這種方式盡管使用了較多樣的收集信息的手段，但是在根本上還是靠人的主觀判斷，缺少一個量化的模型，因此很難克服人的主觀性對決策結果的影響。一個企業的負責人根據諸多因素作出的判斷，都是在跟其本人心目中所謂的“勝任者”作比較，他總會把他心裏的“理想人選”確定為優秀。但每個人心目中對“勝任者”的標準往往是不同的，這就造成了不同評價者評價同一被測評人時出現的偏差。
6.統計合成法
為了盡量避免因主觀評價造成的偏差，在實際的人事測評中，我們要求盡量做到量化，引入了統計分析的方法。目前人才評價方法中最準確的方法要數評價中心技術了，這種技術在收集人事信息時既有主觀判斷的方式，如麵試、情景模擬，也有量化統計的方式，如筆試測驗、文件筐測驗，盡管收集信息的方式不同，最終都要對收集的人事信息進行編碼、計分，最終通過一個量化的決策模型統計出結果。
要正確地運用評價中心技術，就是要建立一個科學的人事決策模型。這項工作的第一步是針對競聘的崗位，建立一個勝任能力模型，也就是確定要做好某個或某類崗位，最關鍵的能力因素有哪些？各自所占的權重是多少？建立這個勝任能力模型是進行人事測評的基礎。我們按照所測評崗位的勝任能力模型，通過麵試、筆試、情景模擬，甚至加上員工的民主評議、業績考核結果的運用，用不同的測評工具，來測評勝任能力的不同維度，采用相應的統計計算模型，得出量化的統計結果，形成科學的、量化的人事決策。
一個企業的人事任免會考慮到各個方麵的因素，這就決定了不同企業有不同的勝任能力模型，即使是同一個企業，處在不同的發展階段，也會有不同的勝任能力模型。拿筆者為之做人才測評的一個國有企業來說，這是一個處在改革進程中的國有企業，正在從國有商業企業轉換成股份製企業，在曆史上形成的管理模式大都是計劃經濟體製下形成的，人們的思想、觀念和方法很難一下子從過去傳統的管理模式中轉變過來，在這種情況下，完全采用國際上比較先進的跨國企業建立勝任能力模型的做法，可能就會脫離實際。因此，經過了解和訪談，筆者認為在這樣的企業能夠把工作做好，除了掌握現代企業管理方法之外，如何適應這樣企業的人際關係，如何擁有良好的群眾基礎，同樣是非常重要的，因此在建立勝任能力模型的時候，必須將這些因素考慮在內。在這樣的企業裏，一個中層幹部的勝任能力可能就會包括事業心、領導力、業務能力、學習和創新能力、親和力、管理經驗、關係建立等。
上述的勝任能力模型的各個維度，可以采用不同的方式收集信息，比如業務能力，可以用被測評者一定周期的業績考核結果作為量化信息。再比如親和力，就可以按照一定程序和方法所進行的民主評議結果作為量化信息。把從各個維度上收集的信息，無論是通過主觀判斷收集的，還是通過測試統計收集的，最終都進行編碼，形成量化信息，代入人事決策模型計算公式。在這個過程中，有一些具體的操作方法和技巧，比如，一個人的個人履曆，可以先設計專門的個人資料表，個人資料表中包含與職位勝任能力相關的測評要素，根據被測評者填寫的個人履曆信息，就可以轉換成量化的勝任能力的信息，納入到整個人事決策模型。
7.綜合判斷法
統計合成法所提供的人事決策結果是完全量化的，按照一定的總體得分，有一個排序，比如第一名、第二名、第三名。但有時並不能完全依照名次去錄取。當在真正做人事決策的時候，會考慮到測評之外的其他因素而決定是否真正去錄用。筆者測評過一個企業一把手的崗位，其中一個人按照勝任能力排在所有的被測評者中的第一名，但是他在飲食方麵不太適合去與方方麵麵的人員進行應酬，而這又是作為企業的一把手非常重要的工作，所以也無法任用，隻好用了第二名。這是屬於在既定結果的基礎上，又考慮到其他因素的影響來進行人事決策的情況。
8.統計綜合法
在既定結果的基礎上，又考慮到其他因素決策時，有時仍然可以用量化的方式，比如說上例中，就可以把生活習慣作為一個因素考慮到勝任能力裏麵，按照崗位勝任的要求進行計分。
作為專業的、科學的人事決策，做到人事決策信息的量化是非常重要的一個方麵。但在現實當中，決策者往往看見數字就頭疼，即使偶爾使用，也覺得數字化的評估結果並不比主觀判斷更準確，因而對把測評結果數字化持一種懷疑的態度。從科學性上來講，為什麼量化方法總比不量化的好，可以從以下幾個方麵來分析：
（1）無論是主觀判斷，還是量化統計的方法，其預測的準確性永遠決定於各因素的權重，這是客觀規律。
（2）統計量化的方法，資料可以不斷積累、完善，從而更準確。而主觀判斷的方法，跟測評者本人關係太多，人走則茶涼。許多人的主觀判斷的經驗是靠早年的經驗積累起來的，一旦定型，以後就很難改變了，而現實當中人的因素和崗位的要求等都是在發生變化的，按照舊的經驗適用的人，到另一個時期或另外一個企業，就不一定適用了。
（3）僅僅依靠人的主觀判斷，不同時間、不同環境、決策依據和判斷者的評估標準已經不一樣了，難以做到客觀和係統化。
（4）在目前的人才測評技術裏麵，為了增加測評的準確性，收集信息的方式越來越多元化，方式也多樣化，有些信息是通過主觀判斷得來的，有些是通過筆試得來的，各種信息放在一起時，增加了係統誤差的可能性。比如，在實際的測評工作當中，用兩個測評工具測評一個人，在某些維度上會出現相反的數據，這給主觀判斷就更帶來了困難。這時必須通過科學的方法去分析，到底是哪兒出現了問題，是被測評者故意答錯呢？還是其他別的因素，如果能夠把這個問題搞清楚了，今後的測評的準確性就又增加了一分。
二、人事決策統計公式
解決了人才測評中人事信息收集和整合的客觀化和係統化的問題，就可以根據不同的需要進行錄用決策。按照統計方式進行決策的方式主要有以下幾種：線性推理模型、多重回歸模型、多重分段模型、連續柵欄模型、輪廓匹配模型等。這些錄用決策的具體計算方式屬統計學的範疇，每一種有其優勢和不足的地方，可以結合具體的情況來使用，也可以把這幾種錄用模型綜合起來使用。但不管專業性怎麼強，這些錄用決策都是把許多主觀的信息和客觀的信息通過量化、係統的方法，轉化成固定的統計模型，從而能提高人事決策的科學性。
1.線性推理方法
線性推理方法就是將各種測驗的結果直接相加而得一合成分數：
請看下邊兩組數據，如果按照分數從高到低錄取會有什麼問題嗎？
這種方法看起來好像將兩個測驗作了等量相加，而實際上是測驗B對最終結果產生了更大的影響，就拿丙同誌來說，他在測驗A中的表現是最差的，而總分卻最高，就說明了測評結果的誤差。這是因為測驗B的變化性太大，也就是心理測量學中所說的標準差太大，這意味著變異較大的變量將在作預測和作決定時起較大的作用。這種方法在合並分數的時候比較常見。很多人事決策就習慣於將各種方法獲得的分數或者分數等級直接相加，得到一個最後的總分，依據這個總分做出決策。這種方法非常簡單，但是對實際情況可能考慮不夠，從而產生用人風險。遇到這種情況，可以采用標準分的做法，把原始分轉換成標準分後再相加，或者把測驗工具的難度和區分度進行調整，使不同的測驗的變異性較一致，可避免人事決策的風險。