摘要：工资是影响员工行为的最敏感因素，适时推动工资制度优化对稳定人才队伍、提高工作效率、提升组织效能具有重要作用。业界在工资制度设计层面的研究较多，但涉及工资要素优选及测算的方法研究较少。本文以作者研究团队完成的40余家农信金融企业管理咨询项目成果为案例，将智能算法引入工资测算领域，首先运用灰色关联分析对企业样本数据预处理，在多种工资要素中筛选出最优特征变量，再使用随机森林模型对员工工资进行预测，同时基于相同的训练样本进行多种预测模型的对比;为了检验预测工资的适用性，通过相关性分析，验证工资策略与组织效能的重要关联。本文所提出的工资制度设计与优化的智能算法，可以确定工资影响因素的最优权重组合，为农信金融企业工资改革所借鉴，也可以为其他银行类金融企业的工资制度设计提供算法参考。
关键词：农信金融企业;工资要素优选;工资测算;随机森林;灰色关联分析;GRA-RF组合算法
1引言
我国人口低生育和老龄化导致适龄劳动力减少，市场扩增和人才紧缩的对向逆驱动使得原有劳动力资源丰富、价格低廉的企业成本优势逐渐消退，人力成本投入随之增大，如何将有限的“工资蛋糕”合理分配，是学术界和企业实践中备受关注的研究课题。
算法科学、专业合理的薪酬策略既能客观反映劳动力价值，也是企业最重要的人才激励方式。工资要素的合理选择和工资水平的科学测算，会直接决定工资制度的设计水平，影响员工情绪和行为，对企业人才队伍稳定、工作效率提升乃至企业效益增长等效能指标产生重要影响。寻找一种科学方法来分析衡量劳动力价值产出的显性表现和隐性能力等诸多因素，研究用什么条件作为给付劳动报酬的依据，并验证工资策略与组织效能的重要关联，是薪酬制度设计需要深度研究的工作。
梳理工资分配相关理论的研究与实践成果，当前宏观研究主要聚焦在薪酬政策和养老保险问题;微观研究集中在企业薪酬制度优化层面，如工资结构优化、加大绩效比例、导入股权激励等方面。而对工资要素设计及工资测算方法的科学性、合理性研究则相对较少。在工资结构优化的基础上，本文希望进一步聚焦工资要素优选及工资测算的方法研究，深化探索工资制度设计的研究空间。
有关工资要素优选的方法应用，目前以综合评价方法为主，依托专家经验和行业特点，确定工资影响因素及其权重。田建邦[3]采用了德尔菲法对高校的绩效工资的设计要素做以研究，但他也指出由于专家权威和经验的主观不确定性，可能带来因工资影响因素和权重偏差导致队伍不稳定性和干部激励降低的问题，单一的定性研究方法对于复杂而敏感的工资问题缺乏缜密性。
张建红和J.PaulElhorst[4]利用空间计量经济学的方法考察影响地区工资水平的各种政策制度因素和经济因素，但由于该方法对样本数据的选择方面有严格的要求，在一定程度上影响模型在企业工资制度优化和测算改革中的适用性及使用效果。
非统计方法依托计算机技术的人工智能，以随机森林智能算法为代表，具有稳定性、受不确定噪音影响小，因而应用广泛。林成德、彭国兰[32]，DeanFantazzini[35]运用随机森林算法对企业信用进行风险评估预测;臧雷振[10]借助基于决策树的集成算法研究政府治理效能对国家创新能力的影响，证明政府效能对国家治理能力有着显著的正面促进作用;Keely等利用随机森林方法研究社会收入再分配问题，认为其预测结果更符合社会经济发展实际规律;Bart等[34-37]进行多种预测模型比较，发现在客户关系管理中随机森林的预测效果要优于普通线性回归和Logistic模型。由此可见，随机森林算法对多变量、大数据处理具有优越性能，在预测问题上有较多研究成果[30-37]，理论上可以应用到企业管理、工资改革的实践中;而且大数据智能算法一般无须对数据进行标准化预处理，使得用于工资影响因素的数据指标的可获得性变强，数据维度变大;但在企业实践中工资影响要素会受到行业特点、发展阶段和经济市场影响，存在不确定性，若继续使用无差别的数据进行随机森林运算，也可能会导致工资预测时间变长，成本变高，因此最优变量指标的选择成为影响预测效果的关键症结，需要借助相关指标选择模型算法强化预测结果的适用性。
韩兆洲、魏章进[25]采用灰色关联分析中的邓氏模型探寻最低工资和其主要影响因素的定量关系，并证明其方法在该领域的适用性;刘思峰[24]等基于横纵向人-岗综合匹配度，运用灰色关联模型从时间、能力角度进行全面、动态地衡量匹配情况;彭晓等[29]运用灰色关联法研究公司高管薪酬总额与公司治理绩效的关联关系，并从定量角度分析了关联关系的强弱性。但灰色关联分析法在实践运用中需要参考点和原始数据预处理，易造成对有效指标的无效筛选，因此本文将两种算法组合运用，灰色关联分析法用于分析工资要素优选，对企业员工数据进行预处理，形成工资要素样本集，有利于提高指标选取精度;在此基础上，运用随机森林回归模型进行训练，对企业工资制度改革效果预测，并探寻工资与组织效能间的重要关联作用，兼顾工资制度设计要素量化计算的合理性、工资制度实施与组织效能的关联性，寻求算法验证及最佳实践支撑。
2农信金融企业工资问题与现状
构建新型城乡关系、破解“三农”问题，实施普惠金融、金融扶贫，推进农村金融服务工作是党的十九大提出实施乡村振兴战略的重要举措，农信金融企业成为支持乡村振兴的重要力量。
何广文[20]指出金融结构中金融机构的数量和种类是金融深化的集中体现，为改善中国农村金融结构，促进农村经济增长，金融机构的多样化是20世纪80年代以来中国农村金融体制变迁的主线。据银保监会公布数据显示，截至2019年底，我国农信系统内包括农村商业银行、农村合作银行、农村信用合作社等在内的金融机构企业共计3802家，占全国银行业金融机构数的84.7%;全国农信金融机构存贷规模逾40万亿，成为我国金融行业的主力军。
不同于其他金融企业，谢平[19]指出农信金融系统为紧密型的管理运行现状，意味着权力的集中，弊端显而易见，基层农信金融企业受制于省联社管控，管理幅度有限，容易导致形式主义、低行政效率等问题。同时深耕农村、客户资源单一，管理人员学历普遍较低，农信金融企业人力资本和管理薄弱等问题普遍存在。得益于国家扶持政策，通过人才引进、管理提升，近年来农信金融企业呈良好发展态势，人力资源整体水平也大幅提升，但与此同时也带来组织发展与管理水平相脱节的矛盾。根据产业结构升级和行业发展规律，企业遵循利润最大化原则来选择改革模式和管理机制，当劳动力无限供给时，企业只需支付较低的工资，就可以获得需要雇佣的劳动力数量;但随着农信金融人才聚集，劳动成本增加，给企业工资分配的合理性带来了巨大考验，相对落后的工资制度也成为掣肘农信金融企业健康发展的管理短板。
当前许多农信金融企业没有建立起规范的岗位等级体系，导致员工缺乏成长空间而流失;分配不合理让员工缺失公平感，造成激励差、效率低的问题，严重影响了组织效能提升。因此，推动农信金融企业工资制度改革，设计高水平工资分配制度，成为广受关注、亟待解决的重要研究课题。
自2003年国务院发布《深化农村信用社改革试点方案》至今，农信金融企业在发展中探索出一条循序渐进的工资改革之道。周小川[17]提到，改革之初，由于各地基础情况差异较大，管理水平和采用的制度方法也有所区别，因此改革也有不同的进程和成效。以10家首批试点单位之一的江西省为例，改革初以“当期业绩决定薪酬，长期业绩决定升迁”为原则，引入短期与长期激励相结合的收入分配制度;随着农村金融市场外延，发展势头稳中向好，分配领域的改革也随之逐步深入，形成了劳动、资本、技术和管理等生产要素参与分配的新局面，打破了平均主义，初步建立了机构薪酬总量与其经营绩效挂钩，员工薪酬水平与其岗位责任和贡献挂钩的收入分配机制。
本文以农信系统金融企业作为研究对象，在作者研究团队完成的40余项农信金融企业人力资源提升项目研究成果中，选取5家处于不同发展阶段的农信金融企业作为案例展开工作。研究团队在样本企业中系统推行了薪酬制度改革实践，设计出“资质等级+岗效等级”的双轨工资制度，以岗位劳动价值评价为依据确定员工“岗位等级工资”、以员工资质条件和历史贡献决定员工“技能资质工资”，再配套设计绩效考核制度与分配制度、员工晋升晋级制度对接，在实践中解决了薪酬分配带来的激励和公平问题，获得了企业的广泛认可。本文研究重点在于农信金融企业工资要素的优选及工资测算方法研究，组合运用灰色关联分析和随机森林智能算法研究，以期为农信金融企业及其他银行类金融企业的工资制度设计提供理论和模型参考。
3数学原理
本文采用灰色关联分析法对企业员工数据进行预处理，形成工资要素最优特征样本集，作为输入数据，运用随机森林回归模型进行训练，并建立工资与组织效能间的重要关联，寻求算法验证及最佳实践支撑。建模及验证流程详见图1。
3.1灰色关联分析
灰色关联分析是灰色系统理论的一个分支，基于邓聚龙教授[22]提出的灰色关联分析模型，对一个系统的变化过程、变化趋势进行定量描述。
3.2随机森林
随机森林是一种基于集成学习的智能算法。美国统计学家LeoBreima[33]在研究决策树理论的过程中，发现使用线性模型选择变量的子集很不稳定，只要数据稍有变化，所选变量可能就很不相同;于是在2001年最早提出了执行随机森林的关键算法，ThomasG.Dietterich[36]利用Bootstrap重采样技术从全部训练样本数据中有放回地自动抽取出多个样本，并对每个自动样本集运用CART算法构建决策树，N棵树会有N个预测结果，随机森林则集成了所有决策树的预测结果，通过投票决定最终结果，用于回归时则以N个预测结果的平均值作为最终结果。在构建每棵决策树时，随机选取部分变量用于分裂节点，进一步降低了不同决策树之间的相关性。随机森林的每棵决策树选取样本和变量的随机性使得模型克服了传统决策树算法过拟合的风险，具有良好的泛化性能。[30-42]
3.2.1决策树
使用CART算法构建决策树，以灰色关联分析确定的工资要素数据为样本集通过Bootstrap方法从中有放回地随机采样选出n组数据作为n个样本，并在性别、年龄、学历、职称、技能等级等11个特征中随机选取m个特征用于分裂决策树的节点。CART算法采用自上而下的贪婪算法构建一个树状结构，不进行剪枝等操作，用于回归时以均方误差最小化原则分裂节点。——论文作者：余顺坤，宋宇晴
相关期刊推荐：《上海管理科学》杂志是上海管理科学学会的机关刊物，由上海交通大学安泰经济与管理学院、同济大学经济与管理学院、上海外国语大学国际工商管理学院、中欧国际工商学院四家联合承办。主要栏目：主编寄语、专论、主题文章、生产管理、技术创新与管理、金融管理、项目与团队管理。
