根据这样一个原则，那么一个人可以通过24种不同的分类排序来了解个人失信原因，而不是一刀切。笔者认为，这是较为全面反映一个人信用状况的基本方法。
　　但本文所展示的是通过综合的方式反映的排序状态，即在某个统计点，“六四”法则的总积分的排序状态。这个比较简单，表示的是个人信用度的绝对数，既可以是正，也可以是负。这里，我们不做积分运算，只体现信用变化趋势发展状况。如图1、图2：
　　图1中表现的某人的信用原始记录积分的变化趋势是，在开始随着时间的增加有所提升，但在很短暂的时间后即开始下降，直到在时间点y1之后，处于完全的无信状态。一般情况下，这种情况是比较少见的极端情况。
　　图2表现某人的信用原始记录积分的变化趋势是，在时间y1和时间y2之间，他的就业行为是较为稳定的，没有任何变化。在时间y2之后，出现和y1之前一样的行为变化，这说明此人的就业行为一直是可信的。
　　但排序法的重点是在全部样本中选取一个衡量因素，优点是针对信用度来说，这个样本总数中谁的信用度高或底，可以做出一个非常公正的判断，一目了然；其不足之处就是过于简单，每一次排序只能找一项最基本因素。这是个绝对数，是个人信用积累的绝对值，没有通过任何计算，表明原始实际的信用度，但不代表其信用。
　　排序法的缺陷是：很大程度上取决于所选因素，所以有时会有一些误区，操作简单，仅适合于查询个人信用度积累过程的状况时采用。为了能客观现实地反映一个人的信用状况，我们引入第二个表达方式，就是百分位法。
　　三、百分位法：个人总体趋势
　　百分位通常用第几百分位来表示，如第十百分位，它表示在所有测量数据中，测量值的累计频次达10％。以信用积分为例，信用度分布的第十百分位表示有10％的人的信用度小于此测量值，90％的信用度大于此测量值。
　　统计学中，第25百分位数又称第一个四分位数（first　quartile），用q1表示；第50百分位数又称第二个四分位数（second　quartile），用q2表示；第75百分位数又称第三个四分位数（third　quartile），用q3表示。若求得第p百分位数为小数，可完整为整数。具体到就业信用评估标准，我们可以认为，低于中位数的，为严重失信群体，高于第三四分位时为信用度较好的群体。
　　分位数是用于衡量数据位本文由论文联盟http://收集整理置的量度，但它所衡量的不一定是中心位置。百分位数提供了有关各数据项如何在最小值与最大值之间分布的信息。对于无大量重复的数据，第p百分位数将它分为两个部分。大约有p％的数据项的值比第p百分位数小；而大约有（100－p）％的数据项的值比第p百分位数大。对第p百分位数，严格的定义如下：
　　第p百分位数是这样一个值，它使得至少有p％的数据项小于或等于这个值，且至少有（100－p）％的数据项大于或等于这个值。这个标准我们用来划定信用度较高、信用度高和失信、严重失信等界限，用其相对百分位置区分不同信用群体。
　　假设我们有1万个样本数据，每个人的信用变化趋势可以是随着时间的增加不断变化，并不影响其在某个时间点统计的信用百分位。
　　图3所展示的是某个人的信用总体变化趋势，这里同时考虑到并列积分的运算。y1是第一四分位，y2是第二四分位，我可以看到，此人的综合信用发展趋势是，在中分位以上的时间段比较少，也就是其信用积累状况不是很理想，其大多集中在25％至50％之间，属于经常失信行为较多。分析出此人的跳槽频率较高、违约事件较多。
　　我们需要注意的是，这里和图1、图2有所不同的是y轴的变化。
　　一般情况，学校的考试成绩也经常以百分位数的形式报告。比如，假设某个考生在入学考试中的语文部分的原始分数为54分。相对于参加同一考试的其他学生来说，他的成绩位次如何并不容易知道。但是如果原始分数54分恰好对应的是第70百分位数，我们就能知道大约70％的学生的考分比他低，而约30％的学生考分比他高。这是按照群体划分标准比较科学和公平的体现模式。
　　百分位表达方式的优点就在于它不是单纯地说明一个人的信用度，而是通过分组的形式，可以长期考核一个人的信用状况和发展趋势（不分组），并且可以通过查询不用要素（分组）条件下的信用状况和发展趋势，能更加详细地了解其失信的原因，便于企业选拔人才时量才使用。
　　四、计算模型
　　百分位法，不仅仅是要体现个人信用趋势，在应用上还可以为企业选择人才提供可靠的筛选服务，快速、准确定位到所需人才群体，使人才信用优势得到充分体现。
　　以下列步骤说明如何计算第p百分位数。
　　用原始资料计算百分位数x_p时，关键是找出相应的百分位数在最小值（有序数列中的第1个值）和最大值（有序数列中的第n个值）之间的位次，并要求该位次的左边占第一个数到第n个数间距（n－1）的p部分，右边占整个间距的1－p部分。因此，若以d表示百分位数x_p所在位次，则有：
　　公式中[d）表示取d的整数部分，x（[d]）、x（[d+1]）分别表示位次为[d]、[d+1]上的观察值。应用公式可对原始资料求百分位数和中位数。
　　例如，我们所有样本为1万人，按照顺序排序后的结果如下：
　　1　2　3　4　5　6　7…7500　7501　9999　10000
　　100　102　105　106　108　110　110…161　162　186　190
　　作为企业，想倒找第三四分位以上的生源，那么由公式可得：
　　d=1+（10000－1）×0.75=7500.25
　　则x_75％=x_（7500）+（x_（7501）－x_（7500））×（7500.25－7500）
　　＝161+（162－161）×0.z5
　　＝161.25
　　即75％分位数为161.25。当企业在要求信用度在75％以上的学生时，则很快就能将75％以上的学生快速匹配出来。
　　五、结论
　　通过以上计算，我们知道，如果样本数足够多，那么所获得的结果也就越接近真实值。就业信用体系的应用，就在于每个人都作为一个样本参与时，其考核效果是最理想的。我们通过计算，并将个人信用趋势修正后，以百分位的形式体现其发展趋势，将更加科学合理地表达个人就业信用度（见图4）。
　　我们用a线表示的是大学生就业信用的综合发展趋势，用百分位体现，其意义等同于图3，它的最大值点为100，综合反映了大学生就业信用在全部样本中的百分位置。这条线直接体现了企业选才和用人的合理区间，对大学生求职和企业招聘具有重要的参考意义。c线表示的是大学生就业信用原始积分通过修正后所表示出来的个人就业信用发展趋势，即修正后的图1和图2，他所代表的是一个人在求职时，向企业展示的可以预测其未来信用状况的信息，在选取不同的分类标准时，还可以分析出大学生求职时在某些行为特征上处于何种状态及这个分组的信用状况趋势。它有可能低于或高于综合曲线a线，但低分不代表退步。图4所体现的是大学生求职的信用绝对值，具有一般性统计意义。
　　因此，我们在提供就业信用评估时，一般提供的是图4的综合信息，同时也可以根据需求，提供分组信息趋势表，如图1和图2，这样便能全面、科学、合理、公平地展现大学生的就业信用及其发展趋势。这对掌控就业风险，提升大学生就业质量、促其稳定就业具有重要的意义。