聚类分析及判别分析案例.docx
《聚类分析及判别分析案例.docx》由会员分享,可在线阅读,更多相关《聚类分析及判别分析案例.docx(29页珍藏版)》请在冰豆网上搜索。
![聚类分析及判别分析案例.docx](https://file1.bdocx.com/fileroot1/2022-10/8/5628830f-91af-45be-9a75-dc237288123a/5628830f-91af-45be-9a75-dc237288123a1.gif)
聚类分析及判别分析案例
一、案例背景
随着现代人力资源管理理论的迅速开展,绩效考评技术水平也在不断提高。
绩效的多因性、多维性,要求对绩效实施多标准大样本科学有效的评价。
对企业来说,对上千人进展多达50~60个标准的考核是很常见的现象。
但是,目前多标准大样本大型企业绩效考评
问题仍然困扰着许多人力资源管理从业人员。
为此,有必要将当今国际上最流行的视窗统计软件SPSS应用于绩效考评之中。
在分析企业员工绩效水平时,由于员工绩效水平的指标很多,各指标之间还有一定的关联性,缺乏有效的方法进展比拟。
目前较理想的方法是非参数统计方法。
本文将列举某企业的具体情况确定适当的考核标准,采用主成分分析以及聚类分析方法,比拟出各员工绩效水平,从而为企业绩效管理提供一定的科学依据。
最后采用判别分析建立判别函数,同时与原分类进展比拟。
聚类分析
二、绩效考评的模型建立
1、为了分析某企业绩效水平,按照综合性、可比性、实用性和易操作性的选取指标原那么,本文选择了影响某企业绩效水平的成果、行为、态度等6个经济指标(见表1)。
表1——变量和考评指标名称表
变量
指标名称
X1
工作产量
X2
工作质量
X3
工作出勤
X4
工作损耗
X5
工作态度
X6
工作能力
2、对某企业,搜集整理了28名员工2021年第1季度的数据资料。
构建1个28×6维的矩阵(见表2)。
表2——某企业职工绩效考评结果
职工代号
X1
X2
X3
X4
X5
X6
1
9.68
9.62
8.37
8.63
9.86
9.74
2
8.09
8.83
9.38
9.79
9.98
9.73
3
7.46
8.73
6.74
5.59
8.83
8.46
4
6.08
8.25
5.04
5.92
8.33
8.29
5
6.61
8.36
6.67
7.46
8.38
8.14
6
7.69
8.85
6.44
7.45
8.19
8.1
7
7.46
8.93
5.7
7.06
8.58
8.36
8
7.6
9.28
6.75
8.03
8.68
8.22
9
7.6
8.26
7.5
7.63
8.79
7.63
10
7.16
8.62
5.72
7.11
8.19
8.18
11
6.04
8.17
3.95
8.08
8.24
8.65
12
6.27
7.94
3
4.52
7.16
7.81
13
6.61
8.5
4.34
5.61
8.52
8.36
14
7.39
8.44
5.92
5.37
8.83
7.47
15
7.83
8.79
3.85
5.35
8.58
8.03
16
7.36
8.53
5.39
7.09
8.23
8.04
17
7.24
8.61
4.69
3.98
9.04
8.07
18
6.49
8.03
4.56
7.18
8.54
8.57
19
5.43
7.67
4.22
3.87
8.41
7.6
20
4.57
7.4
2.96
3.02
8.74
7.97
21
6.43
8.38
4.87
4.87
8.78
8.37
22
5.88
7.89
3.87
6.34
8.37
8.19
23
3.94
6.91
2.97
6.77
8.17
8.16
24
4.82
7.3
3.07
5.87
6.32
6.01
25
4.02
7.26
2.28
5.63
9.66
9.07
26
3.87
6.96
2.79
4.92
5.32
6.23
27
4.15
7.5
1.56
4.81
8.44
8.38
28
4.99
7.52
2.11
6.23
8.3
8.14
3、应用SPSS数据统计分析系统首先对变量进展及主成分分析,找到样本的主成分及各变量在成分中的得分。
去结果中的表3、表4、表5备用。
表3
解释的总方差
成份
初始特征值a
提取平方和载入
合计
方差的%
累积%
合计
方差的%
累积%
原始
1
3.944
65.739
65.739
3.944
65.739
65.739
2
1.080
18.000
83.740
1.080
18.000
83.740
3
.650
10.832
94.571
4
.211
3.520
98.092
5
.080
1.337
99.428
6
.034
.572
100.000
重新标度
1
3.944
65.739
65.739
3.944
65.739
65.739
2
1.080
18.000
83.740
1.080
18.000
83.740
3
.650
10.832
94.571
4
.211
3.520
98.092
5
.080
1.337
99.428
6
.034
.572
100.000
提取方法:
主成份分析。
a.分析协方差矩阵时,初始特征值在整个原始解和重标刻度解中均一样。
表4
成份矩阵a
原始
重新标度
成份
成份
1
2
1
2
Zscore(X1)
.897
-.319
.897
-.319
Zscore(X2)
.899
-.239
.899
-.239
Zscore(X3)
.882
-.320
.882
-.320
Zscore(X4)
.697
-.187
.697
-.187
Zscore(X5)
.732
.618
.732
.618
Zscore(X6)
.729
.633
.729
.633
提取方法:
主成份。
a.已提取了2个成份。
表5
成份得分系数矩阵a
成份
1
2
Zscore(X1)
.227
-.295
Zscore(X2)
.228
-.221
Zscore(X3)
.224
-.297
Zscore(X4)
.177
-.173
Zscore(X5)
.186
.572
Zscore(X6)
.185
.587
提取方法:
主成份。
构成得分。
a.系数已被标准化。
4、从表3中可得到前两个成分的特征值大于1,分别为3.944和1.08,所以选取两个主成分。
根据累计奉献率超过80%的一般选取原那么,主成分1和主成分2的累计奉献率已到达了83.74%的水平,说明原来6个变量反映的信息可由两个主成分反映83.74%。
从表4可看出,第一主成分根本支持了X1、X2、X3、X5和X6。
而第二主成分根本支持了,该成分因子得分还有对未来员工绩效预报作用。
第一主成分与工作质量、工作产量以及工作出勤高度正相关。
因此第一主成分可以反映影响该企业绩效的工作成绩因素。
第二主成分与工作能力以及工作态度高度正相关,因此第二主成份可以反映影响该企业员工绩效的能力与态度因素。
三、绩效水平的类型划分及区域差异分析
因为本案例要研究职工工作绩效成绩的得分,根据两个主成分的表示重点不同,我们可以看到第一主成份反映的是绩效成绩的得分。
所以计算每个样本在第一主成份方向的得分。
可以对数据标准化,并用每个样本乘以第一成分得分矩阵,即得各样本在第一主成份的综合得分。
例如1号样本在第一主成份方向的综合得分为:
2.24478*0.227+2.06671*0.228+1.82854*0.224+1.54332*0.177+1.56685*0.1865+2.07013*0.185=2.337944
其他各样本均按此方法算出综合得分,并按各样本在在第一主成分方向的综合得分的降序顺序排列数据,得到的就是各个员工工作绩效成绩得分。
如表6
表6
职工代号
X1
X2
X3
X4
X5
X6
各样本在第一主成份的综合得分
1
2.24478
2.06671
1.82854
1.54332
1.56685
2.07013
2.337944
2
1.1618
0.91894
2.34746
2.28639
1.69646
2.05718
2.099889
8
0.82805
1.57273
0.9962
1.15898
0.29239
0.10131
1.047965
7
0.73269
1.06423
0.45672
0.53762
0.18438
0.28265
0.693014
6
0.88935
0.948
0.83692
0.78745
-0.23684
-0.05412
0.690811
3
0.73269
0.77365
0.99106
-0.40402
0.45439
0.41218
0.653969
9
0.82805
0.0908
1.38154
0.90275
0.41119
-0.66291
0.631764
5
0.15374
0.23609
0.9551
0.79385
-0.03163
-0.00231
0.436871
10
0.52836
0.61384
0.467
0.56965
-0.23684
0.0495
0.430435
16
0.66458
0.48308
0.29745
0.55684
-0.19364
-0.13184
0.365784
15
0.98471
0.86083
-0.49379
-0.55776
0.18438
-0.14479
0.217974
14
0.68501
0.35232
0.56975
-0.54494
0.45439
-0.87015
0.190535
18
0.072
-0.24336
-0.129
0.61449
0.14118
0.55466
0.169598
11
-0.2345
-0.03995
-0.44241
1.19101
-0.18284
0.65828
0.137142
17
0.58285
0.59931
-0.06221
-1.43534
0.68121
-0.09298
0.110463
13
0.15374
0.43949
-0.24203
-0.39121
0.11958
0.28265
0.086176
21
0.03114
0.26515
0.03028
-0.86523
0.40039
0.2956
0.050319
4
-0.20726
0.07628
0.11762
-0.19263
-0.08563
0.19198
-0.01782
22
-0.34348
-0.44676
-0.48351
0.07641
-0.04243
0.06245
-0.27095
25
-1.61037
-1.36207
-1.30044