计量人力资源的运用

　　经济计量学一词是由挪威经济学家、第一届诺贝尔经济学奖得主费里希提出来的,它属于经济学与统计学的交叉科学。自从1926年提出这个名词算起,将近80年的历史,它已经广泛运用于各个领域,并且发展迅速。

　　与此相对应的是人力资源的量化管理已经成为未来的人事管理发展方向,如何更有效的运用经济计量学来分析人力资源管理的成本和效用,笔者用自身的分析来看待这个问题。姑且我们称为计量人力资源管理!

　　计量人力资源管理的基本任务是通过计量分析工作来解决各个不同公司在人力资源管理中遇到的一些问题,通过一系列的简单计算演变,将这些问题量化,有效的提高人力资源管理的可操作性。

　　计量人力资源管理工作包括建立模型和应用模型二个相互关联的基本环节,为了更好的让更多人力资源管理者能够接受计量人力资源管理并有效的操作,在这里将其简单化的分为四个步骤:

　　一:设计模型。由于每个人力资源管理部门会有不同的变化,因此模型的设计也会因此不同,但是大体上可分位因和果二块。也就是企业选择一个果作为量化的目标,选择若干个因作为变量。打个简单的比方来说,企业要考核人力资源招聘中各个环节对成本的影响作用。

　　那么人力资源招聘的结果Y是个果,招聘场地费用、招聘宣传费用、招聘人力资本支出费用等等是若干个X因素。模型的设计目标就是这若干个X因素对Y造成的不同程度的影响。

　　二:估计参数。估计模型参数是计量人力资源管理中的基本内容,它的主要任务是依据样本数据,选择适当的统计方法,正确确定模型的参数值。

　　三:检验模型。运用人力资源管理的一些基本知识或经验判断来判断模型参数估计值的可信程度以及模型的功效。检验模型是计量人力资源管理中的重要内容,它贯穿着整个计量人力资源管理中,任何模型从设计到运用,都涉及到模型的检验!

　　四:应用模型。应用模型是计量人力资源管理中的最终目的,包括运用模型进行人力资源管理工作评估、评价人力资源管理制度和制定更为有效的人力资源管理政策的依据等内容。

　　四者之间的关系用图表概括如下:

　　其中设定模型是依据公司的自身人力资源情况而进行设计;估计参数属于一种计算行为,而模型的检验反过来影响着设定是否合理,参数估计是否正确。最后一步应该属于应用模型。

　　在介绍完了计量人力资源管理的工作流程后,我们来实际的查看下如何去正确的设计适合企业自身需要的计量人力资源管理模型。首先引入一个回归分析的概念。

　　回归分析是研究一个被解释变量,假设为Y(在人力资源中我们可以称为分析的结果,就是人力资源需要实现的东西,比如招聘的成本;人力资源流失的情况;员工对公司的满意程度),研究Y对于一个或多个其它解释变量变量X之间的依存关系(招聘的成本Y相对应的变量可能是X1广告投入费用、X2人力支出费用、X3办公用品支出费用等等若干个变量),其最终的目的是在于依据解释变量的相关系数来重新调整人力资源的战略决策。

　　在计量人力资源中分为总体回归模型和样本回归模型,其中总体回归模型是根据总体的全部资料建立起来的回归模型,又成为理论模型;样本回归模型是根据样本资料建立的回归模型。在大多数情况下,人力资源在计量过程中,想得到全部资料是不可能的。因此,我们在这里着重解释的是样本回归模型。

　　为了让更多的人力资源管理者迅速掌握这种简单的分析,在文章中,我们不去过多的解释数学变量的演义和计算过程。给读者介绍比较简单的线形回归模型,也就是说模型中只有一个解释变量,可以写成Yi=T0+T1Xi+ui。其中i=1、2、3…n 并给出相应的计算公式,读者只要照着套用就可以了。

　　根据高数中微机分的极值原理,可用以下得出以下公式

　　T1=(n∑XiYi---∑Xi∑Yi)/n∑Xi2--(∑Xi)2 公式A

　　T0=Y*—T1X* 公式B

　　备注:其中n代表样本数目;∑代表和;*代表平均数的含义

　　例如:某公司近年来每次招聘支出与招聘结果之间的统计资料如下表,尝试估计招聘支出对招聘结果的线形回归模型。

　　从该公司的数据中我们不难得到相关数据

　　其中样本数n=6 ,∑Xi=30, ∑Yi=180, X*=5

　　∑Xi2=200, ∑XiYi=1000, Y*=30

　　将这些计算结果代入公式A和公式B中

　　T1=(6000—4500)/(1200—900)

　　T1=2

　　T0=30—10

　　T0=20

　　所以,该公司的招聘支出与招聘结果支出的模型参数如下:

　　Yi=20+2X

　　从这个模型我们可以明显的看出,该公司招聘支出每增加1万元,公司就会招聘到2个人才;每增加10万元,就能招聘到20个员工。

　　该线形分析只是介绍了最简单的计量人力资源管理的计算公式,同样,也可以做更为复杂的推算,甚至可以能够推算出广告投入每万元对招聘结果的影响。