ชื่อเรื่องงานวิจัย
Model for predicting the quality of a recruit in the BPO sector.
รูปแบบการทำนายคุณภาพของการรับสมัครงานในภาค BPO
บทนำ
สำหรับองค์กรที่มีการเจริญเติบโตสูง การดึงดูดการจ้างงาน และการรักษาพนักงานที่เก่ง ที่เหมาะสมเป็นสิ่งสำคัญ การรับพนักงานที่ไม่ตรงกับความต้องการอาจมีผลต่อความก้าวหน้าขององค์กรและทำให้เสียภาพลักษณ์ของบริษัท ซึ่งจะเห็นได้จาก พนักงานมีความรู้ที่มีคุณค่าและมีความสามารถในการใช้ทักษะที่ตรงกับความต้องการของบริษัทจะมีน้อย ดังนั้นฝ่ายรับสมัครทรัพยากรมนุษย์ (HR) ซึ่งเป็นผู้รับผิดชอบขั้นตอน
การรับสมัครและการคัดเลือกพนักงาน จึงควรตระหนักถึงสถานะและวัตถุประสงค์ของบริษัท เพื่อให้เกิดคุณภาพในเรื่องของการรับพนักงาน
ตั้งแต่ 50 ปีที่ผ่านมา หลายองค์กรประเมินผลงานตั้งแต่การรับสมัครโดยใช้ต้นทุนต่อการจ้างเป็น
ตัวชี้วัดซึ่งอาจไม่จริงเสมอไป เพราะการวัดจากค่าใช้จ่ายไม่ได้สะท้อนความเหมาะสมกับงานกับพนักงาน
แต่การรับสมัครพนักงานที่รับเข้าควรมีค่าจ้างไม่สูงและควรหาพนักงานที่เหมาะสม ดังนั้นจึงควรใช้ตัววัดอื่นๆ เช่น แบบประเมิน การแสดงความคิดเห็นการปฏิบัติงานความพึงพอใจในการเก็บข้อมูลการจ้างของผู้จัดการ
การวัดประสิทธิภาพอื่นๆ จากผู้สมัคร และนำมาใช้เป็นตัวชี้วัด ดังนั้นจึงเห็นได้ว่าในการจัดทำดัชนีคุณภาพ
ในการจ้าง ควรใช้ปัจจัยหลายประการที่จะต้องนำมาพิจารณา ซึ่งอาจจะพัฒนาโดยใช้วิธีการวิเคราะห์แยก
จำแนกกลุ่ม
วิเคราะห์จำแนกกลุ่ม
การวิเคราะห์จำแนกกลุ่มพัฒนาในปี 1936 โดย RA Fisher มีความเที่ยงตรงในการพยากรณ์
สำหรับตัวแปรกลุ่มอาจเป็นตัวแปรจัดประเภทแบบ 2 กลุ่มหรือมากกว่าก็ได้ ถ้าเป็นการจำแนก 2 กลุ่มเรียกว่า
Two-group Discriminant Analysis ถ้าจำแนกมากกว่า 2 กลุ่มเรียกว่า Multiple Discriminant Analysis (MDA)
การจำแนกตัวแปรตาม (กลุ่มตัวแปรตาม) ตัวแปรตามจะมีอย่างน้อยสองกลุ่ม ในขั้นตอนนี้ทั้งสองกลุ่มจะกำหนด
เป็น 1 และ 2 โดยมีรูปแบบสมการทั่วไปดังนี้
Group = a + b1*x1 + b2*x2 + ... + bm* xm
โดยมี a เป็นค่าคงที่และ b1,b2,b3…..bm คือค่าสัมประสิทธิ์การถดถอย จากค่าที่คำนวณได้จะถูกจัดลงในกลุ่มที่ให้เคียงที่สุด จากผลการวิจัยนี้มาจากวิเคราะห์จำแนกกลุ่มสามารถใช้ในการจัดจ้างผู้สมัครจาก 220 คน BPO ใน Chennai โดยแบ่งเป็นสองกลุ่มคือ กลุ่มที่อาจประสบความสำเร็จ และไม่ประสบความสำเร็จ
ระเบียบวิธีวิจัย
การศึกษาครั้งนี้เกิดขึ้นจากปัญหาของแผนกรับสมัคร ไม่ประสบความสำเร็จในการรับพนักงาน
ได้ตรงตามความต้องการขององค์กร โครงการนี้จัดตั้งขึ้นมาจากการรวบรวมความรู้ วิธีการ การวางแผนการรับสมัครพนักงานใหม่ กระบวนการทำงาน ขั้นตอนการฝึกอบรมในช่วงแรก จนกว่าจะสามารถทำงานได้อย่างมีประสิทธิภาพ โดยใช้ข้อมูลเบื้องต้นจากใบสมัคร ข้อมูลบริษัท ข้อมูล Feedback ของลูกค้า 224 ราย จาก BPO ในขั้นตอนการให้บริการความช่วยเหลือทางเทคนิค (Help Desk) ด้านโทรคมนาคม ซึ่งเป็นข้อมูลในปัจจุบันของบริษัท โดยไม่มีความคิดเห็นใดๆ ของผู้วิจัย
การจัดหมวดหมู่
กลุ่มตัวอย่างได้ถูกแบ่งออกเป็น พนักงานที่ดี และ พนักงานที่คาดว่าไม่ดี โดยการกำหนด code1 และรหัส 2 ถึงพวกเขาตามลำดับ กลุ่มที่จะเป็นพนักงานที่ดีจะประสบความสำเร็จหลังเสร็จสิ้นการฝึกอบรมและเป็นพนักงานที่ดีขององค์กร ในขณะที่ พนักงานที่ไม่ดีจะผ่านการทดลองงาน จากจำนวนกลุ่มตัวอย่างทั้งหมด ผู้วิจัยใช้พนักงานร้อยละ 70 ของกลุ่มตัวอย่างทั้งหมดสำหรับการสร้างสมการจำแนกกลุ่ม
ส่วนพนักงานที่เหลือร้อยละ 30 ใช้ในการทดสอบสมการจำแนกกลุ่ม
ตัวแปรจำแนก
ปัจจัยส่วนบุคคลที่นำมาใช้เป็นเกณฑ์สำหรับการเลือกรับสมัคร โดยใช้เป็นตัวแปรจำแนก ตัวแปรอิสระประกอบด้วย แหล่งที่มาของการรับสมัคร(source of recruitment) อายุ(age) เพศ(gender) ระดับการศึกษา(educational qualification) ประสบการณ์ตรง (relevant experience) การประเมินเสียง(voice evaluation) คะแนนทางเทคนิค(technical score) ไวยากรณ์ (grammar) ความถนัด(aptitude) และ
เทคนิคการประเมิน(technical evaluation)
คำอธิบายของตัวแปร
สำหรับตัวแปร ที่ใช้ในการระบุผู้สมัครที่มีศักยภาพในขั้นตอนการสรรหาและการคัดเลือก อายุ
ของผู้สมัครอยู่ระหว่าง 21 ปีถึง 35 ปี เนื่องจากลักษณะของงานของพวกเขาที่เกี่ยวข้องกับความสามารถ
ที่สำคัญในการพูดและการออกเสียง การสื่อสาร ผลการประเมินผลของเสียงที่ถือว่าเป็นตัวแปรจำแนก
กลุ่มที่สำคัญ ประสบการณ์ในการทำงานของพนักงาน ความสามารถทางวิชาการของพนักงานจาก
คะแนนที่ได้รับในการทดสอบทางเทคนิค ทักษะการใช้ภาษา โดยการทดสอบปฏิบัติทดสอบไวยากรณ์ผู้สมัคร การทดสอบเชาวน์ปัญญา ซึ่งใช้เป็นเกณฑ์ในการประเมินการจำแนก
ตาราง - I แสดงค่าเฉลี่ย และส่วนเบี่ยงเบนมาตรฐานของตัวแปรต้นทั้ง 2 กลุ่ม โดยค่าส่วนเบี่ยงเบนมาตรฐานไม่ต่างกันทั้ง 2 กลุ่ม
Group Statistics
Good/Bad Discriminating Variable Mean Std. Deviation
Group Statistics
Good/Bad Discriminating Variable Mean Std. Deviation
Good Source of recruitment 1.47 0.502
Gender 2.05 1.460
Education 1.79 0.407
Relevant exp 15.54 0.890
Voice evaluation 15.73 2.124
Technical score 34.14 5.150
Grammar 7.72 1.463
Aptitude 52.73 4.438
Tech evaluation 3.72 1.935
Age 24.44 2.327
Bad Source of recruitment 1.19 0.393
Gender 1.85 1.186
Education 1.81 0.393
Relevant experience 15.39 0.616
ตาราง - II Eigen แสดงค่า Eigen Value , Percent Variance, Cumulative Percent, Cononical Correlation
ค่าสหสัมพันธ์คาโนนิคอล (Canonical correlation) ค่า Eigen Value แสดงความแตกต่างระหว่างกลุ่ม
โดยแสดงค่าร้อยละความสามารถในการจำแนกกลุ่ม Eigen Value=0.37 และ ในกรณีนี้วิเคราะห์สองกลุ่ม ค่า Eligen values = 037 ค่าสหสัมพันธ์คาโนนิคอล (Canonical correlation) แสดงความสัมพันธ์ของสมการกับตัวแปรอิสระ โดยมีค่าเท่ากับ 0.52 ซึ่งอยู่ในระดับสูง
Table--II
Eigen Values
Function Eigen Percent of Cumulative Canonical
Value Variance Percent Correlation
1 0.371 100.0 100.0 .520
ตาราง - III Wilks'Lambda
ค่า Wilks'Lambda คือ Within group sum square / Total sum square เป็นค่าที่แสดงสัดสส่วนความผันแปรของ Discriminant score ที่ไม่สามารถอธิบายได้ด้วยความแตกต่างระหว่างกลุ่ม โดยใช้ทดสอบค่าเฉลี่ยของตัวแปรอิสระทุกตัวในกลุ่มที่ 1 เท่ากับ กลุ่มที่ 2
Table--III
Wilks' Lambda
Test of Wilks' Sig.
Function(s) Lambda
1 0.730 0.000
ฟังก์ชันที่ 1 Significant สามารถใช้พยากรณ์ได้
Table--IV
Prior Probabilitis for Groups
Good/Bad Prior
Good Hire .622
Bad Hire .378
Total 1.000
Table--V
Canonical discriminant function
coefficients
Discriminant Variable Function
Source of recruitment 1.231
Gender .165
Education -.337
Relevant exp .270
Voice evaluation .287
Technical score .058
Grammar .190
Aptitude -.061
Tech evaluation .116
Age -.071
Constant -8.754
จากตาราง Canonical Discriminant Function Coefficients แสดงค่าเป็นสัมประสิทธิ์ของตัวแปรจำแนกในสมการจำแนกกลุ่ม ซึ่งเป็นสมการในรูปคะแนนดิบ ค่าน้ำหนักที่ได้จึงไม่อยู่ในรูปมาตรฐาน (Unstandardized Coefficients) เป็นผลจากการเลือก Unstandardized ใน Statistics Option ผลที่ได้มีทั้งค่าน้ำหนักในแต่ละตัวแปร และค่าคงที่ (Constant)
กฎการตัดสินใจที่ได้จากตารางที่ - V มีดังนี้
Y = 1.231 * (แหล่งที่มาของการรับสมัครงาน) -- 0.071 * (อายุ) +
0.165 * (เพศ) -- 0.337 * (ระดับการศึกษา) + 0.270 * (ประสบการณ์ตรง)
+ 0.287 * (การประเมินเสียง) + 0.058 * (คะแนนทางเทคนิค) + 0.190 * (ไวยากรณ์) --
0.061 * (ความถนัด) -- 0.116 * (เทคนิคการประเมิน) - 8.754 (2)
การทดสอบนัยสำคัญทางสถิติเป็นการทดสอบระยะห่างระหว่างค่า centriod (ค่าเฉลี่ยของคะแนนจำแนกของแต่ละกลุ่ม)ของแต่ละกลุ่ม กลุ่มพนักงานที่ดีมีค่าเท่ากับ 0.472 และ พนักงานที่ไม่ดี เท่ากับ -.0776
Table--VI
Functions at Group Centroids
Good/Bad Function
Good hire .472
Bad hire -.776
Table--VII
Classification Function Coefficients
Independent Variables Good/Bad
Good Bad
Source of recruitment 19.651 18.116
Gender -.334 -.540
Education 26.982 27.402
Relevant exp 26.803 26.466
Voice evaluation 2.941 2.582
Technical score -.143 -.216
Grammar 1.853 1.617
Aptitude 2.024 2.100
Tech evaluation 6.959 6.815
Age 5.574 5.662
(Constant) -409.305 -399.071
จากตาราง Classification Function Coefficients ผลการวิเคราะห์นำเสนอค่าสัมประสิทธิ์
และค่าคงที่ของสมการจำแนกโดยแยกเป็นกลุ่ม ตามวิธีของ Fisher’s (Fisher’s linear discrimination function) จำนวนสมการจะมีเท่ากับจานวนกลุ่มในกรณีนี้มี 2 สมการ
Table--VIII
Classification of results
Good/ Predicted Group Total
Bad Membership
Original Good Bad Total
Count Good 82 15 97
Bad 21 38 59
Percent Good 84.5 15.5 100.0
Bad 35.6 64.4 100.0
Cross- Count Good 80 17 97
Validated (a) Bad 24 35 59
Percent Good 82.5 17.5 100.0
Bad 40.7 59.3 100.0
ตาราง - VIII นำเสนอระดับของความสำเร็จของการจัดหมวดหมู่สำหรับตัวอย่างนี้ จำนวนและร้อยละของการจำแนกได้อย่างถูกต้องได้ร้อยละ 76.92 กลุ่มที่1 จำแนกได้ถูกต้องร้อยละ 84.5 และกลุ่มที่2 จำแนกได้ถูกต้องร้อยละ 64.4
ข้อสรุป
แบบจำลองการทำนายลักษณะของพนักงานมีความถูกต้องร้อยละ 76.9 จากอิทธิพลของแต่ละปัจจัยที่สามารถทำนายหรือตัวแปรอิสระในการสร้างสมการการตัดสินใจดังกล่าว กฎการตัดสินใจที่ได้รับเป็นดังนี้
Y = 1.231 * (Source of recruitment ) -- 0.071 * (Age) + 0.165 * (Gender) - 0.337 * (Education) + 0.270 * (Relevant exp) + 0.287 * (Voice evaluation) + 0.058 * (Technical score) + 0.190 * (Grammar) -0.061 * (Aptitude) -- 0.116 * (Tech evaluation ) - 8.754
References
S.C.Gupta 'Fundamentals Of Mathematical Statistics' Sultan Chand & Sons, 11 th Ed., 2002. Rajendra Nargundkar 'Marketing Research' Tata McGraw hill, 2002. Tamara.J.Erickson & Lynda Gratton, Harvard Business Review, pp 82, March 2007. www.bpoindia.org/research/recruitment-challenge-call-center-bpo.shtml www.bookpleasures.com www.staffing.org
Vijaya Mani
Professor,
SSN School of Management and
Computer Applications,
Kalavakkam,
Tamil Nadu.
COPYRIGHT 2010 Foundation for Organisational Research & Education
No portion of this article can be reproduced without the express written permission from the copyright holder.
Copyright 2010 Gale, Cengage Learning. All rights reserved.
ความหมาย
การวิเคราะห์จำแนกกลุ่มด้วยเทคนิค Discriminant Analysis เป็นวิธีการทางสถิติที่ใช้วิเคราะห์จำแนกกลุ่มตั้งแต่ 2 กลุ่มขึ้นไป จากตัวแปรตาม 1 ตัว และตัวแปรอิสระตั้งแต่ 1 ตัวขึ้นไป( มาตรอันตรภาคหรืออัตราส่วน ) ตัวแปรตาม จะต้องเป็นตัวแปรจัดประเภท ซึ่งอาจเป็น 2 กลุ่ม หรือมากกว่า การจำแนกสมาชิกของแต่ละกลุ่มจะต้องขาดจากกันประเภท (Categorical Variable) ถ้าเป็นการจำแนก 2 กลุ่มเรียกว่า Two-group Discriminant Analysis ถ้าจำแนกมากกว่า 2 กลุ่มเรียกว่า Multiple Discriminant Analysis (MDA)
หลักการคือ การจำแนกทดสอบสมมติฐาน คือการหาว่าค่าเฉลี่ยของตัวแปรต้นแต่ละกลุ่มมีค่าเท่ากันหรือไม่ การทดสอบนัยสำคัญทางสถิติเป็นการทดสอบระยะห่างระหว่างค่า centriod(ค่าเฉลี่ยของคะแนนจำแนกของแต่ละกลุ่ม)
ผลที่ได้จากการวิเคราะห์วิธีนี้นอกจากจะสามารถจำแนกระหว่างกลุ่มได้แล้ว ยังสามารถบอกคุณลักษณที่เกี่ยวข้อง อาทิ ตัวแปรใดจำแนกได้ดีมากน้อยกว่ากัน สามารถบอกประสิทธิภาพหรือนํ้าหนักในการจำแนก การพยากรณ์การเข้าสู่กลุ่มของข้อมูลใหม่ด้วย ดังนั้นการวิเคราะห์จำแนกประเภทจึงเป็นเทคนิคการวิเคราะห์ความสัมพันธ์หรือการหาสาเหตุเทคนิคหนึ่ง (ศิริชัย กาญจนวาสี, 2550 กัลยา วินิชย์บัญชา,2551 และเพชรน้อย สิงห์ช่างชัย,2548 )
วัตถุประสงค์ของการวิเคราะห์จำแนกกลุ่ม
กัลยา วานิชย์บัญชา (2550: 236) ได้กล่าวถึงวัตถุประสงค์ ดังนี้
1. เพื่อหาสาเหตุหรือปัจจัยที่ควรใช้ในการแบ่งกลุ่ม
2. เพื่อสร้างสมการจาแนกกลุ่มที่ดีที่สุดจากข้อมูล
3. เพื่อสร้างสมการจำแนกกลุ่มมาใช้พยากรณ์หน่วยวิเคราะห์ใหม่ว่าสมควรจัดให้อยู่ใน กลุ่มใด
เงื่อนไขและข้อตกลงเบื้องต้น
ข้อตกลงเบื้องต้น ที่สำคัญของการวิเคราะห์จำแนกประเภทมีดังนี้
1. ข้อมูลที่ใช้วิเคราะห์ต้องมีการกระจายแจกแจงเป็นโค้งปกติ โดยเฉพาะตัวแปรอิสระต้องมีการแจกแจงเป็นโค้งปกติเสมอ แต่ตัวแปรตามอาจจะมีข้อยกเว้นได้ แต่ถ้าข้อมูลทั้งหมดแจกแจงเป็นโค้งปกติก็จะทำให้การวิเคราะห์มีความถูกต้องน่าเชื่อถือยิ่งขึ้น
2. กลุ่มย่อยในตัวแปรตามมีเมตริกซ์ความแปรปรวน-ความแปรปรวนร่วมเท่ากัน (Equal Variance – Covariance Matrices) การทดสอบความเป็นเอกพันธ์ของเมตริกซ์ความแปรปรวน-ความแปรปรวนร่วม นิยมใช้ Box’s M test ถ้าเมตริกซ์ ดังกล่าวของแต่ละกลุ่มย่อยในตัวแปรตามไม่เท่ากันจะมีผลต่อความผิดพลาดในการจำแนกกลุ่ม
3. ตัวแปรอิสระ 2 ตัวขึ้นไปไม่มีความสัมพันธ์กันสูง ถ้าหากพบว่ามีคู่ใดที่ มีความสัมพันธ์กันสูงกว่า 0.5 (Multicollinearity) จะต้องตัดตัวแปรอิสระคู่นั้นออก
4. ตัวแปรค่าที่มีค่ากระจายออกจากกลุ่มอย่างผิดปกติ (Outliers) จะส่งผลต่อความถูกต้องของการจำแนกกลุ่ม จึงควรตัดค่าที่มีการกระจายผิดปกติออกไปก่อนการวิเคราะห์ข้อมูล
5. ความสัมพันธ์ของตัวแปรอิสระ และตัวแปรตาม ต้องมีความสัมพันธ์กันเชิงเส้นเท่านั้น
วิธีการสร้างสมการวิเคราะห์จำแนกกลุ่ม
การสร้างสมการจำแนกกลุ่ม มี 2 วิธี คือ
1. วิธีตรง (Direct Method) เป็นวิธีการที่ผู้วิจัยต้องการตัวแปรทุกตัวเข้าสมการ ตามที่ระบุไว้
ด้วยเหตุผลทางทฤษฏี
2. วิธีแบบขั้นตอน (Stepwise Method) เป็นวิธีการที่เลือกตัวแปรทีละตัวมาเข้าสมการโดย
หาตัวแปรที่ดีที่สุดในการจำแนกมาเข้าสมการเป็นตัวแรก จากนั้นก็จะหาตัวแปรที่ดีที่สุดตัวที่สอง สามตามลำดับ
1. ความเหมาะสมของสถิติที่ใช้ในการวิจัย
จากรายงานวิจัยเรื่อง รูปแบบการทำนายคุณภาพของการรับสมัครงานในภาค BPO ผู้วิจัยมีวัตถุประสงค์หลัก เพื่อ
(1) เพื่อจำแนกประเภทลักษณะของคนที่มาเข้าสมัครงานว่า ลักษณะใดของกลุ่มตัวอย่างที่มีแนวโน้มจะเป็นพนักงานที่ดี (good hire) และพนักงานที่ไม่ดี (bad hire)
(2) เพื่อศึกษาปัจจัยที่ใช้ในการทำนายลักษณะการทำงานในองค์กร
โดยมีตัวแปรที่ผู้วิจัยศึกษามีดังนี้
ตัวแปรต้น ประกอบด้วยตัวแปร 10 ตัว คือ แหล่งที่มาของการรับสมัคร (source of recruitment),
อายุ (age), เพศ (gender), ระดับการศึกษา (educational qualification), ประสบการณ์ตรง (relevant experience),
การประเมินเสียง (voice evaluation), คะแนนทางเทคนิค (technical score), ไวยากรณ์ (grammar),
ความถนัด (aptitude), และเทคนิคการประเมิน (technical evaluation)
ตัวแปรตาม จำแนกเป็น 2 กลุ่ม คือ กลุ่มพนักงานที่ดี (good hire) และพนักงานที่ไม่ดี (bad hire)
จากข้อมูลการวิจัยสรุปได้ว่างานชิ้นนี้เลือกใช้สถิติได้อย่างเหมาะสม สอดคล้องกับหลักการของการใช้สถิติวิเคราะห์จำแนกกลุ่ม ที่เป็นเทคนิคการวิเคราะห์ที่เหมาะสำหรับการนำตัวแปรอิสระหลายตัว
ไปทำนายตัวแปรตาม ซึ่งเป็นตัวแปรกลุ่มหรือตัวแปรจัดประเภท (Categorical Variable) เนื่องจากผู้วิจัยต้องการจำแนกคุณภาพของการรับสมัครพนักงาน โดยแยกออกเป็นการรับสมัครพนักงานกลุ่มดี กับ พนักงานกลุ่มไม่ดี ซึ่งเป็นตัวแปรตาม และมีตัวแปรทำนายจำนวน 10 ตัว ดังข้อมูลข้างต้น
2. ความเหมาะสมในการนำเสนอผลและในการแปลความหมาย
2.1 จากผลการวิจัยผู้วิจัยมีการพิจารณาค่าในตาราง Eigen value
Function Eigen Percent of Cumulative Canonical
Value Variance Percent Correlation
1 0.371 100.0 100.0 .520
โดยค่าสหสัมพันธ์คาโนนิคอล (Canonical Correlation) ซึ่งเท่ากับ 0.52 ค่าแสดงว่าสมการนั้นมีความสัมพันธ์กับตัวแปรอิสระระดับปานกลาง ความสามารถในการจำแนกตัวแปรตามเป็นกลุ่มๆได้ปานกลาง / ค่าไอเก้น (Eigenvalue) เป็นค่าที่แสดงอัตราส่วนการผันแปรระหว่างกลุ่ม ต่อการผันแปรภายในกลุ่ม ถ้าค่าไอเก้นเท่ากับ 0.371 มีค่าไม่สูง แสดงว่าสมการจำแนกได้ไม่ดีนัก
2.2 จากผลการวิจัยผู้วิจัยมีการพิจารณาตาราง Wilk’s Lamda
Wilks' Lambda
Test of Wilks' Sig.
Function(s) Lambda
1 0.730 0.000
ฟังก์ชันที่ 1 Significant สามารถใช้พยากรณ์ได้
โดย Wilks' Lambda มีค่า 0.730 ค่อนข้างสูง แสดงว่า ความสามารถของตัวแปรต้นที่จะสามารถแบ่งกลุ่มตัวแปรตามไม่ดีนัก แต่ผลการวิเคราะห์พบว่าค่า sig น้อยกว่า 0.05 แสดงว่า สมการนั้นสามารถนำไปใช้จำแนกได้
2.3 จากผลการวิจัยผู้วิจัยมีการพิจารณาค่าเฉลี่ยของคะแนนจำแนกของแต่ละกลุ่ม
Table--VI
Functions at Group Centroids
Good/Bad Function
Good hire .472
Bad hire -.776
การทดสอบนัยสำคัญทางสถิติเป็นการทดสอบระยะห่างระหว่างค่า centriod (ค่าเฉลี่ยของคะแนนจำแนกของแต่ละกลุ่ม)ของแต่ละกลุ่ม เท่ากับ 0.472 และ -.0776 ซึ่งแตกต่างกันมาก แสดงว่า สมการดังกล่าวสามารถจำแนกได้ดี
2.4 จากผลการวิจัยผู้วิจัยมีการรายงานผลจากตาราง Classification Function Coefficients ซึ่งสามารถเขียนเป็นสมการ ได้ดังนี้
Ygood = 19.651 * (Source of recruitment ) -0.334* (Gender) + 26.982 *(Education) +26.803 * (Relevant exp) + 2.941 * (Voice evaluation) -0.143 * (Technical score) + 1.853* (Grammar)+2.024 * (Aptitude) + 6.959* (Tech evaluation )+5.574(Age) - 409.305
Ybad = 18.116 * (Source of recruitment ) -0.540* (Gender) + 27.402 *(Education) +26.466 * (Relevant exp) + 2.582 * (Voice evaluation) -0.216 * (Technical score) + 1.617* (Grammar)+2.100 * (Aptitude) + 6.815* (Tech evaluation )+5.662(Age) - 399.071
ซึ่งจากสมการ ดังนั้นบริษัทสามารถใช้ในการคัดเลือกคนที่จะเข้ามาในองค์กร
2.5 จากผลการวิจัยผู้วิจัยมีการรายงานผลจากตาราง Classification of results ทำให้เห็นได้ว่าจากสมการจำแนกกลุ่มที่ผู้วิจัยได้จากการวิเคราะห์ข้อมูลสามารถใช้ในการพยากรณ์ได้ถูกต้อง 76
3. ข้อเสนอแนะอื่นๆ
ผู้วิจัยควรมีการพิจารณาข้อตกลงเบื้องต้นของการวิจัย โดยใช้สถิติ Discriminant Analysis ดังนี้
ข้อตกลงเบื้องต้น (Assumption)
1) Independent variable are multivariate normal : ทดสอบโดย แยกทดสอบการแจกแจงปกติ ทีละตัวแปร หากทุกตัวแปรมีการปกติ คาดว่าทั้งหมดจะเป็น multivariate normal
2) Linearity of relationships : ทดสอบโดย สร้างกราฟเพื่อดูว่าความสัมพันธ์เป็นแบบเส้นตรงหรือไม่
3) The Independent variable should not have high multi-collinearity : ทดสอบโดย หาค่าสหสัมพันธ์ระหว่างตัวแปรต้นทั้งหมด ซึ่งตัวแปรต้นต้องไม่สัมพันธ์กันเองสูงมาก หากเกิดขึ้นต้องไม่นำตัวแปรดังกล่าวมาพิจารณา
4) The variance-covariance matrics of independent variable must be equal for all treatment Group ทดสอบโดย Boxs’m Test
5) No outliner หากมีค่า Extreme Value ต้องไม่นำมาวิเคราะห์
ซึ่งการตรวจสอบข้อตกลงเบื้องต้นทำให้มั่นใจได้ว่าผู้วิจัยใช้สถิติได้อย่างเหมาะสม
No comments:
Post a Comment