京公网安备 11010802034615号
经营许可证编号:京B2-20210330
如何从数据分析的角度看待“离职潮”
4月14日一早,一封辞职信引发热评,辞职的理由仅有10个字:世界那么大,我想去看看。有人评这是“史上最具情怀的辞职信,没有之一”。随着“情怀”二字影响力的扩大,一封封奇葩的离职信在网络上的互传,各种各样的离职“情怀”进入我们的视野。
辞职需要理由吗?辞职不需要理由吗?攀到高枝,辞职吧。工薪太少,辞职吧。心情不好,辞职吧。路途太远,辞职吧。上司太恶,辞职吧。身体不好,辞职吧。马云总结说员工离职的原因很多,只有两点最真实,一是钱没给到位,二是心委屈了。所有的离职原因归根结底就是员工的满意度低。
针对上面提到的员工满意度,本文通过实证调查,分析员工的工作满意度与主观幸福感现状及其相互关系。本文借鉴工作满意度领域和主观幸福感领域的新理论,考虑到人口变量学因素的影响,建立起工作满意度、人口变量学因素、主观幸福感三者之间的概念模型和相关假设,并对其进行论证,从而进一步制定出有效提高员工满意度并改善员工主观幸福感的对策,具体见图1。
一、研究内容
美国心理学家赫兹伯格(Frederick Herzberg)于1959年提出了双因素理论。他将与工作满意度相关的因素称为满意因素或激励因素,将与工作不满意相关的因素称为不满意因素或保健因素。只有激励因素才能够调动起员工的积极性,才能提高他们的工作满意度和生产效率。本文结合双因素理论和中国的企业特色制定了符合中国企业特色的研究模型。具体如下图2:
在研究内容开始前先进行数据的收集,数据收集过程主要通过开放式问卷进行调查,开放式问卷设计的问题主要包括:衡量员工工作满意度的具体指标,工作满意度的影响因素等。通过对其所填写问卷的统计与分析发现,员工工作满意度提及较多的是薪酬、晋升、与领导的关系、与同事的关系、工作本身等;而对工作满意度有影响的还涉及到人口变量学因素,如性别、年龄、受教育程度等,另外职业变量,如工作年限、职务高低等对公务员的工作满意度也有很大的影响。
在此基础上通过访谈、因素分析、信度和效度检验等方法进行了修正,从而形成了一个包含3个构面的员工工作满意度度量表。而主观幸福感量表则主要借鉴幸福感指数量表、情感量表和主观生活质量量表3个表进行了修正。
二、研究方法
1)文献分析法
本文通过CNKI、万方、维普、大学图书馆电子图书、Apabi数字图书等中文学术文献数据库和ABI/INFORM Dateline、ABI/INFORM Global、PQDD博硕论文库、百度和Google搜索引擎,全面查阅国内外关于工作满意度、主观幸福感等方面研究的学术文献,为理论分析、问卷调查和文献述评做前期准备;在此基础上对文献进行综合性分析,查找影响工作满意度的因素,主观幸福感的主要维度等。
2)问卷调研法
本文首先采取开放式问卷调查方式调查影响工作满意度的因素、影响主观幸福感的因素等;根据开放式问卷调查的结果结合以往文献,设计出封闭式问卷,在进行试测的基础上进行正式调查研究。
3)数据统计方法
结合调研所得的数据及度量指标,采用了描述统计分析、因素分析、信度效度检验、相关分析、回归分析和方差分析,对所得数据进行分析,从而得出工作满意度的各个构面是如何影响着主观幸福感的各个构面以及不同人口变量学因素下,员工的工作满意度、主观幸福感得分是否存在差异。
三、研究结果
通过以上数据分析我们得出如下结果:内在满意、一般满意分别与生活满意度和正性情绪体验成正相关,与负性情绪体验成负相关,外在满意度与生活满意度成正相关。因此公务员的内在满意和一般满意度越高,其生活满意度越高,正性情绪体验越多,负性情绪体验越少。但是具体如何影响,影响率有多大,需要通过进一步的回归分析去发掘。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14