员工满意度的模糊综合评价改进模型_耿双军

第27卷　第3期2008年6月兰州交通大学学报Journal of Lanzhou Jiaotong UniversityVol.27No.3J un.2008 文章编号:1001Ο4373(2008)03Ο0093Ο04员工满意度的模糊综合评价改进模型3耿双军1,　张孝远2,　程　鹤1(1.兰州交通大学交通运输学院,甘肃兰州　730070;2.兰州交通大学,甘肃兰州　730070)摘　要:基于员工满意度的评价指标,结合模糊评价模型的特点,提出利用三角模糊数和区间统计法对权重进行修正,充分体现调查信息,从而改进了模型.并通过一个对员工满意度评价的实例对模型加以应用,说明了模型的全面性和实用性.关键词:模糊综合评价;三角模糊数;区间统计权;员工满意度中图分类号:F279.23 文献标识码:A 由于行业和企业间的差异性,测评时间的不同,员工各自的期望水平各异,使员工满意度有着不同的内容,又存在着对定性指标处理上的合理化和如何调整权重等问题,这使员工满意度的评判难以找到一个共同的标准.传统的员工满意度调查数据的处理分析中,常用模糊综合评价、方差分析等管理数学和统计方法.模糊综合评价法是目前比较成熟的系统评价方法,它较好的克服指标属性的模糊性,广泛应用于经济,科技,环境,工程评价.在满意度的评价指标体系中包含了太多的如感受,态度等定性指标,针对此特点,本文提出的基于模糊综合评价改进的模型,建立在调查研究基础上,不仅对定性指标进行量化,充分体现了专家的经验和知识,而且考虑到调查信息对指标权重的影响作用,从而使评价模型具科学性和合理性,用于员工满意度的评价,旨在为我国企业管理工作提供理论依据和促进作用.1　模糊综合评价原理1.1　确定评价因素集UU={u1,u2,…,u s}表示评价指标体系主因素层.u i={u i1,u i2,…,u is},i=1,2,…m,表示评价指标体系的分因素层,并将分因素按照特点以及隶属情况分别划入相应的主因素层[1].1.2　建立评语集VV={v1,v2,…,v p},v j为评价等级数或指标的质量级别数.1.3　指标因子向量的权重集W由于各因素在评判对象中所处的地位未必相等,故对各因素加权,表示各因素权重分配.W U与W1,W2,…,W s分别表示为主因素层和子因素层的评价指标权重.1.4　模糊评价矩阵R建立隶属关系以及各个指标在不同评价等级下的评价标准,主因素层的因素i中有q个分因素,则用r kj表示第k个元素被评为第j级的隶属度.R i=r11…r1p……r q1…r qp1.5　综合评价向量的计算对因素权重和对应的模糊评价矩阵,进行合成运算,对主因素层进行综合评价, 为广义模糊乘,为了兼顾所有元素,根据问题的需要,评价因子及评价标准之间采用加权平均即普通矩阵相乘的形式进行计算,代替取大取小原则,使得到的结果更加精细,而且结果仍然是F集.B i=W i R i=(b i1,b i2,…,b ip),(i=1,2,…,s)(1)将评价结果加以综合得到一个评价矩阵R U= [B T1,B T2,…,B T s],利用公式(1)进行模糊合成运算,继续对目标层进行综合评价,得到目标层的综合评价向量为B U=W U R U=(b1,b2,…,b p)3收稿日期:2007Ο03Ο09作者简介:耿双军(1978年Ο),男,黑龙江依兰人,硕士生.兰州交通大学学报第27卷1.6　归一化对目标层计算的结果归一化处理,得出评价结果.由最大隶属度原则,确定评价对象的等级.G =(b 1∑pi =1b i,b 2/∑pi =1b i,…,b p/∑pi =1b i)(2)2　权重确定对目标进行评价会涉及定量与定性指标,模糊综合评价方法通常采用层次分析法确定权重.此方法因主观因素的影响,使决策的准确性及可信度都降低,所以需要对评价的权重加以修正.采用三角模糊数进行评价的方法对定性指标进行量化处理可以弥补这一缺点.同时评价指标的权重是对评价指标的重视程度,应该充分体现评价信息的整体性,所以通过区间统计法,对权重进行进一步修正,从而使评价模型更加合理.2.1　确定三角模糊权根据模糊数学(f uzzy )的知识,利用三角模糊数(t riangular f uzzy number )理论,建立隶属函数.设A ∈R ,其中R 是实数空间的模糊集.A 可以由(a ,b,c )决定,记为(A =(a ,b,c )),其中为[a ,c]支撑区间,点(b,1)为峰值,其隶属函数图形及运算法为A (x )=(x -a )/(b -a ),　a ≤x <b;(c -x )/(c -b ),　b ≤x <c;0,　其他.(a 1,b 1,c 1) (a 2,b 2,c 2)=(a 1+a 2,b 1+b 2,c 1+c 2);(a 1,b 1,c 1) (a 2,b 2,c 2)=(a 1a 2,b 1b 2,c 1c 2);λ(a 1,b 1,c 1)=(λa 1,λb 1,λc 1);1/(a 1,b 1,c 1)=(1/a 1,1/b 1,1/c 1).图1　三角模糊数的分布Fig.1　The distribution of triangle fuzzy number1)建立三角模糊矩阵[2].设有n 个专家参与评价模型的确定,评价指标根据被评价项目的特点进行设计共有m 项.进行满意度调查后,专家根据员工满意度的各项指标的具体信息,结合自己的经验来认为员工的真实想法,对评价对象进行给分.[a ij ,b ij ,c ij ]表示第j 个专家对于第项指标给予的评价值,a ij 表示第j 个专家对第i 个指标给予的最保守的评价,b ij 表示第j 个专家对第i 个指标给予的最可能的评价,c ij 表示第j 个专家对第i 个指标给予的最乐观的评价.专家可以在[0,100]之间打分,形成初始评价矩阵为A =[a 11,b 11,c 11]…[a 1n ,b 1n ,c 1n ]……[a m 1,b m 1,c m 1]…[a mn ,b mn ,c mn ]2)确定专家评价的权重集D =[d 1,d 2,…,d m ],d j 表示第j 个专家给出的评价值在综合评价中所占的比重.3)模糊合成.由已经确定的模糊评价矩阵及专家权重集,利用公式B =D R 进行计算. 是模糊算子,采用加权平均算子,得到模糊合成矩阵为B =[a 1,b 1,c 1],…,[a n ,b n ,c n ]4)确定模糊权.根据三角模糊函数的特点,确定各个指标的权重.把三角模糊矩阵转化为普通模糊矩阵,E =[e 1,e 2,…,e n ],辅助模糊评价决策.e j =(a j +4b j +c j )/6(3)2.2　区间统计权1)根据专家评价的初始评价矩阵,选取其中的最保守的评价值和最可能的评价值,形成新的评价矩阵.第i 项指标,专家的评价值为x i =[[a i 1,c i 1],[a i 2,c i 2],…,[a in ,c in ]],对x i 进行搜索,寻找a ij 的极小值a i ,min 和c ij 的最大值c i ,max ,形成区间数[a i ,min ,c i ,max ],则第i 项指标的专家评价值都在区间中.2)将[a i ,min ,c i ,max ]根据专家数划分为n 个小区间:[a i ,min ,a i ,min +T ],[a i ,min +T ,a i ,min +2T ],…,[a i ,min +(n -1)T ,c i ,max ].其中,T =(c i ,max -a i ,min )/n 为每个空间的区间值.3)分别统计各个小区间的频数f k .以计算第1个区间的频数为例,即求区间[a i ,min ,a i ,min +T ]的f 1:(1)先赋f 1=0,j =1(第1个专家).(2)检验[a i ,min ,a i ,min +T ]Α[a ij ,c ij ],j =1,2,…n ,若成立则f 1的值加1.(3)将j 的值加1,转第2步.4)有了各个小区间的频数后,分别计算和比较区间的频率h i ,取h i 的最大值作为所对应的区间[a i ,min +(t -1)T ,a i ,min +t T ]为专家咨询最集中的区间.因为区间值是以分数的形式出现,所以将区间值的中间值除以100,作为第i 项指标的权数.h i =f k ∑ni =1fk,g i =[a i ,min +(t -1)T +a i ,min +t T ]/2100(4)49第3期耿双军等:员工满意度的模糊综合评价改进模型5)将得到的结果进行归一化处理[3].2.3　层次权重集利用层次分析法确定层次权重集.在每一层按某一规则,通过专家对该层次的各要素逐一进行比较,确定要素之间的相对重要性,写成矩阵形式,用数学方法计算该层元素的权重,也就是计算本层元素对上层目标的重要程度,从而确定该层各指标的权重,W =[w 1,w 2,…,w n ].2.4　综合权重的确定评价模型中大量采用定性评价指标,所以采用模糊权,区间统计权与层次权相结合对指标权重进行调整,权重合成公式为w i =d i g i w i∑pi =1d i g i w i (5)3　算例分析根据马斯洛的需求理论,员工都是理性行为人的假定,形成了员工满意度模糊综合评价的指标体系,并对该组织的员工进行满意度调查.员工满意度的评语集分为非常满意、满意、一般、不满意、非常不满意5个等级.通过测评,得到员工满意度的单因素评价,专家根据实际调查结果进行评分[4].为了使评价结果更加公平,公正,选取3组专家以背对背的方式进行打分,专家组的权重集为(0.2,0.3,0.5).评价指标集图2所示,调查结果及专家的评价如表1所示.计算模糊权重、区间统计权重、层次权重,得到综合权重,结果如表2所示.图2　员工满意度评价指标体系Fig.2　Evalu ation index system of the enterprise ’semployee satisfaction表1　专家评价矩阵以及满意度调查结果T ab.1　Matrix of expert evalu ation and the result of evalu ation指标专家组1专家组2专家组3专家评价的综合结果调查所得结果u 1140,63,8043,64,8042,60,7841.9,61.8,790.7,0.2,0.1,0,0u 1245,69,8344,71,8547,71,8745.7,70.6,85.60.3,0.5,0.2,0,0u 1339,60,7244,57,7140,62,7241,60.1,71.70,0.6,0.3,0.1,0u 2169,80,8768,79,8971,84,9269.7,81.7,90.10.2,0.2,0.4,0.2,0u 2232,50,5535,42,6036,40,6034.9,42.6,590.3,0.25,0.35,0.1,0u 2334,45,6033,42,5637,45,5535.2,44.1,56.30.3,0.4,0.2,0.1,0u 2425,35,5030,36,4728,33,4528,34.3,46.60.2,0.4,0.2,0.2,0u 3130,40,5029,38,6025,37,5327.2,37.9,54.50.35,0.35,0.2,0.1,0u 3246,65,8749,77,9048,70,8947.9,71.1,88.90.15,0.4,0.3,0.1,0.05u 3355,76,8960,78,8956,75,8757,76.1,880.2,0.6,0.1,0.1,0u 4150,67,8959,76,8555,69,8655.2,70.7,86.30.2,0.3,0.2,0.2,0.1u 4235,41,5530,42,6036,45,6034,43.3,590.3,0.25,0.25,0.2,0u 4333,40,5032,41,4428,37,5230.2,38.8,49.20.2,0.6,0.1,0,0.1u 5130,41,5530,40,6035,40,6532.5,40.2,61.50.18,0.6,0.22,0,0u 5246,68,8949,70,8555,66,9051.4,67.6,88.30.3,0.3,0.1,0.2,0.1u 5347,66,8548,65,8650,66,8748.8,65.7,86.30.3,0.4,0.3,0,059兰州交通大学学报第27卷表2　模糊权重、区间统计权重、层次权重以及综合权重T ab.2　Fuzzy w eights,interval statistics w eights,AHP w eights and comprehensive w eights指标模糊权重区间统计权重层次权重综合权重u1(0.32,0.37,0.31)(0.332,0.362,0.306)(0.3,0.4,0.3)(0.310,0.399,0.291) u2(0.396,0.215,0.218,0.172)(0.38,0.22,0.221,0.179)(0.45,0.2,0.2,0.15)(0.49,0.185,0.187,0.13) u3(0.211,0.382,0.407)(0.233,0.373,0.394)(0.2,0.4,0.4)(0.168,0.404,0.428) u4(0.458,0.288,0.254)(0.45,0.291,0.259)(0.45,0.3,0.25)(0.514,0.269,0.217) u5(0.240,0.386,0.374)(0.26,0.373,0.367)(0.25,0.4,0.35)(0.214,0.41,0.376) 根据调查结果建立的评价矩阵与综合权重,利用公式(1),得到主因素的评价矩阵为R=0.3370.4350.1980.030 0.2370.2370.3270.1630 0.2050.4770.1980.10.02 0.2270.3510.1920.1570.073 0.2740.4020.2010.0820.041通过得到的R继续进行专家评分,同样计算主因素层的模糊权,区间统计权,层次权以及综合权.利用模糊合成运算,得到目标层的评价结果为G= (0.252,0.381,0.216,0.119,0.032).根据最大隶属度原则[5][6],该企业员工对企业的满意度为满意,说明大多数的员工对该企业是满意的.4　结论在该员工满意度模糊综合评价模型中,将三角模糊数,区间统计法结合层次分析法来确定权重,充分体现了专家的经验与知识以及调查到的信息,使权重的确定更加具有科学性,全面性,所以该综合评价模型不仅可以应用于员工满意度评价,也可以延伸到其它领域的评价,具有一定的现实意义.参考文献:[1]　汪应洛.系统工程理论方法与应用[M].2版.北京:高等教育出版社,1998:170Ο174.[2]　程赐胜,丁祝燕.基于模糊熵的物流企业客户满意度评价模型[J].铁道科学与工程学报,2006,3(3):79Ο82. [3]　吴俊卿,郑慕琦,张志兴.绩效评价的理论与方法-在科研机构的实践[M].北京:科学技术文献出版社, 1992:108Ο110.[4]　吴扬,王亮.企业员工满意度模糊综合评价模型的建立与应用[J].江西社会科学,2005,8:142Ο146.[5]　陈凯华,张孝远.模糊综合评价模糊的改进及应用[J].甘肃科学学报,2006,18(3):111Ο115.[6]　杨纶标,高英仪.模糊数学[M].广州:华南理工大学出版社,2003.The Improved Model of Fuzzy Comprehensive Evalu ation for Employee S atisfaction DegreeGEN G ShuangΟjun,　ZHAN G XiaoΟyuan,　C H EN G He(School of Traffic and Transportation,Lanzhou Jiaotong University,Lanzhou730070,China)Abstract:Based on t he index of employee evaluation degree,combining wit h t he characters of f uzzy compre2 hensive evaluation model,t his article propo ses t he t riangle f uzzy number and t he interval statistics weight s to correct t he index weight,so t he model is imp roved.Through an example of t he evaluation of employee satisfaction degree,t he met hod is applied,from which we can see t hat t he model is comprehensive and val2 id.K ey w ords:f uzzy comp rehensive evaluation;triangle f uzzy number;interval statistics weight s;employee satisfaction degree69。