人力资源测评中内部一致性信度的探讨

人力资源测评对于现代企业快速有效地选拔任用人才有着举足轻重的作用,它主要运用心理学、管理学、测量学等学科的原理和方法,采用履历分析、面谈、心理测验、情景模拟等多种方式对企业所需人才的知识、能力、个性和发展潜力等心理特征和个性倾向性进行综合测量和评价。其目的就是将合适的人放到相匹配的特定岗位上,同时也可以加强被测评者对自身的了解,为科学用人和人尽其才提供可靠有效的依据。
现代人力资源测评包括考试、考核、心理测量、综合测评四种类型。考试测评侧重于对知识、智力和技能的测量。考核测评是对被考核者绩效的考察和评价。心理测量是用心理测验的方法和技术对人的心理特质进行测量的过程。综合测评是前三种测评类型的结合。考试主要侧重对能力的考察,考核注重对绩效的考核,心理测量则侧重于对个体发展潜力的测评。
对于企业来说,建立一套完善的测评系统不仅需要耗费大量的时间和精力进行调研、建模、预测、项目分析、测量指标分析、项目修订和模型验证等多个步骤和细节,更要保证开发出来的测评工具有高的可靠性和有效性,这样才能保证整个测评过程的公平公正性和实际测评结果的信服度。毋庸置疑,信度和效度是人才测评与选拔质量的重要指标。而运用统计学的原理和方法通过统计软件进行多次分析来检验测评的信效度就成为测评开发过程中必不可少的关键环节。这里重点介绍下心理测量学中关于内部一致性信度的原理和方法。
在心理测量学中,信度是指同一被试者在不同时间内用同一测验(或其复本)重复测量,所得结果的一致性程度。信度的大小受到测评过程中随机误差的影响,包括测评者的态度和行为、测评样本的容量和异质性程度、测评环境、以及测评系统开发过程中每个环节的设计和实施。信度的大小由信度系数来衡量,信度系数越大,说明信度越高。测评信度可分为再测信度、复本信度、内在一致性信度和评分者信度。其中,内部一致性信度是目前比较流行且效果较好的方法。下面以某公司销售项目经理个性测验为例,探讨内在一致性信度的计算方法。
测验信度是建立在经典测量理论模型之上的,数学公式是: X = T +e,其中X是观测分数,T是真分数, e是误差分数,它认为任何测量值都由真分数和误差分数两部分组成,这两部分之间互相独立,被试的某种潜在特质无法由某次测验的分数来表示,必须在无数次测验的基础上求平均值才能得到。而事实上这种结果是很难达到的。因此,测评者真正关心的问题是测评结果究竟能够在多大程度上反映被测者的真实水平。要回答这个问题就必须计算“真实分数”和“测验分数”之间的相关程度。理论上,信度被定义为真分数的变差与观测分数的变差之比,公式是:rxx=S2T/S2X ,S2T为真分数变差, S2X为观测分数变差。根据估计的信度,就可以求出测验随机误差的变异。如销售项目经理业务流程知识维度的信度为0.805,则可以推断,该维度上测量的随机误差变异值为1-0.805=0.195,说明在对被测评者的业务流程知识进行测评时,产生的随机误差较小,属于可接受范围之内。多数心理学者认为0.70是可接受的最小信度值。如果编制的工具信度在0.70以下,则应该考虑重新修订或编制工具。
内部一致性信度,是每一个量表是否测量单一概念,同时检验组成题项的内在一致性程度如何,该信度常用克伦巴赫a系数来表示(公式如下),k为问卷中量表的题项数,Si为第i题得分数的标准差,Sx为量表总得分的标准差。其值处于0—1之间。
\
克伦巴赫a系数可以通过spss统计软件进行分析,在spss主窗口中打开数据文件之后选择“analyze”—“scale”—“reliability analyze”对话窗口, 将各层面的题项选入右边“items”框内,如下图所示,要检验客户取向维度的所有题项其内部一致性程度如何,就将所有客户取向的题项放入右侧项目框内,在“model”选取“Alpha”,如求其折半信度则选取“Split-half”。
\
按“Statistics” 按钮出现“Reliability Analyze:Statistics”,选取需要呈现的描述性变量类型,如要查看因素层面题项间的相关情形,则选择“Correlations”,会显示题项间的相关矩阵。
\
按“ok”则出现结果窗口“out put-spss viewer”,显示第一个层面客户取向维度的信度检验结果及各题项间的相关系数矩阵。            
Reliability Statistics

 

Cronbach's Alpha
Cronbach's Alpha Based on Standardized Items
N of Items
.300
.429
6

 

Inter-Item Correlation Matrix

 

 
client1
client2
client3
client4
client61
client62
client1
1.000
.318
-.116
.256
.066
.543
client2
.318
1.000
.156
.804
-.207
.201
client3
-.116
.156
1.000
.283
-.678
-.283
client4
.256
.804
.283
1.000
-.187
.136
client61
.066
-.207
-.678
-.187
1.000
.374
client62
.543
.201
-.283
.136
.374
1.000

 

从分析结果来看,客户取向维度的信度较低(0.429),除了第2和第4项目之间的相关较高,其他各题项之间的相关程度均属低相关。通过同样方法对总量表和其他分量表进行信度分析,得出总量表的信度系数为0.725,信度结果较佳。其他分量表如诚实守信维度的信度值为0.565,成就导向维度的信度值为0.334,信度均较低,业务流程知识维度的信度值为0.805,属较好水平。
一般来说,进行信度分析的统计数据中,不应只呈现总量表信度系数的大小,还应呈现各分量表信度的大小,提供有价值可以比对的信息。因为信度是测题项目数的函数,子测验的题目较少,通常会导致分量表的信度值低于总量表;但如果各分测验的差异性太大,总量表的同构性也不高,构想层面的信度系数反而高于总量表的信度。如在上例中,各分测验的信度值均低于总测验的信度值,因此需要对低信度的分测验或维度上的题项进行诊断和修订以提高测验的信度。
对于信度分析的结果,测评者还要深入探讨测评过程中影响信度的因素。这些因素主要有选取样本的性质、测验长度等。被试的变异性越大,即他们之间越不相同,测验的信度越高,因为信度代表的是测量真正个体间差异时的一致性,当个体间的差异大且显著时,易获得高度一致性的结果。如果被试同质性高,变异性小,则很难准确而可靠地分辨他们之间的个体差异。在预测过程中适宜选取较多有代表性的被试参加测验,最好能将不同学历、专业、性别、年龄的被试进行平衡匹配后施测。
另外,测验包含的试题越多,猜测因素影响就越小,信度系数越高,测验产生的分数也越准确、可靠;有大量试题的测验比仅包括少数试题的测验更能对所欲测的特质作适当的取样。因此,可以适当增加低信度量表的条目,但增加不仅为题量的增加,新增试题必须与原试题相等或非常相近的性质才可以。此外,测验长度增加只能增加内部一致性系数,对再测信度无直接影响。
人力资源测评的方法是取得测评数据的手段,而信度和效度是企业关心的核心问题。一套完善的测评系统必须具备令人满意的信效度才能真正提高测评结果的说服力,才能帮助企业做出正确的识人用人决策,因此,测评系统的开发过程也是不断提高测评信效度的过程。

所有文章版权归问鼎所有,转载请注明出处

问鼎mlearning
问鼎云学习
考试100
问鼎测评
问鼎义工联