матстатистика для hr

47
МАТСТАТИСТИКА ДЛЯ HR Бабушкин Эдуард, руководитель проекта HRM [email protected] 8 (495)514 48 07 http://www.facebook.com/edbabushkin

Upload: -

Post on 11-Nov-2014

970 views

Category:

Education


1 download

Tags:

DESCRIPTION

Презентация вебинара Матстатистика для HRhttp://hrm.ru/db/hrm/4C6212339EA877144425797D00290A72/webinar.html

TRANSCRIPT

Page 1: матстатистика для Hr

МАТСТАТИСТИКА ДЛЯ HR

Бабушкин Эдуард, руководитель проекта HRM

[email protected] 8 (495)514 48 07

http://www.facebook.com/edbabushkin

Page 2: матстатистика для Hr

Правила игры

• Время – 1 час 30 мин

• 2 части

• 1) методически – лирическая

• 2) статистические критерии: три критерия в кейсах

• В промежутках - вопросы

Page 3: матстатистика для Hr

Цели семинара

Участник:

1) поймет, в чем поймет цели применения

статистических методов в практике HR

«С вычислением среднего анализ не заканчивается, а

только начинается»

2) определит для себя класс задач, которые можно

решать с помощью статистики

3) возьмет описанные инструменты на вебинаре

Page 4: матстатистика для Hr

Области применения• HR – метрики• Отчеты• Опросы и исследования• Данные оценки (тесты, компетенции, KPI)• Roi• Бенчмаркинг

Page 5: матстатистика для Hr

Задачи статистики

• Сравнение (установление различий)

• Установление взаимосвязи (влияния)

Page 6: матстатистика для Hr

Среднее арифметическое

1 20.30

0.40

0.50

0.60

0.70

0.80

0.90

1.00

0.79

0.89

Для аналитика в этом месте начинается работа, для остальных - заканчивается

Page 7: матстатистика для Hr

Таблицы

Иванов 1 0,7

Петров 2 0,8

Сидоров 1 0,8

Иванов 2 0,5

Петров 1 0,6

Сидоров 2 0,9

Page 8: матстатистика для Hr

Возможные кейсы Сравнение:

• Группы «лучших» и «средних» в оценке персонала по результатам работы (например показаны результаты работы прошедших ассессмент центр)

• Прошедших обучение и контрольных групп в Roi • Оценка двух разных показателей одними и теми же

сотрудниками (например в анкете удовлетворенности)• Оценка подчиненными руководителя по двум разным

шкалам• Данные по уровню зарплаты разных регионов • Результаты тестов/анкеты ДО и ПОСЛЕ обучения/евента

одной группы

Page 9: матстатистика для Hr

Гистограммы

24 человека – первая группа; 13 - вторая

0.5 0.6 0.7 0.8 0.9 10

1

2

3

4

5

6

7

8

9

Page 10: матстатистика для Hr

Гистограммы

0.5 0.6 0.7 0.8 0.9 10

2

4

6

8

10

12

14

Page 11: матстатистика для Hr

Теперь нудная теория

M (среднее) = 0; σ (стандартное отклонение) = 1

-6 -5.6 -5.2 -4.8 -4.4 -4 -3.6 -3.2 -2.8 -2.4 -2 -1.6 -1.2 -0.8 -0.4 0 0.4 0.8 1.2 1.6 2 2.4 2.8 3.2 3.6 4 4.4 4.8 5.2 5.6 6

Page 12: матстатистика для Hr

Нормальное распределение

Page 13: матстатистика для Hr

Сравнение выборок (выявление различий)

-6 -5.5 -5 -4.5 -4 -3.5 -3 -2.5 -2 -1.5 -1 -0.5 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6 6.5 7 7.5 8

среднее

Page 14: матстатистика для Hr

Лирическое отступлениеt-критерий Стюдента был разработан Уильямом Госсетом (1876-1937) для оценки качества пива на пивоваренных заводах Гиннесса в Дублине (Ирландия). В связи с обязательствами перед компанией по неразглашению коммерческой тайны (руководство Гиннесса считало

таковой использование

статистического аппарата в своей

работе), статья Госсета вышла в 1908 году

в журнале «Биометрика» под

псевдонимом «Student» (Студент).

Page 15: матстатистика для Hr

Технология применения стат методов

• Содержательное понимание задачи (И! обязательно

гипотеза!!!)

• Перевод в математическую плоскость

• Решение задачи

• Интерпретация полученных результатов (во многих

случаях результатом исследования часто является

выдвижения новой гипотезы)

Page 16: матстатистика для Hr

Решение (на примере Roi)

1. Задача HR: повлияло ли обучение на результаты обучения

2. Создали две выборки, выбрали нужный статистический критерий

3. Посчитали значимость различий*

4. Ответили на вопрос

* Показывает, что различия не случайны

Page 17: матстатистика для Hr

Значимость различий: одна кучка или две? (может быть самый важный слайд вебинара)

24 человека – первая группа; 13 - вторая

0.5 0.6 0.7 0.8 0.9 10

1

2

3

4

5

6

7

8

9

Page 18: матстатистика для Hr

Выбор критерия

Параметрические - не параметрические выборки

(первые имеют нормальное распределение, вторые – нет)

Зависимые – не зависимые выборки

(в первых данные коррелируют между собой, во вторых – нет)

Page 19: матстатистика для Hr

Выбор критерия

Параметрические Непараметрические

Независимые Критерий F – ФишераКритерий t-Стьюдента для независимых выборок

U-критерий Манна-Уитни

Зависимые Критерий t-Стьюдента для зависимых выборок

Т - критерий Вилкоксона

Page 20: матстатистика для Hr

Больше, чем два

В случае, если выборок не 2, а больше, то применяется критерии, для независимых выборок:

Крускала – Уоллиса

Для зависимых

Хи квадрат Фридмана1 2 3 40.3

0.4

0.5

0.6

0.7

0.8

0.9

1

0.830.79

0.890.93

Например: 1) когда сравниваем группы по уровню развития компетенции (уровень развития компетенции от 1 до 4)2) Сравнение оценки показателей в анкете удовлетворенности3) Оценка руководителя по нескольким шкалам

Page 21: матстатистика для Hr

Вопросы?

Page 22: матстатистика для Hr

U-критерий Манна-УитниU-критерий Манна-Уитни

Гипотезы U - критерия Манна-Уитни• H0: Уровень признака в группе 2 не отличается от уровня

признака в группе 1.H1: Уровень признака в группе 2 отличается от уровня признака в группе 1.

Ограничения U-критерия Манна-Уитни

1. В каждой выборке должно быть не менее 3 наблюдений: n1,n2 ≥ З; допускается, чтобы в одной выборке было 2 наблюдения, но тогда во второй их должно быть не менее 5.

2. В каждой выборке должно быть не более 60 наблюдений; n1, n2 ≤ 60.

Page 23: матстатистика для Hr

Решение: критерий Манн-Уитни

Page 24: матстатистика для Hr

Уровень статистической значимости

Уровень значимости

Вывод

p > 0, 1 Статистически достоверные различия не обнаружены

p ≤ 0, 1 Различия обнаружены на уровне статистической тенденции

p ≤ 0, 05 Обнаружены статистически значимые различия

p ≤ 0, 01 Различия обнаружены на высоком уровне статистической значимости

Для небольших выборок бывает достаточно p ≤ 0, 05; если в выборке около 100 и выше объектов, то целесообразно принять p ≤ 0, 01

Page 25: матстатистика для Hr

РЕЗЮМЕ

1. Классифицируете ситуацию: для класса ситуаций на определение значимости различий, где есть две независимые выборки

В каждой выборке должно быть не менее 3 наблюдений: n1,n2 ≥ З; допускается, чтобы в одной выборке было 2 наблюдения, но тогда во второй их должно быть не менее 5.

В каждой выборке должно быть не более 60 наблюдений; n1, n2 ≤ 60.

Выбираете критерий критерий Манн-Уитни

2. Ищете в поисковике или программе SPSS

3. Вводите данные, вычисляете

4. Если подтверждается H0 значит различий нет, если H1, то различия есть

Page 26: матстатистика для Hr

Интерпретация результатов• Группы «лучших» и «средних» в оценке персонала по

результатам работы (например показаны результаты работы прошедших ассессмент центр)

ВЫВОД: «лучшие» по оценке показывают лучшие результаты в работе.

НО: на основе результатов статистики мы не можем сказать, что это именно наши действия по оценке к этому привели.

Page 27: матстатистика для Hr

Интерпретация результатов• Прошедших обучение и контрольных групп в Roi

ВЫВОД: прошедшие обучение показывают лучшие результаты в работе.

НО: на основе результатов статистики мы не можем сказать, что это именно обучение к этому привело.

Page 28: матстатистика для Hr

Кейсы• Оценка одними и теми же сотрудниками двух коллег

(например 360 градусов по компетенции «командная работа»)

• Оценка двух разных показателей одними и теми же сотрудниками (например в анкете удовлетворенности)

• Оценка подчиненными руководителя по двум разным шкалам

Page 29: матстатистика для Hr

Решение кейсов

Х Y

Иванов 6 7 7 7

Петров 6 7 7 7

Сидоров 6 7 7 7

Иванова 6 7 7 7

Петрова 6 7 7 7

Сидорова 6 7 1 7

Среднее 6 7 6 7

Page 30: матстатистика для Hr

Вопросы?

Page 31: матстатистика для Hr

Не метрические критерии • Мужчины или женщины• С высшим образованием или нет• Блондинки или не блондинки• ……..

Хи квадрат ПирсонаУгловое преобразование Фишера

Page 32: матстатистика для Hr

Таблицы

Иванов В М 1 0,7

Петрова С Ж 2 0,8

Сидоров В М 1 0,8

Иванова В Ж 2 0,5

Петров С М 1 0,6

Сидорова С ж 2 0,9

Page 33: матстатистика для Hr

Переводим в сводную таблицу excel

М Ж

В 2 1

С 1 2

Page 34: матстатистика для Hr

Возможные кейсы

Анкеты и опросы работников: зависимость переменных от характеристик аудитории

Что угодно меряем:

Вовлеченность от стажа работы

Удовлетворенность тренингом от уровня образования

И т.п….

Page 35: матстатистика для Hr

Долевое соотношение

50%50%

12 12

23%

77%

3 10

Page 36: матстатистика для Hr

Выбор критерияφ* – угловое преобразование Фишера

1. Ни одна из сопоставляемых долей не должна быть равной нулю. Формально нет препятствий для применения метода φ в случаях, когда доля наблюдений в одной из выборок равна 0. Однако в этих случаях результат может оказаться неоправданно завышенным (Гублер Е.В., 1978, с. 86).

2. Верхний предел в критерии φ отсутствует - выборки могут быть сколь угодно большими.

Нижний предел - 2 наблюдения в одной из выборок. Однако должны соблюдаться следующие соотношения в численности двух выборок:

а) если в одной выборке всего 2 наблюдения, то во второй должно быть не менее 30: n1=2 -> n2≥30;б) если в одной из выборок всего 3 наблюдения, то во второй должно быть не менее 7: n1=3 -> n2≥7;в) если в одной из выборок всего 4 наблюдения, то во второй должно быть не менее 5: n1=4 -> n2≥5;г) при n1, n2≥5 возможны любые сопоставления.

В принципе возможно и сопоставление выборок, не отвечающих этому условию, например, с соотношением n1=2, n2=15 но в этих случаях не удастся выявить достоверных различий

Page 37: матстатистика для Hr

Критерий φ* – угловое преобразование Фишера (критерий Фишера)

Page 38: матстатистика для Hr

Пример: тренинги в России и Украине

  Тренингибизнес

тренингипсихологические

тренинги

Бизнес тренинги/психол

огические тренинги

Россия 235430 4 505 15823 0,28

Украина 27006 492 1343 0,37

Украина/Россия

0,1147 0,1092 0,0849  

Page 39: матстатистика для Hr

Тоже в %

27%

73%

Украина

бизнес тренингипсихологические тренинги

22%

78%

Россия

бизнес тренингипсихологические тренинги

http://hrm.ru/blog_kross-kulturnye-razlichija-na-primere-treningov_11BBF6

Page 40: матстатистика для Hr

Вопросы?

Page 41: матстатистика для Hr

Ранговый коэффициент корреляции Спирмена

Page 42: матстатистика для Hr

Ранговый коэффициент корреляции Спирмена

• Индивидуальные профили• Групповые профили• Индивидуальный и групповые профили

Page 43: матстатистика для Hr

Ранговый коэффициент корреляции Спирмена

• Сравнение профилей по тестам (напр. Идеальный профиль по тесты Кетела и профиль теста кандидата)

• Ранговых предпочтений между группами (например отношения к инновациям между «старослужащими» и «молодыми бойцами»)

• Уровень важности управленческих задач успешным руководителем и кандидатом

Page 44: матстатистика для Hr

Модель компетенций HR директораHR-директора не HR-директора

Воздействие и оказание влияния 78 41Ориентация на достижение 100 44Командная работа и сотрудничество 76 30Аналитическое мышление 87 34Инициатива 67 20Развитие других 72 37Уверенность в себе 75 33Директивность/Настойчивость 35 17Поиск информации 13 16Командное лидерство 69 24Концептуальное мышление 47 22Понимание компании 109 54Построение отношений 64 36Межличностное понимание 47 31

Page 45: матстатистика для Hr

Модель компетенций HR директора

• Ранговый коэффициент Спирмена r=0.81, p<0,001, корреляция значима. Что означает: HR-директора и не-HR-директора дали одинаковое видение модели компетенций HR-директора. Снаружи и изнутри видится одинаково

Page 46: матстатистика для Hr

Литература и ссылки• Елена Сидоренко «Методы математической обработки

в психологии»• А.Д. Наследов «Математические методы

психологического исследования»• А.Д. Наследов «SPSS. Компьютерный анализ данных

в психологии и социальных науках»• А.О. Крыштановский «Анализ социологических

данных»• Google – ищем по названиям критериев

Page 47: матстатистика для Hr

Вопросы?

[email protected]

8 (495) 514 48 07

http://www.facebook.com/edbabushkin