（一）、建模背景
2003年年底，中共中央专门召开了全国人才工作会议，温家宝总理在会议上指出：“加强公务员队伍建设是实施人才强国战略的重要任务。要努力建设一只政治坚定、业务精湛、作风过硬的公务员队伍。这支队伍必须做到：一要牢固树立执政为民的思想观念；二要知法守法，依法行政；三要忠于职守，勤奋工作；四要清正廉洁，公道正派，全心全意为人民服务。”
就sw市而言，虽然各部门相应推出了领导干部选聘和考评标准，这些标准在实际中发挥了巨大的作用，但也暴露出许多不足。第一，这些选聘和考评标准的制定，多数来自相关部门以往工作经验的提炼和总结。这些经验性的总结虽然对时间具有一定的指导意义，但是由于缺乏科学论证，因此这些标准不适合推及总体。第二，选聘和考评标准的制定，注重对领导干部政治素质的要求，忽视了对领导者胜任本质工作所需素质的关注。
有鉴于此，2004年，sw市开战了针对市直系统局级领导干部的素质模型构建工作。该模型的构建采用定性与定量相结合的方式，在注重经验总结的同时，采用市政分析的方法，确保素质模型科学性。此次大规模的素质模型建模工作，对于sw市努力培养早就各类高素质人才，切实用好、用足、用活当地得天独厚的人才资源优势，促进sw市全面、协调、可持续的发展，确保实现自己的战略构想无疑具有重要的意义。
（二）建模方法与流程
该模型的构建采用内外部专家相结合的方式进行。模型构建中主要采用了文献分析法、焦点小组讨论法、行为事件访谈法、类属分析法、相关分析法和因素分析法等方法。
首先，由外部资深专家查阅国内外大量的文献资料，获得有关公务员素质模型的第一手资料。同事，内外部专家共同对党和国家的路线方针、领导人的重要讲话、sw市委的有关会议精神进行深入研读、提炼和总结。通过对上述文献的研读和分析，确认素质模型相关的理论来源。
其次，对部分局级正副职领导进行访谈，手机了有关局级领导干部必备素质的基本陈述。访谈过程中，主要采用行为时间访谈法进行资料收集。内外部专家通过这种方式对几十名市直系统的工作人员进行结构化的访谈，收集关键事件，用以确定素质模型的关键要素。
最后，内外部专家通过焦点小组讨论的方法，逐一对行为事件访谈收集的有关局级领导干部素质的基本陈述进行初步归纳、总结与分类，初选出25个素质要项，见表如下：
根据上述研究成果，内外部专家设计了“sw市直系统局级正副职领导干部考核”的测量问卷，测量问卷采用5点量表记分，5分代表非常重要，1分代表不重要，让被测量人员根据自己的感受，判断各个指标项目对考核局级领导正副职干部的重要程度。然后在××市委组织部举办的组织认识干部培训班以及受访单位的机关人员中发放问卷。本研究共回收问卷193份，其中有效问卷284份，有效率为96.93%。
通过对回收的问卷进行信度和效度分析，采用折半信度（split-half method）作为问卷测量的信度指标。经计算，本研究的信度洗漱为0.968，说明本研究所使用的测量问卷具有可接受的信度水平。采用内容效度（content validity）的方法对问卷的效度进行测量。具体方法是：让36位熟悉该测量问卷内容的人员做判断，确定该问卷的指标项目与本次素质模型所需测量内容之间关系的密切程度。结果是33位认为该问卷的指标项目很好地反映了所需测量的内容，说明该研究使用的测量问卷所活得的结果是有效的。
问卷经过信效度检验之后，还需要对问卷进行因素分析。外部专家利用问卷调查的数据对上述25个素质要输进行因素分析，师徒验证该模型的科学性。通过对25个素质项目的相关矩阵进行分析，并对25个素质项目进行kmo和bartlett球形检验，结果证明可以对25个素质要想进行因素分析。
经过两次因素分析之后，外部专家对总项的相关系数进行判定。判定结果表明，各个分项对总项的相关系数均达到了0.01水平的显著性，各因素内部一致性系数基本符合标准。这表明，因素分析所产生的结构具有较高的信度。
（三）素质模型建模
经过上述素质模型的建模过程，内外部专家最终筛选出了16项素质进入局级正职领导干部的素质模型中，形成4项素质纬度，即品德、能力、态度和知识。另外，研究者经过访谈，征询了部分委办局有关领导及工作人员的意见，又加入了政治思想素养、心理承受能力、关爱他人、献身组织精神、公开宣讲能力、组织协调能力等8项素质，最终修订并建立起××市直系统局级正职领导干部的素质模型，24项素质。
表：sw市直系统局级正职领导干部的素质模型
局级副职领导干部素质模型的修订与正职的类似，使用因素分析的方法进行分析，数据使用spss统计分析软件进行处理，最后得出局级副职领导干部的素质模型。
sw市通过对市直系统局级领导干部素质模型的构建为领导干部的选聘录用确定了科学的指标，并据此确定了干部考核的绩效结构。素质模型的建立为sw市的市直系统局级领导干部的选聘录用、队伍建设和绩效管理提供了有效的依据。
扫描二维码关注汉哲微信公众号，查看更多资讯
