论文部分内容阅读
摘要:灰预测是灰理论的重要内容之一。应用灰预测模型可以有效预测员工绩效趋势。文章构建了灰预测模型,分析研究了灰预测模型在员工绩效趋势灰预测中的应用,对员工绩效趋势进行了灰预测,为有效制定绩效改进计划,正确引导员工行为,不断提高员工绩效水平提供了科学依据。
关键词:绩效预测 灰理论 灰预测 灰模型
中图分类号:F224.0
0 引言
绩效管理是人力资源开发与管理的核心环节,如何有效地调动员工的积极性和创造潜力,持续地提高员工的绩效水平,是任何组织都非常关心的问题。在绩效管理中,如果能提前预测员工绩效趋势,根据预测结果诊断员工行为,并正确引导员工行为,做好事前控制,则可以实现员工绩效水平的进一步提高[1]。为了定量预测员工绩效趋势,实现员工绩效水平不断提高的目标,本文拟用灰理论对员工绩效趋势进行灰预测,以便为分析员工行为,制定员工绩效改进计划,引导员工行为,提高员工工作绩效提供理论依据。
1 灰理论及灰预测概述
灰理论即灰色系统理论的简称,是邓聚龙教授首先提出的。“灰”是介于“白”与“黑”之间的概念,“白”指信息确定、数据完整,对应的系统称之为白色系统;“黑”指信息很不确定、数据很少,对应的系统称之为黑色系统;“灰”指信息部分不确定、部分确定,部分不完全、部分完全,部分未知、部分已知,对应的系统称之为灰色系统。灰理论主要针对既无经验,数据又少的不确定性问题,即“少数据不确定性”问题;灰理论强调信息优化,研究现实规律;灰理论以灰生产为手段,以多视角为思维方式。
灰预测是灰理论的主要内容之一。它是建立(行为)时轴上现在与未来的定量关系,通过此关系(灰模型)预测事物的发展。它的应用领域非常广泛。比如应用于粮食产量灰预测、设备损坏率灰预测、季节灾变灰预测等等。预测是用现实数据构造模型,以获得未来数据的过程。如果用现实数据构造的是灰模型GM(1,1),则用GM(1,1)计算出未来数据,称为灰预测[2]。
2 灰预测模型对员工绩效预测的有效性
灰预测是现有状态向未来延伸的预测。为了获得可信的结果,要求建模数据具有全信息性。只要掌握了影响预测对象的全部因子,则必然掌握了预测对象的全信息。作为信息不完全的灰色系统,不可能掌握预测对象的全部因子,但灰理论指出:符合灰因白果律的数据是全信息的,至少是默认原理下的全信息。相对员工绩效预测而言,员工每个绩效周期的绩效是建模的基本数据。而员工当期绩效是业绩、能力、潜力、态度、顾客需求、市场态势、竞争态势、经济政策、技术环境、文化环境等各种内外环境因素共同作用的结果。显然影响员工绩效的因子很多,多到不胜枚举,因此,绩效因子具有灰信息覆盖,而绩效周期的每次员工的绩效是具体的、确定的,具有白信息覆盖。因此,从绩效因子到员工绩效符合灰因白果律(如图1所示)。
用员工绩效作为数据建立灰预测模型,符合全信息性。所以,可以用灰预测模型对员工绩效进行预测。
3 灰预测模型GM(1,1)的构建
灰预测模型GM(1,1)是一个单变量的一阶微分方程,表示1阶(Order)、1个变量(Variable)的灰(Grey)模型(Model)。其构建过程如下[2] [3] [4]:
令x(0)为GM(1,1)建模序列:x(0)=(x(0)(1),x(0)(2),x(0)(3),…x(0)(n)),
令x(1)为x(0)的累加AGO序列:
x(1)=(x(1)(1),x(1)(2),x(1)(3),…x(1)(n))
白化背景值序列z(1)是x(1)的均值序列,表示每个白化背景z(1)(k)都是x(1)(k)与x(1)(k-1)的平均值。即:
z(1)(k)=0.5(x(1)(k)+x(1)(k-1))
z(1)=(z(1)(2),z(1)(3),…z(1)(n))
GM(1,1)对应的白化微分方程为:
其中:a为发展系数,大小和符号反映x(0)及x(1)的发展态势;b为灰作用量,指系统的作用量,它不是可以直接观测的,是通过计算得到的,是等效的作用量,是具有灰的信息覆盖的作用量。
对于原始序列x(0)及其累加AGO序列x(1),有GM(1,1)白化模式响应式:
上式即为GM(1,1)模型的表达式,根据上式可得到各个预测值 。
4 灰预测模型GM(1,1)在员工绩效趋势预测中的应用举例
绩效预测是绩效管理的一种手段,不是绩效管理的目标。绩效管理的根本目标是在于通过员工绩效评价、绩效趋势的预测对症下药,对绩效好的员工给予鼓励与支持;对绩效差的员工进行诊断,找到产生绩效差的原因,制定绩效改进计划,引导员工以后的行为,最终实现员工绩效水平的提高。现举例说明灰预测模型GM(1,1)在员工绩效趋势预测中的应用。
假定某企业在连续6个绩效评价周期对同一员工进行了评价,令x(0)(k)表示员工第k次绩效,则员工6次绩效序列为:
x(0)=(x(0)(1),x(0)(2),x(0)(3),x(0)(4),x(0)(5),x(0)(6))
=(85.6,86.5,89.8,91.8,92.2,91.3)
通过上面原始数据分析:从x(0)(1)至x(0)(5)序列是递增的;从x(0)(5)至x(0)(6)序列是递减的;整个x(0)(1)至x(0)(6)是从升到降摆动的。在本例中,可以建立递增子序列的GM(1,1)模型,也可以建立递减子序列的GM(1,1)模型,还可建立摆动序列的GM(1,1)模型。为不失一般性,现以摆动序列的GM(1,1)模型为例进行研究。
4.1 员工绩效的级比判断 x(0)可以建立GM(1,1)模型的界区为 ,其中级比。原序列
中的级比分别为:0.9895953;0.9632516;0.9782135;0.9956616;1.0098576。原序列x(0)中的级比全部落入建模的界区:
因此,原序列x(0)满足GM(1,1)建模条件,可以用于建模。
4.2 构建员工绩效的模型 第一、原员工绩效序列x(0)
x(0)=(x(0)(1),x(0)(2),x(0)(3),x(0)(4),x(0)(5),x(0)(6))
=(85.6,86.5,89.8,91.8,92.2,91.3)
第二、员工绩效累加AGO序列x(1)
x(1)=(x(1)(1),x(1)(2),x(1)(3),x(1)(4),x(1)(5),x(1)(6))
=(85.6,172.1,261.9,353.7,445.9,537.2)
第三、员工绩效白化背景值序列z(1)=0.5(x(1)(k)+x(1)(k-1))
z(1)=(z(1)(2),z(1)(3),z(1)(4),z(1)(5),z(1)(6))
=(128.85,217,307.8,399.8,491.55)
第四、二级参数包PH=(C,D,E,F)
第五、一级参数包PI=(a,b),计算发展系数a与b灰作用量
第六、员工绩效趋势的灰预测GM(1,1)模型:
x(0)(k)-0.0131392z(1)(k)=86.259947
GM(1,1)模型的白化响应式:
4.3 残差检验
4.4 员工绩效预测及分析
员工绩效下一周期的预测值 :
员工绩效下一周期的预测值:
可见,该员工虽然在连续6个绩效评价周期内的绩效水平是先增后减,通过建立摆动序列的GM(1,1)灰模型,进行员工绩效灰预测,发现该员工下一绩效周期的绩效水平趋势是上升的。同理,也可以建立递增子序列的GM(1,1)模型或递减子序列的GM(1,1)模型进行员工绩效灰预测。
5 结束语
综上所述,可知:灰预测是灰理论的重要内容之一。应用灰预测模型预测员工绩效趋势是可行的。通过员工绩效趋势的灰预测,可以为有效制定绩效改进计划,正确引导员工行为,提高员工绩效水平提供科学依据。
参考文献:
[1]方振邦.战略性绩效管理[M].北京:中国人民大学出版社.2007.6:126-178.211-282.
[2]邓聚龙.灰理论基础[M].武汉:华中科技大学出版社.2002.2:218-239.361-388.
[3]孙永明等.基于灰理论的港口吞吐量预测研究[J].中国水运.2007(4):160-162.
[4]王霜等.基于模型的用电量灰预测方法[J].西华大学学报自然科学版.2007(1):77-78.
[5]罗鄂湘等.组织变革中员工行为的突变分析[J].科技进步与对策.2006(12):181-183.
基金项目:广州航海高等专科学校哲学社会科学研究基金项目(编号200812B15)
关键词:绩效预测 灰理论 灰预测 灰模型
中图分类号:F224.0
0 引言
绩效管理是人力资源开发与管理的核心环节,如何有效地调动员工的积极性和创造潜力,持续地提高员工的绩效水平,是任何组织都非常关心的问题。在绩效管理中,如果能提前预测员工绩效趋势,根据预测结果诊断员工行为,并正确引导员工行为,做好事前控制,则可以实现员工绩效水平的进一步提高[1]。为了定量预测员工绩效趋势,实现员工绩效水平不断提高的目标,本文拟用灰理论对员工绩效趋势进行灰预测,以便为分析员工行为,制定员工绩效改进计划,引导员工行为,提高员工工作绩效提供理论依据。
1 灰理论及灰预测概述
灰理论即灰色系统理论的简称,是邓聚龙教授首先提出的。“灰”是介于“白”与“黑”之间的概念,“白”指信息确定、数据完整,对应的系统称之为白色系统;“黑”指信息很不确定、数据很少,对应的系统称之为黑色系统;“灰”指信息部分不确定、部分确定,部分不完全、部分完全,部分未知、部分已知,对应的系统称之为灰色系统。灰理论主要针对既无经验,数据又少的不确定性问题,即“少数据不确定性”问题;灰理论强调信息优化,研究现实规律;灰理论以灰生产为手段,以多视角为思维方式。
灰预测是灰理论的主要内容之一。它是建立(行为)时轴上现在与未来的定量关系,通过此关系(灰模型)预测事物的发展。它的应用领域非常广泛。比如应用于粮食产量灰预测、设备损坏率灰预测、季节灾变灰预测等等。预测是用现实数据构造模型,以获得未来数据的过程。如果用现实数据构造的是灰模型GM(1,1),则用GM(1,1)计算出未来数据,称为灰预测[2]。
2 灰预测模型对员工绩效预测的有效性
灰预测是现有状态向未来延伸的预测。为了获得可信的结果,要求建模数据具有全信息性。只要掌握了影响预测对象的全部因子,则必然掌握了预测对象的全信息。作为信息不完全的灰色系统,不可能掌握预测对象的全部因子,但灰理论指出:符合灰因白果律的数据是全信息的,至少是默认原理下的全信息。相对员工绩效预测而言,员工每个绩效周期的绩效是建模的基本数据。而员工当期绩效是业绩、能力、潜力、态度、顾客需求、市场态势、竞争态势、经济政策、技术环境、文化环境等各种内外环境因素共同作用的结果。显然影响员工绩效的因子很多,多到不胜枚举,因此,绩效因子具有灰信息覆盖,而绩效周期的每次员工的绩效是具体的、确定的,具有白信息覆盖。因此,从绩效因子到员工绩效符合灰因白果律(如图1所示)。
用员工绩效作为数据建立灰预测模型,符合全信息性。所以,可以用灰预测模型对员工绩效进行预测。
3 灰预测模型GM(1,1)的构建
灰预测模型GM(1,1)是一个单变量的一阶微分方程,表示1阶(Order)、1个变量(Variable)的灰(Grey)模型(Model)。其构建过程如下[2] [3] [4]:
令x(0)为GM(1,1)建模序列:x(0)=(x(0)(1),x(0)(2),x(0)(3),…x(0)(n)),
令x(1)为x(0)的累加AGO序列:
x(1)=(x(1)(1),x(1)(2),x(1)(3),…x(1)(n))
白化背景值序列z(1)是x(1)的均值序列,表示每个白化背景z(1)(k)都是x(1)(k)与x(1)(k-1)的平均值。即:
z(1)(k)=0.5(x(1)(k)+x(1)(k-1))
z(1)=(z(1)(2),z(1)(3),…z(1)(n))
GM(1,1)对应的白化微分方程为:
其中:a为发展系数,大小和符号反映x(0)及x(1)的发展态势;b为灰作用量,指系统的作用量,它不是可以直接观测的,是通过计算得到的,是等效的作用量,是具有灰的信息覆盖的作用量。
对于原始序列x(0)及其累加AGO序列x(1),有GM(1,1)白化模式响应式:
上式即为GM(1,1)模型的表达式,根据上式可得到各个预测值 。
4 灰预测模型GM(1,1)在员工绩效趋势预测中的应用举例
绩效预测是绩效管理的一种手段,不是绩效管理的目标。绩效管理的根本目标是在于通过员工绩效评价、绩效趋势的预测对症下药,对绩效好的员工给予鼓励与支持;对绩效差的员工进行诊断,找到产生绩效差的原因,制定绩效改进计划,引导员工以后的行为,最终实现员工绩效水平的提高。现举例说明灰预测模型GM(1,1)在员工绩效趋势预测中的应用。
假定某企业在连续6个绩效评价周期对同一员工进行了评价,令x(0)(k)表示员工第k次绩效,则员工6次绩效序列为:
x(0)=(x(0)(1),x(0)(2),x(0)(3),x(0)(4),x(0)(5),x(0)(6))
=(85.6,86.5,89.8,91.8,92.2,91.3)
通过上面原始数据分析:从x(0)(1)至x(0)(5)序列是递增的;从x(0)(5)至x(0)(6)序列是递减的;整个x(0)(1)至x(0)(6)是从升到降摆动的。在本例中,可以建立递增子序列的GM(1,1)模型,也可以建立递减子序列的GM(1,1)模型,还可建立摆动序列的GM(1,1)模型。为不失一般性,现以摆动序列的GM(1,1)模型为例进行研究。
4.1 员工绩效的级比判断 x(0)可以建立GM(1,1)模型的界区为 ,其中级比。原序列
中的级比分别为:0.9895953;0.9632516;0.9782135;0.9956616;1.0098576。原序列x(0)中的级比全部落入建模的界区:
因此,原序列x(0)满足GM(1,1)建模条件,可以用于建模。
4.2 构建员工绩效的模型 第一、原员工绩效序列x(0)
x(0)=(x(0)(1),x(0)(2),x(0)(3),x(0)(4),x(0)(5),x(0)(6))
=(85.6,86.5,89.8,91.8,92.2,91.3)
第二、员工绩效累加AGO序列x(1)
x(1)=(x(1)(1),x(1)(2),x(1)(3),x(1)(4),x(1)(5),x(1)(6))
=(85.6,172.1,261.9,353.7,445.9,537.2)
第三、员工绩效白化背景值序列z(1)=0.5(x(1)(k)+x(1)(k-1))
z(1)=(z(1)(2),z(1)(3),z(1)(4),z(1)(5),z(1)(6))
=(128.85,217,307.8,399.8,491.55)
第四、二级参数包PH=(C,D,E,F)
第五、一级参数包PI=(a,b),计算发展系数a与b灰作用量
第六、员工绩效趋势的灰预测GM(1,1)模型:
x(0)(k)-0.0131392z(1)(k)=86.259947
GM(1,1)模型的白化响应式:
4.3 残差检验
4.4 员工绩效预测及分析
员工绩效下一周期的预测值 :
员工绩效下一周期的预测值:
可见,该员工虽然在连续6个绩效评价周期内的绩效水平是先增后减,通过建立摆动序列的GM(1,1)灰模型,进行员工绩效灰预测,发现该员工下一绩效周期的绩效水平趋势是上升的。同理,也可以建立递增子序列的GM(1,1)模型或递减子序列的GM(1,1)模型进行员工绩效灰预测。
5 结束语
综上所述,可知:灰预测是灰理论的重要内容之一。应用灰预测模型预测员工绩效趋势是可行的。通过员工绩效趋势的灰预测,可以为有效制定绩效改进计划,正确引导员工行为,提高员工绩效水平提供科学依据。
参考文献:
[1]方振邦.战略性绩效管理[M].北京:中国人民大学出版社.2007.6:126-178.211-282.
[2]邓聚龙.灰理论基础[M].武汉:华中科技大学出版社.2002.2:218-239.361-388.
[3]孙永明等.基于灰理论的港口吞吐量预测研究[J].中国水运.2007(4):160-162.
[4]王霜等.基于模型的用电量灰预测方法[J].西华大学学报自然科学版.2007(1):77-78.
[5]罗鄂湘等.组织变革中员工行为的突变分析[J].科技进步与对策.2006(12):181-183.
基金项目:广州航海高等专科学校哲学社会科学研究基金项目(编号200812B15)