层次分析法在企业招聘中应用.docVIP

层次分析法在企业招聘中的应用 皖西学院 张伟志 237012 一、摘要 如何从众多的应聘者中甄选出适合于本企业的人才是人力资源管理所面临的重要课题之一。本文主要应用层次分析法建立数学模型解决职位应聘问题。针对四个不同的问题建立了相应的求解模型。 问题一的求解，先用因子分析法找出相关性强的指标，得四个因子，再用聚类分析将原始的十五个指标分为四项，最后用层析分析法建立模型，对这四项指标进行两两对比，再用MATLAB软件对该矩阵进行一致性检验和求解，最后通过加权求平均，得出最后的得分，排序后取前六名（见表三）。 问题二的求解，套用模型一的方法建立模型二，将属于外在指标得原始指标归为一类，取这一类的平均分做为外在指标的分数，同问题一的算法得出最后得分，排序后取前六名（见表四）。 问题三的同模型二的方法，分别对管理、销售、生产作了三次排名，最终的排名出现重合现象，从而引入贡献值做综合处理得出结果：40和39号应聘者分配到管理部门，8和7号应聘者分配到推销部门，23和22号应聘者分配到劳动部门。 问题四，将已有模型进行推广建立模型四，再套用模型三的结果即可。 关键词：因子分析 聚类分析 层次分析 贡献值 权重 判断矩阵 二、问题重述（略） 三、模型假设及符号的说明 模型假设： 假设打分的过程是公平合理 假设公司中管理部门的地位较重 假设公司只有管理、推销和生产三个部门 符号说明： Gi——各应聘者在不同模型中的最终得分函数（i=1，2，3） A——目标层 Bi ——不同模型中衡量应聘者的各项指标（i=1，2，…，9） λ max ——判断矩阵的最大特征根 C.I.——一致性指标 C.R.——组合一致性指标 R.I.——随机一致性指标 ω（因素名）——各因素Bi对Gi 的贡献的权重 FL——求职信的形式 APP——外貌 AA——专业能力项的得分 LA——讨人喜欢项的得分 SC——自信心项的得分 LC——洞察力项的得分 HON——诚实项的得分 SMS——推销能力项的得分 EXP——经验项的得分 DRV——驾驶水平项的得分 AMB——事业心项的得分 GSP——理解能力项的得分 POT——潜在能力项的得分 KJ——交际能力项的得分 SUIT——适应性项的得分 GL——管理的综合因素 TX——推销的综合因素 SCH——生产的综合因素 四、模型的建立与求解 4.1模型一的分析 该模型是针对问题一而设计的。由问题知，该公司招聘的最初指标共15 项，且每一项指标的打分都直接关系到应聘者的最终得分Gi，用层次分析法对模型进行求解，为了数据处理的方便我们对所给数据进行因子分析后，将这15项原始指标划分成四大类：B1， B2， B2和 B4，根据它们的重要程度进行对比，生成对比矩阵，通过MATLAB软件对矩阵进行一致性检验和求解，得出最大特征根λ max、一致性指标C.I.和组合一致性指标C.R. 的值，再定得分函数。最终取得分G的前六名为该公司应聘者中最优秀的六名应聘者。 4.1.1模型一的求解 根据前面建立的模型，我们可以得到确切的应聘者的得分函数： （1） 关键是计算权重（i=1，2，3，4）和Bi（i=1，2 ，3，4）的值。 用层次分析法计算权重ωi具体算法如下所述： 在认真分析所给的数据后，发现某些指标的数值很相似，我们建立了应聘方案递阶层次结构 对同一层次的各个元素关于上一层次的准则的重要性进行两两比较，构成两两比较判断矩阵。再构造两两比较判断矩阵的过程中，按1~9比例标度对重要性程度进行赋值。 用SPSS软件对数据做因子分析，得出四个因子（见附件2）。再通过聚类分析将原始的15项指标划分为四类（见附件3）分别定义为：B1， B2， B2和 B4Bi的各项指标的均值如下： 表一 重要性标度含义表 重要性标度 含 义 1 表示两个元素相比，具有同等重要性 3 表示两个元素相比，前者比后者稍重要 5 表示两个元素相比，前者比后者明显重要 7 表示两个元素相比，前者比后者强烈重要 9 表示两个元素相比，前者比后者极端重要 2，4，6，8 表示上述判断的中间值 倒数 若元素i与元素j的重要性之比为aij, 则元素j与元素I的重要性之比为aji=1/aij 查找相应的平均随机一致性指标。对，Saaty给出了的值，如下表所示： 表二 1 2 3 4 5 6 7 8 9 0 0 0.58 0.90 1.12 1.24 1.32 1.41 1.45 计算一致性指标CI (3) 计算随机一致性指标CR (4) 3、根据得