人力资源考评指标灰聚类分析.docVIP

人力资源考评指标的灰聚类分析 　　【摘要】研究人力资源价值的影响因素应是构造人力资源价值计量模型的起点，但现有的人力资源价值计量模型由于缺乏对人力资源价值影响因素的科学分析而显得过于武断。我们通过汇集现有理论和实际工作中对人力资源评价的指标，得出人力资源评价调查量表，并利用其进行了较大规模的调查，得到了符合信度和效度的人力资源评价指标调查数据。即用现有的和自行编制的数据处理程序对数据进行了处理，特别是引入灰色系统理论的灰聚类分析方法对60个评价指标的相关性进行聚类分析，解决了数据少、数据间存在灰色关系等问题，得出评价人力资源的价值应从外显的“智力素质”、“工作表现”、“工作业绩”三个方面进行的结论。这一结论与通常的人力资源管理理论具有一致性，为进一步寻求这些评价指标的白化值和价值计量方法提供了依据。 　　人力资源会计所面临的计量问题成为制约其发展和应用的关键问题，现有的人力资源价值计量模型由于缺乏对人力资源价值影响因素的科学分析而显得过于武断。研究人力资源价值的影响因素应是构造人力资源价值计量模型的起点。我们曾综合现有研究成果汇聚出了考评人力资源价值的60个指标，并对其进行重要性调查和因子分析，得出了初步结论。但是，我们也注意到有些指标在两个特征向量上的载荷差异很小，如专业知识掌握水平、专业知识更新程度、专门技术与生产技能、想象力、创造性思维能力、工作动机、分析能力等。这说明，有些指标可能对两类因素都有影响，大类指标中的具体指标可能存在关联性。再加上因子载荷显示有很多为负值，无法解释其经济意义。故此，我们改变思路，依据灰色系统理论，按照指标关联度重新进行调查分析。 　　(1)问卷设计与样本选择 　　人力资源价值评价指标之间的关联性以及依据其关联性将指标聚类合并是我们的目的。这是由于指标之间关联性的存在，人们在对同一个人进行评价时，具有关联性的指标的分值也将具有相关性。为此我们设计了调查问卷。问卷以60个指标为参数，要求被调查者以其对本单位自己所熟悉的十名职工进行评价，每项指标的评价分值为1～10(即假定最理想的人的各项评分均为10，那么，你认为你所评价的这个人每一项的评分应为多少，并将之填入调查表的一列中），不能漏项。 　　调查问卷设计完毕后，我们采用走访调查和发放问卷等方式对包括企业、事业、机关、学校的负责人、人力资源经理或人事处长进行调查，共收集到关于250人的评价数据，并将数据按人作为记录、指标作为字段排列，形成一个250行、60列的人力资源评价表。 　　(2)数据的信度、效度检验 　　 　　所谓信度是指所使用分析工具的可靠性，即同一群被调查者在同一份问卷上测验多次的结果具有一致性或稳定性的特征。我们采用现在衡量信度最佳的克伦巴赫a系数方法进行信度检验，运用SPSSl0．0统计分析软件对数据进行了处理以分析问卷的信度。最后得出问卷整体的克伦巴赫a系数达到了0.9642。可以说问卷具有良好的信度，运用问卷中的数据进行下一步的分析具有很好的可信度。 　　效度则是衡量分析工具的正确性，即衡量工具能真正测得其所希望测量的变量的程度。本研究着重考察了量表的内容效度、标准关联效度和建构效度。 　　首先，就量表的内容来说，各指标内容的设计是在总结现有研究结论后综合得出的，并与各被调查单位的负责人、人力资源经理或人事处长共同探讨所得的，可以说是汇合了理论研究与实践经验的结果，所以，问卷应具有一定的内容效度。 　　然后，对问卷的标准关联效度进行检验。标准关联效度的测量方法是计算各个问项与问卷总体的相关系数。其计算的结果见表1。 　　从表1中可以看出，除纪律性、交流与沟通能力、生理忍耐能力、资源配置能力和出勤率之外，所有问项对总体的相关系数均达到了O．5以上。可以说问卷具有良好的内部标准关联效度。 　　 　　在测量建构效度时采用了因子分析的方法，计算各个问项的因子载荷，以确定各个问项是否对整个量表有所贡献。在进行因子分析之前，要先对量表内部的相关系数矩阵进行统计学检验以确定量表适合进行因子分析。量表的KMO检验结果见表2。 　　另外，对问卷中60个指标问项进行主成分分析和最大正交因子旋转，得到旋转后的因子累计贡献率达到74．146％。同时。计算量表的变量共同度，所得结果如表3。 　　 　　(3)灰色聚类分析 笔者曾利用调查数据进行了分层聚类分析，但只能在较小的关联度下才能得出结论。为了寻求更合理的聚类结果，笔者引入灰色聚类。灰色聚类是依据灰色系统理论得出的。灰色系统理论将现实生活中的系统看作是灰色系统。即部分变量及其关系是已知的，而有部分变量及其关系是未知的，甚至还有些变量是否存在也是不能确定的。灰色系统理论不致力于确定所有变量及其关系，而是通过微分模型将主要变量及其关系确定，进而利用主要变量对系统进行分