上海人才外流动因及对策研究.docVIP

上海人才外流的动因及对策研究 　　摘 要：中国城市化进程的推进，新兴城市的快速崛起，加速了对上海、北京、广州、深圳一线城市的人才竞争。上海作为全国人才的聚集地，面临着基础性与高级人才流失的挑战。基于对上海市人才的抽样调查，采用Logistic回归及交互分析方法，研究上海人才外流的动因，并提出应对之策。研究表明，平衡的工作与生活设计、职业发展是影响上海市人才流动的主要因素。学历与职业发展、薪酬满意度与城市工作环境、当前公司工作年限与城市工作压力共同对离开上海的工作意愿产生作用。 　　关键词：上海市；人才流动；影响因素 　　中图分类号：C96 文献标志码：A 文章编号：1673-291X（2015）15-0166-04 　　一、问题的提出 　　伴着近几年的产业转移，国家政策的扶持，内地及一线周边区域经济的快速崛起，人才作为经济发展的第一要素，一线城市出现人才外流现象。一场越来越多内地城市及周边区域参与一线城市的人才争夺战正在展开。对于那些有心创业的高层次人才，一些内地城市开出颇为诱人的租房、购房补贴，甚至动用千万乃至上亿的奖励吸引他们离开一线城市。常年处于人才聚集地的一线城市则出现了基础性与高级人才流失的现象。 　　上海作为中国最大的经济中心城市，要保持原有地位必须尽快适应新形势。随着其他城市对上海经济发展模式的快速跟进与复制，相应的对人才的需求也会水涨船高，加速对上海成熟人才的争夺，导致该城市的人才外流。过去探讨人才外流倾向方面，可知会有人才外流倾向其实系由许多因素所造成，如家庭因素、个人因素、组织因素或环境因素所影响，进而有离开原来工作城市的倾向。城市人才外流一直是管理者最关心的议题，城市最大的资产为人才，Cascio（1991）认为人才外流率太高，将造成有形及无形的损失。因此，识别哪些因素影响上海市人才外流就显得至关重要。 　　二、调查结果分析 　　本研究选取上海部分在职人才为调查对象，于2013年3―4月在上海市内以多层次随机抽样的方法，采取在线调研的方式，覆盖了不同性别、年龄段、学历、职位层级的在职人士。从个人因素有关的年龄、性别、学历、在现公司工作年限、个人兴趣，与组织因素有关的职业发展、平衡的工作与生活设计，与城市因素相关的城市工作环境、城市工作压力、城市行业背景三个层面逐一分析种种可能造成影响人才流动的因素，此次最终完成有效样本总数为1 936个。 　　（一）样本分布状况描述 　　有效样本总数为1 936个，在流动影响的因素中，系统缺失数据5人，占0.3%。外留学或海外工作经验（半年及以上）、硕士以上、硕士、本科、专科、专科以下的人数分别为149人、82人、301人、1 113人、228人、42人，占7.8%、4.3%、15.7%、58.1%、11.9%、2.2%。在当前公司的工作年限有效数据中6个月以下、6―12个月、一至三年、三至六年、六至十年、十至十二年、十二至十五年、十五年以上的人数各为210人、351人、851人、335人、135人、24人、17人、9人，所占比例分别为10.9%、18.2%、44.0%、17.3%、7%、1.2%、0.9%、0.5%。 　　（二）流动影响因素的Logistic回归分析 　　为了更好地解释与上海人才外流相关的因素，筛选出对流动影响不显著的变量，留下对流动有影响的因素，利用 Logistic 回归分析，将个体层影响因素、组织层影响因素及城市影响因素设定为回归模型中的自变量，分析在所有自变量中究竟是哪些因素使人才产生流动。在不考虑流动强度的前提下，把因变量“不离开上海”设为1，“离开上海”设为0，将问卷中所包含的各个变量纳入到 Logistic 回归分析中，分析结果（见下页表1）。 　　（三）流动影响因素的交互分析 　　一般而言，个体因素与组织因素、城市因素都是个体是否离开上海的重要因素，很有可能是其中的两个因素对个体是否离开上海有交互作用。因此，为了更好地解释影响上海人才流动的因素，运用Logistic回归模型分析影响因素的的交互作用，首先，组织影响因素、城市因素分别与个体影响因素相乘，形成交互项；其次，在Logistic回归模型中同时纳入个体影响因素、个体影响因素与组织、城市影响因素的交互项进行分析，因变量为“离开上海的意愿”，采取交互分析的方法，分析在所有个体影响因素究竟是哪些组织、城市影响因素使人才产生流动。因此采用下列含有交互项的Logit模型。例如，当分析个体影响因素与实际薪酬涨幅的交互作用对人才流动意愿的影响时，将个体影响因素、实际薪酬涨幅以及个体影响因素与实际薪酬涨幅的交互项同时放入回归方程进行分析，其他模型分析方法相同。 　　根据个人因素与组织因素、城市因素的交互作用分析发现，学历与职业发展共同对离开上海意愿产生作用（β=-0.