跨国央企贸易类人才校园招聘标准特征研究

张婕

摘要：在“一带一路”与我国人才招聘结构性失衡的背景下，跨国央企对在国际上具有竞争力的贸易类人才需求更加旺盛，因此对于我国脊柱产业进行人才招聘标准需求分析变得更有必要。本文通过SPSS19.0对97家跨国央企2007-2016年贸易类人才校园招聘标准聚类构建跨国央企贸易类人才校园招聘标准指标体系；对细分行业2012-2016年国资委直属央企招聘贸易类人才标准的数据进行因子分析和主因子分析，比较并分析三类行业各主因子构成的区别。

关键词：跨国央企 校园招聘标准 贸易类人才 细分行业

引言

在我国国资委直属央企中，有12家企业属于B行业（采矿业），30家企业属于C行业（制造业），19家属于D行业（电力、燃气及水的生产和供应）。2017年上半年，中央企业累计实现营业收入12.5万亿元，同比增长16.8%，已连续5个月保持两位数增长；累计实现利润总额7218亿元，同比增长15.8%，净利润5353.2亿元，同比增长18.6%。今年以来各月效益均保持两位数增长，6月当月实现利润1596.7亿元，为单月利润历史最好水平。102家中央企业中，有99家企业盈利，48家企业效益增幅超过10%，29家企业效益增幅超过了20%。

目前我国已经是世界第一制造业大国，不少工业品产量居世界第一位，但我国制造业“大而不强”人均规模甚至不及制造业强国美日德的1/3，我国制造业发展还存在产能过剩、技术创新能力十分薄弱、缺乏核心技术等诸多问题。

電力行业在国民经济中有着基础能源产业的地位，在国民经济中发挥着极为重要的作用，可谓我国国民经济发展的晴雨表，其发展关乎国计民生。随着中国电力行业国际经济开发与合作的深入，急需特殊的面向电力行业的国际经济与贸易专业人才，他们既有市场的眼光，又具备复杂技术产品与服务谈判的能力，同时深谙电力系统知识，为我国电力企业“走出去”服务。因此对于高学历、高质量贸易类人才提出了更大的需求。

我国属于世界第三矿产大国，矿业企业是我国国民经济的基础产业。但采矿业属于劳动密集型产业，人力资源是企业最宝贵的资源，而目前采矿业在人力资源管理方面仍存在很多问题，人力资源无法满足企业的需要，严重阻碍了企业的长远发展。

一、研究方法

1.构建人才素质标准综合评价指标体系

若利用招聘说明书中出现的全部的人才能力标准来组建综合评价指标体系，那将很难体现央企招聘中对人才能力需求的导向与重要程度。此外，贸易类人才的综合评价指标体系的构建还需要联系具体岗位、企业行业属性、国家外贸政策、国际外贸概况、当前毕业生平均就业能力。因此运用SPSS聚类来构建综合评价指标体系更为可行：（1）明确跨国央企高层领导关注的焦点和人力资源管理的核心问题；（2）选择样本和分组；（3）收集招聘说明书招聘标准数据；（4）对第三步收集到的信息数据进行聚类分析；（5）对综合评价指标体系进行评估与验证。最终综合评价指标体系设立了六个一级指标：语言要求、技能要求、思想精神、素质、学历背景和个人能力。

2.数据分析方法

（1）数据的统计计算——标准化处理

原始指标数据涉及不同的单位和统计数量级，为消除这方面的影响，首先对原始数据

进行标准化处理。标准化处理采用如下公式

式中，Dij*是标准化后的新数据，Dij是原始数据，min（Dij）是原始数据中的最小值，max（Dij）是原始数据中的最大值。

（2） 因子分析法

由相关系数矩阵R计算得到特征值、方差贡献率和累积贡献率的数据，并根据特征值至少大于1的标准。本文对制造业、电力生产和供应业、采矿业三大行业中跨国央企对国贸类人才招聘的7大特质指标中选取了 2个公共因子。2个公共因子的方差贡献率分别达到82.205%、73.827%、67.618%，即原始变量82.205%、73.827%、67.618%的信息都保留在了模型之中，且2个公共因子的特征值大于1，因此，选前两个因子是合适的。对初始载荷矩阵实施方差最大正交旋转后的结果，通过旋转处理，所有指标都在某一因子上有较大的载荷，从旋转后的因子载荷矩阵中得出第一因子、第二因子。

二、基于制造业、电力生产和供应业、采矿业的招聘特质因子分析

以制造业、电力热力燃气及水生产和供应业、采矿业三个行业的招聘数据为研究对象，运用SPSS软件对2012-2016年国资委直属央企招聘贸易类人才标准的数据进行因子分析和主因子分析，比较并分析了三类行业各主因子构成的区别。

1.效度分析

效度分析用以检验因子分析的显著性，此处采用Bartlett球体检验来验证因子分析模型分析的有效性。当KMO统计量>0.5时，再由Bartlett球形检验，倘若检验得到各变量的独立性假设不成立，所采用的数据则适合于进行因子分析。SPSS的实验结果显示KMO值为0.671，这表明对观测变量做因子分析是可以接受的，Bartlett球体检验的结果在P=0.00的水平上显著，这些数据说明文章对原始数据进行因子分析是合适的。

2.主因子分析

从2012-2016年制造业、电力热力燃气及水生产和供应业、采矿业三个行业数据因子分析知：三个行业第一主因子对方差的解释分别达到47%、47%、38%，第二主因子对方差的解释为35%、26%、29%，第一主因子的因子能解释近半数的数据，解释效果强于第二主因子的因子，可见国资委直属央企在对贸易类人才的招聘过程中对于第一主因子中因子代表的特质更加重视。

从提取的主因子来看，三个行业对不同的特质的看重程度差异：

制造业第一主因子为语言要求、背景；第二主因子由素质、个人能力构成。电力热力燃气及水生产和供应业第一主因子有个人能力、学历背景和素质；第二主因子为思想精神和技能。采矿业第一主因子为个人能力与学历背景；第二主因子由素质、技能和思想精神。

其中，三个行业共有的第一主因子因子为学历背景，凸显出学历背景国资委直属央企在招聘贸易类人才时的重要地位。制造业与其余两行业相比而言对语言要求更加看重，但对个人能力的要求较其余两行业则次之。电力热力燃气及水生产和供应业与采矿业两行业在招聘过程中对贸易类人才的特质要求较为相似，不同之处在于电力热力燃气及水生产和供应业对素质该特质的重视程度较强于采矿业。