SlideShare uma empresa Scribd logo
1 de 47
Бабушкин Эдуард, руководитель проекта HRM
edvb@yandex.ru 8 (495)514 48 07
http://www.facebook.com/edbabushkin
Правила игры
• Время – 1 час 30 мин


• 2 части

  • 1) методически – лирическая


  • 2) статистические критерии: три критерия в кейсах


• В промежутках - вопросы
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
Области применения
• HR – метрики
• Отчеты
• Опросы и исследования
• Данные оценки (тесты, компетенции, KPI)
• Roi
• Бенчмаркинг
Задачи статистики
• Сравнение (установление различий)



• Установление взаимосвязи (влияния)
Среднее арифметическое
  1,00


                                            0,89
  0,90


  0,80
                 0,79


  0,70


  0,60


  0,50


  0,40


  0,30
                  1                          2




  Для аналитика в этом месте начинается работа, для остальных -
  заканчивается
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
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
Гистограммы
 9

 8

 7

 6

 5

 4

 3

 2

 1

 0
       0,5     0,6     0,7     0,8     0,9      1




     24 человека – первая группа; 13 - вторая
Гистограммы
14
12
10
8
6
4
2
0
     0,5   0,6   0,7   0,8   0,9   1
Теперь нудная теория




 -6   -5   -4   -3   -2   -1   0   1   2   3   4   5   6




 M (среднее) = 0; σ (стандартное отклонение) =
 1
Нормальное распределение
Сравнение выборок (выявление различий)




  -6     -5   -4   -3   -2   -1   0   1   2   3   4   5   6   7   8




       среднее
Лирическое отступление
t-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).
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)
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
Значимость различий: одна кучка или две?
(может быть самый важный слайд вебинара)

9

8

7

6

5

4

3

2

1

0
       0,5     0,6     0,7      0,8     0,9    1




    24 человека – первая группа; 13 - вторая
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)
Выбор критерия
              Параметрические     Непараметрич
                                  еские
Независимые   Критерий F –        U-критерий
              Фишера              Манна-Уитни
              Критерий t-
              Стьюдента для
              независимых
              выборок
Зависимые     Критерий t-         Т - критерий
              Стьюдента для       Вилкоксона
              зависимых выборок
Больше, чем два
 1
                             0,93
0,9
        0,83
                      0,89
                                     В случае, если выборок
0,8
               0,79                  не 2, а больше, то
0,7
                                     применяется критерии,
                                     для независимых
0,6
                                     выборок:
0,5
                                     Крускала – Уоллиса
0,4
                                     Для зависимых
0,3
         1      2      3      4
                                     Хи квадрат Фридмана
      Например: 1) когда сравниваем группы по уровню развития
      компетенции (уровень развития компетенции от 1 до 4)
      2) Сравнение оценки показателей в анкете удовлетворенности
      3) Оценка руководителя по нескольким шкалам
Вопросы?
U-критерий Манна-Уитни
U-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.
Решение: критерий Манн-Уитни
Уровень статистической значимости
 Уровень            Вывод
 значимости
 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
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
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.
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.
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
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
Вопросы?
Не метрические критерии
• Мужчины или женщины
• С высшим образованием или нет
• Блондинки или не блондинки
• ……..


  Хи квадрат Пирсона
  Угловое преобразование Фишера
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
Переводим в сводную таблицу excel


                 М           Ж

     В           2           1

     С           1           2
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….
Долевое соотношение
      12   12               3   10
                                23%
50%             50%
                      77%
Выбор критерия
φ* – 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
Критерий φ* – угловое преобразование Фишера
(критерий Фишера)
Пример: тренинги в России и Украине


                                                       Бизнес
                       бизнес      психологические тренинги/психол
           Тренинги
                      тренинги        тренинги        огические
                                                      тренинги

Россия      235430         4 505             15823            0,28
Украина      27006          492               1343            0,37

Украина/
             0,1147       0,1092            0,0849
 Россия
Тоже в %

              Украина                                  Россия
     бизнес тренинги                           бизнес тренинги
     психологические тренинги                  психологические тренинги


                     27%                                      22%


        73%                                      78%




http://hrm.ru/blog_kross-kulturnye-razlichija-na-primere-treningov_11BBF6
Вопросы?
Ранговый коэффициент корреляции
Спирмена
Ранговый коэффициент корреляции
Спирмена
• Индивидуальные профили
• Групповые профили
• Индивидуальный и групповые профили
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
Модель компетенций HR директора
                                    HR-
                                    директора   не HR-директора
Воздействие и оказание влияния               78              41
Ориентация на достижение                    100              44
Командная работа и сотрудничество            76              30
Аналитическое мышление                       87              34
Инициатива                                   67              20
Развитие других                              72              37
Уверенность в себе                           75              33
Директивность/Настойчивость                  35              17
Поиск информации                             13              16
Командное лидерство                          69              24
Концептуальное мышление                      47              22
Понимание компании                          109              54
Построение отношений                         64              36
Межличностное понимание                      47              31
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
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
Вопросы?

edvb@yandex.ru
8 (495) 514 48 07
http://www.facebook.com/edbabushkin

Mais conteúdo relacionado

Mais procurados

ису методы ису
ису методы исуису методы ису
ису методы исуfluffy_fury
 
Data Mining - lecture 2 - 2014
Data Mining - lecture 2 - 2014Data Mining - lecture 2 - 2014
Data Mining - lecture 2 - 2014Andrii Gakhov
 
Tests bogachkov last_version_120412
Tests bogachkov last_version_120412Tests bogachkov last_version_120412
Tests bogachkov last_version_120412Vladimir Kukharenko
 
методы проведения научных исследований
методы проведения научных исследованийметоды проведения научных исследований
методы проведения научных исследованийkolch
 
лекция07
лекция07лекция07
лекция07cezium
 
ми5 шкалирование
ми5 шкалированиеми5 шкалирование
ми5 шкалированиеMaria Yurkovskaya
 
Методики получения бизнес-информации
Методики получения бизнес-информацииМетодики получения бизнес-информации
Методики получения бизнес-информацииOlya Kollen, PhD
 
HR-аналитика - проверка гипотез
HR-аналитика - проверка гипотезHR-аналитика - проверка гипотез
HR-аналитика - проверка гипотезSvetlana Ponomarenko
 
Томас Дэвенпорт и Ким Джин Хо "О чем говорят цифры"
Томас Дэвенпорт и Ким Джин Хо "О чем говорят цифры"Томас Дэвенпорт и Ким Джин Хо "О чем говорят цифры"
Томас Дэвенпорт и Ким Джин Хо "О чем говорят цифры"Vladimir Leonenko
 
Исследование эффективности принятия решений в чрезвычайных ситуациях, Татьяна...
Исследование эффективности принятия решений в чрезвычайных ситуациях, Татьяна...Исследование эффективности принятия решений в чрезвычайных ситуациях, Татьяна...
Исследование эффективности принятия решений в чрезвычайных ситуациях, Татьяна...Tatiana Indina
 
российская экономика орг вопросы
российская экономика орг вопросыроссийская экономика орг вопросы
российская экономика орг вопросыkolch
 
ОСНОВНЫЕ МЕТОДЫ РЕШЕНИЯ МАТЕМАТИЧЕСКИХ ЗАДАЧ. Лекція для математичного класу
ОСНОВНЫЕ МЕТОДЫ РЕШЕНИЯ МАТЕМАТИЧЕСКИХ ЗАДАЧ. Лекція для математичного класуОСНОВНЫЕ МЕТОДЫ РЕШЕНИЯ МАТЕМАТИЧЕСКИХ ЗАДАЧ. Лекція для математичного класу
ОСНОВНЫЕ МЕТОДЫ РЕШЕНИЯ МАТЕМАТИЧЕСКИХ ЗАДАЧ. Лекція для математичного класу270479
 
прогноз эффективности кандидатов на основе тестов
прогноз эффективности кандидатов на основе тестовпрогноз эффективности кандидатов на основе тестов
прогноз эффективности кандидатов на основе тестовEdward Babushkin
 
Перечитывая Лео Бреймана
Перечитывая Лео БрейманаПеречитывая Лео Бреймана
Перечитывая Лео БрейманаSerge Terekhov
 
Практический курс «Основы Data Mining для всех»
Практический курс «Основы Data Mining для всех»Практический курс «Основы Data Mining для всех»
Практический курс «Основы Data Mining для всех»ScienceHunter1
 
Data Mining - lecture 5 - 2014
Data Mining - lecture 5 - 2014Data Mining - lecture 5 - 2014
Data Mining - lecture 5 - 2014Andrii Gakhov
 
ЭКСПЕРИМЕНТАЛЬНАЯ МЕТОДОЛОГИЯ
ЭКСПЕРИМЕНТАЛЬНАЯ МЕТОДОЛОГИЯЭКСПЕРИМЕНТАЛЬНАЯ МЕТОДОЛОГИЯ
ЭКСПЕРИМЕНТАЛЬНАЯ МЕТОДОЛОГИЯEdCrunch2015
 

Mais procurados (20)

ису методы ису
ису методы исуису методы ису
ису методы ису
 
Data Mining - lecture 2 - 2014
Data Mining - lecture 2 - 2014Data Mining - lecture 2 - 2014
Data Mining - lecture 2 - 2014
 
Tests bogachkov last_version_120412
Tests bogachkov last_version_120412Tests bogachkov last_version_120412
Tests bogachkov last_version_120412
 
методы проведения научных исследований
методы проведения научных исследованийметоды проведения научных исследований
методы проведения научных исследований
 
лекция07
лекция07лекция07
лекция07
 
тест торренса
тест торренсатест торренса
тест торренса
 
ми5 шкалирование
ми5 шкалированиеми5 шкалирование
ми5 шкалирование
 
Методики получения бизнес-информации
Методики получения бизнес-информацииМетодики получения бизнес-информации
Методики получения бизнес-информации
 
HR-аналитика - проверка гипотез
HR-аналитика - проверка гипотезHR-аналитика - проверка гипотез
HR-аналитика - проверка гипотез
 
Томас Дэвенпорт и Ким Джин Хо "О чем говорят цифры"
Томас Дэвенпорт и Ким Джин Хо "О чем говорят цифры"Томас Дэвенпорт и Ким Джин Хо "О чем говорят цифры"
Томас Дэвенпорт и Ким Джин Хо "О чем говорят цифры"
 
Исследование эффективности принятия решений в чрезвычайных ситуациях, Татьяна...
Исследование эффективности принятия решений в чрезвычайных ситуациях, Татьяна...Исследование эффективности принятия решений в чрезвычайных ситуациях, Татьяна...
Исследование эффективности принятия решений в чрезвычайных ситуациях, Татьяна...
 
российская экономика орг вопросы
российская экономика орг вопросыроссийская экономика орг вопросы
российская экономика орг вопросы
 
ОСНОВНЫЕ МЕТОДЫ РЕШЕНИЯ МАТЕМАТИЧЕСКИХ ЗАДАЧ. Лекція для математичного класу
ОСНОВНЫЕ МЕТОДЫ РЕШЕНИЯ МАТЕМАТИЧЕСКИХ ЗАДАЧ. Лекція для математичного класуОСНОВНЫЕ МЕТОДЫ РЕШЕНИЯ МАТЕМАТИЧЕСКИХ ЗАДАЧ. Лекція для математичного класу
ОСНОВНЫЕ МЕТОДЫ РЕШЕНИЯ МАТЕМАТИЧЕСКИХ ЗАДАЧ. Лекція для математичного класу
 
прогноз эффективности кандидатов на основе тестов
прогноз эффективности кандидатов на основе тестовпрогноз эффективности кандидатов на основе тестов
прогноз эффективности кандидатов на основе тестов
 
лезин
лезинлезин
лезин
 
Перечитывая Лео Бреймана
Перечитывая Лео БрейманаПеречитывая Лео Бреймана
Перечитывая Лео Бреймана
 
Практический курс «Основы Data Mining для всех»
Практический курс «Основы Data Mining для всех»Практический курс «Основы Data Mining для всех»
Практический курс «Основы Data Mining для всех»
 
смирнов Data mining
смирнов Data miningсмирнов Data mining
смирнов Data mining
 
Data Mining - lecture 5 - 2014
Data Mining - lecture 5 - 2014Data Mining - lecture 5 - 2014
Data Mining - lecture 5 - 2014
 
ЭКСПЕРИМЕНТАЛЬНАЯ МЕТОДОЛОГИЯ
ЭКСПЕРИМЕНТАЛЬНАЯ МЕТОДОЛОГИЯЭКСПЕРИМЕНТАЛЬНАЯ МЕТОДОЛОГИЯ
ЭКСПЕРИМЕНТАЛЬНАЯ МЕТОДОЛОГИЯ
 

Destaque

Примеры использования Hr аналитики
Примеры использования Hr аналитикиПримеры использования Hr аналитики
Примеры использования Hr аналитикиOksanaGesina
 
DEEP: Как создать модель компетенций на основе HR-аналитики
DEEP: Как создать модель компетенций на основе HR-аналитики DEEP: Как создать модель компетенций на основе HR-аналитики
DEEP: Как создать модель компетенций на основе HR-аналитики ECOPSY Consulting
 
HR-аналитика - проектирование исследования
HR-аналитика - проектирование исследованияHR-аналитика - проектирование исследования
HR-аналитика - проектирование исследованияSvetlana Ponomarenko
 
PwC Saratoga 2017. Исследование эффективности управления персоналом.
PwC Saratoga 2017. Исследование эффективности управления персоналом.PwC Saratoga 2017. Исследование эффективности управления персоналом.
PwC Saratoga 2017. Исследование эффективности управления персоналом.PwC Russia
 
Примеры использования HR-аналитики
Примеры использования HR-аналитикиПримеры использования HR-аналитики
Примеры использования HR-аналитикиIBS
 
Аналитика в управлении персоналом SAP BI
Аналитика в управлении персоналом SAP BIАналитика в управлении персоналом SAP BI
Аналитика в управлении персоналом SAP BImolga-ru
 
Индивидуальный бенчмаркинг зарплат или сколько я стою на рынке
Индивидуальный бенчмаркинг зарплат или сколько я стою на рынкеИндивидуальный бенчмаркинг зарплат или сколько я стою на рынке
Индивидуальный бенчмаркинг зарплат или сколько я стою на рынкеEdward Babushkin
 
HR аналитика - что это
HR аналитика - что этоHR аналитика - что это
HR аналитика - что этоSvetlana Ponomarenko
 

Destaque (8)

Примеры использования Hr аналитики
Примеры использования Hr аналитикиПримеры использования Hr аналитики
Примеры использования Hr аналитики
 
DEEP: Как создать модель компетенций на основе HR-аналитики
DEEP: Как создать модель компетенций на основе HR-аналитики DEEP: Как создать модель компетенций на основе HR-аналитики
DEEP: Как создать модель компетенций на основе HR-аналитики
 
HR-аналитика - проектирование исследования
HR-аналитика - проектирование исследованияHR-аналитика - проектирование исследования
HR-аналитика - проектирование исследования
 
PwC Saratoga 2017. Исследование эффективности управления персоналом.
PwC Saratoga 2017. Исследование эффективности управления персоналом.PwC Saratoga 2017. Исследование эффективности управления персоналом.
PwC Saratoga 2017. Исследование эффективности управления персоналом.
 
Примеры использования HR-аналитики
Примеры использования HR-аналитикиПримеры использования HR-аналитики
Примеры использования HR-аналитики
 
Аналитика в управлении персоналом SAP BI
Аналитика в управлении персоналом SAP BIАналитика в управлении персоналом SAP BI
Аналитика в управлении персоналом SAP BI
 
Индивидуальный бенчмаркинг зарплат или сколько я стою на рынке
Индивидуальный бенчмаркинг зарплат или сколько я стою на рынкеИндивидуальный бенчмаркинг зарплат или сколько я стою на рынке
Индивидуальный бенчмаркинг зарплат или сколько я стою на рынке
 
HR аналитика - что это
HR аналитика - что этоHR аналитика - что это
HR аналитика - что это
 

Semelhante a Матстатистика для HR

матстатистика для Hr_2
матстатистика для Hr_2матстатистика для Hr_2
матстатистика для Hr_2Edward Babushkin
 
Biometrical problems in population studies ppt 2004
Biometrical problems in population studies ppt 2004Biometrical problems in population studies ppt 2004
Biometrical problems in population studies ppt 2004Nikita Khromov-Borisov
 
Методики оценки рекомендательных систем
Методики оценки рекомендательных системМетодики оценки рекомендательных систем
Методики оценки рекомендательных системWitology
 
лекция08
лекция08лекция08
лекция08cezium
 
The practical value analyzing. Анализ практической ценности
The practical value analyzing. Анализ практической ценностиThe practical value analyzing. Анализ практической ценности
The practical value analyzing. Анализ практической ценностиOlga Tсyrulova
 
Шкала оценки результата (ORS)
Шкала оценки результата (ORS)Шкала оценки результата (ORS)
Шкала оценки результата (ORS)Victor Bogomolov
 
The First Study in Russian of the Outcome Rating Scale
The First Study in Russian of the Outcome Rating ScaleThe First Study in Russian of the Outcome Rating Scale
The First Study in Russian of the Outcome Rating ScaleScott Miller
 
Общие линейные модели для магистров
Общие линейные модели для магистровОбщие линейные модели для магистров
Общие линейные модели для магистровAlexan Khalafyan
 
Тестирование (испытание) при отборе персонала
Тестирование (испытание) при отборе персоналаТестирование (испытание) при отборе персонала
Тестирование (испытание) при отборе персоналаДмитрий Соловьев
 
Представление результатов психологических исследований
Представление результатов психологических исследованийПредставление результатов психологических исследований
Представление результатов психологических исследованийАндрей Четвериков
 
методика изучения мотивов учебной деятельности
методика изучения мотивов учебной деятельностиметодика изучения мотивов учебной деятельности
методика изучения мотивов учебной деятельностиВиктория Левченко
 
Как проверять свои идеи и быть уверенным, что ваш продукт получится хорошим?
Как проверять свои идеи и быть уверенным, что ваш продукт получится хорошим?Как проверять свои идеи и быть уверенным, что ваш продукт получится хорошим?
Как проверять свои идеи и быть уверенным, что ваш продукт получится хорошим?Sciencehit.by
 
Практика машинного обучения: вопросы и проблемы при работе над ML-проектом
Практика машинного обучения: вопросы и проблемы при работе над ML-проектомПрактика машинного обучения: вопросы и проблемы при работе над ML-проектом
Практика машинного обучения: вопросы и проблемы при работе над ML-проектомDenisenko Sergei
 
Непараметрические методы (семинары)
Непараметрические методы (семинары)Непараметрические методы (семинары)
Непараметрические методы (семинары)Kurbatskiy Alexey
 

Semelhante a Матстатистика для HR (20)

матстатистика для Hr_2
матстатистика для Hr_2матстатистика для Hr_2
матстатистика для Hr_2
 
Biometrical problems in population studies ppt 2004
Biometrical problems in population studies ppt 2004Biometrical problems in population studies ppt 2004
Biometrical problems in population studies ppt 2004
 
Методики оценки рекомендательных систем
Методики оценки рекомендательных системМетодики оценки рекомендательных систем
Методики оценки рекомендательных систем
 
лекция08
лекция08лекция08
лекция08
 
The practical value analyzing. Анализ практической ценности
The practical value analyzing. Анализ практической ценностиThe practical value analyzing. Анализ практической ценности
The practical value analyzing. Анализ практической ценности
 
28.10.2014 Shmelev A. G.
28.10.2014 Shmelev A. G. 28.10.2014 Shmelev A. G.
28.10.2014 Shmelev A. G.
 
2-Sample t-test
2-Sample t-test2-Sample t-test
2-Sample t-test
 
Шкала оценки результата (ORS)
Шкала оценки результата (ORS)Шкала оценки результата (ORS)
Шкала оценки результата (ORS)
 
The First Study in Russian of the Outcome Rating Scale
The First Study in Russian of the Outcome Rating ScaleThe First Study in Russian of the Outcome Rating Scale
The First Study in Russian of the Outcome Rating Scale
 
Общие линейные модели для магистров
Общие линейные модели для магистровОбщие линейные модели для магистров
Общие линейные модели для магистров
 
Тестирование (испытание) при отборе персонала
Тестирование (испытание) при отборе персоналаТестирование (испытание) при отборе персонала
Тестирование (испытание) при отборе персонала
 
Lecture 0
Lecture 0Lecture 0
Lecture 0
 
Lecture 0
Lecture 0Lecture 0
Lecture 0
 
Lecture 0
Lecture 0Lecture 0
Lecture 0
 
1-Sample t-test
1-Sample t-test1-Sample t-test
1-Sample t-test
 
Представление результатов психологических исследований
Представление результатов психологических исследованийПредставление результатов психологических исследований
Представление результатов психологических исследований
 
методика изучения мотивов учебной деятельности
методика изучения мотивов учебной деятельностиметодика изучения мотивов учебной деятельности
методика изучения мотивов учебной деятельности
 
Как проверять свои идеи и быть уверенным, что ваш продукт получится хорошим?
Как проверять свои идеи и быть уверенным, что ваш продукт получится хорошим?Как проверять свои идеи и быть уверенным, что ваш продукт получится хорошим?
Как проверять свои идеи и быть уверенным, что ваш продукт получится хорошим?
 
Практика машинного обучения: вопросы и проблемы при работе над ML-проектом
Практика машинного обучения: вопросы и проблемы при работе над ML-проектомПрактика машинного обучения: вопросы и проблемы при работе над ML-проектом
Практика машинного обучения: вопросы и проблемы при работе над ML-проектом
 
Непараметрические методы (семинары)
Непараметрические методы (семинары)Непараметрические методы (семинары)
Непараметрические методы (семинары)
 

Mais de Anna Nesmeeva

Анна Несмеева. Бизнес-завтрак 20.04.2016
Анна Несмеева. Бизнес-завтрак 20.04.2016Анна Несмеева. Бизнес-завтрак 20.04.2016
Анна Несмеева. Бизнес-завтрак 20.04.2016Anna Nesmeeva
 
Татьяна Ананьева. Бизнес-завтрак 20.04.2016
Татьяна Ананьева. Бизнес-завтрак 20.04.2016Татьяна Ананьева. Бизнес-завтрак 20.04.2016
Татьяна Ананьева. Бизнес-завтрак 20.04.2016Anna Nesmeeva
 
Евгения Любко. Бизнес-завтрак 20.04.16
Евгения Любко. Бизнес-завтрак 20.04.16Евгения Любко. Бизнес-завтрак 20.04.16
Евгения Любко. Бизнес-завтрак 20.04.16Anna Nesmeeva
 
Презентация курс "Редактор корпоративного портала"
Презентация курс "Редактор корпоративного портала"Презентация курс "Редактор корпоративного портала"
Презентация курс "Редактор корпоративного портала"Anna Nesmeeva
 
Портал и социальная сеть: кто кого?
Портал и социальная сеть: кто кого?Портал и социальная сеть: кто кого?
Портал и социальная сеть: кто кого?Anna Nesmeeva
 
Технологии крайдсорсинга в социальной среде
Технологии крайдсорсинга в социальной средеТехнологии крайдсорсинга в социальной среде
Технологии крайдсорсинга в социальной средеAnna Nesmeeva
 
Как найти общий язык с поколением У
Как найти общий язык с поколением УКак найти общий язык с поколением У
Как найти общий язык с поколением УAnna Nesmeeva
 
Геймификация для бизнеса. Пряники
Геймификация для бизнеса. ПряникиГеймификация для бизнеса. Пряники
Геймификация для бизнеса. ПряникиAnna Nesmeeva
 
Почему не работают корпоративные социальные сети?
Почему не работают корпоративные социальные сети?Почему не работают корпоративные социальные сети?
Почему не работают корпоративные социальные сети?Anna Nesmeeva
 
Клуб ВК: Ключевые тенденции внутренних коммуникаций 2014
Клуб ВК: Ключевые тенденции внутренних коммуникаций 2014Клуб ВК: Ключевые тенденции внутренних коммуникаций 2014
Клуб ВК: Ключевые тенденции внутренних коммуникаций 2014Anna Nesmeeva
 
Vizual communication-in-corporat
Vizual communication-in-corporatVizual communication-in-corporat
Vizual communication-in-corporatAnna Nesmeeva
 
Личные-навыки-коммуникатора
Личные-навыки-коммуникатораЛичные-навыки-коммуникатора
Личные-навыки-коммуникатораAnna Nesmeeva
 
Создание системы обратной связи
Создание системы обратной связиСоздание системы обратной связи
Создание системы обратной связиAnna Nesmeeva
 
Новогодние мероприятия. От мала до велика. С.Семенова.
Новогодние мероприятия. От мала до велика. С.Семенова.Новогодние мероприятия. От мала до велика. С.Семенова.
Новогодние мероприятия. От мала до велика. С.Семенова.Anna Nesmeeva
 
Конкурс инновационная ёлка. Н.Усова
Конкурс инновационная ёлка. Н.УсоваКонкурс инновационная ёлка. Н.Усова
Конкурс инновационная ёлка. Н.УсоваAnna Nesmeeva
 
Антикризисная стратегия. кейс IT компании
Антикризисная стратегия. кейс IT компанииАнтикризисная стратегия. кейс IT компании
Антикризисная стратегия. кейс IT компанииAnna Nesmeeva
 
Inter comm 2012 метинвест
Inter comm 2012 метинвестInter comm 2012 метинвест
Inter comm 2012 метинвестAnna Nesmeeva
 
Inter comm 2012 dhl express
Inter comm 2012 dhl expressInter comm 2012 dhl express
Inter comm 2012 dhl expressAnna Nesmeeva
 
Inter comm 2012 n_vision
Inter comm 2012 n_visionInter comm 2012 n_vision
Inter comm 2012 n_visionAnna Nesmeeva
 

Mais de Anna Nesmeeva (20)

Анна Несмеева. Бизнес-завтрак 20.04.2016
Анна Несмеева. Бизнес-завтрак 20.04.2016Анна Несмеева. Бизнес-завтрак 20.04.2016
Анна Несмеева. Бизнес-завтрак 20.04.2016
 
Татьяна Ананьева. Бизнес-завтрак 20.04.2016
Татьяна Ананьева. Бизнес-завтрак 20.04.2016Татьяна Ананьева. Бизнес-завтрак 20.04.2016
Татьяна Ананьева. Бизнес-завтрак 20.04.2016
 
Евгения Любко. Бизнес-завтрак 20.04.16
Евгения Любко. Бизнес-завтрак 20.04.16Евгения Любко. Бизнес-завтрак 20.04.16
Евгения Любко. Бизнес-завтрак 20.04.16
 
Презентация курс "Редактор корпоративного портала"
Презентация курс "Редактор корпоративного портала"Презентация курс "Редактор корпоративного портала"
Презентация курс "Редактор корпоративного портала"
 
Портал и социальная сеть: кто кого?
Портал и социальная сеть: кто кого?Портал и социальная сеть: кто кого?
Портал и социальная сеть: кто кого?
 
Технологии крайдсорсинга в социальной среде
Технологии крайдсорсинга в социальной средеТехнологии крайдсорсинга в социальной среде
Технологии крайдсорсинга в социальной среде
 
Как найти общий язык с поколением У
Как найти общий язык с поколением УКак найти общий язык с поколением У
Как найти общий язык с поколением У
 
Геймификация для бизнеса. Пряники
Геймификация для бизнеса. ПряникиГеймификация для бизнеса. Пряники
Геймификация для бизнеса. Пряники
 
Почему не работают корпоративные социальные сети?
Почему не работают корпоративные социальные сети?Почему не работают корпоративные социальные сети?
Почему не работают корпоративные социальные сети?
 
Клуб ВК: Ключевые тенденции внутренних коммуникаций 2014
Клуб ВК: Ключевые тенденции внутренних коммуникаций 2014Клуб ВК: Ключевые тенденции внутренних коммуникаций 2014
Клуб ВК: Ключевые тенденции внутренних коммуникаций 2014
 
Vizual communication-in-corporat
Vizual communication-in-corporatVizual communication-in-corporat
Vizual communication-in-corporat
 
Личные-навыки-коммуникатора
Личные-навыки-коммуникатораЛичные-навыки-коммуникатора
Личные-навыки-коммуникатора
 
Адаптация
Адаптация Адаптация
Адаптация
 
Создание системы обратной связи
Создание системы обратной связиСоздание системы обратной связи
Создание системы обратной связи
 
Новогодние мероприятия. От мала до велика. С.Семенова.
Новогодние мероприятия. От мала до велика. С.Семенова.Новогодние мероприятия. От мала до велика. С.Семенова.
Новогодние мероприятия. От мала до велика. С.Семенова.
 
Конкурс инновационная ёлка. Н.Усова
Конкурс инновационная ёлка. Н.УсоваКонкурс инновационная ёлка. Н.Усова
Конкурс инновационная ёлка. Н.Усова
 
Антикризисная стратегия. кейс IT компании
Антикризисная стратегия. кейс IT компанииАнтикризисная стратегия. кейс IT компании
Антикризисная стратегия. кейс IT компании
 
Inter comm 2012 метинвест
Inter comm 2012 метинвестInter comm 2012 метинвест
Inter comm 2012 метинвест
 
Inter comm 2012 dhl express
Inter comm 2012 dhl expressInter comm 2012 dhl express
Inter comm 2012 dhl express
 
Inter comm 2012 n_vision
Inter comm 2012 n_visionInter comm 2012 n_vision
Inter comm 2012 n_vision
 

Матстатистика для HR

  • 1. Бабушкин Эдуард, руководитель проекта HRM edvb@yandex.ru 8 (495)514 48 07 http://www.facebook.com/edbabushkin
  • 2. Правила игры • Время – 1 час 30 мин • 2 части • 1) методически – лирическая • 2) статистические критерии: три критерия в кейсах • В промежутках - вопросы
  • 3. 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
  • 4. Области применения • HR – метрики • Отчеты • Опросы и исследования • Данные оценки (тесты, компетенции, KPI) • Roi • Бенчмаркинг
  • 5. Задачи статистики • Сравнение (установление различий) • Установление взаимосвязи (влияния)
  • 6. Среднее арифметическое 1,00 0,89 0,90 0,80 0,79 0,70 0,60 0,50 0,40 0,30 1 2 Для аналитика в этом месте начинается работа, для остальных - заканчивается
  • 7. 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
  • 8. 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
  • 9. Гистограммы 9 8 7 6 5 4 3 2 1 0 0,5 0,6 0,7 0,8 0,9 1 24 человека – первая группа; 13 - вторая
  • 11. Теперь нудная теория -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 M (среднее) = 0; σ (стандартное отклонение) = 1
  • 13. Сравнение выборок (выявление различий) -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 среднее
  • 14. Лирическое отступление t-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).
  • 15. 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)
  • 16. 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
  • 17. Значимость различий: одна кучка или две? (может быть самый важный слайд вебинара) 9 8 7 6 5 4 3 2 1 0 0,5 0,6 0,7 0,8 0,9 1 24 человека – первая группа; 13 - вторая
  • 18. 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)
  • 19. Выбор критерия Параметрические Непараметрич еские Независимые Критерий F – U-критерий Фишера Манна-Уитни Критерий t- Стьюдента для независимых выборок Зависимые Критерий t- Т - критерий Стьюдента для Вилкоксона зависимых выборок
  • 20. Больше, чем два 1 0,93 0,9 0,83 0,89 В случае, если выборок 0,8 0,79 не 2, а больше, то 0,7 применяется критерии, для независимых 0,6 выборок: 0,5 Крускала – Уоллиса 0,4 Для зависимых 0,3 1 2 3 4 Хи квадрат Фридмана Например: 1) когда сравниваем группы по уровню развития компетенции (уровень развития компетенции от 1 до 4) 2) Сравнение оценки показателей в анкете удовлетворенности 3) Оценка руководителя по нескольким шкалам
  • 22. U-критерий Манна-Уитни U-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.
  • 24. Уровень статистической значимости Уровень Вывод значимости 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
  • 25. 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
  • 26. 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.
  • 27. 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.
  • 28. 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
  • 29. 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
  • 31. Не метрические критерии • Мужчины или женщины • С высшим образованием или нет • Блондинки или не блондинки • ……..  Хи квадрат Пирсона  Угловое преобразование Фишера
  • 32. 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
  • 33. Переводим в сводную таблицу excel М Ж В 2 1 С 1 2
  • 34. 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….
  • 35. Долевое соотношение 12 12 3 10 23% 50% 50% 77%
  • 36. Выбор критерия φ* – 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
  • 37. Критерий φ* – угловое преобразование Фишера (критерий Фишера)
  • 38. Пример: тренинги в России и Украине Бизнес бизнес психологические тренинги/психол Тренинги тренинги тренинги огические тренинги Россия 235430 4 505 15823 0,28 Украина 27006 492 1343 0,37 Украина/ 0,1147 0,1092 0,0849 Россия
  • 39. Тоже в % Украина Россия бизнес тренинги бизнес тренинги психологические тренинги психологические тренинги 27% 22% 73% 78% http://hrm.ru/blog_kross-kulturnye-razlichija-na-primere-treningov_11BBF6
  • 42. Ранговый коэффициент корреляции Спирмена • Индивидуальные профили • Групповые профили • Индивидуальный и групповые профили
  • 43. 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
  • 44. Модель компетенций HR директора HR- директора не HR-директора Воздействие и оказание влияния 78 41 Ориентация на достижение 100 44 Командная работа и сотрудничество 76 30 Аналитическое мышление 87 34 Инициатива 67 20 Развитие других 72 37 Уверенность в себе 75 33 Директивность/Настойчивость 35 17 Поиск информации 13 16 Командное лидерство 69 24 Концептуальное мышление 47 22 Понимание компании 109 54 Построение отношений 64 36 Межличностное понимание 47 31
  • 45. 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
  • 46. 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
  • 47. Вопросы? edvb@yandex.ru 8 (495) 514 48 07 http://www.facebook.com/edbabushkin