论文部分内容阅读
摘 要:目前中国商业银行正处在快速变革的历史时代，人才培训已经成为银行创新发展和保持持续竞争力的关键，每年各家商业银行都投入大量的经费进行人才培训，但针对于培训效果评估的实证研究却非常缺乏，更是缺少培训投资回报的深度研究。由于学员培训满意度是学员行为迁移的必要条件，因此研究影响学员培训满意度效应的因素并建立预测模型就显得十分重要，这一研究成果将对银行的管理者、培训管理者不断改进培训项目设计和实施管理提供科学的依据，同时，对下一步跟踪研究学员行为迁移的评估具有非常现实的意义。
关键词:培训;满意度;预测模型
中图分类号：G726 文献标识码：A
一、导论
(一)问题提出
目前国际上关于培训评估的研究很多，主要评估的等级有学员反应（满意度）、学习结果（知识迁移）、工作中应用（行为迁移）、对业务的影响和投资回报率（ROI）五个层次，但还没有关于对各层次评估结果影响因素预测模型的研究。
假设在五个级别的评估中存在“影响链”关系，那么研究影响每一个评估层次的因素就显得极为重要了，如果我们可以找到重要的影响因素，我们就可以有针对性改进培训项目的全过程管理，提升每一成绩的评估效果，最终达到提高培训投资的回报率的企业目标。
由此可见，研究影响学员对于培训满意度评估的主要因素并建立预测模型是一个非常重要的开始，也是一项创新性研究，针对于培训投资日趋加大的中国金融行业这项研究也更加具有现实意义。
(二)研究方法
在培训中，经常会遇到培训效应的变化取决于几个影响因素的情况，也就是一个因变量和几个自变量有依存关系的情况。而且有时几个影响因素主次难以区分，或者有的因素虽属次要，但也不能略去其作用。这时就要采用多元回归分析预测法，建立预测模型进行预测。
尽管多元线性回归分析有其优点，但其局限性在于当因变量取离散数值时，如：满意（1），不满意（0）时，线性方程就不再适用。这是因为当我们需要的是关于不同事件（通过离散数值表达）的概率时，线性方程会有可能与概率定义发生冲突，如出现负值或大于1的情况。
鉴于上述的局限性，有必要引进理论上更适合离散数值有因变量的分析方法：逻辑回归分析（Logistic Regression）。期望通过对自变量对满意度影响概率的分析，预测影响满意度的关键因素，建立预测模型，并在此基础上加强培训项目的管理。
二、满意度效应影响因素的分析
(一)数据搜集
在培训项目实施前设计了培训课程评价反馈表，将相关可能影响满意度的自变量设计在其中，并在同一专家为不同金融机构讲授同一专题时进行课程效果评价调查。本次调查的机构有2家，一家为北方的银行，一家为南方的银行，参加评价反馈的人员有142人。
(二)培训满意度逻辑回归模型的建立
将所有变量包括因变量都先转化为标准分，并根据以下定义标准分对评价反馈表的统计数据进行了清理。
（1）Y（Satisfaction满意度）
（2）B（Bank银行）
（3）Ojt (On job training在岗培训)
（4）S（Sex性别）
（5）Yb1 (Year of birth出生年份)
（6）Yb2 (Year of birth出生年份)
（7）E（Educational学历）
（8）M（Major所学专业）
（9）Exp_Yr (Year of work experience从业年限)
（10）Y2(Year of work experience从业年限)
（11）D(Department部门)
（12）F（Function职务）
（13）E（Experience of training培训经历）
（14）Ft（Feeling of training培训后感受）
（15）T（Teacher培训师）
（16）L（Length课程长度）
（17）G(Gains收获)
（18）R（Recommend课程推荐）
（19）App（Application可借鉴,实用性）
（20）W（Wish of training希望今后培训）
Prob(Y=1)=f(B,Ojt,S,Yb1,Yb2,E,M,Y1,Y2, Dept,F,E,Ft,T,L,G,R,App,W) （1）
ln(P/1-P)
=a0+a1B+a2Ojt+a3S+a4Yb1+a5Yb2+a6E+a7M+a8Y1+a9Y2+a10Dept +a11F+a12E+a13Ft+a14T+a15L+a16G+a17R+a18App+a19W （2）
方程 （2）可改写为方程 (3) 如下：
（3）
这里:
n=19
X1=B； X2=Ojt；X3=S；X4=Yb1；X5=Yb2；X6=E；X7=M；X8= Y1 ；X9=Y2
X10=D；X11=F；X12=E；X13=Ft；X14=T；X15=L；X16=G；X17=R；X18=App；X19=W
方程（3）就是我们要建立的满意效应模型。目的是估计满意度最高，即：Y=1的概率，P(Y=1|X).我们将使用实际数据对上述模型中参数进行估计。我们使用统计软件SAS®（9.1.3 版本）进行模型估计。
(三)模型讨论
用Hosmer and Lemeshow模型拟合度检验，Pr > ChiSq为0.3371，说明本模型经验证为可靠的。从预测响应（Association of Predicted Probabilities and Observed Responses）中一致性百分比（Percent Concordant）为72.0，也可以验证模型的效度。
三、结果分析
根据培训效果评价反馈表，选择了可能影响培训满意度的15个变量进行分析，包括：所在银行、性别、出生年份、学历、所学专业、从业年限、部门、职务、培训经历、培训后感受、对培训师的评价、对课程长度的评价、学员收获、推荐课程给他人、课程内容可借鉴性和实用性。使用SAS统计分析软件对以上变量和培训满意度的关系进行了分析，结果是其中的四个变量表现出较强的相关性：“学历”、“职务”、“从业年限”和“部门”。具体分析如下：
“学历”中的“本科以下学历”与培训满意度呈负相关。在本研究项目中由于学员基本都出生于60年代和70年代，学历为本科以下，从他们的学历分析，他们并没有持续学习提升自己的教育水平，这也反映出他们学习新知识和新业务的欲望不是很强烈，培训更多对于他们是被动的接受而非主动的学习，另外，由于课程的内容比较专业，受教育程度会直接影响学员对课程内容的理解能力，因此会出现对课程满意度不高的情况。
“职务”中“管理人员”与培训满意度也呈现负影响关系，说明管理人员对于专业技术涉及过多的内容不是很有兴趣；他们更感兴趣的是和自己比较类似的银行管理实务，对于国际先进银行的管理经验和具体科学的、量化的管理方法兴趣却不是很大。
“从业年限”中“在金融行业工作十年以下”与培训满意度呈现正相关关系，通过数据分析发现这些人更多的出生于70年代和80年代，他们的受教育程度也较高，拥有本科以上学历，且拥有多年的实践工作经验，这对于他们理解课程内容会有很大的帮助。从学员所在的“部门”看，来自“公司金融、小企业金融、风险管理”部门的人员对于培训满意度呈现正向影响关系。由于课程内容侧重小企业金融业务管理和风险管理，因此以上相关业务部门的学员会觉得收益较高。
四、研究结果在人才培训中的应用
以上培训课程满意度预测变量的研究成果可以帮助培训管理者和企业更加有针对性的管理培训项目，提升培训满意度，具体的做法如下：
(一)细分培训对象，提升课程的针对性
将培训对象细分为专业人员和管理人员，根据部门业务发展需要为该部门核心人员设计培训课程；关注培训对象的受教育程度和工作年限，设计进阶课程，帮助受训人员逐步提升。
(二)根据课程选择培训对象
明确培训课程的目标，清晰划分岗位任职技能类培训和以发展为目标的提升类培训，并根据课程目标和内容选择适合的对象参与。对于专业技术类培训，需要明确参加人员的学历、相关工作年限、所属部门及职务类别，以便取得预期的培训效果。针对管理人员，需要考虑管理人员的学历和所在部门，更多的结合管理实务选择更多可借鉴的内容进行培训。同时在组织机构内训时需要注意到不同地区银行的经济环境、业务模式以及各银行的差异，设计与该银行的发展战略、管理理念、企业文化、核心业务相一致课程，会更有助于获得学员的认同感。
(三)建立受训者自由选择培训课程的管理机制
做好每个岗位培训课程体系的规划和信息发布，允许受训者依照个人的兴趣直接选择自己需要的和有兴趣的培训课程，变传统的指派和行政命令的被动学习为受训者主动选择学习的形式，提升受训者的自主学习和参与度，提升企业培训的投资回报。
(四)通过建立预测模型，提升培训投资回报
随着银行业的发展，培训的有效性越来越来受到组织、培训管理者、受训者、授课专家的重视，因此持续追踪培训满意度、知识迁移、行为迁移和绩效成果是非常重要的，建立培训绩效的预测模型是提升培训投资回报的必经之路，也是提升培训定量化管理的重要手段，因此研究机构和培训管理部门需要投入较多的人力、物力和财力在行为迁移和绩效成果的研究方面，只有这样才能够真正提升培训的绩效和组织绩效，支持个人和组织的共同发展。
参考文献
[1]托尼・纽拜著，培训评估手册[M].北京：中国劳动社会保障部出版社，2003.
[2]唐纳德・L.柯克帕特里克、詹姆斯D.柯克帕特里克.如何做好培训评估柯氏四级评估法[M].奚卫华、林祝君等译.北京：机械工业出版社，2007.
[3]莱斯利・瑞.培训效果评估(第三版)[M].牛雅娜，吴孟胜，张金普译.北京：中国劳动社会保障出版社，2003.
[4]菲利普斯（Phillips，J.J.）等.如何评估培训效果[M].张少林，李洁译.北京大学出版社，2007.
[5][杰克・J・菲力普斯.寻找隐性收益:培训投资回报评估方法[M].蒋龙琴，江涛译.北京:人民邮电出版社，2004.
【责任编辑:钟铁军】
关键词:培训;满意度;预测模型
中图分类号：G726 文献标识码：A
一、导论
(一)问题提出
目前国际上关于培训评估的研究很多，主要评估的等级有学员反应（满意度）、学习结果（知识迁移）、工作中应用（行为迁移）、对业务的影响和投资回报率（ROI）五个层次，但还没有关于对各层次评估结果影响因素预测模型的研究。
假设在五个级别的评估中存在“影响链”关系，那么研究影响每一个评估层次的因素就显得极为重要了，如果我们可以找到重要的影响因素，我们就可以有针对性改进培训项目的全过程管理，提升每一成绩的评估效果，最终达到提高培训投资的回报率的企业目标。
由此可见，研究影响学员对于培训满意度评估的主要因素并建立预测模型是一个非常重要的开始，也是一项创新性研究，针对于培训投资日趋加大的中国金融行业这项研究也更加具有现实意义。
(二)研究方法
在培训中，经常会遇到培训效应的变化取决于几个影响因素的情况，也就是一个因变量和几个自变量有依存关系的情况。而且有时几个影响因素主次难以区分，或者有的因素虽属次要，但也不能略去其作用。这时就要采用多元回归分析预测法，建立预测模型进行预测。
尽管多元线性回归分析有其优点，但其局限性在于当因变量取离散数值时，如：满意（1），不满意（0）时，线性方程就不再适用。这是因为当我们需要的是关于不同事件（通过离散数值表达）的概率时，线性方程会有可能与概率定义发生冲突，如出现负值或大于1的情况。
鉴于上述的局限性，有必要引进理论上更适合离散数值有因变量的分析方法：逻辑回归分析（Logistic Regression）。期望通过对自变量对满意度影响概率的分析，预测影响满意度的关键因素，建立预测模型，并在此基础上加强培训项目的管理。
二、满意度效应影响因素的分析
(一)数据搜集
在培训项目实施前设计了培训课程评价反馈表，将相关可能影响满意度的自变量设计在其中，并在同一专家为不同金融机构讲授同一专题时进行课程效果评价调查。本次调查的机构有2家，一家为北方的银行，一家为南方的银行，参加评价反馈的人员有142人。
(二)培训满意度逻辑回归模型的建立
将所有变量包括因变量都先转化为标准分，并根据以下定义标准分对评价反馈表的统计数据进行了清理。
（1）Y（Satisfaction满意度）
（2）B（Bank银行）
（3）Ojt (On job training在岗培训)
（4）S（Sex性别）
（5）Yb1 (Year of birth出生年份)
（6）Yb2 (Year of birth出生年份)
（7）E（Educational学历）
（8）M（Major所学专业）
（9）Exp_Yr (Year of work experience从业年限)
（10）Y2(Year of work experience从业年限)
（11）D(Department部门)
（12）F（Function职务）
（13）E（Experience of training培训经历）
（14）Ft（Feeling of training培训后感受）
（15）T（Teacher培训师）
（16）L（Length课程长度）
（17）G(Gains收获)
（18）R（Recommend课程推荐）
（19）App（Application可借鉴,实用性）
（20）W（Wish of training希望今后培训）
Prob(Y=1)=f(B,Ojt,S,Yb1,Yb2,E,M,Y1,Y2, Dept,F,E,Ft,T,L,G,R,App,W) （1）
ln(P/1-P)
=a0+a1B+a2Ojt+a3S+a4Yb1+a5Yb2+a6E+a7M+a8Y1+a9Y2+a10Dept +a11F+a12E+a13Ft+a14T+a15L+a16G+a17R+a18App+a19W （2）
方程 （2）可改写为方程 (3) 如下：
（3）
这里:
n=19
X1=B； X2=Ojt；X3=S；X4=Yb1；X5=Yb2；X6=E；X7=M；X8= Y1 ；X9=Y2
X10=D；X11=F；X12=E；X13=Ft；X14=T；X15=L；X16=G；X17=R；X18=App；X19=W
方程（3）就是我们要建立的满意效应模型。目的是估计满意度最高，即：Y=1的概率，P(Y=1|X).我们将使用实际数据对上述模型中参数进行估计。我们使用统计软件SAS®（9.1.3 版本）进行模型估计。
(三)模型讨论
用Hosmer and Lemeshow模型拟合度检验，Pr > ChiSq为0.3371，说明本模型经验证为可靠的。从预测响应（Association of Predicted Probabilities and Observed Responses）中一致性百分比（Percent Concordant）为72.0，也可以验证模型的效度。
三、结果分析
根据培训效果评价反馈表，选择了可能影响培训满意度的15个变量进行分析，包括：所在银行、性别、出生年份、学历、所学专业、从业年限、部门、职务、培训经历、培训后感受、对培训师的评价、对课程长度的评价、学员收获、推荐课程给他人、课程内容可借鉴性和实用性。使用SAS统计分析软件对以上变量和培训满意度的关系进行了分析，结果是其中的四个变量表现出较强的相关性：“学历”、“职务”、“从业年限”和“部门”。具体分析如下：
“学历”中的“本科以下学历”与培训满意度呈负相关。在本研究项目中由于学员基本都出生于60年代和70年代，学历为本科以下，从他们的学历分析，他们并没有持续学习提升自己的教育水平，这也反映出他们学习新知识和新业务的欲望不是很强烈，培训更多对于他们是被动的接受而非主动的学习，另外，由于课程的内容比较专业，受教育程度会直接影响学员对课程内容的理解能力，因此会出现对课程满意度不高的情况。
“职务”中“管理人员”与培训满意度也呈现负影响关系，说明管理人员对于专业技术涉及过多的内容不是很有兴趣；他们更感兴趣的是和自己比较类似的银行管理实务，对于国际先进银行的管理经验和具体科学的、量化的管理方法兴趣却不是很大。
“从业年限”中“在金融行业工作十年以下”与培训满意度呈现正相关关系，通过数据分析发现这些人更多的出生于70年代和80年代，他们的受教育程度也较高，拥有本科以上学历，且拥有多年的实践工作经验，这对于他们理解课程内容会有很大的帮助。从学员所在的“部门”看，来自“公司金融、小企业金融、风险管理”部门的人员对于培训满意度呈现正向影响关系。由于课程内容侧重小企业金融业务管理和风险管理，因此以上相关业务部门的学员会觉得收益较高。
四、研究结果在人才培训中的应用
以上培训课程满意度预测变量的研究成果可以帮助培训管理者和企业更加有针对性的管理培训项目，提升培训满意度，具体的做法如下：
(一)细分培训对象，提升课程的针对性
将培训对象细分为专业人员和管理人员，根据部门业务发展需要为该部门核心人员设计培训课程；关注培训对象的受教育程度和工作年限，设计进阶课程，帮助受训人员逐步提升。
(二)根据课程选择培训对象
明确培训课程的目标，清晰划分岗位任职技能类培训和以发展为目标的提升类培训，并根据课程目标和内容选择适合的对象参与。对于专业技术类培训，需要明确参加人员的学历、相关工作年限、所属部门及职务类别，以便取得预期的培训效果。针对管理人员，需要考虑管理人员的学历和所在部门，更多的结合管理实务选择更多可借鉴的内容进行培训。同时在组织机构内训时需要注意到不同地区银行的经济环境、业务模式以及各银行的差异，设计与该银行的发展战略、管理理念、企业文化、核心业务相一致课程，会更有助于获得学员的认同感。
(三)建立受训者自由选择培训课程的管理机制
做好每个岗位培训课程体系的规划和信息发布，允许受训者依照个人的兴趣直接选择自己需要的和有兴趣的培训课程，变传统的指派和行政命令的被动学习为受训者主动选择学习的形式，提升受训者的自主学习和参与度，提升企业培训的投资回报。
(四)通过建立预测模型，提升培训投资回报
随着银行业的发展，培训的有效性越来越来受到组织、培训管理者、受训者、授课专家的重视，因此持续追踪培训满意度、知识迁移、行为迁移和绩效成果是非常重要的，建立培训绩效的预测模型是提升培训投资回报的必经之路，也是提升培训定量化管理的重要手段，因此研究机构和培训管理部门需要投入较多的人力、物力和财力在行为迁移和绩效成果的研究方面，只有这样才能够真正提升培训的绩效和组织绩效，支持个人和组织的共同发展。
参考文献
[1]托尼・纽拜著，培训评估手册[M].北京：中国劳动社会保障部出版社，2003.
[2]唐纳德・L.柯克帕特里克、詹姆斯D.柯克帕特里克.如何做好培训评估柯氏四级评估法[M].奚卫华、林祝君等译.北京：机械工业出版社，2007.
[3]莱斯利・瑞.培训效果评估(第三版)[M].牛雅娜，吴孟胜，张金普译.北京：中国劳动社会保障出版社，2003.
[4]菲利普斯（Phillips，J.J.）等.如何评估培训效果[M].张少林，李洁译.北京大学出版社，2007.
[5][杰克・J・菲力普斯.寻找隐性收益:培训投资回报评估方法[M].蒋龙琴，江涛译.北京:人民邮电出版社，2004.
【责任编辑:钟铁军】