基于因子分析與聚類分析的我國31省市人力資源狀況比較研究

劉金晶

[摘? ? 要] 運用因子分析和聚類分析，以2017年相關統計數據為基礎，從人力資源數量、質量、潛力和分布4方面對我國31個省市的人力資源狀況進行了分析和評價。研究表明：不僅不同類別地區之間人力資源發展水平存在較大差異，同一類地區之間人力資源發展水平也存在較大差異。因此，應針對不同類別的地區，制定不同的發展策略。

[關鍵詞] 人力資源狀況;因子分析;聚類分析

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2019. 17. 062

[中圖分類號] F241? ? [文獻標識碼]? A? ? ? [文章編號]? 1673 - 0194（2019）17- 0156- 05

1? ? ? 引? ? 言

雖然我國人力資源總量豐富，但不同的省市具有不同的人力資源發展水平和特點。針對各省市人力資源狀況，我國學者杜麗婷（2008）從人口素質角度，采用因子分析和聚類分析對我國31個省市的教育環境進行了分析和評價，得出對教育重視程度高和教育水平發達的地區人力資源狀況好;陸遠權? 等（2010）利用因子分析和聚類分析，以2008年我國31省市相關統計數據為基礎，對各省市人力資源狀況進行分析;左傳? 等（2018）利用因子分析和聚類分析對我國31省市2015年人力資源能力狀況進行了研究，指出影響人力資源能力的因素包括數量、人均支持、研發與產出、人口素質、人口自然增長和文化支持因子。本文采用因子分析和聚類分析方法，以2016年相關統計數據為基礎，對我國31個省市的人力資源狀況進行分析和評價。

2? ? ? 指標構建

本文運用《中國統計年鑒——2017》以及各省市2017年統計年鑒中的數據，結合我國31個省市的人力資源情況，從人力資源數量、質量、潛力和分布4個方面構建人力資源狀況評價指標體系，如表1所示。

3? ? ? 因子分析

3.1? ?數據處理

本文先采用反向指標數據（總撫養比、文盲人口占15歲及以上人口比重）加負號的方法對數據進行歸一化處理，然后用SPSS19.0軟件對樣本數據進行標準化處理。

3.2? ?KMO和Bartletts球形檢驗

本文采用SPSS19.0軟件對樣本數據進行KMO和Bartletts球形檢驗，結果得出KMO值為0.704，大于0.7;Bartletts球形檢驗的顯著性水平為0.000，小于0.05，表明樣本數據適合做因子分析。

3.3? ?提取公因子

本文采用主成分法提取公因子，從原始數據中提取的前2個公因子的特征值累計貢獻率為72.458%，可用這2個主成分（分別用F1、F2表示）來代替表1 中14個指標對31個省市人力資源狀況進行衡量，如表2所示。

3.4? ?因子旋轉和因子命名

本文采用方差最大化正交旋轉方法對成分矩陣進行因子旋轉，旋轉后因子成分矩陣如表3所示。

主成分F1在城鎮人口比重、大學專科及以上比重等指標上具有較高的載荷系數，這幾個指標反映的是文化支持對人力資源狀況的影響，將主成分F1命名為文化支持因子。

主成分F2在人口數量、普通高等學校數量、教育支出等指標上具有較高的載荷系數，這幾個指標反映的是人口基礎性因素和社會物質性條件對人力資源狀況的影響，將主成分F2命名為人口基礎和社會物質因子。

3.5? ?得分及排名

根據成分得分系數矩陣（見表4），乘以各因子標準化數值，即可得出各省市在這兩個公因子上的具體得分（見表5中的F1i、F2i）。

以每個主成分各自方差貢獻率占總體方差累計貢獻率的比重作為權重，再乘以各省市在這兩個公因子上的具體得分，即可得出我國31個省市人力資源狀況的綜合得分及排名（見表5）。綜合得分公式為：Fi=0.615 3F1i+0.384 7F2i（i=1，2，…，31）;F=F1+F2。

4? ? ? 聚類分析

本文在因子分析的基礎上，利用兩個公因子進一步做聚類分析，方法為Ward法，度量標準區間為平方Euclidean距離。通過聚類分析，將31個省市人力資源狀況分為5類。

第一類為北京、天津、上海。這3個直轄市在文化支持因子上具有絕對的優勢，說明這3個直轄市人力資源發展潛力巨大。這3個直轄市在人口基礎和社會物質因子上的得分較低，主要是因為這3個直轄市相比其他大部分省市而言，人口數量、普通高等學校數量、教育支出相對較少。

第二類為江蘇、浙江、山東、廣東。江蘇、浙江在文化支持因子上的得分較高，而山東、廣東在該因子上的得分一般，主要是因為山東、廣東兩省大學專科及以上比重比江蘇、浙江要低些。這4個省在人口基礎和社會物質因子上得分很高，說明這4個省人口基礎好，社會物質條件能夠很好地保障人力資源的發展。

第三類為福建、湖北、山西、陜西、重慶、吉林、黑龍江、內蒙古、遼寧。吉林、黑龍江、內蒙古、遼寧在文化支持因子上具有較大的優勢，說明這4個省人力資源發展潛力較大;福建、湖北、山西、陜西、重慶在該因子上的得分處于中等水平，說明這5個省市人力資源發展潛力一般，主要是因為這5個省市在大學專科及以上比重比該類其余4個省要低些。這9個省市在人口基礎和社會物質因子上的得分處于中等水平，說明這9個省市人口基礎和社會物質保障一般。

第四類為湖南、四川、安徽、江西、河北、河南、甘肅、新疆、廣西、云南、貴州。這11個省在文化支持因子上得分普遍較低，說明這11個省文化不能很好地支持人力資源的發展。湖南、四川、安徽、江西、河北、河南這6個省在人口基礎和社會物質因子上的得分較高，而河南、甘肅、新疆、廣西、云南、貴州這5個省在該因子上的得分較低，原因系這5個省在人口數量、普通高等學校數量及教育支出方面比該類其余6個省要少。

第五類為海南、寧夏、青海、西藏。這4個省在文化支持因子上得分位于中游或下游，在人口基礎和社會物質因子上的得分最低，這4個省人力資源狀況還有較大的發展空間。

5? ? ? 結論與建議

通過以上的因子分析和聚類分析，可以得出以下結論：

（1）不同類地區之間人力資源發展狀況差異較大

第一類地區人力資源總體得分為1.284 4，遠高于其他四類地區。第二類地區4個省的第二主成分得分在我國各省市中處于領先地位，但其綜合得分只有第一類地區的一半左右。第三類、第四類地區總體得分分別為0.021 8、-0.374 0，處于中等或中等偏下水平。第五類地區總體得分為-1.075 0，各類指標基本都落后于其他省市。

（2）同一類地區之間人力資源發展水平存在較大差異

第一類地區中，天津與北京、上海之間還存在一定的差距，總體得分分別只有北京和上海的66.18%和72.78%，主要是因為天津在文化支持因子上得分比此類中另外兩個直轄市低。第二類地區中，江蘇、浙江兩省在文化支持因子上得分遠高于廣東和山東，但浙江在人口基礎和社會物質因子上的得分還不及廣東的一半。第三類地區中，遼寧、黑龍江、吉林、內蒙古在文化支持因子上得分較高，而湖北、福建在人口基礎和社會物質因子上的得分較高。第四類地區中，四川、安徽、寧夏在文化支持因子上得分較高，而四川、河北、湖南、河南在人口基礎和社會物質因子上的得分較高。第五類地區中，青海、海南在文化支持因子上得分較高，而新疆、海南在人口基礎和社會物質因子上的得分較高。

針對不同類別的地區，本文提出以下建議：

第一類地區3個直轄市保持了人口的持續性、進一步優化了人口年齡結構，但相對于其他大部分省市而言，這3個直轄市在人口數量、普通高等學校數量、教育支出相對較少，今后需要加大教育投入，持續推進人力資源的開發，打造具有國際競爭實力的人才。

第二類地區人口基礎大、社會物質基礎豐富，江蘇、浙江2省人口持續性、年齡結構較好，但山東、廣東則相對較差，今后需提高當地的人力資源儲備、優化年齡結構。

第三類地區、第四類地區、第五類地區人口持續性、負擔能力、人口基礎、社會物質基礎一般或較差，今后不僅要繼續加大資金投入，還要提高當地的人力資源儲備，建立人力資源發展的長效機制。

主要參考文獻

[1]杜麗婷. 基于因子與聚類分析的我國區域人力資源研究[J]. 開放教育研究，2008（10）：40-44.

[2]左傳，趙文娟，蔡彥珠，等. 省域人力資源能力評價與比較研究——基于因子分析和聚類分析[J]. 商場現代化，2010（8）：70-73.

[3]陸遠權，馬壘信，何倩倩，等. 我國31省區人力資源狀況比較研究——基于因子分析和聚類分析[J].科技與管理，2010（9）：117-120.