战略性新兴产业发展的人力资源支持效率及结构——以广州为例

黄小明，骆世广，王 燕

(1.广东金融学院a.组织与人力资源研究所;b.广州市区域金融政策重点研究基地，广东广州 510521; 2.信阳职业技术学院数学与计算机科学学院，河南信阳 464000)

0 引言

战略性新兴产业的形成是一个过程，具有不同于传统产业的成长路径，也具有不同传统产业的低耗高效要求。由此战略性新兴产业所引起的企业组织形式的变化、企业规模的变化、企业风险特征的变化，以及技术更新等带来的风险特征的变异，都意味着新兴产业必须要有与之相适配的人力资源结构。战略性新兴产业的人力资源支持效率如何，人力资源结构如何优化，这些问题的研究对培育和发展战略性新兴产业起到关键性支撑作用。因此，众多国内学者针对该问题做了很多探索，形成了较多研究成果。罗新阳［1］提出发展适配战略性新兴产业的人才，应从党政、工会、企业三个层面强化人才素质;陆玉珍［2］认为应从树立战略性新兴产业发展中的人才战略观、构建战略性新兴产业人才教育体系、搭建人才发展的平台和加强人才队伍建设的组织领导四个维度去储备发展战略性新兴产业的人才资源;董俊武［3］通过对比美国、日本和中国台湾的新兴产业迅速发展的关键因素时发现现有人力资源的开发和创造性的应用占重要位置;曾世宏［4］认为人力资本报酬与新兴产业发展壮大有较强关联。这些研究论证了战略性新兴产业的人力资源支撑需从宣传、培训和报酬等方面着手，也有学者认为适配战略性新兴产业发展的人力资源策略需从高层次人才开发及流动、控制外流和积极引进、“产学研”合作等方面着手［5－6］。在战略性新兴产业的人力资源微观结构研究方面，目前国内文献较少，赵志泉［7］认为优化人力资源结构应围绕产业技术创新人才、工程技术人才、产业实用专业技术人才搭建配置与保障机制;李莉［8］认为战略性新兴产业的人力资源特征应具有专业性、严谨性、高素质性、自主性和稀缺性。这些研究结论构成了本文的基础，不过缺乏实证支撑，也没有涉及到量化层次的适配战略性新兴产业发展的人力资源结构特征，更没能在战略性新兴产业发展的人力资源支持效率测算的基础上进行人力资源结构特征分析。本文以广州某高新区战略性新兴产业2011年统计数据为例，研究战略性新兴产业的人力资源支持效率和适配战略性新兴产业发展的最优人力资源结构。

1 研究设计

本文首先利用DEA方法中的BCC模型测量战略性新兴产业的人力资源支持效率，在此基础上，借助于粗糙集和遗传算法挖掘与战略性新兴产业发展相适配的人力资源结构特征。

1.1 DEA方法及指标选择

DEA方法［9］是著名的运筹学家A.Charnes、W.W.Cooper以及E.Rhodes在1978年创新性的提出的以相对效率概念为基础的非参数前沿效率分析方法，用于评价同类型的决策单元间的相对有效性。自第一个DEA模型C2R模型开发成功后，已形成关于效率、生产可能集、生产前沿面等概念的完整的理论和方法;由于该模型具有坚实的理论基础、简洁的数学形式、直观的经济解释等特点，它在许多实际问题的应用中取得了成功［10］。Charnes和Cooper等人后来又提出了BCC模型、C2W模型、C2WH模型及以上模型的综合模型C2WY模型。考虑到战略性新兴产业的人力资源支持问题具有多输入多输出的特性，本文采用投入型可变效率模型BCC模型。

投入产出指标的设计及说明如表1所示:

表1 DEA投入产出指标设计表

1.2 粗糙集与遗传算法

粗糙集理论是波兰数学家Pawlak［11］在1982年提出的一种模糊性与不确定性的离散数据处理方法，主要原理是在保持分类能力不变的前提下，通过属性约简和值约简，提取决策规则。在海量数据的消除冗余信息和提取特征集方面，粗糙集理论有着良好的性能。粗糙集理论的要点是将知识与分类决策联系在一起，在本文中知识即是人力资源特征，分类决策我们设定为DEA评价结果。

遗传算法［12］是由J.Holland教授于1975年首先提出的一种模拟达尔文生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的算法。遗传算法对问题解空间反复使用交叉、变异和选择等操作，使种群不断进化，同时运用全局并行搜索技术来搜索群体中的最优个体，以获取满足约束条件的最优解。与传统算法相比遗传算法具有鲁棒性高、全局搜索、并行处理等优点，一经出现就解决了许多以前算法难以胜任的复杂度高的问题。

粗糙集理论与遗传算法的结合，适合对影响因素复杂的问题进行分析，能高效地挖掘出有价值的决策规则。本文中，由于描述与战略性新兴产业相关的人力资源结构的指标众多，且指标间关系错综复杂，常用的Logit回归模型由于非线性因素处理不敏感，因此我们选用结合粗糙集与遗传算法的关联规则挖掘方法。这些方法的实现借助于ROSETTA软件，ROSETTA［13］是由挪威科技大学和波兰华沙大学合作开发的一个基于粗糙集理论框架的数据挖掘工具。ROSETTA实现了数据挖掘和知识提取的统一，具有较强的数据集预处理能力，可得到对目标属性影响显著的最小属性约减集和行之有效决策规则。

2 实证结果及分析

通过相关渠道，我们收集了广州市某高新技术开发区2011年1 960家企业的主要财务状况、高科技产品产出、研发、人力资源支持、金融支持等数据(说明:该高新区的企业多属于高端新型电子信息、新能源汽车、半导体照明(LED)、生物、高端装备制造、节能环保、新能源和新材料等战略性新兴产业领域)。排除数据缺失较严重的样本后还剩520家企业，为了论述方便，我们从520家企业中按5%比例随机抽样，下文的论述结果是抽样后的运算结果。

2.1 支持广州战略性新兴产业发展的人才效率

按照表1的指标设计方式，y1～y3为DEA产出指标，x1～x20为DEA投入指标，借助于软件DEAP2.1，主要结果如表2所示，其他结果略去。

表2 抽样的26家战略性新兴产业类企业的人力资源支持DEA效率

续表2

结论如下:

1)该高新区企业的人才支持效率普遍较好，但在规模效应上多表现为投入不足。

抽样样本的平均DEA综合效率为0.803，平均纯技术效率为0.998，平均规模效率为0.805。说明总体人才支持效率较高，多数企业在人才规模投入上需提高。这可能与当前人力资源报酬水平提高，导致企业招人态度趋于谨慎有关。但是与企业综合发展息息相关的人才不能节约。

2)该高新区企业的高学历人才(主要指博士)和女性科技活动人员投入都比较充足，规模效应不足主要体现在本科、大专职员和初级技术人员上。

从DEA计算结果看，多数企业在博士、女性科技活动人员、高级技术人员等指标上都比较充足，较大的规模投入不足显示在当年吸纳高校应届毕业生和初级技术人员身上;这与广州近年年来的人才战略有关。为了加速培育发展战略性新兴产业，广州市政府出台了一些列引进高端人才的优惠措施，这些措施在促进战略性新兴产业技术创新的同时，也加剧了人才结构的失衡。

3)科技活动人人员、科技项目人员、售后服务人员占比较低。

新形势下的企业竞争体现在两个方面，一个是技术，一个是服务。计算结果显示该高新区的人力资源结构在人才类别上也不协调，多数企业需在科技活动人人员、科技项目人员、售后服务人员这三个指标上扩大规模。

2.2 适配广州战略性新兴产业发展的人力资源结构特征

将DEA评价结果作为目标变量y，DEA有效y取值1，否则y取值0;输入变量取表1中的x1～x20。借助于rosetta软件，得到适配广州战略性新兴产业发展的人力资源特征155条。但是并不是所有的规则都有有效的，我们需要对全部规则进行约减。规则约减的两个重要参考是规则的支持度和置信度。规则X→Y的支持度是指样本集中X∪Y的百分比，支持度用来衡量关联规则的重要性。规则X→Y的置信度是指样本集中“既包含了X又包含了Y的事务的数量占所有包含了X的事务的百分比”，表示规则在数据集上的可靠性。一般，满足一定支持度和置信度的规则称为强规则，也即是有意义的规则。本文按照最小支持度15%、最小置信度85%筛选出以下规则，如表3所示。

表3 广州战略性新兴产业发展的人力资源结构特征

以上规则蕴含的主要结论如下:

1)从业人员中硕士数大于16，公司从业人员年平均数介于77到157之间，大专学历工作人员大于14，本科生大于55，当年吸纳高校应届毕业生大于12，科技活动人员大于52，理工类本科学历以上人员数大于54，高级技术人员大于9人，工程技术人员大于34等这些特征都对应着战略性新兴产业类公司的发展效率相对有效。

2)当售后服务人员多于72时，有多于15%的公司处于DEA有效。

3)工程技术人员小于34且大专学历人员小于14时，有五分之一的公司DEA效率为无效;硕士生小于8人，科技人员合计小于39，参加科技项目人员小于32，售后服务类人员小于5人这些特征中两个或两个以上出现时，有大于15%的公司处于DEA无效。

3 政策建议

本文基于DEA的BCC模型测算了广州某高新技术开发区随机抽取的26家企业的人力资源支持效率，并在此基础上利用粗糙集和遗传算法相结合的方法挖掘了适配广州高新技术开发区内企业发展的人力资源结构特征，这些结论蕴含的政策建议如下:

第一，优化战略性新兴产业的人力资源结构。在制订高层次创新型人才战略时，不能忽视中低层次人才的协调发展;企业内只有人才的学历结构、职称结构在合理的范围内时才能高效的发挥人力资源的支撑作用;前面的实证结果并没有显示博士学历人才在支持企业发展方面的有效作用，这说明不同学历的人才需结构合理才能发挥最大效能;同样，合理的职称结构、专业结构也对提高人力支持效率有很大作用。

另外，人才战略需考虑到战略性新兴产业培育和发展的各个环节。当前多数高新技术企业在引进人才时着重考虑的是技术类人才，而忽视了管理类、服务类、营销类等人才的培育和引进，这导致了企业的人力支持综合效率低下。因此，企业在制订用人计划时需全盘考虑，应根据企业所属行业和生命周期确定各类人才的比例。

第二，创新战略性新兴产业的人力资源交流与合作举措。当前的人才流动囿于相关人口户籍等政策难以实现有效融通，这在一定程度上不利于战略性新兴产业的发展。因此，在鼓励创办行业协会、举办学术研讨会或者建立博士后流动站等举措的技术上，应探索人力资源交流与合作的新举措。

第三，完善战略性新兴产业的人力资源培训体系和加强企业与高校、科研机构的合作。战略性新兴产业的高效发展离不开它独有的人力资源特征，这些特征通过企业自身的培训引领是最有效的;因此，完善战略性新兴产业的人力资源培训体系，并进一步的将一些人力资源进修体系常态化，是解决企业人力资源支持效率不高的有效措施。另外一个层面，企业自身培训过于追求速成，必然忽略转化周期较长或转化前景不明的新理论新技术;而这些新理论新技术的研究与应用恰恰是高校或者科研机构的强项，因此，可借助于类似“产学研”合作这种模式强化企业与高校科研机构的合作。

［1］罗新阳.战略性新兴产业培育与人力资源开发——以浙江绍兴为例［J］.学理论，2012(9):97－98.

［2］陆玉珍.战略性新兴产业人才队伍建设存在的问题及对策研究——以扬州为例［J］.长春工程学院学报(社会科学版)，2012，13(3):34－37.

［3］董俊武.人力资本视野的后发经济新兴产业发展:国际经验及启示［J］.改革，2008(8):95－101.

［4］曾世宏.人力资本回报与产业升级——“后危机时代”中国经济发展方式转变的思考［J］.经济前沿，2009(12):3－10.

［5］熊斌，葛玉辉.推动战略性新兴产业发展的科技人力资源开发研究［J］.中国人力资源开发，2010(8):5－8.

［6］李博，解东辉.我国新兴产业短缺性人才供需模型研究［J］.价值工程，2006(10):26－28.

［7］赵志泉.战略性新兴产业的识别及其人力资源开发建议［J］.生产力研究，2011(12):204－206.

［8］李莉.基于特征视角的战略性新兴产业人力资源开发探索［J］.重庆理工大学学报(社会科学)，2013，27(10):38－41.

［9］魏权龄.数据包络分析［M］.北京:科学出版社，2004.

［10］魏权龄，卢刚.DEA方法在企业经济效益评价中的应用［J］.统计研究，1990(2):58－62.

［11］Pawlak，Zdzislaw.Rough sets:Theoretical Aspects of Reasoning About Data［M］.Dordrecht:Kluwer Acadermic Publishers，1991.

［12］李康顺，李元香，滕冲，等.遗传算法在数据挖掘中的应用［J］.计算机工程与应用，2005(9):219－223.

［13］挪威科技大学.Rosetta——数据分析的粗糙集工具箱［EB/OL］.(2009－05－12)［2014－02－10］.http://rosetta.lcb.uu.se/general/.