線性回歸分析在人力資源需求預(yù)測中的應(yīng)用
——以科技產(chǎn)業(yè)為例

周雨璋

（江蘇省天一中學(xué)，江蘇無錫 214000）

0 引言

人力資源是企業(yè)不可缺少的動(dòng)力資源，對(duì)它進(jìn)行預(yù)測分析具有重要的意義。人力資源的預(yù)測是指在現(xiàn)有的硬件設(shè)施和各項(xiàng)評(píng)定結(jié)果的基礎(chǔ)上，對(duì)之后一段時(shí)間內(nèi)企業(yè)的人力資源需求總量進(jìn)行假設(shè)。本文通過線性回歸分析的統(tǒng)計(jì)方法預(yù)測人力資源需求。影響人力資源的自變量不止一個(gè)，因此通過多元線性回歸模型判斷人力資源需求，能更準(zhǔn)確地對(duì)企業(yè)需求進(jìn)行預(yù)測[1]。

2011 年，王婷運(yùn)用回歸模型構(gòu)建的方法對(duì)中國資產(chǎn)管理公司的人力資源做了預(yù)測；2006 年，張謙明運(yùn)用回歸分析法對(duì)人才需求建立了預(yù)測模型，并提出改進(jìn)措施；Reid A. Bates 依據(jù)相關(guān)診斷方法的預(yù)測模型對(duì)人力資源需求量實(shí)現(xiàn)準(zhǔn)確預(yù)測。

定量分析人力資源需求方法包括趨勢預(yù)測法、線性回歸法等，這些方法依靠已有數(shù)據(jù)做出預(yù)測，因此預(yù)測準(zhǔn)確度會(huì)更高[2]。本文根據(jù)科技公司人力資源需求的特點(diǎn)，選取各公司歷年來人力資源總量的數(shù)據(jù)，數(shù)據(jù)來源均為同類型公司，建立多元線性回歸的預(yù)測模型，對(duì)科技公司未來人力資源需求量進(jìn)行預(yù)測[3]。

1 預(yù)測理論及模型分析

在進(jìn)行人力資源需求預(yù)測時(shí)，通常需要提前找到與之相關(guān)度很高的變量[4]。回歸分析預(yù)測方法的重點(diǎn)取決于是否能找出對(duì)企業(yè)人力資源需求影響最大的因素，而這個(gè)因素必須滿足于兩個(gè)條件：一是影響因素能夠反映該企業(yè)的結(jié)構(gòu)、類型等基本特征；二是影響因素與人力資源需求之間必須存在線性相關(guān)關(guān)系。基于以上兩點(diǎn)，應(yīng)從營業(yè)總收入、市場價(jià)值、凈利潤率、資產(chǎn)負(fù)債率等方面選取影響人力資源開發(fā)的因素[5-6]。

1.1 自變量的篩選——Lasso 回歸

在統(tǒng)計(jì)和機(jī)器學(xué)習(xí)中，Lasso（最小絕對(duì)收縮和選擇算子，也稱為Lasso）是一種回歸分析方法，它同時(shí)執(zhí)行變量選擇和正則化，以提高所得統(tǒng)計(jì)模型的準(zhǔn)確性和可解釋性。Lasso 最初是為線性回歸模型制定的，模型中包括Lasso 與嶺回歸和最佳子集選擇的關(guān)系，以及套索系數(shù)估計(jì)和所謂的軟閾值之間的聯(lián)系，Lasso 還表明（與標(biāo)準(zhǔn)線性回歸一樣）如果協(xié)變量是共線的，則系數(shù)估計(jì)值不需要是唯一的。

1.2 多元線性回歸模型

多元線性回歸是指一種統(tǒng)計(jì)技術(shù)根據(jù)兩個(gè)或多個(gè)變量的值來預(yù)測變量的結(jié)果。它有時(shí)簡稱為多元回歸，是線性回歸的擴(kuò)展。將需要預(yù)測的變量稱為因變量，而用來預(yù)測因變量值的變量稱為自變量或解釋變量[7]。

2 構(gòu)建科技型企業(yè)人力資源預(yù)測模型

2.1 數(shù)據(jù)來源

數(shù)據(jù)來源于理杏仁網(wǎng)站（https://www.lixinger.com/profile/center/latest-updates/latest），見表1。

2.2 企業(yè)概況

本文選取的分析對(duì)象均為高科技上市公司近10 年（2012-2022）的各項(xiàng)數(shù)據(jù)。

2.2.1 科大訊飛

科大訊飛主要業(yè)務(wù)是智能語音開發(fā)與相關(guān)芯片的研發(fā)，在與智能機(jī)器人的溝通過程中實(shí)現(xiàn)流暢交流。不僅如此，語音技術(shù)還擁有廣闊的應(yīng)用空間，包括但不限于音色評(píng)估、口語評(píng)分、降低或增強(qiáng)噪音、語音編輯等技術(shù)。

2.2.2 中興通訊

中興通訊股份有限公司是一家致力于建立綜合通信方案的科技企業(yè)。

2.2.3 用友網(wǎng)絡(luò)

用友網(wǎng)絡(luò)科技在幫助其他企業(yè)管理人力資源、分析財(cái)政狀況、維護(hù)客戶關(guān)系等方面都有著極大的作用，為企業(yè)提供了極大的便利，從而獲得了大量的利潤。該企業(yè)也是中國云服務(wù)、信息化管理、人才管理和咨詢管理的領(lǐng)先企業(yè)。

2.2.4 海康威視

海康威視是一家科技型企業(yè)。該企業(yè)擁有很多不同類型的智能產(chǎn)品，致力于讓世界變得更加智能，并堅(jiān)持創(chuàng)新，持之以恒地發(fā)展智能物聯(lián)應(yīng)用，維護(hù)有序、安全、高效、便捷的社會(huì)，以實(shí)現(xiàn)“助力人人享有美好未來”為企業(yè)目標(biāo)。

2.3 自變量的篩選

運(yùn)用Python 建立Lasso 回歸模型，篩選出相關(guān)性的自變量。Lasso 回歸是用于高維線性數(shù)據(jù)篩選變量的方法。LassoCV 和LassoLarsCV 是Scikit-learn 通過交叉驗(yàn)證來公開設(shè)置Lassoα 參數(shù)的對(duì)象。圖1 是篩選出的變量。

圖1 Python運(yùn)行Lasso回歸模型所得結(jié)果

因此，用圖1 中的結(jié)果除以系數(shù)接近于0 的變量，最終得出結(jié)論為[0，1]，則為x1、x2自變量為相關(guān)性較強(qiáng)的自變量。

圖2 為Python 中設(shè)定對(duì)各自變量的名稱，以方便計(jì)算。

圖2 Python中給予各自變量的名稱

通過圖2 對(duì)自變量名稱的設(shè)定和圖1 所得結(jié)論，x1營業(yè)總收入和x2資產(chǎn)負(fù)債率為影響公司人力資源數(shù)量相關(guān)性最大的自變量。

2.4 建立線性回歸模型stata

篩選自變量營業(yè)總收入和資產(chǎn)負(fù)債率對(duì)應(yīng)的數(shù)據(jù)建立線性回歸模型，如表1 所示。

由于自變量為兩個(gè)，因此設(shè)二元線性回歸方程為y=b0+b1x1+b2x2。

圖3 為stata 對(duì)所得結(jié)論作線性回歸模型的結(jié)果。

圖3 stata 線性回歸模型

各數(shù)據(jù)所對(duì)應(yīng)組成的線性回歸的點(diǎn)圖，如圖4 所示。

圖4 stata 線性回歸點(diǎn)圖

由此得出線性回歸方程為y=5.65E-07x1+43399.34x2-10351.81（y為因變量人力資源總數(shù)，x1為營業(yè)總收入，x2為資產(chǎn)負(fù)債率）。

2.5 模型檢驗(yàn)

運(yùn)用另一組相同類型科技公司的數(shù)據(jù)集來測試所得方程組是否正確。

表1 描述了海康威視科技公司自2012 年至2022 年?duì)I業(yè)總收入、資產(chǎn)負(fù)債率、市值、員工人數(shù)和凈利潤率的各項(xiàng)數(shù)據(jù)。

運(yùn)用海康威視科技公司的數(shù)據(jù)集對(duì)所得方程組進(jìn)行測試，實(shí)驗(yàn)結(jié)果表明，該方程組是正確的。

3 結(jié)語

本文通過運(yùn)用Lasso 回歸分析的方法，對(duì)自變量作篩選分析，從而得出與因變量人力資源總數(shù)相關(guān)性最強(qiáng)的自變量。在此基礎(chǔ)上建立多元線性回歸模型，得出人力資源總數(shù)與該公司營業(yè)總收入和資產(chǎn)負(fù)債率有關(guān)，線性回歸方程組為y=5.65E-07x1+43399.34x2-10351.81。對(duì)同類型科技企業(yè)來說，可參照此方程來預(yù)測需要的人力資源總數(shù)，從而減少開支，實(shí)現(xiàn)利益最大化。對(duì)政府而言，人力資源的分配會(huì)更加均衡，不會(huì)出現(xiàn)人力資源在某一行業(yè)中嚴(yán)重缺失或過多的情況。