IT互联网公司人才流失调查结果分析,人力资源管理论文

IT互联网公司人才流失调查结果分析,人力资源管理论文本篇论文目录导航：【题目】【第一章】【2.12.2】【2.32.4】【3.13.2】【3.3】IT互联网公司人才流失调查结果分析【第四章】【结论/以下为参考文献】3.3调查结果分析3.3.1样本描绘叙述性分析样本的详细变量统计结果如下表3.1所示。〔1〕从性别上来看，男性总体高于女性，甚至到达2倍水平。这也进一步讲明了IT互联网企业技术人才男性从业者占据主导地位。这种现象可能与IT互联网企业的行业性质有关系，由于IT互联网企业工作压力较大，女性可能出于家庭或者其他方面的考虑，从事IT互联网技术岗的人比拟少。不过这一现象可以能与人才招聘环节有关，招聘人员在招聘经过中更倾向与聘用男性技术人才。〔2〕从年龄方面来看，年龄在20-29岁之间人数占总数的比例高达65%;30-39岁之间人数占总数27.5%.这一结果也验证了IT互联网企业技术人才日趋年轻化这一趋势特点。〔3〕从工龄上来看，被调查样本工龄在3年及3年以内的比例为55%,华而不实1年及1年下面的样本占据24.71%的比例，这也从侧面讲明了如今校园招聘在IT互联网企业招聘中占据了重要的地位，工龄的分布也与年龄分布具有较好的一致性，这讲明本次调查样本有效性较高。〔4〕从学历层次上来分析，IT互联网企业的技术人才本科学历占了65%的比例，其次为研究生学历，大专及下面仅为13.3%.由此可见，IT互联网企业的技术人才大多属于高等学历教育出身，具有良好的专业知识和技术技能。〔5〕从人才所属公司性质上来看，民营企业占到总数75%的比例，远远高于国企和外资企业的总和，这讲明了我们当前IT互联网企业绝大部分是中小民营企业。〔6〕从工作岗位上来看，技术人才占88.34%的比重，管理人员占5%.这一方面是由于本次问卷重点针对的是技术人才，在调查时进行了侧重，另一方也是由于IT互联网企业是技术导向性的企业，技术人才占据了大多数。3.3.2信度分析首先我们需要通过信度检验来确定调查问卷的准确性与可靠性。信度分析是指对量表进行屡次反复测试分析，分析结果的前后一致性程度。本研究采用内部一致性系数〔CronbachAlpha系数〕对工作满意度的四个维度进行分析。Alpha系数越大，讲明问卷的调查数据越准确可靠，可信性越强，一般情况下，我们以为Alpha系数在0.7及以上时，该量表的数据具有比拟好的内部一致性，详细分析结果如表3.2所示。通过SPSS软件从表中数据能够看出，薪酬福利满意度量表信度系数为0.795,绩效管理满意度、工作本身满意度和人才发展满意度信度系数都超过0.8,总体满意度信度系数为0.832.这充分讲明本研究所选取的工作满意度的四个维度和总体满意度之间存在着较好的内部一致性，此次量表准确可靠。3.3.3效度分析〔1〕效度分析标准本文讨论效度中的构造效度，利用KMO检验和共同度检验的方式方法来检验各个测量量表能否合适做因子分析。构造效度分析有下面两个判定标准：第一是对KMO系数的分析，当KMO系数0.7,Sig值0.001,则表示清楚选取变量符合效度分析标准；第二个是对共同度进行分析，提取分析的因子共同度0.4时，则讲明选取变量符合效度分析标准。〔2〕各因子变量效度分析1〕薪酬福利满意度效度分析对量表进行KMO检验和共同度检验，量表结果如下表3.3所示。由上表3.3中我们能够看到，KMO系数0.7,KMO系数为0.730,Sig值为0,小于0.001;共同度上没有小于0.4的项目，所以效度分析上的两个判定标准均符合要求，因而合适做因子变量。2〕绩效管理满意度效度分析对量表进行KMO检验和共同度检验，量表结果如下表3.4所示。提取方式方法：主体元件分析。由上述表格能够看出，KMO检验系数0.7,KMO系数为0.784,Sig值为0,小于0.001,共同度没有小于0.4的项目，效度检验的两个判定标准均符合要求，合适做因子变量。3〕工作本身满意度效度分析对量表进行KMO检验和共同度检验，量表结果如下表3.5所示。由上述表格能够看出，KMO检验系数0.7,KMO系数为0.736,Sig值为0,小于0.001,共同度没有小于0.4的项目，效度检验的两个判定标准均符合要求，合适做因子变量。4〕人才发展满意度对量表进行KMO检验和共同度检验，量表结果如下表3.6所示。由上述表格能够看出，KMO检验系数0.7,KMO系数为0.767,Sig值为0,小于0.001,共同度没有小于0.4的项目，两个判定标准均符合要求，合适做因子变量。5〕总体效度分析对量表进行KMO检验，量表结果如下表3.7所示。由上述表格能够看出，KMO检验系数0.7,KMO系数为0.879,Sig值为0,小于0.001拒绝了球形假设，讲明本研究所选取工作满意度维度合适做因子分析。因而我们利用主成分分析法对工作满意度的12个项目进行因子旋转，得到量表各个题目在对应因子上的载荷量，如下表3.8所示。从上表3.8中能够看出，采用主成分分析法提取4个公共因子能够解释工作满意度的71.992%,表示因子能解释大部分方差，分析结果与预期基本一致，华而不实因子1能够解释工作满意度变异的41.875%,因子2能够解释工作满意度变异的15.146%,因子3能够解释工作满意度变异的7.889%,因子4能够解释工作满意度变异的7.083%.本文研究所提取的4个因子能够在绝大部分程度上解释工作满意度，这讲明本研究所选取的4个因子维度具有较好的效度，合适做因子分析，对所选取的因子进行旋转分析后得到了因子载荷量表，如下表3.9所示。从上表3.9中能够看出，工作满意度四个因子分别集中在薪酬福利满意度、绩效管理满意度、工作本身满意度、人才发展满意度四个维度上，与工作满意度的四个维度基本一致，所选取的因子载荷值大于0.5.问卷设计各变量效度知足要求。3.3.4相关性分析在相关性分析中，相关性系数r值分为下面几种情况：当r0表示我们分析的两个变量之间为正相关关系，反之为负相关关系；︱r︱绝对值低于0.3时，则表示选择的两个变量之间基本不相关；︱r︱绝对值在0.3〔含〕-0.5之间表示两个变量之间低度相关；︱r︱绝对值在0.5〔含〕-0.8表示两个变量之间中度相关，︱r︱绝对值在0.8及以上表示两个变量之间高度相关。本文对选择的各个变量进行相关性分析，相关性分析量表如下表3.10、表3.11、表3.12、表3.13所示。如表3.10所示，把各个变量的题目相加后做相关性分析时，各变量之间的相关性变得非常明显。薪酬福利满意度与离开职位倾向的相关系数为-0.710,相关系数绝对值大于0.5,这讲明薪酬福利满意度与离开职位倾向二者呈现明显的负相关关系。从上表我们能够看到，薪酬福利满意度与绩效管理满意度相关系数为0.946;薪酬福利满意度与工作本身满意度相关系数为0.970;薪酬福利满意度与人才发展满意度相关系数为0.937,变量之间的相关系数大于0.8,.这讲明薪酬满意度与绩效管理满意度、工作本身满意度、人才发展满意度高度相关，与工作本身满意度相关性最强。如表3.11所示，把各个变量的题目相加后做相关性分析时，各变量之间的相关性变得非常明显。绩效管理满意度与离开职位倾向的相关系数为-0.689,相关系数绝对值大于0.5,这讲明绩效管理满意度与离开职位倾向二者存在着显着的负相关关系。从上表我们能够看出，绩效管理满意度与薪酬满意度相关系数为0.946;绩效管理满意度与工作本身满意度相关系数为0.941;绩效管理满意度与人才发展满意度相关系数为0.968,变量之间的相关系数均大于0.8.这讲明绩效管理满意度与薪酬福利满意度、工作本身满意度、人才发展满意度高度相关，与人才发展满意度相关性最强。如上表3.12所示，把各个变量的题目相加后做相关性分析时，各变量之间的相关性变得非常明显。工作本身满意度与离开职位倾向的相关系数为-0.726,相关系数绝对值大于0.5,这讲明工作本身满意度与离开职位倾向两个变量之间存在明显的负相关关系。从上表我们能够看到，工作本身满意度与薪酬满意度相关系数为0.970;工作本身满意度与绩效管理满意度相关系数为0.941;工作本身满意度与人才发展满意度相关系数为0.984,变量之间的相关系数均大于0.8.这讲明工作本身满意度与薪酬福利满意度、绩效管理满意度、人才发展满意度高度相关，与人才发展满意度相关性最强。如上表3.13所示，把各个变量的题目相加后做相关性分析时，各变量之间的相关性变得非常明显。人才发展满意度与离开职位倾向的相关系数为-0.742,相关系数绝对值大于0.5,这讲明人才发展满意度与离开职位倾向两个变量之间存在明显的负相关关系。从上表我们能够看到，人才发展满意度与薪酬满意度相关系数为0.937;人才发展满意度与绩效管理满意度相关系数为0.968;人才发展满意度与工作本身满意度相关系数为0.984,变量之间的相关系数均大于0.8.这讲明人才发展满意度与薪酬福利满意度、绩效管理满意度、工作本身满意度高度相关，与工作本身满意度相关性最强。3.3.5回归分析以上的分析仅仅讲明了各个变量之间的相关关系，下面采用线性回归分析的方式方法来进一步分析变量之间的因果关系，华而不实我们把工作满意度的四个维度定义为自变量，离开职位倾向定义为因变量。多元线性回归方程的经历体验模型是：nny=a+ax+ax++ax01122.我们运用四种模型进行线性回归分析，分析结果如下表3.14所示。由上表3.14中我们能够看出，经过四次回归分析，人才发展满意度，工作本身满意度，绩效管理满意度，薪酬福利满意度四个自变量进入回归模型1,模型1中2R=0.649,回归分析的拟合程度在我们所选择的四个分析模型中是分析效果最好的，调整后2R=0.584,这讲明整个回归方程拟合度较好。回归分析系数如下表3.15所示。由上表3.15我们能够看出，回归方程为：Y=23.412+〔-0.683〕X1+〔-0.451〕X2+〔-0.567〕X3+〔-0.182〕X4方程中Y表示离开职位倾向，X1、X2、X3、X4分别表示薪酬福利满意度、绩效管理满意度，工作本身满意度，人才发展满意度。3.3.6基本信息统计变量的方差分析本节以被调查人员基本信息为因子，以薪酬满意度、绩效管理满意度、工作本身满意度、人才发展满意度与离开职位倾向为因变量，分析不同人员特征在各个因子上能否存在显着差异。人员基本信息对各因子的方差分析如下表3.16所示。在上表3.16中，我们通过方差分析发如今上表中存在三处带*的数值，三项的Sig值都是小于0.05的数值，这讲明这三项存在显着差异，即工龄与工作本身满意度之间存在显着关系，学历对薪酬满意度和人才发展满意度存在显着关系，而其他因素对因变量并不存在显着关系，离开职位倾向也与员工个人基本信息没有显着关系。下面我们对存在显着关系的三项进行方差齐次性检验，检验结果如下表3.17所示。上表3.17中三项的Sig值均大于0.05,这讲明方差都具有齐次性。下面对以上三项进一步进行均值比拟分析，分析结果如表3.18、表3.19所示。由上表3.18中的数据均值差比照分析我