基于灰色理论员工素质与绩效关联度分析模型及应用.docVIP

基于灰色理论员工素质与绩效关联度分析模型及应用 　　摘要：本文运用灰色理论对员工素质与绩效之间的关联度进行量化分析，使得素质与绩效之间的关系数量化、明确化，为人力资源管理研究提供一个新的视角。 　　关键词：灰色理论 员工素质 绩效 关联度 　　 　　0 引言 　　通过之前的研究发现，员工素质与工作绩效密切相关，而且不同的素质与绩效之间的关联度各不相同。如果能够通过一定的方法区分员工的各种素质与绩效之间关联度的高低，那么这将对人力资源管理研究与具体的管理工作有着重要的影响和指导意义[1]。 　　本文是在对灰色理论在员工素质与绩效关联度分析中应用的可行性研究基础上，进一步构建关联度分析模型，并举例加以阐述。 　　1 基于灰色理论的员工素质与绩效关联度分析模型构建 　　1.1 灰色理论及灰色关联度算法简介 　　灰色理论是我国学者邓聚龙教授在1982年创立的，它是一种研究少数据、贫信息、不确定性问题的新方法。灰色理论的研究对象是“部分信息已知、部分信息未知”的“小样本”、“贫信息”不确定性系统，它通过对“部分”已知信息的生产、开发实现对现实世界的确切描述和认识。灰色系统对实验观测数据没有什么特殊的要求和限制，因此应用领域十分宽广。 　　在灰色理论中灰色关联度包括绝对关联度、相对关联度和综合关联度等多种类型的关联度。本文中所指的关联度是指综合关联度，它是由绝对关联度和相对关联度计算而得出。具体算法如下[2][3][4]: 　　1.1.1 灰色绝对关联度 　　Xi=（xi（1），xi（2），…，xi（n））为因素X的行为序列，X0与Xi之间的绝对关联度为。 　　1.1.2 灰色相对关联度 　　设序列X0，Xi长度相同，且初值皆不等于零，X′0与X′i分别为X0与Xi的初值像，则称X′0与X′i的灰色绝对关联度为X0与Xi的灰色相对关联度，记为r0，i。 　　1.1.3 综合关联度 　　设序列X0与Xi长度相同，且初值不等于零，则X0与Xi的综合关联度 　　 　　1.2 模型评价指标体系构建 　　基于现实意义的考虑，并借鉴莱尔.M.斯潘塞的“冰山素质模型”和目前相关研究基础之上，本模型的评价指标体系分为显性素质指标和隐性素质指标两部分，由知识水平、技能水平和观察力等13项具体评价指标构成，如表1所示。 　　表1 员工素质评价指标 　　1.3 评价过程设计 　　第一步，获取各项指标的评价值； 　　第二步，生成因素X的行为序列； 　　第三步，计算Xi与X0的绝对关联度ε0，i； 　　第四步，计算Xi与X0的相对关联度γ0，i； 　　第五步，计算Xi与X0的综合关联度ρ0，i； 　　第六步，根据大小对ρ0，i进行比较排序，ρ0，i值越大说明关联程度越高。 　　2 应用举例 　　例如，某企业要从两名营销员中选拔一名营销主管，这两名营销员的各项素质指标如表2所示，并且已获取四名优秀营销主管的各项素质指标值，具体如表3所示。 　　限于篇幅，在计算中仅以求解X1与X0之间的综合关联度为例。 　　首先，计算绝对关联度； 　　X0=（90，82，78，86） X1=（83，80，75，76） 　　X00=（0，-8，-12，-4） X10=（0，-3，-8，-7） 　　由； i=0，1，2，3，4得 |s0|=22 |s1|=14.5 　　由 得 　　然后计算相对关联度； 　　最后，计算综合关联度。 　　取θ=0.5，由ρ0，i=θε0，i+（1-θ）r0，i 得ρ0，1=0.893 　　同理，计算出ρ0，2=0.727；ρ0，3=0.772；ρ0，4=0.905；ρ0，5=0.659； 　　ρ0，6=0.648；ρ0，7=0.905；ρ0，8=0.989；ρ0，9=0.645；ρ0，10=0.758； 　　ρ0，11=0.744；ρ0，12=0.976；ρ0，13=0.972。 　　根据关联度的意义，我们知道ρ0，i的值越大，说明该项素质与绩效的关联程度就越高。通过对计算结果的比较，我们得出各项素质与绩效关联度排名由高到低依次是：沟通能力、主动性、应变能力、理解力、观察能力、专业知识、身体素质、责任感、学习能力、技能水平、判断力、决策力和团队意识。 　　接下来，我们计算员工一和员工二的绩效期望值。具体的计算方法是以各项素质指标与绩效间的综合关联度值为权重，各项指标值与权重相乘，将各项计算结果相加并除以指标总数得出绩效期望值。 　　E1=（95×0.839+94×0.727+90×0.772+90×0.905+87×0.659+85×0.648+92×0.905+87×0.989+89×0.645+93×0.758+89×0.744+92×0.976+93×0.972）