聚类分析及判别分析案例.docx

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

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