一种基于胜任特征的人力资源管理系统及其实现 - 图文(4)

在具体访谈过程中，需要被访谈者列出他们在管理工作中遇到的关键情境，包括正面结果和负面结果各3项。访谈约需3个小时，需收集3至6个行为事件的完整、详细的信息。因此，访谈者必须经过严格的培训，一般不少于10个工作日。

在进行BEI的时候，访谈者访谈的重点是在过去确实的情境中采取措施和行动方面，不是假设性的答复，哲理性、抽象性或信仰性的行为。这需要采用STAR方法来深层次挖掘出具体的行为细节来。STAR方法主要有4个问题：

1. S（situation）：“那是一个怎么样的情境？什么样的因素导致这样的情境？在这个情境中有谁参与？”

2.T（Task）“您面临的主要任务是什么？为了达到什么样的目标？” 3.A（Action）“在那样的情境下，您当时心中的想法、感觉和想要采取的行为是什么？”在此，要特别了解被访谈人对于情境的认知和事例的关注点。被访谈人如何看待其他的人（例如，肯定或是否定）或情境（例如，问题分析与解

12

北京邮电大学专业学位硕士论文

决的思考）？被访谈人的感受是什么（例如，害怕、信心、兴奋）？被访谈人内心想要做的什么？什么想法激励他们（例如，想把事情做得更好，让老板印象深刻）？

4.R（result）“最后的结果是什么？过程中又发生了什么？”

2.2.4 胜任特征编码辞典与访谈结果编码

1981年，查理德．鲍伊兹( Richard Boyatzis)对一些经理人胜任特征的原始资料重新进行分析，钻研并归纳出一组用来辨别优秀经理人才的胜任特征因素，这些因素能够同时适用于不同的公司及功能上。从1989年起，麦克利兰（McClelland）开始对全球200多项工作所涉及的胜任特征进行观察研究，经过逐步发展与完善，形成21项通用胜任特征要素，构成了胜任特征辞典（Competency Dictionary）的基本内容。继麦克利兰对胜任特征的研究分析之后，后来学术界和企业界都在各自研究与实践的基础上，将胜任特征辞典加以丰富和细化，进一步发展了对21项胜任特征的研究，使之不仅具有了更广泛的适应性，而且变得更加清晰有效。

图2-3以麦克利兰（McClelland）21项胜任特征为例介绍胜任特征辞典的基本结构。

辞典将胜任特征的级别划分为至少1-5级，目的是显示该胜任特征的强度、复杂度等特征的强度，每个级别与下一个级别由显著不同，级别系统的设计，以0为一个自然终点，对有些胜任特征要素还设定了负值（-1），表示这些行为通常出现在一般绩效人员身上，而优秀绩效人员却很少发生。它还说明这些绩效行为对高绩效会产生负面影响，表 2-2 给出了人际理解（IU）的分级示例。

表 2-2 人际理解（IU）分级释义举例 级别 A．-1 A．0 A．1 A．2 A．3 A．4 A．5

释义 误解他人 对他人缺乏全面、正确的认识 理解他人的情感或一些明显内容 对目前的情感和明显内容能够理解 理解他人的真正意图 理解深层次的问题 理解复杂深层侧的问题 13

北京邮电大学专业学位硕士论文

级别A．1~5 成就导向(ACH)主动性(INT)?? 行为描述?? ?? B. 1~5 ?? ??. 成就与行动族人际理解（IU）客户服务(CSO)?? 帮助与服务族冲击和影响族影响力(IMP)关系建立(RB)?? 管理族认知族个人能效族培养他人(DEV)团队合作(TW)?? 分析式思考(AT)概念式思考(CT)?? 自我控制(SCT)自信(SCF)?? 图2-3 胜任特征辞典构成

行为事件访谈过程中，分析师要根据行为事件访谈的内容，从中获取出相应

的胜任特性，并赋予相应的分值。

2.2.5 胜任特征信息的统计学处理

通过进行事件访谈，问卷调查等方式获得调查组（包括优秀组和一般组）人员对胜任度元素的重要性的看法，使用统计分析工具来确定这些胜任度元素在相应岗位胜任度模型中的权重，其分析的基础是统计学中的主成分分析方法。

胜任度模型的优势就在于它包含诸多胜任度元素，即在建模过程中需要引入更多的与该岗位有关系的变量，来对其进行综合分析和评价。多变量大样本资料无疑能给模型设计人员提供很多有价值的信息，但在分析处理多变量问题时，由于众变量之间往往存在一定的相关性，使得观测数据所反映的信息存在重叠现象。因此为了尽量避免信息重叠和减轻工作量，人们就往往希望能找出几个互不相关

14

北京邮电大学专业学位硕士论文

的综合变量来尽可能地反映原来数据所含有的绝大部分信息。主成分分析一般依据第一主成分的得分排名，若第一主成分不能完全代替原始变量，则需要继续选择第二个主成分、第三个等等，此时

综合得分=∑（各主成分得分×各主成分所对应的方差贡献率）。 由此，我们获得了不同胜任度因子在胜任度模型中的权重。

采用主成分分析法进行解析时，必须采用KMO与Bartlett’s 检验，进行因子分析前的拟合检验，分析主成分分析适宜性。KMO是用于观测相关系数值和偏相关系数值的一个指标，KMO值越大，因子分析的相关性越强，越适合于作公共因子分析，并且因子分析的结果越好，相反，KMO值越小说明这些因子分析的相关性越弱，越不适合做因子分析。如果KMO值小于0.5，则数据较不适宜进行因素分析；Bartlett’s检验变量值是彼此独立的一系列指标，当该统计了取值很大表示拒绝零假设，适合做因子分析。

2.2.6 构建胜任特征的步骤

一般采取以下几个步骤: (1) 确定要构建胜任特征模型的对象; (2) 收集该类人员工作情况, 对岗位说明书、工作绩效标准等进行分析; ( 3) 选择研究样本(选出一定比例的优秀员工和一般员工) ;(4) 采用关键行为事件访谈法(BEI) 、问卷、小组讨论以及专家评判等方法, 对研究对象进行访谈分析, 收集、整理各种数据; ( 5) 统计各种胜任特征指标, 对各类指标进行分级、描述, 确定权重; (6)根据研究结果, 构建各类人员胜任特征模型。

15

北京邮电大学专业学位硕士论文

第三章 主成分分析与因子分析

本章主要介绍胜任特征分析过程中使用的统计学工具，主成分分析和因子分析。

3.1 多元正态分布

统计学中把一个随机变量称为一维总体，把多随机变量称为多为总体，相应的变量称为一维总体变量和多维总体变量。从总体中抽取n个个体，其总体变量分别为X1,X2,?, Xn,称为总体X的容量为n的简单随机样本。n个个体的p维随机向量可以表示为：

??11,??12

??,??

X=(??(1),??(2),…?? ?? ）= 21?22??×??

????1,????2

???1??…??2???? ???????

其中Xi,j 为样本中第j个个体的总体变量??(??)的第i个分变量。 设X 为一元标准正态随机变量，其密度为：

1

(?????)222??

f(x)=

1 2??????

?

???x???

其中μ和σ2分别为X的均值和方差 。 将其写为向量形式：

?1?f(x)?(2?)(?)exp??(x??)(?2)?1(x??)????x???

?2??2?1212一般地，对于每个分量都服从正态分布的p维随机列向量， X = (X1, · · · ,Xp)′ 其概率密度函数为

f(X)?(2?)?p/2??12?1?exp??(X??)'??1(X??)?,

?2?其中，X = (X1, · · · ,Xp)′???xi???,

16

i?1,2,?,p

北京邮电大学专业学位硕士论文

??(?1,?2,??p)'

??12?12??1p???2????22p????21其行列式?>0 ??????2???????p1p2p??这 …… 此处隐藏：4407字，全部文档内容请下载后查看。喜欢就下载吧 ……