5、判断合成法
在收集人事信息时，既有主观判断的方式，也有统计计分的方式，而在决策的时候，对上述收集到的量化信息和主观印象进行总体判断，决定候选人是不是能够胜任。很多企业里在选拔人才时使用了较为多样性的方法，包括面试、笔试，面试属于主观判断收集信息，而笔试则多是通过量化计分收集信息。最后决策时，是决策者通过审阅被测评者的考试得分和自己面试时的印象来作出决定，这就是用的判断合成的方法。
这种方式尽管使用了较多样的收集信息的手段，但是在根本上还是靠人的主观判断，缺少一个量化的模型，因此很难克服人的主观性对决策结果的影响。
6、统计合成法
为了尽量避免因主观评价造成的偏差，在实际的人事测评中，我们要求尽量做到量化，引入了统计分析的方法。目前人才评价方法中最准确的方法要数评价中心技术了，这种技术在收集人事信息时既有主观判断的方式，如面试、情景模拟，也有量化统计的方式，如笔试测验，文件筐测验，尽管收集信息的方式不同，最终都要对收集的人事信息进行编码、计分，最终通过一个量化的决策模型统计出结果。
7、判断综合法
统计合成法所提供的人事决策结果是完全量化的，按照一定的总体得分，有一个排序，比如第一名、第二名、第三名。但有时并不能完全依照名次去录取。当在真正做人事决策的时候，会考虑到测评之外的其他因素而决策是否真正去录用。比方说选拔一个企业一把手岗位人选时，其中一个人按照胜任能力在所有的被测评者中排在第一名，但是就是因为他只吃素食，在饮食方面不太适合去与方方面面的人员进行应酬，而这项工作又是作为地方的一把手非常重要的工作，所以也无法任用，只好用了第二名。这是属于在既定结果的基础上，又考虑到其他因素的影响来进行人事决策的情况。
8、统计综合法
在既定结果的基础上，又考虑到其他因素决策时，有时仍然可以用量化的方式，比如说还要考虑年龄因素时，就可以把年龄作为一个因素考虑到资格条件里面，按照岗位的要求进行计分。
作为专业的、科学的人事决策，做到人事决策信息的量化是非常重要的一个方面。但现实当中，决策者往往看见数字就头疼，即使偶尔的使用，也觉得数字化的评估结果，并没有比主观判断更准确，因而对把测评结果数字化并不怎么感兴趣，持一种怀疑的态度。
从科学性上来讲，量化方法总比不量化的好。解决了人才测评中人事信息收集和整合的客观化、系统化问题，就可以根据不同的需要建立起相应的录用决策模型，目前经常使有的录用决策模型主要有以下几种，如线性推理模型、多重回归模型、多重分段模型、连续栅栏模型、轮廓匹配模型等。这些录用决策模型的具体计算方式属统计学的范畴，每一种录用模型有其优势和不足的地方，可以结合具体的情况来使用，也可以把这几种录用模型综合起来使用。但不管怎么专业性强，这些录用决策模型是把许多主观的信息和客观的信息通过量化、系统的方法，转化成固定的统计模型，从而能提高人事决策的科学性。
以上讲了主观判断和量化统计方法在人才测评中的应用，主观判断比较接近于以前的"领导说了算"的方式，而纯粹的量化统计方法，又可能使信息收集不够全面和灵活。从现代企业管理的要求来看，因市场和人才竞争的加剧，"领导说了算"的人事决策方式风险越来越大，前不久还出现了因领导干部在提拔下属时方法处理不当，造成下属采用极端手段给管理者造成伤害的事情。因此，把干部任免的话语权交给一套人事决策模型，而不是交给某一个或几个人，这必然大大提高决策的科学性。尽管国外人才测评技术在企业人才选拔上已经用得相当普遍，但是对国内的许多企业来讲，这种选人和用人的方式仍然是一种创新。
当然，量化的决策模型的前提条件是信息收集手段和胜任力模型的科学性。因此，在选拔干部时一定要建好岗位的胜任力模型，如果要外包，一定要选择专业水平高的机构。在这些条件还不具备的情况下，我们建议暂时把人才测评的结果做为人事决策的一项重要参考使用，而不是直接按分数高低直接决定用谁不用谁。
