聚类分析及判别分析案例

1、聚类分析及判别分析案例 一、 案例背景 随着现代人力资源管理理论的迅速发展，绩效考评技术水平也在不断提高。绩效的多因性、多维性，要求对绩效实施多标准大样本科学有效的评价。对企业来说，对上千人进行多达5060个标准的考核是很常见的现象。但是，目前多标准大样本大型企业绩效考评 问题仍然困扰着许多人力资源管理从业人员。为此，有必要将当今国际上最流行的视窗统计软件spss应用于绩效考评之中。 在分析企业员工绩效水平时， 由于员工绩效水平的指标很多，各指标之间还有一定的关联性，缺乏有效的方法进行比较。目前较理想的方法是非参数统计方法。本文将列举某企业的具体情况确定适当的考核标准，采用主成分分析以及聚类分

2、析方法，比较出各员工绩效水平，从而为企业绩效管理提供一定的科学依据。 最后采用判别分析建立判别函数，同时与原分类进行比较。 聚类分析 二、绩效考评的模型建立 1、为了分析某企业绩效水平，按照综合性、可比性、实用性和易操作性的选取指标原则，本文选择了影响某企业绩效水平的成果、行为、态度等6个经济指标(见表1)。 表 1变量和考评指标名称表 变量 指标名称 x1 工作产量 x2 工作质量 x3 工作出勤 x4 工作损耗 x5 工作态度 x6 工作能力 2、对某企业，搜集整理了28名员工xxxx年第1季度的数据资料。构建1个286维的矩阵(见表2)。 表 2某企业职工绩效考评结果 职工代号 x1 x

3、2 x3 x4 x5 x6 1 9.68 9.62 8.37 8.63 9.86 9.74 2 8.09 8.83 9.38 9.79 9.98 9.73 3 7.46 8.73 6.74 5.59 8.83 8.46 4 6.08 8.25 5.04 5.92 8.33 8.29 5 6.61 8.36 6.67 7.46 8.38 8.14 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 7.69 7.46 7.6 7.6 7.16 6.04 6.27 6.61 7.39 7.83 7.36 7.24 6.4

4、9 5.43 4.57 6.43 5.88 3.94 4.82 4.02 3.87 4.15 4.99 8.85 8.93 9.28 8.26 8.62 8.17 7.94 8.5 8.44 8.79 8.53 8.61 8.03 7.67 7.4 8.38 7.89 6.91 7.3 7.26 6.96 7.5 7.52 6.44 5.7 6.75 7.5 5.72 3.95 3 4.34 5.92 3.85 5.39 4.69 4.56 4.22 2.96 4.87 3.87 2.97 3.07 2.28 2.79 1.56 2.11 7.45 7.06 8.03 7.63 7.11 8.

5、08 4.52 5.61 5.37 5.35 7.09 3.98 7.18 3.87 3.02 4.87 6.34 6.77 5.87 5.63 4.92 4.81 6.23 8.19 8.58 8.68 8.79 8.19 8.24 7.16 8.52 8.83 8.58 8.23 9.04 8.54 8.41 8.74 8.78 8.37 8.17 6.32 9.66 5.32 8.44 8.3 8.1 8.36 8.22 7.63 8.18 8.65 7.81 8.36 7.47 8.03 8.04 8.07 8.57 7.6 7.97 8.37 8.19 8.16 6.01 9.07

6、6.23 8.38 8.14 3、应用spss数据统计分析系统首先对变量进行及主成分分析，找到样本的主成分及各变量在成分中的得分。去结果中的表3、表4、表5备用。 表 3 解释的总方差 成初始特征值a 提取平方和载入 份 方差方差合计 的 % 累积 % 合计 的 % 累积 % 原始 1 3.944 65.739 65.739 3.944 65.739 65.739 2 1.080 18.000 83.740 1.080 18.000 83.740 3 .650 10.832 94.571 4 .211 3.520 98.092 5 .080 1.337 99.428 6 .034 .572 1

7、00.000 重新标度 1 3.944 65.739 65.739 3.944 65.739 65.739 2 1.080 18.000 83.740 1.080 18.000 83.740 3 .650 10.832 94.571 4 .211 3.520 98.092 5 .080 1.337 99.428 6 .034 .572 100.000 提取方法：主成份分析。 a. 分析协方差矩阵时，初始特征值在整个原始解和重标刻度解中均相同。 表 4 成份矩阵 原始 重新标度 成份 2 -.319 -.239 -.320 -.187 .618 .633 1 .897 .899 .882 .69

8、7 .732 .729 2 -.319 -.239 -.320 -.187 .618 .633 a 1 zscore(x1) zscore(x2) zscore(x3) zscore(x4) zscore(x5) zscore(x6) 提取方法 :主成份。 成份 .897 .899 .882 .697 .732 .729 a. 已提取了 2 个成份。 表 5 成份得分系数矩阵a 成份 1 2 zscore(x1) .227 -.295 zscore(x2) .228 -.221 zscore(x3) .224 -.297 zscore(x4) .177 -.173 zscore(x5) .18

9、6 .572 zscore(x6) .185 .587 提取方法 :主成份。 构成得分。 a. 系数已被标准化。 4、从表3中可得到前两个成分的特征值大于1，分别为3.944和1.08，所以选取两个主成分。根据累计贡献率超过80的一般选取原则，主成分1和主成分2的累计贡献率已达到 了8374的水平，表明原来6个变量反映的信息可由两个主成分反映8374。 从表4可看出，第一主成分基本支持了x1、x2、x3、x5和x6。而第二主成分基本支持了，该成分因子得分还有对未来员工绩效预报作用。第一主成分与工作质量、工作产量以及工作出勤高度正相关。因此第一主成分可以反映影响该企业绩效的工作成绩因素。第二主成

10、分与工作能力以及工作态度高度正相关， 因此第二主成份可以反映影响该企业员工绩效的能力与态度因素。 三、绩效水平的类型划分及区域差异分析 因为本案例要研究职工工作绩效成绩的得分，根据两个主成分的表示重点不同，我们可以看到第一主成份反映的是绩效成绩的得分。所以计算每个样本在第一主成份方向的得分。 可以对数据标准化，并用每个样本乘以第一成分得分矩阵，即得各样本在第一主成份的综合得分。 例如1号样本在第一主成份方向的综合得分为： 2.24478*0.227 + 2.06671*0.228 + 1.82854*0.224 + 1.54332*0.177 + 1.56685*0.1865 + 2.0701

11、3*0.185=2.337944 其他各样本均按此方法算出综合得分，并按各样本在在第一主成分方向的综合得分的降序顺序排列数据，得到的就是各个员工工作绩效成绩得分。如表6 表6 各样本在第一主成份的综合职工代号 x1 x2 x3 x4 x5 x6 得分 1 2.24478 2.06671 1.82854 1.54332 1.56685 2.07013 2.337944 2 1.1618 0.91894 2.34746 2.28639 1.69646 2.05718 2.099889 8 0.82805 1.57273 0.9962 1.15898 0.29239 0.10131 1.047965

12、 7 0.73269 1.06423 0.45672 0.53762 0.18438 0.28265 0.693014 6 0.88935 0.948 0.83692 0.78745 -0.23684 -0.05412 0.690811 3 0.73269 0.77365 0.99106 -0.40402 0.45439 0.41218 0.653969 9 0.82805 0.0908 1.38154 0.90275 0.41119 -0.66291 0.631764 5 0.15374 0.23609 0.9551 0.79385 -0.03163 -0.00231 0.436871 10

13、 0.52836 0.61384 0.467 0.56965 -0.23684 0.0495 0.430435 16 0.66458 0.48308 0.29745 0.55684 -0.19364 -0.13184 0.365784 15 0.98471 0.86083 -0.49379 -0.55776 0.18438 -0.14479 0.217974 14 0.68501 0.35232 0.56975 -0.54494 0.45439 -0.87015 0.190535 18 0.072 -0.24336 -0.129 0.61449 0.14118 0.55466 0.169598

14、 11 -0.2345 -0.03995 -0.44241 1.19101 -0.18284 0.65828 0.137142 17 0.58285 0.59931 -0.06221 -1.43534 0.68121 -0.09298 0.110463 13 0.15374 0.43949 -0.24203 -0.39121 0.11958 0.28265 0.086176 21 0.03114 0.26515 0.03028 -0.86523 0.40039 0.2956 0.050319 4 22 25 28 19 12 23 27 20 24 26 -0.20726 -0.34348 -

15、1.61037 -0.94968 -0.64998 -0.07784 -1.66486 -1.52182 -1.23575 -1.06547 -1.71253 0.07628 -0.44676 -1.36207 -0.98432 -0.76639 -0.37411 -1.87057 -1.01338 -1.15867 -1.30395 -1.79793 0.11762 -0.48351 -1.30044 -1.38778 -0.30369 -0.93051 -0.94592 -1.67036 -0.95106 -0.89454 -1.0384 -0.19263 0.07641 -0.3784

16、0.00595 -1.5058 -1.08943 0.35186 -0.90366 -2.05029 -0.22466 -0.8332 -0.08563 -0.04243 1.35084 -0.11803 0.00077 -1.3493 -0.25844 0.03317 0.35719 -2.25654 -3.3366 0.19198 0.06245 1.2023 -0.00231 -0.70176 -0.42975 0.02359 0.30855 -0.22251 -2.76126 -2.4763 -0.01782 -0.27095 -0.5607 -0.77219 -0.78652 -0.

17、8347 -0.99773 -1.04736 -1.09536 -1.70985 -2.25747 四、聚类分析 为了把各个员工工作绩效成绩分类，更好的描述成绩区间，我们要采用聚类分析对员工进行分类。（计划分为4类：优秀、良好、及格、不及格） 分类的步骤为： 1、“分析分类系统分类”，把标准化后的变量输入变量框中，在“分群框”中选择“个案”，在“输出框”中选择“统计量”、“图”。 2、“统计量”中选择“合并进程表”、“单一方案”（聚类数为4）。 3、“绘制”中选择“树状图”、“所有聚类”、“垂直”。 4、“方法”中选择“组间连接”、“平方欧式距离”。“标准化”选择“无”（因为采用的是已经标准化后的数据）。 5、”保存”中选择“单一方案