第四章 研究方法。
本论文主要使用的研究方法包括主成份分析、群落分析、AHP 分析层级程序法及 VIKOR 排序法，其中主成份分析法是用来将企业的绩效考核表上原定的诸多评量准则予以简化，以求得其相互间独立性较佳的综合评量指标，其次再以此为基础，采用群落分析法对受评员工进行分群，以得知各群落的属性，给予管理上的建议；复将新的综合指标及原评量准则，以 AHP 法进行权重分配的问卷，以得到一适切的权重值，最后再采用 VIKOR 排序法，将问卷所得权重与员工各项绩效值进行合并计算，以取得各个员工的总绩效值及排序，做为 R 公司在进行工作安排、调升、调职与调薪等的参考资料。
4.1 主成份分析法。
主成份分析法（Principal Component Analysis）是由 K. Pearson 首先提出，再由 Hotelling 加以发展的一种统计方法[10].主成份分析乃将少数几个变数予以线性组合，使经由线性组合而得到的成份（Components），其变异数为最大，换句话说，即在不同成份能显示出最大的个别差异；主成份分析主要由 p 个观测变量 X1, X2, … , Xp 等的线性结合式，重新结合成组相互间无相关的新组合，此一新组合为 p 个变量的综合特性质，称的为主成份。
主成份分析法的计算理论基础主要分为两种，其一为以相关矩阵 R 为出发点；另一则为以变异互变异矩阵 V 为出发点，两者方式均可，本研究系采用相关矩阵为出发点方式计算，其步骤依序分为（1）资料标准化，（2）计算相关系数矩阵，（3）计算特徵值矩阵（Eigen-Vector），（4）决定主成份个数，（5）计算主成份的因子负荷量（6）计算主成份得点。
4.1.1 资料标准化。
进行主成份分析时，如果 p 个变量的单位不尽相同时，则宜将资料标准化后进行分析，其资料标准化的公式如下：
4.1.2 计算相关系数矩阵。
假设共有 k 个主成份 Y,以 Yk 表示，下式的相关矩阵即是用来计算主成份 Yk 与原有的特性质 xi 的相关系数，称为因子负荷量（Factor Loading）。
4.1.3 计算特征值矩阵（Eigen-Vector）[R] ? {x} ? λ ? {x} = { 0 }
（Eigen-value），此一计算，可直接利用统计软体为的。
（3-3）其中，[R]为相关系数矩阵，{x}为标准化后的绩效值， λ为特徵值3.1.4 决定主成份个数。
利用上述第 3.1.3节计算而得的特徵值的主成份贡献度，即可计算其累积贡献度，当其累积贡献度大于 0.7 或 0.8 时，即认定为该等主成份足以用来代表原有变数的变异，并决定主成份 Yi 的个数。
4.1.5 计算主成份的因子负荷量。
复利用上述第 4.1.4负荷量。
4.1.6 计算主成份得点。
最后，再使用上述第4.1.4此即完成主成份分析的工作。
本研究主要是利用主成份分析法将 R 公司线上直接人员的年度考核资料进行分析，以将原绩效考核办法中的八项绩效衡量指标进行分析，找出相依性高的指标将的合并为综合指标，同时对于与该指标相对应的权重亦应重新考量。
节所得的主成份 Yi 及第 4.1.3节的特徵值，计算其主成份得点，亦即原个案在新的主成份变数 Yi 下的绩效值，如
4.2 群落分析法。
所谓群落分析（Cluster Analysis）乃将具有 P 个特性的样本（个体或对）象，依类似性将相类似的样本归于同一群[10],如此，可归类成数个群体，然后分析每一个群体的特性的一种方法。群落分析的性质，主要以特性为中心，将资料区分为数个群体，每一个群体的间并无大小的关系。
群落分析，依其目的的不同可区分为阶层的方法（Hierarchical method）与非阶层的方法（Non-hierarical method）两种，略述如下：
4.2.1 阶层的群落分析法。
所谓阶层的阶层群落分析法，主要计算个体间的距离，并以其中最短距离的二点作为一个群体，形成数个群体后，再将最近者融合（Fusion）成一个新的群体。如此依次融合成大群体，最后得到的一个群体包括全部的个体，这此群体可以用树形图（Dendrogram）来表示，并用以了解群体相互间的阶层结构关系。
上述计算距离是此一方法的核心，目前有许多种距离计算方法，兹列举部分如下：
5. 最短距离法（Nearest neighbor method）。
6. 最长矩离法（furthest neighbor method）。
7. 中位数法（median method）。
8. 重心法（Centric method）。
9. 群平均法（Group-average method）。
10. Ward 法（Ward's method）。
11. 可变法（Flexible method）。
12. 众数法（Mode method）。
13. B 系数法（Coefficient of Belonging method）。
4.2.2 非阶层的群落分析法。
当群落分析不能以阶层的方法处理时，如欲使一群体分割成数个群落，则可应用非阶层的群落分析方法。非阶层的方法通常先给与一基准，然后比较所构成的群落是否适当，如不适当则再反覆计算，直至求取满足该基准的群体分割为止[10].
本研究系直接采用 Statistia?软体所提供的 K Mean 值计算方式，进行群落分析；本研究采用群落分析法的目的在于希望能藉由前述以主成份分析法求得的综合指标来将受评人员分群，并解释每一群受评人具有何种工作属性，以给予 R 公司的管理人员作为管理上的参考，或是对人员的训练或工作内容进行调整，以达到最佳的管理效果。
4.3 分析层级程序法（AHP, Analytic Hierarchy Process）。
分析层级程序法（AHP, Analytic hierarchy process）为 Thomas L. Saaty[20]
于 1971 年所发展出来的理论 主要应用在不确定（Uncertainty）情况下及具有，多数个评估准则的决策问题[15],适合应用在规划、决策的顺序、替代的方案与绩效评估准则等方面。Saaty 及 Kearns[27]认为分析层级程序法是解决层级性问题的系统过程，它把问题一层层的解开后再合理性的组织起来，让决策者透过配对式的比较，以判断问题的权重进而决定顺序。
4.3.1 分析层级程序法的应用。
在苏雄义与赖宪忠的「应用 AHP 于设定专业员工绩效评估准则的个案研究与启示」[17]、赖光真的「教科书选用评准权重的决定：分析层级程序法（AHP）的应用」[13]、李宗儒与郑正鑫的「以分析层级程序法拟定物流中心的成功营运因素」[3]、李梁坚与张志向的「银行业服务品质评估项目及构面建立的研究」[4]、方国定与许钦嘉的「便利商店立地选择的评估─AHP决策模式」[1]、以及陈志坚与陈耀竹的「报纸广告业务人员绩效评估的研究」[6]等文献研究中，均认为绩效评估仍以分析层级程序法的理论最为适当。
分析层级程序法的优点在于对问题系统所认定的要件（Entities）组成几个「互斥集合」（Disjoint sets）而形成上下「隶属」（Dominated）的层级关系。
并可藉由一致性检定，选择有效问卷以控制结果的可信度。经由层级关系来进行逻辑判断，取得各种方案的综合评价后，作为方案决策的参考。简单的说，层级分析法是一种在多重准则（Multi-criteria）的情况下，进行决策的分析工具。
4.3.2 分析层级程序法的步骤。
邓振源及曾国雄[13][14]指出，利用 AHP 进行决策问题时，包括三个阶段，分述如下：
1. 第一阶段：建立层级。
层级架构无一定建构程序，但建构时最高层级为评估的最终目标，最低层级为替代方案，重要性相近的要素需尽量放在同一层级，层级内要素最好不超过七个，且层级内各要素需独立。
2. 第二阶段：各层级要素间权重计算。
此阶段主要用来计算各层级中各要素间的相对权重，共分为三个步骤：
a. 建立成对比较矩阵。
评估项目是在以上一层级评估项目的评估基准下，以名目尺度与同一层级内其他评估项目做成对比较，各尺度意义如表 3-1 所示。
b. 计算特徵值与特徵向量。
将最大特徵值（？max）所对应的特微向量标准化后，即为各评估准则间的相对权重。Saaty[26]提出下列四种计算特徵向量的方法：
行向量平均值的标准化，计算方法如下：
列平均值的标准化，计算方法如下：
行向量和倒数的标准化，计算方法如下：
列向量几何平均值的标准化，计算方法如下：
本研究以列向量几何平均值的标准化来求取各评估准则的权重。
c. 一致性检定。
决策者（填问卷者）前后判断（准则两两比对）是否一致，可以用一致性指标（Consistency Index, C.I.）来衡量，其中 C.I.=（ ?max -n）/（n-1），当 C.I.=0 时表示受访者前后判断完全具一致性，Saaty[26]建议 C.I.时在小于 0.1 时为可容许的偏误，表 3-2 显示不同的 n 值下，产生不同的 C.I.值，称为随机指标（Random Index, R.I.）。
在 相 同 n 值 的 矩 阵 下 , C.I. 值 与 R.I. 值 的 比 率 称 为 一 致 性 比 率（Consistency Ratio, C.R.），即 C.R.=C.I./R.I.,若 C.R.≦0.1 时，则矩阵的一致性令人满意。
返回目录 第三章 员工绩效考核现行作法探讨 第五章 整体层级权重计算
