1、校园招聘简历筛选标准的实证研究 摘要：本文基于 M银行 2012年 2014 年校园招聘数据，运用独立样本 T检验和多元线性回归分析对 M银行过去三年招聘人员的简历及工作绩效进行了比对研究，结果表明简历中的一些关键信息对于员工未来的工作绩效具有显著影响。进而提出依据企业过去招聘人员的绩效与其简历中的关键信息进行比对，建立企业各岗位简历筛选标准的方法。 下载 关键词：简历筛选；校园招聘；工作绩效一、 研究背景 随着就业形势的日益严峻，一方面求职者为找到一份合适的工作而四处奔波，另一方面则是企业为招到一个合适的员工而耗费精力。求职与招聘，本质上是一个双向选择的过程。面对堆积如山的简历，人力资源部门
2、如何建立简历筛选标准，最大限度的从简历中发掘出适合招聘岗位的人才，将不合适的求职者剔除出去，是提高企业招聘效率和成功率的一个难题。 以往面对这些问题，企业通常的做法是设定几个硬性指标（如要求 211大学毕业，相关专业，英语水平，计算机等级等），在这 些指标符合条件后，第二步再由招聘人员根据岗位的需要以及简历的实际情况进行对比和筛选。在这一步骤中，招聘人员显然具有极大的自主性，这也不可避免的造成了所筛选出的简历带有招聘人员的主观经验判断。因此，建立一种符合招聘岗位要求的量化的简历筛选标准可以提高企业招聘的效率和成功率，减少面试环节的资源浪费。 目前，企业和学术界对于简历筛选这一领域的研究缺乏重视
3、。相关文献数量不多且大多是理论论证，并没有确定的量化筛选方法。而对于简历中哪些信息对于企业的招聘有重要影响则是众说纷纭。 有学者认为求职者在大 公司的工作经历与求职者未来的绩效正相关（李鑫等， 2004），也有学者认为名校毕业的求职者在知识积累、学习能力及勤奋程度上比普通院校毕业的求职者要高，因此会对未来的工作绩效产生一定的影响（龚昱， 2007）。还有学者提出，每个岗位都具有其特殊性，学者基于特殊岗位的研究结果并不具有普适意义，在招聘中应结合岗位的特殊性，对求职者的简历信息进行筛选（韩春艳， 2010）。 二、 实证分析 （一）样本的选择 M银行为我国大型股份制银行。笔者以 M银行 H分行销
4、售部为研究对象，选择了该部门 2012-2014 年通过校园招聘会招聘的 57名员工为样本（ n=57），对其简历及入职一年内的工作绩效进行了比对分析。描述性统计分析结果显示， 2012 年通过校园招聘会入职人数为 22人， 2013年为 19人， 2014 年为 16 人。其中男性为 24 人，约占 42.1%；女性为 33人，约占 57.9%。中国共产党员人数为 35人，约占 61.4%。重点大学本科毕业人数为 40 人，非重点大学本科毕业人数为 17 人。本科所学专业为经济管理类专业的人数为 38人，约占 66.7%。 （二）变量的设计 研究选取通过校园招聘会招聘的员 工一年内的工作绩效
5、为被解释变量。由于选取的样本均来自 M银行 H分行的销售部门，该部门每个月都会根据员工的绩效水平发放一定的绩效工资。因此，以员工入职一年内的月平均绩效工资作为衡量其绩效水平的量化指标是合适的。笔者从 M银行 H分行的销售部门获得了全部 56名员工入职一年内的月绩效工资表。由于员工的入职年份不同，考虑到货币的实际价值以及经济形势和业务环境的不同，本次研究采用了以下方法对入职一年内的月平均绩效工资水平进行了调整。首先按照入职年份的不同将样本划分为 3个组，选取每组中月平均绩效工资最高值记为 100，组内其他 样本的变量值与最高值作比后乘以 100，即得到调整后的被解释变量 Y。 调整后，被解释变量
6、 Y可以代表员工入职一年内的工作绩效水平。 笔者从 M银行 H分行人力资源部门获得了以上 56名员工在校园招聘会上提交的简历。根据这些简历，归纳出了 10 个可能对被解释变量产生影响的变量作为解释变量。分别为： X1：性别。 X2：政治面貌。 X3：毕业院校。 X4：所学专业。以上 4个变量为定类变量。 X5：获奖次数。 X6：平均绩点。 X7：学生工作经验。 X8：学生干部经验。 X9：相关实践经验。 X10：不相关实践经 验。以上 6个变量为定距变量。 （三）分析方法 分别以 X1-X4这 4个定类变量为分组变量，以被解释变量 Y为检验变量，进行独立样本的 T检验，验证各组的变量 Y的平均
7、值是否具有显著差异。以此为依据，判断以上 4个变量是否会对被解释变量产生影响。以定距型解释变量 X5-X10为自变量，以被解释变量 Y 为因变量进行多元线性回归分析。为防止解释变量的自相关及多重共线性，以逐步剔除变量的方法进行多元线性回归。以此为依据，判断以上 6个变量中的哪些变量会对被解释变量 Y产生直接的显著影响，并且可以排除这些变量因中介 效应对被解释变量 Y产生的间接影响。 （四）分析结果 经过检验，取显著性水平 a=0.05，以 X1（性别）为分组变量时，被解释变量 Y的平均值存在显著差异（ p=0.007）；以 X3（毕业院校）为分组变量时，被解释变量 Y的平均值存在显著差异（ p
8、=0.023）。 以 X2（政治面貌）为分组变量时，被解释变量 Y的平均值不存在显著差异（ p=0.751）；以 X4（所学专业）为分组变量时，被解释变量 Y的平均值不存在显著差异（ p=0.203）； 使用逐步排除变量的方法，经过对 X5-X10的 多元线性回归分析，最终确定 X7（学生工作经验）（ p=0.002）及 X9（相关实践经验）（ p=0.004），在排除多重共线性影响之后与被解释变量 Y存在显著的线性相关关系。其余解释变量对被解释变量的影响均被排除。 根据以上的数据分析， M银行 H分行销售部可以在今后的校园招聘中按以下方法建立简历筛选标准。首先，从收集到的简历中找出以下 4个
9、变量：性别，毕业院校，学生工作经验，相关实践经验。并将学生工作经验及相关实践经验换算成月数。其次，根据线性模型 2，学生工作经验与相关实践经验的系数比例大致为 1 比 3。因此， 将学生工作经验与相关实践经验合并为一个变量 X（经验）。 最后，对变量 X进行降序排列，并且优先选择变量 X3（毕业院校）为 “ 重点大学本科 ” 的简历。此外，应适当调整男女比例，在男女比例合适且上述两个变量均一致时，优先考虑男性求职者。 上述简历筛选标准建立在企业过去招聘的基础上，企业过去招聘员工的简历及工作绩效均可以方便的获得，因此上述简历筛选标准的建立在实践中是可行的。当然，不同的企业不同的岗位对于员工的要求
10、有着不同的标准。在其他企业或者其他部门，上述根据 M银行 H分行的招聘数据选择出的变量很可 能就不是其他企业或者其他部门的员工工作绩效的相关变量。但其他企业或部门，仍然可以利用以上方法找出适合自己的员工工作绩效的相关变量，并以此为建立简历筛选标准。（作者单位：云南大学工商管理与旅游管理学院） 参考文献： 洪海燕 .基于贝叶斯分类器的简历筛选模型 J.计算机技术与发展，2012： 22： 7. 龚昱 .名校毕业 -自然高人一等 J.软件工程师， 2007. 韩春艳 .有效进行校园招聘的思考 J.经营管理者， 2011. 李鑫，高山，白俊杰 .青年的工作经历与人格 发展 J.重庆工学院学报，2004： 10.
