W porządkowaniu liniowym obiektów wielocechowych najpopularniejszą metodą doprowadzania danych do porównywalności jest transformacja zmiennych do przedziału [0;1] z jednoczesną zamianą destymulant na stymulanty. W tym przekształceniu wykorzystuje się zaobserwowane najmniejsze i największe wartości zmiennych. Jeżeli występują wartości odstające, lub rozkład zmiennej jest bardzo asymetryczny to w efekcie mamy do czynienia ze sztucznym ważeniem tej zmiennej. Przy asymetrii prawostronnej zmienna sztucznie zyskuje na zaznaczeniu, a przy lewostronnej – traci. W pracy zaproponowano nową, iteracyjną metodę porządkowania obiektów wielocechowych, która pozwala na ominięcie omówionej niedogodności metody klasycznej. Dalsze pozycje w rankingu wyznacza się kolejno, po jednej w każdej iteracji, a przyporządkowany obiekt jest eliminowany ze zbioru, w którym poszukujemy obiektu następnego w kolejności. Taka procedura wymagała również zaproponowania nowego sposobu wyznaczania wskaźnika agregatowego.

W opracowaniu podjęto po raz kolejny zagadnienie wyboru metody porządkowania liniowego jako odpowiedź na propozycję procedury przedstawionej w pracy Kisielińskiej (2016). Pokazano na dwóch przykładach, że ranking zależy od zastosowanej metody, a różnice są istotne. Podkreślono tym samym konieczność zastosowania kilku metod przed budową ostatecznego rankingu oraz wyeliminowaniu rankingów „odstających”. W artykule zaproponowano procedurę ich eliminacji. Oparto ją na średniej arytmetycznej i odchyleniu przeciętnym miar podobieństwa rankingów uzyskanych z wykorzystaniem kilku metod porządkowania liniowego. Z przedstawionych badań wynika, że dokonując wyboru metody porządkowania liniowego należy przeprowadzić obliczenia z zastosowaniem kilku procedur i dokonać wyboru wykorzystując już istniejące rozwiązania w literaturze lub zweryfikować z ekspertami badanej tematyki.

The subject of the paper is the analysis of factors determining the value of multi-entity organizations in the energy sector and their ranking according to the degree of impact on this value. For this purpose, statistical methods were used, which are best suited to determine the order of diagnostic features according to a specific criterion. The survey covered companies from the Polish energy sector, while the process itself is based on aggregated data, which represents the financial data of capital groups currently operating in the Polish energy sector.

The first part of the article presents a short description of the Polish energy sector, paying particular attention to the organizational structure of the sector, i.e. companies operating on the domestic energy market. The nature of a multi-entity enterprise as a typical economic unit in the sector is described. The second part of the article describes the assumptions of multidimensional comparative analysis (MCA) as a tool for comparing multifunctional units. The MCA makes it possible to find the most important parameters or indicators having the greatest impact on the value of a multi-entity organization, i.e. a capital group. The survey covered four companies from the Polish energy sector: TAURON Polska Energia SA, ENEA SA, ENERGA SA and PGE Polska Grupa Energetyczna SA.

The study with the use of MCA was conducted in three stages:

- in the first stage, on the basis of information contained in the financial statements, a matrix of diagnostic features was created, describing the financial condition of the examined entity,

- in the second stage, the values of diagnostic variables were normalized/unified; two methods of normalization were applied: the method of standardization and zero unitization,

- in the third stage, the diagnostic variables were grouped using two methods: the model measure of Hellwig’s development and the non-standard measure of development.

The results of the analysis are illustrated by tables and figures.

Miarą sukcesu rozwojowego współczesnych regionów i zarazem czynnikiem podtrzymującym trwałość tego sukcesu jest przede wszystkim jakość życia mieszkańców. Według definicji Rady Europy (A new strategy for Social Cohesion, 2004, s. 3) spójność społeczna to zdolność terytorialnych społeczności do zapewnienia dobrobytu wszystkim swoim członkom, zmniejszania rozwarstwień społecznych i unikania polaryzacji. W ocenie spójności społecznej regionu dolnośląskiego w przekroju powiatów w latach 2005–2015 uwzględniono zmienne z następujących dziedzin: dochody i aktywność ekonomiczna ludności, warunki mieszkaniowe ludności, dostępność usług i przestrzeni publicznej. Do pomiaru i oceny zmian poziomu spójności społecznej województwa dolnośląskiego w przekroju powiatów w latach 2005–2015 zastosowano odległość GDM1 oraz miernik Theila.