18x4 Р Р +0.633x5-0.187x6 Р 利用表4的结果做出主成分平面图,如图1所示。Р 根据SPSS因子分析结果,输出因子成分得分系数: Р F1=0.353x1+0.312x2+0.35x3+0.24x4-0.16x5-0.17x6 Р F2=-0.12x1-0.06x2-0.123x3-0.047x4+0.58x5+0.59x6 Р 从上述模型看出,第一公因子F1,基本支持了X1、X2、X3、X4(绝对值较大的系数)。而第二公因子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员工绩效预报作用。Р 从表4和图1可以得出,第一主成分PRIN1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PRIN1可以反映影响该企业绩效的工作成绩因素。第二主成分PRIN2与工作能力以及工作态度高度正相关,因此PRIN2可以反映影响该企业员工绩效的能力与态度因素。Р Р 三、绩效水平的类型划分及区域差异分析Р 应用SPSS统计分析系统,计算得出28个员工的两类主成分得分值,并把28个员工的第一主成分分值按大小排序,得到各员工绩效得分情况,见表5。Р 将PRIN1作为横轴,PRIN2作为纵轴,给出各样品的分布平面图,如图2所示。Р 按照上述区域划分结果,可以把选取的28个员工划分为5个类型区域(见表6)。Р 因此完成了对该企业员工绩效考评,如果企业被考评的员工人数以及考评标准更多,则更能体现该统计分析技术的优越性。Р Р 四、结论Р 企业在进行绩效考评时,有必要遵循绩效考评的多方位全面考核原则,对企业员工进行多标准大样本绩效考评。应用SPSS统计分析技术,能够较容易地对搜集的大量数据进行因子分析和聚类分析,分析结果可靠程度高、操作方便,能够划分出不同的绩效水平区域,利用因子得分还能够预测员工未来的绩效,使企业人力资源管理更加科学合理。Р Р 主要
全文预览
