一、含義及其分析方法現狀
    ESS（employee’s satisfaction survey）即員工滿意度調查，主要通過問卷的形式對組織的員工進行調查。通過填寫問卷了解員工對組織各個方面的滿意程度，從而深入了解員工的想法，使領導者能有針對性的提出激勵策略，提高內部滿意度。
    但是在多數的ESS中，分析方法非常簡單，沒有合理的運用統計工具，只是把問題的得分統計起來，對基本情況進行頻次統計通過平均值、最大最小值等得出一個淺顯的結論。頻次統計（frequency）主要是對各題選擇情況進行頻次統計，如最高分、最低分、眾位數、平均分等，通過頻次統計初步了解企業員工整體滿意度情況、不同分類標準（部門、年齡、工齡、性別、文化等）的員工滿意度情況等，所以頻次統計主要是對問卷數據進行一個初步的處理，了解大致情況并為后續的復雜統計分析提供一定的數據支持。
    其實，ESS問卷中可以挖掘出很多潛在的、對企業決策有用的信息，能夠運用的統計分析方法也很多，如回歸分析、方差分析、因素分析、聚類分析等，關鍵看調查方能否運用合理的統計分析方法，與ESS結合，得到企業需要的信息。如回歸分析與方差分析就可以適用于ESS的分析。
二、回歸分析與雙因素理論結合
    1、回歸分析
    ESS的回歸分析是基于下面的數據結構基礎，即：一個總體的滿意度，下面是幾大模塊來支持（假設五個模塊），每個模塊下面有幾個問題來支持。問卷中只顯示問題，事先設置好模塊，模塊的得分通過其所屬問題得分匯總獲得。
    在ESS中，通常采用多元一次回歸，即Y＝α＋β1X1＋β2X2＋……βnXn，其中α是回歸常數，β1……βn稱為回歸系數，X1……Xn則為解釋變量，通過回歸可以解決兩個問題：
    a、從大的類別（模塊）來分析影響員工滿意度的因素
    可以把影響員工滿意度的因素劃分為幾個大的模塊，如五大模塊：企業文化、組織建設、團隊合作、福利、個人發展等，則可以由各大模塊得分對總體滿意度得分進行回歸分析，從而得出各模塊對總體滿意度的影響情況，即是否有顯著的相關關系；
    b、從小的類別（具體問題）來分析影響員工滿意度的因素
    在調查設計中，每個模塊包含了若干個具體問題，而對于不同標準分類的員工其具體問題對模塊的影響程度是可能不同的，通過具體問題對模塊的回歸分析，可以看出各問題（因素）對模塊的影響情況。
    2、通過回歸解決雙因素理論的實施問題
    雙因素理論是人力資源管理中很重要的一個理論，即激勵因素與保健因素，這兩種因素隨著社會的發展、人的需求變化等內外環境的變遷而發生相互轉換，兩類因素的劃分并非固定的。通過回歸分析可以看出這兩種因素是否發生了轉換，這對企業來說是非常重要的。
    假設現在已經做了各模塊對總體滿意度的回歸，即：
Y（總體滿意度）＝α＋β1·企業文化＋β2·組織建設＋β3·團隊合作＋β4·福利＋β5·個人發展
    通過這樣的回歸方案，并與雙因素理論結合起來，不僅可以看出各因素影響Y值的程度（顯著性），而且對激勵策略的制定能提供依據：由于ESS一般每年或至少每隔兩年要做一次，對比兩次調查的結果，即第一次回歸的方程式與第二次的方程式比較，就能看出影響因素是否有變化和如何變化，這就意味著兩類因素是否發生了轉換，如下例：
    第一年ESS所做回歸結果（利用專業統計軟件SPSS進行計算得出β值與sig值）：
Y（總體滿意度）＝α＋β11·企業文化＋β12·組織建設＋β13·團隊合作＋β14·福利＋β15·個人發展
    第二年ESS所做回歸結果：
Y（總體滿意度）＝α＋β21·企業文化＋β22·組織建設＋β23·團隊合作＋β24·福利＋β25·個人發展
    分析比較結果：
    首先，我們可以將影響不顯著、相關系數小的因素列為保健因素，而影響顯著的列為激勵因素。假設第一年調查發展只有福利、團隊合作的sig．＜O.05，即相關性顯著，列為激勵因素；而第二年相關顯著的是個人發展、企業文化，并且β11＜β21、β13＞β23、β14＞β24、β15＜β25，其中組織建設從未影響顯著，即一直是保健因素，因此可以看出，福利、團隊合作在一年后已經由激勵因素轉化為了保健因素；而企業文化、個人發展轉化為了激勵因素。這樣的結果就可以給企業管理層啟示：提高企業文化、為員工設計職業規劃能夠提高員工的滿意度；而福利與團隊合作的影響程度變的不大，但如果這兩方面做得不夠好，員工就會變得不滿意。
三、方差分析的應用
    為了深入分析員工滿意度之間的差異及不同因素的影響差異，在ESS中可以采用方差分析的方法。方差分析相對于其他方法，能提供多維度的檢驗，給企業提供更細化、更有針對性的調查結果。
    方差分析用于兩個及兩個以上樣本均數差別的顯著檢驗。從方差入手的研究方法有助于找到事物的內在規律性。方差分析有單因素、多因素、協方差等，在ESS中主要依據問卷設計的背景資料結合公司想要了解的情況來進行分析。
    下面以單因素、多因素方差分析為例來探討如何為ESS分析服務。
    1、單因素與多因素方差分析的基本原理
    單因素方差分析測試某一個控制變量的不同水平是否給觀察變量（因變量）造成了顯著差異和變動；而多因素方差分析用得更廣泛，其控制變量在兩個或兩個以上，目的是要分析多個控制變量的作用、多個控制變量的交互作用以及其他隨即變量是否對結果產生了顯著影響。這一方法對深入挖掘調查結果有很大的作用，即可以對某一項得分按照多種分類來比較，如分析年齡層、入場時間、職位等對滿意度的影響。
    對于多組樣本的檢驗，檢驗的效果遠不如方差分析，因為檢驗雖然可以在兩個樣本間比較，但實際應用中經常需要比較兩組以上數據樣本均數的差別，這時候用多次檢驗就會增加棄真、存偽兩類錯誤的可能性，如原先α定為O.05，做多次的檢驗將使最終推斷時α＞O.O5。故對于兩組以上的均數比較，必須使用方差分析的方法。
    2、方差分析在ESS中的應用
    （1）單因素方差分析應用舉例
    如實行ESS的公司員工按年齡分為4組，對其總體滿意度進行分析，看這些組之間是否有顯著差異；還可以把3000人的公司按照部門分組，進行滿意度的方差分析。通過方差分析，就可以讓管理層了解不同分類員工之間的滿意度差別，不僅看表面分值，還要通過科學的統計手段判別不同類別員工的滿意度差異是否有顯著意義，從而有利于針對不同類別員工采取有針對性、區別性的激勵策略。
    （2）多因素方差分析舉例
    如實行ESS的公司員工按照工齡不同分為4組員工，分別屬于4種不同的文化程度，分析員工在滿意度上是否有顯著差異，即研究不同的工齡、不同文化程度對員工滿意度的影響。同理，還可以做很多分組的分析，具體看企業所需要了解的分類而定。
四、方差分析與回歸分析結果
    方差分析還可以與回歸分析結合起來，得到更為清楚的結果。方差分析得到的是不同層面的差異情況，如果結果有顯著差異，如要進一步研究這些因素對因變量的影響程度，還可結合回歸分析。通過回歸分析，可以解決這個問題，具體分析如下：
1、方差分析得出結果，假設汽車制造公司里兩個分廠的總裝廠與車身廠員工的滿意度差別有顯著性；
2、回歸分析得出差別原因，分別對兩個廠員工的滿意度回歸分析，得出方程式如下：
Y1（總裝廠員工滿意度）＝α＋0.7·X1＋0.12·X2＋0.34·X3＋0.31·X4＋0.11·X5
Y2（車身廠員工滿意度）＝α＋0.1·X1＋0.34·X2＋0.8·X3＋0.102·X4＋0.62·X5
式中：α是回歸常數，為影響滿意度的因素。比較如下：
    假設Y1中，sig．＜0.05的因素有Xl、X3；而Y2中，sig．＜O.O5的有X3、X5，這就看出，對兩個廠員工的滿意度有顯著影響的因素是有不同的，分別是X1和X3；并且比較相關系數，可以發現同一個因素對不同部門的員工的影響大小差別。
    所以，可以通過方差分析得出不同的分類樣本是否有顯著差異，結合回歸分析找出某些因素的影響作用大小，從而有利于企業對癥下藥，更有實效地提高員工滿意度。能用于ESS的統計分析方法還有很多，如聚類分析、因子分析，但并不是方法越多越難就越好，而是要看這些方法如何適用于ESS的需要，可以靈活應用從而提供更翔實、更科學的數據分析信息。