基于統(tǒng)計(jì)模型的高校人才培養(yǎng)與考核的關(guān)聯(lián)分析

贠琳紅

（西安電子科技大學(xué)，陜西 西安 710071）

1.引言

當(dāng)前人才引進(jìn)和培養(yǎng)是高校發(fā)展乃至國(guó)家在戰(zhàn)略發(fā)展的重中之重。如何建立一套科學(xué)、合理的人才引進(jìn)、培養(yǎng)及考核機(jī)制是高校發(fā)展面臨的一項(xiàng)緊迫任務(wù)，已成為近年來高校人才工作的研究熱點(diǎn)。現(xiàn)階段國(guó)內(nèi)對(duì)高校人才引進(jìn)和考核評(píng)價(jià)已做大量研究并且取得了階段性的成果，如：胡益波[1]提出了一種具有地方院校特色的人才引進(jìn)評(píng)估模型，建立了兩級(jí)評(píng)價(jià)指標(biāo)體系，同時(shí)采用德爾菲法確定各級(jí)評(píng)價(jià)指標(biāo)權(quán)值，增加評(píng)判客觀性，為人才引進(jìn)提供科學(xué)依據(jù)。周樂平[2]基于AHP多屬性評(píng)估方法，建立高層次人才引進(jìn)的評(píng)價(jià)系統(tǒng)，并進(jìn)行了實(shí)際案例研究，為學(xué)校發(fā)展和高層次人才引進(jìn)提供了可靠的理論依據(jù)。邵沚葭等[3]提出了基于層次分析法和熵權(quán)法最優(yōu)化集成權(quán)重的綜合評(píng)價(jià)模型，實(shí)現(xiàn)對(duì)人才的有效評(píng)價(jià)。白菲[4]將數(shù)據(jù)挖掘技術(shù)應(yīng)用到高校人才引進(jìn)中，對(duì)人事信息庫進(jìn)行了科學(xué)分析，為高校人才進(jìn)提供決策支持。胡雄鷹等[5]采用BSC遞階層次結(jié)構(gòu)構(gòu)建評(píng)價(jià)指標(biāo)、AHP方法解決指標(biāo)權(quán)重，來對(duì)高校教師進(jìn)行綜合評(píng)價(jià)。譚雷[6]設(shè)計(jì)了基于聯(lián)合聚類分析和關(guān)聯(lián)分析的數(shù)據(jù)挖掘算法，來實(shí)現(xiàn)對(duì)高校人才科研能力進(jìn)行綜合評(píng)價(jià)。陳鐳[7]基于Python語言對(duì)高校人事、科研及互聯(lián)網(wǎng)數(shù)據(jù)進(jìn)行挖掘和分析，構(gòu)建人才發(fā)現(xiàn)系統(tǒng)，為高校引進(jìn)高水人才提供決策支持。上述研究大多數(shù)僅從人才引進(jìn)前的考核評(píng)價(jià)或者人才引進(jìn)后的階段性考核孤立地進(jìn)行分析研究，基于引進(jìn)前和引進(jìn)后的關(guān)聯(lián)性分析的研究甚少。本文基于統(tǒng)計(jì)模型，采用回歸分析和置換檢驗(yàn)方法對(duì)人才信息數(shù)據(jù)和人才考核業(yè)績(jī)數(shù)據(jù)之間的關(guān)聯(lián)性進(jìn)行了分析，挖掘與考核業(yè)績(jī)密切相關(guān)的影響因子，以期為高校人才隊(duì)伍建設(shè)工作提供決策支持。

2.統(tǒng)計(jì)分析方法簡(jiǎn)介

本文擬分析的影響因子（可看作特征）包括連續(xù)型和離散型兩種數(shù)據(jù)類型。對(duì)于連續(xù)型數(shù)據(jù)類型，適合采用線性回歸分析法進(jìn)行分析，對(duì)于離散型數(shù)據(jù)類型，則適合采用置換檢驗(yàn)方法進(jìn)行分析。

2.1 線性回歸分析法

線性回歸分析法是一種常用的分析因子（變量）之間關(guān)聯(lián)關(guān)系的方法，在工業(yè)、金融等數(shù)據(jù)分析領(lǐng)域中具有重要地位。線性回歸可用來確定多個(gè)變量間相互依賴的定量關(guān)系，其基本表達(dá)形式為[8]：

其中，xi為自變量，y為因變量，ε為殘差項(xiàng)，且服從均值為0的正態(tài)分布。

2.2 置換檢驗(yàn)法

置換檢驗(yàn)法是一種基于重采樣技術(shù)的檢驗(yàn)方法，是統(tǒng)計(jì)學(xué)中的開創(chuàng)者R. A. Fisher首次提出的。與傳統(tǒng)統(tǒng)計(jì)檢驗(yàn)方法相比，置換檢驗(yàn)具有獨(dú)特優(yōu)勢(shì)，它無需對(duì)原始數(shù)據(jù)的分布進(jìn)行假設(shè)。對(duì)于一些復(fù)雜數(shù)據(jù)分析的問題，特別是當(dāng)樣本量不大時(shí)，我們往往很難準(zhǔn)確假設(shè)數(shù)據(jù)的分布，那么采用置換檢驗(yàn)策略，可以達(dá)到很好的檢測(cè)效果。

置換檢驗(yàn)的基本思想可以概況如下：設(shè)有兩組樣本X(x1，x2, …,xm)和Y(y1，y2, …,yn)分別來源于兩個(gè)不同群體A和B，依據(jù)這兩組樣本判斷這兩個(gè)群體是否存在明顯差異。假設(shè)它們沒有明顯差異，即：

根據(jù)研究目的設(shè)計(jì)一個(gè)統(tǒng)計(jì)量（即這兩組樣本均值差的絕對(duì)值）如下：

那么，如果原假設(shè)成立，t值應(yīng)該較小，否則t值會(huì)較大。較大的t值說明兩組樣本存在明顯差異。這里的問題是多大才能做如此說明呢？為此，通過隨機(jī)置換策略，也就是對(duì)兩組樣本進(jìn)行重新排列，構(gòu)造置換樣本。這里，共有m+n個(gè)樣本，對(duì)其進(jìn)行隨機(jī)排列，將其前m個(gè)樣本稱為A組，剩下n個(gè)樣本稱為B組。基于此，計(jì)算統(tǒng)計(jì)量的值：

重復(fù)以上過程K（如k=100000）次，則可得到K個(gè)t*值。那么公式（3）中t的p值則可計(jì)算出來，即這K個(gè)值中比t更大值的個(gè)數(shù)除以K。接下來，依據(jù)p值來判斷是否接受原假設(shè)。p值越大，越接受原假設(shè)；反之，p值越小，越拒絕原假設(shè)。在統(tǒng)計(jì)學(xué)中，0.05往往作為顯著性閾值，即p值小于0.05，則拒絕原假設(shè)，說明兩組種群存在明顯差異。當(dāng)然，在實(shí)際問題中，閾值也會(huì)有適當(dāng)?shù)恼{(diào)整[9]。

針對(duì)本文研究的人才信息數(shù)據(jù)和人才考核業(yè)績(jī)數(shù)據(jù)之間的關(guān)聯(lián)性分析問題，置換檢驗(yàn)法的思路是：根據(jù)影響因子，比如否有出國(guó)留學(xué)經(jīng)歷，將人才分成兩類（有出國(guó)經(jīng)歷和無出國(guó)經(jīng)歷），采用置換檢驗(yàn)判斷這兩類是否存在明顯差異，若存在，則說明出國(guó)留學(xué)經(jīng)歷對(duì)人才的成長(zhǎng)是有影響的。其余影響因子依次類推。

3.高校人才培養(yǎng)與考核的關(guān)聯(lián)分析

3.1 數(shù)據(jù)來源

本文收集了陜西某高校二級(jí)學(xué)院當(dāng)前的人才信息數(shù)據(jù)和2017-2019年人才考核數(shù)據(jù)。數(shù)據(jù)主要包含：人才信息數(shù)據(jù)（輸入）：性別、年齡、學(xué)位、職稱、出國(guó)經(jīng)歷、導(dǎo)師類型等；人才考核數(shù)據(jù)（輸出）：科研總業(yè)績(jī)（已將科研項(xiàng)目、科研獲獎(jiǎng)、論文、專利轉(zhuǎn)化等成果按學(xué)院考核方案量化為業(yè)績(jī)點(diǎn)）。

3.2 關(guān)聯(lián)分析模型

針對(duì)人才信息數(shù)據(jù)與人才考核業(yè)績(jī)之間的7個(gè)潛在關(guān)聯(lián)要素，分為連續(xù)型要素（年齡、來校工作時(shí)間）和離散型要素（性別、學(xué)位、職稱、出國(guó)經(jīng)歷、導(dǎo)師類型），分別采用回歸分析法和置換檢驗(yàn)法進(jìn)行分析，挖掘與人才考核數(shù)據(jù)密切相關(guān)的影響因子。關(guān)聯(lián)分析模型如圖1所示：

圖1 關(guān)聯(lián)分析模型

3.3 線性回歸法結(jié)果

采用多元線性回歸分析法判斷年齡、來校工作年限對(duì)科研總業(yè)績(jī)的影響。首先將年齡表示為x1，來校工作年限表示為x2，科研總業(yè)績(jī)表示為y。通過建模分析我們可以發(fā)現(xiàn)，x1與x2對(duì)y的影響并不顯著。其中，y代表2017年，2018年，2019年科研總業(yè)績(jī)平均值。分析結(jié)果如下圖所示：

圖2 業(yè)績(jī)平均值y與x1， x2的關(guān)系

由圖2可以得到如下結(jié)果：y=-0.04326x1+0.09767x2+7.92766

為了方便觀察數(shù)據(jù)分析的結(jié)果，本文對(duì)線性回歸結(jié)果相關(guān)的數(shù)據(jù)參數(shù)進(jìn)行圖示，如圖3-1至3-4所示。

圖3-1

圖3-2

圖3-3

圖3-4

由圖2可以看到p-value=0.773，由此可以得到結(jié)果：科研成績(jī)（y）與年齡（x1）和來校工作年限（x2）之間的關(guān)系十分不顯著。

3.4 置換檢驗(yàn)方法分析結(jié)果

根據(jù)本文2.2節(jié)置換檢驗(yàn)的思想，分析判斷性別、學(xué)位、職稱、出國(guó)經(jīng)歷、導(dǎo)師類型對(duì)科研總業(yè)績(jī)的影響。得出p值得如下表所示。

影響因素 性別 學(xué)位 職稱 出國(guó)經(jīng)歷 導(dǎo)師類型P 值 0.2106789 0.2957704 0.7785221 0.4833517 0.08839116

從上表中可以看出，這5個(gè)因素的p值都大于0.05，說明它們都沒有與科研總業(yè)績(jī)有強(qiáng)烈的關(guān)系。不過從p值由小到大的排序來看（即導(dǎo)師類型，性別，學(xué)位，出國(guó)經(jīng)歷，職稱），導(dǎo)師類型與科研總業(yè)績(jī)的關(guān)聯(lián)性較強(qiáng)，而職稱類型與科研業(yè)績(jī)的關(guān)聯(lián)性較弱。

4.結(jié)語

通過線性回歸分析和置換檢驗(yàn)法對(duì)陜西某高校二級(jí)學(xué)院人才信息數(shù)據(jù)和近3年人才考核科研業(yè)績(jī)數(shù)據(jù)的關(guān)聯(lián)性分析，挖掘與人才考核密切相關(guān)的影響因子，得出的主要結(jié)論如下：

人才信息數(shù)據(jù)里的導(dǎo)師類型要素與人才考核的科研業(yè)績(jī)呈現(xiàn)較強(qiáng)的相關(guān)性；

人才信息數(shù)據(jù)里的性別、學(xué)位、出國(guó)經(jīng)歷要素與人才考核的科研業(yè)績(jī)呈現(xiàn)弱相關(guān)性；

人才信息數(shù)據(jù)里的職稱、年齡、來校工作時(shí)間要素與人才考核的科研業(yè)績(jī)基本不相關(guān)。

高校人才引進(jìn)考核評(píng)價(jià)是一個(gè)持續(xù)、動(dòng)態(tài)的過程，本文研究有別于孤立地進(jìn)行人才引進(jìn)前或者引進(jìn)后的考核評(píng)價(jià)研究，而是采用線性回歸分析法和置換檢驗(yàn)方法將人才培養(yǎng)和人才考核關(guān)聯(lián)起來進(jìn)行分析，挖掘與考核結(jié)果密切相關(guān)的因素，該方法也克服了定性分析方法的主觀性因素，為高校人才隊(duì)伍建設(shè)提供了客觀的參考。