Sistemi di previsione per prendere decisioni sull'occupazione

Il tipico problema di predizione, che si tratti di selezione, posizionamento o entrambi, implica l'utilizzo di un numero di predittori. Questi predittori sono utilizzati nel miglior modo possibile come guide per prendere una decisione sull'occupazione. Ci sono decisioni come "dovrebbe essere assunto per questo lavoro?" O "dovrebbe essere inviata a questo programma di formazione?" Ci sono diverse strategie che lo psicologo può adottare in termini di approccio al processo decisionale. A seconda del particolare sistema di predizione adottato, le decisioni sull'occupazione possono risultare molto diverse.

Mentre ogni sistema ha i suoi vantaggi e svantaggi, ognuno fornisce un metodo per prendere decisioni sulle persone basate su un gruppo di tratti o qualità (i predittori) che si ritiene siano rilevanti per il successo del lavoro.

I principali sistemi sono:

(1) Il sistema di regressione multipla,

(2) Il sistema di interruzione multipla,

(3) Il sistema di corrispondenza del profilo e

(4) Il sistema di ostacoli multipli.

Ogni sistema sarà esaminato nelle seguenti sezioni in maggior dettaglio.

Sistema di regressione multipla:

Come suggerisce il nome, questo sistema di posizionamento utilizza il modello di regressione multipla per prendere decisioni sulle persone. Il modello di regressione multipla assume la forma y = b ₁ x ₁ + b ₂ x ₂ (supponiamo a = 0) (3.6)

L'uso di tale modello nella selezione presuppone che (1) i tratti x ₁ e x ₂ siano linearmente correlati alla prestazione del criterio, e che (2) il possesso di un "lotto" di uno dei tratti compensi per avere solo un "piccolo" "Del secondo carattere.

Data una situazione, ad esempio, dove bi = 2 eb ₂ = 4 e a = 0, la formula y = 2x ₁ + 4x ₂ (3.7)

sarebbe usato per prevedere il successo del lavoro. Supponiamo che un punteggio di criterio di 50 possa essere considerato una prestazione soddisfacente da parte dei dipendenti e qualsiasi risultato inferiore abbia comportato prestazioni non soddisfacenti. La Tabella 3.2 mostra alcuni punteggi dei test sui due predittori per quattro candidati teorici. Il punteggio del criterio previsto per ciascun richiedente è stato calcolato utilizzando l'equazione 3.7. Si noti che tutti e quattro i richiedenti hanno esattamente la stessa performance predittiva dei criteri anche se i loro schemi di punteggio di prova differiscono in modo abbastanza marcato. Mentre procediamo dalla persona A alla persona D, vediamo che i loro punteggi sul test 2 diminuiscono sistematicamente.

Tuttavia, questo calo è compensato da un corrispondente aumento delle prestazioni del test 1. Infatti, un'ispezione ravvicinata mostrerà che un guadagno di due punti sul test 1 è necessario per compensare la perdita di ciascun punto del test 2. Ciò non dovrebbe sorprendere, poiché il peso relativo dato al test 2 è doppio rispetto a quello dato per test 1 nel nostro modello di regressione (cioè, b ₁ = 2, b ₂ = 4).

La Figura 3.5 mostra ancora più chiaramente la dinamica del processo di selezione creato dai dati nella Tabella 3.2. L'inviluppo dei punteggi mostrati nel grafico a dispersione della Figura 3.5 presenta una situazione in cui i due predittori di prestazioni, x ₁ e x ₂, sono correlati positivamente. Se la correlazione r12 fosse zero, il diagramma a dispersione sarebbe ovviamente un cerchio.

Tuttavia, la forma del diagramma a dispersione non è fondamentale per il concetto di trade-off inerente al sistema di regressione multipla. Dato che abbiamo detto che qualsiasi persona con un punteggio previsto di 50 o migliore è da considerarsi "soddisfacente", possiamo tracciare la "linea dei 50 punti" nella Figura 3.5 che mostra tutte le possibili combinazioni dei punteggi del test 1 e del test 2 che risultato in un punteggio di criterio di esattamente 50 punti usando l'equazione 3.7. Come indica la figura, tutti e quattro i candidati si trovano lungo questa linea.

Un aspetto interessante della Figura 3.5 è che la linea divide la popolazione dei candidati al lavoro in due gruppi o regioni. Tutti i candidati a destra e sopra la linea avranno punteggi di criterio (usando l'equazione 3.7) che sarà superiore a 50. Tutti i candidati a sinistra e sotto la linea avranno punteggi di criterio inferiori a 50. Quindi, solo i primi saranno essere accettato per l'occupazione dal momento che è previsto che le loro prestazioni saranno soddisfacenti.

Questi ultimi candidati, con una prestazione prevista meno che soddisfacente, saranno respinti con questo sistema di selezione. La Figura 3.6 estende la Figura 3.5 in tre dimensioni, mostrando i punteggi dei criteri osservati e i punteggi dei predittori per tutti gli individui.

È importante notare che il piano nella Figura 3.6 che divide i dipendenti in quelli che verrebbero selezionati utilizzando il modello di regressione multipla dato dall'equazione 3.7 e quelli che verrebbero rifiutati non è il piano di regressione. È più propriamente chiamato il piano di selezione. Il lettore è rinviato alla Figura 3.4 per un'illustrazione del piano di regressione in un sistema di regressione multipla a due predittori.

Presupposti, vantaggi e svantaggi del sistema di regressione multipla:

Il sistema di predizione multipla di regressione è una procedura di selezione potente se usato in modo appropriato. A condizione che l'assunto di base che tutte le relazioni siano lineari è vero, ha un'eleganza matematica che è difficile da superare. Ad esempio, si sa che il modello minimizza gli errori nella previsione. Un altro vantaggio di questo sistema è che i predittori vengono combinati per ottenere la stima più efficiente delle prestazioni successive.

Uno dei principali punti di controversia riguardo al modello di regressione multipla riguarda il principio del trade-off così implicito nel suo uso. Se le unità X di una variabile possono essere sostituite con unità X su un'altra variabile è sempre una questione controverso. Certamente il metodo può essere estremamente flessibile. È possibile impostare equazioni per ognuno di un numero di lavori utilizzando gli stessi o diversi predittori. Di conseguenza, i punteggi previsti possono essere calcolati per ogni persona per ogni lavoro.

Le persone potrebbero quindi essere assunte e collocate in un posto di lavoro specifico utilizzando una o più delle seguenti procedure:

1. Mettere ogni persona su quel lavoro per il quale il punteggio previsto è più alto. Ciò presuppone che l'organizzazione trarrà il massimo profitto se ogni persona è collocata dove ha la più attitudine, indipendentemente dalla quantità assoluta di tale attitudine. Se non ci sono posizioni aperte in quel lavoro, verrebbe posto in un altro lavoro per il quale ha ricevuto il secondo "miglior punteggio di criterio".

Un problema con una tale procedura è che è possibile che i lavori stessi possano avere requisiti minimi diversi per il successo. Pertanto, potrebbe accadere che il suo miglior punteggio (rendimento previsto per il lavoro A) potrebbe non essere adeguato per il successo previsto sul lavoro A, mentre il suo secondo miglior punteggio (rendimento previsto sul lavoro B) potrebbe essere ben al di sopra del valore necessario per prevedere il successo su lavoro B.

2. Mettere ogni persona in quel lavoro in cui il suo punteggio previsto è il più lontano possibile rispetto al punteggio minimo necessario per essere considerato soddisfacente. Questo metodo è più interessato all'efficienza totale del sistema piuttosto che alla misura in cui ogni persona viene messa sul lavoro che può ottenere nel modo migliore. Evita di mettere qualcuno su un lavoro in cui le sue prestazioni saranno inferiori alla media.

Sistemi di interruzione multipli:

È stato chiaramente sottolineato nella discussione sul sistema di regressione multipla che il modello utilizzato presuppone relazioni lineari tra i predittori e il criterio. Tale sistema viene spesso contestato sulla base del fatto che mentre per molti tratti potrebbe esserci una relazione lineare tra predittore e criterio per la maggior parte della gamma, potrebbe esserci una quantità minima accettabile di questo tratto che è necessario per avere successo lavoratore. Questo tipo di relazione tra prestazioni lavorative e test è mostrato nella Figura 3.7.

La funzione del criterio predittore in Figura 3.7 mostra cosa succede quando si presume che:

(1) C'è una quantità minima dell'abilità predittore (tratto X) necessaria per il successo del lavoro, e

(2) Qualsiasi mancanza o carenza nel tratto X al di sotto di questo minimo non può essere compensata dall'avere una grande quantità di altre abilità che hanno anche dimostrato di prevedere il successo del lavoro.

Un esempio di tale situazione potrebbe essere un lavoro di assemblaggio che richiede sia una buona visione che una manualità. In generale, si potrebbe scoprire che migliore è la visione di un lavoratore e migliore è la sua destrezza, maggiore è il successo del lavoratore che tende ad essere sul posto di lavoro. Tuttavia, potrebbe esserci un punto lungo la dimensione della visione oltre il quale nessuna quantità di destrezza sarebbe di aiuto.

La procedura di selezione e posizionamento che prende in considerazione questo problema di valori minimi accettabili è chiamata il metodo di interruzione multipla, il che significa che un punto limite viene stabilito separatamente per ciascun predittore. A meno che una persona non abbia un punteggio sopra il cut-off su tutti i predittori per un determinato lavoro, non verrà inserito in quel lavoro.

Quindi, nessun concetto di additività dei tratti esiste con questo metodo. Cadendo sotto il minimo su qualsiasi predittore si squalifica l'individuo. Le Figure 3.8 e 3.9 mostrano le regioni di accettazione e rigetto usando il sistema di cut-off multiplo per dati simili a quelli usati per illustrare il sistema di regressione multipla nelle Figure 3.5 e 3.6.

Forse il modo migliore per confrontare i due metodi è indicare come differiscono in termini di chi sarà selezionato per il lavoro. La Figura 3.10 mostra le linee di demarcazione per entrambi i metodi di selezione. Nota, prima di tutto, che indipendentemente dal metodo utilizzato, quelle persone nell'area 7 saranno sempre accettate e quelle persone nelle aree 1, 3 e 5 saranno sempre rifiutate. Le persone che saranno trattate in modo differenziale in funzione della procedura di selezione sono quelle nelle aree 2, 4 e 6.

Utilizzando il sistema di selezione di regressione multipla, tutte le persone nelle aree 2 e 6 saranno accettate mentre quelle nell'area 4 saranno respinte. Il contrario avverrà utilizzando la procedura di interruzione multipla; le persone nell'area 4 saranno accettate e quelle nelle aree 2 e 6 saranno respinte. Quindi la domanda si risolve in una delle relative opportunità di questi due gruppi di individui.

La soluzione è matematicamente complessa ed è stata dimostrata da Lord (1963) principalmente in funzione dell'affidabilità dei due predittori. In effetti, nella maggior parte delle condizioni probabilmente nessuna delle due procedure offre esattamente la soluzione migliore per selezionare quel gruppo di dipendenti con il punteggio medio più alto. Invece, la strategia di selezione ottimale sembra essere una forma di compromesso tra i due metodi (vedi la linea tratteggiata in Figura 3.10).

Determinazione dei punteggi di taglio:

Se si adotta la tecnica del punteggio di taglio multiplo, diventa necessario decidere i punteggi minimi accettabili separati per ciascuno dei predittori. Questo non è un compito facile poiché non esiste un modo "corretto" specificato per impostare un punteggio al di sotto del quale tutte le persone saranno squalificate. Le relazioni coinvolte nel rapporto di selezione e la percentuale di dipendenti considerati soddisfacenti (il punteggio di taglio), inizierà a vedere quanto sia complesso il problema quando sono coinvolti due predittori.

Generalmente, il processo di impostazione dei valori del punteggio di taglio diventa uno di tentativi ed errori in cui vengono provati valori diversi per ciascun predittore. Per ogni coppia di punteggi di taglio, il ricercatore deve determinare quanto è elevato il punteggio del criterio medio o composito di quelli selezionati rispetto ad altre combinazioni di punteggio di taglio. Deve anche tenere conto del numero di aperture di lavoro rispetto al numero totale di candidati (la misura del rapporto di selezione).

Presupposti, vantaggi e svantaggi dei punteggi di taglio multipli:

Per riassumere i punti sopra indicati, il metodo di tagliare i punteggi assume in realtà una relazione non lineare tra predittori e criterio. Secondo, disconosce il concetto di sostituzione dei punteggi dei test, almeno in alcune parti dell'intervallo. L'unico chiaro vantaggio è che di solito è un metodo facile da implementare per l'uomo del personale perché non sono richieste elaborazioni o formule elaborate.

Tuttavia, come accennato, è necessario un certo numero di tentativi ed errori per ottenere punteggi di taglio che funzioneranno nel modo più soddisfacente. Uno dei suoi svantaggi più critici è che non fornisce un punteggio singolo per ogni individuo che può essere usato per prevedere quanto successo avrà su un lavoro rispetto al suo successo su un altro lavoro. Pertanto, l'effettivo inserimento lavorativo tramite punteggi di taglio può diventare estremamente macchinoso.

Sistema di corrispondenza del profilo:

Un terzo approccio alla selezione e al posizionamento dei dipendenti è il sistema di corrispondenza dei profili. Esistono numerose versioni di questo metodo che differiscono principalmente in termini di corrispondenza dei profili. Tuttavia, i restanti aspetti della procedura sono piuttosto invarianti dalla versione alla versione. Il metodo stesso è piuttosto semplice. Se si hanno k variabili (predittori) che sono accettate come importanti per il successo nel lavoro, allora si misurano tutti i dipendenti "di successo" sul lavoro su ciascuno di questi k predittori. I punteggi vengono quindi calcolati in base alla media per ottenere un profilo "tipico" di un lavoratore di successo. Un ipotetico profilo tipico è mostrato in Figura 3.11.

In questo esempio sono stati utilizzati dieci predittori per descrivere il tipico lavoratore di successo sul lavoro A. Come indicano i dati, un lavoratore di successo sul lavoro A tenderà ad avere punteggi alti (rispetto ad altri lavoratori) sulle variabili 2, 3, 5, 6 e 8. I suoi punteggi sulle variabili 1, 4, 7, 9 e 10 non differiscono molto dalla prestazione media dei lavoratori in generale. Una volta ottenuto questo tipo di profilo ideale, viene utilizzato come standard rispetto al quale vengono confrontati i profili individuali di tutti i nuovi candidati.

A questo punto sorgono due domande piuttosto importanti nel metodo del profilo. In primo luogo, come si può decidere quali sono i predittori rilevanti, cioè quali devono essere inclusi nel profilo? In secondo luogo, dato che gli elementi del profilo sono stati selezionati con successo, in che modo si giudica adeguatamente il grado in cui il profilo di ogni individuo corrisponde al profilo ideale? Il modo in cui questi due problemi vengono risolti può influenzare enormemente la validità e la validità di qualsiasi sistema di corrispondenza dei profili.

Selezione degli elementi del profilo:

Ogni elemento del profilo viene utilizzato come un predittore del successo del lavoro, come lo sono i predittori nei metodi precedentemente discussi. È quindi essenziale stabilire la validità di ciascun elemento del profilo prima di utilizzarlo come mezzo per selezionare e / o collocare gli individui sul posto di lavoro. Che garanzia abbiamo, ad esempio, che i lavoratori poveri o insoddisfacenti non abbiano un profilo composito che assomigli esattamente a quello mostrato nella Figura 3.11? Non ne abbiamo affatto, a meno che non procediamo a scoprire empiricamente che aspetto ha il composito insoddisfacente misurando effettivamente un gruppo di queste persone sugli stessi tratti e calcolando le medie del gruppo.

Dovrebbe essere ovvio che solo i predittori che dimostrano una differenza significativa nei punteggi medi tra i gruppi soddisfacenti e insoddisfacenti dovrebbero essere inclusi nel profilo ideale. Qualsiasi tratto che non distingua chiaramente tra dipendenti "buoni" e "poveri" aggiungerà solo errori e confusione inserendosi nel processo di selezione. Poiché la convalida di ciascun tratto è un passaggio necessario (ma troppo spesso ignorato) nella selezione degli elementi del profilo, potrebbe essere una domanda legittima chiedere perché non utilizzare semplicemente tutti i predittori del profilo in un'equazione di regressione multipla (o forse anche un cut-off multiplo) ). In realtà, la risposta a questo dipende dal metodo utilizzato per confrontare i profili, come vedremo nella sezione seguente.

Metodi di confronto dei profili:

Esistono due procedure abbastanza diverse che possono essere adottate confrontando i profili di ciascun individuo con il profilo ideale. Un metodo seleziona quelle persone che hanno profili che corrispondono più strettamente al composito. Ciò a sua volta determina una scelta di procedure, a seconda di come viene definita la corrispondenza del termine.

Un modo per definire una buona corrispondenza è dire che più i punti di un profilo sono vicini ai punti dell'altro profilo, migliore è la corrispondenza. Questo metodo, quindi, utilizza le differenze tra i due punteggi su ciascun tratto per ottenere una misura di somiglianza (o dissomiglianza). La procedura più comune calcola queste differenze, le squadrona e poi le aggiunge per ottenere una misura di somiglianza. Quindi, se abbiamo un profilo con tratti k, e se definiamo ulteriormente

X _ij - Punteggio di person i su j

X _8j = Punteggio del profilo standard sul tratto j

allora D ² = (X _ij - X _aj ) 2

e ΣD ² rappresenterebbe il grado in cui il profilo della persona ho abbinato al profilo standard. Più grande ΣD ², più povero è il match. È importante rendersi conto che il metodo D ² non riguarda affatto se i punteggi della persona cadono o meno al di sotto o al di sotto del composito, cioè la direzione non è importante con questa procedura di abbinamento. Tutto ciò che conta è la vicinanza dei punti del profilo.

Un secondo metodo per definire la similarità del profilo è espresso in termini del nostro vecchio amico, il coefficiente di correlazione. Un'alta correlazione tra i punteggi dell'individuo è il profilo e il punteggio del profilo ideale indica che i due profili hanno modelli simili, vale a dire, i singoli ottengono un punteggio elevato su quei tratti in cui il profilo ideale ha anche punteggi alti e ha punteggi bassi su quelli tratti in cui il profilo ideale ha anche punteggi bassi. La Figura 3.12 mostra esempi di profili che illustrano come l'uso di diversi metodi per la valutazione della somiglianza può portare a selezionare individui diversi per il lavoro. L'esame della figura 3.12 rivela rapidamente che lo schema generale dei punteggi della persona B duplica quello del profilo ideale o standard molto più strettamente di quello dei punteggi della persona A.

Tuttavia, i punteggi effettivi ottenuti dalla persona A sembrano più vicini a quelli del profilo standard rispetto ai punteggi sul profilo del singolo B. Possiamo quindi ipotizzare che l'individuo A debba avere il punteggio ΣD ² inferiore (più desiderabile) mentre l'individuo B dovrebbe avere la correlazione più elevata (più desiderabile) con lo standard.

Come indicano i dati nella Tabella 3.3, tale risulta essere il caso. Quando i valori indicati in Figura 3.12 vengono utilizzati per calcolare ΣD ², il punteggio della persona A (ΣD ² _as ) è 500, mentre il punteggio della persona B (ΣD ² _bs ) è molto più grande, con un valore di 2000. D'altra parte, quando le correlazioni tra profili sono calcolate, la correlazione tra profilo A e profilo standard è calcolata r _come = - 1.00, mentre la correlazione tra profilo B e lo standard, r _bs, risulta essere 1, 00-accordo completo. Pertanto, se il metodo D2 fosse utilizzato come criterio di selezione, selezioneremmo la persona A; se dovessimo usare la correlazione tra i profili come metodo, selezioneremmo la persona B. "

Scelta di una procedura:

Quale procedura è la migliore è una domanda a cui è possibile rispondere solo con mezzi empirici in un determinato contesto. Con ogni probabilità, tuttavia, né la D2 né il metodo di correlazione sono la tecnica migliore. Se i tratti del profilo sono stati selezionati sulla base di una discriminazione significativa tra dipendenti buoni e poveri (come sicuramente dovrebbero essere selezionati), allora la deduzione logica è che i punteggi più alti su un tratto sono desiderati e i segnapunti vanno evitati (o viceversa, a seconda del tratto).

Se assumiamo, come in generale, che la relazione significativa tra ogni tratto del profilo e il successo del lavoro è positiva e lineare, allora vorremmo selezionare le persone in base a una delle seguenti procedure:

1. Seleziona le persone i cui punti profilo tendono ad essere i più alti, ovvero il loro punteggio medio del profilo viene utilizzato come indice di selezione. Usando questa procedura una persona potrebbe avere un grande punteggio ΣD ² e comunque essere selezionata, a condizione che i punti del suo profilo tendessero ad essere sopra i corrispondenti punti profilo per lo standard. Questa procedura è equivalente all'utilizzo di un modello di selezione di regressione multipla in cui ciascun tratto del profilo è un predittore e i pesi di regressione sono considerati uguali per ciascun predittore. I punteggi di basso profilo su una caratteristica possono essere compensati da punteggi di alto profilo su un'altra caratteristica.

2. Seleziona le persone che hanno profili con il punteggio del profilo medio più alto e i cui punti si trovano tutti sopra le corrispondenti controparti del profilo ideale. Questo, ovviamente, equivale a una combinazione del metodo di selezione a separazione multipla e del metodo di regressione multipla.

I punti profilo ideali sono utilizzati per stabilire valori di punteggio minimo accettabili. Tutte le persone così qualificate vengono quindi valutate attraverso il sistema di regressione multipla. Una tale procedura può probabilmente funzionare solo nei casi in cui il rapporto di selezione è sufficientemente piccolo da consentire di utilizzare valori di taglio piuttosto rigorosi. Certamente utilizzare il punteggio medio di ciascun tratto per un gruppo di dipendenti di successo come valori minimi accettabili sta creando un ostacolo rigido per i nuovi candidati.

Entrambe queste ultime procedure sembrano un modo un po 'più giustificabile per utilizzare i profili per la selezione rispetto alle prime due procedure, D' o r. Il concetto di un profilo "ideale" in cui le deviazioni in qualsiasi direzione sono considerate negative può essere seriamente messo in discussione per motivi logici.

Multiple Hurdle System:

La maggior parte delle situazioni di selezione comporta tentativi di prevedere il successo successivo su alcune attività attraverso l'uso di una o più misure predittive ottenute al momento dell'applicazione del lavoro. Tuttavia, alcune situazioni di selezione come la formazione manageriale comprendono periodi piuttosto lunghi e la valutazione finale dopo un po 'di tempo, ma con valutazioni o ostacoli intermedi in vari punti di progresso.

Considera la situazione illustrata nella Figura 3.13. Qui abbiamo schematizzato un programma di formazione che potrebbe essere utilizzato da una grande azienda come mezzo di screening, formazione e collocamento di nuovi laureati all'interno della società. La società inizialmente assolda un determinato numero di laureati, magari utilizzando gradi universitari, interviste, lettere di raccomandazione e test come mezzo per selezionare le persone. A tutte le assunzioni viene detto che la loro selezione è su base probatoria e che saranno continuamente valutate durante il loro programma di formazione. Se le prestazioni durante l'allenamento non sono soddisfacenti, potrebbero essere rilasciate dal programma.

È certamente nell'interesse della società prendere una decisione accurata su ogni individuo il prima possibile. Allo stesso modo, è altrettanto nell'interesse del dipendente che una decisione sia presa il prima possibile. Tuttavia, il grado in cui è possibile predire il successo come conseguenza del programma di allenamento aumenta nella correttezza (cioè aumenta la validità) più a lungo siamo in grado di osservare le prestazioni dell'individuo durante l'allenamento. Entro la fine del terzo periodo di valutazione dovremmo certamente essere in grado di prevedere con maggiore precisione se un tram finirà il percorso con successo di quanto non siamo riusciti a fare al momento della sua assunzione.

La situazione è abbastanza analoga al problema di prevedere i voti finali degli studenti universitari. Ovviamente, si possono fare previsioni migliori nel momento in cui lo studente inizia il suo anno da senior rispetto al momento in cui entra al college. La Figura 3.14 illustra il cambiamento di validità che si potrebbe logicamente aspettarsi di verificarsi in una situazione come quella schematizzata nella Figura 3.13.

In un certo senso, la meccanica di una situazione come mostrato nella Figura 3.13 è identica alle più comuni situazioni predittive multiple: sono disponibili numerosi predittori di successo, ma per ottenere ogni predittore aggiuntivo è necessario investire tempo e denaro in quella tirocinante. I predittori sequenziali vengono utilizzati in diversi modi.

Più frequentemente, viene utilizzato uno dei seguenti metodi:

1. Una persona deve superare il punteggio minimo desiderabile in ciascuna fase di valutazione. Pertanto, ogni fase diventa un ostacolo che il tirocinante deve chiarire se deve essere tenuto nel programma.

2. Una regressione multipla composita viene calcolata ad ogni successivo punto di valutazione e la probabilità di successo viene calcolata per ogni persona che rimane nel programma. Ogni volta che questa probabilità scende al di sotto di un valore arbitrario (ad esempio, 25 percento), viene eliminato dal programma.

Problema di restrizione del campo:

Una difficoltà che emerge in situazioni di selezione sequenziale è un problema noto come effetto della "restrizione di intervallo" sulle stime di validità. Se abbiamo usato il predittore 1 per selezionare le persone inizialmente, e poi se calcoliamo successivamente la correlazione tra predittore I e il criterio o calcoliamo la correlazione tra qualche altro predittore 2 e il criterio, i nostri coefficienti di validità calcolati r _1c o r _{2c hanno} avuto luogo . Preselezionando abbiamo limitato la gamma di abilità (e quindi i punteggi dei predittori) che ridurranno il coefficiente di correlazione. In effetti, il nostro predittore 1 agisce in modo simile alla variabile di controllo in correlazione parziale; poiché ha già rappresentato una parte della varianza, la correlazione r _2c sarà ridotta. Per ottenere una stima di cosa sia veramente la validità di R _2c, si può usare la formula di correzione.