大数据分析与创新工作行为对员工绩效的影响及语音情感识别技术

# 大数据分析与创新工作行为对员工绩效的影响及语音情感识别技术 ## 大数据分析与创新工作行为对员工绩效的研究 ### 样本描述 统计分析包含描述性统计和推断性统计阶段。描述性统计数据显示，受访者中 31 - 40 岁的专家占比 62.00%，拥有大专文凭的占 42.50%，工作经验在 11 - 20 年的占 55.40%。具体分布如下表所示： | 人口统计属性 | 百分比 (%) | | --- | --- | | **年龄** | | | 21 - 30 岁 | 16.50 | | 31 - 40 岁 | 62.00 | | 41 - 50 岁 | 16.50 | | > 51 岁 | 5.00 | | **教育程度** | | | 高中 | 27.50 | | 大专 | 42.50 | | 本科 | 29.20 | | 硕士 | 0.80 | | **工作经验** | | | < 3 年 | 2.50 | | 3 - 5 年 | 8.30 | | 6 - 10 年 | 18.90 | | 11 - 20 年 | 55.40 | | > 21 年 | 14.90 | ### 外部价值模型的可靠性和有效性 #### 外部负荷 外部负荷率需大于 0.7 才被认为有效，使用 smartpls 2.3.9 软件进行测试。结果表明，所有大数据分析指标的负荷因子均大于 0.7，满足良好的收敛有效性值要求。创新工作行为有一个指标得分为 0.655，但部分参考显示负荷因子大于 0.6 也可接受，所以该指标仍被使用。大数据分析对员工绩效的作用为 0.245，创新工作行为对员工绩效的作用为 0.534，这意味着在确定采矿承包商公司如何提高员工绩效方面，创新工作行为的作用大于大数据分析。 #### 路径系数 smartpls 外部模型中的路径系数测试用于显示模型中所有指标的可靠性。可测量的指标包括： - Cronbach's Alpha 得分必须高于 0.7。 - 组合可靠性测试得分必须高于 0.7。 - AVE 值必须高于 0.5。 测试结果如下表所示： | 变量 | Cronbach's alpha | 组合可靠性 | AVE | | --- | --- | --- | --- | | 大数据分析 | 0.881 | 0.910 | 0.628 | | 创新工作行为 | 0.887 | 0.914 | 0.639 | | 员工绩效 | 0.906 | 0.924 | 0.606 | 从表中可知，Cronbach's Alpha 得分大于 0.7，表明潜在变量具有良好的可靠性。AVE 测试得分超过 0.5，满足判别有效性要求。 #### 判别有效性 判别有效性用于测试潜在结构与其他结构的差异程度，采用 Fornell - Larcker 方法进行测试，结果如下表所示： | | 大数据分析 | 员工绩效 | 创新工作行为 | | --- | --- | --- | --- | | **大数据分析** | 0.792 | | | | **员工绩效** | 0.483 | 0.799 | | | **创新工作行为** | 0.446 | 0.643 | 0.778 | ### 假设检验 #### T 统计量 内部模型的假设检验通过测试 T 统计量来查看假设检验的显著水平，smartpls 中采用自举法。当统计值大于 t 表值（t - statistic > 1.96）时满足收敛有效性。大数据分析对员工绩效的 T 统计量为 2.113，创新工作行为对员工绩效的 T 统计量为 6.223，表明这些变量之间的关系对员工绩效有显著影响。 #### 路径系数 概率值（P - Value）表示从测试统计中观