10.1.1 数据汇总
数据汇总是指把零散的项目（指标）分数汇总为一个总分数。常见的方法有以下几种：
1）累加法
累加法即把各指标（项目）上的得分直接相加。
2）平均汇总法
平均汇总法即把各项指标的分数作算术平均数运算求出一个总分。
3）连乘汇总法
连乘汇总法是直接把各指标上的得分直接相乘得到一个总分。
4）指数连乘法
指数连乘法不但考虑了各指标上的得分，还考虑了指标的相对重要性。
5）加权汇总法
加权汇总法即根据各个指标（项目）间的差异，对每个指标得分适当扩大或缩小若干倍后再累加的一种方法。
10.1.2 常用的加权处理
1）对测评指标的加权处理
对测评指标的加权是指给各指标分派大小不同的有意义的数值，来表示该指标在测评体系中的重要程度。通常我们在进行测评的过程中是按不同的测评对象来进行加权的，也称为测评对象权重，它包括级别权重和职别权重。级别权重的分配根据不同职位级别人员的职务特点而变化。假如某一人员测评指标体系中包括素质结构、智力结构、能力结构和绩效结构。那么对于执行部门的办事人员（企业办事员或机关一般工作人员）来说，素质结构应注重服务态度和纪律性等要素，智力结构应注重工作技能，能力结构应注重处事能力等要素，绩效结构应注重工作效率等要素；对于中层管理人员（企事业或机关科级干部等），素质结构应注重责任心和主动性等要素，智力结构应注重专业知识与判断能力，能力结构应注重组织能力和协调能力等要素，绩效结构应注重工作实绩；对于高层决策人员（厂长、经理、处长、局长等），素质结构应注重政策能力和进取心等要素，智力结构应注重知识面与综合分析能力，能力结构应注重决策能力和用人授权能力等要素，绩效结构应注重经济贡献和政绩。
同时在整个测评体系中针对不同的对象，其素质、智力、能力和绩效结构在整体中所占的比例也会有变化。
职别权重的分配则是根据不同职能人员的业务特点而变化的。例如，同样是科长，对于生产计划科长、物资供应科长和劳动人事科长来说，由于部门的不同，权重的分配也应有所不同。以能力结构为例，生产计划科长应注重其计划能力，物资供应科长应注重其社交能力，劳动人事科长则应注重其识才用才的能力。
“知识链接10—1”
指标重要性的评定方法
指标重要性评定常采取专家问卷法。下面介绍专家问卷示例：
我们拟对电力企业职员所应具备的素质（测评指标）作一次调查研究，您在这方面很有研究，特请您对以下指标予以评定，具体方法在“素质测评指标评价表”内每个指标的右边方格中选一项打分，每一项分数分别为4、3、2、1.其中“4”表示完全同意，“3”表示同意，“2”表示不同意，“1”表示完全不同意。
感谢您在百忙中支持和协助我们调查，我们将把调查研究的最后结果寄给您，并希望今后能保持联系。
此致
敬礼
200某年某月某日
2）对测评总分的加权处理
对最后测评总分的加权，称为总体加权或总分加权。总体加权主要包括按测评次数加权和按测评角度加权两种。按测评次数加权，即根据不同的测评次数特点对总分进行加权，也可称为多次测评权重，它包括初测加权和复测加权。例如，在对一个部门进行的两次测评中，由于第一次该部门在测评时对标准把握得太宽使得员工的得分普通偏高，而第二次测评时对标准把握得又太严使得该部门员工的得分普遍偏低，为了使两次测评的得分可以比较，故将每次的得分乘以不同的权重。
按测评角度加权是分不同的测评角度来对总分进行加权，即对来自不同考官的测评分数进行加权，最后得到一个综合分数的过程，也可以称为测评角度权重。对测评对象的评价一般可以源自上级领导、同级同事、下属以及本人。因此权重又可以分为上级领导测评权重、同级测评权重、下级测评权重和自我测评权重。通常直接的上级领导对下属的了解比较全面，评价也较为客观，所以可以适当考虑加重他的权重。同级人员之间比较熟悉，了解到的情况比较细致；另外，同级人员之间的测评相当于进行同行测评，可由他们来评价被试的思想、智力、能力和工作成效。
但是同级人员由于所处地位相同，容易加入个人的成见和感情判断，因而权重不宜太高。下级人员对上级人员的领导作风和能力的评价能够充分反映多方面的情况，显示测评的民主性，应分有一定的权重。自我测评能够避免他人主观偏见的影响，因而在主观量表的使用中具有重要价值，但由于这种测评很难排除被试本人的自我防卫心理和社会赞许效应，因此，自我测评仅作为总体测评的一个参考，权重较轻。
总体加权的优点是只对一个总体分数加权，运算比较简便，其缺点是比较粗糙，因为它只对总分进行处理，因此它的准确性往往会受到影响。
3）对测评分数的局部加权处理
对测评分数的局部加权处理包括按测评人员（即考官）加权和按测评目的加权，也可以叫做结构加权。按测评人员加权即根据不同的测评人员对测量中的不同结构进行加权。在主观测量中，虽然有测评标准，但实际上不同的测评人员对同一被试的同一行为的注意程度和评分结果往往是有差异的。在人员测评中，由于不同测评人员所处的地位和职务的限制，所以对被试各方面的素质重视程度是不同的。
比如，对于直接上级领导（包括公司主管、小组长、科长等）来说，所强调的是被试的工作成绩，因为这与他自己的工作绩效是紧密相联的，因此就较为重视员工的绩效结构中的要素指标。对于更高一级的管理人员（包括部门经理、工段长、处长等）来说，由于所处的位置稍高，所以能够较为客观地全面地看到下属的素质结构，如员工的纪律性等。虽然基层管理者也能看到这些思想品质的表现，但容易受到感情因素的影响而干扰客观评价。领导人员（指一个组织的高层领导者，如总经理、厂长等），由于与一般工作人员相隔的层次较多，因而难以掌握具体情况。一般来说，在掌握部属素质结构的前提下，领导人员最易注重下属的智力结构。总之，不同测评人员的加权往往以其最重视的结构为转移。
按不同的测评目的加权即根据不同的用途对各个要素结构进行加权，也可称为测评目的权重，包括日常测评权重、选拔测评权重、晋升测评权重、职称测评权重、奖励测评权重和调资测评权重等。不同测评目的权重以各个结构在该测评中的作用来决定，很难有绝对的统一的尺度。有些测评主持者由于缺乏对加权原理与方法的必要了解，往往千篇一律地将一种加权模式强加于不同的场合，这样往往会降低人事考核和决策的准确性，降低员工的工作绩效。不同测评的目的决定数据分析的特点与规律，因而加权要适应这种变化。例如，日常测评的加权可不必过分突出某个结构的重点，而主要通过要素权重体现其员工各项素质的客观差异。选拔测评是为了挑选有潜力的人才，应在注意素质结构的前提下，加重智力结构和绩效结构的权重，具体情况要以选拔出来的人担任何种职务而定。晋升测评和职称测评是确认实际能力和专业水平，权重也应以绩效结构和智力结构为重点。奖励测评和调资测评主要是根据贡献大小，因此要以绩效结构的权重为主。
局部加权比起总体加权来说对信息的处理要细致一些，能够在人力资源管理各个具体环节上发挥作用，特别是在各种权数已经确定的情况下，它能比较具体地根据不同的用途突出重点，使用也比较方便。
10.1.3 数据分析
测评后，所获得的结果仅仅是个体性的，其意义常常不很清楚。例如，某次测评中某人得了80分，看这个80分也许你会说这个人不错，但在公司中他究竟算优秀员工还是中等的员工呢？我们并不清楚。因此获得个体测评结果后，还应从整体上分析。只有从总体中、从个体与个体的相互关系中，我们才能真正把握与认识个体的素质水平。
人员测评结果的总体分析，主要包括整体分布分析、总体水平分析、差异情况分析等内容。
1）整体分布分析
整体分布分析是通过图表的形式来分析素质测评结果的一种方法。通常用频数分布表分析和频数分布图分析。
频数分布表也称次数分布表。常见的有简单频数分布表、累积频数分布表和累积百分比分布表等不同形式。
频数分布表的图形化即为频数分布图。频数分布图也称次数分布图，它是以曲线或折线来表示相应的频数分布表的一种形式，常见的有直方图与多边图两种。直方图是以面积来表示频数的分布，即用位于横轴上各组上下限之间的矩形面积表示各组频数分布的情形。多边图是以相应纵轴上的高度点来表示频数的分布情况的图形。
“知识链接10—2”
频数分布表和累积次数分布
当数据量很多的时候，应该把所有的数据先划分为若干分组区间，然后将数据按其数值大小划归到相应的组别内，分别统计组别中包括的数据个数，再用列表形式呈现出来，就构成了次数分布表或频数分布表（grouped
frequenc ytable）。累积次数或累积频数（cumulative
frequency）是把各族的次数由下而上或由上而下累加在一起，最后一组的累积次数应等于数据的总次数。用累积次数或累积频数表示次数的分布称为累积次数分布（cumulative
frequencydi stribution）。
2）总体水平分析
上述整体分布分析的目的在于通过频数分布表或分布图，了解在各分数段上的人数分布、最高分与最低分及其差距、偏态与峰态等情况，以使人们能够从直观上迅速地把握总体情况。总体水平分析则是通过众数、平均数或中位数分析，把握全部被试的一般水平。
所谓众数，即人数最多的那个素质特征、分数或等级，它代表整体水平结构自然群中最大的典型群水平。当剔除第一个众数典型群后，类似又可在总体中找到第二个众数，对应这个众数，可以找到下一个自然典型群。由此下去，可以找出所有整体中的水平结构自然群。所有这些自然群就组成了整体的主要结构。
平均数即所有测评结果在理论上的代表值。在众多的素质测评分数中，相互间可能各不相同。从所有单个测评分数中，很难找到一个真实的分数来代表总体水平。众数也仅仅具有局部代表性。我们必须设法找到一个比较理想的分数来代表整个总体的一般成绩或情况，这时就需要进行平均数的计算了。平均数中有调和平均数、几何平均数与算术平均数等形式，其中最常用的是算术平均数。
中位数指位于一组数据数列（按大小顺序排列后）中间位置的那个数。如果数据的个数是奇数，则中位数是排列后处于中间位置的那个数，如果数据的个数是偶数，则中位数是排列后处于中间位置的两个数的平均值。一般来说，在没有极端值存在的情况下，中位数总是能较好地反映数据的中心位置。
3）差异情况分析
差异情况分析包括整体差异分析和个体差异分析。整体差异分析有两极差、平均差、标准差、方差与差异系数等不同形式。
“案例分析10—1”
小李高中毕业后就开始从事销售工作，他在一项衡量销售技术和成功动机的销售能力测试中原始分数为19，他应聘的是一家消费电子商店的一般零售职位。可能的原始分数为0～30，相对不同的标准群体，小李的原始分可以转化为一个表明其相对排名百分比分数。
在不同的标准群体中小李的排名百分比分数：
排名百分比分数：94%，标准群体：中学高年级学生；
排名百分比分数：85%，标准群体：哲学专业的大学生；
排名百分比分数：84%，标准群体：全国标准的销售职员；
排名百分比分数：50%，标准群体：名牌商学院营销专业的大学生；
排名百分比分数：35%，标准群体：在财富500强工作极为成功的销售专业人员。
问题：如果你是销售经理，你会录用小李吗？
分析提示：小李的原始分数是固定的，从“在不同的标准群体中小李的排名百分比分数”看出，基于不同的标准群体，他给招聘方留下的印象则是相差很大。作为用人单位应该使用与其需要最为匹配的标准群体。在这一案例中，只需要招聘一般销售员，应该使用的标准群体是销售员。根据这标准表的显示，小李的标准分数为84，是一个具有较强销售能力的销售职员候选人。
