應聘者的評價問題

1、1應聘者的評價問題應聘者的評價問題摘要專家打分是現代管理決策中必不可少的一部分，具有重大意義，但專家打分由于其主觀性，不免會有偏差，于是，如何評價專家的打分并通過專家打分做出正確決策便成為了急需解決的問題。對于問題一，為補全專家評分表的個別缺失分數，我們引入聚類分析的思想，采用熱卡填充法并運用相關系數矩陣，來找到幾組與未知量所在組相似的組，建立五元方程組，用Excel求得三個缺失分數為73、76、82。對于問題二，為了確定這101名應聘

2、者的的錄取順序，我們在查閱文獻，比較了幾種排序算法之后，確定了相對最值刪除排序算法。利用這一算法我們編寫MATLAB程序（見附錄3）簡便、成功地給出了應聘者的錄取順序（見第6頁表1），其中前十名的序號為19、51、64、39、47、82、69、5、53、87。對于問題三，我們需要為專家的打分嚴格程度排序。由于這是個沒有指標集的評價問題，我們只能主觀解決，因此在統(tǒng)計學基礎上給出了最簡評價模型，得到打分最嚴的專家是甲，而打分最松的專家是丙。

3、對于問題四，我們首先運用SPSS進行聚類分析，得到了三組具有不同均值、方差特征的應聘者集合。一般而言，錄取順序上的前五名應聘者可以直接晉級，另有十名應聘者將被選出來參加第二次面試（當應聘機制不同時，此模型可相應調整），于是我們結合第二問的錄取順序，從同時具有高均分、高方差的第二組應聘者中擇優(yōu)挑選，結果如下：第51、47、5、4、87、64、91、18、16和53號應聘者應參與第二次應聘。對于問題五，我們以專家打分的均值為指標，判斷專家打

4、分是否能真實反映應聘者的水平。我們首先通過MATLAB畫出專家打分的殘差圖，直觀確定專家甲打分較有偏頗，不應參與第二次招聘，接著通過逐步回歸分析確定應該選擇專家乙、丙、戊。關鍵詞：聚類分析，熱卡填充法，相對最值刪除排序法，殘差圖，回歸分析34模型的建立與求解4.1問題一4.1.1問題的分析題目中數據附表缺失了三個數據，分別為專家甲對9號應聘者的打分，專家乙對25號應聘者的打分以及專家丙對58號應聘者的打分。我們的目標是補齊表中缺失的數據

5、。在以上數據中，數據缺失是因為專家有事外出未給應聘者打分，針對這種情況，我們采用某種方法對數據進行插補，考慮到可以根據已知數據來推求出未知數據，因此采用熱卡填充法，對于一個包含空值的變量，本方法是在完整數據中找到一個與空值最相似的變量，然后用這個相似的值來進行填充。不同的問題可能會選用不同的標準來對相似進行判定，在這里我們引入聚類分析的思想，做出樹狀圖，找到若干與空值所在的組最相似的組，然后用相關系數矩陣進行計算，從而將算出的值填充進去

6、。本方法簡單易懂，還可以保持數據本身的類型，利用本方法填充數據后，其變量值與填充前很接近。4.1.2模型的建立對于9號應聘者，設要填入的分數為，則五位專家給其打的分數分別為91g。令矩陣通過聚類分析，在樹狀圖（見9197768764g，191(97768764)Tag?附錄1.1）中選出四位與9號已知的分數相近的應聘者，我們選出了10號，11號，22號，48號應聘者的分數作為計算依據，分別將他們的分數賦予給矩陣，，，1(66938090

7、73)Tb?2(8595818169)Tb3(8696798475)Tb。4(6298749362)Tb通過相關系數矩陣得。111223344acbcbcbcb????????即：911234668586629793959698768081797487908184936473697562gcccc???????????????????????????????????????????????????????????????????????