作為人力資源同事,你是否曾經被同事問過以下問題?

  1. 員工問:為什麼其他部門的績效考核評分普遍偏高,從而能夠拿更多花紅?
  2. 主管問:我的部門績效考核評分明顯較其他部門高,為什麼你們還是不給予我們額外資源或獎勵?

我們已經在其他文章談及如何讓績效考核更客觀,在此不再重覆。在此,我們希望向大家介紹一個判斷部門評分(或其他數據)是否從統計學上來說,出現與其他部門有顯著偏差的情況。

群組內部差異 VS 群組之間差異:

首先,我們必須明白,不是說A部門平均評分是70,B部門平均評分是73.5,即可斷定兩部門評分有顯著分別。以下例子可幫助圖像化解釋為何單不能單看平均分妄下判斷。
假設兩部門各有4個員工:

情景1:
A:69,69,70,72 (平均70.0)
B:72,73,74,75 (平均73.5)

情景2:
A:45,60,85,90 (平均70.0)
B:38,77,82,97 (平均73.5)

雖然部門平均評分相差同樣是3.5,但你能看出在情景2當中,由於部門內部的評分差異較大(約40至100),因此部門之間的差異(70.0 vs 73.5)變得「不太顯著」?

ANOVA - Analysis of Variance (變異分析)

上面圖像化的判斷就是變異分析(ANOVA)的重點。ANOVA全名Analysis of Variance,簡單來說就是拿「群組(例如公司的部門)內部變異程度」,與「群組之間的變異程度」作比較,判斷關於我們希望監察的數據(例如本例子中的績考評分),兩個群組是否在統計學上有顯著的差別。

按照統計學課本上的公式,我們可以計算兩個情景在「變異分析」的「P-值」。情景1為0.01,即從統計學來說,兩個部門實質評分沒有分別的機會少於1%。情景2的「P-值」為0.84,即兩個部門實質評分沒有分別的機會最高為84%。
大家當然同樣可以找來統計學課本,或從網上找資料,看看ANOVA中「P-值」的數值如何計算。當然,你也可以利用Excel*,輪入資料後利用「資料分析」下的「單因子變異數分析」,進行上述的計算。

ANOVA還有其他用處嗎?

事實上,我們還可以用「ANOVA」,進行其他比較分析(如下面4個例子),幫助作出人力資源上的決定。補充一點,我們可以用「ANOVA」進行三個或以上部門的數據比較,找出當中是否有個別部門的數據出現明顯偏差。不過,如果須要針對單一部門跟公司整體作比較,那麼我們只要把員工分為「相關部門」VS「其他部門」便可。

  1. 個別部門表現是否較好?
  2. 個別部門病假比例是否較高?
  3. 某類員工,例如由個別獵頭公司推薦的,表現時否較好?
  4. 本年度獲建議晉升的員工,其績效評分是否較高?


* EXCEL 結果:

情景1:

情景2:


上述資料有用嗎?歡迎跟您的朋友分享!



E-Appraisal是最新自動化績效評核系統,先從整合公司、小隊以及個人目標入手,追縱同事們的考評進度,並提供各種統計數據,從而讓你更有效調配人力資源,同時免去大家對 Excel 和紙張的厭煩。