[發(fā)明專(zhuān)利]基于大數(shù)據(jù)模型的電力創(chuàng)新人才能力評(píng)估方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201910402884.6
• 申請(qǐng)日: 2019-05-15
• 公開(kāi)（公告）號(hào): CN110929974A
• 公開(kāi)（公告）日: 2020-03-27
• 發(fā)明（設(shè)計(jì)）人: 沈然;王正國(guó);胡若云;涂瑩;孫鋼;丁麒;裘煒浩;王慶娟;朱斌;谷泓杰;何韻;黃宇騰
• 申請(qǐng)（專(zhuān)利權(quán)）人: 國(guó)網(wǎng)浙江省電力有限公司電力科學(xué)研究院
• 主分類(lèi)號(hào): G06Q10/06
• 分類(lèi)號(hào): G06Q10/06
• 代理公司: 浙江翔隆專(zhuān)利事務(wù)所(普通合伙) 33206
• 代理人: 王曉燕

1.基于大數(shù)據(jù)模型的電力創(chuàng)新人才能力評(píng)估方法，其特征在于包括以下步驟：

1)數(shù)據(jù)采集：獲了數(shù)據(jù)信息，數(shù)據(jù)信息包括員工基礎(chǔ)屬性數(shù)據(jù)、創(chuàng)新能力測(cè)評(píng)數(shù)據(jù)、員工能力測(cè)評(píng)數(shù)據(jù)、員工考核評(píng)測(cè)數(shù)據(jù)；

2)數(shù)據(jù)處理：包括數(shù)據(jù)清洗、數(shù)據(jù)集成、數(shù)據(jù)變換和數(shù)據(jù)規(guī)約；

3)構(gòu)建模型，基于因子分析法對(duì)創(chuàng)新基地員工的能力因子進(jìn)行評(píng)估，根據(jù)問(wèn)題的性質(zhì)和要求達(dá)到的總目標(biāo)，篩選創(chuàng)新基地員工的能力因子變量，并按照員工能力因子變量間的相互關(guān)聯(lián)影響以及隸屬關(guān)系，分析出員工能力因子變量的兩兩相關(guān)性，基于正交法和旋轉(zhuǎn)法，得出影響員工能力因子相關(guān)性密切的員工能力因子變量并對(duì)因子變量系數(shù)進(jìn)行標(biāo)準(zhǔn)評(píng)分，得到相關(guān)性比較密切的員工能力因子變量，相關(guān)性比較密切的員工能力因子變量成為一公共因子，根據(jù)公共因子得到分析模型；分析模型根據(jù)相關(guān)性大小把原始變量進(jìn)行分組，使得同組內(nèi)的變量之間相關(guān)性較高，而不同組的變量間的相關(guān)性則較低，每組變量代表一個(gè)基本結(jié)構(gòu)，并用一個(gè)不可觀測(cè)的綜合變量表示，這個(gè)基本結(jié)構(gòu)即為公共因子；

4)模型結(jié)果輸出，根據(jù)分析模型的評(píng)估方法計(jì)算員工各能力因子得分，得到員工能力的分析評(píng)估結(jié)果，可找出員工能力薄弱的方面，從而有針對(duì)性地制訂培訓(xùn)材料，培訓(xùn)計(jì)劃，進(jìn)而實(shí)現(xiàn)員工的能力提升。

2.根據(jù)權(quán)利要求1所述的基于大數(shù)據(jù)模型的電力創(chuàng)新人才能力評(píng)估方法，其特征在于：分析模型構(gòu)建包括以下步驟：

301)標(biāo)準(zhǔn)化處理數(shù)據(jù)；對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理和計(jì)算以消除量綱；

302)確認(rèn)待分析的原變量是否適合作因子分析

計(jì)算原始變量之間的相關(guān)系數(shù)矩陣；

自變量的相關(guān)系數(shù)矩陣表示為R＝(r_ij)_p×p，其中，

根據(jù)相關(guān)系數(shù)矩陣計(jì)算公式得出員工能力之間的相關(guān)性系數(shù)；其中

Xai是表示Xi變量中的第a個(gè)觀測(cè)者，Xi拔表示的是Xi這個(gè)變量的平均值，Xaj表示的Xj變量中的第a個(gè)觀測(cè)者，Xj拔表示的是Xj這個(gè)變量的平均值。

303)構(gòu)造因子變量，建立正交因子模型

采用主成分分析法，建立員工正交因子模型；通過(guò)坐標(biāo)變換，將原始變量作線性變化，轉(zhuǎn)換為另一組不相關(guān)的變量；求相關(guān)系數(shù)矩陣R的特征根λi(λ1＞λ2＞...＞λp＞0)和相應(yīng)的標(biāo)準(zhǔn)正交的特征向量li；根據(jù)相關(guān)系數(shù)矩陣的特征根，即公共因子Fi的方差貢獻(xiàn)，計(jì)算公共因子Fi的方差貢獻(xiàn)率與累積貢獻(xiàn)率；

設(shè)X＝(X₁，...，X_p)′為可觀測(cè)的隨機(jī)向量，E(X)＝μ，D(X)＝∑；設(shè)公共因子F＝(F₁，...，F(xiàn)_m)′為不可觀測(cè)的隨機(jī)向量，E(F)＝0，D(F)＝I_m，即F的各分量方差為1并且互不相關(guān)；設(shè)特殊因子ε＝(ε₁，...，ε_p)′與公共因子F互不相關(guān)；且E(ε)＝0，

假定隨機(jī)向量X滿足以下正交因子模型：

A＝(a_ij)_p×m稱(chēng)為因子載荷矩陣，a_ij稱(chēng)為第i個(gè)變量在第j個(gè)因子上的載荷；

按照方差累計(jì)貢獻(xiàn)率大小來(lái)確定提取公共因子的個(gè)數(shù)，得到因子載荷矩陣；

304)采用旋轉(zhuǎn)方法使因子變量具有可解釋性

采用正交旋轉(zhuǎn)的方法，使公共因子的相對(duì)負(fù)荷的方差之和最大，且保持原公共因子的正交性和公共方差總和不變；使每個(gè)因子上的具有最大載荷的變量數(shù)最小，簡(jiǎn)化結(jié)構(gòu)；

通過(guò)對(duì)因子載荷矩陣進(jìn)行分析，得到因子變量和原有變量之間的關(guān)系，從而對(duì)新的因子變量進(jìn)行命名，使原有因子變量更具有可解釋性；

305)計(jì)算公因子得分

采用回歸法、或Bartlette法估計(jì)因子得分；計(jì)算公因子得分應(yīng)首先將因子變量表示為原始變量的線性組合，在通過(guò)標(biāo)準(zhǔn)評(píng)分系數(shù)計(jì)算公因子得分；根據(jù)相關(guān)性原則，系數(shù)值越大，相關(guān)性越大，采用系數(shù)值較大的三個(gè)因子變量，做線性相關(guān)得出公因子得分；獲得公因子。