2025年大学《应用统计学》专业题库- 统计学在人力资源管理中的应用实例

2025年大学《应用统计学》专业题库——统计学在人力资源管理中的应用实例考试时间：______分钟总分：______分姓名：______一、某公司人力资源部想要了解员工对其新推出的福利计划（计划A）的满意度。他们随机抽取了200名员工进行问卷调查，其中100名员工在计划实施前接受了关于计划的初步说明（说明组），另外100名员工没有接受说明（未说明组）。一个月后，研究人员收集了这两组员工的满意度评分（分数范围1-10，分数越高代表满意度越高）。假设满意度评分服从正态分布，说明组的平均满意度评分为7.5，标准差为1.2；未说明组的平均满意度评分为6.8，标准差为1.0。请回答以下问题：1.在检验新福利计划说明效果方面，上述研究设计采用了什么类型的变量？请具体说明自变量和因变量及其水平。2.根据题设信息，要比较说明组与未说明组在福利计划满意度上是否存在显著差异，应选择哪种假设检验方法？请说明理由。3.请写出该假设检验的零假设和备择假设（请使用统计符号）。4.假设显著性水平α=0.05，请解释检验结果中p值小于α或大于α分别意味着什么？二、一家制造企业的人力资源部门希望评估一项新入职员工培训项目对员工工作效率的影响。他们选取了100名新入职员工，其中50名参加了为期两周的强化培训（培训组），另外50名只接受了常规入职引导（引导组）。培训结束后三个月，通过生产任务完成效率来衡量员工的工作效率。研究人员发现培训组的平均效率得分为85分，标准差为8分；引导组的平均效率得分为78分，标准差为10分。请回答以下问题：1.为了检验强化培训是否对提升新员工工作效率有显著作用，这里涉及的两个组别在研究设计上属于什么类型？为什么？2.如果要比较这两个组别的平均效率得分是否存在显著差异，使用独立样本t检验的前提条件有哪些？请逐一说明。3.假设经过检验满足所有前提条件，请写出检验“强化培训显著提升了新员工工作效率”的零假设和备择假设。4.研究人员观察到培训组的效率得分标准差（8分）小于引导组（10分）。这种差异是否会影响独立样本t检验的结论？请简要说明理由。三、某公司人力资源部想要了解员工的工作满意度与其绩效水平之间的关系。他们收集了来自不同部门的上百名员工的年度绩效评分（按百分制计算）和匿名的工作满意度调查得分（按1-5分制计算）。研究人员计算出所有员工的绩效评分与满意度得分之间的Pearson相关系数为0.65。请回答以下问题：1.请解释Pearson相关系数r=0.65的含义。2.根据该相关系数，人力资源部可以得出关于员工工作满意度和绩效水平的什么初步结论？3.在判断“工作满意度与绩效水平之间存在显著线性关系”时，应进行哪种统计检验？检验的统计量是什么？4.假设样本量n=150，显著性水平α=0.01，请查阅相关临界值表（或说明如何判断），判断该相关性是否具有统计学上的显著性？并解释你的判断依据。四、一家跨国公司的人力资源部门想要分析影响员工离职率的主要因素。他们对过去五年内离职的员工和随机抽取的部分仍在职的员工进行了调查，收集了员工的年龄（岁）、工作年限（年）、月工资（元）、部门（技术部/销售部/行政部）以及离职倾向评分（1-10分，分数越高倾向越高）等数据。请回答以下问题：1.如果研究者想要探讨月工资水平是否与员工的离职倾向评分之间存在线性关系，应该使用什么统计方法？并简要说明该方法的基本原理。2.如果研究者想要同时考察年龄、工作年限和月工资这三个因素together对员工离职倾向评分的综合影响，应该使用什么统计方法？请说明理由。3.在进行多因素回归分析时，评价回归模型拟合优度的主要统计量是什么？它告诉我们什么信息？4.假设研究者发现“部门”是一个分类变量（技术部=1，销售部=2，行政部=3），在回归模型中如何处理该变量才能正确评估不同部门员工在离职倾向上的差异？五、某零售企业的人力资源部想要评估其员工激励计划的效果。他们决定在一家分店进行试点，将部分销售人员（随机选取）纳入新的激励计划（高提成比例），而其余销售人员保持原有的激励方式（低提成比例）。他们记录了为期六个月内两组销售人员的月销售额数据。数据初步整理后发现，高提成组的销售额数据呈现右偏态分布，而低提成组的销售额数据相对接近正态分布。请回答以下问题：1.假设要比较两组销售人员的平均月销售额是否存在显著差异，考虑到两组数据的分布特征，除了独立样本t检验，还可以考虑使用哪种非参数检验方法？请说明该方法的基本思路。2.在选择使用非参数检验方法时，相较于参数检验，其主要优势是什么？3.如果研究者还想知道高提成计划是否显著提高了销售额的中位数，应该使用哪种非参数检验方法？请简述其判断过程。4.除了比较销售额的集中趋势（均值或中位数），研究者还可能关心销售额的变异性（如标准差或极差）在不同激励方式下是否有差异？如果数据满足进行方差分析的参数条件，应该使用什么统计方法来检验两组销售额变异性的差异？如果数据不满足参数条件，可以考虑使用什么非参数方法？六、一家互联网公司的人力资源部想要了解员工对其工作生活平衡（Work-LifeBalance,WLB）的看法。他们计划通过问卷调查来收集数据，并希望使用因子分析来探测WLB构念的潜在维度。请回答以下问题：1.在进行因子分析之前，需要对原始变量（问卷题目）进行哪些必要的预处理？请至少列举两项。2.因子分析的主要目的是什么？请结合人力资源管理情境解释其价值。3.在因子分析结果中，通常使用什么指标来衡量因子解释的总方差比例？该指标达到什么水平通常被认为因子分析结果较为理想？4.假设因子分析提取了两个主要因子，分别命名为“工作时间灵活性”和“压力管理支持”。请解释这两个因子可能分别反映了员工对WLB的哪些方面的感知？人力资源部可以根据这些因子发现制定哪些改进措施？试卷答案一、1.该研究设计采用了实验研究设计。自变量是是否接受新福利计划的说明，它是一个分类变量，包含两个水平：说明组、未说明组。因变量是员工对新福利计划的满意度评分，它是一个连续变量（或定序变量，取决于评分的解释）。2.应选择独立样本t检验。理由是：比较两组（说明组、未说明组）在某个连续变量（满意度评分）上的均值差异，且两组样本相互独立，样本量较大（n=100），且满意度评分理论上服从正态分布。3.零假设H₀:μ₁=μ₂（说明组与未说明组的满意度均值相等）；备择假设H₁:μ₁≠μ₂（说明组与未说明组的满意度均值不等）。其中μ₁代表说明组的满意度均值，μ₂代表未说明组的满意度均值。4.p值小于α（0.05）意味着在零假设为真的情况下，观察到当前样本差异或更极端差异的概率小于5%，因此有足够证据拒绝零假设，认为两组满意度存在显著差异。p值大于α意味着观察到当前样本差异或更极端差异的概率大于5%，没有足够证据拒绝零假设，不能认为两组满意度存在显著差异。二、1.这里的两个组别在研究设计上属于实验组与对照组（或处理组与控制组）。因为研究者通过随机分配将新员工分为参加强化培训和只接受常规引导两组，目的是施加一个处理（强化培训）并观察其效果，对照组则没有接受该特定处理。2.独立样本t检验的前提条件有：*数据独立性：两个样本的观测值之间相互独立，且每个样本内的观测值也相互独立。*正态性：每个总体（说明组员工、引导组员工）的效率得分数据大致服从正态分布。对于大样本（n≥30），正态性要求可以放宽。*方差齐性：两个总体的方差相等（或两组样本的方差没有显著差异）。3.零假设H₀:μ₁≤μ₂（强化培训对新员工工作效率没有显著提升作用，或培训组效率不高于引导组）；备择假设H₁:μ₁>μ₂（强化培训显著提升了新员工工作效率，培训组效率高于引导组）。其中μ₁代表培训组的效率均值，μ₂代表引导组的效率均值。4.培训组效率得分标准差（8分）小于引导组（10分）不会直接影响独立样本t检验的统计结论（即p值计算本身）。t检验的计算会同时考虑均值差异和方差的估计。然而，如果方差不齐（如本题所述），应在计算t值时进行方差校正（如使用Welch'st检验），或者对结果进行解释时考虑方差差异可能带来的影响。但无论方差是否齐性，标准差的大小本身不影响检验是“显著”还是“不显著”的判断依据。三、1.Pearson相关系数r=0.65的含义是：员工的工作满意度评分与绩效评分之间存在中等强度的正相关关系。具体来说，当员工的绩效评分增加一个标准单位时，其工作满意度评分也倾向于增加约0.65个标准单位。2.根据该相关系数，人力资源部可以初步得出员工的工作满意度和绩效水平倾向于同步变化的结论。即绩效表现较好的员工，其工作满意度也相对较高；反之，绩效表现较差的员工，其工作满意度也相对较低。但这只是相关性，不代表因果关系。3.应进行相关系数的显著性检验（如使用t检验）。检验的统计量是t值，计算公式为t=r*sqrt((n-2)/(1-r²))。4.查阅相关临界值表：对于双尾检验，自由度df=n-2=150-2=148。显著性水平α=0.01时，临界t值约为±2.601（查t分布表）。计算检验统计量t=0.65*sqrt((150-2)/(1-0.65²))≈0.65*sqrt(148/0.5525)≈0.65*sqrt(267.86)≈0.65*16.37≈10.64。因为计算得到的t值（10.64）远大于临界值（2.601），且p值小于0.01。因此，该相关性具有统计学上的显著性，表明员工工作满意度和绩效评分之间存在显著的线性关系。四、1.应使用Pearson相关系数。该方法用于测量两个连续变量之间线性关系的强度和方向。题中月工资（元）是连续变量，离职倾向评分（1-10分）虽然是定序变量，但在统计分析中常被视为近似连续处理，可以计算Pearson相关系数来初步探索两者关系。2.应使用多元线性回归分析。该方法可以同时考察多个自变量（年龄、工作年限、月工资）对一个连续变量（离职倾向评分）的综合线性影响。研究者不仅想知道单个因素的影响，还想了解这些因素共同作用下对离职倾向的解释力。3.评价回归模型拟合优度的主要统计量是R方（R²）。它告诉我们模型中所有自变量共同解释的因变量方差的比例。R方值越接近1，表示模型对数据的拟合程度越好，自变量对因变量的解释力越强。4.在回归模型中，应将“部门”作为分类自变量引入。通常有两种处理方式：*虚拟变量法（DummyVariable）：为“部门”创建k-1个虚拟变量（k为部门数量，这里是3个部门，创建2个虚拟变量）。例如，令技术部=1（引导部=0，行政部=0），销售部=1（引导部=0，行政部=0）。模型将估计除引导部外，技术部和销售部相对于引导部的离职倾向差异。*指示变量法（IndicatorVariable）：直接将部门编码（如1,2,3）放入模型。但这样会假设不同部门之间的效应是等距的，且会引入多重共线性问题（如果部门间存在某种排序关系）。因此，虚拟变量法更常用且理论更严谨。五、1.可以考虑使用Mann-WhitneyU检验。该方法是一种非参数检验，用于比较两个独立样本中连续变量（或定序变量）分布的位置（通常是中位数）是否存在显著差异。它不依赖于数据的正态分布假设。2.选择非参数检验方法的主要优势在于对数据分布形态的要求较低，适用于非正态分布、偏态分布、等级数据或存在异常值的数据。当无法满足参数检验的前提条件时，非参数检验提供了另一种有效的分析选择。3.应使用Wilcoxon秩和检验（或符号秩检验）。该检验用于比较两个相关样本（如同一群人在处理前后）的中位数是否存在显著差异。虽然题中是独立样本，但若要比较中位数，且数据不符合参数检验条件，Mann-WhitneyU检验是更合适的选择。如果研究者想比较哪个组的中位数更高，Wilcoxon符号秩检验通常用于配对样本，而Mann-WhitneyU检验用于独立样本。这里题目问的是“是否显著提高”，Mann-WhitneyU检验是比较两组中位数是否不同（且倾向于哪个方向）。判断过程是：提出零假设（两组中位数相等），计算Mann-WhitneyU统计量及其对应的p值，如果p值小于显著性水平，则拒绝零假设。4.如果数据满足进行方差分析的参数条件（如两组销售额数据近似正态分布且方差齐性），应该使用独立样本F检验来检验两组销售额变异性的差异（更准确地说是总体方差的差异）。如果数据不满足参数条件，可以考虑使用Levene's检验（用于检验两组方差齐性，非参数方法的一种应用）或直接使用Mann-WhitneyU检验来比较两组销售额分布的位置差异，间接反映变异性的可能差异。六、1.因子分析的预处理包括：*数据标准化：对所有变量进行中心化和缩放（如减去均值再除以标准差），因为因子分析是基于协方差矩阵或相关矩阵计算的，变量的量纲不同会影响结果。*删除