人力资源管经典实用课件：人力资源分析技术5.pptVIP

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Ａ到Ｂ，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Ｘ和Ｙ的测量成正向关系时，可称同序。 由Ａ到Ｅ，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Ｘ和Ｙ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　ＡE：同级　 BC：异序 BD：同级 BE：异序 CD：异序 CE：异序 DE：同级 相关算例 本例中，作为同序对数的Ｎs＝１，作为异序对数的Ｎd＝６，同级对数为３，不予考虑，删去。 对这一数据的解释是：该公司每100名员工中有71名员工，其健康状况与工作绩效成反向关系，另外29名员工健康状况与工作绩效之间无关。 4、定距变量的相关系数 计算公式为： 根据可靠性原则，样本个数N≥30条件下，R具有基本可靠性。 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：-1≤R≤+1。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，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，