概念：影响指标
通过将驱动因素得分与外部指标进行比较，影响指标可让您检查参与度投资的回报。您可以导入您的指标并将其与任何问题的驱动程序分数进行对比。
这些是
Impact
的一些用例：
- 流失率 %
- 旷工
- 项目完成率
- 销售额增长 %
- 客户保留率%
- 其他车手成绩
- 客户满意度 %
- 销售业绩%
- 神秘商店分数
工作原理
线性回归使
影响
指标能够通过拟合最佳线性（直线）关系来估计预测因子和结果之间的关系。回归输出以下测量值：
措施 | 描述 |
|---|---|
影响值 | 影响值是报告预测变量和结果变量之间的方向和影响的回归系数。它显示了您的 Peakon 驾驶员得分每变化一分，您的指标预期会发生怎样的变化。
您所回归的指标类型决定了您的影响值是正面结果还是负面结果。示例：在检查员工流失率和敬业度之间的关系时，负分是一个积极的结果，因为敬业度更高的员工离职的可能性较小。 |
解释力 | 解释力（统计学中的 R 平方值）评估回归模型与您导入的真实世界的数据的拟合程度。它解释了第一个变量的方差在多大程度上解释了第二个变量的方差。
学术研究表明，≤12% 表示模型拟合度低，13% - 25% 表示中等，≥ 26% 表示模型拟合度高。解释能力越高，模型就越能解释结果变量的变化。这些界限可能看起来很低，但员工敬业度往往是影响指标成功的众多因素之一。 |
分析
导入指标后，图表会显示带有趋势线、影响分数和解释力的散点图。
您可以在仪表板的
“分析”
部分查看 影响
报告。图表上的信息是上下文相关的，并根据您正在查看的段上下文调整关系。可以将 影响
分析导出到 Microsoft Excel。当使用可用的过滤器时，离开页面后图表将返回到标准视图。
访问权限
您可以在
访问控制
中的 访问统计
部分下启用 影响
权限。建议
通过研究问题引导分析来推动调查的叙述。例子：
- 提高员工福利和减少每位员工的平均缺勤天数之间是否存在联系？
- 工作量分数较高的团队在生产力指标上的表现是否也更高？
- 参与度得分较高的地点的急救事故是否也较低？
- 更多参与的团队是否能提供更好的客户服务？
- 增长分数较低的部门是否更有可能出现更高的员工流动率？
提供来自更多（>30）较小单元的粒度数据。
确保每个段包含的员工数据是独立的并且不重叠。
经常重复分析以提高研究结果的有效性。在不同的时间段发现相同的趋势和影响表明研究结果是可靠的，而不是巧合。