資料結構
網路
關係資料庫管理系統 (RDBMS)
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C語言程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會研究
服裝研究
法律研究效用分析
效用分析現已成為廣泛使用的定量技術，用於評估人力資源專案。它可以對人力資源的使用評估和選擇做出重大貢獻。人力資源規劃、選拔管理、培訓和員工流失都受益於效用分析。
什麼是效用分析？
效用分析是一組技術，其中包括成本效益分析，旨在產生對評估工具的有用性和實際價值的決策至關重要的資料。請注意，我們在本定義中使用了“技術集合”一詞。這是正確的，因為效用分析並非僅用於一個特定目標的單一技術。相反，效用分析是一個通用術語，指的是幾種潛在的方法，每種方法都有不同的輸入資料需求併產生不同的結果。一些效用分析非常複雜，包括複雜的數學模型和正在考慮的各種變數的複雜加權方案。
其他效用評估則簡單得多，更容易理解，只需回答相對簡單的問題即可。如果用於評估測試，效用分析將有助於確定一個測試是否比另一個測試更適合特定目的；一個評估工具是否比另一個評估工具更適合特定目的。當用於評估培訓計劃或干預措施時，效用分析可以幫助確定：一個培訓計劃是否優於另一個培訓計劃；一種干預技術是否優於另一種干預方式；在現有培訓計劃中新增或刪除元素是否透過提高其有效性和效率來改進整體培訓計劃。
如何進行效用分析？
必須收集的資料型別和用於效用分析的精確技術將取決於其特定目標。在這裡，我們將快速回顧兩種基本的效用分析方法。
期望資料
一些效用分析甚至不需要做更多的事情，只需要從測試資料的散點圖中建立一個期望表。可以使用期望表確定測試者在標準衡量指標上獲得一定分數範圍的可能性——該範圍可以標記為“及格”、“合格”或“不及格”。例如，期望表可以為決策者提供有關公司環境中新穎且實驗性的人員測試有用性的重要資訊。例如，期望表可能表明，員工被認為成功的可能性與他們在該新測試中的表現直接成正比。
換句話說，測試按預期進行，如果永久實施新測試，公司可以合理地預期生產力提高。許多與效用相關的決策，特別是那些僅限於關於就業測試的可靠性和使用的選擇比率的查詢，都可以從額外的期望資料中獲益。
Brogden-Cronbach-Gleser 公式
關於效用分析的最新研究是基於 Brogden 建立的傳統效用模型。Brogden 建議使用一個公式將選擇計劃的有效性係數轉換為其貨幣價值的粗略估計。他的公式基於這樣一個假設：預測分數和績效的貨幣價值呈線性關係。Cronbach 和 Gleser 在 1965 年將申請人的測試成本新增到 Brogden 的模型中。由此產生的 Brogden Cronbach Gleser (BCG) 模型說明了當僱傭 Ns 名申請人時，基於預測器的選擇過程相對於隨機選擇所產生的增量效用或生產力增益，可以表述如下
其中 N 是申請人總數，SDY 是工作績效的標準差（以貨幣單位表示）（Y），rXY 是預測變數 (X) 和 Y 之間的相關性，Xs 是被選中者的平均預測變數分數，C 是進行選擇過程的平均每位申請人成本。
組織中效用分析的實際問題
在進行效用分析時，需要考慮一些實際問題。例如，基於測試的判斷的準確性可能會受到當前基準率問題的影響。當基準率過低或過高時，必須特別注意這個問題，因為這種情況可能會使測試作為選擇方法無效。關於候選人庫、職位的難度和使用的截止分數的一些更實際的考慮因素需要記住。同時，我們關注人員甄選主題。
求職者庫——大型求職者庫可能意味著經濟強勁且對該職位需求旺盛，但也可能意味著對現有職位競爭更激烈。這可能會使公司更難以找到合格的申請人，並可能提高招聘和僱傭工作的成本。相反，小型求職者庫可能意味著人們對該職位不感興趣，或者經濟狀況可能更加強勁。但是，它也使僱主更容易找到勝任的候選人。在進行效用分析時，應考慮申請人庫的規模和素質，因為它們可能會影響選擇特定個人的潛在成本和收益。
工作的複雜性——通常，對於複雜程度範圍廣泛的職位，使用相同型別的效用分析技術。對於從裝配線工人到電腦程式設計師的商業職位，獲取相同型別的資料，可以使用相同型別的分析工具，並可能觸發相同型別的效用模型。然而，正如 Hunter 等人 (1990) 所證明的那樣，工作越複雜，人們的績效水平差異就越大。對於不同複雜程度的任務，相同的效用模型是否適用以及相同的效用分析技術是否同樣適用，是有爭議的。
使用的截止分數——截止值經常用於效用分析中，以區分理想的結果。截止值的問題在於它們是任意的，如果選擇不當，可能會產生偏差的結果。因此，務必考慮效用分析中使用的截止值，並確保它基於合理的理由和相關的標準。
結論
可以使用各種模型評估選擇計劃或組織干預措施的效用，但需要更多已發表的資料來了解效用分析估計的準確性。此外，Anderson 和 Muchinsky (1991) 以及 Quartetti 和 Raju (1998) 提供了一些關於效用估計分佈的蒙特卡洛結果。Alexander 和 Barrick (1987) 提出了效用估計標準誤差的各種近似值。儘管這些研究很重要，但仍需要進一步研究以確定各種效用估計的適當標準誤差。在沒有表明其準確性水平的資訊的情況下，可能很難認真對待廣泛使用的效用估計。
2K+ 次瀏覽
