一、基本概念:
著名统计学家卡尔·皮尔逊设计了统计指标——相关系数(Correlation coefficient)。相关系数是用以反映变量之间相关关系密切程度的统计指标。一般用字母r 表示,用来度量两个变量间的线性关系。
从图表上,相关系数越大,越是能够感受到两个变量之间的线性关系越高!
在统计学中进行相关性验证检验时,有个P值法检验,一般P<0.05说明具有显著相关性,
著名的啤酒和尿布就是相关系数的经典案例,相关系数突破大家思维的是:不要去考虑因果,系统太复杂,只需要找出相关的规律!
使用相关系数进行分析的过程中,核心思维是:哪两个变量?
基于组织的思考,哪个变量是目标变量Y,哪些变量是操作变量X?
二、应用案例
例1:公司是否需要颁布考勤制度呢?
目标变量Y=绩效,操作变量X=上班时间
准时上班不是目的,目的是绩效,准时上班,是绩效保障的手段
去拉下员工数据,以日志形式字段1=员工平均上班时间,字段2=员工2年类的平均绩效,计算两个字段的相关系数,如果r为显著相关,就需要颁布并强化考勤制度,如果r非常低,或者是不显著,大可不必颁布这个制度,因为从实证来说,该组织的上班时间与绩效无相关性!
例2:如何来评估E-Learning的学习效果
目标变量Y=绩效,操作变量X=在线学习时间
E-Learning不是目的,目的是绩效,学习是绩效保障的手段
去拉下员工数据,以日志形式字段1=员工在E-Learning项目期间的平均绩效,字段2=员工E-Learning项目期间的学习数据(比如时间),计算两个字段的相关系数,如果r为显著相关;如果r非常低,或者是不显著!
以往我们评估学习效果,非常热衷于界定因果。基于相关系数的评估,我们可以验证相关!我们无法说:是因为学习了绩效高,还是绩效高的人本身就热爱学习;但有一点可以告诉我们:组织需要!
例3:如何来开发较为难培养的能力?
X1-能力A;X2-能力B;X3-能力C;…….
计算不同能力的相关系数,有些能力比较难开发,就去开发与这项能力相关系数较高的且容易被开发的能力
推荐<卓越领导者>,里面的能力开发思想,就是很好地应用了这种思维
三、启发
大数据时代,我们如何进行人力资源管理?
HR需要去做一系列的信息的部署,尽可能地丰富我们的管理字段,从中找出那些那些相关系数!这个相关系数是组织自己的客观规律,而非别人的最佳实践,是组织自己的实证!
大数据时代,我们的HR工作,将是实证主义!
作者:章森
文章及图片来源于网络,版权归原作者所有,如有侵权,请联系本站删除