基于因子分析與聚類(lèi)分析的我國(guó)31省市人力資源狀況比較研究

劉金晶

[摘? ? 要] 運(yùn)用因子分析和聚類(lèi)分析，以2017年相關(guān)統(tǒng)計(jì)數(shù)據(jù)為基礎(chǔ)，從人力資源數(shù)量、質(zhì)量、潛力和分布4方面對(duì)我國(guó)31個(gè)省市的人力資源狀況進(jìn)行了分析和評(píng)價(jià)。研究表明：不僅不同類(lèi)別地區(qū)之間人力資源發(fā)展水平存在較大差異，同一類(lèi)地區(qū)之間人力資源發(fā)展水平也存在較大差異。因此，應(yīng)針對(duì)不同類(lèi)別的地區(qū)，制定不同的發(fā)展策略。

[關(guān)鍵詞] 人力資源狀況;因子分析;聚類(lèi)分析

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2019. 17. 062

[中圖分類(lèi)號(hào)] F241? ? [文獻(xiàn)標(biāo)識(shí)碼]? A? ? ? [文章編號(hào)]? 1673 - 0194（2019）17- 0156- 05

1? ? ? 引? ? 言

雖然我國(guó)人力資源總量豐富，但不同的省市具有不同的人力資源發(fā)展水平和特點(diǎn)。針對(duì)各省市人力資源狀況，我國(guó)學(xué)者杜麗婷（2008）從人口素質(zhì)角度，采用因子分析和聚類(lèi)分析對(duì)我國(guó)31個(gè)省市的教育環(huán)境進(jìn)行了分析和評(píng)價(jià)，得出對(duì)教育重視程度高和教育水平發(fā)達(dá)的地區(qū)人力資源狀況好;陸遠(yuǎn)權(quán)? 等（2010）利用因子分析和聚類(lèi)分析，以2008年我國(guó)31省市相關(guān)統(tǒng)計(jì)數(shù)據(jù)為基礎(chǔ)，對(duì)各省市人力資源狀況進(jìn)行分析;左傳? 等（2018）利用因子分析和聚類(lèi)分析對(duì)我國(guó)31省市2015年人力資源能力狀況進(jìn)行了研究，指出影響人力資源能力的因素包括數(shù)量、人均支持、研發(fā)與產(chǎn)出、人口素質(zhì)、人口自然增長(zhǎng)和文化支持因子。本文采用因子分析和聚類(lèi)分析方法，以2016年相關(guān)統(tǒng)計(jì)數(shù)據(jù)為基礎(chǔ)，對(duì)我國(guó)31個(gè)省市的人力資源狀況進(jìn)行分析和評(píng)價(jià)。

2? ? ? 指標(biāo)構(gòu)建

本文運(yùn)用《中國(guó)統(tǒng)計(jì)年鑒——2017》以及各省市2017年統(tǒng)計(jì)年鑒中的數(shù)據(jù)，結(jié)合我國(guó)31個(gè)省市的人力資源情況，從人力資源數(shù)量、質(zhì)量、潛力和分布4個(gè)方面構(gòu)建人力資源狀況評(píng)價(jià)指標(biāo)體系，如表1所示。

3? ? ? 因子分析

3.1? ?數(shù)據(jù)處理

本文先采用反向指標(biāo)數(shù)據(jù)（總撫養(yǎng)比、文盲人口占15歲及以上人口比重）加負(fù)號(hào)的方法對(duì)數(shù)據(jù)進(jìn)行歸一化處理，然后用SPSS19.0軟件對(duì)樣本數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。

3.2? ?KMO和Bartletts球形檢驗(yàn)

本文采用SPSS19.0軟件對(duì)樣本數(shù)據(jù)進(jìn)行KMO和Bartletts球形檢驗(yàn)，結(jié)果得出KMO值為0.704，大于0.7;Bartletts球形檢驗(yàn)的顯著性水平為0.000，小于0.05，表明樣本數(shù)據(jù)適合做因子分析。

3.3? ?提取公因子

本文采用主成分法提取公因子，從原始數(shù)據(jù)中提取的前2個(gè)公因子的特征值累計(jì)貢獻(xiàn)率為72.458%，可用這2個(gè)主成分（分別用F1、F2表示）來(lái)代替表1 中14個(gè)指標(biāo)對(duì)31個(gè)省市人力資源狀況進(jìn)行衡量，如表2所示。

3.4? ?因子旋轉(zhuǎn)和因子命名

本文采用方差最大化正交旋轉(zhuǎn)方法對(duì)成分矩陣進(jìn)行因子旋轉(zhuǎn)，旋轉(zhuǎn)后因子成分矩陣如表3所示。

主成分F1在城鎮(zhèn)人口比重、大學(xué)專(zhuān)科及以上比重等指標(biāo)上具有較高的載荷系數(shù)，這幾個(gè)指標(biāo)反映的是文化支持對(duì)人力資源狀況的影響，將主成分F1命名為文化支持因子。

主成分F2在人口數(shù)量、普通高等學(xué)校數(shù)量、教育支出等指標(biāo)上具有較高的載荷系數(shù)，這幾個(gè)指標(biāo)反映的是人口基礎(chǔ)性因素和社會(huì)物質(zhì)性條件對(duì)人力資源狀況的影響，將主成分F2命名為人口基礎(chǔ)和社會(huì)物質(zhì)因子。

3.5? ?得分及排名

根據(jù)成分得分系數(shù)矩陣（見(jiàn)表4），乘以各因子標(biāo)準(zhǔn)化數(shù)值，即可得出各省市在這兩個(gè)公因子上的具體得分（見(jiàn)表5中的F1i、F2i）。

以每個(gè)主成分各自方差貢獻(xiàn)率占總體方差累計(jì)貢獻(xiàn)率的比重作為權(quán)重，再乘以各省市在這兩個(gè)公因子上的具體得分，即可得出我國(guó)31個(gè)省市人力資源狀況的綜合得分及排名（見(jiàn)表5）。綜合得分公式為：Fi=0.615 3F1i+0.384 7F2i（i=1，2，…，31）;F=F1+F2。

4? ? ? 聚類(lèi)分析

本文在因子分析的基礎(chǔ)上，利用兩個(gè)公因子進(jìn)一步做聚類(lèi)分析，方法為Ward法，度量標(biāo)準(zhǔn)區(qū)間為平方Euclidean距離。通過(guò)聚類(lèi)分析，將31個(gè)省市人力資源狀況分為5類(lèi)。

第一類(lèi)為北京、天津、上海。這3個(gè)直轄市在文化支持因子上具有絕對(duì)的優(yōu)勢(shì)，說(shuō)明這3個(gè)直轄市人力資源發(fā)展?jié)摿薮?。這3個(gè)直轄市在人口基礎(chǔ)和社會(huì)物質(zhì)因子上的得分較低，主要是因?yàn)檫@3個(gè)直轄市相比其他大部分省市而言，人口數(shù)量、普通高等學(xué)校數(shù)量、教育支出相對(duì)較少。

第二類(lèi)為江蘇、浙江、山東、廣東。江蘇、浙江在文化支持因子上的得分較高，而山東、廣東在該因子上的得分一般，主要是因?yàn)樯綎|、廣東兩省大學(xué)專(zhuān)科及以上比重比江蘇、浙江要低些。這4個(gè)省在人口基礎(chǔ)和社會(huì)物質(zhì)因子上得分很高，說(shuō)明這4個(gè)省人口基礎(chǔ)好，社會(huì)物質(zhì)條件能夠很好地保障人力資源的發(fā)展。

第三類(lèi)為福建、湖北、山西、陜西、重慶、吉林、黑龍江、內(nèi)蒙古、遼寧。吉林、黑龍江、內(nèi)蒙古、遼寧在文化支持因子上具有較大的優(yōu)勢(shì)，說(shuō)明這4個(gè)省人力資源發(fā)展?jié)摿^大;福建、湖北、山西、陜西、重慶在該因子上的得分處于中等水平，說(shuō)明這5個(gè)省市人力資源發(fā)展?jié)摿σ话?，主要是因?yàn)檫@5個(gè)省市在大學(xué)專(zhuān)科及以上比重比該類(lèi)其余4個(gè)省要低些。這9個(gè)省市在人口基礎(chǔ)和社會(huì)物質(zhì)因子上的得分處于中等水平，說(shuō)明這9個(gè)省市人口基礎(chǔ)和社會(huì)物質(zhì)保障一般。

第四類(lèi)為湖南、四川、安徽、江西、河北、河南、甘肅、新疆、廣西、云南、貴州。這11個(gè)省在文化支持因子上得分普遍較低，說(shuō)明這11個(gè)省文化不能很好地支持人力資源的發(fā)展。湖南、四川、安徽、江西、河北、河南這6個(gè)省在人口基礎(chǔ)和社會(huì)物質(zhì)因子上的得分較高，而河南、甘肅、新疆、廣西、云南、貴州這5個(gè)省在該因子上的得分較低，原因系這5個(gè)省在人口數(shù)量、普通高等學(xué)校數(shù)量及教育支出方面比該類(lèi)其余6個(gè)省要少。

第五類(lèi)為海南、寧夏、青海、西藏。這4個(gè)省在文化支持因子上得分位于中游或下游，在人口基礎(chǔ)和社會(huì)物質(zhì)因子上的得分最低，這4個(gè)省人力資源狀況還有較大的發(fā)展空間。

5? ? ? 結(jié)論與建議

通過(guò)以上的因子分析和聚類(lèi)分析，可以得出以下結(jié)論：

（1）不同類(lèi)地區(qū)之間人力資源發(fā)展?fàn)顩r差異較大

第一類(lèi)地區(qū)人力資源總體得分為1.284 4，遠(yuǎn)高于其他四類(lèi)地區(qū)。第二類(lèi)地區(qū)4個(gè)省的第二主成分得分在我國(guó)各省市中處于領(lǐng)先地位，但其綜合得分只有第一類(lèi)地區(qū)的一半左右。第三類(lèi)、第四類(lèi)地區(qū)總體得分分別為0.021 8、-0.374 0，處于中等或中等偏下水平。第五類(lèi)地區(qū)總體得分為-1.075 0，各類(lèi)指標(biāo)基本都落后于其他省市。

（2）同一類(lèi)地區(qū)之間人力資源發(fā)展水平存在較大差異

第一類(lèi)地區(qū)中，天津與北京、上海之間還存在一定的差距，總體得分分別只有北京和上海的66.18%和72.78%，主要是因?yàn)樘旖蛟谖幕С忠蜃由系梅直却祟?lèi)中另外兩個(gè)直轄市低。第二類(lèi)地區(qū)中，江蘇、浙江兩省在文化支持因子上得分遠(yuǎn)高于廣東和山東，但浙江在人口基礎(chǔ)和社會(huì)物質(zhì)因子上的得分還不及廣東的一半。第三類(lèi)地區(qū)中，遼寧、黑龍江、吉林、內(nèi)蒙古在文化支持因子上得分較高，而湖北、福建在人口基礎(chǔ)和社會(huì)物質(zhì)因子上的得分較高。第四類(lèi)地區(qū)中，四川、安徽、寧夏在文化支持因子上得分較高，而四川、河北、湖南、河南在人口基礎(chǔ)和社會(huì)物質(zhì)因子上的得分較高。第五類(lèi)地區(qū)中，青海、海南在文化支持因子上得分較高，而新疆、海南在人口基礎(chǔ)和社會(huì)物質(zhì)因子上的得分較高。

針對(duì)不同類(lèi)別的地區(qū)，本文提出以下建議：

第一類(lèi)地區(qū)3個(gè)直轄市保持了人口的持續(xù)性、進(jìn)一步優(yōu)化了人口年齡結(jié)構(gòu)，但相對(duì)于其他大部分省市而言，這3個(gè)直轄市在人口數(shù)量、普通高等學(xué)校數(shù)量、教育支出相對(duì)較少，今后需要加大教育投入，持續(xù)推進(jìn)人力資源的開(kāi)發(fā)，打造具有國(guó)際競(jìng)爭(zhēng)實(shí)力的人才。

第二類(lèi)地區(qū)人口基礎(chǔ)大、社會(huì)物質(zhì)基礎(chǔ)豐富，江蘇、浙江2省人口持續(xù)性、年齡結(jié)構(gòu)較好，但山東、廣東則相對(duì)較差，今后需提高當(dāng)?shù)氐娜肆Y源儲(chǔ)備、優(yōu)化年齡結(jié)構(gòu)。

第三類(lèi)地區(qū)、第四類(lèi)地區(qū)、第五類(lèi)地區(qū)人口持續(xù)性、負(fù)擔(dān)能力、人口基礎(chǔ)、社會(huì)物質(zhì)基礎(chǔ)一般或較差，今后不僅要繼續(xù)加大資金投入，還要提高當(dāng)?shù)氐娜肆Y源儲(chǔ)備，建立人力資源發(fā)展的長(zhǎng)效機(jī)制。

主要參考文獻(xiàn)

[1]杜麗婷. 基于因子與聚類(lèi)分析的我國(guó)區(qū)域人力資源研究[J]. 開(kāi)放教育研究，2008（10）：40-44.

[2]左傳，趙文娟，蔡彥珠，等. 省域人力資源能力評(píng)價(jià)與比較研究——基于因子分析和聚類(lèi)分析[J]. 商場(chǎng)現(xiàn)代化，2010（8）：70-73.

[3]陸遠(yuǎn)權(quán)，馬壘信，何倩倩，等. 我國(guó)31省區(qū)人力資源狀況比較研究——基于因子分析和聚類(lèi)分析[J].科技與管理，2010（9）：117-120.