薪酬滿意度研究(編輯修改稿)
2024-07-16 04:18 本頁面
【文章內(nèi)容簡(jiǎn)介】 薪酬水平滿意度福利滿意度薪酬結(jié)構(gòu)滿意度內(nèi)在薪酬滿意度薪酬滿意度（四）節(jié)點(diǎn)狀態(tài)的確定個(gè)人薪酬水平高/低公司內(nèi)薪酬水平高/低行業(yè)內(nèi)薪酬水平高/低薪酬水平滿意度滿意/不滿意福利水平高/低福利管理滿意/不滿意福利滿意度滿意/不滿意企業(yè)文化競(jìng)爭(zhēng)型/中庸型風(fēng)險(xiǎn)傾向風(fēng)險(xiǎn)/風(fēng)險(xiǎn)規(guī)避薪酬結(jié)構(gòu)滿意度滿意/不滿意決策自由度滿意/不滿意工作挑戰(zhàn)性滿意/不滿意工作豐富性滿意/不滿意職業(yè)發(fā)展前景滿意/不滿意內(nèi)在薪酬滿意度滿意/不滿意薪酬滿意度滿意/不滿意確定了網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)后，接下來要為每個(gè)節(jié)點(diǎn)確定有幾種狀態(tài)。節(jié)點(diǎn)狀態(tài)的確定可以由專家根據(jù)經(jīng)驗(yàn)知識(shí)獲得，也可以根據(jù)節(jié)點(diǎn)數(shù)據(jù)本身的特點(diǎn)進(jìn)行分析。本文采用專家知識(shí)，對(duì)每個(gè)節(jié)點(diǎn)規(guī)定狀態(tài)如下：表32節(jié)點(diǎn)狀態(tài)Table32Stateofnode（五）貝葉斯網(wǎng)絡(luò)學(xué)習(xí)貝葉斯網(wǎng)絡(luò)的參數(shù)學(xué)習(xí)實(shí)質(zhì)上是在已知網(wǎng)絡(luò)結(jié)構(gòu)的條件下，來學(xué)習(xí)每個(gè)節(jié)點(diǎn)的概率分布表。早期貝葉斯網(wǎng)的概率分布表是由專家知識(shí)指定的，然而這種僅憑專家經(jīng)驗(yàn)指定的方法，往往與觀測(cè)數(shù)據(jù)產(chǎn)生較大的偏差。當(dāng)前比較流行的方法是從數(shù)據(jù)中學(xué)習(xí)這些參數(shù)的概率分布，這種數(shù)據(jù)驅(qū)動(dòng)的學(xué)習(xí)方法具有很強(qiáng)的適應(yīng)性。數(shù)據(jù)指的是領(lǐng)域變量的一組觀測(cè)值：x i i iD={1,x2,...,xn}，xi=(x1,x2,...,xm)根據(jù)數(shù)據(jù)的觀測(cè)狀況，可分為完備數(shù)據(jù)集和不完備數(shù)據(jù)集。完備數(shù)據(jù)集中的每個(gè)實(shí)例，都具有完整的觀測(cè)數(shù)據(jù)，不完備數(shù)據(jù)集是指對(duì)某個(gè)實(shí)例的觀測(cè)有部分缺值或觀測(cè)異常的情況。對(duì)不完備數(shù)據(jù)的學(xué)習(xí)，一般要借助于近似的方法，如MonteCarlo方法，Gaussian逼近，以及EM（期望極大化）算法求ML（極大似然）或MAP（最大后驗(yàn)概率）等。盡管有成熟的算法，但其計(jì)算開銷是比較大的。（六）貝葉斯網(wǎng)絡(luò)推理經(jīng)過訓(xùn)練后的貝葉斯網(wǎng)絡(luò)可以利用概率傳播來進(jìn)行因果推理。例如：用P(DS)表示事件薪酬水平滿意度為滿意的概率。在已知個(gè)人薪酬水平(PC)公司薪酬水平(CC)行業(yè)薪酬水平(VC)的節(jié)點(diǎn)狀態(tài)時(shí)，P(DS)的概率為：P(DS)=P(DSPC,CC,VC)+P(DSPC,CC,VC)+P(DSPC,CC,VC)+P(DSPC,CC,VC)+P(DSPC,CC,VC)+P(DSPC,CC,VC)+P(DSPC,CC,VC)+P(DSPC,CC,VC)同樣的，其他節(jié)點(diǎn)的概率推理過程類似，在已知父節(jié)點(diǎn)的狀態(tài)時(shí)可以推算出子節(jié)點(diǎn)狀態(tài)的概率。診斷推理即在已知子節(jié)點(diǎn)狀態(tài)推知其父節(jié)點(diǎn)狀態(tài)概率的過程。即所謂的執(zhí)果尋因。例如：用P(BLDB)表示在福利滿意度為滿意的情況下，福利水平滿意度為滿意的概率。則：P(BLDB)= =P(BL,DB)P(DB)P(BL)*P(DBBL)P(DBBL,BM)+P(DBBL,BM)+P(DBBL,BM)+P(DBBL,BM)同樣的，其他節(jié)點(diǎn)的概率推理過程類似，在已知子節(jié)點(diǎn)的狀態(tài)時(shí)可以倒推出父節(jié)點(diǎn)狀態(tài)的概率。四實(shí)證研究（一）條件概率學(xué)習(xí)本文以S公司為例，由30位專家對(duì)其薪酬滿意度進(jìn)行評(píng)價(jià)，1代表高、滿意或者競(jìng)爭(zhēng)型和風(fēng)險(xiǎn)；2代表低、不滿意或者中庸型和風(fēng)險(xiǎn)規(guī)避。其評(píng)價(jià)結(jié)果如下表：表41專家評(píng)價(jià)意見Table41ExpertopinionPCCCVCBLBMRPECDFWCWRCDDSDBDCDICS11212112121121221112211122212121212112211211111111212111211112111112122111122212111111111121112111212211211122111211121212221222112112222221111111112122122112211111221111111111211221111222212221221122221111211111221111211111112111111222112221
電大資料相關(guān)推薦
鄂ICP備17016276號(hào)-1