全文链接：https://tecdat.cn/?p=33055
原文出处：拓端数据部落公众号
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。
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，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$E21:nrw(xmat)] )nfolds = 1
绘制误差
plot(cv.lasso)
coef(cv.lasso,s="lambda.1se")
根据lasso筛选出重要的变量
variables
贝叶斯bayes 模型
Bayes(as.factor(E2) ~ ., data = dat2.train)
##预测数据
head(prdct(del,datada.tain )$las)
最受欢迎的见解
3.matlab中的偏最小二乘回归（PLSR）和主成分回归（PCR）
5.R语言回归中的Hosmer-Lemeshow拟合优度检验
6.r语言中对LASSO回归，Ridge岭回归和Elastic Net模型实现
9.R语言如何在生存分析与Cox回归中计算IDI，NRI指标
标签：满意度,语言,回归,贝叶斯,员工,lasso From： https://www.cnblogs.com/tecdat/p/17524310.html