應(yīng)聘者的評(píng)價(jià)問(wèn)題

1、1應(yīng)聘者的評(píng)價(jià)問(wèn)題應(yīng)聘者的評(píng)價(jià)問(wèn)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(huì)有偏差，于是，如何評(píng)價(jià)專家的打分并通過(guò)專家打分做出正確決策便成為了急需解決的問(wèn)題。對(duì)于問(wèn)題一，為補(bǔ)全專家評(píng)分表的個(gè)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(yùn)用相關(guān)系數(shù)矩陣，來(lái)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(gè)缺失分?jǐn)?shù)為73、76、82。對(duì)于問(wèn)題二，為了確定這101名應(yīng)聘

2、者的的錄取順序，我們?cè)诓殚單墨I(xiàn)，比較了幾種排序算法之后，確定了相對(duì)最值刪除排序算法。利用這一算法我們編寫(xiě)MATLAB程序（見(jiàn)附錄3）簡(jiǎn)便、成功地給出了應(yīng)聘者的錄取順序（見(jiàn)第6頁(yè)表1），其中前十名的序號(hào)為19、51、64、39、47、82、69、5、53、87。對(duì)于問(wèn)題三，我們需要為專家的打分嚴(yán)格程度排序。由于這是個(gè)沒(méi)有指標(biāo)集的評(píng)價(jià)問(wèn)題，我們只能主觀解決，因此在統(tǒng)計(jì)學(xué)基礎(chǔ)上給出了最簡(jiǎn)評(píng)價(jià)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(duì)于問(wèn)題四，我們首先運(yùn)用SPSS進(jìn)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(jí)，另有十名應(yīng)聘者將被選出來(lái)參加第二次面試（當(dāng)應(yīng)聘機(jī)制不同時(shí)，此模型可相應(yīng)調(diào)整），于是我們結(jié)合第二問(wèn)的錄取順序，從同時(shí)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(hào)應(yīng)聘者應(yīng)參與第二次應(yīng)聘。對(duì)于問(wèn)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(shí)反映應(yīng)聘者的水平。我們首先通過(guò)MATLAB畫(huà)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(guò)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(duì)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(wèn)題一4.1.1問(wèn)題的分析題目中數(shù)據(jù)附表缺失了三個(gè)數(shù)據(jù)，分別為專家甲對(duì)9號(hào)應(yīng)聘者的打分，專家乙對(duì)25號(hào)應(yīng)聘者的打分以及專家丙對(duì)58號(hào)應(yīng)聘者的打分。我們的目標(biāo)是補(bǔ)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?yàn)閷＜矣惺峦獬鑫唇o應(yīng)聘者打分，針對(duì)這種情況，我們采用某種方法對(duì)數(shù)據(jù)進(jìn)行插補(bǔ)，考慮到可以根據(jù)已知數(shù)據(jù)來(lái)推求出未知數(shù)據(jù)，因此采用熱卡填充法，對(duì)于一個(gè)包含空值的變量，本方法是在完整數(shù)據(jù)中找到一個(gè)與空值最相似的變量，然后用這個(gè)相似的值來(lái)進(jìn)行填充。不同的問(wèn)題可能會(huì)選用不同的標(biāo)準(zhǔn)來(lái)對(duì)相似進(jìn)行判定，在這里我們引入聚類分析的思想，做出樹(shù)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(jìn)行計(jì)算，從而將算出的值填充進(jìn)去

6、。本方法簡(jiǎn)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(duì)于9號(hào)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(guò)聚類分析，在樹(shù)狀圖（見(jiàn)9197768764g，191(97768764)Tag?附錄1.1）中選出四位與9號(hào)已知的分?jǐn)?shù)相近的應(yīng)聘者，我們選出了10號(hào)，11號(hào)，22號(hào)，48號(hào)應(yīng)聘者的分?jǐn)?shù)作為計(jì)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(guò)相關(guān)系數(shù)矩陣得。111223344acbcbcbcb????????即：911234668586629793959698768081797487908184936473697562gcccc???????????????????????????????????????????????????????????????????????