基于SPSS多元線性回歸的人才流動分析

杜赫銘，李 文

（1. 山東大學，山東 濟南 250100；2. 上海對外經貿大學 統計與信息學院，上海 200050）

基于SPSS多元線性回歸的人才流動分析

杜赫銘1，李 文2

（1. 山東大學，山東 濟南 250100；2. 上海對外經貿大學 統計與信息學院，上海 200050）

在參考國內外相關學者已有成果基礎上，分析出影響高新技術企業人才流動的社會環境因素、企業因素和個人因素等共性原因，并通過調查問卷的方式分別對上海市兩家高新技術企業進行實地調研，將統計數據通過SPSS 軟件利用多元線性回歸模型進行了建模分析，得出影響高新技術企業人才流動的關鍵因素，為管理層制定科學合理的促進人才流動的對策提供參考依據。

SPSS；多元線性回歸；人才流動

0 引言

隨著知識經濟的快速發展和產業創新轉型的深入推進和實施，高新技術企業（以下正文簡稱：高企）已成為社會經濟發展的重要支柱。高企憑借高技術性、高創造性、高知識性和高生產力等特點決定了人才是企業最重要的資源之一[1-2]，是高企能否長久生存和可持續健康發展的關鍵。高企發展和人才流動問題一直是眾多學者研究領域的熱門問題之一，高企人才在市場環境、企業環境和個人特性等各種因素的影響下表現出獨特的流動規律和流動特征。因此，需要開展對其人才流動問題的研究，找出人才流動的原因，試圖為管理層制定科學合理的促進人才流動的對策提供參考依據，進一步支撐我國高企的可持續發展及核心人才的科學管理。

1 高新技術企業人才流動因素分析

企業人才流動受各種內在、外在影響因素的制約，國內外部分學者已對影響人才流動的因素進行了分析，并形成了較為統一的結論。本文在已有成果研究的基礎上，將影響高企人才流動的因素分為三大類，分別是社會環境因素、企業因素和個人因素[3-4]。

社會環境因素主要分為社會經濟水平、人才流動政策、戶籍制度、社會保障制度和檔案管理制度等。企業因素主要包括單位性質、工作環境、晉升機制、獎懲政策、職業發展規劃、培訓機制、同事關系、上級領導和工作壓力等內容。個人因素主要指與個體特征、心里偏好和家庭環境等相關的因素，如學歷、性別、年齡、婚姻狀況、專業技術職稱、月平均收入、住房、工作職位和工作年限等[5-9]。

2 SPSS多變量統計研究

本文在結合大量文獻和實例分析的基礎上，表明流動意向與眾多影響因素呈線性關系，可以采用相關分析和回歸分析的理論模型，來對高企人才流動的影響因素進行多元線性回歸模型分析[10-11]。

多元線性回歸的模型如下[12]：

上式中Y是因變量，代表高企人才流動意愿強度，1X,2X,…,mX 是自變量，代表影響高企人才流動的影響因素，其中0β為常數項，1β,2β,…,mβ是偏回歸系數，ξ是隨機誤差，通過spss統計分析軟件可以計算出自變量1X,2X,…,mX 選哪些因素，常數項0β、偏回歸系數1β,2β,…,mβ、隨機誤差ξ的具體取值。

3 上海高新技術企業人才流動SPSS實證分析

3.1 調查統計過程

本次調查統計過程以上海兩家高企為例進行實證分析，主要是通過熟人引薦，在單位發放調查統計問卷和電話訪談等方式進行，調查內容即為前面分析的影響人才流動的因素。本次共向2家高企發放調查問卷50份，實際回收45份，回收率達到90%，滿足統計分析的基本要求，并采用專業統計軟件SPSS 19進行數據分析，將調查問卷選項中的A、B、C、D分別用數值1、2、3、4來表示。

3.2 數據統計與分析

3.2.1 單變量統計分析

通過SPSS 19軟件將個人基本信息作為變量進行占比分析得出以下數據，由于表格較多，以下僅前兩個因素進行說明。

（1）年齡

根據SPSS 19軟件分析變量年齡統計表，得出20～30歲的高企人才占比 33.3%，30～40歲占比31.1%，表明被統計高企核心人才處于人生黃金年齡，此時高企人才正處于事業上升期，各方面能力不斷提高，面臨選擇的機會較多。

（2）學歷

根據SPSS 19軟件分析變量學歷統計表，得出擁有大學本科學歷的高企人才比 48.9%，碩士研究生占比 33.3%，表明高企中大學本科以上高層次學歷占據多數，也證實了前面說分析的高企人才高知識性的特點。

3.2.2 多變量統計分析

通過SPSS 19軟件將流動意向作為因變量，將工作環境滿意度、工作壓力、職業發展規劃、晉升機制、獎懲制度滿意程度、員工培訓滿意度、同事關系滿意度、上級領導滿意度、社會經濟水平、人才流動政策、戶籍制度、社會保障制度和檔案管理制度作為自變量，具體分析結果如表1所示。

表1 輸入/移去的變量aTab.1 Input and remove variablesa

通過表1和已排除的變量表可以看出，選擇的方法為多元回歸分析中的逐步回歸分析法，通過被引入的變量分別為工作壓力、職業發展規劃和工作環境滿意度，被排除的變量有員工培訓滿意度、同事關系滿意度、上級領導滿意度、工作環境滿意度、職業發展規劃、晉升機制、社會經濟水平、人才流動政策、戶籍制度、社會保障制度和檔案管理制度。

表2 AnovadTab.2 Anovad

表2給出了回歸方程的方差分解及檢驗結果，其中 F代表構造的統計量的值，Sig.代表顯著性水平，模型中Sig.通常與0.05比較，這里的F值對應的 Sig.值均為 0，明顯小于0.05水平，統計上非常顯著，說明線性模型能夠使用。

表3 系數aTab.3 Coefficienta

SPSS分析出了多元線性回歸模型的系數表，其中 B代表回歸模型的偏回歸系數、t代表檢驗的統計量、Sig.代表顯著性水平、VIF代表方差膨脹因子，根據經驗表明，當0＜VIF＜10，不存在多重共線性；當 10≤VIF＜100，存在較強的多重共線性；當 VIF≥100，多重共線性非常明顯，目前VIF值在2附近，表明各變量之間沒有多重共線性關系。

將得出的偏回歸系數和自變量，帶入多元線性回歸模型中，可計算出高企人才流動的意向關系式如下：

高企人才流動意向=5.632-0.41*工作壓力-0.358*職業發展規劃-0.289*工作環境滿意度

從上式可以看出，高企人才流動的意向與工作壓力滿意度、職業發展規劃滿意度和工作環境滿意度顯著相關。

3.2.3 調查問卷信度分析

為了檢驗調查問卷設置的是否合理，可以采用信度分析來衡量。

信度常用的檢測方法是克朗巴哈α系數表（Cronbach's α），將調查問卷的變量通過SPSS分析，模型選擇Cronbach's α信度系數法，可得α系數為0.821。根據實踐經驗，當Cronbach’α系數＜0.5時，表明可信度不理想；當0.5≦Cronbach’α系數＜0.6時，可以接受；0.6≦Cronbach’α系數＜0.7時，可信度尚佳；當0.7≦Cronbach’α系數＜0.8時，可信度較高；當0.8≦Cronbach’α系數＜0.9時，可信度理想；當0.9≦Cronbach’α系數，可信度非常好。由此可知，本次調查問卷設計結構比較合理，能反映高企人才流動的原因。

4 結論

本文在參考國內外眾多學者研究成果的基礎上，梳理出影響高企人才流動的社會環境因素（包括社會經濟水平、人才流動政策、戶籍制度、社會保障制度和檔案管理制度）、企業因素（包括單位性質、工作環境、晉升機制、獎懲政策、職業發展規劃、培訓機制、同事關系、上級領導、工作壓力）和個人因素（學歷、性別、年齡、婚姻狀況、專業技術職稱、月平均收入、住房、工作職位和工作年限），并通過調查問卷的方式分別對上海市兩家高企進行實地調研，將調研數據通過 SPSS軟件利用多元線性回歸模型進行了建模分析，得出影響高企人才流動的關鍵因素。

[1] 國家統計局. 2015年中國高技術產業統計年鑒[M]. 北京:中國統計出版社, 2015.

[2] 上海市統計局. 2015上海統計年鑒[M]. 北京: 中國統計出版社, 2015.

[3] 孟令熙. 高新技術企業研發人才流動研究[D]. 上海: 東華大學, 2011.

[4] 袁娟. 長江三角洲區域科技人才流動的現狀和對策研究[D]. 南京: 南京航空航天大學, 2007.

[5] 肖烏妹. 企業創新型人才流動風險管理研究[D]. 泉州: 華僑大學, 2013.

[6] 羅希. 高新技術型企業知識型人力資源流動的管理研究[D]. 西安: 陜西師范大學, 2015.

[7] 吳蓉. 高新技術企業知識員工的流失原因與對策研究[D].上海: 華東師范大學, 2009.

[8] 陳卿卿. 上海高新技術企業人才流動問題分析及研究[D].上海: 上海社會科學院, 2012.

[9] 李莎. 河北省高技術產業科技人才流動影響因素研究[D].石家莊: 河北經貿大學, 2013.

[10] 梁斌, 卓梅霞. 基于SPSS統計軟件的因子分析法及實證分析[J]. 河西學院學報, 2011, 5(4): 45-49。

[11] 李五俊, 胡建華. 基于Web 服務的SPSS 與. NET 系統集成開發[J]. 軟件, 2016, 37(4): 18-21.

[12] 楊維忠, 張甜. SPSS統計分析與行業應用案例詳解[M]. 北京: 清華大學出版社, 2011.

Analysis of Talent-flowing Based on SPSS Multiple Linear Regressions

DU He-ming1, LI Wen2
(1. Shandong University, Ji Nan, 250100, China; 2. School of Statistics and Information, Shanghai University of International Business and Economics, Shang Hai, 200050, China)

Based on the existing achievements of relevant scholars at home and abroad, this paper analyzes the common reasons of influencing the talent-flowing of high-tech enterprises, such as social environment factors, enterprise factors and personal factors. Furthermore, it is holding field research into two high-tech enterprises in Shanghai by the method of investigation questionnaire. The statistical data were analyzed by multiple linear regression models through the SPSS software and draw a conclusion to the key factors of influencing the talent-flowing of high-tech enterprises in order to provide references for management to enact the scientific and rational countermeasures of promoting the talent-flowing.

: SPSS; Multiple linear regression; Talent-flowing

TP319

A

10.3969/j.issn.1003-6970.2017.10.029

本文著錄格式：杜赫銘，李文. 基于SPSS多元線性回歸的人才流動分析[J]. 軟件，2017，38（10）：149-151

杜赫銘(1996-)，男，山東大學計算機系大學生，研究方向：軟件工程；李文(1970-)女，副教授，博士，研究方向：時間序列分析、國際金融等。