人力资源管理经典实用课件人力资源分析技术

1、第五章 人力资源分析相关计算模型,第一节 变量分类、相关与回归,1、变量分类 2、相关系数 3、相关与回归,1、变量分类,定类变量：无方向，无大小，只有类的区别的变量叫做定类变量。 定序变量：有方向，无大小，可顺序排列，且该排列顺序不能随意被打乱的变量叫做定序变量。 定距变量：有方向，有大小，可以用绝对数表示的变量叫做定距变量。 定比变量：用相对数表示的变量叫做定比变量。,问：下列变量各为什么变量？,（1）学历 （2）行业 （3）收入 （4）宗教 （5）职务 （6）相关系数,2、相关系数,相关系数（R）：反映两个变量（X，Y）之间关系密切程度及其方向性的系数。 相关系数的定义域为：-1R+1。

2、具体来说，可以将该定义域细分为反映X和Y之间不同关系的五种类型： -1R-0.5：强负相关，表明X的增量很小，而Y的负增量却很大。 -0.5R0：弱负相关，表明X的增量很大，而Y的负增量却很小。 R=0：无关，表明无论X的增量怎样变化，Y都不发生变化。 0R0.5：弱正相关，表明X的增量很大，而Y的增量却很小。 0.5R1：强正相关，表明X的增量很小，而Y的增量却很大。,3、相关与回归,相关只回答两个变量之间关系的强度和方向问题，不涉及变量之间关系的因果性。 回归模型能清楚的反映两个变量之间的因果关系。 在建立回归模型和回归方程时，必须首先明确或证明两个变量之间的因果逻辑关系确实存在，否则，回

3、归模型既可能无效，也可能误导。,第二节 不同变量相关系数的计算,1、相关系数的一般计算模型 2、定类变量的相关系数 3、定序变量的相关系数 4、定距变量的相关系数,1、相关系数的一般计算模型,（1）引例 （2）一般计算模型,（1）引例,假设Y是某人的符号，在仅知道该符号的前提下，要求你猜测Y的性别、身高、年龄并写出来。然后，将另一名称为X的人介绍给你，使你确切知道了X的性别、身高、年龄，此时要求你再次猜测Y的性别、身高、年龄并写出来。 思考：这两次猜测的本质区别在哪里？,（1）引例,这两次猜测的本质区别在于：第一次猜测时并没有提供参照者X，第二次猜测时则以提供参照者X为前提。此时，定义E1为不

4、知道X而推断Y所产生的误差，定义E2为根据X推断Y所产生的误差，并求R=（E1-E2）/E1的值。,（1）引例,显然，如果E1足够大，而E2也足够大（这意味着即使“照葫芦画瓢”，将Y完全认同为X，其实X和Y在性别、身高、年龄三个标志方面没有丝毫相似之处），则分子近似为0，导致R近似为0。表明X和Y没有相似之处，或者不相关。,（1）引例,如果E1足够大，而E2却非常小（这意味着将Y认作为X是符合实际的），则分子仍然近似为E1，最终R近似为1，表明X和Y在上述三个标志方面完全相同，二者相关度非常高。,（2）一般计算模型,其中E1称作误差1，即不知道一个变量而去推测另一个变量的误差；E2称作误差2，

5、即根据一个变量而去推测另一个变量的误差。,2、定类变量的相关系数,（1）计算实例 （2）定类变量与定序变量的联系与区别,（1）计算实例,某市政府在出台提高农副产品收购价格政策之前，需要了解市民和农民对该项政策的反应。你接受了调查和收集有关反映的任务，在收回问卷以后，你整理出如下矩阵模型：,（1）计算实例,确定E1，此时农民（X1）和市民（X2）的身份不明确，只能在合计栏寻找E1；根据少数服从多数的原则，一共收集到有效问卷45份，持赞成态度的为25份，是多数。据此，可以认为45份（或人）都持赞成态度，猜错了20人。因此E1=20。,（1）计算实例,确定E2，是在明确农民（X1）和市民（X2）身份

6、的前提下推测态度（Y）的。同理，当认为农民都持赞成态度时，猜错的人数为5，而当认为市民都持反对态度时，猜错的人数为4。因此总误差E2=5+4=9。于是：,（1）计算实例,对该相关系数0.55的解释为：在你调查的社区，每100名农民或市民中有55名的态度与身份相关，另45名态度与身份无关。具体来说，每100名农民或市民中，会有55名因为是农民而赞成提高农副产品收购价格，或会有55名因为是市民而对该政策持反对态度。另外45名态度与身份没有关系，这部分人既可能因为承包有土地，向市场提供农副产品，即使是市民身份，也可能会持赞成态度；也可能因为脱离土地，进城务工，需要购买农副产品，即使是农民身份，也可能

7、会持反对态度。,（2）定类变量与定序变量的联系与区别,联系：都属于类别变量 区别：定类变量的分类可以由调查者根据其需要按顺序排列。定序变量的分类具有某种隐含的次序：它们量度的不仅有性质上的而且有分量上的差异。因此，定序变量的尺度包含了组间的次序关系，而定类变量则不具有这种性质。,3、定序变量的相关系数,(1)对X和Y两个变量的测量层次相同时 (2)当用序数形式表现变量X和Y时 (3)当对X和Y的测量层次不相同时,(1)对X和Y两个变量的测量层次相同时,计算公式为： Ns为矩阵中某个元素与其右下各个元素和的乘积，Nd为矩阵中某个元素与其左下各个元素和的乘积。,相关算例,根据下表计算2005年某公

8、司员工学历与职务的相关系数R2005，如果1995年该公司同一系数为R1995=0.56，试进行两个年度的对比。,相关算例,Ns=12 (12+12+3+13+11+4+3+1+1) + 23 (12+3+11+4+1+1)+ 34 (3+4+1)+ 43（13+11+4+3 +1+1) +12 (11+4+1+1)+12 (4+1) + 21 (3+1+1) + 13 (1+1) + 11(1) =3574 Nd= 12 (43+12+12+21+13+11+6+3+1) +34 (43+12+21+13+6+3) + 23 (43+21+6) + 3 (21+ 13+11+6+3+1) +

9、 12 (21+13+6+3) + 12 (21+6) +4 (6+3+1) + 11 (6+3) + 13 (6)=7628,相关算例,计算结果表明，2005年该公司每100名员工中有36名学历与职务成反向关系（另外64名员工的学历与职务无关）。而1995年100名员工中有56名学历与职务成正向关系（另外44名员工的学历与职务无关）。显然，该集团公司职务晋升与学历存在明显的背离倾向。,(2)当用序数形式表现变量X和Y时,计算公式为： 式中N为被测变量的个数，D为对所测变量的排序之差。,相关算例,某企业10名员工获奖排名与群众威信排名,相关算例,试根据上表计算某企业员工获奖排名与群众威信排名的

10、相关系数，并指出这一系数反映的问题。,相关算例,该相关系数表示，该企业每100名领导表彰的员工中有81名群众并不认可。这表面上反映了该企业对员工的评价存在上下不一致的问题，实际上反映了该企业领导层与底层员工认知存在明显不同，说明该企业凝聚力很差。,(3)当对X和Y的测量层次不相同时,计算公式为： 式中，Ns为同序对数，Nd为异序对数。,相关算例,已知5名员工健康状况与工作绩效的关系如下，试计算健康状况与工作绩效的相关系数。,相关算例,将A、B、C、D、E这5名员工两两配对，作不重复组合，以比较其健康状况和工作绩效的一致性。共有10种组合方法。 观察每对间的关系：由员工到，其健康状况是由“健康”到“一般”，呈下降趋势的，而其工作绩效是由“中”到“良”，呈上升趋势的。一降一升，方向相反，称作异序。,相关算例,当对健康状况和工作绩效，也就是和的测量成正向关系时，可称同序。 由到，其健康状况则是由“一般”到“一般”，称之为同级，由于同级表示没有变化发生，也就是无论另一个变量（例如工作绩效）如何变化，健康状况都是不变的，显示健康状况与工作绩效之间没有关系，因而，无论在和的哪一个测量层级中出现“同级”，相关计算中都不予考虑，作删去处理。,相关算例,本例中每对员工之间健康状况与工作绩效的关系如下： AB：异序 AC：异序AD：同序E：同级 BC：异序 BD：同级 BE：异序 C