task5灵敏度分析

第三问：舞者能力指数权重灵敏度分析

一、分析目的

舞者能力指数由四个分量加权构成：

[
\text{舞者能力指数} = w_1 \times \text{晋级率} + w_2 \times \text{搭档平均排名(反向)} + w_3 \times \text{评分稳定性} + w_4 \times \text{决赛率}
]

主分析采用基准权重 (0.4, 0.3, 0.2, 0.1)。本灵敏度分析检验：当权重改变时，评委与粉丝影响方式的相同点/不同点是否仍然成立。

---

二、权重方案设计

方案	晋级率	搭档平均排名	评分稳定性	决赛率	说明
基准	0.4	0.3	0.2	0.1	主分析采用
方案 A	0.5	0.25	0.15	0.1	更强调晋级率
方案 B	0.35	0.35	0.2	0.1	晋级率与排名并重
方案 C	0.3	0.3	0.3	0.1	三项均衡

---

三、各方案下 Ridge 系数对比

数据来源：task3_sensitivity_dancer_weights_results.csv（由 code/task3_sensitivity_dancer_weights.py 生成）。

3.1 舞者能力指数（pro_dancer_ability_index）

方案	评委模型系数	粉丝模型系数	符号一致	大小接近
基准	0.00624	0.00631	✓ 均为正	✓
方案 A	0.00628	0.00644	✓ 均为正	✓
方案 B	0.00640	0.00639	✓ 均为正	✓
方案 C	0.00544	0.00541	✓ 均为正	✓

3.2 赛季编号（season_number）

方案	评委模型系数	粉丝模型系数	符号一致
基准	-0.00823	-0.00811	✓ 均为负
方案 A	-0.00832	-0.00821	✓ 均为负
方案 B	-0.00819	-0.00806	✓ 均为负
方案 C	-0.00817	-0.00803	✓ 均为负

3.3 行业：TV_Personality、Other

方案	ind5_TV（评委/粉丝）	ind5_Other（评委/粉丝）	符号一致
基准	-0.00289 / -0.00208	-0.00351 / -0.00343	✓ 均为负
方案 A	-0.00293 / -0.00212	-0.00346 / -0.00336	✓ 均为负
方案 B	-0.00285 / -0.00204	-0.00352 / -0.00344	✓ 均为负
方案 C	-0.00292 / -0.00211	-0.00362 / -0.00355	✓ 均为负

3.4 搜索热度（log_search_popularity）

方案	评委模型系数	粉丝模型系数	粉丝 > 评委
基准	0.00129	0.00203	✓
方案 A	0.00123	0.00196	✓
方案 B	0.00129	0.00204	✓
方案 C	0.00145	0.00221	✓

3.5 性别（男性，gender_M）

方案	评委模型系数	粉丝模型系数	评委更负
基准	-0.00225	-0.00092	✓
方案 A	-0.00211	-0.00077	✓
方案 B	-0.00229	-0.00096	✓
方案 C	-0.00233	-0.00102	✓

3.6 模型拟合（5 折 CV R²）

方案	评委 R²	粉丝 R²
基准	0.178	0.119
方案 A	0.177	0.120
方案 B	0.181	0.122
方案 C	0.167	0.107

---

四、结论

4.1 相同点（稳健性）

在四种权重方案下，以下结论均成立：

1. 舞者能力指数：评委与粉丝模型中系数均为正，且大小接近，说明专业舞者能力对评委分与粉丝票均有正向影响，且影响程度相似。
2. 赛季编号：两模型中系数均为负，符号一致。
3. 行业（TV_Personality、Other）：两模型中系数均为负，符号一致。

4.2 不同点（稳健性）

在四种权重方案下，以下结论均成立：

1. 搜索热度：粉丝模型中的系数始终大于评委模型，说明搜索热度对粉丝投票的影响强于对评委打分的影响。
2. 性别（男性）：评委模型中的系数始终更负，说明男性在评委打分下相对不利，而在粉丝投票下不利程度较轻。

4.3 综合结论

灵敏度分析表明：对舞者能力指数权重的选择（0.4/0.3/0.2/0.1 及其替代方案）不改变评委与粉丝影响方式的核心结论。即：

• 相同点（舞者能力、赛季、行业在两模型中符号一致且舞者能力均为正向、大小接近）稳健；
• 不同点（搜索热度在粉丝模型中更大、性别在评委模型中更负）稳健。

因此，主分析中关于「评委与粉丝影响方式的异同」的结论对舞者能力指数的权重设定不敏感，具有较好的稳健性。

---

五、运行说明

# 依赖：先运行 task3_pro_dancer_index.py、task3_build_features.py
python code/task3_sensitivity_dancer_weights.py

输出：output/task3_sensitivity_dancer_weights_results.csv（各方案下 Ridge 系数汇总）。