一、含义及其分析方法现状
    ESS（employee’s satisfaction survey）即员工满意度调查，主要通过问卷的形式对组织的员工进行调查。通过填写问卷了解员工对组织各个方面的满意程度，从而深入了解员工的想法，使领导者能有针对性的提出激励策略，提高内部满意度。
    但是在多数的ESS中，分析方法非常简单，没有合理的运用统计工具，只是把问题的得分统计起来，对基本情况进行频次统计通过平均值、最大最小值等得出一个浅显的结论。频次统计（frequency）主要是对各题选择情况进行频次统计，如最高分、最低分、众位数、平均分等，通过频次统计初步了解企业员工整体满意度情况、不同分类标准（部门、年龄、工龄、性别、文化等）的员工满意度情况等，所以频次统计主要是对问卷数据进行一个初步的处理，了解大致情况并为后续的复杂统计分析提供一定的数据支持。
    其实，ESS问卷中可以挖掘出很多潜在的、对企业决策有用的信息，能够运用的统计分析方法也很多，如回归分析、方差分析、因素分析、聚类分析等，关键看调查方能否运用合理的统计分析方法，与ESS结合，得到企业需要的信息。如回归分析与方差分析就可以适用于ESS的分析。
二、回归分析与双因素理论结合
    1、回归分析
    ESS的回归分析是基于下面的数据结构基础，即：一个总体的满意度，下面是几大模块来支持（假设五个模块），每个模块下面有几个问题来支持。问卷中只显示问题，事先设置好模块，模块的得分通过其所属问题得分汇总获得。
    在ESS中，通常采用多元一次回归，即Y＝α＋β1X1＋β2X2＋……βnXn，其中α是回归常数，β1……βn称为回归系数，X1……Xn则为解释变量，通过回归可以解决两个问题：
    a、从大的类别（模块）来分析影响员工满意度的因素
    可以把影响员工满意度的因素划分为几个大的模块，如五大模块：企业文化、组织建设、团队合作、福利、个人发展等，则可以由各大模块得分对总体满意度得分进行回归分析，从而得出各模块对总体满意度的影响情况，即是否有显著的相关关系；
    b、从小的类别（具体问题）来分析影响员工满意度的因素
    在调查设计中，每个模块包含了若干个具体问题，而对于不同标准分类的员工其具体问题对模块的影响程度是可能不同的，通过具体问题对模块的回归分析，可以看出各问题（因素）对模块的影响情况。
    2、通过回归解决双因素理论的实施问题
    双因素理论是人力资源管理中很重要的一个理论，即激励因素与保健因素，这两种因素随着社会的发展、人的需求变化等内外环境的变迁而发生相互转换，两类因素的划分并非固定的。通过回归分析可以看出这两种因素是否发生了转换，这对企业来说是非常重要的。
    假设现在已经做了各模块对总体满意度的回归，即：
Y（总体满意度）＝α＋β1·企业文化＋β2·组织建设＋β3·团队合作＋β4·福利＋β5·个人发展
    通过这样的回归方案，并与双因素理论结合起来，不仅可以看出各因素影响Y值的程度（显著性），而且对激励策略的制定能提供依据：由于ESS一般每年或至少每隔两年要做一次，对比两次调查的结果，即第一次回归的方程式与第二次的方程式比较，就能看出影响因素是否有变化和如何变化，这就意味着两类因素是否发生了转换，如下例：
    第一年ESS所做回归结果（利用专业统计软件SPSS进行计算得出β值与sig值）：
Y（总体满意度）＝α＋β11·企业文化＋β12·组织建设＋β13·团队合作＋β14·福利＋β15·个人发展
    第二年ESS所做回归结果：
Y（总体满意度）＝α＋β21·企业文化＋β22·组织建设＋β23·团队合作＋β24·福利＋β25·个人发展
    分析比较结果：
    首先，我们可以将影响不显著、相关系数小的因素列为保健因素，而影响显著的列为激励因素。假设第一年调查发展只有福利、团队合作的sig．＜O.05，即相关性显著，列为激励因素；而第二年相关显著的是个人发展、企业文化，并且β11＜β21、β13＞β23、β14＞β24、β15＜β25，其中组织建设从未影响显著，即一直是保健因素，因此可以看出，福利、团队合作在一年后已经由激励因素转化为了保健因素；而企业文化、个人发展转化为了激励因素。这样的结果就可以给企业管理层启示：提高企业文化、为员工设计职业规划能够提高员工的满意度；而福利与团队合作的影响程度变的不大，但如果这两方面做得不够好，员工就会变得不满意。
三、方差分析的应用
    为了深入分析员工满意度之间的差异及不同因素的影响差异，在ESS中可以采用方差分析的方法。方差分析相对于其他方法，能提供多维度的检验，给企业提供更细化、更有针对性的调查结果。
    方差分析用于两个及两个以上样本均数差别的显著检验。从方差入手的研究方法有助于找到事物的内在规律性。方差分析有单因素、多因素、协方差等，在ESS中主要依据问卷设计的背景资料结合公司想要了解的情况来进行分析。
    下面以单因素、多因素方差分析为例来探讨如何为ESS分析服务。
    1、单因素与多因素方差分析的基本原理
    单因素方差分析测试某一个控制变量的不同水平是否给观察变量（因变量）造成了显著差异和变动；而多因素方差分析用得更广泛，其控制变量在两个或两个以上，目的是要分析多个控制变量的作用、多个控制变量的交互作用以及其他随即变量是否对结果产生了显著影响。这一方法对深入挖掘调查结果有很大的作用，即可以对某一项得分按照多种分类来比较，如分析年龄层、入场时间、职位等对满意度的影响。
    对于多组样本的检验，检验的效果远不如方差分析，因为检验虽然可以在两个样本间比较，但实际应用中经常需要比较两组以上数据样本均数的差别，这时候用多次检验就会增加弃真、存伪两类错误的可能性，如原先α定为O.05，做多次的检验将使最终推断时α＞O.O5。故对于两组以上的均数比较，必须使用方差分析的方法。
    2、方差分析在ESS中的应用
    （1）单因素方差分析应用举例
    如实行ESS的公司员工按年龄分为4组，对其总体满意度进行分析，看这些组之间是否有显著差异；还可以把3000人的公司按照部门分组，进行满意度的方差分析。通过方差分析，就可以让管理层了解不同分类员工之间的满意度差别，不仅看表面分值，还要通过科学的统计手段判别不同类别员工的满意度差异是否有显著意义，从而有利于针对不同类别员工采取有针对性、区别性的激励策略。
    （2）多因素方差分析举例
    如实行ESS的公司员工按照工龄不同分为4组员工，分别属于4种不同的文化程度，分析员工在满意度上是否有显著差异，即研究不同的工龄、不同文化程度对员工满意度的影响。同理，还可以做很多分组的分析，具体看企业所需要了解的分类而定。
四、方差分析与回归分析结果
    方差分析还可以与回归分析结合起来，得到更为清楚的结果。方差分析得到的是不同层面的差异情况，如果结果有显著差异，如要进一步研究这些因素对因变量的影响程度，还可结合回归分析。通过回归分析，可以解决这个问题，具体分析如下：
1、方差分析得出结果，假设汽车制造公司里两个分厂的总装厂与车身厂员工的满意度差别有显著性；
2、回归分析得出差别原因，分别对两个厂员工的满意度回归分析，得出方程式如下：
Y1（总装厂员工满意度）＝α＋0.7·X1＋0.12·X2＋0.34·X3＋0.31·X4＋0.11·X5
Y2（车身厂员工满意度）＝α＋0.1·X1＋0.34·X2＋0.8·X3＋0.102·X4＋0.62·X5
式中：α是回归常数，为影响满意度的因素。比较如下：
    假设Y1中，sig．＜0.05的因素有Xl、X3；而Y2中，sig．＜O.O5的有X3、X5，这就看出，对两个厂员工的满意度有显著影响的因素是有不同的，分别是X1和X3；并且比较相关系数，可以发现同一个因素对不同部门的员工的影响大小差别。
    所以，可以通过方差分析得出不同的分类样本是否有显著差异，结合回归分析找出某些因素的影响作用大小，从而有利于企业对症下药，更有实效地提高员工满意度。能用于ESS的统计分析方法还有很多，如聚类分析、因子分析，但并不是方法越多越难就越好，而是要看这些方法如何适用于ESS的需要，可以灵活应用从而提供更翔实、更科学的数据分析信息。