合肥明信公司电气符号使用规范

基于聚类与主成分分析法相结合的企业员工绩效评价研究摘要：企业制定正确的人力资源战略和有效实施人力资源管理的重要前提是科学合理的评价员工绩效，它作为企业改进人力资源管理工作的一个关键环节，是决定企业员工晋升、奖酬、岗位安排的基础。本文通过聚类分析和主成分分析两种方法对企业员工的绩效做分类及评价，并对两种方法的结果结合分析，使企业更清楚的认识到各员工的能力、优势，以便更好的进行管理，达到最优化。关键词：员工绩效评价聚类分析主成分分析1.问题分析伴随着市场国际化与经济全球化带来的不断扩大和加剧的竞争范围及竞争程度，人力资源在企业实现生产经营目标中起着越来越重要的作用，企业如何管理和激励员工，如何正确合理的制定人力资源战略和有效实施人力资源管理显得格外重要，而科学合理的绩效评价体系是其重要的基础。绩效评价是对员工工作业绩的评定，即根据工作目标或一定的绩效标准，采用科学的方法，对员工的工作完成情况、职责履行程度等进行定期的评定，并将结果反馈给员工的过程。近些年，在我国的大多数企业还是采用以经验判断为主体的主观性强的绩效评价方式，科学性较差，缺乏客观的评价标准，评价结果容易产生偏差。本文利用问卷方式对某小企业30名员工的各项指标进行了调查，细心计算整理得出表1的数据，运用SPSS进行了主成分和聚类分析，并对结果进行了阐述和结合分析，从而为企业进行人力资源开发与管理提供更好的参考。表1员工各项指标调查结果职工号工作产量工作质量工作出勤工作损耗工作态度工作能力case01（1）9.689.628.378.639.869.74case02（2）8.098.839.389.799.989.73case03（3）7.468.736.745.598.838.46case04（4）6.088.255.045.928.338.29case05（5）6.618.366.677.468.388.14case06（6）7.698.856.447.458.198.1case07（7）7.468.935.77.068.588.36case08（8）7.69.286.758.038.688.22case09（9）7.68.267.57.638.797.63case10（10）7.168.625.727.118.198.18…………………2.员工绩效聚类分析2.1聚类分析的原理及步骤K-means算法的思想是把每个样品聚集到其最近形心类中去，是把对象集合D划分成一组聚类{C1,C2,⋯Ck}其中k是要得到的聚类个数。其目的是找到一组聚类中心和隶属矩阵，使得目标函数值最小。该算法采用爬山法，首先随机选取k个点作为初始聚类中心(聚点)，计算每个对象到聚类中心的距离，把对象归到离它最近聚点，从而得到一组聚类；然后计算出当前每个聚类的中心作为新的聚点，并把每个对象重新归到最近的聚点，用新聚类代替原聚类，循环执行这一过程。如果相邻两次的聚点没有任何变化，说明对象调整结束，聚类目标函数已经收敛，算法结束。2.2运用SPSS聚类分析员工绩效根据数据将企业员工按绩效分为三类，运用SPSS中的K-Meanscluster快速聚类法直接对其进行聚类，输出每个样品的分类结果及相关信息。表2最后各类的重心Cluster123工作质量8.559.177.44工作产量7.078.834.79工作出勤5.518.932.88工作损耗6.498.985.20工作态度8.249.826.73工作能力8.189.587.75根据输出结果中每个样品的分类信息，得出快速聚类法将企业员工绩效分为了三类：{1:case03,case04,case05,case06,case07,case08,case09,case10,case11,case13,case14,case15,case16,case17,case18,case21}；{2:case01,case02,case29,case30}；{3:case12,case19,case20,case22,case23,case24,case25,case26,case27,case28}。结合表2最后各类的重心来分析，可以看到第2类的员工绩效比另外两组要高，即第2类员工绩效最高，第1类员工绩效居中，第3类员工绩效较差。3，员工绩效的主成分分析3.1主成分分析的概念主成分分析也称主分量分析，是由Hotelling于1933年首先提出的，是利用降维的思路把多指标转化为少数几个不相关的综合指标的一种多元统计分析方法。在多变量分析中，为了尽可能完整的搜集信息，对每个样品往往要测量许多项指标，以避免重要信息的遗漏。然而，以变量形式体现的诸多指标很可能存在着很强的相关性，信息可能重叠、问题也变得较为复杂。因此，人们自然想到用少数几个不相关的综合变量来反映原变量提供的大部分信息。3.2主成分分析的步骤（1）计算各评价指标的平均值和协方差。（2）评价指标的中心标准化和计算相关矩阵ρ。由于不同的量纲会引起评价指标的分散程度差异较大，为了消除量纲的影响，要将评价指标的各个数据作中心标准化处理。（3）计算相关矩阵的特征值和特征向量。相关矩阵计算之后，分别算出矩阵的特征值λ1，λ2，…，λp和对应的特征向量α1，α2，…，αp，αi=(α1i,α2i，…αpi)T，并将特征向量单位正交化，得到单位正交向量。（4）计算主成分的贡献率和主成分的表达式。在实际问题中，如果前m个主成分的累计贡献率超过85%以上，就可以用这m个主成分代替所有的原始评价指标。（5）计算主成分的值。将标准化的数据带入主成分表达式，分别计算得到前m个主成分值，然后计算出主成分的值，根据其大小进行排名，主成分值最大的即为所要选择的结果。3.3用SPSS分析员工绩效主成分首先在SPSS中进行标准化，然后对变量进行主成分分析，得到以下结果：表4总方差解释ComponentInitialEigenvaluesExtractionSumsofSquaredLoadingsTotal%ofVarianceCumulative%Total%ofVarianceCumulative%14.53275.52975.5294.53275.52975.5292.69211.52787.0563.4828.04195.0984.1722.86197.9595.0911.52099.4786.031.522100.000ExtractionMethod:PrincipalComponentAnalysis.由表4看到，前面两个主成分y1，y2的方差和占全部方差的比例为87.1%（累计贡献率），即原来六个变量（设为x1、x2、x3、x4、x5、x6）反映的信息可由两个主成分反映87.1%，故选取y1为第一主成分，y2为第二主成分，且这两个主成分基本上保留了原来变量的信息，由原来的六个指标转化为两个新指标，起到了降维的作用。SPSS软件得到主成分系数矩阵：表5ComponentMatrix(a)Component12工产作量.945-.240工质作量.919-.187工出作勤.940-.109工作损耗.771.347工作态度.929-.218工作能力.673.648ExtractionMethod:PrincipalComponentAnalysis.a2componentsextracted.由上表得到前两个主成分y1，y2的线性组合为：y1=0.945x1+0.919x2+0.940x3+0.771x4+0.929x5+0.673x6y2=-0.240x1-0.187x2-0.109x3+0.347x4-0.218x5+0.648x6第一主成分基本支持了X1、X2、X3、X5（绝对值较大的系数）。而第二主成分，基本支持了X4、X6（绝对值较大的系数），同时从得到的因子得分系数表可以预报未来员工的绩效。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员工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，因此可以反映影响该企业员工绩效的能力与态度因素。将表1的数据代入从表5得出的主成分公式，得到30个职工的主成分得分，并将这30个样品的主成分得分在平面直角坐标系上画出来，进而可进行样品分类，如图1：由图可以看出，分布在第一主成分在[12]的是case01、02、29、30为第一类，其中case02是最好的，主要特征是第一主成分占信息总量比重最大，工作质量、产量、出勤影响企业员工绩效的成绩，是最好的一类。分布在第二主成分[03]的是case11、18、20、21、22、23、25、27、28为第二类，主要特征是第二主成分占信息总量比重大，工作能力和态度对其绩效成绩的影响，对企业预测企业员工的未来有很大作用。分布在第二主成分[-20]的是case03、04、05、06、07、08、09、10、12、13、14、15、16、17、19、24、26为第三类。4.分析结果根据聚类分析得出的企业员工绩效的分类情况，结合由主成分分析得出的影响绩效评价的主要因素及各个职工主成分的得分表，企业可以很清楚的比较出职工绩效类别的等级，根据好、一般、较差不同等级进行奖惩措施，有效的激励员工，为企业创造更多的价值。同时也明确了影响各类别员工绩效成绩的因素所占的比重，基于这些权重和职工主成分得分表可以更清楚的了解到每位职工的绩效因素缺陷，对症下药，很快收到效果，例如03号员工的工作能力和态度不好，得分低影响了他的绩效成绩，企业就设法提高他的工作能力，调动工作的积极性，从而提高绩效成绩。只要更快评价指标，将以上聚类分析和主成分分析的结果结合起来进行分析，企业的人力资源管理部门将会受到很大启发，对于职工岗位的安排，奖惩、提升等都得到更优化，给企业带来更小投资的最大化收益。参考文献：[1]何晓群.多元统计分析[M].北京：中国人民大学出版社，2004[2]李卫东.应用多元统计分析[M].北京：北京大学出版社，2008[3]刘磊，崔会保.基于主成分分析法的企业员工绩效评价[J].第三届（2008）中国管理学年会论文集，2008：2581-2585[4]王学民.应用多元分析[M].上海：上海财经大学出版社，2009[5]刘建峰.企业员工绩效评价与管理研究[J].财经界，2009（4）：5