基于贝叶斯网络模型的公司高级管理人员薪酬满意度分析

《基于贝叶斯网络模型的公司高级管理人员薪酬满意度分析》由会员分享，可在线阅读，更多相关《基于贝叶斯网络模型的公司高级管理人员薪酬满意度分析（11页珍藏版）》请在金锄头文库上搜索。

1、基于贝叶斯网络模型的公司高级管理人员薪酬满意度分析基于贝叶斯网络模型的公司高级管理人员薪酬满意度分析 王兆君，王冬鑫 【摘 要】摘 要以 Heneman 提出的薪酬满意度的几个视察维度为参照变量， 将贝叶斯网络引入薪酬满意度分析中，构建贝叶斯网络模型，通过因果推理和 诊断推理对 S 公司的薪酬满意度进行猜测和诊断，并对实证结果进行分析。研 究结果说明，贝叶斯网络用图形的方法描述数据间的互相关系，语义清楚，可 理解性强，有助于利用数据间的因果关系进行猜测与诊断，贝叶斯网络的应用 效果也是比较令人满意的。 【期刊名称】青岛科技大学学报社会科学版 【年(卷),期】2021(000)004 【总页数】

2、5 【关键词】关键词贝叶斯网络；薪酬满意度；猜测；诊断一、引言在我国，随着资本市场的不断发展，高级管理人员以下简称高管人员已经 成为企业核心竞争力不可缺少的因素，如果对高管人员激励不当就容易给企业 造成不可挽回的损失。企业留住人才有很多的途径，如富有人性的福利政策、 宽松和谐的工作环境、业主与员工的有效沟通、高效的培训机制等。依据目前 我国经济发展所处的阶段、社会成员的生活水平等因素来看，薪酬对人才的吸 引和稳定作用仍旧是第一位的。但是薪酬满意度并不仅仅局限于薪酬绝对值的 凹凸。改革开放 30 余年来，中国企业高管薪酬逐步提升，近年来更浮现快速 增长趋势。在高管人数增长 18.63%的状况下，

3、全体高管成员的薪酬总额增长 幅度高达 111.23%。但是高薪酬增长率并未带来与之相应的高薪酬满意度，这 就造成了企业资源的浪费。因此关于薪酬满意度的研究显得尤为重要1。 国外学者对高管薪酬的研究起步早，而且研究成果比较丰富。我国对高管薪酬 的研究与国外相比，在研究方法、研究深度等方面都存在很大差距。以往的研 究多局限于探讨影响薪酬满意度的因素，也有一些研究用因子分析法分析了各 个影响因素关于薪酬满意度的影响程度，但是很少有从薪酬满意度的猜测和诊 断角度进行研究。本文以 Heneman 等人对薪酬满意度的研究为基础，以 S 公 司为案例，将概率论与图论结合起来，构建贝叶斯网络图，通过引入专家知

4、识， 实现贝叶斯网络学习。这样建立起来的贝叶斯网络图突破了以往的研究，具有 以下两种功能：1在已知各个影响薪酬满意度的父节点满意度的状况下，可 以推测出子节点满意度，即因果推理。2在已知公司高管对薪酬满意度时， 通过贝叶斯概率寻找对满意度有较大影响的因素，即诊断推理，从而有针对性 地进行改善。二、研究概念的界定一企业高级管理人员 本文中高级管理人员是指企业经营管理团队成员，他们参加经营管理并领取企 业薪酬，这些人员组成企业的高层管理团队，负责企业的重大决策和日常经营， 不同于经济学和财务学意义上的高级管理人员。本研究采纳孙海法、伍晓奕关 于高层管理团队的概念界定：高层管理团队是指公司高层经理的

5、相关小群体， 包括 CEO、总经理、副总经理以及直接向他们汇报工作的高级经理2。这个 界定与本文的研究对象界定是一致的。 二薪酬满意度 薪酬满意度compensation satisfaction，简称 CS是员工对薪酬的一种态 度，不同研究人员对薪酬满意度理解不同3。薪酬满意度的研究始于公平理 论的提出者美国学者亚当斯Adams，亚当斯认为薪酬满意度应该是作为一 个单维的、继续的、有正值与负值的变量。他指出薪酬满意度起因于个人对薪 酬给付公平的感觉，这种感觉来自于知觉和比较的复杂过程。他认为，员工会 对自己与他人的得失之比进行比较。如果得失之比相似，员工就会对自己的薪 酬感到满意；如果得失之

6、比不同，员工就有可能对自己的薪酬感到不满。1991 年，米斯迪和莱恩Micedi，Lane将薪酬满意度定义为：“薪酬满意度是个 人关于薪酬pay正向或负向的情感总和。并把薪酬pay的概念扩大到包 括工资wages和薪给salaries以及福利benefits4。本文修正米 斯迪和莱恩薪酬满意度定义后，将“薪酬满意度定义为个人关于薪酬涵盖外 在薪酬和内在薪酬的多个方面的正向或负向的情感总和。三、贝叶斯网络的构建一般状况下，构造贝叶斯网指有三种不同的方式：1由领域专家确定贝叶斯 网络的变量有时也称为影响因子节点，然后通过专家的知识来确定贝叶斯 网络的结构，并指定它的分布参数。这种方式构造的贝叶斯网

7、络完全在专家的 指导下进行，由于人类获得知识的有限性，导致构建的网络与施行中积存下的 数据具有很大的偏差。2由领域专家确定贝叶斯网络的节点，通过大量的训 练数据，来学习贝叶斯网络的结构和参数。这种方式完全是一种数据驱动的方 法，具有很强的适应性，而且，人工智能、数据挖掘和机器学习的不断发展， 使得这种方法成为可能。如何从数据中学习贝叶斯网络的结构和参数，已经成 为贝叶斯网络研究的热点。3由领域专家确定贝叶斯网络的节点，通过专家 的知识来指定网络的结构，通过机器学习的方法从数据中学习网络的参数。这 种方式实际上是前两种方式的折中，领域中变量之间的关系较显然的状况下， 这种方法能大大提升学习的效率

8、5。 第一种方法专家的主观性过强，第二种方法必须要大量的训练数据，计算过程过 于冗长复杂，而第三种方法结合了专家的主观推断和数据训练。本文采纳的是 第三种方法，这种方法的优点是，它提供了一种自然地表示因果信息的方法， 马上一个节点的父节点理解为该节点的直接原因，同时避免了过强的主观性。 一网络节点的选取及其拓扑结构确实定 Heneman、Schwab、叶广峰、孙海法等人的研究认为，薪酬满意度包括薪酬 水平满意度、薪酬提升满意度、薪酬结构满意度和福利满意度四个维度6。 威廉姆斯等的研究认为，薪酬满意度包括薪资和福利，福利满意度包括福利水 平满意度、福利决定满意度、福利管理满意度三个维度，薪资类包

9、括薪资水平 满意度、薪资结构满意度、薪资提升满意度、变动薪资满意度四个维度7。 本文对以上观点进行了修正，关于薪酬满意度的视察从以下四个维度进行：薪 酬水平满意度、福利水平满意度、薪酬结构满意度和内在薪酬满意度。薪酬水 平满意度包涵三个维度：个人薪酬水平、公司薪酬水平、行业薪酬水平；福利 水平满意度包涵两个维度：福利水平和福利管理；薪酬结构满意度包涵两个维 度：风险倾向和企业文化，因为风险倾向和企业文化影响薪酬结构的激励性和 稳定性，从而影响薪酬的满意度；内在薪酬满意度包涵四个维度：决策自由度、 工作挑战性、工作丰富性、职业发展前景。基于此，模型选取的网络一级子节 点为薪酬满意度Compens

10、ation satisfaction，CS。二级子节点包括薪酬水 平满意度 Degree of satisfaction ，DS、福利水平满意度 Degree of satisfaction of benefit level ， DB 、 薪 酬 结 构 满 意 度 Degree of satisfaction of compensation structure，DC、内在薪酬满意度Degree of satisfaction of internal pay，DI。父节点为个人薪酬水平Personal compensation degree，PC、公司内薪酬水平Company compensa

11、tion degree，CC、行业内薪酬水平Vocation compensation degree ，VC、 福利水平Benefit level，BL、福利管理Benefit management，BM、 企业文化Enterprise culture，EC、风险倾向Risk propensity，RP、决 策自由度Degree of freedom of decision ，DF、工作挑战性Work challenging，WC、工作丰富性Work richness，WR、职业的发展前景 career development，CD。结合专家知识构建拓扑模型结构见图 1。 二节点状态确实定 确

12、定了网络的拓扑结构后，接下来要为每个节点确定有几种状态。节点状态的 确定可以由专家依据经验知识获得，也可以依据节点数据本身的特点进行分析。 本文采纳专家知识对每个节点规定状态，其中个人薪酬水平、公司内薪酬水平、 行业内薪酬水平、福利水平分为高与低状态，风险倾向分为风险与风险规避状 态，其他分为满意与不满意状态。 三贝叶斯网络学习 贝叶斯网络的参数学习实质上是在已知网络结构的条件下，学习每个节点的概 率分布表。早期贝叶斯网络的概率分布表是由专家知识指定的，然而这种仅凭 专家经验指定的方法，往往与观测数据产生较大的偏差。当前比较流行的方法 是从数据中学习这些参数的概率分布，这种数据驱动的学习方法具

13、有很强的适 应性8。数据指的是领域变量的一组观测值 四贝叶斯网络推理1因果推理 经过训练后的贝叶斯网络可以利用概率传播进行因果推理。例如，用 PDS 表示薪酬水平满意度为满意的概率。在已知个人薪酬水平PC、公司薪酬水 平CC、行业薪酬水平VC的节点状态时， 同样，其他节点的概率推理过程类似，在已知父节点的状态时可以推算出子节 点状态的概率。 2诊断推理 诊断推理是指据已知子节点状态推知其父节点状态概率的过程，即所谓的执果 寻因。例如，用 表示在福利满意度为满意的状况下，福利水平满意度为满意的 概率，则 同样，其他节点的概率推理过程类似，在已知子节点的状态时可以倒推出父节 点状态的概率。四、实证

14、研究一条件概率学习 S 公司具有审计、评估、咨询、工程造价等资质，目前在山东省同行业中排名 前 3，在青岛当地排名第 1。拥有从业人员 200 多人，其中，有注册会计师资 质的从业人员 100 多人，有资产评估师、工程造价师等资质的从业人员 150 多 人。公司属于特别一般合伙人制企业，本文中所指合伙人相当于公司制企业的 高级经理。公司员工共分为 11 个级别，助理分为一级助理和二级助理，经理 分为 5 个级别，从一级经理至五级经理，比经理级别更高的是大客户经理，分 为 3 个级别，最高级是合伙人和总经理。目前事务所有助理人员 67 人，经理 125 人，合伙人和总经理 18 人。一级经理及以

15、上级别的共有 45 人，本文只针 对一级经理及以上级别的职位进行薪酬满意度分析。 在了解到其薪酬标准后，选取 30 位高级管理人员对其薪酬满意度进行评价，1 代表高、满意或者竞争型和风险，2 代表低、不满意或者中庸型和风险规避。 其评价结果见表 1。 选择前 28 组数据通过数据学习，对先验概率进行修正，得出后验概率，选择 第 29 组数据用来验证因果推理，选择第 30 组数据用来验证诊断推理。薪酬水 平满意度的 CPT 表见表 2，福利满意度的 CPT 表见表 3，薪酬结构满意度的 CPT 表见表 4，内在薪酬满意度的 CPT 表见表 5，薪酬满意度的 CPT 表见表 6。 二因果推理 依据

16、表 1 第 29 组数据，得出以下推理结果： 在个人薪酬水平为高、公司薪酬水平为高、行业薪酬水平为低的条件下，由表 2 可知薪酬水平满意度为满意的概率为 0.71，表 1 第 29 组数据显示薪酬水平 满意度为满意。 在福利水平为高、福利管理为不满意的条件下，由表 3 可知福利满意度为满意 的概率为 0.7，表 1 第 29 组数据显示福利满意度为满意。 在风险倾向为风险规避型，企业文化为竞争型的条件下，由表 4 可知薪酬结构 满意度为满意的概率为 0.5，表 1 第 29 组数据显示薪酬结构满意度为满意。 在决策自由度为不满意、工作挑战性为不满意、工作丰富性为不满意、职业发 展前景为满意的条件下，由表 5 可知内在薪酬满意度为满