人力资源需求预测与模型构建研究——以资产管理公司为例

●王婷

人力资源规划是企业将经营战略和目标转化为人力需求，充分利用人力资源的一项重要措施。企业人力资源规划的制定主要分为收集人员信息、预测人员需求、分析组织内部人力资源情况、制定规划、与其他规划协调和评估规划六大步骤。其中，人员需求的准确预测是制定人力资源规划的关键所在。

人力资源需求预测的方法主要有两种，一是定性的直觉预测方法，二是定量的数学预测方法。直觉预测方法是指依赖预测者的经验、智力和判断力进行预测，以德尔菲技术法为代表。这种方法的优点是简单、易行、可以集中大家的智慧。缺点是预测成本高，成员间互相影响，权威人士会限制其他人的创造性思维等。数学预测法分时间序列分析法和回归分析法。前者是指根据过去一段时间的人员需求的历史数据做图，经过分析后用数学方法进行修正，得到预测用的趋势线，其缺点是没有考虑到将来有重大影响的事件；后者是寻找影响人力资源的需求水平的相关因素，当这些因素与人力资源需求水平两者的关系是一种高度确定的相关关系时，就可以用数理统计的方法定量地表示这种关系，模拟得出人员需求回归方程，其关键点在于找出和人员需求有高度相关性的变量。本文采用回归分析法，针对金融不良资产处置业务的特点，以金融不良资产处置的历史数据为测算依据，找出影响金融不良资产处置业务人员需求的相关变量，初步构建了以金融不良资产处置总量和收现额为自变量的不良资产经营处置业务人员需求预测模型。

一、构建人员需求预测模型的必要性及其假设条件

构建合理的人员需求模型是资产管理公司能够更好地适应不断变化的外部环境的必然需求。当前，信达、华融、东方和长城四大资产管理公司正处在转型时期，面临着外部环境的不断变化。这些变化直接影响公司的组织结构和人力资源战略，如国家对金融资产管理公司改造的最终定位及相应政策、监管环境的改变以及国家法规政策的调整等。资产管理公司为适应这些外部环境的变化，必然要对自身的员工数量和结构进行改变，人员需求预测模型可以帮助公司在变化的环境中对人力资源总量进行预测，实现合理配置。

构建人员需求模型是为资产管理公司顺利实现企业变革的目标提供人力资源保证。四大资产管理公司商业化转型的方向已出显端倪，各家公司都根据自己的业务优势确立转型后的主营业务，其中有三家的主营业务仍然是不良资产的经营与处置。做好此项工作的关键在于如何合理、有效地配置好人力资源，同时还要做到适度控制人员规模，节约人工成本。按照人力资源配置科学量化的整体思路，根据资产管理公司业务发展的整体战略，本文以某家公司现有的资产处置业务数据及人员信息为例，初步构建资产管理公司不良资产经营处置业务人员需求预测模型，为人力资源总量的规划提供参考。

构建人员需求模型是资产管理公司人力资源量化管理的初步探索，为人力资源管理工作科学化、系统化奠定基础。现代人力资源管理相比传统的人事管理，在人员信息的统计分析上不再是手工操作，更加注重运用现代科学技术手段进行科学化管理。人力资源需求模型的建立正是量化的科学管理方法在具体实践中的体现。

不良资产处置业务复杂且资产管理公司机构众多，处置的不良资产存量具有地域差异性的特点。这要求人员需求模型必须建立在如下假设条件下：一是各分支机构人均资产处置能力相同，即假设各机构资产处置人员能力素质都相同，每个人处置的资产额相同；二是各分支机构处置资产质量和环境大致相同，即剔除不良资产分布的地域差异性特点，假设各地资产质量和处置环境大体相同。

二、人员需求预测模型的构建

本文以某资产管理公司2006、2007年两年各地不良资产存量的平均数、不良资产收现额的平均数和平均人数等数据进行测算分析，找出人员需求与处置资产量以及收现额的线性回归关系，建立人员需求预测模型。

（一）确定与人员需求高度相关的变量

回归分析预测方法的关键点在于找出影响不良资产经营处置业务人员需求总量的各种因素。与人员需求高度相关的影响因素的选择必须满足以下两个条件：第一，所确定的影响因素应反映本企业和行业的基本特点；第二，所确定的影响因素应和所需员工数量成比例。基于以上两点考虑，并结合公司不良资产经营处置业务的实际经验，我们认为各地不良资产存量、累计资产处置额和收现额、年平均处置额和收现额、资产收现任务以及人均处置能力等指标，可能是影响不良资产经营处置业务人员需求的因素。

（二）自变量与因变量的线性关系检测

我们对以上可能影响的因素一一做了因变量模拟线性回归的散点图分析，最终确定了年平均处置资产额和年平均资产收现额这两个因素为回归方程中的自变量。模拟的散点图如下：

根据数据散点图，观察因变量与自变量之间关系是否有线性特点。

从图中可以看出资产处置额与人员需求存在明显的线性关系，收现额也与人员需求存在明显的线性关系。由此可以判定建立线性回归方程是非常适合的。

表1 测算的基础数据

（三）人员需求回归方程模型的建立

根据收集的基础数据，通过专业统计软件，得到回归方程：

表2反映了回归方程建立的步骤。第一步回归方程中包含常数项（constant）和自变量当年收现金额，即：人员需求＝32.94＋2.52×收现金额。其常数项的显著水平值（Sig）为0，自变量收现金额的显著水平值0。

第二步回归方程中包含常数项 （constant）、自变量收现金额和处置资产量；因变量为人员需求。人员需求＝31.67＋4.59×收现金额－0.74×处置资产量。其常数项的显著水平值为0，自变量收现金额的显著水平值0，自变量处置资产量的显著水平值0.009<0.05，该变量被引入回归方程中。

共线性诊断的指标：容忍度（Tolerance）分别是0.32和0.32，大小适中，不是很小。方差膨胀因子（VIF）分别是3.127和3.127，数值不大，从而排除了自变量之间共线性的影响。

通过专业统计软件的模拟演算，我们得到两个不良资产经营处置业务人员需求预测模型：

人员需求模型1是以不良资产处置额和不良资产收现额为自变量，人员需求为因变量建立的线性模型。

人员需求模型方程1＝31.67＋4.59×不良资产收现额－0.74×不良资产处置额

人员需求模型2是以不良资产收现额为自变量，人员需求为因变量建立的线性模型。

人员需求模型方程2＝32.94＋2.52×不良资产收现额

模型1和模型2分别适用于不同已知数据的人员需求预测。

三、方程拟合度分析

方程拟合度的分析可以判断该方程建立的合理性，其重要分析指标为R Square和Adjusted R Square（修正值）。通过表3我们可以看到，模型1和2的方程的R Square和Adjusted R Square（修正值）的数值分别是0.452和0.430及0.597和0.561，数值相近，故建立的回归方程拟合度比较好。

表2 回归系数分析

表4方差分析表的结果表明，当回归方程包含不同的自变量时，其显著性概率值（Sig.）均小于0.001，进一步说明方程的拟合度较好。

此外，从残差图中，我们也可以判断模型拟合的效果。如图3中，各点呈随机状，并绝大部分落在了垂直的＋2范围内，说明模型对于数据的拟合效果较好。

四、人员需求模型的应用

人员需求与处置资产量和收现额的线性回归关系建立后，为资产管理公司在不良资产经营处置业务的人员配备规划中，提供了科学的分析方法。运用此模型可以作如下人员需求的初步预测：

（一）剩余政策性不良资产处置人员需求预测

四大资产管理公司虽全部完成了财政部下达的政策性不良资产的收现任务，但是每家所剩的政策性不良资产还有一定的数量。这些政策性不良资产存量的处置也需要一定的人力资源保障。

各家资产管理公司可以将剩余政策性资产存量和剩余收现任务作为自变量带入方程中，模拟出如果完成剩余政策性资产处置收现任务人数需求的理论值。同理，也可计算出各分支机构从事剩余政策性不良资产处置工作的人员数，该值可以作为机构人员总量调剂和人员编制下达的基础。

（二）不良资产商业化收购业务人员需求预测

不良资产市场竞争激烈，各家银行的不良资产包纷纷推出。四大资产管理公司在一级市场上举牌竞买，再将大包拆分，精耕细作或分门别类组包卖给其他小的不良资产处置公司。资产管理公司在一级市场上竞购的商业化债权包，在具体经营处置运作时，需要制定处置团队人员需求整体规划。运用该模型，可以科学推导出人员需求的理论值，根据理论值，人力资源部门可以有效计算出实际处置人员需求量，节约人力成本，实现高效运作。

表3 拟合过程小结Model Summary(c)

表4 方差分析ANOVA(c)

（三）其他类似不良资产经营处置业务人员需求预测

随着各家资产管理公司商业化新业务的开拓，今后还会有若干单不良资产经营处置或类似的业务，在进行该业务人员配置规划中，可以运用人员需求模型，模拟出处置团队人员需求总量的理论值，为人员配置提供决策依据。

五、人员需求模型的缺陷及修正措施

主要缺陷在于：

1.样本量较小。因为资产管理公司开展商业化资产处置工作的时间并不长，所以积累的完整原始数据仅仅有两年,样本量时间跨度有限。模型与实际的拟合度受到影响。

2.不同地域资产质量和处置环境各不相同。由于不良资产存量分布在不同的区域，各地资产质量和处置环境不尽相同，处置人员素质也参差不齐，但这些差异因素暂时无法量化，故模型假设各地资产质量和处置环境都相同，使得运用模型预测的理论值与实际需求存在一定的差距。

3.人员需求预测模型的两个因变量是资产处置额和收现额，所以下达收现任务指标的准确性对预测的理论值影响较大。

4.模型中无人工成本的约束。人工成本也是影响人员需求的重要因素，因为资产管理公司人员费用管理的特殊性，故在测算时未考虑人员费用的因素。

修正措施如下：

1.关于样本量小的问题，可以建立针对资产管理公司资产处置业务的业务指标和人员信息数据库，今后每年定期收集数据，资产处置完成后，按照业务种类和年限将所有的数据进行汇总分析，形成包含多个时间跨度的基础数据。

2.关于解决地域资产质量和处置环境差异的问题，可以考虑将不同地域资产质量、处置环境等因素量化为难度系数值，与其他数据一并考虑，模拟出更为准确的线性回归方程。也可以在运用本文构建的回归方程预测的人员需求理论值的基础上，根据实际情况适当增加或下降一定百分比，进行适当的人员总量调剂。

以上仅是针对不良资产经营处置业务，对人力资源需求预测与模型建立的初步分析和探讨，此回归模型带有特定的行业特点，由于种种的因素限制，人员需求回归分析模型还存在诸多缺陷，需要进一步改进和完善。人力资源需求模型的构建是人力资源管理科学量化的具体体现，将成为人力资源管理研究的新课题。

1.李宝仁：《经济预测理论、方法及应用》，经济管理出版社,2005年版。

2.卢纹岱：《SPSS FOR WINDOWS统计分析》，电子工业出版社,2004年版。

3.郭志刚：《社会统计分析与方法SPSS软件应用》，中国人民大学出版社,1999年版。

4.刘文江、周桂荣：《人才需求与供给战略选择》，中国经济出版社,2004年版。

5.安鸿章、邹勇：《企业技能人员需求预测模型建立与应用》，载《经济与管理研究》-2007年11期。

6.余凯成：《人力资源开发与管理》，企业管理出版社，1997年版。