1. 相关系数和决定系数如何计算
首先看两个变量是否是正态分布，如果是,则在analyze-correlate-bivariate中选择pearson相关系数，否则要选spearman相关系数或Kendall相关系数。
如果显著相关，输出结果会有*号显示，只要sig的P值大于0.05就是显著相关。如果是负值则是负相关。
2. 相关系数与确定系数
绩效考核系数涉及到两个方面，即纵向考核系数和横向考核系数的设定两部分。
1、纵向考核系数设定
部分负责人A对部门的绩效、全员的绩效负责，他的岗位工资发放系数很明显，A岗位工资发放系数=部门考核系数（一般而言，部门考核系数就是负责人的考核系数，当然也有负责人还承担一些个人指标（比如员工流失率、任职资格达标率等），那就变为A岗位工资=负责人绩效工资基数*部门考核系数*个人考核系数）。
如果该部门有分组、组下边有班，是否还会是相乘的关系，就需要另行考虑，B员工的绩效工资发放系数=B个人考核系数×班考核系数×组考核系数×部门考核系数，我认为是不可取的，因为B员工的绩效发挥可能和班、组、部门的绩效水平相关性依次降低，员工做的再好可能因为某些员工做的不好而导致班考核、组考核变差，从而B员工岗位工资发放系数会很低，对员工的士气是一种打击，建议考核系数采用分权重相加，再乘以员工指标业绩，或直接依据员工的绩效程度挂到班一级上即可。
2、横向考核系数设定
具体到某位员工C，他的关键指标可能有多项，比方C1、C2、C3，C的绩效分数=（C1分值﹢C2分值﹢C3分值）×C1考核系数×C2考核系数×C3考核系数×部门考核系数T。有很多HR经理可能认为C的绩效分值= [C1分值×C1考核系数﹢C2分值×C2考核系数﹢C3分值×C3考核系数] ×部门考核系数T，C1考核系数﹢C2考核系数﹢C3考核系数=1。我不能说后者就是错的，但是后者往往导致员工工作抓大放小，起不到全面提高工作水平的作用，个人目标与组织目标相背离。而前者是累乘的关系，各项都好就会更好；有一项差的话绩效成绩就不会太好；如果好几项分值都较差的话会更差，所以这种设计是会极大促进员工去努力工作的。
C1、C2、C3三项工作的完成大多数都是由员工独自负责的，所以，只要员工方法得当，积极努力，是可以跳起来吃到葡萄的，前提是绩效目标设置合理。其实累乘法和分权重相加法都是一种管控手段和方式，旨在督促员工不要荒废任何一项工作；而分权重相加通过权重的设计其实传达了公司对某些业务的重视程度是不同的，理论上员工会优先完成权重高的业务绩效目标。
我认为考核员工的各个指标相关性较强的情况下，工资发放系数可以采用累乘法，因为各项工作会在员工的努力下得到相应的反映，只要按要求努力工作就会有成果；而如果各项工作相关性不高，应该采取分权重相加的方法，因为各项工作相关性差，影响因素不一样，如果累乘会因某一项工作结果的不理想造成整体绩效更差，但是不一定是员工个人的问题。
所以，员工各项工作考核指标相关性强，说明影响因素类似，只要员工努力就会有所表现，如果单项工作绩效差，只会是员工的问题，可以采取累乘法；但是如果员工各项工作考核指标相关性差，则说明各项工作的影响因素不同、多样，员工努力也许还不一定保证每一项工作都很好的完成，所以应该采用分权重相加方法，即在肯定员工努力的情况下合适的判定绩效。
3、部门（团队）系数挂钩的方式
以上两个部分解决了用什么样的方式发放绩效工资更加具有激励性，下面我就单讲一下当个人考核系数与部门考核系数（班、组或团队等）挂钩的时候的一些方法：
1）实际成绩。这种是最常见的，就是以部门（班、组或团队等）的实际考核成绩变换为考核系数与个人业绩挂钩。即员工工资=绩效工资基数*个人考核系数*部门考核系数，这种方式是最为简单的，但是往往使部门领导只往内看，而不向外看（顾及其他部门），这不符合以客户为中心的流程化的要求，会造成部门间协调配合不顺畅，不能提高效率。
2）与其他部门业绩挂钩。这种方式考虑了以上问题，即员工工资=绩效工资基数*个人考核系数*（部门考核分数/所有部门考核平均分），这种方式会使部门间形成竞争，能够激活一潭死水。当然这里面会存在一个问题，就是业务部门往往会大开大合，考核系数有时候会1.4，有时候会0.8,；而职能部门会比较稳当，往往在1.0上下徘徊。这时，在应用的时候可以加一个领导调节系数，即员工工资=绩效工资基数*个人考核系数*（部门考核分数/所有部门考核平均分）*领导调节系数。领导调节系数是需要领导对各部门的实际工作情况，还有市场情况、竞争对手以及行业发展状况等综合评估后补调的一个系数，系数范围一般为（0.8-1.2），这时考虑的就是大环境，不是说我好就行了，而是大家都好，我是不是最好。比如2009年房地产业发展很快，本公司的发展是不是能够达到平均发展速度以上就需要慎重考虑一下。
3）总额控制法。这时公司是基于对业绩奖金总额控制的一种策略，即对人力成本控制到位。比如一个企业的后厨部，个人业绩考核不是太好量化或评定，所以企业会对部门进行考核，奖金直接需要部门进行二次分配，公司人力资源部不太会干涉。这时，基本上分配模式是，员工绩效工资=部门绩效工资总额*（该岗位工资*个人绩效考核系数/ 所有人岗位工资乘各自绩效考核系数之和）
3. 相关系数和决定系数如何计算的
判定系数是指判断了，相关系数是指有关联的
4. 知道决定系数怎么求相关系数
相关系数是r，分析化学中线性相关性系数是r。r2是判定系数，它是估计的回归方程拟合程度度量，一般r2越靠近1，拟合程度越好，实验结果越成功。
而r研究变量之间线性相关程度的量，r越大，说明相关性越高，当r=0的时候，说明两者之间相关程度最低。
扩展资料
相关系数是最早由统计学家卡尔·皮尔逊设计的统计指标，是研究变量之间线性相关程度的量，一般用字母 r 表示。由于研究对象的不同，相关系数有多种定义方式，较为常用的是皮尔逊相关系数。
判定系数也叫可决系数或决定系数，是指在线性回归中，回归平方和与总离差平方和之比值，其数值等于相关系数的平方。它是对估计的回归方程拟合优度的度量。为说明它的含义，需要对因变量y取值的变差进行研究。
5. 相关系数和判定系数的关系公式
相关系数的强弱仅仅看系数的大小是不够的。一般来说，取绝对值后，0-0.09为没有相关性，0.3-弱，0.1-0.3为弱相关，0.3-0.5为中等相关，0.5-1.0为强相关。但是，往往你还需要做显著性差异检验，即t-test，来检验两组数据是否显著相关，这在SPSS里面会自动为你计算的。
样本书越是大，需要达到显著性相关的相关系数就会越小。
所以这关系到你的样本大小，如果你的样本很大，比如说超过300，往往分析出来的相关系数比较低，比如0.2，因为你样本量的增大造成了差异的增大，但显著性检验却认为这是极其显著的相关。
一般来说，我们判断强弱主要看显著性，而非相关系数本身。但你在撰写论文时需要同时报告这两个统计数据。
6. 相关系数和决定系数如何计算出来
相关系数是指与某一关系式或是公式等的常系数，相关系数是变量之间相关程度的指标。样本相关系数用r表示,总体相关系数用ρ表示,相关系数的取值范围为[-1,1]。|r|值越大，误差Q越小，变量之间的线性相关程度越高；|r|值越接近0，Q越大，变量之间的线性相关程度越低。
7. 确定系数和决定系数
相关系数有多种。
1.在一元线性回归中：y=ax+b（1）y，x之间的关系用一个简单的相关系数就可描述；
2.在多元线性回归中，因变量y与n（>1)个自变量：x1，x2,，xn，之间存在线性关系，即：y=a1x1+a2x2++anxn（2）那么y与（x1，x2,，xn）之间的相关性用简单的相关系数无法确定。此时引出两个比较复杂的相关系数：复相关系数和偏相关系数。
3.复相关系数用来评价y与（x1，x2,，xn）之间的相关性，复相关系数大时，表示y与（x1，x2,，xn）中每一个关系都比较密切，其值小时，表明n个自变数中可能有些对y的影响不大。但到底哪些变量对y的影响微弱，得用偏相关系数来确定。
4.y对xi（i=1,2,,n）的偏相关系数用来判断xi对y的贡献的大小。若y对xi的偏相关系数很小，就可以在（2）中将xi舍弃！
5.x，y的相关系数＝x，y的协方差除以x的标准差，再除以y的标准差。
6.复相关系数和偏相关系数公式较复杂，不写了。
8. 决定系数的计算
弹道系数是一个用来衡量弹头克服空气阻力、维持飞行速度的能力的数学模式。
它的模式是：先选择一种“标准弹头”（standard bullet），然后射击数千次，详细研究记录其对空气阻力（air drag）的反应以及整个弹道特性。根据这些特性进一步发展出“阻力数据表”（drag table），然后就可以对不同形状和重量的弹头在不同空气状况下的弹道做出近似的估计。“标准弹头”的弹道系数是 1.0，如果有另一种弹头的弹道系数是 0.5，表示它维持速度的能力只有“标准弹头”的一半。决定弹道系数主要有两个因素：截面密度（sectinoal density）和弹头形状（bullet shape）。一般来说截面密度越高，弹头形状越趋于尖形的，弹道系数越高。
- 相关评论
- 我要评论
-