王 斌

（揚州大學(xué) 商學(xué)院，江蘇 揚州 225009）

0 引言

建立合理的企業(yè)員工績效評價體系有助于科學(xué)合理的評判員工實際能力、為薪酬績效和晉升制度的建立提供理論基礎(chǔ)，更是人力資源工作員工激勵、防止人才外流的重要保障。盡管各類評價方法被廣泛運用于員工績效評價，但員工績效是一個廣義范疇的概念，故不存在絕對意義上準(zhǔn)確評判的可能，定性與定量相結(jié)合的評價思路是最佳決策工具，所以本文使用層次分析方法（AHP）根據(jù)建立的員工績效評價體系進(jìn)行實證，同時采用BP神經(jīng)網(wǎng)絡(luò)算法以評價對象的各指標(biāo)分值為輸入，績效值為輸出，建立逆向誤差傳播網(wǎng)絡(luò)，形成了一個擬合度精良的“績效評價處理器”，在使用樣本外對象的數(shù)據(jù)進(jìn)行驗證后發(fā)現(xiàn)該處理器具有很好的預(yù)測功能，能夠企業(yè)績效評價工作中便捷、準(zhǔn)確的極佳工具。

1 企業(yè)員工績效評價體系

根據(jù)數(shù)據(jù)可獲得性、便于操作性、科學(xué)性的原則，本文認(rèn)為需要從以下5個角度構(gòu)建指標(biāo)體系：員工人格素質(zhì)、崗位特征、工作任務(wù)完成情況、sharply可缺失性、創(chuàng)新與學(xué)習(xí)能力，具體指標(biāo)根據(jù)對企業(yè)CSR的具體調(diào)查完成，首先采用事件訪談方法與人力部門HR進(jìn)行協(xié)商確定初步績效評價模型，而后擴大討論范圍，選取各部門員工作為模型的評議者，最終進(jìn)行模型的修正完善，形成了5大指標(biāo)、11項可觀測指標(biāo)的企業(yè)員工評價體系(圖1)。

2 AHP法在企業(yè)員工績效評價中的運用

2.1 指標(biāo)賦權(quán)

圖1 企業(yè)員工績效評價三級指標(biāo)體系

按照上文敘述，目標(biāo)層、準(zhǔn)則層、指標(biāo)層之間存在遞階關(guān)系，對于每一層中具有同指標(biāo)隸屬關(guān)系的指標(biāo)而言，可以使用1-9標(biāo)尺法對兩個方案間的重要程度進(jìn)行兩兩比較，最終形成具有正互反性質(zhì)的判斷比較矩陣，矩陣的個數(shù)等于“準(zhǔn)則層指標(biāo)個數(shù)+1”。經(jīng)過人力HR和員工組成的評價小組打分結(jié)果整理后得到表1～表6。以準(zhǔn)則層5大指標(biāo)與目標(biāo)層之間的兩兩矩陣為例，首先使用matlab7.0軟件中的eig命令計算出最大特征值λA=5.1997和特征向量，DB→A=[0.3670,0.2456,0.3187,0.8338,0.0906]，然后進(jìn)行歸一化處理得到5個指標(biāo)的權(quán)重。一致性檢驗系數(shù)為0.0446，小于0.1，故接受有效假設(shè)。表1顯示員工績效評價工作中最受關(guān)注的任務(wù)完成情況，其次是創(chuàng)新與學(xué)習(xí)能力，而可卻失性、人格素質(zhì)的權(quán)重很低，這體現(xiàn)了企業(yè)中“業(yè)績第一、成果為先”的逐利思想。

表1 準(zhǔn)則層與目標(biāo)層判斷矩陣

同理得到出指標(biāo)層與準(zhǔn)則層間的判斷矩陣和權(quán)重。表2-表6可看出人格素質(zhì)維度中工作態(tài)度比正義感權(quán)重要高，部門指標(biāo)中部門重要性比崗位占部門的比重權(quán)重要高，任務(wù)完成情況中三項指標(biāo)權(quán)重為：任務(wù)完成率＞工作質(zhì)量＞追加任務(wù)完成量，企業(yè)更注重員工流失帶來的損失，而相對看輕工作的長期與潛在影響，學(xué)習(xí)與創(chuàng)新能力的重要性相當(dāng)。

表2 B1-C判斷矩陣

表3 B2-C判斷矩陣

表4 B3-C判斷矩陣

表5 B4-C判斷矩陣

表6 B5-C判斷矩陣

2.2 企業(yè)員工績效評價的實證

上節(jié)中計算出了不同層級間指標(biāo)的權(quán)重關(guān)系，由準(zhǔn)則層—目標(biāo)層之間的權(quán)重wi(i=1,2,3,4,5)和指標(biāo)層—準(zhǔn)則層間的wij，計算各指標(biāo)對目標(biāo)層的總影響權(quán)重函數(shù)公式為：wj=wiwij，如對人格素質(zhì)中的正義感和工作態(tài)度兩項指標(biāo)賦權(quán)為：w1=w1w11=0.032，w2=w1w12=0.065，同理可計算出其他4個準(zhǔn)則下的指標(biāo)權(quán)重,故確認(rèn)11項權(quán)系統(tǒng)為：

W=[0.032,0.065,0.146,0.049,0.214,0.114,0.040,0.102,0.025,0.107,0.107]

將得到的權(quán)重矩陣與20個待評價員工的各項指標(biāo)數(shù)值矩陣相乘就得到了最終的績效值，如表7中最后1列。

表7 企業(yè)員工績效評價得分

3 基于BP神經(jīng)網(wǎng)絡(luò)的員工績效評價處理器

3.1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

（1）網(wǎng)絡(luò)層級數(shù)。根據(jù)以往研究，在中間層神經(jīng)元個數(shù)不受到限制的條件下，任意狀的映射關(guān)系可以在單中間層結(jié)構(gòu)中得到體現(xiàn)，故設(shè)置為1。

（2）神經(jīng)元個數(shù)。輸入神經(jīng)元為評價指標(biāo)維數(shù)11，輸出神經(jīng)元個數(shù)為單目標(biāo)輸入數(shù)1。中間層神經(jīng)元數(shù)量沒有明確的要求，但按照大量的實證研究，在選擇共軛梯度法、準(zhǔn)牛頓算法時，一般從10作為神經(jīng)元初始值。

（3）訓(xùn)練函數(shù)與激勵函數(shù)。處理器神經(jīng)元接受信息輸入后，會根據(jù)一定的函數(shù)形式進(jìn)行處理后再信息輸出，輸入層、中間層的激勵函數(shù)一般取S型對數(shù)logsig,因為處理值在[-1，1]間，輸出層的值在上述區(qū)間外則使用純線性函數(shù)purelin，網(wǎng)絡(luò)訓(xùn)練函數(shù)選擇為共軛梯度法trainscg。

3.2 處理器運算

本文將第1-17個樣本的各項指標(biāo)作為輸入樣本，以作網(wǎng)絡(luò)建模與訓(xùn)練之用，將第18-20個樣本作為“檢驗樣本”，用訓(xùn)練好的網(wǎng)絡(luò)進(jìn)行擬合預(yù)測并檢驗。使用Matlab7.0軟件進(jìn)行計算，學(xué)習(xí)系數(shù)為0.1，最大訓(xùn)練次數(shù)為5000次，發(fā)現(xiàn)在196次后迭代終止，誤差自動降低到10的負(fù)11次方以下（圖2），通過性能函數(shù)mse得到了訓(xùn)練學(xué)習(xí)精度的重要指標(biāo)“均方誤差性能指數(shù)”為1.5260e-011，運算精度達(dá)到了最高。

圖2 196次網(wǎng)絡(luò)迭代訓(xùn)練結(jié)果

為了更加具備直觀認(rèn)識，將后3個檢驗樣本的11項指標(biāo)數(shù)據(jù)代入訓(xùn)練好的網(wǎng)絡(luò)，得出了預(yù)測值，表8中顯示學(xué)習(xí)樣本的輸入輸出相對誤差最高為13.2%，最低為0.128%，平均相對誤差為5.099%，在企業(yè)員工績效評價工作中，本文的誤差條件是在允許范圍之內(nèi)的，所以只要在Matlab7.0軟件中將訓(xùn)練完畢的網(wǎng)絡(luò)程序進(jìn)行保存，在下一階段或新員工需要被評價時，直接將數(shù)據(jù)調(diào)入保存的程序命令即能快速得到評價結(jié)果，隨著市場化進(jìn)程和企業(yè)經(jīng)營策略的不斷提高，在人力資源評價過程中的處理方式也需要更加迅捷，特別是一些國有大中型企業(yè)，因為員工數(shù)量眾多、崗位分類較多的前提下，采用以往傳統(tǒng)的評價方式勢必會造成大量的人力、財力投入，甚至還會產(chǎn)生評判失誤，故本文提出的基于AHP-BP神經(jīng)網(wǎng)絡(luò)員工績效評價處理器具有很強的實踐操作意義。

表8 檢驗樣本測試結(jié)果

4 結(jié)論

本文使用層次分析法AHP和逆向誤差傳播算法（BP）構(gòu)建了一種用于企業(yè)員工績效評價的處理器，經(jīng)過分析得出以下結(jié)論：

（1）在以往研究文獻(xiàn)的歸納基礎(chǔ)上根據(jù)企業(yè)實際采用訪談方法確定了人格素質(zhì)、崗位特征、任務(wù)完成、可缺失性、學(xué)習(xí)與創(chuàng)新能力等準(zhǔn)則和11個三級評價指標(biāo)，該體系具有可操作性和科學(xué)性特征，對所有企業(yè)員工績效評價工作具有借鑒意義。

（2）在層次分析法分析基礎(chǔ)上，基于樣本輸入分析建模，構(gòu)建了一套員工績效評價處理器，所以在面臨被評價單元數(shù)量較多的時候，就可以直接調(diào)用訓(xùn)練完畢的程序文件，直接輸入評價對象具備的指標(biāo)數(shù)值，能夠大批量、快速和科學(xué)的進(jìn)行評價，該處理器具有精度高、人為干預(yù)程度小的良好優(yōu)勢。

（3）BP人工神經(jīng)網(wǎng)絡(luò)方法可以通過不斷調(diào)整神經(jīng)元連接權(quán)和閾值的方式逐步達(dá)到與其他數(shù)理方法一樣的信息傳導(dǎo)與分析能力，那么在分析新的待評價對象時，就已經(jīng)將前面的分析邏輯加入，使得評價工作更具有參照性和科學(xué)性。值得一提的是本文評價中BP處理器的處理原理來自于AHP法，如果原有評價方法發(fā)生了改變，那么訓(xùn)練機理也隨之發(fā)生改變，處理器內(nèi)部的網(wǎng)絡(luò)機制需要重新得到訓(xùn)練。

（4）本文選取單中間層10個神經(jīng)元的結(jié)構(gòu)，還可以選取多層和其他神經(jīng)元數(shù)目的結(jié)構(gòu)以達(dá)到擬合效度的進(jìn)一步提高，這需要不斷的進(jìn)行參數(shù)調(diào)整與比較。所以在企業(yè)績效評價中使用本處理器時，需要根據(jù)預(yù)測精度情況適度進(jìn)行調(diào)整。在網(wǎng)絡(luò)訓(xùn)練函數(shù)上的選取上，擬牛頓算法BFGS的收斂速度快，但精度較低，共軛梯度法（Conjugate Gradient，CG）是兼存最快下降法與牛頓法兩者的優(yōu)勢，但克服了前者收斂慢的缺點，又避免了牛頓法需要存儲和計算Hesse矩陣并求逆的缺點，具有步收斂性，穩(wěn)定性高，而且不需要任何外來參數(shù)，故在BP模型中一般選用此方法。

[1]Michael Armstrong,Angela Baronl.Performance Management[M].London the Cromwell Press,1998.

[2]何楠,齊書文.基于熵權(quán)的企業(yè)員工績效評價研究[J].華北水利水電學(xué)院學(xué)報，2009,（2）.

[3]熊正德,張健.基于三維結(jié)構(gòu)模型的企業(yè)員工績效評價研究[J].財經(jīng)理論與實踐，2010,（2）.

[4]龍江.基于勝任力模型的員工績效評價[J].武漢金融,2010,(8).

[5]卓金武，魏永生，秦健，李必文.Matlab在數(shù)學(xué)建模中的應(yīng)用[M].北京：北京航空航天大學(xué)出版社，2011.