摘要：实施CMMI高成熟时的过程性能模型建立问题

在实施CMMI（Capability Maturity Model Integration）高成熟级别时，建立有效的过程性能模型是关键步骤之一。为此，组织可能采用回归分析方法以识别与管理目标（y）有关联的影响因子（x）。然而，某些组织在寻找这些相关因子时，使用了一种不有效的方法，即将所有采集的度量元数据进行排列，并尝试找出与目标变量y有相关性的度量元。这种方法存在明显的问题：

1. 没有正确识别因果关系。仅基于变量间的相关性是不足以确定因果关系的，而因果关系在过程性能模型中是必需的。这样的方法可能会忽视实际的因果逻辑，导致错误的解释。
2. 可能会忽略非线性关系。在进行相关性分析之前，应先通过散点图来判断变量间的关系是否为线性。直接计算相关性系数可能会忽略曲线或其他非线性的相关关系。
3. 相关性系数计算的前提是变量需要符合正态分布。在没有检验数据的正态分布性之前进行相关性计算，可能会导致不准确的结论。

总之，寻找影响CMMI高成熟级别中管理目标的相关因子时，应避免上述方法上的问题，以确保建立的过程性能模型的有效性和准确性。

人工智能将如何改变敏捷项目管理？

了解更多

麦哲思科技任甲林

查看原文：“大海捞针”式相关性分析的错误

文章来源：

麦哲思科技任甲林

扫码关注公众号