基于因子聚类分析的企业职能部门员工绩效评价研究

《基于因子聚类分析的企业职能部门员工绩效评价研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、南昌大学硕士学位论文基于因子聚类分析的企业职能部门员工绩效评价研究姓名：谷金沙申请学位级别：硕士专业：企业管理指导教师：卢晓勇2012-12摘要随着人事制度改革的加强，企业职能部门绩效评价显得越发重要。但又因其独特的工作特征——工作内容复杂、工作产出难以量化、工作成果的滞后性显著，使得对职能部门的考核难以操作和进行，以致很多针对该问题的研究多是定性研究。因此，本文进行的基于定性与定量两视角的研究具有一定的价值。在对大量文献进行研读和进行了实地调研及调查问卷后，本文做的主要工作为：第一，在第二章，对职能部门员工进行了界定、分类及工作特征的研究，为下文绩效评价体

2、系的构建及评价方法的选取等内容提供参考。第二，在第三、四章，首先，介绍了研究工具——即介绍了调查问卷的信度及效度分析法、因子分析法和聚类分析法的特点和操作流程：其次，建立并检验了绩效评价体系的有效性——即基于“过程绩效+结果绩效”相结合的观念从工作产出、工作匹配度及员工素质三个维度建立员工绩效评价指标体系，并利用信度分析及效度分析法来验证指标体系构建的科学与否；最后，确定了绩效评价方法并对绩效结果进行处理——即采用因子分析法计算绩效评分，并且凭借聚类分析来进行员工分类，为今后的分类管理提供依据。第三，在第五章，通过实证研究，验证了因子聚类分析法在实践操作上的

3、科学有效性。关键词：绩效评价；职能部门；因子分析；聚类分析ABSTRCTABSTRACTInthereformofthepersonnelsystem，performanceevaluationofthefunctionaldepartmentsisincreasinglyimportant．Butbecauseofitsuniquecharacteristics—。workcontentiscomplex，workoutputisdifficulttoquantify，workoutcomeslaggedsignificantly，makingitdiff

4、icultforfunctionalassessmentoperationand，resultinginlotsofresearchisqualitativeresearch．Therefore，thisarticlewhichcombiningqualitativeandquantitativeresearchhaveacertainvalue．WhenIhavefinishedreadtheextensiveliteratureandcarriedoutafieldsurveyandquestionnaire，mymainresearchresultsi

5、s：First，inchapterII，Conductingresearchonthedefinitionofthefunctionsofthedepartmentalstaff,classificationandcharacteristics，whichprovidingabasisforthebelowofestablishmentofperformanceevaluationsystemandthechoiceofperformanceevaluationmethod．Second，inchapterIII，IV，firstofall，introduc

6、ingtheresearchtools-thereliabilityandvalidityofthequestionnaireanalysis，thefactoranalysis，theclusteranalysisandtheoperationalprocesses．Followedby，establishingandtestingthevalidityoftheemployeeperformanceevaluationsystem—whichisbasedonthecombinationoftheconceptof”processperformance+

7、resultsperformance”．Theseindicatorsfromthethreedimensionsoftheworkoutput，jobmatchingdegreeandstaffquality．Again，determiningtheperformanceevaluationmethodandprocessingtheperformanceresults—usingthefactoranalysistocalculatetheperformancescoreandusingtheclusteranalysistoclassifyemploy

8、ees．Third，inChapterV，using