тех пор, пока вероятность, что модель была создана случайным процессом, не является действительно маленькой (меньше чем 1-процентная вероятность).

Доверительные уровни

В таблице ниже показаны некорректированные критические p-значения и z-оценки для различных доверительных уровней.

Примечание:

Инструменты, которые позволяют применять FDR, будут использовать корректированные критические p-значения. Эти критические значения будут такими же или меньше, чем показанные в таблице ниже.

z-оценка (Стандартные отклонения)p-значения (Вероятность)Доверительный уровень

< -1,65 или > +1,65

< 0,10

90%

< -1,96 или > +1,96

< 0,05

95%

< -2,58 или > +2,58

< 0,01

99%

Рассмотрим пример. Критические значения z-оценки, используя 95-процентный доверительный уровень являются-1.96 и +1.96 стандартными отклонениями. Нескорректированное p-значение, связанное с 95-процентным доверительным уровнем, равно 0.05. Если z-оценка находится между -1.96 и +1.96, то нескорректированное p-значение будет больше чем 0.05, и вы не сможете отклонить нулевую гипотезу, поскольку показанная модель может, вероятно, быть результатом случайных пространственных процессов. Если z-оценка падает вне того диапазона (например,-2.5 или +5.4 стандартных отклонений), наблюдаемая пространственная модель, вероятно, слишком необычная, чтобы быть результатом случайного процесса, и p-значения будут маленькими, чтобы отклонить это. В этом случае возможно отклонить нулевую гипотезу и возобновить выяснение, что могло бы вызывать статистически существенную пространственную структуру в ваших данных.

Ключевая идея здесь состоит в том, что значения в середине нормального распределения (z-оценки такие как 0.19 или-1.2, например), представляют ожидаемый результат. Когда абсолютное значение z-оценки является большим, и вероятности являются маленькими (в хвостах нормального распределения), однако, вы видите что-то необычное и вообще очень интересное. Для инструмента Анализ горячих точек например, «необычный» означает статистически существенную «горячую» или «холодную» точку.

Коррекция FDR

Инструменты анализа локальных пространственных закономерностей, включая Анализ горячих точек и Анализ кластеров и выбросов (Anselin Локальный индекс Морана I) предлагают дополнительный параметр Применить коррекцию FDR. Когда этот параметр включен, Коррекция FDR снижает критический порог p-значения, показанный в таблице выше, чтобы использовать во множественном тестировании и в пространственной зависимости. Уменьшение, если происходит, является функцией числа входных объектов и используемой структуры окружения.

Инструменты анализа локальных пространственных закономерностей работают, рассматривая каждый объект в контексте окружающих объектов, и определяют, отличается ли локальная закономерность (целевой объект и его окружение) от глобальной (все объекты набора данных). Результаты вычислений z-оценки и p-значения, связанные с каждым объектом, позволяют определить, является ли различие статистически значимым или нет. Этот аналитический подход создает определенные сложности при множественном тестировании и изучении зависимостей.

Множественное тестирование – с уровнем достоверности 95 процентов, теория вероятности говорит о том, что существует только 5 шансов из 100, что пространственная закономерность может быть структурированной (кластеризованной или дисперсионной, например) и может быть связана со статистически значимым p-значением, когда на самом деле, пространственные процессы, создающие эту закономерность, являются случайными. В этом случае мы неверно отвергаем нулевую гипотезу, основываясь на статистически значимых p-значениях. Пять шансов из 100 выглядят достаточно убедительно, пока вы не поймете, что локальная пространственная статистика выполняет тест каждого объекта в наборе данных. Например, если имеется 10000 объектов, мы может получить до 500 ошибочных результатов.

Пространственная зависимость – близко расположенные объекты имеют тенденцию к сходности; они чаще, чем не пространственные данные, демонстрируют такой тип зависимости. Тем не менее, для многих статистических тестов необходимо, чтобы объекты были независимыми. Это необходимо для инструментов анализа локальных закономерностей потому, что пространственная зависимость может искусственно сглаживать статистическую значимость. Пространственная зависимость усугубляется инструментами локального анализа закономерностей, поскольку каждый объект оценивается в контексте его соседства, и близко расположенные объекты будут иметь множество одинаковых соседств. Такое совпадение подчеркивает пространственную зависимость.

Для обработки проблем, возникающих с множественным тестом и пространственными зависимостями, используются как минимум три 3 подхода. Первый подход – это игнорировать проблему, учитывая то, что отдельный тест, выполненный для каждого объекта набора данных, должен рассматриваться отдельно от других. Однако при этом подходе, весьма вероятно, что некоторые статистически значимые результаты будут неверны (выглядеть статистически значимыми при случайном характере базовых пространственных процессов). Второй подход состоит в применении классической процедуры множественного тестирования, например поправки Бонферрони или коррекции Сидак. Однако эти методы обычно слишком консервативны. Хотя они значительно снижают число ложноположительных результатов, они также пропускают имеющиеся статистически значимые результаты. Третий подход состоит в применении коррекции FDR, которая оценивает число ложноположительных результатов для данного уровня достоверности и соответственно корректирует критическое p-значение. При этом способе статистически значимые p-значения ранжируются от наименьших (самых строгих) до наибольших(наименее строгих), на основе оценки ложноположительных результатов, наименее строгие убираются из списка. Оставшиеся объекты со статистически значимыми p-значениями определяются по полям Gi_Bin или COType в выходном классе объектов. Не будучи идеальным, этот метод, как показывают эмпирические тесты, показывает лучшие результаты, чем выполнение каждого теста по-отдельности или применение традиционных, часто излишне консервативных, методов множественного теста. В разделе дополнительных ресурсов можно найти более подробные сведения о коррекции FDR.

Нулевая гипотеза и пространственная статистика

Некоторые инструменты статистики в наборе инструментов пространственной статистики представляют собой логически выведенные методы пространственного анализа структурных закономерностей, например, Пространственная автокорреляция (Global Moran’s I), Анализ кластеров и выбросов (Anselin Local Moran’s I) и Анализ горячих точек (Getis-Ord Gi*). Логически выведенные статистические показатели обоснованы в теории вероятности. Вероятность – мера случайности, и лежащие в основе все статистические тесты (любой прямо или косвенно) – вычисления вероятностей, которые оценивают роль случая на результат вашего анализа. Как правило, с традиционными (не пространственными) статистическими показателями, вы работаете со случайной выборкой и пытаетесь определить вероятность, что ваша выборка данных – хорошее представление (рефлексивно) населения в целом. Как пример, вы могли бы спросить, «Каковы шансы, что результаты моего опроса избирателей (показывающие, что кандидат А слегка превзойдет кандидата Б) отразят заключительные результаты выборов?» Но в большинстве случаев работая с пространственными статистическими показателями, включая упомянутую выше пространственную автокорреляцию, как правило, вы используете все данные, которые доступны в области исследования (все преступления, все случаи болезни, атрибуты для каждого переписного участка, и так далее). Когда вы вычисляете статистическую величину для всего населения, у вас больше нет оценки вообще. Перед вами факт. Следовательно, более нет никакого смысла говорить о подобии или вероятностях. Таким образом, как могут инструменты анализа пространственных структурных закономерностей, часто применяемые ко всем данным в области исследования, законно сообщить о вероятностях? Ответ – то, что они могут сделать это, постулируя через нулевую гипотезу, что данные, фактически, являются частью некоторого более многочисленного населения. Рассмотрим это более подробно.

Рандомизация нулевой гипотезы – где необходимо, инструменты из набора инструментов пространственной статистики используют рандомизацию нулевой гипотезы в качестве основы для теста статистической значимости. Рандомизация нулевой гипотезы постулирует, что наблюдаемая пространственная модель ваших данных представляет одну из многих (n!) возможных пространственных организаций данных. Если бы вы могли собрать значения данных и бросить их на объекты в вашей области исследования, у вас было бы одно возможное пространственное расположение этих значений. (Отметьте, что собирание ваших значений данных и их произвольных бросок являются примером случайного пространственного процесса). Рандомизация нулевой гипотезы утверждает, что, если бы Вы могли сделать это упражнение (собрать их и бросить) бесконечное количество раз, в большинстве случаев вы бы создали структуру, которая не будет заметно отличаться от наблюдаемой структуры (ваши реальные данные). Иногда вы могли бы случайно бросить все самые высокие значения в один и тот же угол вашей области исследования, но вероятность такого исхода является маленькой. Рандомизация нулевой гипотезы утверждает, что ваши данные – одна из многих, многих, многих возможных версий полной пространственной хаотичности. Значения данных фиксированы; могла измениться только их пространственная организация.

Нормализация нулевой гипотезы – общая альтернативная нулевая гипотеза, не реализованная для набора инструментов пространственной статистики, является нормализацией нулевой гипотезы. Нормализация Нулевой гипотезы постулирует, что наблюдаемые величины получены из бесконечно большого, нормально распределенного населения посредством некоторого случайного процесса осуществления выборки. С разной выборкой, вы получили бы различные значения, но вы будете все еще ожидать, что те значения будут представительны для большего распределения. Нормализация нулевой гипотезы утверждает, что значения представляют одну из многих возможных выборок значений. Если вы могли бы привести свои наблюдаемые данные к нормальной кривой и хаотично выбирать значения из того распределения, чтобы бросить их на вашу область исследования, большую часть раз вы произведете модель и распределение значений, которые заметно не отличались бы от наблюдаемого образца/распределения (ваши реальные данные). Нормализация нулевой гипотезы утверждает, что ваши данные и их организация – одна из многих, многих, многих возможных случайных выборок. Ни значения данных, ни их пространственное расположение не установлены. Нормализация нулевой гипотезы является только соответствующей, когда значения данных нормально распределены.

Дополнительные источники

  • Ebdon, David. Statistics in Geography. Blackwell, 1985.
  • Mitchell, Andy. The ESRI Guide to GIS Analysis, Volume 2. ESRI Press, 2005.
  • Goodchild, Michael F. Spatial Autocorrelation. Catmog 47, Geo Books, 1986
  • Caldas de Castro, Marcia, and Burton H. Singer. «Controlling the False Discovery Rate: A New Application to Account for Multiple and Dependent Test in Local Statistics of Spatial Association.» Geographical Analysis 38, pp 180-208, 2006.

Связанные разделы

Вычисление среднего значения ряда чисел

Для этой задачи используются функции СУММПРОИВ ИСУММ. В этом примере вычисляется средняя цена за единицу для трех покупок, при которой каждая покупка приобретает различное количество единиц по разной цене.

Скопируйте приведенную ниже таблицу на пустой лист.

A

B

Цена за единицу

Количество единиц

20

500

25

750

35

200

Формула

Описание (результат)

=СУММПРОИВЕД(A2:A4;B2:B4)/СУММ(B2:B4)

Делит общую стоимость всех трех заказов на общее количество заказаных единиц (24,66).

Анализ рисков — Palisade Corporation

Анализ рисков представляет собой систематическое использование доступной информации для оценки частоты наступления конкретных событий и масштабов их последствий.

Обычно риски определяются как негативные события — например, убытки в венчурном предприятии или буря, которая приводит к крупным страховым убыткам. Однако анализ рисков дает шанс выявить потенциальные позитивные последствия. Благодаря исследованию всего пространства возможных последствий в каждой конкретной ситуации эффективный анализ рисков позволяет обнаружить проблемы и оценить перспективы.

Анализ рисков может проводиться на качественном или количественном уровне. Качественный анализ рисков, как правило, включает инстинктивную, внутреннюю оценку ситуации. Для него характерны такие утверждения: «это слишком рискованно», «возможно, это позволит получить высокую прибыль» и т. п. При количественном анализе рискам пытаются присвоить числовые значения либо за счет использования эмпирических данных, либо путем определения количественных характеристик, присущих качественным оценкам. Мы рассмотрим количественный анализ рисков.

Количественный анализ рисков можно проводить несколькими способами. В рамках одного из подходов, который по сути является детерминистским, используются точечные оценки. Используя этот метод, аналитик может присваивать отдельным сценариям разные значения — это позволяет увидеть, какими могут быть результаты в каждом конкретном случае. Например, в финансовой модели аналитик обычно изучает три результата: наихудший, наилучший и наиболее вероятный. Каждый из них определяется следующим образом:

Наихудший сценарий. Все расходы имеют максимально высокое, а доходы от продаж — самое низкое значение из всех возможных прогнозов. Результатом становятся убытки.

Наилучший сценарий. Все расходы имеют максимально низкое, а доходы от продаж — самое высокое значение из всех возможных прогнозов. Результатом становится крупная прибыль.

Наиболее вероятный сценарий. Значения выбирают из средних показателей расходов и доходов, а результатом становится умеренная прибыль.

С этим подходом связано несколько проблем:

  • применяющие его аналитики рассматривают лишь несколько конкретных результатов, игнорируя сотни и тысячи других;
  • все результаты имеют одинаковый вес, то есть не предпринимается попыток оценить вероятность получения каждого результата;
  • взаимозависимость между исходными данными, воздействие различных исходных данных на результаты и другие нюансы игнорируются, что приводит к чрезмерному упрощению модели и снижению ее достоверности.

И все же, несмотря на недостатки и неточности, многие организации используют именно такой подход к проведению анализа.


Наилучший способ проведения количественного анализа рисков — применение моделировании по методу Монте-Карло. При моделировании по методу Монте-Карло неопределенные исходные параметры модели представляются в виде диапазонов возможных значений, известных как распределения вероятностей. При использовании распределений вероятностей переменные могут иметь разные вероятности наступления разных последствий. Распределения вероятностей представляют собой гораздо более реалистичный способ описания неопределенности переменных в процессе анализа риска. Ниже перечислены наиболее распространенные распределения вероятностей.

Нормальное распределение (или «гауссова кривая»). Чтобы описать отклонение от среднего, пользователь определяет среднее или ожидаемое значение и стандартное отклонение. Значения, находящиеся посредине, рядом со средним, характеризуются наиболее высокой вероятностью. Нормальное распределение симметрично и описывает множество обычных явлений — например, рост людей. К примерам переменных, которые описываются нормальными распределениями, относятся темпы инфляции и цены на энергоносители.

Логнормальное распределение. Значения имеют положительную асимметрию и в отличие от нормального распределения несимметричны. Такое распределение используется для отражения величин, которые не опускаются ниже нуля, но могут принимать неограниченные положительные значения. Примеры переменных, описываемых логнормальными распределениями, включают стоимость недвижимого имущества, цены на акции и нефтяные запасы.

Равномерное распределение. Все величины могут с равной вероятностью принимать то или иное значение, пользователь просто определяет минимум и максимум. К примерам переменных, которые могут иметь равномерное распределение, относятся производственные издержки или доходы от будущих продаж нового продукта.

Треугольное распределение. Пользователь определяет минимальное, наиболее вероятное и максимальное значения. Наибольшую вероятность имеют значения, расположенные возле точки максимальной вероятности. В число переменных, которые могут быть описаны треугольным распределением, входят продажи за минувший период в единицу времени и уровни запасов материальных оборотных средств.

PERT-распределение. Пользователь определяет минимальное, наиболее вероятное и максимальное значения — так же, как при треугольном распределении. Наибольшую вероятность имеют значения, расположенные возле точки максимальной вероятности. Однако величины в диапазоне между наиболее вероятным и предельными значениями проявляются с большей вероятностью, чем при треугольном распределении, то есть отсутствует акцент на предельных значениях. Пример использования PERT-распределения — описание продолжительности выполнения задачи в рамках модели управления проектом.

Дискретное распределение. Пользователь определяет конкретные значения из числа возможных, а также вероятность получения каждого из них. Примером может служить результат судебного процесса: 20% вероятность положительного решения, 30% вероятность отрицательного решения, 40% вероятность соглашения сторон и 10% вероятность аннулирования судебного процесса.

При моделировании по методу Монте-Карло значения выбираются случайным образом из исходных распределений вероятности. Каждая выборка значений называется итерацией; полученный из выборки результат фиксируется. В ходе моделирования такая процедура выполняется сотни или тысячи раз, а итогом этой работы становится распределение вероятностей возможных последствий. Таким образом, моделирование по методу Монте-Карло дает гораздо более полное представление о возможных событиях. Оно позволяет судить не только о том, что может произойти, но и о том, какова вероятность такого исхода.

Моделирование по методу Монте-Карло имеет ряд преимуществ по сравнению с детерминистским анализом:

  • Вероятностные результаты. Результаты демонстрируют не только возможные события, но и вероятность их наступления.
  • Графическое представление результатов. Характер данных, получаемых при использовании метода Монте-Карло, позволяет создавать графики различных последствий, а также вероятностей их наступления. Это важно при передаче результатов другим заинтересованным лицам.
  • Анализ чувствительности. За редким исключением детерминистский анализ затрудняет определение того, какая из переменных в наибольшей степени влияет на результаты. При проведении моделирования по методу Монте-Карло несложно увидеть, какие исходные данные оказывают наибольшее воздействие на конечные результаты.
  • Анализ сценариев. В детерминистских моделях очень сложно моделировать различные сочетания величин для различных исходных значений, и, следовательно, оценить воздействие по-настоящему отличающихся сценариев. Применяя метод Монте-Карло, аналитики могут точно определить, какие исходные данные приводят к тем или иным значениям, и проследить наступление определенных последствий. Это очень важно для проведения дальнейшего анализа.
  • Корреляция исходных данных. Метод Монте-Карло позволяет моделировать взаимозависимые отношения между исходными переменными. Для получения достоверных сведений необходимо представлять себе, в каких случаях при увеличении некоторых факторов соответствующим образом возрастают или снижаются другие.


Модель электронных таблиц представляет собой наиболее распространенную платформу для проведения количественного анализа рисков. Многие специалисты по-прежнему используют детерминистский анализ рисков в моделях на базе электронных таблиц, в то время как могли бы проводить моделирование по методу Монте-Карло с помощью инструмента @RISK в Excel. @RISK добавляет в Excel новые функции, которые позволяют получать распределения вероятностей и проводить анализ результатов. @RISK доступен и для Microsoft Project — с его помощью вы сможете проводить оценку рисков в графиках проектных работ и бюджетах.

Посмотреть, как работает @RISK
» Узнать больше о @RISK
» Узнать больше о моделировании по методу Монте-Карло

Анализ результатов оценивания — Академические программы и планирование

Анализ результатов оценивания и представление отчетов

Ценность плана оценки для департамента заключается в доказательствах, которые он предлагает об общих сильных и слабых сторонах департамента или программы, а также в доказательствах, которые он предоставляет для изменений (Wright, 1991). Ключевыми факторами в достижении реальной ценности всей вашей работы является максимально эффективное использование собранной вами информации с помощью эффективных методов анализа и интерпретации.

Лучшие способы анализа и интерпретации оценочной информации

  • Представьте данные в отношении определенных целей и задач программы
  • Используйте качественные и количественные методы, чтобы представить сбалансированную картину целей оценки и основных вопросов
  • Измените свои процедуры анализа и отчетности в соответствии с идентифицированной аудиторией (аккредиторы, отчет о кампусе и т. Д.)
  • Разработать рекомендации на основе анализа данных и использования установленных целей в качестве основы для выполнения предлагаемых изменений

Подумайте, в какой степени ваши выводы могут помочь вам ответить на следующие вопросы:

  • Что данные говорят об овладении учащимися предметом, исследовательскими навыками или письмом?
  • Что это говорит о соответствии ожиданиям эталонных тестов?
  • Что говорят данные о подготовке ваших учеников к следующему шагу в карьере?
  • Выпускники вашей программы получают хорошую работу, принимаются ли в престижные аспирантуры?
  • Есть ли области, в которых ваши ученики выделяются?
  • Видите ли вы слабые места в каких-либо конкретных навыках, например в навыках исследования или критического мышления?

Это важные вопросы как для преподавателей, так и для администраторов, студентов и внешней аудитории.Если ваша оценочная информация может пролить свет на эти вопросы, ценность ваших усилий станет еще более очевидной.

Помните, что данные часто могут вводить в заблуждение и даже угрожать, когда используются для целей, отличных от изначально запланированных и согласованных. Например, данные, собранные в результате оценки успеваемости студентов в рамках окончательного курса, следует использовать для определения сильных и слабых сторон обучения студентов «на протяжении всего опыта студентов по основной специальности».Таким образом, данные могут служить ориентиром для модификаций учебных программ и педагогических стратегий факультетов. Данные НЕ должны использоваться для оценки работы преподавателя курса Capstone.

Подготовка эффективных планов оценки и отчетов

По сути, ваш отчет должен содержать достаточно информации, чтобы ответить на пять основных вопросов:

  • Что ты делал?
  • Зачем ты это сделал?
  • Что вы нашли?
  • Как вы это будете использовать?
  • Как вы оцениваете саму оценку?

Формат планов и отчетов оценки

Комплексный план оценки программы и отчет могут быть такими же простыми, как представление департаментам основных результатов, или это может быть подробный отчет проректору по оценке результатов обучения в программе.Реальность такова, что программа редко преследует только одну цель проведения оценки. Следовательно, вы можете захотеть разработать отчеты, специально предназначенные для целевой аудитории.

Официальные отчеты

Если вы решили подготовить официальный отчет об оценке, ваш отчет должен быть адресован каждой из идентифицированных аудиторий и может содержать некоторые или все из следующего:

  • Краткое описание того, почему была проведена оценка
  • Краткое описание основных направлений, целей, задач и предполагаемых результатов обучения
  • Объяснение того, как был проведен анализ и какая методология использовалась
  • Презентация основных выводов
  • Обсуждение того, как результаты используются для улучшения программы
  • Оценка самого плана / процесса оценки
  • План следующих шагов (программных, учебных и связанных с оценкой)
  • Приложение, содержащее матрицу анализа учебной программы, соответствующие задания и результаты, методы сбора данных и другую информацию или материалы, в зависимости от ситуации

Оценочные отчеты не обязательно должны быть страницами и страницами текста и графиков, чтобы быть эффективными.Вы можете подготовить отчет, в котором кратко и сжато изложены результаты вашей программы оценки. Выделив основные моменты и важные результаты, вы можете кратко передать, что вы пытались достичь, что вы сделали и чего не достигли, и какие изменения вы в результате внесете.

Адаптировано из:
Обзор и оценка на основе ПРОГРАММЫ

Инструменты и методы для улучшения программы
Массачусетский университет, Амхерст

Отчетность и использование результатов оценки

Основная цель оценивания — использовать результаты для внесения программных изменений, которые улучшают обучение / развитие студентов.Этот процесс улучшения обучения требует от практикующих

    1. содержательно оценивать обучение / развитие учащихся,
    2. эффективно вмешиваются с помощью теоретического программирования, а
    3. переоценить, чтобы убедиться в лучшем обучении / развитии.

Эта модель оценивать, вмешиваться, переоценивать модель называется простой моделью улучшения обучения. Для получения дополнительной информации о простой модели щелкните здесь.

Оценка
Важно собрать данные до того, как будет проведено новое вмешательство.Эти данные служат отправной точкой, с которой можно сравнивать успеваемость будущих студентов. Без этого сравнения мы не можем сказать, что какие-либо изменения в знаниях / навыках / поведении учащихся связаны с программой.

Intervene
Самая важная часть простой модели — это провести теоретически основанное вмешательство . Этот шаг часто упускают из виду в спешке по сбору и анализу данных, но важно помнить: мусор на входе, мусор на выходе. Оценка слабых программ без теоретической / эмпирической поддержки редко дает информацию, которую можно легко использовать для улучшения.Таким образом, на разработку вмешательства следует потратить столько же времени, сколько на оценку его воздействия.

Повторная оценка
Беглый взгляд на приведенный выше цикл оценки показывает «использование результатов» в качестве последнего шага. Понятно, что на этом практикующие часто останавливаются — они собирают, анализируют и интерпретируют свои данные, а затем вносят соответствующие логические изменения в свои программы. Но здесь упускается важный шаг. Если практикующие специалисты не проведут повторную оценку после внедрения программного изменения, они не могут сказать, что это изменение программы было улучшением.Другими словами, оценочная работа не будет завершена, пока мы не соберем доказательства того, что изменение программы на самом деле улучшило обучение / развитие учащихся.

Для получения дополнительной информации об улучшении обучения в JMU щелкните здесь.

оценка результат в предложении

Эти примеры взяты из корпусов и из источников в Интернете. Любые мнения в примерах не отражают мнение редакторов Cambridge Dictionary, Cambridge University Press или его лицензиаров.

Если поле оценка приведет к несоответствию , пациент будет доставлен в отделение неотложной помощи.

Из

Википедия