全文链接：https://tecdat.cn/?p=33055
员工满意度对于组织绩效和竞争力具有重要影响，因此准确了解员工满意度的影响因素和有效管理成为管理者的关键任务。而员工满意度调查是常用的研究方法之一，通过收集员工的反馈数据来了解他们的期望、需求和感受（点击文末“阅读原文”获取完整代码数据）。
本文的目标是探讨使用R语言中的缺失值填充、lasso回归和贝叶斯分析方法来应对员工满意度调查数据中的缺失值。具体而言，我们将通过应用这些方法来处理一份实际的员工满意度调查数据（查看文末了解数据免费获取方式），并比较它们在填充结果方面的差异和效果。此外，我们还将尝试使用lasso回归来选择和建立员工满意度的影响因素模型，并利用贝叶斯分析方法对模型进行修正和推断。
数据变量：
读取数据
dat <- read.spss("Non-Wser coutris eclUNJan .sav", to.data. head(dat)
对缺失值进行填补
分别采用三种方法对空值进行处理：
（1）删除法
dat1=na.omit(dat) head(dat1)
（2）平均值补缺
dat2[index,i]=mean(na.omit(dat[,i]))
（3）多重补插法进行补缺。
# completeddat <- complete(tempdat,1)
变量筛选
xmat <- model.matrix( E2~ Organisation+Year+Population+Sector+V1+V10+
建立lasso模型
cv.aso <- cvglnet(xmat, (at2.tain$E21:nrw(xmat)] )nfolds = 1
绘制误差
plot(cv.lasso)
点击标题查阅往期内容
群组变量选择、组惩罚group lasso套索模型预测新生儿出生体重风险因素数据和交叉验证、可视化
01
02
03
04
coef(cv.lasso,s="lambda.1se")
根据lasso筛选出重要的变量
variables
贝叶斯bayes模型
Bayes(as.factor(E2) ~ ., data = dat2.train)
预测数据
head(prdct(del,datada.tain )$las)
