知識型員工激勵因子分析3700字

1、知識型員工鼓勵因子分析3700字 以下為學術(shù)堂為大家提供的知識型員工鼓勵因子分析，如該篇不是您所需要的，可下拉到本頁底部，查看更多！ 本篇論文目錄導航： IT公司知識型員工鼓勵問題探究IT知識型新員工鼓勵制度構(gòu)建緒論IT企業(yè)知識型工作人員鼓勵根本問題IT企業(yè)知識型人才鼓勵因素問卷設(shè)計知識型員工鼓勵因子分析IT知識型人才鼓勵因素的方差與回歸分析IT知識型新員工鼓勵存在的問題及原因分析IT企業(yè)知識型新員工鼓勵機制IT企業(yè)知識型新員工鼓勵機制的配套措施IT知識型人員鼓勵體系建立研究結(jié)論與參考文獻第四章 IT 企業(yè)知識型新員工鼓勵因素實證分析一、描繪性統(tǒng)計分析通過對數(shù)據(jù)進展描繪性統(tǒng)計分析，本文得到了

2、IT 企業(yè)知識型新員工對各鼓勵因素的實際感受程度平均得分，并依此進展?jié)M意度排序，詳細如表 3.由表 3 可知，IT 企業(yè)知識型新員工實際感受的鼓勵因素排名前十位的是：工作勝任3.7176、人際關(guān)系3.6588、團隊合作3.6471、辦公環(huán)境3.5765、企業(yè)文化3.5267、指導素質(zhì)3.4823、挑戰(zhàn)自我3.4647、別人認可3.4176企業(yè)前景3.3529、自主工作3.3764。本文的結(jié)果與胡巖2022、唐紹龍2022得出的結(jié)果有相似之處。在本文的定義中，工作勝任是指個人可以勝任所從事的工作。工作勝任排在首位說明 IT 企業(yè)知識型新員工對自己工作才能有充分的自信。扎實的專業(yè)知識和技能是 IT

3、 企業(yè)知識型新員工立足行業(yè)的根本，也是員工內(nèi)在鼓勵的源泉。人際關(guān)系和團隊合作也排名靠前，這與 IT 行業(yè)特征有關(guān)。在 IT 行業(yè)內(nèi)部有較細的分工，每個人都專注某一領(lǐng)域，當需要完成大規(guī)模的工程時需要各專業(yè)人才協(xié)同完成。良好的人際關(guān)系和親密的團隊合作，一方面可以快速、高效完成工程，獲得成就感；另一方面，也可以在交往的過程中學習別人的經(jīng)歷，從而進步自己，得到成長。此外，對新員工而言較好的合群性也有助于他們?nèi)谌肫髽I(yè)。這些對 IT企業(yè)知識型新員工都很有意義。由表 3 可知，知識共享3.2117、薪酬公平3.1000、職業(yè)生涯設(shè)計3.0941、薪酬程度2.9823、參與管理2.9702排在末尾。這說明 I

4、T 企業(yè)知識型新員工對個人成長和薪酬保障的需求沒有得到足夠滿足。要進一步鼓勵這些員工，需要從個人成長和薪酬保障方面入手。由表 3 可知，標準差最小的五個鼓勵因素分別是：指導素質(zhì)0.5941、薪酬程度0.7942、工作勝任0.8031 、自主工作0.8366和別人認可0.8711。這說明被調(diào)查者對這幾個因素的滿意度的離散程度較低。標準差最大的五個鼓勵因素分別是：知識共享1.0675、教育培訓1.0551、工作-生活平衡0.9967 、參與管理0.9787和職務稱晉升0.9681。這說明被調(diào)查者對這些鼓勵因素的滿意度的離散程度較高。造成被調(diào)查者對局部鼓勵因素的滿意度的離散程度較高的原因，一方面可能

5、在于本文的調(diào)查樣本較少，另一方面也可能是這一員工群體根據(jù)人口統(tǒng)計變量的不同存在著細分群體，下文將進展進一步的方差分析。從總體而言，IT 企業(yè)知識型新員工的鼓勵狀態(tài)為 3.2941,標準誤差為 0.8261.可以看出，這些人大局部處于鼓勵亞安康;狀態(tài)。亞安康通俗的講是指雖然不患病，但自我感覺身體不舒適的狀態(tài)。IT 企業(yè)知識型新員工的鼓勵狀態(tài)雖然如今不至于對企業(yè)造成重大的傷害，但是假如放任這種狀態(tài)的存在，這些員工的鼓勵狀態(tài)將會越來越差，在企業(yè)遇到暫時不景氣的情況下，將會造成破壞性影響。二、信度和效度分析一份調(diào)查問卷的好壞，除了需要設(shè)計科學的題項，還需要有足夠高的信度和效度。雖然本文在問卷設(shè)計、發(fā)放

6、和挑選的過程中都注意進步問卷的針對性，但仍然有必要進展專門的信度和效度分析。信度，又稱可靠度，指的是一份量表所測得分數(shù)的一致性與穩(wěn)定性。信度越高，表示同一群體的被調(diào)查者在屢次填寫同一份問卷的答案有很高的一致性；相反，量表的信度越低，那么測量的結(jié)果會有很大差異43.對量表進展信度分析的常用工具是 Cronbach alpha;系數(shù)。當題目間的相關(guān)系數(shù)越大時，alpha;系數(shù)也會越大。一般認為，用 Cronbach alpha;系數(shù)測量量表的信度，在根底研究中至少要到達 0.80 才可承受；在探究性研究中，信度需要到達 0.70 才可以承受44.利用 spss 對本問卷進展信度分析，得出結(jié)果如下。

7、由圖 2 可知，本問卷的 Cronbach alpha;系數(shù)為 0.93,滿足承受的要求。因此，可以認為本問卷有較好的一致性和穩(wěn)定性。效度，也成為科學性，是表示一份量表能真正測量到該量表所要測量的才能或功能的效度45.效度有三種，即內(nèi)容效度、校標關(guān)聯(lián)效度和建構(gòu)效度。效度分析有多種方法，其中之一便是因子分析法，后文將專門進展因子分析。三、因子分析因子分析可以在不造成信息的大量喪失的前提下，大大降低參與數(shù)據(jù)建模的變量個數(shù)，因此得到廣泛的應用。在因子分析之前，需要對樣本進展 KMO 檢驗Kaiser-Meyer-Olkin和巴特利特球度檢驗Bartlett Test of Sphericity，然后

8、根據(jù)檢驗系數(shù)來判斷是否可以進展因子分析。Kaiser 認為，KMO 值 0.9 以上表示非常合適；0.8 表示合適；0.7 表示一般；0.6 表示不太合適；0.5 以下表示極不合適46.巴特萊特球度檢驗統(tǒng)計量的概率小于或等于 a 時，可以作因子分析。由圖 3 可知，KMO=0.9150.9,根據(jù) Kaiser 給出的度量標準可知原有變量非常合適進展因子分析。巴特萊特球度檢驗統(tǒng)計量的概率接近于 0,小于顯著性程度0.01,說明數(shù)據(jù)合適進展因子分析。采用主成分分析法提取因子并選取特征值大于 1 的特征根，共提取 4 個因子。由圖 4 可知，4 個因子的累計方差奉獻率為 64.019%,這說明公因子

9、解釋了大局部的方差。根據(jù)圖 5,可以對因子做如下命名：F1:由 8 項鼓勵因素提取而成，分別是職務稱晉升、參與管理、教育培訓、職業(yè)生涯設(shè)計、知識共享、企業(yè)前景、挑戰(zhàn)自我和自主工作。這些因素與 IT企業(yè)知識型新員工的個人成長親密相關(guān)，因此可以把 F1 命名為成長鼓勵因素。F2:由 6 項鼓勵因素提取而成，分別是人際關(guān)系、辦公環(huán)境、團隊合作、興趣匹配、指導素質(zhì)和企業(yè)文化。這些因素與 IT 企業(yè)知識型新員工的成長環(huán)境親密相關(guān)，因此可以把 F2 命名為環(huán)境鼓勵因素。從數(shù)據(jù)上看，企業(yè)文化劃分到成長鼓勵因素更適宜，但為了研究方便，本文將之劃分到環(huán)境鼓勵因素F3:由 3 項鼓勵因素提取而成，分別是別人認可、

10、工作勝任和工作-生活平衡。這些因素與 IT 企業(yè)知識型新員工的本職工作親密相關(guān)，因此可以把 F3 命名為工作鼓勵因素。F4:由 2 項鼓勵因素提取而成，分別是薪酬程度和薪酬公平。這些因素與 IT企業(yè)知識型新員工的薪酬親密相關(guān)，因此可以把 F4 命名為薪酬鼓勵因素。由第 1 個因子的累計方差奉獻率可知，F(xiàn)1 即成長鼓勵因素解釋了原來 19 個變量總方差的 44.823%.這說明，對 IT 企業(yè)知識型新員工而言，鼓勵效果最大的是成長鼓勵因素，然后依次是環(huán)境鼓勵因素、工作鼓勵因素和薪酬鼓勵因素。這完全符合前文關(guān)于 IT 企業(yè)知識型新員工特征的闡述。根據(jù)圖 6,可以寫出以下因子得分函數(shù)：其中，1F 、2F 、3F 、4F 分別代表成長鼓勵因素、環(huán)境鼓勵因素、工作鼓勵因素和薪酬鼓勵因素；1x 、2x 、3x 、4x 、5x 、6x 、7x 、8x 、9x 、10 x 、11x 、12x13x 、14x 、15x 、16x 、17x 、18x 、19x 分別代表薪酬程度、薪酬公平、挑戰(zhàn)自我、自主工作、興趣匹配、別人認可、工作勝任、工作-生活平衡、教育培訓、知識共享、參與管理、職務稱晉升、職業(yè)生涯設(shè)計、人際關(guān)系、辦公環(huán)境、企業(yè)前景、指