基于聚类分析的员工人格与离职率研究(共14页)

1、PAGE PAGE 16xxxxx多元统计分析课程(kchng)论文题 目 基于(jy)聚类分析的员工人格与离职率关系研究专 业 工业(gngy)工程 班级 X 班 姓 名 X X 学号 XXXXXXX 201X年 X 月 X 日基于聚类分析的员工人格(rng)与离职率关系研究摘要(zhiyo)：企业员工的离职率除了(ch le)与企业的工作环境、组织文化、领导风格等息息相关以外，与员工自身的人格也有重要关联。首先，本文提出员工的人格对员工的离职行为有重要影响，其次对某企业制造部某年招聘的名员工人格及其离职状况作问卷调查。运用调查问卷法获得员工人格方面的参数指标，采用聚类分析的方法分析数据，把

2、名员工归类，最后分析这哪种人格的离职率较高,得出结论。关键词：聚类分析；员工人格；企业离职率 问题描述近年来，随着经济全球化与信息化程度的加快，企业越来越需要拥有一个高素质且稳定发展的员工团队来增加企业的竞争力。但是，当前国内员工自动离职的现象是越来越普遍的，离职行为不仅增加了企业的招聘、培训等成本，也间接浪费了企业资源，降低了员工工作效率。因此，企业离职问题的研究对企业是有实际指导意义的。某公司制造部某年招聘员工共名，对名员工采用问卷调查的方法测试其性格特征，采用聚类分析方法，把员工分为五类，并分析五类人格员工与离职率之间的关系。根据的整合离职过程模型如图，员工离职与四个因素息息相关：个人因

3、素，组织因素，工作特性因素，环境因素。本文主要研究个人因素即员工人格特征对员工离职行为的影响。图的整合离职过程模型根据艾森克人格调查理论，本问卷调查共分四个维度作为调查员工人格的测量标准：内外倾向量表，情绪性量表，精神质量表，效度量表。该调查问卷中共道题，其中内外倾向量表有个调查问题，情绪性量表有个问题，精神质量度有个问题，效度量表有个问题，若员工对问题的回答是肯定的，则加一分；若员工的回答是否定的，则不加分。统一在该公司制造部进行访问和问卷调查，敦促每位员工认真填写问卷，并把份问卷全部收回统计分析。2 数据来源本数据记录(jl)了该企业制造部名员工的人格的四个维度：内外倾向(qngxing)

4、量表，情绪性量表，精神质量表，效度量表的打分(d fn)情况。根据员工所做的调查表，统计每位员工的各个维度的得分情况，分别记录下名员工得四个维度的总体得分。具体数据见表1：表1 员工调查问卷得分表人员编号变量内外倾向量表情绪性量表精神质量表效度量表1号张伟132115162号王海182318173号李兵121118154号张峰艺192114145号王世恒201420196号李大富191722187号王战181819128号李欣睿102216159号胡斐1819211410号王伟华918221711号张数61817812号李卫华1121151913号李华1322111214号卫海20151214

5、15号 张一平1912191516号李华伟1211181117号张辉1315211718号卞帅1113191919号李喜凤1218221210号李扬1919181621号漆定1820101822号从海华1112141023号禹前141815824号李欢欢151119425号张慧明179201726号张宝东1519221327号董慧茹1617171228号臧红英1920151829号张航121581930号丁丹丹151913103 分析方法及原理通过聚类分析方法，判断员工人格类别与离职率之间的关系。聚类分析是根据研究对象的个体特征，按照他们性质（或变量）上的亲疏程度，在没有先验知识的情况下对其进

6、行分类的方法。同类内部个体特征之间具有相似性，不同类个体之间性质特征差异较大。在本文中，将采用两种方法进行聚类，一种是系统聚类法，一种是-均值法（快速聚类法）。3.1 系统(xtng)聚类法系统聚类法的基本原理为：首先将一定数量的样本或指标各自看成一类，然后根据样本或指标的亲疏程度(chngd)，将亲疏程度高的先进行合并，然后再考虑合并之后的类与其他类之间指标的亲疏关系，再次合并，一直重复这一过程，直至将所有样本合并为一类。系统(xtng)聚类可以分为型聚类和型聚类，其中，型聚类是对样本指标进行聚类，使具有相似性的指标特征聚在一起，使指标特征差异较大的分离开来：型聚类是对变量进行聚类，使变量指

7、标特征相似的聚集在一起，使指标差异性大的分离开来，这样可以使众多变量中，相似的变量聚集在一起，减少变量的个数，降低变量的维度。在本文中，将调查表中位员工人格四个变量的数据进行型聚类分析。在进行型聚类分析时，类与类之间距离的计算方法主要有以下方法：（1）最短距离法，指两类之间类与类的度量取每个个体距离的最小值；（2）最长距离法，指两类之间类与类的度量取每个个体之间距离最大值；（3）组间平均联接法，指两类之间类与类的度量取两类个体之间距离的平均值。（4）重心法，指两类之间中心点的距离；（5）离差平方和连接法，同类之间的离差平方和最短，类与类之间离差平方和距离最大。3.2 快速聚类法快速聚类法是将数

8、据看成维空间上的点，以距离来测量个体亲疏程度的指标，但快速聚类法只能产生指定类数的聚类结果，而类数的确定离不开实践经验的积累。快速聚类法首先按照一定的方法选取一批聚心点，再让样本向最近的聚心点靠近，形成最原始的分类，然后再根据最近距离的原则来修改不合理的分类，知道合理完成分类为止。所以，在快速聚类中，必须要用户首先自行给出需要聚类的类数，快速聚类最终只能输出关于它的唯一解。4 SPSS聚类与结果分析4.1 聚类分析方法描述4.1.1描述统计分析首先将制造部名员工在四个维度上的得分情况输入，得到表格如图1：图1 输入(shr)数据表在软件的编辑(binj)窗口的主菜单中选择“分析(fnx)”“描

9、述统计”“描述性分析”，弹出如下对话框，将左侧的变量依次选入右边的框内，如图2：图2 选项对话框单击“选项”按钮，在“选项”对话框中，选择所需要分析的统计量，如图3所示：图3 统计(tngj)量选择对话框点击(din j)“继续(jx)”，“确定”按钮，得出描述统计量的数据，如表2表2 描述统计量表描述统计量N极小值极大值均值标准差内外倾向3062014.803.755情绪性3092316.933.859精神质3082217.003.769效度量表3041914.303.816有效的 N （列表状态）30分析输出结果：从标准差来看，内外倾向性量表的标准差最小，即四个人格测试的指标中，该制造部员

10、工的内外倾向性的波动性是最小的，情绪性量表的标准差最大，说明员工的情绪性的差异波动较大。从极大、极小值来看，情绪性量表的极大值最大为，内外倾向性量表有最低的极小值为。4.1.2系统聚类法在数据编辑的主菜单中，选择“分析”“分类”“系统聚类”，弹出系统聚类对话框，将“员工”变量选入“标注个案”，将其他变量选入“变量框”如图所示：图4 系统(xtng)聚类分析对话框单击统计(tngj)量按钮，在对话框中选择“合并(hbng)进程表”，“相似矩阵”，点击绘制按钮，在对话框中，选择“树状图”，“冰柱”，单击方法按钮，弹出方法对话框，点击“确定”。输出结果如下图所示：表3 相似矩阵表该相似矩阵是用平方距

11、离计算，是一个不相似矩阵，表中的数值表示各个样本之间的相似系数，表中系数数值越小，表示两样本之间的距离越小，数值越大则表示两样本之间的距离越大。如表4所示，输出该调查(dio ch)数据的聚类表，聚类表可以反映每个阶段的聚类的结果，表中的系数为聚合系数，表中的“群集1”和“群集2”表示(biosh)聚合的类。表4 聚类表聚类表阶群集组合系数首次出现阶群集下一阶群集 1群集 2群集 1群集 2179.043001122330.048001631926.05500154112.06000752028.06900126316.0710014718.0734021856.076001891718.07

12、90017101525.089001811727.093101512220.09605131324.1161202014322.150602315719.16211322161323.1720221171017.172092218515.22081024191421.239002020214.29313192521113.3427162522710.37215172423324.411140262457.4141822272512.42521202726311.566230282715.5852524282813.75727262929129.8752800为了(wi le)形象地反应聚类过程

13、，输出冰柱图如图5，该冰柱图反应了数据聚集的情况，冰柱图不仅可以显示出不同类数时个案所属的分类结果，还可以表现出聚类的过程步骤。 图5 冰柱(bn zh)图采用组建(z jin)连接聚类方法，生成此次员工(yungng)人格调查的树状聚类图，员工人格树状图如图6所示：图6 树状聚类图根据(gnj)树状聚类图可以(ky)得到：将员工的人格分为(fn wi)四类。从树状聚类图可以看出，第一类为：29号张航，第二类为：11号、24号、22号、26号、3号；第三类：13号、30号、23号、8号、12号、1号、21号、14号、4号、2号、28号、20号。第四类：25号,15号,6号,5号,10号,18号

14、,17号,26号,19号,27号,9号,7号。4.1.3快速聚类法采用快速聚类法对公司员工聚类分析，在数据编辑窗口选择“分析”“分类”“K均值聚类”，弹出K均值聚类对话框，如图7所示。将“人员”变量选入“个案标记依据”，将其他变量选入变量框。在方法中，选择“迭代与分类”，在聚类数中填入“4”。图7 快速聚类对话框在对话框中，点击“迭代”按钮，在最大迭代次数中选择“10”，点击“选项”按钮，在弹出的对话框中选择“初始聚类中心”，“每个个案的聚类信息”，点击“保存”按钮，在保存对话框中，选择“聚类成员”，“与聚类中心的距离”，点击“确定”按钮。快速聚类的输出结果如下。表5为该调查数据快速聚类的初始

15、聚类中心，也就是种子点。表5 快速聚类初始(ch sh)聚类中心初始聚类中心聚类1234内外倾向6121517情绪性1815119精神质1781920效度量表819417输出快速聚类的历史(lsh)迭代记录，如表6所示：表6 快速(kui s)聚类的迭代历史记录迭代历史记录a迭代聚类中心内的更改123416.0647.7523.8417.00021.122.7821.936.6313.000.000.000.000a. 由于聚类中心内没有改动或改动较小而达到收敛。任何中心的最大绝对坐标更改为 .000。当前迭代为 3。初始中心间的最小距离为 12.247。此次聚类的最终聚类中心如表7所示，从该

16、表可以看出，第二类的情绪性量表值最高，第四类的精神质量表值最高，第三类的效用量表值最低。表7 快速聚类的最终聚类中心最终聚类中心聚类1234内外倾向11161316情绪性19201115精神质18131720效度量表1216816根据表8的最终聚类中心间的距离可以看出，第二类与第三类之间的距离最远，第一类与第四类之间的距离最近，第一类与第二类的距离和第一类与第三类之间的距离比较相近。表8 最终聚类中心间的距离最终聚类中心间的距离聚类123418.1148.3907.88828.11412.6818.02038.39012.6819.43847.8888.0209.438根据表9可以得到，在本次

17、(bn c)快速聚类中每个聚类的案例数量，其中第一类有1个员工(yungng)，第二类有5个员工(yungng)，第三类有3个员工，第四类有12个员工。表9 各类的案例数每个聚类中的案例数聚类11.00025.000312.000412.000有效30.000缺失.000根据快速聚类法分析员工人格的得分调查表，得到的聚类成员表如表10所示。 表10 快速聚类法的聚类成员表聚类成员案例号员工聚类距离1张伟33.6772王海36.2603李兵26.3794张峰艺34.1725王世恒45.1176李大富44.5857王战44.8338李欣睿34.9399胡斐44.56710王伟华47.30711张数

18、26.27612李卫华36.00613李华36.04314卫海36.81215张一平44.24516李华伟22.94417张辉43.94018卞帅46.82119李喜凤44.69620李扬34.86721漆定34.11922从海华23.87323禹前35.42124李欢欢25.32325张慧明46.44426张宝东45.30927董慧茹44.81528臧红英34.00929张航18.43730丁丹丹36.249从上表可以得出，对制造部2010年招聘的30名员工的人格进行分类(fn li)，第一类为29号，第二类为11号，22号，24号，16号，3号，第三类有13号，30号，23号，8号，12号，1号，21号，14号，2号，28号，4号，20号，剩余的为第四类人格的员工。聚类分析结论(jiln)对某年招聘的员工(yungng)的离职情况调查后发现，公司共离职13人，离职人员的离职情况与人格类型如表11所示：表11 员工人格与离职率关系表类别员工总数离职人数离职率第一类人格100第二类人格500第三类人格12541.7%第四类人格1218.3%由以上表格数据，分析可以知道，由表中数据可以得出以下结论：（1）员工的人格与公司的离职率是有一定的关系的。（2）在企业中，第三类员工的离职率最高。第三类员工总体特点是情绪性量表得分较高，