Можно ли прогнозировать эффективность кандидата?

Связано ли количество смененных кандидатом мест работы с его продуктивностью? Важна ли высокая самооценка для успешной карье­ры? Влияют ли ценностные ориентации и аттитюды на продвижение ра­ботника но службе? Как связана зарплата и интеллект?

Каждый из этих вопросов имеет непосредственное отношение к вза­имосвязи между двумя переменными, которая может быть оценена с помощью коэффициента корреляции.

Дляцелей профотбора этот коэффициент имеет особенно важное значение, так как позволяет делать прогноз. Если две переменные свя­заны каким-то определенным образом, то, зная показатели индивида по одной из них, можно с достаточной вероятностью прогнозировать его показатели по другой переменной даже в том случае, если ими не рас­полагаешь. Таким образом, можно прогнозировать одну переменную на основании другой.

Коэффициент корреляции может быть использован, если имеются два значения переменной для каждого члена группы. Наглядное представ­ление о коэффициенте корреляции дает графическое изображение дан­ных. Значение каждой переменной могут быть представлены как отдель­ные распределения, однако в этом случае не видна взаимосвязь между переменными: соответствуют ли высокие показатели теста высоким показателям продуктивности? Для того, чтобы увидеть эту взаимосвязь, нужно построить диаграмму рассеяния показателей, разместив распре­деления под прямым углом друг к другу. При этом на оси X будем от­кладывать показатели каждого кандидата по тесту, на оси Y — показа­тели его продуктивности. Только поняв суть этой диаграммы, можно понять сущность корреляции как таковой.

Отметив на диаграмме все показатели, можно для удобства начертить линию, отражающую общую тенденцию размещения данных. Эта линия получила названия линии регрессии и начальная буква «r» английского слова regression стала символом обозначения коэффициента корреля­ции.

Рассмотрим, как диаграмма рассеяния может быть использована для прогноза. Предположим, что один из кандидатов на вакантное место по тесту X имел показатель 2. Как можно по этому показателю прогнозировать его производительность? Нужно отложить показатель кандидата на оси X и найти точку на линии регрессии, которая распо­ложена на уровне отложенного показателя. Эта точка, спроецирован­ная на ось Y, будет прогнозом производительность кандидата. Таким образом, для прогноза нам необходимо иметь два источника инфор­мации:

1) показатель кандидата по выполнению теста X,

2) характер общей взаимосвязи между тестом X и показателями продуктивности.

Полученный на основании указанных данных показатель называют ожидаемым показателем.

Если r= 1.00, то ожидаемый показатель может быть точно предсказан по исходному показателю. Величина коэффициента корреляции показы­вает близость диаграммы рассеяния к линии регрессии. Чем ближе к линии регрессии, тем выше коэффициента корреляции.

Отрицательный коэффициент означает, что высокому значению пере­менной X соответствует низкое значение переменной Y.

Коэффициент корреляции является хорошим предиктором только в том случае, если зависимость между двумя переменными носит линей­ный характер (подробнее — смотрите главу 2).

При интерпретации коэффициента корреляции обращают внимание на: 1) направление зависимости; 2) статистическую значимость коэффици­ента, т.е. вероятность того, что данный коэффициент корреляции не является статистической величиной, полученной в результате случай­ной вариативности; 3) величину коэффициента корреляции.

Существует множество методов получения информации о кандида­тах до их приема на работу. Эти методы очень разнообразны с точки зрения их популярности и пользы. Основные из них: биографические руководства, тестирование, а также assessment center.