«А.С.Автономов, Н.Л.Хананашвили ОЦЕНКА В СОЦИАЛЬНОМ ПРОЕКТИРОВАНИИ Москва 2010 2 А.С.Автономов, Н.Л.Хананашвили. Оценка в социальном проектировании. Методическое пособие./ Под общей редакцией А.С.Автономова. М.: ...»

У глубинных интервью нет жёсткой структуры, в отличие, к примеру, от различных количественных опросов, в ходе которых одни и те же вопросы задаются всем респондентам. Обычно глубинные интервью начинаются с общих вопросов, с переходом на более целенаправленные. Часто используется так называемый «многоступенчатый анализ», когда интервьюер сначала задает вопросы, связанные с внешними объектами и социальными явлениями и процессами, а затем переходит к вопросам о личном отношении и мнении респондента. Также в ходе глубинного интервью может использоваться метод «выявления скрытых проблем», когда интервьюер концентрируется на личных переживаниях респондента, и метод «символического анализа», в ходе которого респонденту задаются вопросы не о тех предметах и явлениях, исследование которых проводится, а о противоположных им.

Экспертные интервью. Экспертное интервью – одна из разновидностей глубинного интервью, его главной особенностью является статус и компетентность респондента, который выступает опытным участником оцениваемого проекта. Экспертное интервью, как и любое глубинное интервью, предполагает получение от респондентов развернутых ответов.

Под экспертами понимаются специалисты, которым известны специфические стороны изучаемого явления, сферы, в рамках которой реализуется (или планируется реализовать) проект. В большинстве случаев экспертные интервью проводятся с представителями органов исполнительной и законодательной власти, учеными, работниками вузов и научно-исследовательских организаций, сотрудниками негосударственных организаций, частных экспертных или консультационных структур, членами экспертных советов, главами компаний или руководителями крупных подразделений и т. п.

Для проведения опроса интервьюер должен обладать достаточной компетентностью в изучаемом предмете, а также знать терминологию, используемую профессионалами при обсуждении вопросов по теме исследования. В экспертных интервью важен не столько сам респондент, а его экспертные знания в той или иной области. Важно, чтобы во время интервью респондент не излагал информацию о себе и не рассказывал о собственных знаниях, а давал именно экспертную оценку.

Конечно, сильной стороной экспертных интервью является получение мнения специалиста, возможность проверить имеющиеся гипотезы и предположения. Однако подготовка к одному интервью и обработка данных занимает много времени и сил интервьюера; при этом невозможно однозначно распространять полученные данные на все сферы действия проекта.

Комбинированный метод. Такой метод можно использовать для предпроектной оценки сложных проектов, при реализации которых предполагается переплетение разнообразных факторов. Отчасти данным методом можно пользоваться при проведении промежуточной оценки для корректировки представлений об ожидаемом эффекте. Этот метод применим в том случае, если результат проекта (и количественную и качественную его стороны) можно представить в численном выражении. В этом случае ожидаемый эффект высчитывается по формуле: Efin = Emax+(1-)Emin, где Efin – ожидаемый эффект, Emax и Emin – численное выражение наибольшего и наименьшего значения эффекта по допустимым вероятностным распределения, а – специальный коэффициент для учета неопределенности эффекта, отражающий систему предпочтений. Его можно специально рассчитать для каждого проекта, но в литературе рекомендуется принимать этот коэффициент равным 0,3 /24/.

Достоинства (формализация, позволяющая дать объективную и довольно точную оценку результата сложного проекта) и ограничения (применимость только в предпроектный период и отчасти для проведения промежуточной оценки, необходимость представить эффект в численном выражении) данного метода очевидны и проистекают из его характеристик.

Стоимостной метод. Можно пользоваться также стоимостным методом оценки эффективности проекта. Для коммерческих проектов стоимостной метод оценки является одним из основных, хотя отнюдь не единственным. И все же практически для любого коммерческого проекта получение прибыли имеет принципиально важное значение. Можно привести отдельные примеры коммерческих проектов, когда получение прибыли отодвигается: так, при завоевании нового рынка и вытеснении с него уже действующих там компаний, прибыль не играет существенной роли. Однако и в таком См.: Управление проектами в условиях кризиса. Под ред. Р.Ф.Дурицыной. Благовещенск. 2000. С. 88.

случае требуется подсчитать, каковы могут быть убытки, и какова будет прибыль после завоевания рынка, а также учесть временные пределы вытеснения конкурентов и скорость окупаемости после завоевания рынка. Другими словами, коммерческий проект всегда требует использования стоимостного метода оценки результата.

Некоммерческий проект не нацелен на извлечение прибыли.

Это не означает, что для его оценки стоимостной метод не может применяться. В некоммерческом проекте расчеты выполняют иную функцию (не определение прибыли) и могут строиться по-другому.

Грантодатель может отдать предпочтение более дешевому проекту в том случае, когда два или более проекта предполагают получение сходного результата. Но и в такой ситуации рассматриваться будут методы осуществления проекта и качество их исполнения. Практика показывает, что наличие в одном и том же грантовом конкурсе двух (или более) одинаковых проектов с точки зрения намеченных целей – вещь маловероятная. В конкурсе же социального заказа как раз и предполагается, что намеченная цель одна и та же (указанная при объявлении конкурса), а стоимость реализации проектов для достижения этой цели и методы их реализации будут разными. Но и в конкурсе на исполнение социального заказа эффективность результата заключается не только в дешевизне, но также и в способах достижения цели и в качестве полученного результата.

Как уже говорилось, проекты разрабатываются и реализуются не только ради участия в конкурсах. По идее, при наличии проекта и недостаточности или отсутствии какого-либо иного финансирования, некоммерческая организация ищет грантодателя. В российской действительности 90-х годов XX в. – первого десятилетия XXI в. некоммерческие организации, как правило, разрабатывают проекты именно для получения финансирования, рассматривая получение грантов в качестве чуть ли не единственного источника получения средств на существование и развитие. Отсюда и довольно частые сетования ННКО на то, что гранты выдаются на реализацию того или иного проекта, а не на деятельность организации вообще.

Но проект представляет собой способ достижения некоторой цели независимо от источника финансирования. Если же проект разрабатывается специально для грантового конкурса, то он, конечно же, должен соответствовать условиям, установленным в конкурсе. Необходимо также принять во внимание и учесть все возможные ресурсы, которые можно задействовать при реализации проекта (денежные средства, имеющиеся помещения и оборудование, деятельность добровольцев, кооперация с другими организациями, возможность бесплатного использования помещения или оборудования и т.д.). Поэтому, хотя рассматриваемый метод оценки эффективности называется стоимостным, необязательно все ресурсы, привлечённые для реализации проекта, фиксировать в стоимостном выражении.

Правда, при желании и/или необходимости можно дать стоимостной эквивалент пользования помещениями и оборудованием, исходя, например, из цены аренды на определенный срок, а также деятельности добровольцев – на основе стоимости повременной заработной платы работников той же квалификации и т.п.

Итак, стоимостной метод оценки эффективности на предпроектной стадии позволяет учесть имеющиеся ресурсы, определить, хватает ли их, и если не хватает, то каких, выбрать наиболее экономичные пути реализации проекта. При промежуточной оценке стоимостной метод помогает установить, как идет использование ресурсов, при необходимости – скорректировать проект. По завершении проекта стоимостной метод дает возможность оценить, все ли ресурсы использовались должным образом, а также сделать выводы о путях повышения эффективности их использования при разработке и реализации сходных проектов. При этом не стоит забывать, что стоимостная оценка дает представление лишь об одном (пусть даже и весьма важном) из аспектов эффективности проекта.

Кластерная оценка. Кластерная оценка теснейшим образом связана с кластерным анализом. Термин «кластер» в русском языке происходит от английского слова «cluster», которое переводится как гроздь, пучок, скопление, группа элементов, характеризуемых каким-либо общим свойством. Кластер – группа элементов, характеризуемых общим свойством, главная цель кластерного анализа – нахождение групп схожих объектов в выборке. При кластеризации решается задача разбивки заданной выборки объектов (ситуаций) на подмножества, называемые кластерами, так, чтобы каждый кластер состоял из схожих объектов, а объекты разных кластеров существенно отличались. Кластерный анализ может применяться довольно широко: его используют в археологии, медицине, психологии, химии, биологии, государственном управлении, филологии, антропологии, маркетинге, социологии и других дисциплинах.

Формально задачу кластеризации можно описать следующим образом. Пусть — множество объектов, — множество номеров (имён, меток) кластеров. Задана функция расстояния между объектами. Имеется конечная обучающая выборка объектов. Требуется разбить выборку на непересекающиеся подмножества, называемые кластерами, так, чтобы каждый кластер состоял из объектов, близких по метрике, а объекты разных кластеров существенно отличались. При этом каждому объекту приписывается номер кластера.

любому объекту ставит в соответствие номер кластера.

Множество в некоторых случаях известно заранее, однако чаще ставится задача определить оптимальное число кластеров, с точки зрения того или иного критерия качества кластеризации.

Независимо от предмета изучения применение кластерного анализа предполагает следующие этапы: (а) отбор выборки для кластеризации; (б) определение множества переменных, по которым будут оцениваться объекты в выборке; (в) вычисление значений той или иной меры сходства между объектами; (г) применение метода кластерного анализа для создания групп сходных объектов;

(д) проверка достоверности результатов кластерного решения.

Попробуем разобраться в сути кластерного анализа на примере. Предположим, руководитель организации хочет сделать работу в его организации максимально привлекательной – для повышения эффективности работы, улучшения управления организацией при одновременной оптимизации зарплаты и иных расходов на персонал. Он провёл анкетирование сотрудников, которое позволило провести кластерный анализ. В результате изучения полученных данных можно определиться, на сколько кластеров имеет смысл разбить персонал. Предположим, что решено разбить персонал на три группы. Тогда для изучения респондентов, попавших в каждый кластер, получим таблицу примерно следующего содержания.

Кластерный анализ результатов анкетирования сотрудников Кластер Муж 30-50 лет >50 лет Рук. Мед Льготы з/п стаж Образов.

В первом столбце расположен номер кластера – группы, данные по которой отражены в строке. Например, первый кластер на 80% составляют мужчины. 90% первого кластера попадают в возрастную категорию от 30 до 50 лет, а 12% респондентов считает, что льготы очень важны. И так далее. Попытаемся составить портреты респондентов каждого кластера. Первая группа – в основном мужчины зрелого возраста, занимающие руководящие позиции.

Соцпакет их не интересует. Они предпочитают получать хорошую зарплату, а не помощь от работодателя. Группа два наоборот отдает предпочтение соцпакету. Состоит она, в основном, из людей «в возрасте», занимающих невысокие посты. Зарплата для них, безусловно, важна, но есть и другие приоритеты. Третья группа – наиболее «молодая». В отличие от предыдущих двух, очевиден интерес к возможностям обучения и профессионального роста. У этой категории сотрудников есть хороший шанс в скором времени пополнить первую группу.

Таким образом, планируя кампанию по внедрению эффективных методов управления персоналом, в данной ситуации можно увеличить соцпакет у второй группы в ущерб, к примеру, зарплате.

Если рассматривать вопрос о дополнительном обучении, то можно однозначно рекомендовать обратить внимание на третью группу.

Узловым моментом в кластерном анализе считается выбор метрики (или меры близости объектов), от которого решающим образом зависит окончательный вариант разбивки объектов на группы при заданном алгоритме разбивки. В каждой конкретной задаче этот выбор производится по-своему, с учетом главных целей исследования, физической и статистической природы используемой информации и т. п. При применении экстенсиональных методов распознавания выбор метрики достигается с помощью специальных алгоритмов преобразования исходного пространства признаков.

Итак, под кластерной понимают оценку проектов на базе изучения совместно действующих единиц (людей, организаций, коллективов, подразделений), объединённых для повышения качества работы, упрощения взаимодействия, привлечения новых идей.

Кластеризация производится, во-первых, с целью понимания данных путём выявления кластерной структуры; во-вторых, разбивка выборки на группы схожих объектов упрощает дальнейшую обработку данных и принятие решений, применяя к каждому кластеру свой метод анализа; в-третьих, для сжатия данных, поскольку, при избыточно большом размере исходной выборки, её можно сократить, оставив по одному наиболее типичному представителю от каждого кластера; в-четвёртых, для обнаружения новизны, так как выделяются нетипичные объекты, которые не удается присоединить ни к одному из кластеров.

В первом и втором случаях число кластеров стараются сделать меньше. Во третьем случае важнее обеспечить высокую степень сходства объектов внутри каждого кластера. В четвёртом случае наибольший интерес представляют отдельные объекты, не вписывающиеся ни в один из кластеров. Во всех этих случаях может применяться иерархическая кластеризация, когда крупные кластеры дробятся на более мелкие, те в свою очередь дробятся ещё мельче, и т. д. Такие задачи называются задачами таксономии.

В последнее время кластеризация производится не только для исследования ситуации, но и для выстраивания экономической стратегии развития. Под территориальными кластерами, например, понимаются объединения предприятий, поставщиков оборудования, комплектующих, специализированных производственных и сервисных услуг, научно-исследовательских и образовательных организаций, связанных отношениями территориальной близости и функциональной зависимости в сфере производства и реализации товаров и услуг. При этом кластеры могут размещаться на территории как одного, так и нескольких субъектов РФ. Кластеры способствуют повышению производительности предприятий, увеличивают внедрение инноваций, ведут к росту конкурентоспособности предприятия и страны в целом. Естественно, для оценивания кластеров как горизонтально структурированных образований, все шире выстраиваемых в ходе современных реформ не только в сфере производства и распределения, но и в сфере государственного и муниципального управления, эффективно использовать кластерный анализ. Соответственно, кластерное оценивание является оптимальным оцениванием горизонтальных выстроенных проектов.

Прежде, чем приступить к непосредственному кластерному оцениванию необходимо определить вид проекта. За исключением отдельных случаев горизонтальное оценивание не целесообразно применять к вертикально ориентированным проектам. Для того, чтобы правильно определить тип проекта, следует составить его подробное описание. Кластерные проекты характеризуются совместной структурой управления и общими конечными целями. Если на настоящий момент проект вертикален, то кластерный анализ может быть незаменим при трансформации такого проекта в горизонтальный. Затем надо подготовить проект к оцениванию.

Ключевым фактором на этом этапе является правильный подбор экспертов, проводящих оценку. Поскольку чаще всего в проекте участвует достаточно большое количество акторов с разнообразными интересами, которые необходимо согласовать, то необходимы грамотные управленцы. Для того, чтобы результаты оценивания не привели к возникновению конфликтов, нужно сразу определять цели оценки, ее структуру и тип результатов.

Горизонтальный обзор представляет собой упрощенную версию горизонтального оценивания. Он позволяет проанализировать тип управления и проверить, отвечают ли конечные цели общим интересам. Кроме того, здесь проводится анализ изменения рисков.

Основные инструменты, которые используются при проведении подобных исследований – это анкетирование, интервью и работа с фокус-группами. Собранные данные анализируют с помощью различных статистических методов. Прелесть кластерного анализа заключается в том, что он работает даже тогда, когда данных мало и не выполняются требования нормальности распределений случайных величин и другие требования классических методов статистического анализа.

Горизонтальная оценка – гораздо более длительный процесс, требующий значительных ресурсных затрат. Как часть комплексной оценки сюда может входить оценивание вертикальное. Поскольку кластерные проекты построены на непрекращающемся взаимодействии акторов, то ключевым элементом подобного оценивания является проведение различных конференций, которое позволяет согласовать интересы всех участников проекта. Эксперты по оценке направляют потоки коммуникаций в необходимое русло, выступают в роли посредников между участниками.

Основными принципами кластерной оценки являются:

- оптимизация коммуникаций за счет увеличения продолжительности совместной работы участников проекта под руководством эксперта и наиболее тесного их сотрудничества;

- специфика каждого проекта, требующего особого подхода;

- привлечение к оценке всех заинтересованных в проекте лиц при их обязательной готовности к взаимодействию между собой;

- реалистичность ожиданий, связанных как с результатами, так и с проведением оценки.

Статистическая оценка. Важнейшим критерием для отбора статистических данных является уровень статистического измерения. Ещё в 1946 г. Стивенс выделил четыре таких уровня25: номинальный (или дискретный); порядковый; интервальный; соотносительный. Номинальный уровень статистического измерения включает в себя постановку в соответствие чисел и данных для дальнейшего распределения их по группам. Отличие переменных порядкового уровня от переменных номинального состоит в том, что первые имеют упорядоченную связь между своими категориями. К примеру, участники проекта по переквалификации по окончании данного проекта могут быть разделены на «успешных» (те, кто закончил курсы и смог найти работу в течение двух недель), «частично успешных» (закончил курсы, но не смог найти работу в течение двух недель) и «неуспешных» (не смог закончить курсы). Порядковые переменные в данном случае характеризуются последовательностью, в то время как номинальные служат исключительно для различения категорий. Порядковые переменные играют ключевую роль в оценивании, так как для оценки мнения участников проекта обычно используются порядковые нормы оценивания.

Важной деталью классификации Стивенса является необходимость сопоставить уровень статистического измерения с аналитическим методом. Как только уровень статистического измерения ключевых переменных в анализе выбран, выбор подходящего аналитического метода является простым соблюдением формальности.

Таким образом, сопоставление аналитического метода с уровнем статистического измерения является важной задачей оценщиков.

Существенное значение имеет размер репрезентативной группы. Если выбрана слишком маленькая группа, это может привести к неправильной оценке проекта, слишком большая группа потребует излишние затраты на проведение оценки. Для выбора статистического метода важно количество наблюдений за единицами измерения. Например, если проводятся два или более наблюдения с позиций одной и той же единицы измерения, то может быть обследовано изменение ситуации во времени, что влечет за собой выбор статистического метода, пригодного именно для такого анализа.

http://ru.wikipedia.org/wiki/Применение_статистики_в_оценивании.

Перед применением статистики оценщику необходимо рассмотреть распределение единиц измерения по различным переменным. Подобный анализ позволяет определить, в какой степени единицы измерения отличаются друг от друга. Если для оценивания представляет интерес национальность участников курсов повышения квалификации, но только два из пятидесяти шести участников отличаются от остальных по национальному признаку, то для оценки нельзя использовать национальность в качестве переменной.

Статистика широко применяется в мета-анализе. Мета-анализ – тип синтезирования информации, применяемый в процессе оценивания. Статистика при данном способе анализа используется для общей сводки, синтеза и интерпретации полученных в ходе исследований данных. Совмещая результаты различных исследований, мета-анализ позволяет увеличить положительный эффект от использования статистики и получить более точные результаты.

Эконометрические методы. Эконометрические методы представляют собой неэкспериментальные методы оценивания и заключаются в совместном применении математического, статистического и экономического инструментария к анализу эмпирических данных с целью оценки эффекта проекта.

Очевидным способом оценки изменений, произошедших в ходе осуществления проекта, являлось бы сравнение параметров двух состояний для каждого бенефициара: до и после проведения проекта (например, уровень образования индивида до и после проведения образовательного проекта). Однако никто, чаще всего, не обладает таким массивом информации, так как до начала реализации проекта средства на сбор подобных данных, как правило, не выделяются. Использование же эконометрических методов без привлечения значительных средств позволяет оценить, что было бы, если бы индивид не участвовал в программе, т.е. «рассчитать» условное значение интересующего нас параметра в отсутствие программы на основании данных только лишь одного периода.

К эконометрическим относятся метод сравнения средних; построение уравнения регрессии методом наименьших квадратов; метод подбора контрольной группы (в том числе, по индексу соответствия); метод построения регрессии с переключением режимов.

Метод сравнения средних. Исходя из названия становится понятно, что оценка проекта данным методом осуществляется на основании сравнения среднего значения интересующего нас показателя (уровня занятости, образования, дохода и т. д.) у тех, кто участвовал в проекте, со его же средним значением в контрольной группе. В контрольную группу включают всех не участвовавших в данной программе индивидов. Метод сравнения средних акцентирует внимание на разнице средних значений показателей у двух групп индивидов: d Y = E(Y | D=1) - E(Y | D=0), где Y1 и Y2 – средние значения показателя у участвовавших (D=1) и не участвовавших (D=0) в программе. Данный метод обладает недостатками и подчас дает противоречивые оценки. В той или иной ситуации разница средних значений может получиться отрицательной: среднее значение интересующего нас показателя может быть больше при отсутствии программы, однако это не означает, что программа неэффективна. Включая в контрольную группу всех «остальных» людей, мы тем самым сравниваем «несопоставимых» индивидов: проект изначально нацелен на людей с заниженным значением показателя (например, проект повышения уровня дохода для группы населения, уровень дохода которой ниже среднего по стране), а контрольная группа может включать в себя очень зажиточных людей.

Построение уравнения регрессии методом наименьших квадратов (МНК-регрессия). Метод оценивания заключается в построении двух уравнений регрессии средних значений интересующего нас показателя для двух сравниваемых групп индивидов в зависимости от контрольных показателей методом наименьших квадратов. Общий принцип данного метода схож с первым: мы сравниваем средние значения интересующего нас показателя. Однако теперь вместо двух средних значений мы можем составить уравнение регрессии для каждой группы: Yi = xi + sDi + ui, где Yi – среднее значение интересующего нас показателя, Di – так называемая «дамми»

– переменная участия в программе (D=0, 1), а s – показатель эффекта от проведения программы. Однако есть в данном подходе и существенные отличия: если раньше мы делили общество на бенефициаров и тех, кто в проекте не участвовал, не учитывая их различий ни по одному из критериев, то в рамках метода построения регрессии мы вводим некоторый контроль ряда переменных (xi), решая тем самым проблему «несопоставимости» сравниваемых индивидов. Если в рамках первого метода мы сравнивали индивидов, живущих за чертой бедности, и миллионеров по уровню образования, то сейчас мы можем контролировать переменную xi – «уровень дохода» и сравнить уровень образования участвовавших и не участвовавших в проекте индивидов, изначально обладающих одинаковым уровнем дохода (живущих в одном регионе и т.д.).

Благодаря этому методу мы можем получить два уравнения регрессии – две линейные зависимости интересующего нас показателя от контрольных характеристик, на основании чего делать соответствующие оценивающие выводы. В простейшем виде это может выглядеть так: рассмотрим все тот же пример реализации образовательной программы. Для получения оценки её эффективности необходимо сравнить средний уровень образования после проведения проекта у тех, кто в ней участвовал (Y (D1), и тех, кого данный проект не касался (Y (D0). Однако теперь мы производим сравнение только между индивидами, обладающими одним уровнем дохода (Xi) тем самым решая проблему несопоставимости индивидов.

Пример задачи на сравнение средних: ниже представлены объемы спроса на некое изделие за прошедшие 24 месяца. Необходимо с помощью методики сравнения среднего дать прогноз объема спроса на следующий месяц.

Сравнение среднего для осуществления прогноза Метод подбора контрольной группы. Метод подбора контрольной группы имитирует естественный эксперимент и по своей идее наиболее близок к сопоставлению двух состояний одного индивида: до и после проекта. Метод заключается в сравнении участвовавшего в проекте индивида (D=1) и в нем не участвовавшего, но фактически сопоставимого по наблюдаемым характеристикам (Х) с первым: d Y = E (Y1 |D = 1, X) – E (Y0 |D = 1, X). Суть метода заключается в сравнении двух состояний будто бы одного и того же индивида. Значение интересующего нас показателя после проведения проекта мы можем оценить по состоянию участвовавшего в проекте индивида (D=1), а значение показателя до проведения проекта – по состоянию не участвовавшего в проекте индивида, очень схожего по многим наблюдаемым характеристикам с первым. Два индивида должны быть настолько похожи между собой, что второй также вполне мог бы участвовать в проекте, поэтому D=1. Поиск таких схожих индивидов и представляет собой подбор контрольной группы. Данный метод решает проблему формального отбора, с которой сталкивается предыдущий метод: мы фактически сравнивали тех индивидов, которые участвовали в проекте, и тех, кого по разным причинам не взяли – и получали смещённые оценки. Кроме того, в рамках данного метода не фиксируется форма функциональной зависимости Y от X. Однако, порой бывает довольно сложно найти максимально схожих по многим характеристикам людей, что существенно затрудняет оценивание данным методом.

Метод подбора контрольной группы по индексу соответствия. Данный метод является вариацией вышеизложенного метода подбора контрольной группы с той разницей, что позволяет значительно экономить время и сокращает число критериев, по которым ведется отбор участников контрольной группы. Вместо подсчета многочисленных характеристик при поиске схожих по наблюдаемым признакам индивидов, достаточно подсчитать индекс, характеризующий вероятность участия этого индивида в проекте. Фактически, раз два человека с одинаковой вероятностью попали бы в данную программу – значит, они непременно схожи по многим наблюдаемым характеристикам, а это в свою очередь значит, что их можно сравнивать между собой, не боясь проблемы несопоставимости. Таким образом, два «схожих» индивида, независимо от того, участвовали они фактически в проекте или нет, имеют близкие значения данных вероятностей, в связи с чем оценивание сводится к сравнению значений интересующих нас показателей.

Метод построения регрессии с переключением режимов. Метод построения регрессии с переключением режимов заключается в составлении трех уравнений для участвовавших и неучаствовавших в проекте индивидов: первое уравнение определяет вероятность