数据结构
网络
关系数据库管理系统 (RDBMS)
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会研究
服装研究
法律研究效用分析
效用分析现已成为广泛使用的定量技术，用于评估人力资源项目。它可以对人力资源的使用评估和选择做出重大贡献。人力资源规划、选拔管理、培训和员工流失都受益于效用分析。
什么是效用分析？
效用分析是一组技术，其中包括成本效益分析，旨在产生对评估工具的有用性和实际价值的决策至关重要的数据。请注意，我们在本定义中使用了“技术集合”一词。这是正确的，因为效用分析并非仅用于一个特定目标的单一技术。相反，效用分析是一个通用术语，指的是几种潜在的方法，每种方法都有不同的输入数据需求并产生不同的结果。一些效用分析非常复杂，包括复杂的数学模型和正在考虑的各种变量的复杂加权方案。
其他效用评估则简单得多，更容易理解，只需回答相对简单的问题即可。如果用于评估测试，效用分析将有助于确定一个测试是否比另一个测试更适合特定目的；一个评估工具是否比另一个评估工具更适合特定目的。当用于评估培训计划或干预措施时，效用分析可以帮助确定：一个培训计划是否优于另一个培训计划；一种干预技术是否优于另一种干预方式；在现有培训计划中添加或删除元素是否通过提高其有效性和效率来改进整体培训计划。
如何进行效用分析？
必须收集的数据类型和用于效用分析的精确技术将取决于其特定目标。在这里，我们将快速回顾两种基本的效用分析方法。
期望数据
一些效用分析甚至不需要做更多的事情，只需要从测试数据的散点图中创建一个期望表。可以使用期望表确定测试者在标准衡量指标上获得一定分数范围的可能性——该范围可以标记为“及格”、“合格”或“不及格”。例如，期望表可以为决策者提供有关公司环境中新颖且实验性的人员测试有用性的重要信息。例如，期望表可能表明，员工被认为成功的可能性与他们在该新测试中的表现直接成正比。
换句话说，测试按预期进行，如果永久实施新测试，公司可以合理地预期生产力提高。许多与效用相关的决策，特别是那些仅限于关于就业测试的可靠性和使用的选择比率的查询，都可以从额外的期望数据中获益。
Brogden-Cronbach-Gleser 公式
关于效用分析的最新研究是基于 Brogden 创建的传统效用模型。Brogden 建议使用一个公式将选择计划的有效性系数转换为其货币价值的粗略估计。他的公式基于这样一个假设：预测分数和绩效的货币价值呈线性关系。Cronbach 和 Gleser 在 1965 年将申请人的测试成本添加到 Brogden 的模型中。由此产生的 Brogden Cronbach Gleser (BCG) 模型说明了当雇佣 Ns 名申请人时，基于预测器的选择过程相对于随机选择所产生的增量效用或生产力增益，可以表述如下
其中 N 是申请人总数，SDY 是工作绩效的标准差（以货币单位表示）（Y），rXY 是预测变量 (X) 和 Y 之间的相关性，Xs 是被选中者的平均预测变量分数，C 是进行选择过程的平均每位申请人成本。
组织中效用分析的实际问题
在进行效用分析时，需要考虑一些实际问题。例如，基于测试的判断的准确性可能会受到当前基准率问题的影響。当基准率过低或过高时，必须特别注意这个问题，因为这种情況可能会使测试作为选择方法无效。关于候选人库、职位的难度和使用的截止分数的一些更实际的考虑因素需要记住。同时，我们关注人员甄选主题。
求职者库——大型求职者库可能意味着经济强劲且对该职位需求旺盛，但也可能意味着对现有职位竞争更激烈。这可能会使公司更难以找到合格的申请人，并可能提高招聘和雇佣工作的成本。相反，小型求职者库可能意味着人们对该职位不感兴趣，或者经济状况可能更加强劲。但是，它也使雇主更容易找到胜任的候选人。在进行效用分析时，应考虑申请人库的规模和素质，因为它们可能会影响选择特定个人的潜在成本和收益。
工作的复杂性——通常，对于复杂程度范围广泛的职位，使用相同类型的效用分析技术。对于从装配线工人到电脑程序员的商业职位，获取相同类型的数据，可以使用相同类型的分析工具，并可能触发相同类型的效用模型。然而，正如 Hunter 等人 (1990) 所证明的那样，工作越复杂，人们的绩效水平差异就越大。对于不同复杂程度的任务，相同的效用模型是否适用以及相同的效用分析技术是否同样适用，是有争议的。
使用的截止分数——截止值经常用于效用分析中，以区分理想的结果。截止值的问题在于它们是任意的，如果选择不当，可能会产生偏差的结果。因此，务必考虑效用分析中使用的截止值，并确保它基于合理的理由和相关的标准。
结论
可以使用各种模型评估选择计划或组织干预措施的效用，但需要更多已发表的数据来了解效用分析估计的准确性。此外，Anderson 和 Muchinsky (1991) 以及 Quartetti 和 Raju (1998) 提供了一些关于效用估计分布的蒙特卡洛结果。Alexander 和 Barrick (1987) 提出了效用估计标准误差的各种近似值。尽管这些研究很重要，但仍需要进一步研究以确定各种效用估计的适当标准误差。在没有表明其准确性水平的信息的情况下，可能很难认真对待广泛使用的效用估计。
2K+ 次浏览
