薪酬滿意度研究-文庫吧資料
2025-06-25 04:18本頁面
【正文】 11121111112221122211221221212211111111211211111211111211222211121122221211122111211111212221112122121211112211111112111111211112111122112212121111122122112122112121121121221121121111211211211111112112212111211111111121121212111212212221111211111111121211122xi4141代表低、不滿意或者中庸型和風險規(guī)避。位專家對其薪酬滿意度進行評價，1公司為例，由實證研究（一）條件概率學習本文以)同樣的，其他節(jié)點的概率推理過程類似，在已知子節(jié)點的狀態(tài)時可以倒推出父節(jié)點狀態(tài)的概率。BL,+BMP(DB)BL,+BMBL)P(DB* =P(BL,=則：P(BLDB)例如：用診斷推理即在已知子節(jié)點狀態(tài)推知其父節(jié)點狀態(tài)概率的過程。PC,+PC,+PC,+PC,PC,+PC,+PC,+PC,=在已知個人薪酬水平(PC)公司薪酬水平(CC)行業(yè)薪酬水平(VC)的節(jié)點狀態(tài)時，P(DS)的概率為：P(DS例如：用盡管有成熟的算法，但其計算開銷是比較大的。ML（極大似然）或逼近，以及MonteCarlo完備數(shù)據(jù)集中的每個實例，都具有完整的觀測數(shù)據(jù)，不完備數(shù)據(jù)集是指對某個實例的觀測有部分缺值或觀測異常的情況。xmx2(x1xi,...,1,=當前比較流行的方法是從數(shù)據(jù)中學習這些參數(shù)的概率分布，這種數(shù)據(jù)驅(qū)動的學習方法具有很強的適應性。node（五）貝葉斯網(wǎng)絡學習貝葉斯網(wǎng)絡的參數(shù)學習實質(zhì)上是在已知網(wǎng)絡結構的條件下，來學習每個節(jié)點的概率分布表。State節(jié)點狀態(tài)Table本文采用專家知識，對每個節(jié)點規(guī)定狀態(tài)如下：表satisfaction個人薪酬水平公司薪酬水平行業(yè)薪酬水平福利水福利管風險傾企業(yè)文決策自由度工作挑戰(zhàn)性工作豐富性職業(yè)發(fā)展前景平理向化薪酬水平滿意度福利滿意度薪酬結構滿意度內(nèi)在薪酬滿意度薪酬滿意度（四）節(jié)點狀態(tài)的確定個人薪酬水平高/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)文化競爭型/中庸型風險傾向風險/風險規(guī)避薪酬結構滿意度滿意/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)絡的拓撲結構后，接下來要為每個節(jié)點確定有幾種狀態(tài)。ofBN薪酬滿意度網(wǎng)絡結構圖Table31得出的結構模型如下圖所示：表貝葉斯網(wǎng)絡結構的構建方法前面已經(jīng)介紹過，本文采用的方法是：由領域?qū)＜掖_定貝葉斯網(wǎng)絡的變量節(jié)點，然后通過專家知識來確定貝葉斯網(wǎng)絡的結構。貝葉斯網(wǎng)絡中三種獨立關系：條件獨立、上下文獨立及因果影響獨立。n!種,要對每種網(wǎng)絡結構進行計算是不可能的,那么就需要選擇一個合適的網(wǎng)絡結構。n（三）satisfaction,CS)。pay,ofofdevelopment,richness,challenging,decision,freedomDC)；決策自由度(DegreepensationDB)；企業(yè)文化(Enterprise culture, EC)、風險傾向(Risk propensity, RP)、薪酬結構滿意度(Degree ofsatisfa
電大資料相關推薦
鄂ICP備17016276號-1