校園招聘簡歷篩選標準的實證研究

楊天宇

摘要：本文基于M銀行2012年—2014年校園招聘數據，運用獨立樣本T檢驗和多元線性回歸分析對M銀行過去三年招聘人員的簡歷及工作績效進行了比對研究，結果表明簡歷中的一些關鍵信息對于員工未來的工作績效具有顯著影響。進而提出依據企業過去招聘人員的績效與其簡歷中的關鍵信息進行比對，建立企業各崗位簡歷篩選標準的方法。

關鍵詞：簡歷篩選；校園招聘；工作績效一、 研究背景

隨著就業形勢的日益嚴峻，一方面求職者為找到一份合適的工作而四處奔波，另一方面則是企業為招到一個合適的員工而耗費精力。求職與招聘，本質上是一個雙向選擇的過程。面對堆積如山的簡歷，人力資源部門如何建立簡歷篩選標準，最大限度的從簡歷中發掘出適合招聘崗位的人才，將不合適的求職者剔除出去，是提高企業招聘效率和成功率的一個難題。

以往面對這些問題，企業通常的做法是設定幾個硬性指標（如要求211大學畢業，相關專業，英語水平，計算機等級等），在這些指標符合條件后，第二步再由招聘人員根據崗位的需要以及簡歷的實際情況進行對比和篩選。在這一步驟中，招聘人員顯然具有極大的自主性，這也不可避免的造成了所篩選出的簡歷帶有招聘人員的主觀經驗判斷。因此，建立一種符合招聘崗位要求的量化的簡歷篩選標準可以提高企業招聘的效率和成功率，減少面試環節的資源浪費。

目前，企業和學術界對于簡歷篩選這一領域的研究缺乏重視。相關文獻數量不多且大多是理論論證，并沒有確定的量化篩選方法。而對于簡歷中哪些信息對于企業的招聘有重要影響則是眾說紛紜。

有學者認為求職者在大公司的工作經歷與求職者未來的績效正相關（李鑫等，2004），也有學者認為名校畢業的求職者在知識積累、學習能力及勤奮程度上比普通院校畢業的求職者要高，因此會對未來的工作績效產生一定的影響（龔昱，2007）。還有學者提出，每個崗位都具有其特殊性，學者基于特殊崗位的研究結果并不具有普適意義，在招聘中應結合崗位的特殊性，對求職者的簡歷信息進行篩選（韓春艷，2010）。

二、 實證分析

（一）樣本的選擇

M銀行為我國大型股份制銀行。筆者以M銀行H分行銷售部為研究對象，選擇了該部門2012-2014年通過校園招聘會招聘的57名員工為樣本（n=57），對其簡歷及入職一年內的工作績效進行了比對分析。描述性統計分析結果顯示，2012年通過校園招聘會入職人數為22人，2013年為19人，2014年為16人。其中男性為24人，約占42.1%；女性為33人，約占57.9%。中國共產黨員人數為35人，約占61.4%。重點大學本科畢業人數為40人，非重點大學本科畢業人數為17人。本科所學專業為經濟管理類專業的人數為38人，約占66.7%。

（二）變量的設計

研究選取通過校園招聘會招聘的員工一年內的工作績效為被解釋變量。由于選取的樣本均來自M銀行H分行的銷售部門，該部門每個月都會根據員工的績效水平發放一定的績效工資。因此，以員工入職一年內的月平均績效工資作為衡量其績效水平的量化指標是合適的。筆者從M銀行H分行的銷售部門獲得了全部56名員工入職一年內的月績效工資表。由于員工的入職年份不同，考慮到貨幣的實際價值以及經濟形勢和業務環境的不同，本次研究采用了以下方法對入職一年內的月平均績效工資水平進行了調整。首先按照入職年份的不同將樣本劃分為3個組，選取每組中月平均績效工資最高值記為100，組內其他樣本的變量值與最高值作比后乘以100，即得到調整后的被解釋變量Y。

調整后，被解釋變量Y可以代表員工入職一年內的工作績效水平。

筆者從M銀行H分行人力資源部門獲得了以上56名員工在校園招聘會上提交的簡歷。根據這些簡歷，歸納出了10個可能對被解釋變量產生影響的變量作為解釋變量。分別為：

X1：性別。X2：政治面貌。X3：畢業院校。X4：所學專業。以上4個變量為定類變量。X5：獲獎次數。X6：平均績點。X7：學生工作經驗。X8：學生干部經驗。X9：相關實踐經驗。X10：不相關實踐經驗。以上6個變量為定距變量。

（三）分析方法

分別以X1-X4這4個定類變量為分組變量，以被解釋變量Y為檢驗變量，進行獨立樣本的T檢驗，驗證各組的變量Y的平均值是否具有顯著差異。以此為依據，判斷以上4個變量是否會對被解釋變量產生影響。以定距型解釋變量X5-X10為自變量，以被解釋變量Y為因變量進行多元線性回歸分析。為防止解釋變量的自相關及多重共線性，以逐步剔除變量的方法進行多元線性回歸。以此為依據，判斷以上6個變量中的哪些變量會對被解釋變量Y產生直接的顯著影響，并且可以排除這些變量因中介效應對被解釋變量Y產生的間接影響。

（四）分析結果

經過檢驗，取顯著性水平a=0.05，以X1（性別）為分組變量時，被解釋變量Y的平均值存在顯著差異（p=0.007）；以X3（畢業院校）為分組變量時，被解釋變量Y的平均值存在顯著差異（p=0.023）。

以X2（政治面貌）為分組變量時，被解釋變量Y的平均值不存在顯著差異（p=0.751）；以X4（所學專業）為分組變量時，被解釋變量Y的平均值不存在顯著差異（p=0.203）；

使用逐步排除變量的方法，經過對X5-X10的多元線性回歸分析，最終確定X7（學生工作經驗）（p=0.002）及X9（相關實踐經驗）（p=0.004），在排除多重共線性影響之后與被解釋變量Y存在顯著的線性相關關系。其余解釋變量對被解釋變量的影響均被排除。

根據以上的數據分析，M銀行H分行銷售部可以在今后的校園招聘中按以下方法建立簡歷篩選標準。首先，從收集到的簡歷中找出以下4個變量：性別，畢業院校，學生工作經驗，相關實踐經驗。并將學生工作經驗及相關實踐經驗換算成月數。其次，根據線性模型2，學生工作經驗與相關實踐經驗的系數比例大致為1比3。因此，將學生工作經驗與相關實踐經驗合并為一個變量X（經驗）。

最后，對變量X進行降序排列，并且優先選擇變量X3（畢業院校）為“重點大學本科”的簡歷。此外，應適當調整男女比例，在男女比例合適且上述兩個變量均一致時，優先考慮男性求職者。

上述簡歷篩選標準建立在企業過去招聘的基礎上，企業過去招聘員工的簡歷及工作績效均可以方便的獲得，因此上述簡歷篩選標準的建立在實踐中是可行的。當然，不同的企業不同的崗位對于員工的要求有著不同的標準。在其他企業或者其他部門，上述根據M銀行H分行的招聘數據選擇出的變量很可能就不是其他企業或者其他部門的員工工作績效的相關變量。但其他企業或部門，仍然可以利用以上方法找出適合自己的員工工作績效的相關變量，并以此為建立簡歷篩選標準。（作者單位：云南大學工商管理與旅游管理學院）

參考文獻：

[1]洪海燕.基于貝葉斯分類器的簡歷篩選模型[J].計算機技術與發展，2012：22：7.

[2]龔昱.名校畢業-自然高人一等[J].軟件工程師，2007.

[3]韓春艷.有效進行校園招聘的思考[J].經營管理者，2011.

[4]李鑫，高山，白俊杰.青年的工作經歷與人格發展[J].重慶工學院學報，2004：10.