2.2 属性分析法

对比分析法研究的内容主要是事物之间的数量变化，而属性分析法研究的内容主要是事物本身的内在属性和相互之间的关系。

2.2.1 相关关系分析

相关关系分析指的是当某一个或几个变量发生变化时，与它相关的另一个或几个变量将会随之按照某种规律在一定范围内变化的分析。这种变量间的相互关系，被称为相关关系。变量之间的相关关系有很多类别。

如果按照相关关系的变量数目划分，可以把相关关系划分为单相关、复相关、偏相关，具体区别如下。

（1）单相关：一个自变量同一个因变量之间的相关关系。

（2）复相关：两个或两个以上的自变量同一个因变量之间的相关关系。

（3）偏相关：有两个或两个以上的自变量同一个因变量相关时，把其他自变量当作常量，只研究一个自变量同因变量之间的相关关系。

自变量指的是人们能够操作和掌握的变量，因变量是因为自变量的变化而产生的某种现象或结果。自变量与因变量是同时存在、相互依存的关系，没有自变量也就无所谓因变量，没有因变量无所谓自变量。

如果按照相关关系的形态划分，可以把相关关系划分为直线相关（线性相关）、曲线相关（非线性相关），具体区别如下。

（1）直线相关（线性相关）：当相关关系的某个变量变动时，另一个变量相应发生均等的变动。反映在图形上，变量之间的关系呈现出直线形态。

（2）曲线相关（非线性相关）：当相关关系的某个变量变动时，另一个变量相应发生不均等的变动。反映在图形上，变量之间的关系呈现出某种曲线形态。

如果按照相关关系的程度划分，可以把相关关系划分为完全相关、不相关和不完全相关三类，具体区别如下。

（1）完全相关：一个变量变化由另一个变量变化唯一确定，即呈现函数关系。

（2）不相关：两个变量彼此变化互相独立，没有关系。

（3）不完全相关：两个变量之间的关系介于不相关和完全相关之间。

如果按照相关关系的方向划分，可以把相关关系划分为正相关和负相关，具体区别如下。

（1）正相关：两个变量的变化趋势相同，当一个变量的值变大或变小时，另一个变量也随之变大或变小。

（2）负相关：两个变量的变化趋势相反，当一个变量的值变大或变小时，另一个变量呈现相反方向的变小或变大。

举例

某公司人力资源部想要提高招聘满足率，研究招聘满足率相关的数据指标。经过探讨与分析，发现影响招聘满足率的因素包括招聘费用的投入、招聘渠道的数量、人力资源管理者工作时间、人力资源管理者的技能水平等。

招聘满足率与招聘费用的投入、招聘渠道的数量、人力资源管理者工作时间、人力资源管理者的技能水平等数据指标之间呈现复相关关系。在进一步研究它们的相关性时，可以考虑其他条件不变，只改变招聘费用投入的数量。此时，招聘满足率与招聘费用之间是偏相关。

经研究发现，招聘费用提高后，招聘满足率有所提升，说明它们之间是正相关关系。但是当招聘费用提高到一定水平后，招聘满足率基本不变，这说明它们之间并非直线相关，而是曲线相关，且是不完全相关关系。

2.2.2 组成关系分析

组成关系分析指的是某一事物与其他事物之间呈现组成关系的情况分析。组成关系可以有包含关系（某事物包含其他事物）、来源关系（某事物来源于其他事物）、因子关系（某事物是其他事物的因子）等种类。

举例

人力资源成本指的是公司为了获取、激发、使用公司的人力资源，而需要付出的人才招聘、培训、管理、离职等各项费用成本。人力资源成本可以分成四大类，分别是取得成本、开发成本、使用成本、离职成本。

1.取得成本

（1）招聘成本：公司寻找、吸引、引进人才所需的费用。

（2）选择成本：公司评估、测试、甄选人才所需的费用。

（3）录用成本：公司为获得人才的合法使用权而需要付出的费用。

（4）安置成本：公司将候选人安排到岗位上岗需要付出的各类行政费用。

2.开发成本

（1）岗前培训成本：公司为人才提供上岗前的培训需要的费用。

（2）岗中培训成本：公司为了让人才达到岗位要求而进行培训发生的费用。

（3）脱产培训成本：公司根据需要，允许员工脱离工作岗位培训发生的费用。

3.使用成本

（1）薪酬成本：公司为员工支付的劳动报酬、津贴等费用。

（2）福利成本：公司为员工提供的各类法定和非法定福利费用。

（3）奖励成本：公司为员工提供的各类奖金及其他具有激励性质的措施的费用。

（4）调剂成本：公司为调剂员工的工作和生活而采取一系列措施所付出的费用。

（5）劳动保障成本：员工工伤或患职业病时，公司需要承担的费用。

（6）健康保障成本：员工的健康相关问题公司需要承担的费用。

4.离职成本

（1）离职补偿成本：员工离职后，公司需要支付给员工的费用。

（2）离职低效成本：员工离职前，因工作效率降低造成的公司损失。

（3）岗位空缺成本：员工离职后，因岗位空缺造成的公司损失。

2.2.3 聚类关系分析

聚类是将数据分类到不同的类或簇中的过程，所以在同一类或同一簇中的对象具有很大的相似性，而不同簇间的对象有很大的相异性。在统计学中，聚类分析是通过数据建模简化并分类数据的一种方法。

在人力资源量化管理与数据分析中，运用统计学中非常专业的聚类分析的情况并不多，大多数情况下的聚类关系分析是根据需要提前设置分类，同一分类具有一定的相似性，然后根据信息的属性不同，将其分布在不同的分类中。

举例

美国通用电气公司（GE，General Electric Company）的前CEO杰克·韦尔奇（Jack Welch）提出过“活力曲线”。韦尔奇按照绩效和能力，将所有员工分成三类。活力曲线中员工的类别和比例如表2-4所示。

表2-4 活力曲线中各员工分类及占比

对于A类的员工，韦尔奇对他们采取的策略是不断奖励，包括岗位晋升、提高工资、股权激励等。有的A类员工得到的奖励，是B类员工的2～3倍。对于B类员工，韦尔奇会根据情况，适当提升其工资。C类员工，不但不会有奖励，还将会被公司淘汰。韦尔奇的这套方法，可以转化为人力资源管理中的“强制分布法”。

某公司参考韦尔奇的活力曲线，实施强制分布法评判公司内所有员工的年度绩效结果。经公司管理层讨论，决定把全公司所有员工分成A、B、C、D、E五个等级，每个等级对应的人数比例如表2-5所示。

表2-5 某公司绩效分布等级和人数占比

年度绩效等级评定为A的员工第二年薪酬将提升20%。

年度绩效等级评定为B的员工第二年薪酬将提升15%。

年度绩效等级评定为C的员工第二年薪酬将提升10%。

年度绩效等级评定为B的员工第二年薪酬将提升5%。

年度绩效等级评定为E的员工第二年薪酬不变。

该公司按照大部门评价绩效和划分人员等级，要求每个大部门的人员同样按照该比例划分。大部门内，人员绩效评定工作由部门负责人负责组织，由人力资源部负责监督和协助部门负责人实施。

某部门共有10名员工，该部门负责人为了体现公正性，成立评价小组，按照工作态度、工作能力和工作绩效三个维度，对部门内不同成员进行评价，评分表如表2-6所示。

表2-6 某公司绩效评价样表

根据汇总平均各评价小组成员的评分结果，得到部门员工的绩效分数结果，并根据分数结果，参照等级划分比例，得出不同员工所属的绩效等级，如表2-7所示。

表2-7 某公司某部门绩效评价结果和等级划分绩效分数

该部门负责人将该结果提交至人力资源部。人力资源部汇总全公司的绩效评价结果后，第二年按照此结果实施薪酬提升。