1、知識型員工鼓勵因子分析3700字 以下為學術堂為大家提供的知識型員工鼓勵因子分析，如該篇不是您所需要的，可下拉到本頁底部，查看更多！ 本篇論文目錄導航： IT公司知識型員工鼓勵問題探究IT知識型新員工鼓勵制度構建緒論IT企業知識型工作人員鼓勵根本問題IT企業知識型人才鼓勵因素問卷設計知識型員工鼓勵因子分析IT知識型人才鼓勵因素的方差與回歸分析IT知識型新員工鼓勵存在的問題及原因分析IT企業知識型新員工鼓勵機制IT企業知識型新員工鼓勵機制的配套措施IT知識型人員鼓勵體系建立研究結論與參考文獻第四章 IT 企業知識型新員工鼓勵因素實證分析一、描繪性統計分析通過對數據進展描繪性統計分析，本文得到了

2、IT 企業知識型新員工對各鼓勵因素的實際感受程度平均得分，并依此進展滿意度排序，詳細如表 3.由表 3 可知，IT 企業知識型新員工實際感受的鼓勵因素排名前十位的是：工作勝任3.7176、人際關系3.6588、團隊合作3.6471、辦公環境3.5765、企業文化3.5267、指導素質3.4823、挑戰自我3.4647、別人認可3.4176企業前景3.3529、自主工作3.3764。本文的結果與胡巖2022、唐紹龍2022得出的結果有相似之處。在本文的定義中，工作勝任是指個人可以勝任所從事的工作。工作勝任排在首位說明 IT 企業知識型新員工對自己工作才能有充分的自信。扎實的專業知識和技能是 IT

3、 企業知識型新員工立足行業的根本，也是員工內在鼓勵的源泉。人際關系和團隊合作也排名靠前，這與 IT 行業特征有關。在 IT 行業內部有較細的分工，每個人都專注某一領域，當需要完成大規模的工程時需要各專業人才協同完成。良好的人際關系和親密的團隊合作，一方面可以快速、高效完成工程，獲得成就感；另一方面，也可以在交往的過程中學習別人的經歷，從而進步自己，得到成長。此外，對新員工而言較好的合群性也有助于他們融入企業。這些對 IT企業知識型新員工都很有意義。由表 3 可知，知識共享3.2117、薪酬公平3.1000、職業生涯設計3.0941、薪酬程度2.9823、參與管理2.9702排在末尾。這說明 I

4、T 企業知識型新員工對個人成長和薪酬保障的需求沒有得到足夠滿足。要進一步鼓勵這些員工，需要從個人成長和薪酬保障方面入手。由表 3 可知，標準差最小的五個鼓勵因素分別是：指導素質0.5941、薪酬程度0.7942、工作勝任0.8031 、自主工作0.8366和別人認可0.8711。這說明被調查者對這幾個因素的滿意度的離散程度較低。標準差最大的五個鼓勵因素分別是：知識共享1.0675、教育培訓1.0551、工作-生活平衡0.9967 、參與管理0.9787和職務稱晉升0.9681。這說明被調查者對這些鼓勵因素的滿意度的離散程度較高。造成被調查者對局部鼓勵因素的滿意度的離散程度較高的原因，一方面可能

5、在于本文的調查樣本較少，另一方面也可能是這一員工群體根據人口統計變量的不同存在著細分群體，下文將進展進一步的方差分析。從總體而言，IT 企業知識型新員工的鼓勵狀態為 3.2941,標準誤差為 0.8261.可以看出，這些人大局部處于鼓勵亞安康;狀態。亞安康通俗的講是指雖然不患病，但自我感覺身體不舒適的狀態。IT 企業知識型新員工的鼓勵狀態雖然如今不至于對企業造成重大的傷害，但是假如放任這種狀態的存在，這些員工的鼓勵狀態將會越來越差，在企業遇到暫時不景氣的情況下，將會造成破壞性影響。二、信度和效度分析一份調查問卷的好壞，除了需要設計科學的題項，還需要有足夠高的信度和效度。雖然本文在問卷設計、發放

6、和挑選的過程中都注意進步問卷的針對性，但仍然有必要進展專門的信度和效度分析。信度，又稱可靠度，指的是一份量表所測得分數的一致性與穩定性。信度越高，表示同一群體的被調查者在屢次填寫同一份問卷的答案有很高的一致性；相反，量表的信度越低，那么測量的結果會有很大差異43.對量表進展信度分析的常用工具是 Cronbach alpha;系數。當題目間的相關系數越大時，alpha;系數也會越大。一般認為，用 Cronbach alpha;系數測量量表的信度，在根底研究中至少要到達 0.80 才可承受；在探究性研究中，信度需要到達 0.70 才可以承受44.利用 spss 對本問卷進展信度分析，得出結果如下。

7、由圖 2 可知，本問卷的 Cronbach alpha;系數為 0.93,滿足承受的要求。因此，可以認為本問卷有較好的一致性和穩定性。效度，也成為科學性，是表示一份量表能真正測量到該量表所要測量的才能或功能的效度45.效度有三種，即內容效度、校標關聯效度和建構效度。效度分析有多種方法，其中之一便是因子分析法，后文將專門進展因子分析。三、因子分析因子分析可以在不造成信息的大量喪失的前提下，大大降低參與數據建模的變量個數，因此得到廣泛的應用。在因子分析之前，需要對樣本進展 KMO 檢驗Kaiser-Meyer-Olkin和巴特利特球度檢驗Bartlett Test of Sphericity，然后

8、根據檢驗系數來判斷是否可以進展因子分析。Kaiser 認為，KMO 值 0.9 以上表示非常合適；0.8 表示合適；0.7 表示一般；0.6 表示不太合適；0.5 以下表示極不合適46.巴特萊特球度檢驗統計量的概率小于或等于 a 時，可以作因子分析。由圖 3 可知，KMO=0.9150.9,根據 Kaiser 給出的度量標準可知原有變量非常合適進展因子分析。巴特萊特球度檢驗統計量的概率接近于 0,小于顯著性程度0.01,說明數據合適進展因子分析。采用主成分分析法提取因子并選取特征值大于 1 的特征根，共提取 4 個因子。由圖 4 可知，4 個因子的累計方差奉獻率為 64.019%,這說明公因子

9、解釋了大局部的方差。根據圖 5,可以對因子做如下命名：F1:由 8 項鼓勵因素提取而成，分別是職務稱晉升、參與管理、教育培訓、職業生涯設計、知識共享、企業前景、挑戰自我和自主工作。這些因素與 IT企業知識型新員工的個人成長親密相關，因此可以把 F1 命名為成長鼓勵因素。F2:由 6 項鼓勵因素提取而成，分別是人際關系、辦公環境、團隊合作、興趣匹配、指導素質和企業文化。這些因素與 IT 企業知識型新員工的成長環境親密相關，因此可以把 F2 命名為環境鼓勵因素。從數據上看，企業文化劃分到成長鼓勵因素更適宜，但為了研究方便，本文將之劃分到環境鼓勵因素F3:由 3 項鼓勵因素提取而成，分別是別人認可、

10、工作勝任和工作-生活平衡。這些因素與 IT 企業知識型新員工的本職工作親密相關，因此可以把 F3 命名為工作鼓勵因素。F4:由 2 項鼓勵因素提取而成，分別是薪酬程度和薪酬公平。這些因素與 IT企業知識型新員工的薪酬親密相關，因此可以把 F4 命名為薪酬鼓勵因素。由第 1 個因子的累計方差奉獻率可知，F1 即成長鼓勵因素解釋了原來 19 個變量總方差的 44.823%.這說明，對 IT 企業知識型新員工而言，鼓勵效果最大的是成長鼓勵因素，然后依次是環境鼓勵因素、工作鼓勵因素和薪酬鼓勵因素。這完全符合前文關于 IT 企業知識型新員工特征的闡述。根據圖 6,可以寫出以下因子得分函數：其中，1F 、2F 、3F 、4F 分別代表成長鼓勵因素、環境鼓勵因素、工作鼓勵因素和薪酬鼓勵因素；1x 、2x 、3x 、4x 、5x 、6x 、7x 、8x 、9x 、10 x 、11x 、12x13x 、14x 、15x 、16x 、17x 、18x 、19x 分別代表薪酬程度、薪酬公平、挑戰自我、自主工作、興趣匹配、別人認可、工作勝任、工作-生活平衡、教育培訓、知識共享、參與管理、職務稱晉升、職業生涯設計、人際關系、辦公環境、企業前景、指