בסקרים המתבצעים בארגוני המענה המקסימלי לסקרים הינו 60% .
האם ניתן לומר שהסקרים אינם מובהקים ולכן לא ניתן להסיק ממצאיהם?
נציין שבסקרים נמדדת כל האוכלוסיה הרלוונטית.
המובהקות הסטטיסטית מבטאת את מידת הביטחון שהתוצאה שהתקבלה במדגם מאפיינת את האוכלוסייה כולה. כאשר את עורכת סקר ארגוני, ומצליחה למדוד את כל האוכלוסייה, המונח מאבד את משמעותו.
שמי לב, שכאשר את משתמשת בתוכנות הסטטיסטיות הסטנדרטיות, חישובי המובהקות במבחנים הסטטיסטיים השונים מבוססים על הנחה כי את דוגמת מתוך אוכלוסיה אין סופית. את עלולה להחמיר מדי עם עצמך, אם תתבססי על מבחני המובהקות הללו.
אחוז ההיענות כשלעצמו אינו נותן תשובה מספקת, וההערכה שלו קשורה בגודל הארגון ובהומוגניות של העובדים בו. אם האוכלוסייה הטרוגנית, ומורכבת למשל מעובדים במחלקות שונות, בדרגים שונים, או במאפייני עיסוק שונים, כדאי לבדוק האם כל הקבוצות הרלוונטיות נכללות במדגם, מה אחוז ההיענות בקרב כל קבוצה, והאם המשקל של כל קבוצה במדגם דומה לזה שבאוכלוסיה.
בטופסי הערכת עובדים למיניהם הנטייה היא דווקא לקצוות, להערכות הגבוהות, לכן עדיף לקבוע את הערכת האמצע, או שתי הערכות האמצע, כך שיתארו את העובד או החניך הסביר מבחינת הארגון. נסי לנסח סולם שקשור לציפיות מהחניך או לנדרש ממנו (גבוה מהנדרש... מתאים לנדרש... נמוך מהנדרש...), וזכרי שתפקוד "גבוה" אצל חניך שונה מ"גבוה" אצל עובד בכיר. אני ממליצה לנסח את כל הקטגוריות, ולהוסיף לצידן מספרים בסולם, בכיוון שתואם לנוסח הקטגוריות.
הי ליטל,
שאלתי היא מה ההבדל בין מתאם פירסון שהתוצאה שלו יוצאת שלילית לבין ניתוח רגרסיה שמצביעה גם היא על תוצאה שלילית וכיצד נכון לפרש את התוצאה בכל אחד מהמקרים.
תודה,
אורי
מתאם פירסון מצביע על כיוון ועוצמת הקשר הליניארי בין המשתנים. לעומת זאת, המקדם במודל הרגרסיה מאפשר לנבא באמצעות המשתנה הבלתי תלוי את ערכו של המשתנה התלוי.
הי ליטל,
ביצעתי ניתוח רגרסיה לינארית על מנת לבדוק את הקשר בין ארבעה משתנים בלתי תלויים מאותו עולם תוכן ובין המשתנה התלוי שלי. ה-B יצא לי חיובי אך ערכו הוא 0.000 ואילו ה"ביתא" יצאה שלילית ומובהקת. ברור לי לפי המובהקות שהקשר קיים ומובהק אך לא ברור לי מה כיוון הקשר האם עלי להסתכל על ה-B החיובית ומכן להסיק שהקשר בין המשתנים חיובי או על ה"ביתא" השלילית ומכאן שהקשר בינהם שליל ומדוע בכלל יש הבדל ביניהם.
תודה רבה,
אורי
ה-Bים הנם ערכי המקדמים בקו הרגרסיה. ערכי הביטא הנם ערכים סטנדרטים שאינם תלויים ביחידות המדידה, להבדיל מה-Bים. סביר ש-B וביטא יהיו באותו כיוון. נראה לי שבמודל אצלך הופרה אחת מהנחות הרגרסיה. ארבעת המשתנים הבלתי תלויים שבחרת מייצגים את אותו גורם ומתואמים בינהם (מולטיקולינאריות).
היי ליטל, מעניין אותי מה דעתך המקצועית בעניין: בתהליך הערכות עובדים יש בעיה של הטייה בהערכה של מנהלים את העובדים שלהם. יש מנהלים מחמירים ויש מקלים. יש מנהלים שבשבילם ציון "8" זה רק לאלוהים ויש מנהלים שבשבילם ציון "8" זה המינימום שהוא ידרג את העובדים שלו. מנהל משא"נ, כדי להתמודד עם "הבעיה", מבקש לנרמל את התוצאות כדי להביא מבחינתו את כל המנהלים לכדי ציונים הניתנים להשוואה בין אחד לשני. כך הוא לטענתו יוכל להשוות בין הציונים של המנהלים השונים בארגון. אציין כי כמות העובדים שיש לכל מנהל תחתיו מתחילה מ-1 עד מקסימום 15, כאשר לרוב המנהלים בארגון יש בממוצע בין 3-7 עובדים. יש סה"כ כ-100 מנהלים בארגון. מה את אומרת? לנרמל או לא? (והייתי שמחה לדעת את השיקולים המקצועיים והסטטיסטיים).
לסיגל,
את שואלת שאלה מעניינת ומורכבת.
ראשית, חשוב לזכור שמטרת תהליך הערכת עובדים הנה בראש ובראשונה לקיים שיחת משוב בין העובד והמנהל.
שנית, הדרכת המנהלים לקראת התהליך, והטכניקות השונות בבניית טופס ההערכה וניסוח הפרטים בו, יכולים לסייע בהפחתת ההטיות. ואכן, בסיום תהליך ההערכה ניתן לזהות הבדלים בין המנהלים, בדפוסי המילוי של טופסי ההערכה, וביצירת הטיות.
ולשאלתך, אין תשובה חד משמעית אשר מתאימה לכל ארגון ולכל תהליך הערכה. ישנם שיקולים רבים: מה מטרת ההשוואה בין המנהלים, או בין היחידות השונות בארגון? באיזו מידה ציוני ההערכה משמשים לקבלת החלטות בארגון? מהי השונות בין הערכות המנהלים? מהי השונות בהיקף ההערכות שביצע כל מנהל? מהו סולם המדידה בטופס ומה הפרשנות של כל קטגוריה בו?
יש מצבים שבהם ניתן לנרמל את התוצאות ויש מצבים שבהם אין הדבר מומלץ. אני מזמינה אתכם להיות בקשר להתייעצות, כדי לבחון לעומק את התשובה, לגופו של עניין.
בהצלחה!
תודה על התשובה המהירה. כל מה שכתבת נכון אך השאלה היא אחרת. הרי כולנו מכירים את עניין הנירמול כאשר רוצים לעשות השוואה בין שני מרצים באוניברסיטה שלימדו את אותו הקורס. העניין הוא שיש להם N מאוד גדול (נניח 300 סטודנטים לכל מרצה). הנירמול פירושו להפוך להתפלגות נורמאלית ואנו יודעים שהתפלגות של ציונים יכולה להיחשב כנורמאלית רק אם מספר הפריטים בה (ה-N) שווה או גדול ל-30. לכן, האם סטטיסטית נכון לבצע נירמול של תוצאות בין מנהלים כאשר אנחנו יודעים בהכרח שה-N לכל מנהל לא מספיק גדול? (כלומר יש לכל מנהל בין 5-10 עובדים, ולא את המינימום 30 הנדרשים. ואף יש מנהלים עם עובד אחד). האם במצב הזה נירמול בהכרח לא מעוות את התוצאות? ברגע שיש מנהל עם 2 עובדים או 7 עובדים - עצם פעולת הנירמול מעוותת בהכרח את התוצאה ולא משיגה את המטרה. זאת מאחר וברגע שה-N קטן בהרבה מ-30 - הנירמול למעשה לא משקף את המתרחש בפועל וסטטיסטית הפעולה אינה נכונה (כמו להבדיל שאסור לחלק ב-0 - זאת פעולה שאינה מוגדרת ואינה נכונה). הייתי שמחה לשמוע את דעתך. האם אני צודקת?
פעולת הנירמול מביאה קבוצת משתנים בעלי סולם יחסי לידי השוואה על ידי יצירת נקודת התייחסות אחידה.
לשאלתך,
ניתן לנרמל את הערכות העובדים על ידי חישוב ציון התקן של כל הערכה או על ידי דירוג ההערכות לפי אחוזונים. לדוגמא: בשיטת ציון התקן, מחשבים לכל מנהל את הציון הממוצע של ההערכות שנתן לעובדיו ואת סטית התקן של ציוני ההערכות. ואחר כך מחושב כל ציון של כל עובד מחדש (ציון פחות הממוצע חלקי סטית התקן)באופן זה ניתן להשוות הערכות עובדים ממנהלים שונים.
כמובן ישנן שיטות נירמול רבות נוספות. זו היתה רק דוגמא.
למיכל,
היות שה- eigenvalue הוא אינדקס לכמות השונות שהפקטור מסביר, שבו ערך של 1 משמעותו שהוא מסביר שונות במשתנה אחד, וערך גבוה מ-1 משמעותו שהוא מסביר שונות ביותר ממשתנה אחד, קיים כלל אצבע ליצירת פקטורים שבהם הוא גבוה מ-1. אבל באופן עקרוני יכול להיות פקטור שה- eigenvalue בו נמוך מ-1 והוא בכל זאת מסביר שונות משותפת של מספר משתנים. (למשל, גורם שמסביר 0.33מהשונות בכל משתנה מבין 3 משתנים, ובסה"כ 0.99). חשוב שתוודאי שבפתרון שקיבלת הפקטורים הגיוניים מבחינה קונספטואלית. יכול להיות מצב שבו תסירי פקטור עם eigenvalue גבוה מ-1 שאת לא יכולה לפרש בצורה הגיונית, או שתשמרי פקטור שיש לו משמעות קונספטואלית גם אם ה- eigenvalue נמוך מ-1. בכל מקרה, אם תסכמי את ה- eigenvalues תקבלי מדד לאחוז השונות המוסברת, וכך תוכלי להעריך באופן כללי את הפתרון שקיבלת.
בהצלחה!
הוספת תגובה
