华觉智汇,让每一份领导力评估报告,都有证据链。
“
一份技术报告最值得看的部分,往往不是“我们有多准”,而是“我们哪里还不准”。

把“测出来的”和“后来发生的”对上,才是效度验证真正要做的事。
每年都有大量中层干部做完测评。报告很漂亮:分数、画像、优势项、待发展项,一应俱全。
但一年后,很少有人回头做一件事——被推荐的那批人,真的干得好吗?被标为“待发展”的那批人,真的没起来吗?
如果没有这个“回头看”的动作,再专业的报告也只是一份看起来”科学“的材料。它告诉你一个人是什么样子,却没有回答报告对企业选拔培养人才有没有用。
这就是效度验证要干的事:不是说明测评完整,而是检验测评有用。
01
从“科学测量”到“效度验证”,中间差一步
不少测评机构的技术材料,讲到信度、常模、分数解释就结束了。这些内容回答的是:这把尺子稳不稳定、刻度怎么读。
但尺子稳定,不等于尺子准;尺子准,也不等于拿它量人有用。
效度验证是下一步:把测评结果和真实发生的结果放在一起,看两者对不对得上。绩效评价、晋升记录、履职表现,这些“后来才知道的答案”,才是检验测评的标尺。
这里有一个常见的误解需要先纠正:效度验证不是招聘环节的专属动作。按 SIOP(工业与组织心理学会)《人事甄选程序效度验证原则》第五版(2018)的定义,人事决策指的是雇佣、培训、安置、认证、薪酬、晋升、解雇、调岗,以及其他一切影响雇佣关系的决定。原文是:“Personnel decisions are decisions to hire, train, place, certify, compensate, promote, terminate, transfer, or take other actions that affect aspects of employment.” 换句话说,只要测评结果会被用来做人的决定,它就应该被验证,而不是只在招聘环节验一次。
真正缺的,是证据本身。公开可查、基于中国本土企业真实绩效与晋升数据、并说明方法与结果的效度技术报告,在国内市场上非常少。即便有,这些技术报告也没能说清“工具在企业现实情景下的预测准到什么程度”。
02
我们做了什么:
把“测出来的”和“后来发生的”对上
项目来自一家大型央企的真实需求:我们为其二级单位和下属三级单位先后做了两批中层干部领导力测评,累计近500名干部进入分析,覆盖正职、副职等不同层级。
测评交付之后,企业真正关心的并不是“这套工具先不先进”,而是“照着报告做出的判断,后来应验了吗”。效度验证就从这个朴素的追问开始:把测评时看到的样子,和此后真实发生的结果,放到同一张表上。
技术报告要回答两个问题:一是在企业已经掌握的信息之上,测评还能不能多一点判断力;二是哪些指标更有预测价值,可以用在识别、培养和评价上。为了让这两个答案都能被别人复查,报告里同时写了方法、结果和局限。
方法上,我们在传统回归方法的基础上加入了机器学习的方法,使得测评结果更加稳健。
传统回归分析只能初步回答“在控制其他因素之后,哪些维度仍然站得住”——但往往因为测评指标之间的高度相关而无法提供稳健的结果。
机器学习(条件随机森林)则能进一步稳健地回答“把所有测评指标放进同一个模型,整体能不能把不同校标结果的人区分开、谁更重要”——它管的是组合预测能力和指标重要性排序。
从测量学的语言说,这类做法叫效标关联效度(criterion-related validity):用真实结果去检验测量。我们额外关心的是另一层——增量效度(incremental validity):在组织已经掌握的信息之上,测评还能不能多提供一点判断力。这个问题,恰恰是“测评有没有用”最实在的答案。
03
我们在这家企业看到的四件事
这家企业的数据不是实验室里跑出来的:干部们在真实岗位上被考核、被提拔,或者没有被提拔;绩效等级来自年度评定,晋升记录来自人事系统。我们做的事其实很简单——把这两类信息一一对上,看测评时判断为强的人,后来是不是真的强。
报告的主要发现,可以先收成一句话:测评对后续表现有预测力,但它是补充信息,不是决定性证据。下面四点,是这句话的四个侧面——预测的是什么(发现一)、靠什么预测(发现二)、哪类指标要注意(发现三)、增益到底有多大(发现四)。
发现一:
预测“高绩效”和预测“能晋升”,是两套不同的画像
同一套测评数据,用来区分高绩效者时表现较好;用来预测晋升时,预测力明显弱一档。
这不是模型退步,而是效标本身的差异。绩效是相对可控的能力与产出;晋升还叠加了岗位空缺、班子配备、结构安排这些组织因素。一个干部没有被提拔,未必是能力不够。
放到用人决策上:这两类判断最好不要共用一套标准。“测评说行、组织没提”的情况,很多时候不是测评错了,而是两次判断用的标尺不同。
发现二:
没有一个单独的维度能撑起预测,有效的是组合
“
单个要素看不出来,汇聚到一起才形成力量——领导力的预测力,往往也是这样长出来的。

机器学习的结果是:加入测评指标后,两个效标的区分能力都提高了,其中对后续优秀绩效的提升比对晋升更明显。
换成回归却发现:控制住历史绩效、职级和单位层级之后,几乎没有哪个指标单独显著。
这两句话不矛盾,它们回答的是不同问题:合在一起用,测评能补充信息;拆开单独看,任何一项都撑不起判断。所以报告给出的使用方式是——把测评结果当作一组综合信息,与已有的人事信息结合,而不是按某一项排序定人。领导力本来也不是“某一个最强特质”,而是一组要素的配置。
发现三:
有一项自评,方向和我们的预想不同
回归结果里出现过一项与预期相反的负向关系:某一类自评指标,自评越高,后续晋升表现反而越弱。我们没有把它藏起来,而是照实写进了报告。
但这个关系要放在限定条件里看:它只出现在晋升效标上;换成优秀绩效效标,同一项指标不再显著;报告给出的解释是,这可能与迫选式计分方式、自评偏差以及其他未纳入模型的变量有关,还需要更大样本继续验证。
所以更稳妥的读法是:这类自评指标容易受自我认知和作答方式的影响,可以作为发展对话的起点,但不适合单独进决策;要进决策,需要与外部评价、客观结果交叉验证。
发现四:
增量是存在的,但强度有限
再看整体:加入测评信息后,模型对两类结果的区分能力都有提高——这是“有用”的证据。但提高的幅度有限,回归上整组增量也未达到统计显著,两边的结论合起来,才是这份验证目前的真实强度。
所以我们给出的定位是:测评提供的是增量信息,不是决策替代。
这句话听起来不够有说服力,但它恰恰是测评能被真正放进决策流程的前提。一份把自己说成能替代组织判断的报告,反而很难被真正用起来。
对于组织的干部人才管理,报告给的应用建议可以收成三个方向:识别后备干部时,把测评作为已有信息的补充,用来发现平时不容易观察到的动机与倾向;做培养时,依据个体的强项与短板安排更有针对性的任务和历练;做评价时,把测评结果当作一组综合信息,与历史绩效、职级放在一起用,不按单项排序。
04
我们为什么把“局限性”单独写了一节
这份技术报告里有一节专门写研究局限:追踪时间短、部分数据缺失、整组增量尚未达到统计显著、晋升结果受组织因素影响。
不少技术报告只写“结果显著”,不写“哪里不成立”。我们反过来做,是因为想清楚了一件事:
效度验证的价值,不是给产品发一张“合格证”,而是给使用者一张“说明书”——哪里能用、怎么用、用到什么程度、什么时候不该用。
一份报告的可信度,不取决于它写得多漂亮,取决于它敢不敢写自己哪里不成立。
05
看一份测评报告,可以先问这四件事
一看效标:有没有拿真实结果做标尺?标尺是客观的绩效与晋升记录,还是又一堆自评问卷?用问卷验证问卷,等于自己给自己打分。
二看口径:说没说清样本、变量、模型和结果?“我们做过大量研究”不是证据,“我们做了什么、得到什么、没得到什么”才是。
三看区分:有没有说清预测的是什么?预测绩效和预测晋升是两件不同的事,混在一起说,结论就不可靠。
四看边界:有没有写局限?一份没有局限说明的报告,通常不是严谨,而是还没做完。
把这四条当成一张提问清单,会更好用。
06
两处不同,构成了我们说的“证据链”
把上面这些收拢起来,我们的做法有两处不同。
第一,标尺不同。我们用组织里真实发生的绩效与晋升结果做校标,而不是用另一套问卷、另一批主观评分互相印证。前者检验的是“准不准”,后者最多只能证明“说法一致”。
第二,方法不同。回归与机器学习双轨并用:既初步回答“哪个维度在控制其他变量之后仍然有效、方向是正是负”,也回答“整组测评指标合起来能解释多少、哪些更重要”。这套结果是可复核的——换一批企业、换一些人群重跑,结论应当经得起对照,而不是只能靠文本修辞。
两条加在一起,才是我们说的“证据链”:从测量,到结果,再到可以被别人复核。它不是一句漂亮的说法,而是一份能被追问的报告——它经得起追问,才敢被用来做决定。
写到这里,需要说清这套方法的边界
单一企业、单一时间窗得到的效度证据,不等于普适结论。换行业、换层级、换组织文化,校标要重做。效度验证回答的是“这把尺子在这家企业准到什么程度”,不是“这把尺子放之四海皆准”。
它还回答不了另一个问题:测评准,不代表用了测评,干部本人就真的会变好。前一个问题问的是尺子准不准;后一个问题问的是如果企业真的使用这把尺子,会不会对于选拔培养人才更为有益,这需要我们在积累足够企业样本后继续研究。
还有一条边界:测评能提供的,是在“才”这个维度上一份有证据链的客观参考;它是决策的输入之一,不是决策本身。
把测评放回它该在的位置,它才有价值。
写在最后
这几年,“科学测量”四个字在中国的人才测评行业里被用得很熟。分数、常模、信效度系数,一套术语下来,报告看起来都很专业。
但真正的分水岭不在术语,而在一个问题:你敢不敢拿真实结果,来检验自己的工具。
从“科学测量”到“效度验证”,是对标,也是跨越。
人才决策,应当从凭感觉走向讲证据。
测评做得好不好,最终不由提供方说了算,而要由它能不能经得起组织与时间的检验。
如果贵单位希望进一步了解这份技术报告,欢迎与我们联系。
使命
赋能每一个独一无二的人才
驱动组织与社会的持续进步
核心价值
① 使用科学验证的人才理论模型及精准的测量方法,来确定正确的软技能。
② 利用数据驱动的洞察力,实现多样化人才软技能的快速评估,大规模开发人才潜能。
③ 紧密结合特定人才需求,通过个性化、针对性反馈,助力人才发展更精准、更有效。
顶尖科研智库
海内外知名高校专家团队
联系我们

往期推荐