贠琳红

（西安电子科技大学，陕西 西安 710071）

1.引言

当前人才引进和培养是高校发展乃至国家在战略发展的重中之重。如何建立一套科学、合理的人才引进、培养及考核机制是高校发展面临的一项紧迫任务，已成为近年来高校人才工作的研究热点。现阶段国内对高校人才引进和考核评价已做大量研究并且取得了阶段性的成果，如：胡益波[1]提出了一种具有地方院校特色的人才引进评估模型，建立了两级评价指标体系，同时采用德尔菲法确定各级评价指标权值，增加评判客观性，为人才引进提供科学依据。周乐平[2]基于AHP多属性评估方法，建立高层次人才引进的评价系统，并进行了实际案例研究，为学校发展和高层次人才引进提供了可靠的理论依据。邵沚葭等[3]提出了基于层次分析法和熵权法最优化集成权重的综合评价模型，实现对人才的有效评价。白菲[4]将数据挖掘技术应用到高校人才引进中，对人事信息库进行了科学分析，为高校人才进提供决策支持。胡雄鹰等[5]采用BSC递阶层次结构构建评价指标、AHP方法解决指标权重，来对高校教师进行综合评价。谭雷[6]设计了基于联合聚类分析和关联分析的数据挖掘算法，来实现对高校人才科研能力进行综合评价。陈镭[7]基于Python语言对高校人事、科研及互联网数据进行挖掘和分析，构建人才发现系统，为高校引进高水人才提供决策支持。上述研究大多数仅从人才引进前的考核评价或者人才引进后的阶段性考核孤立地进行分析研究，基于引进前和引进后的关联性分析的研究甚少。本文基于统计模型，采用回归分析和置换检验方法对人才信息数据和人才考核业绩数据之间的关联性进行了分析，挖掘与考核业绩密切相关的影响因子，以期为高校人才队伍建设工作提供决策支持。

2.统计分析方法简介

本文拟分析的影响因子（可看作特征）包括连续型和离散型两种数据类型。对于连续型数据类型，适合采用线性回归分析法进行分析，对于离散型数据类型，则适合采用置换检验方法进行分析。

2.1 线性回归分析法

线性回归分析法是一种常用的分析因子（变量）之间关联关系的方法，在工业、金融等数据分析领域中具有重要地位。线性回归可用来确定多个变量间相互依赖的定量关系，其基本表达形式为[8]：

其中，xi为自变量，y为因变量，ε为残差项，且服从均值为0的正态分布。

2.2 置换检验法

置换检验法是一种基于重采样技术的检验方法，是统计学中的开创者R. A. Fisher首次提出的。与传统统计检验方法相比，置换检验具有独特优势，它无需对原始数据的分布进行假设。对于一些复杂数据分析的问题，特别是当样本量不大时，我们往往很难准确假设数据的分布，那么采用置换检验策略，可以达到很好的检测效果。

置换检验的基本思想可以概况如下：设有两组样本X(x1，x2, …,xm)和Y(y1，y2, …,yn)分别来源于两个不同群体A和B，依据这两组样本判断这两个群体是否存在明显差异。假设它们没有明显差异，即：

根据研究目的设计一个统计量（即这两组样本均值差的绝对值）如下：

那么，如果原假设成立，t值应该较小，否则t值会较大。较大的t值说明两组样本存在明显差异。这里的问题是多大才能做如此说明呢？为此，通过随机置换策略，也就是对两组样本进行重新排列，构造置换样本。这里，共有m+n个样本，对其进行随机排列，将其前m个样本称为A组，剩下n个样本称为B组。基于此，计算统计量的值：

重复以上过程K（如k=100000）次，则可得到K个t*值。那么公式（3）中t的p值则可计算出来，即这K个值中比t更大值的个数除以K。接下来，依据p值来判断是否接受原假设。p值越大，越接受原假设；反之，p值越小，越拒绝原假设。在统计学中，0.05往往作为显著性阈值，即p值小于0.05，则拒绝原假设，说明两组种群存在明显差异。当然，在实际问题中，阈值也会有适当的调整[9]。

针对本文研究的人才信息数据和人才考核业绩数据之间的关联性分析问题，置换检验法的思路是：根据影响因子，比如否有出国留学经历，将人才分成两类（有出国经历和无出国经历），采用置换检验判断这两类是否存在明显差异，若存在，则说明出国留学经历对人才的成长是有影响的。其余影响因子依次类推。

3.高校人才培养与考核的关联分析

3.1 数据来源

本文收集了陕西某高校二级学院当前的人才信息数据和2017-2019年人才考核数据。数据主要包含：人才信息数据（输入）：性别、年龄、学位、职称、出国经历、导师类型等；人才考核数据（输出）：科研总业绩（已将科研项目、科研获奖、论文、专利转化等成果按学院考核方案量化为业绩点）。

3.2 关联分析模型

针对人才信息数据与人才考核业绩之间的7个潜在关联要素，分为连续型要素（年龄、来校工作时间）和离散型要素（性别、学位、职称、出国经历、导师类型），分别采用回归分析法和置换检验法进行分析，挖掘与人才考核数据密切相关的影响因子。关联分析模型如图1所示：

图1 关联分析模型

3.3 线性回归法结果

采用多元线性回归分析法判断年龄、来校工作年限对科研总业绩的影响。首先将年龄表示为x1，来校工作年限表示为x2，科研总业绩表示为y。通过建模分析我们可以发现，x1与x2对y的影响并不显著。其中，y代表2017年，2018年，2019年科研总业绩平均值。分析结果如下图所示：

图2 业绩平均值y与x1， x2的关系

由图2可以得到如下结果：y=-0.04326x1+0.09767x2+7.92766

为了方便观察数据分析的结果，本文对线性回归结果相关的数据参数进行图示，如图3-1至3-4所示。

图3-1

图3-2

图3-3

图3-4

由图2可以看到p-value=0.773，由此可以得到结果：科研成绩（y）与年龄（x1）和来校工作年限（x2）之间的关系十分不显著。

3.4 置换检验方法分析结果

根据本文2.2节置换检验的思想，分析判断性别、学位、职称、出国经历、导师类型对科研总业绩的影响。得出p值得如下表所示。

影响因素 性别 学位 职称 出国经历 导师类型P 值 0.2106789 0.2957704 0.7785221 0.4833517 0.08839116

从上表中可以看出，这5个因素的p值都大于0.05，说明它们都没有与科研总业绩有强烈的关系。不过从p值由小到大的排序来看（即导师类型，性别，学位，出国经历，职称），导师类型与科研总业绩的关联性较强，而职称类型与科研业绩的关联性较弱。

4.结语

通过线性回归分析和置换检验法对陕西某高校二级学院人才信息数据和近3年人才考核科研业绩数据的关联性分析，挖掘与人才考核密切相关的影响因子，得出的主要结论如下：

人才信息数据里的导师类型要素与人才考核的科研业绩呈现较强的相关性；

人才信息数据里的性别、学位、出国经历要素与人才考核的科研业绩呈现弱相关性；

人才信息数据里的职称、年龄、来校工作时间要素与人才考核的科研业绩基本不相关。

高校人才引进考核评价是一个持续、动态的过程，本文研究有别于孤立地进行人才引进前或者引进后的考核评价研究，而是采用线性回归分析法和置换检验方法将人才培养和人才考核关联起来进行分析，挖掘与考核结果密切相关的因素，该方法也克服了定性分析方法的主观性因素，为高校人才队伍建设提供了客观的参考。