人才评价的分层架构复合指数模型研究

范玮卫 师艳娟

(河南工学院，河南 新乡 453003)

引言

目前，国内有关人才管理与数学模型之间的系统性研究相对薄弱。以知网检索为例，双词交叉索引内不出30个反馈结果就已经超出10年界限。而这20余篇，经统计研究人才流动的占了近20%；研究人才培养及教学体系相关的内容占据了近40%；余下还有人才发展规划、领导管理能力、人才分布、行业需求、人才引进和预测等类型占据了余下主体。仅有2016年徐晓辉就人才管理系统的设计进行了建模研究[1]。在此之外，2012年，骆达荣等人[2]、姚明海等人[3]、聂军[4]及2010年陶金强[5]分别就人才管理系统设计与数学建模分析进行了关联研究。

早在上个世纪八十年代，用数学思维把工作中的问题抽象出来，进行数字化描述，形成系统模型，从而通过高效的软硬件基础进行运算求解，得到相对准确的结果。再由优秀的数学建模人员对这个结果进行解释说明，就能够有效的利用数理工具处理现实问题。而基于国家反复倡导人才评价体系改革[6-9]的背景下，如何在改革不断深化的基础上，能够利用更有效的手段来更精确地实现人才管理是本研究的出发点。

本研究主要基于分层分析法，对人才评价体系涉及的多种标致因素或指标利用复合指数模型进行了耦合计算，并对经过计算得到的指数进行了相应的分析研究，以探讨该指数能够反应的影响人才管理的原因和处理方案。

一、分层架构

本研究利用复合指数模型将涉及科研创新工作的多种因素进行加权耦合，将获得的具备复合因素的指标作为人才主要评价依据，尽可能避免人才评价简单化、一刀切，力求更真实反映人才价值。其研究核心在于通过算法将能反映人才价值的数据信息统合归纳，有机地结合传统评价量化指标形成新的指数，用新获得数据将能够反应人才贡献和影响力的抽象概念固定下来，成为人才评价的必要参考。根据以上数据标准，本文就依据复合指数模型计算获得的可作为人才评价体系基础的各级指标，并基于人才管理层面利用层次分析法的研究理念[10]，依据不同属性进行层次分析架构如表1。

表1 复合指数属性分层架构

传统属性指标：此类指标均基于传统人才评价体系常用的可量化指标作为核心，部分未经耦合仅作为单一指标也可从某一方面反应人才科创能力。此类指标为包含传统指标覆盖所有指标及部分经过多个传统指标复合函数测算出的新型指标。

社会属性指标：基本由传统指标覆盖不到的，以定性为主的，受到社会层面认同的信息要素组成。此类指标受社会认可能够反应人才的科创能力，但是因为无法量化或不可获得共识测量的信息要素组成。经由复合指数模型拟合抽象为多项细化指标。

时间属性指标：由于时间因素在传统指标中也有涉及，但受限于周期波动、运算复杂等因素影响，往往不能较好的体现精确信息，所以需要改进。同时，由于时间属性本身具备良好的量化性，能够与各类数据结合形成具备相当价值的新型指标，所以本研究也作为重点因素采用多级指数拟合进行重置。

其他属性指标：此类指标主要由潜力值和发挥度等具备契合元素的指标组成。此类指标往往在细分指标中，是由多个复合指标二次耦合形成的。因此表达相对复杂，主要以简单指数函数进行个别拟合，或以多指标复合函数直接表达为主。只评估实用价值，不追求精度。

课题组利用复合指数模型对相关数据进行耦合量化，并根据不同管理需求，对复合指数预留加权空间，此加权属性为管理导向[11]。本文对上述指标数据中侧重科研创新方面的部分指标着重研究其对管理的潜在影响。

二、模型构建

根据假设样本符合设计算法的传统统计分析评价手段，难以满足人才管理多维度的测算需求，往往造成测算结果与实际情况有所偏差或遗漏。为避免此类问题，本研究在图1层次分析对指标分层的基础上，先采用指数函数对各类细化指标数据进行拟合，然后利用复合函数对拟合函数进行耦合。通过复合指数函数的建立过程，一方面将部分定性指标与定量指标相结合实现量化显示；另一方面将不同因素的指标通过复合建模后使其潜在的反馈信息得以显露。同时为避免函数复合过程中造成数据信息偏离等问题出现，在建模过程中结合质性研究思维，通过筛选合理数据加权值，强化数据结论导向管理，以提升人才评价性能。

图1 项目资源图

本研究根据各类指标的拟合函数，采用初级复合函数形势，将两种指标的拟合函数进行耦合，并通过最小二乘法的基础比较筛选具备良好映射能力的复合指数函数作为新指标的测算依据。并分别从拟合函数和复合函数两端进行不同加权，测试加权赋值精度和导向功能。根据最终测算数据结果形成必要的管理指导依据。

本研究综合各类复合指数模型测算的评价指标信息与管理层面导向需求关联，由指数函数精度与加权赋值相结合形成复合函数作为权值判定函数，通过调整不同加权赋值后，根据复合函数峰值位置和形态表示该权值对特定指标的拟合函数的匹配特性。而后随复合函数统一采用最小二乘法进行比较确定最佳赋值。不过考虑管理层面不同阶段的倾向性，依然保留必要的导向性加权因子，以提升部分指标的价值。

三、实证分析

人才管理，特别是科创人才管理，重点在于给予其良好的价值评价，将科创资源恰当分配给合适的人才以发挥更优化的成果产出。本文将针对由复合指数模型测算出的部分重点指标进行数据分析。

(一)项目指标

本节将传统科学研究涉及到纵向项目和横向项目通过复合指数模型进行测算，并根据管理需要进行加权，合并为项目资源指标，以提高导向性。根据研究调研单位需求，将两类项目导向集中于级别和经费两个方面，结果如图1所示。

如图1所示，各类人才所拥有的项目资源分布并不均匀。从图中可以看出标单位目前科研项目主体依然是各级纵向项目，其中又以各类省、厅级项目为主，通过数据反馈调研对象中仍然有近50%尚未获得省部级项目支持。而横向资源则更加弱化，因为被调研新入职科创人才群体尚缺乏主持横向项目经历，仅少量人才有横向项目经验，仅占总体的7.7%。通过复合指数反馈信息，与个人社会资源相关，也反映了学术型科创人才与社会服务属性对接难得管理问题。

(二)学科指标

图2根据由复合指数模型推演出指标对不同学科人才进行了对比分析。由图2可知，尽管工科人才各项指标总数基本占优，基于总体数据分布可以看出，调研对象信息数据在工科类总体偏高，这与其被调研人数居高有关，且涉及项目和成果两项传统指标也占优。但是相交文科指标，理科类偏基础研究，在项目数据甚至科研总数值的表现并无优势。

图2 不同学科复合指数对比图

(三)学源指标

本研究还对7类指数各类院校毕业人才数据进行了对比。985和211类院校创新人才总体项目类优势明显。学术成就目前也只有985和211类院校创新人才有收获，同时以985创新人才为主。从科创成果来看，海归创新人才占有一定优势，另外三类院校比较平均。社会资源上，海归创新人才也具有明显优势，其次是985院校。最后就是发挥度，该项985院校明显弱势，其他三类院校差距不大，说明985毕业创新人才还有待充分调动科创积极性。

(四)时间指标

本研究还针对各人才入职年限以及人才年龄等时间因素，结合科创业绩，分别分析其各项复合指数变化情况。统计数据覆盖主要科创年龄段20-50周岁以及入职前四年的人才。通过研究反馈，不同时间因素影响科创人才实际科创表现。年人均后数值反馈体现出越老越吃香的结果；入校后头三年是一大关口，平顺开局则后续可保稳步发展，一旦断档则三年以后急剧滑坡；而控制科创断档的关键时间是入校一到两年之间，一旦发现苗头必须及时管控。而发挥度则随着时间的推移而逐步增加，但是在三年期后逐步趋稳，不再增长。

(五)学历指标

本研究还将调研统计的不同学历人才所涉及项目级别和平台团队等指标进行了对比。总体而言，高学历人才侧重攻关省部级以上项目，其中国家项目均为高学历人才，省部级占比超60%，而省部级以下仅占4%。尽管高学历人才在科创攻关方面，特别是高级别项目中表现优异。但是此类人才在平台团队建设相关指数显示逆向差异。目前调研对象中主持平台团队建设人员多以各单位高职称、具备一定职务的其他学历科创人员为主。

结语

本文仅就部分首要复合指数进行了初步应用分析。由调研单位和对象数据计算出的复合指数数据反馈出以下信息：尽管项目资源以传统量化指标为主耦合所得，但是它依然是调研对象单位必须重视并引导的关键指数。综合学科学源因素，年人均后数值反馈结果，工科创新人才整体表现差强人意；海归、985院校创新人才并未在各项数据中体现出明显优势。与时间因素耦合得到的复合指数是管理控制的关键点。如何控制好年龄影响和入职后头三年的科创工作引导，是充分发挥引进人才作用，稳步提升单位整体科创实力的管理关键点。还需注意的是，高学历人才受职称条款等明确的评价导向影响，更侧重与省部级以上纵向科研工作，而在市厅级以下和社会服务层面的横向攻关方面表现较弱。高学历人才受职称条款等明确的评价导向影响，更侧重与省部级以上纵向科研工作，而在市厅级以下和社会服务层面的横向攻关方面表现较弱。同时在平台团队建设方面业绩也有待提升。