大型企業培訓評估實證研究

導語：大型企業培訓評估實證研究一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

建立指標體系

根據柯氏評估體系，培訓效果分為反應層、學習層、行為層和業績層四個層次，劉志新、郭校敏（2011年）對首都機場、中國石化和泰康人壽的分析發現，企業對于一、二級評估非常重視，工具方法很多；對于三、四級評估，目前國內很少有企業能夠做到。這一點與行業現狀相符，所以本文主要介紹一級評估模型的建立與預測。根據多年行業經驗積累，采用德爾菲法對2個培訓機構、3個客戶和2個培訓師進行兩輪訪談，得到了8個一級分析指標：性別、年齡、工作時間、培訓時間、行業經驗、學歷、師資類型和客戶來源。一級指標根據內容賦予不同的值進行測算，具體指標體系見表1：行業經驗：是指擬邀講師有沒有給同行業同規模的企業或標桿企業進行授課的經驗，如果有賦值為1，如果沒有賦值為0。客戶來源：按照國家行政區域進行劃分，聽課學員來自于哪個省份，就賦值哪個數值，如葛洲壩集團在湖北省宜昌市，湖北省屬于華中地區，那么它被賦予的值為5，如果葛洲壩集團的學員去北京來聽課，賦值依然是5。講師類別：根據行業經驗，可以分為三類。高校老師，指在國家高等院校授課的正式教師和國家科研院所的研究人員；職業講師，指以培訓為職業，專職給企業進行培訓的講師；組織高層，指國家部委、大型國有企業、外資企業、行業協會等中高層管理人員。

數據收集

1.一級評估數據本文主要收集一級培訓效果即反應層的數據，共收集數據86個，經過對數據進行分析處理，最后符合要求的共80個數據。數據來源于三家培訓公司，評估時間從2007年3月到2012年8月，授課對象為16個大型央企或省國資委直管企業，授課區域覆蓋7個地區，包括48個講師的評估數據。培訓評估從四個方面：培訓內容、講師水平、培訓組織和培訓效果進行打分，分值為5分制，見表2。問卷的發放時間為每次培訓結束之后下課之前由教務人員直接發給學員進行現場打分，教務人員現場回收，事后進行統計分析。為了統計方便，將5分制數據轉化成了百分制。2.講師數據根據預測模式指標體系的要求，分別收集培訓師的性別、年齡、工作時間、培訓時間、行業經驗、學歷、師資類型以及客戶來源，共8個因素作為分析變量。數據主要來源于講師的身份證、講師提供的介紹、講師助理提供的資料等。

相關分析

本文采用SPSS16.0版本進行統計分析。首先，對性別、年齡、工作時間、培訓時間、行業經驗、學歷、客戶來源、師資類型和百分制等所有變量進行了皮爾遜多元相關分析，分析結果如表3所示：從第一次相關分析輸出結果得到如下結論：第一，年齡與工作時長的Pearson相關系數在0.01的水平下兩尾檢測達到了很高的正相關關系，相關系數為0.803。根據多元回歸對數據的要求，因變量之間不能有多元共性相關關系（相關系數不能大于0.700）。根據行業經驗，在聘用講師時考慮最多的是年齡，而不是工作時間，所以把工作時長變量去掉。第二，工作時長與培訓時長的相關系數在0.01的水平上顯著相關，相關系數為0.801，根據多元回歸對數據的要求，結合行業經驗，選擇去掉工作時長變量。第三，培訓時長與年齡之間的相關系數也達到了0.681，雖然沒有達到0.700，但是為了使數據更有說服力，根據實際工作經驗，去掉年齡變量。把相關指標去掉之后，進行了第二輪相關分析，結果如下表4所示：表4  去掉相關因變量之后的Pearson相關分析第一，評估分與性別的相關系數只有0.075，說明評估效果基本上與性別沒有關系。當初設定這個因變量的目的是因為培訓師這個行業，性別還是一個很重要的因素，培訓師以男性為主。從本次收集的數據來看，來自男性培訓師的數據有69個，而來自女性培訓師的數據只有11個。從行業經驗來看，排課較多的老師往往今天在一個城市上課，下課后就要趕往機場，半夜到達另一個城市，第二天接著上課，有時連續3、5天都這樣，所以體力對培訓效果的影響也是一個很重要的因素，女性由于心理和生理的影響，在這方面會有一些不足，但從統計結果來看，影響并不明顯。第二，評估分與師資類別的相關系數是-0.097，說明在相同的培訓條件下，師資類別對于培訓效果沒有太大的影響。2000-2010年，人們對于培訓師的聘請標準還是以名校的知名學者為主，如清華大學、北京大學等，因為這個階段客戶處于知識普及階段，對老師講的東西沒有聽過，所以很感興趣。隨著學員和客戶聽課數量和質量的提高，尤其是網絡培訓的普及，培訓對象對授課老師的鑒別能力越來越強。2010年以后，客戶和企業更喜歡有豐富企業管理經驗的專職講師授課，這正在成為一種趨勢。第三，評估分與行業經驗在0.05水平兩尾測試下，相關系數達到了0.227的顯著水平，在所有的自變量中是唯一的顯著相關的自變量。這說明行業經驗對于培訓的效果有直接影響，從實際工作也能夠說明這一點。很多培訓機構和客戶在聘請老師時關注最多的是有沒有同行業同規模的標桿企業的培訓經驗，部分公司還會向受訓企業溝通培訓效果。

多元線性回歸分析

根據相關分析對數據的要求，把年齡、工作時間、講師類型去掉，對其余變量進行多元線性回歸分析，因變量為評估分，自變量為學歷、培訓時長、客戶來源、行業經驗。輸出結果如表5所示：從回歸系數分析來看，學歷、客戶來源和行業經驗的P值大于0.05，但小于0.1的顯著水平。培訓時長P=0.175，大于0.1，從統計學的意義來講是不顯著的，但是如果從實踐的角度來看，培訓時長是必須要考慮的因素，所以繼續把它保留在多元回歸模型中。從容忍度（Tolerance）來看，四個自變量之間沒有共線性關系，是可以使用的四個自變量。根據多元線性回歸分析結果得到企業培訓一級評估模型：百分制評估分=86.63-學歷×1.763+培訓時長×0.764+客戶來源×0.885+行業經驗×2.597對于預測結果需要說明如下：如果采用百分制評估，預測結果85分以下為不及格，85-90分之間為一般，90-95之間為良好，95分以上為優秀。培訓服務流程規范：包括培訓前、培訓中、培訓后等過程都要按照行業規范進行，不能出現大的紕漏。學員人數限制：因為本模型適用于企業內訓，所以人數以30~40人為宜，不要超過50個人。誤差范圍：因為培訓師在實施過程中的一些不確定因素和臨時突發事件，往往導致評估效果有誤差，經實際測試誤差范圍為±2。

從以上相關分析與回歸分析結果可以看出，在聘請外部培訓師之前一定要拿到培訓師的相關資料，包括學歷、培訓時長、客戶來源、行業經驗等內容，并進行分析，這樣就能夠有效規避授課風險，提高培訓質量，減少不必要的損失。從相關分析來看：年齡、性別、工作時長不是影響培訓一級評估效果的因素，聘請講師時可以不予考慮。相關分析結果中行業經驗是顯著相關的，所以無論是培訓機構還是客戶，在外聘講師時一定要非常關注其有沒有行業經驗。從回歸分析來看，聘請講師時只要得到擬邀請講師的學歷、培訓時長、行業經驗以及客戶來源等相關數據，就可以根據多元回歸模型進行培訓一級評估效果預測。七、不足之處從回歸分析的輸出結果來看，一是四個自變量對整個模型的解釋度不高，二是四個自變量中有一個自變量沒有達到統計學意義，這主要是幾方面的原因：1.數據收集問題首先是數量不夠充足，本文只有80個有效數據樣本；其次是時間跨度大，從2007年到2012年，共計五年時間；第三是客戶相對集中，以電力行業、金融行業為主，其他行業客戶較少。2.評估表指標問題評估表指標（見表2）有四個部分：培訓內容、講師水平、培訓組織和培訓效果。前兩類指標跟培訓師相關，后兩類指標與主辦方和培訓服務相關，后兩類指標的打分沒有被排除。3.自變量選取指標問題本文采用了七個指標，其中四個指標進入了多元回歸分析模式，但是還有其他變量沒有考慮進來，如培訓學員人數、學員人力資源素質、培訓實施地點（在當地還是外地）等等。

本文作者：張朋松袁倫渠工作單位：北京交通大學經濟管理學院