大家所剩的备考复习时间已经越来越少了，如果在最后的几天中将复习效果达到最大化呢？相关分析是个容易被忽略的内容，参照这篇文章进行复习了！

1、分类：在胜任特征研究中，相关分析可以分为简单相关分析与偏相关分析。简单相关多用于多变量之间相关关系的分析，在研究胜任特征指标的重叠性问题时能起到一定作用;偏相关分析则可用于选定岗位胜任特征。

2、具体做法：在选定胜任特征指标时，先作简单相关分析，得出简单相关系数，对简单相关系数大的，即相关程度高的那些指标作分析，将可以合并的指标合并起来，取两项指标的平均分为打分数据;然后用偏相关分析来分析各项指标与绩效之间的相关关系，得出偏相关系数，取偏相关系数高的指标作为胜任特征。

3、缺陷：无法区分哪些指标更能体现出优秀人员与一般人员的差异。要改善这种情况，需要进行分组研究，即分别研究优秀组和一般组的人员，得出各自结论并进行对比，就可以发现优秀人员与一般人员在胜任特征指标上的区别，进而确定岗位胜任特征。

相关分析中应注意的问题

1、警惕虚假相关导致的错误结论

有时两变量之间并不存在相关关系，但却可能出现较高的相关系数。

如存在另一个共同影响两变量的因素。在时间序列资料中往往就会出现这种情况，有人曾对教师薪金的提高和酒价的上涨作了相关分析，计算得到一个较大的相关系数，这是否表明教师薪金提高导致酒的消费量增加，从而导致酒价上涨呢?经分析，事实是由于经济繁荣导致教师薪金和酒价的上涨，而教师薪金增长和酒价之间并没有什么直接关系。

原因的混杂也可能导致错误的结论。如有人做过计算，发现：在美国，经济学学位越高的人，收入越低，笼统地计算学位与收入之间的相关系数会得到负值。但分别对大学、政府机构、企业各类别，计算学位与收入之间的相关系数得到的则是正值，即对同一行业而言，学位高，收入也高。

2、相关系数不能解释两变量间的因果关系

相关系数只是表明两个变量间互相影响的程度和方向，它并不能说明两变量间是否有因果关系，以及何为因，何为果，即使是在相关系数非常大时，也并不意味着两变量间具有显着的因果关系。例如，根据一些人的研究，发现抽烟与学习成绩有负相关关系，但不能由此推断是抽烟导致了成绩差。

因与果在很多情况下是可以互换的。

比如，研究发现收入水平与股票的持有额正相关，并且可以用收入水平作为解释股票持有额的因素，但是否存在这样的情况，你赚的钱越多，买的股票也越多，而买的股票越多，赚的钱也就越多，何为因?何为果?众所周知，经济增长与人口增长相关，可是究竟是经济增长引起人口增长，还是人口增长引起经济增长呢?不能从相关系数中得出结论。

另外，注意不要在相关关系据以成立的数据范围以外，推论这种相关关系仍然保持。雨下的多，农作物长的好，在缺水地区，干旱季节雨是一种福音，但雨量太大，却可能损坏庄稼。又如，广告投入多，销售额上涨，利润增加，但盲目加大广告投入，却未必使销售额再增长，利润还可能减少。正相关达到某个极限，就可能变成负相关。这个道理似乎人人都明白，但在分析问题时却容易忽视。

课后习题

1.客观现象之间的数量联系存在着两种不同的类型，这就是( )。

A.函数关系和相关关系

B.因果关系和非因果关系

C.随机关系和非随机关系

D.简单关系和复杂关系

答案：A

2.相关关系是指变量间的( )。

A.不确定性的数量关系

B.函数关系

C. 确定性的数量关系

D. 不确定性的数量依存关系

答案：D

3.施肥量和农作物亩产量之间的关系是( )。

A.函数关系

B.相关关系

C.随机关系

D.简单关系

答案：B

解析

现象间的依存关系大致可以分成两种类型： 一类是函数关系，另一类是相关关系，相关关系是指客观现象之间确实存在的，但数量上不是严格对应的依存关系。在这种关系中，对于某一现象的每一数值，可以有另一现象的若干数值与之相对应。

【看这里~】

要是大家有兴趣的话，请关注精品学习网管理实践-人力；同时精品学习网管理实践栏目整合了我们为大家准备的商学分类，都可以来体验一下哦~~