学术论文投稿/征稿

欢迎您!请

登录 注册

手机学刊吧

学刊吧移动端二维码

微信关注

学刊吧微信公众号二维码
关于我们
首页 > 学术论文库 > 经管论文 人岗匹配的数据分析

人岗匹配的数据分析

365

2019-09-18 08:46:00    来源:    作者:xuekanba

摘要:人岗匹配是指人和岗位的对应关系。 在大数据时代的当下, 从量化的角度研究人岗匹配是今后必然的发展趋势。本文从量化的调查问卷开始收集数据,运用逻辑回归分析模型进行人和岗的匹配率分析并给出参考性结论。

关键词:

人岗匹配,大数据,逻辑回归分析

理论背景

        作为组织管理和人力资源管理的热点话题,个人-岗位匹配理论的应用经常能够帮助企业或组织机构找到合适的雇员,充分发挥雇员的优势和潜力,进而提升组织的整体绩效表现,赢得企业、机构的发展。国外学者对个人-环境匹配问题进行了广泛探讨,然而,对更加具体的匹配:人-岗匹配的数据分析研究相对较少。Parsons (1909) 在上世纪初就已经提出了关于职业决策的个人-环境匹配模型。他指出,正确职业选择的决策是受到基于个体对自身的了解、成功所需的能力与条件以及二者的相互关系三方面影响的,并在此基础上提出岗位需求-能力匹配(Demands-Abilities fit)和个人需求-供给匹配(Needs-Supplies fit)两个概念。前者是工作要求与个人能力、知识、技术和资源的一致性,后者探讨的是个人兴趣、野心、个性特点、欲望、期待等内容与工作需要的匹配。同时他指出,缺乏员工积极态度与要求能力的职业意味着低效、冷漠与低回报;反之意味着高效、热情与高回报。Parsons文章的分析仅对于职业选择具有理论上的指导意义。因此本文拟在过去的研究基础上,结合大数据分析和统计手段对人-岗进行匹配分析。

        结合实际经验和对现存学术研究的系统思考,我们提出了以下与人-岗匹配有关的关键因素(见表1)。通过这些关键因素设计的调查问卷作是我们数据获取的工具。                                                                            

image.png

表1. 人-岗匹配的因素识别模型

 

我们从个人和工作角度一共定义了八类影响因素。个人层面的隐性特征有人的动机、态度、自我价值和特质。工作层面的主观因素有工作挑战性、工作重要性、工作自主性和工作反馈度。为了使图表呈现的更为精确,我们给每一类因素设置了两个维度以便确保问卷调查能够被评估获取的更加精确。因此,个人和岗位每一边又有8个影响因素,一共是16个因素。为了更好地挖掘出图表背后的实际意义,我们认为应该把每一个影响因素都做以不同程度的评价来得到人与岗位是否匹配以及匹配程度的答案。因此,我们根据数据结构建立了统计分析模型。

数据分析

个人岗位的匹配率是在0%和100%之间的,0%代表绝对的不匹配,100%代表完美匹配。因为8类相关因素在调查的时候都已经被量化,所以我们可以从统计学上把它们看作协变量。给定所有的协变量, 我们想通过统计模型预测出匹配率。而关于匹配与否的二选一的问题在统计学上被称为伯努利分布或者0、1分布。给定预测变量是伯努利分布而进行概率估计的这类问题在统计学上可以应用逻辑回归模型进行拟合。因为一定被限定在0和1之间,这也正是我们模型所需要的。逻辑回归模型给定如下:

其中代表匹配率,是我们所需要估计的参数,代表协变量。

通过调查问卷所取得的量化数据进行模型参数的估计,结果如下:

Logit(P) = -2.0434+1.8344*Motive-15.8300*Attitude-1.2522*Ability-2.7591*Trait-3.7295*Integrity+0.6124*Importance+3.6321*Autonomy+1.3577*Feedback

 

我们预留了一组原始数据作为估计模型的评估。最后一条的数据信息是人和岗位是匹配的。根据个人和岗位的量化数据,动机=2,态度=0,价值=0,特质=0,工作挑战性=2,工作重要性=2,工作自主性=1,工作反馈度=2,代入到估计的模型中进行匹配率分析,我们得到0.8505的匹配率,也就是85.05%。运算如下:

Logit(P) = -2.0434+1.8344*2-15.8300*0-1.2522*0-2.7591*0-3.7295*0+0.6124*2+3.6321*1+1.3577*2=1.738724

 

Logit(p) =log[p/(1-p)]=1.738724  p=0.8505

 

模型的估计值符合数据的真实情况,我们通常定义大于0.5的概率为人岗匹配,小于0.5的概率为人岗不匹配。

 

总结

大数据和恰当的统计分析方法可以在各种因素中发掘出相关性或联系,甚至能够完成一个准确的估计或预测。本文选取了恰当的数据统计方法对个人-环境匹配里的具体匹配类型“人-岗匹配”进行了数据分析。根据选取的因素,我们设定公式,架构模型,并利用匹配结果已知的数据测试模型的适用性和可靠性。结果显示,即便在样本量较小的情况下,模型也可以准确的估计出真实的匹配情况。在未来的研究中, 我们还可以引入贝叶斯统计的概念从而克服小样本下带来的分析困难并受益于可靠地先验信息。

 

参考文献

[1]   Boselie,P.(2010).Strategic Human Resource Management: a balanced approach. Berkshire: McGraw Hill.

[2]     Shen G., Gao D., Wen Q., Magel R.(2016). Predicting Results of March  Madness Using Three Different Methods. Journal of Sports Research. Volume 3, 1, pp 10-17.