應(yīng)聘者的評價問題

1、1應(yīng)聘者的評價問題應(yīng)聘者的評價問題摘要專家打分是現(xiàn)代管理決策中必不可少的一部分，具有重大意義，但專家打分由于其主觀性，不免會有偏差，于是，如何評價專家的打分并通過專家打分做出正確決策便成為了急需解決的問題。對于問題一，為補全專家評分表的個別缺失分?jǐn)?shù)，我們引入聚類分析的思想，采用熱卡填充法并運用相關(guān)系數(shù)矩陣，來找到幾組與未知量所在組相似的組，建立五元方程組，用Excel求得三個缺失分?jǐn)?shù)為73、76、82。對于問題二，為了確定這101名應(yīng)聘

2、者的的錄取順序，我們在查閱文獻，比較了幾種排序算法之后，確定了相對最值刪除排序算法。利用這一算法我們編寫MATLAB程序（見附錄3）簡便、成功地給出了應(yīng)聘者的錄取順序（見第6頁表1），其中前十名的序號為19、51、64、39、47、82、69、5、53、87。對于問題三，我們需要為專家的打分嚴(yán)格程度排序。由于這是個沒有指標(biāo)集的評價問題，我們只能主觀解決，因此在統(tǒng)計學(xué)基礎(chǔ)上給出了最簡評價模型，得到打分最嚴(yán)的專家是甲，而打分最松的專家是丙。

3、對于問題四，我們首先運用SPSS進行聚類分析，得到了三組具有不同均值、方差特征的應(yīng)聘者集合。一般而言，錄取順序上的前五名應(yīng)聘者可以直接晉級，另有十名應(yīng)聘者將被選出來參加第二次面試（當(dāng)應(yīng)聘機制不同時，此模型可相應(yīng)調(diào)整），于是我們結(jié)合第二問的錄取順序，從同時具有高均分、高方差的第二組應(yīng)聘者中擇優(yōu)挑選，結(jié)果如下：第51、47、5、4、87、64、91、18、16和53號應(yīng)聘者應(yīng)參與第二次應(yīng)聘。對于問題五，我們以專家打分的均值為指標(biāo)，判斷專家打

4、分是否能真實反映應(yīng)聘者的水平。我們首先通過MATLAB畫出專家打分的殘差圖，直觀確定專家甲打分較有偏頗，不應(yīng)參與第二次招聘，接著通過逐步回歸分析確定應(yīng)該選擇專家乙、丙、戊。關(guān)鍵詞：聚類分析，熱卡填充法，相對最值刪除排序法，殘差圖，回歸分析34模型的建立與求解4.1問題一4.1.1問題的分析題目中數(shù)據(jù)附表缺失了三個數(shù)據(jù)，分別為專家甲對9號應(yīng)聘者的打分，專家乙對25號應(yīng)聘者的打分以及專家丙對58號應(yīng)聘者的打分。我們的目標(biāo)是補齊表中缺失的數(shù)據(jù)

5、。在以上數(shù)據(jù)中，數(shù)據(jù)缺失是因為專家有事外出未給應(yīng)聘者打分，針對這種情況，我們采用某種方法對數(shù)據(jù)進行插補，考慮到可以根據(jù)已知數(shù)據(jù)來推求出未知數(shù)據(jù)，因此采用熱卡填充法，對于一個包含空值的變量，本方法是在完整數(shù)據(jù)中找到一個與空值最相似的變量，然后用這個相似的值來進行填充。不同的問題可能會選用不同的標(biāo)準(zhǔn)來對相似進行判定，在這里我們引入聚類分析的思想，做出樹狀圖，找到若干與空值所在的組最相似的組，然后用相關(guān)系數(shù)矩陣進行計算，從而將算出的值填充進去

6、。本方法簡單易懂，還可以保持?jǐn)?shù)據(jù)本身的類型，利用本方法填充數(shù)據(jù)后，其變量值與填充前很接近。4.1.2模型的建立對于9號應(yīng)聘者，設(shè)要填入的分?jǐn)?shù)為，則五位專家給其打的分?jǐn)?shù)分別為91g。令矩陣通過聚類分析，在樹狀圖（見9197768764g，191(97768764)Tag?附錄1.1）中選出四位與9號已知的分?jǐn)?shù)相近的應(yīng)聘者，我們選出了10號，11號，22號，48號應(yīng)聘者的分?jǐn)?shù)作為計算依據(jù)，分別將他們的分?jǐn)?shù)賦予給矩陣，，，1(66938090

7、73)Tb?2(8595818169)Tb3(8696798475)Tb。4(6298749362)Tb通過相關(guān)系數(shù)矩陣得。111223344acbcbcbcb????????即：911234668586629793959698768081797487908184936473697562gcccc???????????????????????????????????????????????????????????????????????