招聘工作是人力资源管理的重要职能之一，它从源头上影响着企业整体人力资源的素质水平。为了成功地为企业找到合适的人选，HR们使出了浑身招数，在招聘方式上付出了极大的努力。各种各样的面试方法和测评技术正不断地充实着人力资源管理的理论与实践。

　　经过多年的招聘实践和理论的学习，企业及HR们都或多或少地形成了一套自己的招聘理念与方法。那么如何去评价这些方法是否真的有效呢？尽管我们可以应用一些诸如录用比、完成比、应聘比、雇佣率等指标对人资部的招聘工作进行衡量，从企业的长短期目标、成本的控制等因素上进行考量。但这些指标仍然无法有针对性地显示出企业所采用的招聘方法的有效性。在此笔者简单地介绍一下企业招聘效度评价的贝叶斯(Bayes)分析方法，希望能起到抛砖引玉的作用。

　　贝叶斯(Bayes)分析方法是一种基于概率的分析方法。在实践中，企业可以根据招聘的历史资料或主观判断初步地估计目前采用的招聘方式在某些方面的概率，如面试通过率等。这些概率由于是以前资料或经验的总结，在实践的运用上会存在着较大的偏差。在概率论里，我们称这些概率为先验概率。

　　贝叶斯分析正是基于这些先验概率进行分析的，它通过调查及统计分析的方法对先验概率进行修正，求得较为准确的后验概率，并协调管理人员据此进行决策。

　　对企业招聘方式进行贝叶斯分析通常需要进行以下几个步骤：

　　1.对企业招聘的内外部历史数据及岗位资料进行收集

　　2.通过收集岗位资料进行计算和逻辑判断，取得先验概率，包括历史概率和逻辑概率，对历史概率要加以检验，辩明其是否适合计算后验概率。

　　3.根据贝叶斯定理进行效度分析。

　　例如，A公司决定对某管理职位所采用的招聘方式进行贝叶斯分析，假定该公司是进行常规面试来为公司甄选某管理职位人员。通过企业对该职位招聘的历史数据进行统计和经验的逻辑判断表明：在所有应聘该职位的人员中，仅有70%的人在实际中“符合企业要求”，其余则“不符合企业要求”。“符合企业要求”的人仅有80%能通过面试的筛选，“不符合企业要求”的人中，通过面试的为30%。

　　在招聘工作中，企业希望招到的人是既“符合企业要求”又“通过面试”，而现实中却常常会有“符合企业要求”的人没有通过面试，或“不符合企业要求”的人通过了面试的现象发生。当然，无论哪种招聘方式都会或多或少地存在这种问题。作为招聘方，想知道的是一个“通过面试”的人“符合企业要求”的概率有多大。如果这个概率比较低，那么证明这个招聘是无效的。

　　以上面A公司为例，对这些数据进行贝叶斯分析，假定一个应聘者通过了企业的面试，那么，他是一个“符合要求”的销售员的概率是多少呢？

　　按照概率论的贝叶斯定理，我们以A1表示一个“符合要求”的销售员，B代表通过面试。给定一个应聘者通过了面试，那么他实际是一个“符合企业要求”的人员的概率为：

　　P(A1|B) =P(A1)*P(B|A1)/[P(A1)*P(B|A1)+P(A2)P(B|A2)]

　　=0.70*0.8/(0.70*0.8+0.30*0.30)

　　=0.862

　　该职位进行贝叶斯分析的Excel公式代码如下：

　　由此我们可以判断出，该职位进行的招聘方法对于筛选应聘者是有价值的。因为对该职位来说，如果不进行面试，从应聘人中随机挑选一个人，他符合要求的概率为70%；但是如果公司只接受通过面试的应聘者，这个概率就提高到86.2%。

　　通过贝叶斯分析，我们可以较为清晰地了解到某种招聘方式在甄选方面的效度，从而决定是否应对这种招聘方法进行改善处理。上例中的概率为86.2%，如果企业的目标在90%以上，那么这种面试方法还需要在技术、程序等方面加以改进以符合企业的要求。

　　实践表明，贝叶斯分析方法在对企业招聘效度的评价方面能取得较为不错的效果。当然它也有一些缺点。比如需要企业保存有大量的招聘历史数据，需要对这些信息的外部表象进行理性的分析。然而事实上，许多企业并没有建立完善的数据库，因此有些数据必须使用到主观性概率，使得评价的结果的精确性受到一些人的怀疑，也妨碍了贝叶斯分析方法的应用与推广。为了解决这些问题，对贝叶斯分析方法上出现了许多理论和研究方法的更新，如贝叶斯回归分析、插值方法、分段定价模型、序贯分析等，对此有兴趣的也可去了解一下。