因子分析法在企业员工评价中应用.docVIP

因子分析法在企业员工评价中应用摘要：企业员工评价是一种多指标综合评价，利用因子分析法确定员工综合素质评价体系中各指标的权重，根据综合评价得分对员工综合素质进行排序，可以克服人为主观因素及指标间相关性的影响，结果更为客观准确。 关键词：因子分析；员工评价 一、引言 评价员工需要考虑对员工有影响的众多因素，多指标大样本无疑会为科学的研究提供丰富信息，但也增加了问题的复杂性，因此有必要寻找几个较小的综合指标来综合各方面的信息，这些较少的几个综合指标不相关，所代表的信息不重叠，而包含信息又多。因子分析法正体现了这一分析思想，是解决这一问题的理想工具。把因子分析法应用到综合评价中可以克服人为主观确定权重的缺陷，使得综合评价结果唯一、客观合理。在因子分析中较为重要的方差贡献βi（i=1，2，…，k），表示第i个公因子在消除i-1个公因子影响后，使方差贡献取到最大值。用它主要衡量第i个公因子的重要程度。因此我们可以以βi为权重，建立相应的评价模型：F=β1F1+β2F2+…βkFk，其中F1、F2…Fk，为相应的用来综合描述原始指标的k个公因子，计算综合得分并排序。 二、实例分析 以绿色食品公司为例，依据评价指标的可比性选取15项指标构成该企业员工评价指标体系：X1――专业能力；X2――外貌；X3――书写能力；X4――讨人喜欢能力；X5――自信程度；X6――洞察力；X7――诚实；X8――自我推销能力；X9――经验；X10――学习新知识的能力；X11――志向；X12――理解能力；X13――潜在能力；X14――对工作的要求程度；X15――对环境的适应性。考核指标按10分制打分，最高分为10分，表现不好者给予低分。把员工编号为1，2，3…48。这样就得到了一个48×15的原始数据矩阵，将原始数据标准化，得标准化矩阵表。现用SPSS for windows的Factor过程进行因子分析。 由表1可知，在15个变量之间存在高度相关，要对应聘者做出正确的判断不容易，故需进行因子分析，这样从信息量和系统效应角度确定了综合素质评价体系中各指标的权重，显得客观实际。 由表2的特征值可以看出，第1个因子的特征值λ=5.716，大约占去方差的38.107%，基于取特征值大于1规则，Factor过程提取了前4个因子，4个因子的特征值共占去方差81.361%。可见，被放弃的其他11个因子解释的方差不到20%，因此说明前4个因子提供了原始数据的足够信息。 由表3可以看出，X5、X6、X8、X10、X11、X12、X13在第1主因子F1上有较大载荷，F1反映的是员工在自信、洞察力、自我推销、学习新知识、志向、理解、潜在能力方面的信息。 X1、X9、X15在第2主因子F2上有较大载荷，F2反应了员工在书写、经验、环境适应性方面的信息；X4、X14在第3主因子F3有较大载荷，F3反应了员工在讨人喜欢、对工作强烈要求程度方面的信息；X2、X3、X7在第4主因子F4上有较大载荷，F4反应了员工在外貌、专业能力、诚实方面的信息。计算因子得分： F1=-0.097X1+0.017X2-0.020X3- 0.156X4+0.248X5+0.186X6-0.091X7+0.227 X8-0.081X9+0.156X10+0.225X11+0.125 X12+0.069X13-0.028X14-0.011X15 F2=0.371X1-0.009X2+0.000X3+0.072 X4-0.169X5-0.078X6-0.163X7-0.030X8 +0.369X9+0.051X10-0.046X11-0.002X12 +0.043X13+0.126X14+0.308X15 F3=0.015X1+0.166X2+0.065X3+0.475 X4-0.099X5-0.032X6+0.487X7-0.157X8 -0.052X9-0.086X10-0.139X11+0.041X12 +0.117X13+0.118X14-0.043X15 F4=-0.147X1+0.188X2+0.694X3- 0.011X4-0.045X5+0.002X6+0.082X7-0.062 X8+0.110X9-0.056X10-0.049X11+0.106 X12+0.177X13-0.382X14+0.021X15 将以特征值的贡献率作加权系数计算个样本总得分，即： F=（38.107F1+18.215F2+16.050F3 +8.988F4）/81.361，将标准化后的数据分别代入F1、F2、F3、F4、F的表达式中得到F得分（见表4）。 从表4可以看出，{40，8，39，23，7，10，22，2，24，