基于BP神经网络的人力资源素质结构识别模型研究

何健强，刘瑾

（国网湖州供电公司人力资源部，浙江湖州313099）

0 引言

随着中国经济进入“新常态”，传统粗放式管理模式已不能适应社会经济发展需要。以精细化管理、充分发挥人本价值成为企业提高资源创新力，增强竞争优势的必然选择［1］。在人力资源管理理论中，实现人岗匹配，制定科学的人力资源规划是其研究的重点和热点方向［2］。如何构建起满足企业战略性人力资源发展需要，动态准确识别各层次岗位应匹配的人力资源能力要素，是企业管理实践中，改进当前管理模式，有效提高人力资源效率，充分挖掘人才潜质的创新方式。选用大数据时代BP人工神经网络算法，凭借其高容错性、动态自组织适应性、自主学习的优势，相比较传统多元线性回归分析、层次分析法等，更加符合当前企业管理环境动态化、复杂化的时代需求。

作为识别人力资源素质模型的基础，人力资源素质结构特征是研究组织人力资源体系内在规律性的重要构成。根据“冰山”模型，个人素质分为显现和隐性两类要素。显性以表象的行为、知识、技能为主要要素，而隐性则包括个人的性格、价值观、动机等要素。本研究以量化实证的角度，重点分析显性素质结构特征对组织绩效产生的影响。改进组织在人力资源规划中，受主观个人因素作出的决策缺陷，提高决策的科学合理性［3］。解决人岗错配、低岗高配等问题，构建一套符合组织内在发展规律，具有动态适应性的人力资源素质模型。

1 相关理论及文献综述

1.1 战略性人力资源管理理论

Wright P M等认为战略性人力资源管理对组织实现高效的人力资源配置具有推动作用［4］。SchulerR S提出战略性人力资源管理即通过动态整合方式，使之：（1）组织人力资源管理与业务发展战略需求相契合；（2）人力资源管理同组织内部的横向及纵向组织结构保持一致性；（3）组织内部管理者与员工共同接受经修正过的人力资源管理实践方式［5］。张正堂、刘宁则认为战略性人力资源管理以企业总体发展为导向，识别组织内外部活动的机会和威胁，并与组织战略相匹配，提高组织竞争力，从而实现组织发展目标［6］。

综上可得战略性人力资源管理在组织愿景、组织目标的指引下，针对人力资源活动特点，从战略高度把握人力资源需求与供给，动态地对人力资源进行统筹规划，努力平衡人力资源需求与供给，从而促进组织目标实现。其具备以下管理特征：（1）组织人力资源管理活动与经营战略高度相适应；（2）组织横向、纵向机构设置匹配内外部人力资源管理行为的需求；（3）组织内部各层级员工围绕人力资源管理标准开展实践与组织战略保持动态相嵌。

1.2 人才评价理论

David·C·McClelland将人的素质划分为知识、行为、技能等显性要素，以及难以被测量的价值观、特质、性格、动机等隐性要素，并以此建立了用于组织选拔和评价人才的“冰山”模型。美国学者Boyatzis在冰山模型基础上，提出表层为知识、技能，中间为价值观、态度，里层为个性、动机的“洋葱”模型［7］。胡三嫚、刘明月提出组织根据其内外部的资源优劣势动态变化情况，通过冰山模型将个体素质分解至不同层面，并依此作为差异性选拔的条件，高效实现人岗匹配，有助于提升组织效能［8］。显性要素表现结果是隐性要素外化的具体体现。但无论显性要素，还是隐性要素均是作为不同岗位类别、层级人才评价与选拔的重要参考。作为战略性人力资源管理目标实现的重要基础，人才评价有助于组织构建符合其发展愿景的多元化人才队伍。对于稳定组织发展根基，提高组织人才发展潜力，同时淘汰与组织发展战略不相适应的低绩效人员，创新组织发展活力，起到关键性作用。

综上所述，人才评价是基于国内外测评模型工具（“冰山”模型等），根据组织发展目标，为其选拔不同层次多元化人才，改进组织绩效的管理理论。人才评价具有以下三点特征：（1）人才评价活动跟随组织发展战略，呈现动态自适应性；（2）人才评价作为支撑组织战略目标实现的重要管理行为，呈现高度复杂性；（3）人才评价构成了战略性人力资源管理的基础单元，与组织人力资源管理活动保持密切一致性。

1.3 战略性人力资源管理与人才评价相关性研究

随着战略管理理论的不断发展，基于资源基础、行为基础的两种研究范式，其分别侧重于HRM、HR的重要性［9］。而战略性人力资源管理（SHRM）在当前则呈现出一种整合研究趋势，即解决HRM战略性与HR战略性相统一的问题。Baird等提出SHRM是HRM与组织战略相匹配的重要体现，HRM的最终活动目标是实现组织竞争战略［10］。Schuler、Jackson则认为通过控制员工个体行为对组织绩效将产生正向影响，同时其可作为组织竞争战略与组织绩效之间的中间调节变量［11］。Becker&Gerhart给出了HRM横向匹配与组织内部自适应的内涵，即高绩效工作系统（HPWS）通过HRM系统内部契合，一方面实现HR工作满意度的高效输出，另一方面实现员工工作动机与工作能力的统一，最终达到改进组织绩效的目标［12］。可见员工个体素质差异性对组织绩效将会产生不同的影响结果，而员工个体素质差异性则通过人才评价等人力资源管理行为呈现。

综上所述，战略性人力资源管理（SHRM）是人才评价等HRM行为与组织竞争战略内在契合的重要表现。通过科学规范的人才评价，量化员工个体素质结构要素，进而关联至不同类别不同层级的岗位标准，最大化地发挥员工个体潜在人效价值，提升组织绩效。同时科学公平的人才评价体系，亦有利于激发员工工作动力，持续改进个体行为绩效，在无形中将会对组织效能的提高产生积极效果。

那么在员工个体素质结构要素中，哪些要素指标将会对组织绩效产生较大程度的影响？这些不同要素之间是否存在内在关系？本研究将在深入分析员工个体素质结构特征的基础上，采用实证研究的方法分析员工个体素质要素同组织绩效表现之间是否存在相关性，以及识别哪些结构要素对组织绩效将会产生较高程度的正向影响？

2 研究设计及理论假设

鉴于浙江省电力公司整体业务发展处于电力行业的前列，同时地处创新集群较高的长三角地区。本研究以浙江全省范围内11家地市级供电公司和64家县级供电公司为样本，抽取各单位基础人员信息以及组织绩效指标，通过实证研究方法分析电力行业范围内员工个体素质结构与组织绩效之间存在的关联关系。

2.1 样本数据收集

2018年4月至5月，通过为时两月的实地调研、访谈等方式，共获取了2014—2017年4年间全省75家供电企业人员基础数据、劳动生产率（b1）及人事费用率（b2）等组织绩效数据以及同多家单位相关负责人员的访谈记录等文本资料。

为研究个体素质结构，对相关人员基础数据进行筛选、编码及赋值，同时结合“冰山”模型，选择员工年龄（a1）、性别（a2）、工龄（a3）、岗龄（a4）、司龄（a5）、毕业院校（a6）、学历水平（a7）、职业资格等级（a8）、专业技术等级（a9）、专家人才类型（a10）等显性素质要素，对相关数据指标进行计算处理，将a1、a2提炼为个体机能 （c1），a3、a4、a5提炼为工作经验 （c2），a8、a9、a10提炼为工作能力 （c3），a6、a7提炼为理论知识度（c4）。

2.2 理论假设

结合“冰山”素质模型，将c1、c2、c3、c4分别对应至模型的不同层面，同时结合样本所处行业特征分别赋予各因素计算规则。①c1：与“行为”相对应，指个体的身体机能，用以衡量员工工作的机能特征，其计算方式为c1=a1mean/a1*a2；②c2：与“知识”、“技能”相对应，反映员工的工作实践知识水平，c2=a3+a5/a3+a4/a5；③c3：与“技能”相对应，反映员工实际工作水平，c3=max（a8，a9，a10）；④c4：与“知识”相对应，反映员工的理论知识水平，c4=a6*a7。将c1、c2、c3、c4四个变量作为研究员工个体素质结构的主要影响因素，b1、b2作为研究组织绩效（d1）表现的主要指标（表1）。

表1 人力资源素质结构与组织绩效测量要素

（1）个体机能与组织绩效

Becker、Huselid提出员工行为、组织功能在经HRM的协同性优化调整后，将进一步改善员工在工作中的自组织行为、生产创造力，其行为输出将会影响组织在市场竞争中的绩效表现［13］。个体机能指标的高低在一定程度上将会影响到员工工作时间的可持续性，对高强度工作的承压能力。反应在不同个体行为上，将会产生较为显著的差异性。Ostroff、Bowen则认为HRM的设计优化，将会规范员工个体行为由行为惯例上升至认知思维上，进而员工的协同行为将会转化为对组织HR绩效的影响中，而组织HR绩效的改进也必然对组织绩效产生正向关系［14］。结合前人相关研究，本研究提出以下假设：

H1：个体机能（c1）与组织劳动生产率（b1）的关联程度较高。

H2：个体机能（c1）与组织人事费用率（b2）的关联程度较高。

（2）工作经验与组织绩效

郑赤建、陈敏等通过选取多个城市18家中小企业进行实证分析，得出企业高层次人员素质表现对组织绩效产生正向影响，而构成素质要素的工作经验、综合知识、专业知识对企业绩效的影响程度最为明显［15］。Mason A、Carpenter在收集整理了256家美国跨国企业CEO从业经验数据的基础上，实证得出企业家从业经验作为一种无法被取代的人力资本对组织绩效产生显著的促进作用［16］。工作经验是衡量员工个体在相关领域工作熟练度、业务知识掌握程度的重要指标。结合国内外学者的相关研究，作为员工个体素质的重要构成，工作经验对组织绩效产生积极的推动作用，Hunter以32000名企业员工为测试样本，通过矫正研究方法误差项得出了工作经验与工作绩效存在中等正向的影响关系（r=0.18，p＜0.001）［17］，个体工作绩效的提升对组织绩效也会产生积极的促进作用。

H3：工作经验（c2）与组织劳动生产率（b1）的关联程度较高。

H4：工作经验（c2）与组织人事费用率（b2）的关联程度较高。

（3）工作能力与组织绩效

Appelbaum构建了AMO模型，该模型指出能力、机会、动机三者的共同作用将会对组织创新绩效产生深远影响［18］。任华亮通过选取杭州、上海等多个城市的企业作为研究样本，分析发现员工工作自主性与工作能力、工作价值观存在紧密关联关系，一方面工作自主性对能力和工作价值观产生正向调节作用，能力的匹配度对能力、工作价值观同创新绩效也会产生正向促进作用；另一方面工作能力、价值观对组织创新绩效存在显著的正影响关系［19］。Motowidlo S J，Wright P M提出工作知识和技能作为个人能力的表现与工作绩效的关系比较紧密，较高的认知能力会使个人成就需求与绩效产生正向作用［20］。工作能力与工作内容的匹配度及能力的高低在某种程度上将直接影响员工能否胜任工作岗位，而其自身工作绩效表现也会影响组织绩效水平的高低。

H5：工作能力（c3）与组织劳动生产率（b1）的关联程度较高。

H6：工作能力（c3）与组织人事费用率（b2）的关联程度较高。

（4）理论知识度与组织绩效

汪潇、柳卸林通过选取电池燃料联盟作为分析个人在本单位工作绩效的分析样本，研究显示教育程度、个体在单位网络中的位置关系都会对个人工作绩效产生一定影响。个体在研发联盟内的知识分享、知识的创新，首先基于自身所接受的教育形成的方法论式思维及相关理论知识［21］。单春霞、仲伟周等选取了2013—2015年的581家深市中小板上市公司作为样本，实证得出企业员工的受教育水平对企业绩效的表现会产生正向促进作用，而教育程度对技术创新与组织绩效的关系则不存在中介调节作用［22］。朱国军、吴价宝等以2010—2011年中国创业板的153家公司为样本，研究得出公司高层管理团队（TMT）教育程度对组织财务绩效产生正向影响，而教育程度异质性对组织战略绩效产生正向作用［23］。理论知识度作为衡量企业员工接受教育水平的指标，它体现出个体接受教育训练的创新思维方法的差异性，对员工在工作方式、工作效率、工作创新方面均会产生一定影响，进而会呈现出个体绩效对组织绩效影响的差异。

H7：理论知识度（c4）与组织劳动生产率（b1）的关联程度较高。

H8：理论知识度（c4）与组织人事费用率（b2）的关联程度较高。

在研究员工个体素质与组织绩效相关性的研究方面，Ree M J，Carretta T A认为个体工作技能、方法及心理素质对组织绩效的提升具有显著影响［24］。本研究以个体身体机能、工作能力、工作经验、理论知识度作为外化员工内在隐性素质的衡量因素，探究其与组织绩效之间的关系，以及当前电力行业企业人力资源素质结构特征的变化对组织绩效会带来何种变化。为此，构建起人力资源素质结构要素与组织绩效之间的假设模型，有助于进一步通过BP神经网络算法分析二者之间的关联关系。

图1 人力资源素质结构要素与组织绩效关系模型

3 实证检验

由于本研究中的变量因素分属不同类别的变量类别，为提高数据计算结果的科学性，将所有变量因素进行标准化处理，X'=(Xi--X)/S（-X为平均值，S为标准差）。同时对2014—2017年四年间c1、c2、c3、c4各变量因素的相关性进行分析，如表2所示。

由表2可得，2014—2017年c1、c2、c3、c4四个变量因素之间的相关性均较低，较好地说明了各人力资源素质结构要素具有显著区分度。除c1、c4之间的相关性在2014—2017年均处于（0.5，0.6）的区间外，其余各要素均显现正向或负向的微弱相关关系，而c1、c4的相关性也表明当前供电行业存在的高学历人才年轻化的趋势。

表2 2014—2017年浙江省75家供电企业变量指标相关系分析

3.1 假设检验

为有效验证本研究提出的理论假设，通过SPSS 24.0 进行c1、c2、c3、c4与b1、b2相关性的实证分析。观测不同维度自变量与组织绩效可测量指标间是否存在线性或非线性的关联度。

表3 2014—2017年自变量与因变量相关性分析

运用线性回归法分析因变量（b1、b2）、与自变量（c1、c2、c3、c4） 之间的关联程度，表 3 显示 2014—2017年的PPMCC值、单尾显著性均较低（部分自变量与因变量甚至呈现弱负相关），说明自变量同因变量之间不存在显著的线性关系。因此，为探索它们之间存在的关系，本研究借助BP神经网络自组织学习与判断复杂数据现象背后非线性关系的优势［25］，进行更深次的实证与分析。

3.1.1 BP神经网络结构特征

BP神经网络是一种误差逆向传播的多层前馈神经网络，又称反向传播神经网络（Back-Propagation Network）。从理论的角度，一个三层结构的BP网络可以无限接近任意的非线性函数［3］，而在管理学领域应用较多的也是典型的三层网络结构。结合本研究给出的变量因素，其拓扑关系如图2所示。

图2 人力资源素质结构模型BP神经网络三层结构

BP神经网络的学习过程，就是将输入层的所有节点同输入层与隐藏层（由于隐藏层的节点数在计算前无法得出，暂计n个节点）的连接权重（设^）进行乘积加和，即1，2，3，4）。通过隐藏层节点与隐藏层与输出层的连接权重（设β），再经激活函数f(·)变换形成隐藏层节点的输出。

通过自适应学习，BP神经网络就是寻找输出结果误差函数ω极小的问题，经过多次输入层至输出层循环计算，得到期望函数值F与实际输出值θ的方差Ri=通过采取梯度下降算法对连接权重值及阈值进行调节，直到误差项总和∑Ri的值小于控制参数（预设值）时，网络训练学习过程结束。

3.1.2 BP网络仿真训练

通过对全省75家供电企业2014—2017年的数据，分批次进行训练学习，采取10折交叉验证（cross validation）的方法寻找测试集的误差项（平均总体相对误差）最小的优化值。设定训练集（Training Set）为70%，测试集（Test Set）为30%，使用终止条件当训练误差＜0.0001时，结束训练过程，最终得出以下训练后的优化结果（表4、表5、表6）。

3.2 结果分析

由表4可见2014、2016年神经网络隐藏层的单元数分别只有1个，而2015、2017年隐藏层的单元数分别为2个。经数十次训练学习，可得表5中2014—2017年训练终止结果，2017年测试集总体平均相对误差值较大达3.489，2014年达1.761，2015、2016年均低于1。而表6给出c1，c2，c3，c4四个自变量在4个年度内相对于因变量b1、b2的重要性分布，2014年c1的重要性最高、2015年c3的重要性最高，2016年、2017年是c2的重要性最高，但在2014年c2的重要性表现最差，仅有0.034，也说明同一变量指标在不同时序区间表现的差异化。而从2014—2017数据指标的纵向连续性来看，从中可以发现四个自变量因素相对于因变量而言均具有较高的关联度，证明原假设H1、H2、H3、H4、H5、H6、H7、H8成立。同时也证实了自变量同因变量之间存在非线性的显著性关系。

表4 2014—2017年人力资源素质结构神经网络信息

利用神经网络做进一步的人力资源素质结构模型识别，在上述分析中，给出了实际输出值Gi=∑bt=f(∑Zi)=1/(1+e-∑Zi)的函数关系式。通过对2014-2017年的自变量重要性作均值处理（考虑不同年份数据变化的波动方差，暂以均值体现）。C1A-mean，C2A-mean，C3A-mean，C4A-mean分 别 为 0.255、 0.248、0.179、0.319，其中C4A-mean的值最高，说明在2014-2017年员工的理论知识度，即教育背景对组织绩效的影响最高，而C3A-mean的值最低，说明2014—2017年员工的工作能力对绩效的影响最低，说明在供电企业员工的个人工作能力与组织绩效间的关联程度比较低。得出人力资源素质结构的识别模型函数，即Gi=隐藏层节点i的确定，目前以取值范围（δ为输入节点与输出节点之和，σ为∈（1，10）的常数）［3］，即i=6+σ。

表5 2014—2017年人力资源素质结构神经网络模型

表6 2014—2017年神经网络学习自变量重要性

通过BP神经网络仿真学习，对供电企业人员素质结构同组织绩效进行相关性分析，有助于辨识影响组织战略目标实现的重要因素。同时构建基于供电企业的人员素质结构模型，对于企业调整人员结构关系，搭建符合组织发展的人才框架，识别不同岗位匹配重要素质要素的信息，是人力资源管理理论与实践相结合的重要体现。

4 结论及建议

本研究基于供电企业人员素质的结构特征，通过回归分析实证得出电力行业人员素质结构要素与组织绩效之间并不存在简单的线性关系。并通过BP神经网络训练学习验证了理论假设，即人员素质结构的四个维度要素同组织绩效之间存在非线性相关关系，构建了基于供电企业发展特点的人员素质结构识别模型，为实现组织“人-岗”优化匹配，进行人力资源决策提供了科学的量化实证工具。

但同时此次研究也同样存在以下几点不足：（1）研究样本有限，只对浙江省全省供电企业进行了样本采集，虽然样本具有典型性，但普适性不够。未来可在全国范围内选取更多的样本进行仿真分析。（2）选取的变量因素仅仅考虑的人员素质结构的显性要素，受限于本课题的研究条件有限，未能通过问卷调查深入分析供电企业员工的隐性要素，下一步可通过随机抽样法对各类岗位人员开展访谈，分析隐性要素同组织绩效间的相关性。（3）时间序列数据有限，不足于形成供电企业纵向发展规律性的结论，下一步在条件允许的情况下采集供电企业十年以上的绩效数据进行深入分析。