[摘要]運用因子分析和聚類分析，以2017年相關統(tǒng)計數(shù)據(jù)為基礎，從人力資源數(shù)量、質量、潛力和分布4方面對我國31個省市的人力資源狀況進行了分析和評價。研究表明：不僅不同類別地區(qū)之間人力資源發(fā)展水平存在較大差異，同一類地區(qū)之間人力資源發(fā)展水平也存在較大差異。因此，應針對不同類別的地區(qū)，制定不同的發(fā)展策略。
[關鍵詞]人力資源狀況;因子分析;聚類分析
1引言
雖然我國人力資源總量豐富，但不同的省市具有不同的人力資源發(fā)展水平和特點。針對各省市人力資源狀況，我國學者杜麗婷(2008)從人口素質角度，采用因子分析和聚類分析對我國31個省市的教育環(huán)境進行了分析和評價，得出對教育重視程度高和教育水平發(fā)達的地區(qū)人力資源狀況好;陸遠權等(2010)利用因子分析和聚類分析，以2008年我國31省市相關統(tǒng)計數(shù)據(jù)為基礎，對各省市人力資源狀況進行分析。
左傳等(2018)利用因子分析和聚類分析對我國31省市2015年人力資源能力狀況進行了研究，指出影響人力資源能力的因素包括數(shù)量、人均支持、研發(fā)與產(chǎn)出、人口素質、人口自然增長和文化支持因子。本文采用因子分析和聚類分析方法，以2016年相關統(tǒng)計數(shù)據(jù)為基礎，對我國31個省市的人力資源狀況進行分析和評價。
2指標構建
本文運用《中國統(tǒng)計年鑒——2017》以及各省市2017年統(tǒng)計年鑒中的數(shù)據(jù)，結合我國31個省市的人力資源情況，從人力資源數(shù)量、質量、潛力和分布4個方面構建人力資源狀況評價指標體系。
3因子分析
3.1數(shù)據(jù)處理
本文先采用反向指標數(shù)據(jù)(總撫養(yǎng)比、文盲人口占15歲及以上人口比重)加負號的方法對數(shù)據(jù)進行歸一化處理，然后用SPSS19.0軟件對樣本數(shù)據(jù)進行標準化處理。
3.2KMO和Bartlett’s球形檢驗
本文采用SPSS19.0軟件對樣本數(shù)據(jù)進行KMO和Bartlett’s球形檢驗，結果得出KMO值為0.704，大于0.7;Bartlett’s球形檢驗的顯著性水平為0.000，小于0.05，表明樣本數(shù)據(jù)適合做因子分析。
3.3提取公因子
本文采用主成分法提取公因子，從原始數(shù)據(jù)中提取的前2個公因子的特征值累計貢獻率為72.458%，可用這2個主成分(分別用F1、F2表示)來代替表1中14個指標對31個省市人力資源狀況進行衡量。
3.4因子旋轉和因子命名
本文采用方差最大化正交旋轉方法對成分矩陣進行因子旋轉。主成分F1在城鎮(zhèn)人口比重、大學專科及以上比重等指標上具有較高的載荷系數(shù)，這幾個指標反映的是文化支持對人力資源狀況的影響，將主成分F1命名為文化支持因子。
主成分F2在人口數(shù)量、普通高等學校數(shù)量、教育支出等指標上具有較高的載荷系數(shù)，這幾個指標反映的是人口基礎性因素和社會物質性條件對人力資源狀況的影響，將主成分F2命名為人口基礎和社會物質因子。
3.5得分及排名
根據(jù)成分得分系數(shù)矩陣，乘以各因子標準化數(shù)值，即可得出各省市在這兩個公因子上的具體得分(見表5中的F1i、F2i)。以每個主成分各自方差貢獻率占總體方差累計貢獻率的比重作為權重，再乘以各省市在這兩個公因子上的具體得分，即可得出我國31個省市人力資源狀況的綜合得分及排名。綜合得分公式為：Fi=0.6153F1i+0.3847F2i(i=1，2，…，31);F=F1+F2。
4聚類分析
本文在因子分析的基礎上，利用兩個公因子進一步做聚類分析，方法為Ward法，度量標準區(qū)間為平方Euclidean距離。通過聚類分析，將31個省市人力資源狀況分為5類。第一類為北京、天津、上海。這3個直轄市在文化支持因子上具有絕對的優(yōu)勢，說明這3個直轄市人力資源發(fā)展?jié)摿薮蟆?
這3個直轄市在人口基礎和社會物質因子上的得分較低，主要是因為這3個直轄市相比其他大部分省市而言，人口數(shù)量、普通高等學校數(shù)量、教育支出相對較少。第二類為江蘇、浙江、山東、廣東。江蘇、浙江在文化支持因子上的得分較高，而山東、廣東在該因子上的得分一般，主要是因為山東、廣東兩省大學專科及以上比重比江蘇、浙江要低些。
這4個省在人口基礎和社會物質因子上得分很高，說明這4個省人口基礎好，社會物質條件能夠很好地保障人力資源的發(fā)展。第三類為福建、湖北、山西、陜西、重慶、吉林、黑龍江、內(nèi)蒙古、遼寧。吉林、黑龍江、內(nèi)蒙古、遼寧在文化支持因子上具有較大的優(yōu)勢，說明這4個省人力資源發(fā)展?jié)摿^大;福建、湖北、山西、陜西、重慶在該因子上的得分處于中等水平，說明這5個省市人力資源發(fā)展?jié)摿σ话悖饕且驗檫@5個省市在大學專科及以上比重比該類其余4個省要低些。
這9個省市在人口基礎和社會物質因子上的得分處于中等水平，說明這9個省市人口基礎和社會物質保障一般。第四類為湖南、四川、安徽、江西、河北、河南、甘肅、新疆、廣西、云南、貴州。這11個省在文化支持因子上得分普遍較低，說明這11個省文化不能很好地支持人力資源的發(fā)展。
湖南、四川、安徽、江西、河北、河南這6個省在人口基礎和社會物質因子上的得分較高，而河南、甘肅、新疆、廣西、云南、貴州這5個省在該因子上的得分較低，原因系這5個省在人口數(shù)量、普通高等學校數(shù)量及教育支出方面比該類其余6個省要少。第五類為海南、寧夏、青海、西藏。
這4個省在文化支持因子上得分位于中游或下游，在人口基礎和社會物質因子上的得分最低，這4個省人力資源狀況還有較大的發(fā)展空間。
5結論與建議
通過以上的因子分析和聚類分析，可以得出以下結論：
(1)不同類地區(qū)之間人力資源發(fā)展狀況差異較大第一類地區(qū)人力資源總體得分為1.2844，遠高于其他四類地區(qū)。第二類地區(qū)4個省的第二主成分得分在我國各省市中處于領先地位，但其綜合得分只有第一類地區(qū)的一半左右。第三類、第四類地區(qū)總體得分分別為0.0218、-0.3740，處于中等或中等偏下水平。第五類地區(qū)總體得分為-1.0750，各類指標基本都落后于其他省市。
(2)同一類地區(qū)之間人力資源發(fā)展水平存在較大差異第一類地區(qū)中，天津與北京、上海之間還存在一定的差距，總體得分分別只有北京和上海的66.18%和72.78%，主要是因為天津在文化支持因子上得分比此類中另外兩個直轄市低。第二類地區(qū)中，江蘇、浙江兩省在文化支持因子上得分遠高于廣東和山東，但浙江在人口基礎和社會物質因子上的得分還不及廣東的一半。
第三類地區(qū)中，遼寧、黑龍江、吉林、內(nèi)蒙古在文化支持因子上得分較高，而湖北、福建在人口基礎和社會物質因子上的得分較高。第四類地區(qū)中，四川、安徽、寧夏在文化支持因子上得分較高，而四川、河北、湖南、河南在人口基礎和社會物質因子上的得分較高。第五類地區(qū)中，青海、海南在文化支持因子上得分較高，而新疆、海南在人口基礎和社會物質因子上的得分較高。
針對不同類別的地區(qū)，本文提出以下建議：第一類地區(qū)3個直轄市保持了人口的持續(xù)性、進一步優(yōu)化了人口年齡結構，但相對于其他大部分省市而言，這3個直轄市在人口數(shù)量、普通高等學校數(shù)量、教育支出相對較少，今后需要加大教育投入，持續(xù)推進人力資源的開發(fā)，打造具有國際競爭實力的人才。
第二類地區(qū)人口基礎大、社會物質基礎豐富，江蘇、浙江2省人口持續(xù)性、年齡結構較好，但山東、廣東則相對較差，今后需提高當?shù)氐娜肆Y源儲備、優(yōu)化年齡結構。第三類地區(qū)、第四類地區(qū)、第五類地區(qū)人口持續(xù)性、負擔能力、人口基礎、社會物質基礎一般或較差，今后不僅要繼續(xù)加大資金投入，還要提高當?shù)氐娜肆Y源儲備，建立人力資源發(fā)展的長效機制。
相關論文范文閱讀：國有企業(yè)人力資源的開發(fā)與管理研究
摘要：隨著市場經(jīng)濟的發(fā)展和競爭的加劇，處于國民經(jīng)濟主導地位的國有企業(yè)，不斷推進深化改革的步伐，對于人力資源的開發(fā)與管理，也進行了一系列的變革，并取得了一定成績。但是總體來說，國有企業(yè)人力資源的開發(fā)與管理還存在著很多問題，人力資源作為國有企業(yè)的關鍵資源，如何進行有效的開發(fā)管理，是當前國有企業(yè)管理者必須重視的問題。
相關閱讀
