检测实验室绩效考核的SPSS应用.doc

  1. 1、本文档共6页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
检测实验室绩效考核的SPSS应用

检测实验室绩效考核的SPSS应用 检测实验室绩效考核的SPSS应用 为了促进检测实验室建设与科研人员自身发展,许多检测实验室引入了现代企业人力资源管理的绩效考核制度。考核的标准从人员能力、专业素养等方面细化出了几十项的考核指标。但传统的量化方法比较繁琐复杂,不能准确且全面的体现人员的各方面素质。因此,实验室有必要自行设计绩效考核的标准与分值,采用有效的统计方法进行绩效考核。本文以世界著名的统计分析软件SPSS为工具,应用因子分析、主成分分析等主流的统计分析方法,对检测实验室科研人员的绩效进行全面准确并且快速的考核,来提高检测实验本文由论文联盟http://www.LWlM.COm收集整理室的人员绩效管理水平。   1.SPSS统计分析系统及应用方法简介   1.1SPSS统计分析系统简介   SPSS软件已经在我国的社会科学、自然科学的各个领域发挥作用,是世界上应用比较广泛的专业统计软件。它非常全面地涵盖了数据分析的整个流程,提供了数据获取、数据管理与准备、数据分析、结果报告这样一个数据分析的完整过程,特别适合设计调查方案、对数据进行统计分析,以及制作研究报告中的相关图表。不仅如此,SPSS软件还提供了广泛的统计分析功能,如交叉分析、因子分析、回归及聚类分析等。   1.2主成分分析方法   主成分分析的显著特色便是化废为宝,其思想是以原自变量的若干线性组合代替原自变量,确保这些原自变量线性组合构成的新变量(称为主成分)彼此不存在多重共线性(即彼此正交),从而在信息不损失或少损失的前提下消除多重共线性。一般而言,新变量数少于原变量数,从而获得降低维度的额外好处。多重共线性越严重,主成分分析的效果越好。   1.3因子分析方法   因子分析有两个分支:验证性因子分析与探索性因子分析,验证性因子分析是因子分析的本原,最早获得发展,探索性因子分析是验证性因子分析的扩展与突破。验证性因子分析的前提是,经由逻辑或经验,影响某种现象的因子数目及因子内容都已确定,但这些因子本身是无法测量的,即不能直接通过调查得到数值,因子分析通过对与这些因子逻辑上有关的变量的调查数据的处理,不仅可以验证这些因子与变量的相关程度,而且可以间接获得这些因子的数值因子得分。探索性因子分析的前提是,与研究问题有关的变量数据已经得到,但这些变量彼此可能存在一定的相关性。因子分析通过对这些数据的特殊处理,探寻确定隐藏在这些变量背后的彼此不相关的隐性变量,并间接获得这些因子的数值。   1.4KMO和Bartlett检验   KMO和Bartlett检验是因子分析的前提条件:只有当KMO检测值大于0.7,Bartlett检验的sig小于0.05时进行因子分析效果才显著。KMO统计量的取值是在0和1之间。当所有变量间的简单相关系数平方和远远大于偏相关系数平方和时,KMO值接近1,意味着变量间的相关性较强,原有变量适合做因子分析;当所有变量间的简单相关系数平方和接近0时,KMO值接近0,意味着变量间的相关性弱,原有变量越不适合做因子分析。对于Bartlett检验来说,显著性sig0.05认为样本所代表的各总体方差相同,可以接受。   2.绩效考核的模型分析   为了分析检测实验室科研人员的绩效水平,按照实用性、可比性、综合性和可操作性的选取指标原则,本文从工作态度、工作能力和工作强度三个方面简单列举了影响绩效水平的6项指标(检测实验室绩效考核可细分出多达几十顶指标,本文由于篇幅所限,仅列出具有代表性的6项指标,见表1)。   工作强度反映科研人员的工作量;工作质量为完成本岗位职责的工作情况;人员水平表示科研人员的专业进修、学历学位、上岗证书、与工作相关的资格证等资质;工作成果与其它项目形成一个比较合理的比值;人员纪律表示科研人员的遵守规章制度、服从分配、考勤、协调配合能力等情况;服务意识包括工作态度、工作主动性、工作积极性、提出合理化建议等。可以根据检测实验室的具体情况,进行全面的综合分析。   以下为搜集整理的2014年某检测实验室40名科研人员的数据资料。构建1个406维的数据表(见表2)。   经检验,从上表数据可以看出,这些因子具有高度的相关性,适合做因子分析和主成分分析,则对其进行主成分和因子分析后,得到样本相关阵的特征值与特征向量,见表4和表5。   根据累计贡献率超过80%的一般选取原则,P1和P2的累计贡献率已达到了82190%的水平,表明原来6个变量反映的信息可由两个主成分反映82190%,故选取P1和P2为主成分。   从上述模型可以看出,第一公因子P1,基本支持了X1、X2、X3、X4(绝对值较大的系数),第二公因子F2,基本支持了X5、X6(绝对值较大的系数),该因子得分还有对未来科研人员绩效的预报作用。   从表6和图1可以得出,第一主成分P1与工

文档评论(0)

ayangjiayu3 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档