层次分析法在绩效评估中的应用研究

摘要:绩效评估是人力资源管理的问题之一。本文针对目前绩效评估指标权重确定方法中存在的问题,把层次分析法应用于绩效评估的研究中,解决了绩效评估权重确定方法主观性强,精度不够的问题。

关键词:层次分析法绩效评估权重

绩效评估又称员工绩效考核,即对员工在一定时期内的工作情况进行评价的过程,是人力资源开发与管理中的重要内容。常用的绩效考评的方法主要有360度评价法、目标管理法、排列法、强制分布法、关键事件法、等级考评法、行为观察量表法、行为锚定法等,这些考评方法都偏重于定性分析,主观性、随意性较大。如果将层次分析法应用于绩效评估中,就可以实现定量和定性相结合的方法,提高绩效评估的可靠性,进行有效的绩效评估。

1 层次分析法在确定绩效评估指标中应用的步骤

美国运筹学家T.L.Saty教授于70年代初期提出了层次分析法(Analytic Hierarchy Process,简称AHP),层次分析法是针对一些较为复杂、较为模糊的问题作出决策的方法,适合解决那些难于进行完全定量分析的问题。运用层次分析法建模的四个步骤为:建立递阶层次结构模型;构造出各层次中的所有判断矩阵;层次单排序及一致性检验;层次总排序及一致性检验。

下面阐述一下应用层次分析法对评测指标进行重要度判断的具体步骤:

首先,确立评价指标体系。

通过提取公司人员包含的各类人员的绩效评估指标,在明确绩效指标体系之间的相互关系的基础上,建立一个目标层(被评估的岗位)、准则层(绩效评估一级指标)、指标层(绩效评估二级指标)组成的递阶层次模型。

其次,确定各判断矩阵。

通过两两比较下层元素对于上层元素的相对重要性,并把比较的结果用一个数值表示出来,建立判断矩阵。本文按照1- 9 标度评判准则(表1)填写如下判断矩阵P=(Xij)n×m,其中Xij为i指标相对于j 指标的重要程度。

然后,确定每一个层次各评测指标的重要度值,并进行一致性检验。

计算权重向量W=(w1,…,wn)T。通常,在构造判断矩阵时,一般不要求判断具有传递性,这是由系统属性的复杂性和人的认识的模糊性所决定的。但是,判断矩阵是计算排序权重的根据,为了避免出现甲比乙重要,乙比丙重要,而丙又比甲重要的情况,应对判断矩阵进行一致性检验。一致性检验通过计算一致性比率CR来决定,即:

(式2.1)

(式2.2)

其中,CR为一致性比率,CI为一致性指标,RI为平均随机一致性指数,为判断矩阵A的最大特征值。如表2.2所示,可以得到RI的取值。

按照Saty的经验规则,当CR

最后,计算各层次所需求的绝对权重。

某一层次中某需求的绝对权重,等于其在本层内的重要度与其需求在上一层次中的重度的乘积。

2 层次分析法在绩效评估中的应用

2.1 建立评价模型。以某一小企业为例,把员工的绩效评估指标分为知识技能、工作态度、制度执行三大类指标。其中知识技能又可细分为:①业务能力(熟练掌握与业务有关的技术、市场和竞争信息,对业务发展发向有清楚认识,能够为企业业务开展提出好的建议);②法律制度理解能力(对对法律法规和企业管理制度能够有效理解,能够用简洁、准确的文字表达,能够设计切实可行的业务方案);③沟通能力(能够简明、准确地表达自己的意图,与客户、上级、下级和其他同事沟通快速准确)。工作态度可分为:①敬业精神(安心本职工作,工作认真负责,主动承担责任,能为其他同事树立良好榜样);②团队精神(积极参加企业各项活动,主动为企业献计献策,为企业文化建设做出较大贡献);③学习进步(业余时间努力学习,在工作中加以应用,业务水平有显着提高)。制度执行可分为:①纪律(严格遵守企业各项制度,并能带动其他同事遵守纪律;②出勤(全勤)。根据各绩效评价指标的属性及相互关系构造层次结构评价模型( 详见图1 )。

2.2 经有关专家对指标的评定,构造各层次指标的判断矩阵(如表3-6)。

2.3 计算各层次指标的权重(见表3-6)。

2.4 进行一致性检验,检验结果如表7。

由结果可知,各项指标的一致比率CR均小于0.1,都通过了一致性检验。

2.5 计算绩效评估指标的权重。

准则层:绩效=(0.635,0.105,0.259)

指标层:知识能力=(0.69,0.091,0.218)

工作态度=(0.547,0.263,0.139)

制度执行=(0.75,0.249)

计算各指标的组合权重(见下表)。

3 结论

在人类资源管理的绩效评估中,应用层次分析法,比单纯依靠人为主观经验判定权重更加客观,增强了评价的科学性,而且应用这种方法也便于理解,实用性较强。

①从模型计算的结果可以得出,准则层中,知识技能的权重最大,其后依次为制度执行和工作态度。②从组合权重的总排序结果来看,业务能力最重要。其次为纪律、沟通能力、出勤、法律制度等。此结果与实际情况基本吻合,给出了各指标之间的相对重要程度,避免了在员绩效评估过程中,由于指标数量众多造成的误差,而且也减少了人为的主观影响。