Сравнение идеального и реального профилей руководителей

Сравнение идеального и реального профилей руководителей
#профили #идеальный_профиль #реальный_профиль #меры_сходства_профилей #R

Пробуем посчитать коэффициент сходства профилей МакКрэя rpa (см. McCrae RR. A note on some measures of profile agreement. J Pers Assess. 2008 Mar;90(2):105-9. doi: 10.1080/00223890701845104) на реальных данных. Идеальный профиль руководителя — "усредненный" результат по личностному опроснику B5plus, полученный на выборке успешных руководителей. Рассматриваем реальный профиль одного успешного руководителя, который добился существенных изменений в эффективности подразделения за очень короткий срок после своего назначения, а также сравниваем его с идеальным профилем (группой успешных руководителей) и профилем неуспешного руководителя, у которого ниже уровень эффективности и существуют проблемы в подразделении.

Вывод: можно сказать, что в данной организации успешного руководителя отличают только два фактора, по которому он ближе к "идеальному руководителю" — более высокая Стабильность (Б4) и более высокое Новаторство (Б5). По Согласию (Б2) у всех трех профилей все-таки отклонение в одну сторону — вниз, хотя у и идеального, и успешного это отклонение меньше, чем у неуспешного. Необходимо быть жестким руководителем, но умеренно, а чрезмерная "независимость" вместе с тревожностью и консерватизмом будут негативно сказываться на эффективности в управленческой деятельности. Следует отметить, что получился идеальный профиль руководителя в конкретной организации (подразделении). В другой организации (подразделении) профиль может получиться совершенно другой. Также мы не учитываем здесь мотивационные особенности руководителей и их способности. Ниже моя функция на R для расчета коэффициента сходства профилей МакКрэя и пример её использования (формулу легко реализовать в Excel).

Код:

#McCrae's rpa (r profile agreement)
 
rpa <- function(p1, p2){
if (length(p1) != length(p2))
stop("'p1' and 'p2' must have the same length")
k <- length(p1)
sumM.sq <- sum(((p1 + p2)/2)^2)
sumd.sq <- sum((p1 - p2)^2)
ipa <- (k + 2*sumM.sq - sumd.sq) / sqrt(10*k)
rpa <- ipa / sqrt(k - 2 + ipa^2)
return(rpa)
}
 
# Example
 
p1 <- c(5.7, 3.9, 6, 2.4, 3.8)
p2 <- c(6.4, 5.5, 5, 9.8, 10)
# Z-score transformations for p1 and p2 (mean=0, sd=1)
profile1 <- (p1 - 5.5)/2
profile2 <- (p2 - 5.5)/2
> rpa(profile1,profile2)
[1] -0.82

Основной канал: https://t.me/People_Analytics

p1 <- c(5.7, 3.9, 6, 2.4, 3.8)
p2 <- c(6.4, 5.5, 5, 9.8, 10)

Это не те же данные, по которым построены графики выше?

нет, другие

Если необходим код графика, постараюсь найти на компьютере и здесь разместить

Код:

b5plus <- c("Экстраверсия", "Согласие","Самоконтроль", "Стабильность", "Новаторство")
p1 <- c(9.3, 2.1, 4.8, 8.5, 7.2)
p2 <- c(6.5, 1, 4.8, 3.1, 1.8)
id <- c(7.1, 3.5, 6.0, 7.7, 6.8)
profile1 <- c(1.90, -1.70, -0.35,  1.50,  0.85)
profile2 <- c(0.50, -2.25, -0.35, -1.20, -1.85)
ideal <- c(0.80, -1.00,  0.25,  1.10,  0.65)
 
#rpa
r <- rpa(profile1,ideal)
r2 <- rpa(profile2,ideal)
r3 <- rpa(profile1,profile1)
 
plot(id, type="o", col="blue", lty=1, lwd=2, axes=FALSE, ann=FALSE, ylim=c(1,10))
axis(1, at=1:5, lab=b5plus)
axis(2, at=1:10)
lines(p1, type="o", col="green", lty=1, lwd=2, axes=FALSE, ann=FALSE)
lines(p2, type="o", col="red", lty=1, lwd=2, axes=FALSE, ann=FALSE)
title(xlab="Шкалы большой пятерки (методика b5plus)", col.lab=rgb(0,0.5,0))
title(ylab="Стэны", col.lab=rgb(0,0.5,0))
title(main="Сходство \"реального\" и \"идеального\" профиля руководителя", col.main="black", font.main=1)
legend(1.5, 10, c("Идеальный","Реальный (успешный)", "Реальный (неуспешный)"), cex=0.8,
	   col=c("blue","green", "red"), lty=c(1,1,1), lwd=c(2,2,2))
text(4, 9, col="green", paste("rpa (успеш) = ",round(r, 2)), cex=0.8)
text(4, 2, col="red", paste("rpa (неуспеш) = ",round(r2, 2)), cex=0.8)