属性值为区间数的多属性决策OWA算法

针对属性值为区间数的多属性决策问题,提出了一种简洁实用的决策分析方法。首先论证决策对象的优势关系与其属性值区间数的两端点数值平均值(区间中值)存在等价关系,然后将区间数的多属性决策问题转化为以区间中值为属性值的决策问题,应用有序加权平均算法(OWA算法)进行方案的排序与择优,最后通过一个实例验证了该方法的可行性和有效性。

基于ARIMA与数据累加生成的区间时间序列混合预测模型

为了提高区间时间序列的模型预测精度,提出一种改进ARIMA模型的方法。将二元与三元区间序列分别转换为含有等量信息的实数序列,结合灰色模型中的数据累加处理方法和ARIMA模型实现实数序列建模,还原处理得到区间预测序列。数据分析表明,当区间序列波动较小时,不进行数据累加处理就能得到较高精度的区间预测序列,而当区间序列波动较大时,数据累加处理方法消除了原数据的随机性,更好地挖掘了建模序列的规律,因而得到更高精度的预测序列。

谈影响薪酬结构设计的相关因素

薪酬结构是对同一组织内部的不同职位或者是技能之间的工资率所做的安排,与薪酬结构相关的因素有薪酬的等级数量、薪酬中值和薪酬变动范围与薪酬变动比率、薪酬区间的叠幅、薪酬区间的比较比率及薪酬区间渗透度。本文对薪酬结构设计相关因素进行了初步探讨,认为薪酬区间中值和薪酬变动比率是薪酬结构设计的最基本因素,鉴于目前对薪酬结构的探讨多停留在定性分析的阶段,本文的量化分析具有一定的原创性。

论影响薪酬结构设计的相关因素

在一个组织内,有不同的职位和不同的技能,他们之间的工资也不同.影响薪酬结构的因素不仅有薪酬的等级数量、薪酬变动范围,还包括薪酬中值、薪酬变动比率.此外,薪酬区间的叠幅、薪酬区间的变动比率及薪酬区间渗透度也对薪酬结构有影响.本文探讨了影响薪酬结构设计的有关要素,认为薪酬区间中值和薪酬变动比率是薪酬结构设计的最基本因素.