知识型员工激励因子分析3700字

1、知识型员工鼓励因子分析3700字 以下为学术堂为大家提供的知识型员工鼓励因子分析，如该篇不是您所需要的，可下拉到本页底部，查看更多！ 本篇论文目录导航： IT公司知识型员工鼓励问题探究IT知识型新员工鼓励制度构建绪论IT企业知识型工作人员鼓励根本问题IT企业知识型人才鼓励因素问卷设计知识型员工鼓励因子分析IT知识型人才鼓励因素的方差与回归分析IT知识型新员工鼓励存在的问题及原因分析IT企业知识型新员工鼓励机制IT企业知识型新员工鼓励机制的配套措施IT知识型人员鼓励体系建立研究结论与参考文献第四章 IT 企业知识型新员工鼓励因素实证分析一、描绘性统计分析通过对数据进展描绘性统计分析，本文得到了

2、IT 企业知识型新员工对各鼓励因素的实际感受程度平均得分，并依此进展满意度排序，详细如表 3.由表 3 可知，IT 企业知识型新员工实际感受的鼓励因素排名前十位的是：工作胜任3.7176、人际关系3.6588、团队合作3.6471、办公环境3.5765、企业文化3.5267、指导素质3.4823、挑战自我3.4647、别人认可3.4176企业前景3.3529、自主工作3.3764。本文的结果与胡岩2022、唐绍龙2022得出的结果有相似之处。在本文的定义中，工作胜任是指个人可以胜任所从事的工作。工作胜任排在首位说明 IT 企业知识型新员工对自己工作才能有充分的自信。扎实的专业知识和技能是 IT

3、 企业知识型新员工立足行业的根本，也是员工内在鼓励的源泉。人际关系和团队合作也排名靠前，这与 IT 行业特征有关。在 IT 行业内部有较细的分工，每个人都专注某一领域，当需要完成大规模的工程时需要各专业人才协同完成。良好的人际关系和亲密的团队合作，一方面可以快速、高效完成工程，获得成就感；另一方面，也可以在交往的过程中学习别人的经历，从而进步自己，得到成长。此外，对新员工而言较好的合群性也有助于他们融入企业。这些对 IT企业知识型新员工都很有意义。由表 3 可知，知识共享3.2117、薪酬公平3.1000、职业生涯设计3.0941、薪酬程度2.9823、参与管理2.9702排在末尾。这说明 I

4、T 企业知识型新员工对个人成长和薪酬保障的需求没有得到足够满足。要进一步鼓励这些员工，需要从个人成长和薪酬保障方面入手。由表 3 可知，标准差最小的五个鼓励因素分别是：指导素质0.5941、薪酬程度0.7942、工作胜任0.8031 、自主工作0.8366和别人认可0.8711。这说明被调查者对这几个因素的满意度的离散程度较低。标准差最大的五个鼓励因素分别是：知识共享1.0675、教育培训1.0551、工作-生活平衡0.9967 、参与管理0.9787和职务称晋升0.9681。这说明被调查者对这些鼓励因素的满意度的离散程度较高。造成被调查者对局部鼓励因素的满意度的离散程度较高的原因，一方面可能

5、在于本文的调查样本较少，另一方面也可能是这一员工群体根据人口统计变量的不同存在着细分群体，下文将进展进一步的方差分析。从总体而言，IT 企业知识型新员工的鼓励状态为 3.2941,标准误差为 0.8261.可以看出，这些人大局部处于鼓励亚安康;状态。亚安康通俗的讲是指虽然不患病，但自我感觉身体不舒适的状态。IT 企业知识型新员工的鼓励状态虽然如今不至于对企业造成重大的伤害，但是假如放任这种状态的存在，这些员工的鼓励状态将会越来越差，在企业遇到暂时不景气的情况下，将会造成破坏性影响。二、信度和效度分析一份调查问卷的好坏，除了需要设计科学的题项，还需要有足够高的信度和效度。虽然本文在问卷设计、发放

6、和挑选的过程中都注意进步问卷的针对性，但仍然有必要进展专门的信度和效度分析。信度，又称可靠度，指的是一份量表所测得分数的一致性与稳定性。信度越高，表示同一群体的被调查者在屡次填写同一份问卷的答案有很高的一致性；相反，量表的信度越低，那么测量的结果会有很大差异43.对量表进展信度分析的常用工具是 Cronbach alpha;系数。当题目间的相关系数越大时，alpha;系数也会越大。一般认为，用 Cronbach alpha;系数测量量表的信度，在根底研究中至少要到达 0.80 才可承受；在探究性研究中，信度需要到达 0.70 才可以承受44.利用 spss 对本问卷进展信度分析，得出结果如下。

7、由图 2 可知，本问卷的 Cronbach alpha;系数为 0.93,满足承受的要求。因此，可以认为本问卷有较好的一致性和稳定性。效度，也成为科学性，是表示一份量表能真正测量到该量表所要测量的才能或功能的效度45.效度有三种，即内容效度、校标关联效度和建构效度。效度分析有多种方法，其中之一便是因子分析法，后文将专门进展因子分析。三、因子分析因子分析可以在不造成信息的大量丧失的前提下，大大降低参与数据建模的变量个数，因此得到广泛的应用。在因子分析之前，需要对样本进展 KMO 检验Kaiser-Meyer-Olkin和巴特利特球度检验Bartlett Test of Sphericity，然后

8、根据检验系数来判断是否可以进展因子分析。Kaiser 认为，KMO 值 0.9 以上表示非常合适；0.8 表示合适；0.7 表示一般；0.6 表示不太合适；0.5 以下表示极不合适46.巴特莱特球度检验统计量的概率小于或等于 a 时，可以作因子分析。由图 3 可知，KMO=0.9150.9,根据 Kaiser 给出的度量标准可知原有变量非常合适进展因子分析。巴特莱特球度检验统计量的概率接近于 0,小于显着性程度0.01,说明数据合适进展因子分析。采用主成分分析法提取因子并选取特征值大于 1 的特征根，共提取 4 个因子。由图 4 可知，4 个因子的累计方差奉献率为 64.019%,这说明公因子

9、解释了大局部的方差。根据图 5,可以对因子做如下命名：F1:由 8 项鼓励因素提取而成，分别是职务称晋升、参与管理、教育培训、职业生涯设计、知识共享、企业前景、挑战自我和自主工作。这些因素与 IT企业知识型新员工的个人成长亲密相关，因此可以把 F1 命名为成长鼓励因素。F2:由 6 项鼓励因素提取而成，分别是人际关系、办公环境、团队合作、兴趣匹配、指导素质和企业文化。这些因素与 IT 企业知识型新员工的成长环境亲密相关，因此可以把 F2 命名为环境鼓励因素。从数据上看，企业文化划分到成长鼓励因素更适宜，但为了研究方便，本文将之划分到环境鼓励因素F3:由 3 项鼓励因素提取而成，分别是别人认可、

10、工作胜任和工作-生活平衡。这些因素与 IT 企业知识型新员工的本职工作亲密相关，因此可以把 F3 命名为工作鼓励因素。F4:由 2 项鼓励因素提取而成，分别是薪酬程度和薪酬公平。这些因素与 IT企业知识型新员工的薪酬亲密相关，因此可以把 F4 命名为薪酬鼓励因素。由第 1 个因子的累计方差奉献率可知，F1 即成长鼓励因素解释了原来 19 个变量总方差的 44.823%.这说明，对 IT 企业知识型新员工而言，鼓励效果最大的是成长鼓励因素，然后依次是环境鼓励因素、工作鼓励因素和薪酬鼓励因素。这完全符合前文关于 IT 企业知识型新员工特征的阐述。根据图 6,可以写出以下因子得分函数：其中，1F 、2F 、3F 、4F 分别代表成长鼓励因素、环境鼓励因素、工作鼓励因素和薪酬鼓励因素；1x 、2x 、3x 、4x 、5x 、6x 、7x 、8x 、9x 、10 x 、11x 、12x13x 、14x 、15x 、16x 、17x 、18x 、19x 分别代表薪酬程度、薪酬公平、挑战自我、自主工作、兴趣匹配、别人认可、工作胜任、工作-生活平衡、教育培训、知识共享、参与管理、职务称晋升、职业生涯设计、人际关系、办公环境、企业前景、指