政府绩效评估的分析与优化外文翻译资料

英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料

政府绩效评估的分析与优化

方丽红

杭州余杭监管局，杭州市，中国，311100

摘要：人事部门绩效考核是人力资源管理的一项重要内容，中国公务员绩效考核制度虽然经历了几次重大改革。政府公务员绩效考核存在诸多问题，本文采用文献研究法、案例分析法、访谈法等方法，对政府机构绩效考核的过程进行了分析，并提出了优化考核流程和数据分析方法的建议。一个完整的定量评价实践分为设计阶段、实施阶段和分析阶段三个阶段，各种绩效评估和研究更注重设计阶段，而实施阶段和分析阶段的研究相对较少。我们认为有必要全面关注工作的三个阶段，并建立一个统一而高效的系统。

关键词：政府，绩效评估，定量分析

1引言

人事部门绩效考核是人力资源管理的一项重要内容。是提高政府公共管理水平的重要途径。绩效考核是公共部门绩效管理中最为明显的技术特点，也是一项艰巨的程序。绩效管理的最终目标是充分开发和利用每个成员的资源，并提高组织的绩效。

中国公务员绩效考核制度虽然经历了几次重大改革：1993国家公务员暂行条例；1994国家公务员考核暂行规定；在2005中华人民共和国公务员法；公务员考核规定（试行）2007。政府公务员绩效考核存在激励功能失效、陈旧单一评价方法、考核指标不完善等问题。现有公务员考核仍停留在形式上，内容和方法存在许多问题。

而对于其他为政府工作的人员，其绩效考核实际上是指公务员的绩效考核方法。为了解决考核中存在的问题，改进绩效考核，绩效考核要注重群众评价和量化考核。

2方法

本文通过文献研究、案例研究、访谈等方法，分析了在杭州市的一个区政府部门绩效考核的过程（浙江省、中国大陆），并利用杭州市某区中型行政部门竞争性民意调查的实际数据，进行统计分析和社会网络分析，并提出建议。

3数据采集与质量评价

3.1数据采集

在政府机关中，对人事部门的绩效考核是一项复杂的工作。在这项研究中，我们采访了工作人员，分析了年终评估和民意调查，在竞争对手的立场，两个类似部门，具有相同的行政级别和类似的雇员人数。

由于各个政府部门都采用相同的绩效考核方法，我们认为这两个部门的评价可以反映出该地区政府机构的评价。但考虑到变量的一致性问题，本文提出的数据来自于一个部门在竞争中的民意调查。该部门下属7个分部，共有61名员工。

定量评价过程中有两种角色，即“评分者”和“评价对象”。任何评价对象的数据都来自上级、同事和下属的员工。在评估过程完成后，我们得到了每个员工的定量评价分数。结果是百分位数得分。

3.2数据质量评价

CRONBACH的一个值为0.966，表明数据的可靠性非常好；Kaiser Meyer Olkin（KMO）值为0.790，在巴特莱特的测试DF＝276，Sig＝O.OOG0.1001，这表明数据的有效性是好的。因此，我们认为这种定量评价具有良好的有效性和可靠性。

4“评价对象”分析

我们试图从“评价对象”和“评价者”两个角度来分析数据。

4.1“评价对象”属性数据分析

4.1.1“评价对象”的平均值

通常的做法是计算每个评价对象的平均值，并根据平均得分A的形式从高到低排序。这一排名在评估过程中可供参考。然而，由于情绪障碍、不负责任的行为等，所有这些都会成为评价过程中的噪声。

平均分数差异可以反映一些问题，但是如果仅仅基于平均值，很容易导致错误。在对数据进行分析时，如果我们改变视角，在一个群体的背景下观察每个评价对象，也可以进行更透彻的分析。同时，将数据转换成图形，也有利于我们对信息的直观理解。

在评价过程中，评分者的行为本质上是一个比较的过程。也就是说，评价者把不同的评价对象和评价对象进行比较，得分水平不仅取决于评价者与评价对象之间的关系，而且还取决于评价对象在HE群体中的地位和作用。所以，它不符合统计独立性的前提，只对数据进行统计分析是不够的。

下面的分析将主要基于两个概念，比较和图形化。

4.1.2“评价对象”的评价及其相似性分析

“评价对象”的评价及其相似度可通过平均值和标准差（SD）来评价。SD可以在定量评价中显示评价者之间的不一致程度，如果所有评级者对评价对象给予相同的评分，则SD为“0”。相反，如果评分者之间的差异较大，则SD更大。因此，SD可以在一定程度上反映评价者对评价对象的评价差异。

经过计算，可以得到24个评价对象的平均值和SD值，如表1所示。

建立一个坐标系，水平轴显示平均值，垂直轴显示SD（见图1）。马克用一条水平线表示24个评价对象的SD的平均值，并标出一条垂直线，表示24个评价对象的平均值。整个区域划分为四个：“高评价、高一致性区域”、“高评价、低一致性区域”、“Low评价、高一致性区域”和“低评价、低一致性区域”；如图1所示，图1中的每个点代表一个评价对象。

显然，在这一定量评价中，“高评价、高一致性区域”的右下角的点具有较高的平均值和较低的SD；点所代表的评价对象在部门中得到了更多的好评和广泛认可。图中顶部的点具有很高的SD，因此评价者对这些评价对象的观点有很大的差异。

4.2评价对象数据间的关系分析

4.2.1评价对象的相关性分析

对24个评价对象的得分进行相关分析，得到一个“24x24”相似矩阵。在相似矩阵中，大多数Spurman秩相关系数在0.01水平或0.05水平（2尾）显著，表明数据之间的显著相关性是稳定的。但数据之间的关系并不清楚，我们试图通过社会网络分析方法将数据转换成图形。

4.2.2评价对象的聚类分析

我们利用相关分析的“24x24”相似度矩阵进行聚类分析，聚类树如图2所示。（左栏中的字母和数字代表评价对象）。

每一个数字代表一个评价对象，我们分析评估对象的背景，如他或她的划分、工作岗位、性别、年龄、任职资格和记录等，以及访谈，比较评价对象定位在聚类树中的位置。

通过进一步的观察，我们比较评价对象的背景信息，可以发现，A16、A17、A18、A23、A24等评价对象属于同一下属部门，属于同一分支中的聚类分析；A6、199、A21和A22评价对象不属于同一个下属部门，但由于它们与其他员工的联系较少，因此这些评价对象在聚类分析中属于同一分支；3个评价对象在3个密切相关的下属部门，他们在做同一类型的工作，在聚类分析中它们在同一个分支中；A1、A4、A5、A9、A14和A20的评价对象在4个密切相关的下属部门中是相同的，它们在做相同类型的工作，在聚类分析中它们在同一分支中。我们发现，A，5评估对象的位置上的聚类树是特殊的。要了解评估对象的背景，我们认识到，其他评估对象在该部门工作超过3年，只有15号评估对象不超过2个月。

聚类分析结果与平均值比较，两者之间没有直接对应关系。图2的信息也可用于进一步的分析。

5“评分者”分析

一般定量评价的分析过程中往往忽视对“评分者”的分析，希望通过定量评价来研究一个群体中评价者的差异。

5.1“评分者属性数据”

“平均”显示了评分者的倾向；“SD”表现出评价对象对评价对象态度的差异；如果“SD”为零，则表明评分者给予每个评价对象相同的分数，如果“SD”的数值较大，则评分者就造成了差距、额定值。

经过计算，可以得到61个评分者的平均值和SD值，如表2所示。

建立一个坐标系，水平轴显示平均值，垂直轴显示SD（见图3）。马克用一条水平线表示61个评分者的SD的平均值，并标出一条垂直线，表示61个评分者的平均值。整个区域划分为四个：“高评价、高一致性区域”、“高评价、低一致性区域”、“Low评价、高一致性区域”和“低评价、低一致性区域”（如图3所示）。图3中的每个点代表一个或多个估计器。

研究评级机构的情况，往往不相关。黑点代表评分者，在图3中，我们可以看到“平均”数的平均线和“SD”的平均数的线相交，形成一个交叉点，并且在交叉点附近的大部分点。大多数评级机构对评估对象给予高度评价。但也有一些点的位置远离交叉点的位置，这表明，在一些部门的评级人不符合惯例的评级。

5.2评级机构数据之间的关系分析

5.2.1评级机构的聚类分析

对61名评分者的得分进行了相关分析，得到了“61x61”相似矩阵。

利用相关分析的“61x61”相似度矩阵进行聚类分析。

图4中显示了聚类树。在图4中，我们可以发现总共17个评级者，他们的连接点在右边，我们比较了真实的数据，并且发现17个评级者的“相同的独特特征”是因为他们给每个评价对象相同的评级。因此，超过1/4（27.9%）评级者，他们实际上参与了评估，但放弃了对最终结果的潜在影响，并且他们所做的也可以被认为是一种弃权的形式。

由于评估是通过无记名投票进行的，所以我们无法比较真实数据和评分者的背景。根据聚类树，我们可以粗略地判断出没有明显的分配倾向，但这种形式是“小团体”。不同评分者的评分处于相对合理的情况下，尚需进一步定量分析。

5.2.2评级机构的中心性度量

利用相关分析的“61x61”相似矩阵进行中心性度量，删除相关系数小于0.3的线段，节点大小按图5所示的方式设置（图5中的字母和数字代表评分器）。

图5的左侧，它们没有其他连接。我们比较了真实数据，发现它们给每个评价对象相同的评级。社会网络分析证实，在定量评估中，它们对数据网络的主要部分没有影响。

在R4 R17、R15、R20、R32的，有，有，对，r58、R59hellip;hellip;hellip;hellip;hellip;hellip;评级机构的信誉度和他们的中心，更重要的是对整个网络。弗里曼的城市中心度的措施，我们得到的总价值407.14中心度。“学位中心的总和的10个最重要的评分145.6,35.76 %的总金额；和大学学位的20个中心最重要的评分266.94,65.56 %。因此，这是因为我们inferred评分，评价方法的选择和其他几部，评分者会有一个巨大的冲击。在两个特定的数据，我们认为他们终于决定这种结果的定量评价。有没有closeness数据中心的abstainers 17。closeness中心的其他评级机构之间的5.367是5.550，差距甚小，评分员之间的相互影响是相似的。

5.2.3删除无效数据

R2、R、9、R33和R39评分者在图3中具有特殊的地位，“程度中心”分别为2.930、12.040、0.440和7，“亲密度中心”分别为5.474、5.510、5.435和5.515。在这一组中，四个评分者的重要性和影响不显著高于平均水平。虽然它们不能代表这一群体，但根据目前常用的定量评价方法，它们对平均值有很大的影响。在这种定量评估中，他们获得了过度的权力。

删除无效数据是优化数据分析的重要途径。根据图3中的信息，我们以水平线和垂直线的交叉点为中心画出圆，帮助分析，并根据数据的条件来确定半径。对本文所使用的数据进行分析，认为4点的数据应该去掉，因为4个点在“低评价、低一致性区域”和远离交叉点。此外，一些评价者对每个评价对象给予相同的评价，他们以相对被动的态度参与定量评价，对最终结果没有实质性影响。他们正在稀释最终结果。因此我们建议在分析过程中删除17个评分者的数据。

我们认为，通过明确和统一的标准删除一些数据是合适的。有利于进一步的分析。例如，进行较少的应力的多维标度；在分析过程中获得更好的效果。

6结果分析

评价结果的量化和评价维度的多元化是建立良好评价体系的必要条件。量化可以使评价对象之间具有较好的可比性，评价维度的多元化使评价信息从不同的渠道得到多个标准，从而提高评价的客观性和可信性。

目前，通过匿名评分进行定量评价，可以在一定程度上实现评价的多元化和量化。而走出传统文化、官僚主义等局限性，我们认为定量评价通过匿名计分在实际操作过程中具有不可替代的价值。

6.1关于“评分者”的标准

通过对绩效考核过程的观察，并进行了数据分析和访谈，我们认为，在评价对象的绩效评价中，可以主要依赖信息源、直接来源和间接来源两个方面。

首先，获取信息的直接来源是指与评价对象直接交互的获得者印象。这种做法固然重要，但工作范围有限，与工作有关的联系人的数量相对较少，所以评估的范围主要可以依靠直接途径的信息非常少。甚至直接获取信息，在很多情况下，“印象”仍然会被“舆论”纠正，评分者给出的评价分数仍然主要依靠间接途径信息。

其次，获取信息的间接来源是指评价者除了评价对象之外获得的关于评价对象的信息，并基于该信息来形成评价对象的印象。这种信息的决定因素，我们称之为部门的“气氛”。也就是说，评价者不是来自一个人或一个关系的评价对象的意见，而是来自网络中的一组信息源。

而在网络中，由于沟通关系的差异、相互利用关系、权力关系和情感关系，不同个体的重要性和作用不同。

6.2在绩效评估中使用更多的定性分析

通过对绩效考核数据的分析，定量分析可以获得大量的信息，其主要优点如下：

（1）易于访问数据。对本文所分析的数据没有更多的质量要求，定性评价的一般年份数据都能满足要求。

（2）客观分析。只有部门里的高级职员对部门有深入的了解，但是对于人力资源管理部门或上级来说，部门的情况往往是黑箱，他们只能看到外部表现的最后，他们很难形成一个EX。了解其组织结构、人员关系等。虽然，我们可以依靠经验和大量的访谈来了解部门的情况，但是这种方法要工作量大，更容易产生偏差，如果通过定量分析得出结论，那么结论至少更客观。

（3）各部门之间可以进行比较。通过同样的客观分析方法，信息的定量分析不仅可以用于分析一个人或一个部门的情况，而且还具有不同部门之间分析的潜力。

（4）节约人力成本。在原有工作的基础上，加强定量分析，既可达到类似的效果，又可节省人力。

（5）开采深度信息的

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[22894]，资料为PDF文档或Word文档，PDF文档可免费转换为Word