商业进阶——人力分析

本章从员工周期的招聘角度进行学习。

为什么关心因果关系 Why We Care About Causality

经过研究可以看到以下现象：
•通过正式职位进入职位的人表现更差
-我们应该避免发布招聘吗？
•通勤时间最长的人员表现较差
-我们应该让人们更多地搬家吗？
•参加过培训计划的人员表现更好
-我们应该派更多人参加培训吗？
•参加培训计划的人员表现出更大的绩效改善
-我们应该派更多人参加培训吗？

我们不能仅仅根据表象的联系就来确定其因果关系，我们必须更多的在数据和逻辑上考虑。

两种因果关系问题 Two Types of Causality Problems

#1 忽略变量的偏差

•我们是否只在最困难的时候发布工作岗位？
•人们是否只是在绩效最差时候接受培训？

#2 反向因果的关系

•我们表现最出色的人员是否已退出工作岗位而退出中层表演者？
•我们表现最好的人员是否接受过培训？

核心与基础问题均在于：
什么导致我们的主预测变量的差异？

因果关系解决方案 Approaches to Addressing Causality

对于有效性Effectiveness和难度Difficulty两个维度上，我们以此由低到高进行以下四个策略：
1.测量和控制遗漏的变量 Measure and control for omitted variables
3.开发自然随机化来源 Exploit natural sources of randomization
2.寻找证据来排除替代方案 Look for evidence to rule out alternatives
4.进行实验 Conduct an experiment

1.测量和控制遗漏的变量 Measure and control for omitted variables
优点：
•收集可能遗漏的变量和数据
-包含在回归中
-创建具有相似值的匹配对
•检查人员变化以保持人不变
缺点：
•并非一切都可以衡量

2.寻找证据来排除替代方案 Look for evidence to rule out alternatives
•替代解释会产生什么影响？
•您能在数据中找到支持或反对这些解释的证据吗？

3.开发自然随机化来源 Exploit natural sources of randomization
优点：
•“自然实验”以不应影响Y的方式更改X变量
•在真实实验中模拟治疗与对照组的分配
•允许评估“因果效应”
缺点：
•你需要足够的幸运

4.进行实验 Conduct an experiment
优点：
•随机将个人/工作分配给“治疗”和“控制”组（确保每组的平衡特征）
•测试两组的结果是否不同
缺点：
•你需要说服人们让你这样做
•非常耗时

上课心得

我们从数据出发，基于四个策略的解决方案来分辨出相关性和实际因果关系。