今天是:

                                                      首頁

                                                      政策法規

                                                      招聘會

                                                      公務員招錄

                                                      企業招聘

                                                      事業招聘

                                                      高端人才

                                                      海歸人才

                                                      人才培訓

                                                      HR服務專區

                                                      下載專區

                                                      聯系我們

                                                      在線報名

                                                      您現在的位置:首頁 >> HR服務專區 >> 人才培訓 >> 內容
                                                      人力資源需求預測的應用案例分析
                                                      淮安人力資源網          發布時間:2014-07-23     點擊:    
                                                       人力資源需求預測的應用案例分析

                                                          

                                                      一、主成分回歸預測方法的特點

                                                      多元回歸預測法是建立在統計技術上的人力資源需求預測方法,它需要在眾多的變量中,考慮變量之間的相互關系。它有全面反映變量關系、應用條件相對簡便等優點。因為這些優點,所以多元回歸分析預測方法是目前使用最廣泛的工具,本文也適合采用多元回歸預測。但是,多元回歸方法在實用中也有很大的局限:首先,我們在進行多元分析時往往容易引入一些相互之間相關性比較強的變量,從而與使用多元回歸模型的基本假設前提相違背,也使多元回歸預測的效果受到很大的影響,準確度下降。而且,多元回歸模型的使用要求各個變量符合正態分布,在實際生產生活實踐中,往往有些樣本的分布并不完全符合正態分布的規律,這也會影響回歸分析的效果。

                                                      為了克服上述問題,本文將主成分分析和多元回歸方法相結合,這種新的方法叫做主成分回歸預測方法。主成分分析就是用降維的思想,把多個變量(指標)轉變為幾個綜合變量的統計方法,通過這種方法,從原始變量(該地區的國內生產總值、外貿商品存儲量和消費量)中提煉出12個新變量作為主成分,每個主成分都是原始變量的線性組合,之間互不相關。主成分回歸預測方法就是在主成分分析的基礎上將新形成的變量作為多元線性模型的自變量,預測因變量(人力資源需求)的方法。

                                                      二、案例分析

                                                      某課題組一直對一個沿海地區的外貿行業的人力資源需求量進行定性研究。經過長期的定性研究,課題組發現,外貿行業的人力資源需求量的增長與該地區的國內生產總值、外貿商品存儲量和消費量的變動有著某種聯系,換句話說,該沿海地區的國內生產總值、商品存儲量和消費量對該地區外貿行業的用人需求有一定的影響,但影響的具體的強弱程度還沒有定量的估計。外貿商品存儲量和消費量發生變化,會導致沿海的外貿單位進行人力資源方面的調整,引起外貿單位增加(或減少)自己的外貿方面的人力資源,這是對該案例進行統計分析的基礎。課題組在研究過程中,搜集了一系列相關的指標對應的數據,如表1所示。

                                                      1   某沿海地區經濟數據與外貿行業人力資源需求數據統計表

                                                      (自變量單位均為億元,因變量單位為千人)

                                                      年份()

                                                      國內生產總值

                                                      外貿商品年度存儲量

                                                      外貿商品年度總消費量

                                                      外貿行業人力資源需求量

                                                      1997

                                                      149.3

                                                      4.2

                                                      108.1

                                                      15.9

                                                      1998

                                                      161.2

                                                      4.1

                                                      114.8

                                                      16.4

                                                      1999

                                                      171.5

                                                      3.1

                                                      123.2

                                                      19.0

                                                      2000

                                                      175.5

                                                      3.1

                                                      126.9

                                                      19.1

                                                      2001

                                                      180.8

                                                      1.1

                                                      132.1

                                                      18.8

                                                      2002

                                                      190.7

                                                      2.2

                                                      137.7

                                                      20.4

                                                      2003

                                                      202.1

                                                      2.1

                                                      146.0

                                                      22.7

                                                      2004

                                                      212.4

                                                      5.6

                                                      154.1

                                                      26.5

                                                      2005

                                                      226.1

                                                      5.0

                                                      162.3

                                                      28.1

                                                      2006

                                                      231.9

                                                      5.1

                                                      164.3

                                                      27.6

                                                      2007

                                                      239.0

                                                      0.7

                                                      167.6

                                                      26.3

                                                      2008 (預計值)

                                                      246.0

                                                      0

                                                      175.5

                                                      ?

                                                      2009 (預計值)

                                                      253.3

                                                      3.0

                                                      183.6

                                                      ?

                                                      2010(預計值)

                                                      261.2

                                                      1.6

                                                      195.1

                                                      ?

                                                      (一)設定相關變量:

                                                      因變量是該地區外貿行業人力資源需求數量(y),自變量是對人力資源數量產生影響的因素,包括:國內生產總值x1、商品儲存量x2、商品消費量x3、自變量數量p=3、樣本容量為n=11,滿足多元回歸條件n>p。

                                                      (二)變量相關性分析

                                                      主成分分析方法適用于原始變量(x1、x2、x3)之間相關性較強的情況,如果原始變量的數據之間相關性不強,主成分法將無法進行適當的降維,失去原有的意義。原始變量的相關系數大于0.3時,主成分分析的效果比較明顯。所以要對原始變量進行相關性分析。

                                                      各變量數據如表1所示,用統計軟件進行相關性分析,輸出結果顯示:x1x3之間的相關系數為0.997,x2x3之間的相關系數為0.036,x1x2之間的相關系數為0.026,x1x3之間有很強的相關性,滿足使用主成分法的前提條件。

                                                      (三)主成分分析

                                                      運用統計軟件對表1的數據進行主成分分析,得到了主成分(a、b)與原始變量(x1、x2、x3)的函數關系:

                                                      a=0.999x1+0.062x2+0.999x3; b=-0.036x1+0.998x2-0.026x3

                                                      由此數據推導出一組新的數據,如表2所示

                                                      2   主成分對應數據表

                                                      y

                                                      a

                                                      b

                                                      15.9

                                                      257.4

                                                      -3.99

                                                      16.4

                                                      275.98

                                                      -4.7

                                                      19

                                                      294.6

                                                      -6.28

                                                      19.1

                                                      302.29

                                                      -6.52

                                                      18.8

                                                      312.66

                                                      -8.85

                                                      20.4

                                                      328.21

                                                      -8.25

                                                      22.7

                                                      347.88

                                                      -8.98

                                                      26.5

                                                      366.48

                                                      -6.06

                                                      28.1

                                                      388.32

                                                      -7.37

                                                      27.6

                                                      396.12

                                                      -7.53

                                                      26.3

                                                      406.24

                                                      -12.26

                                                      可以得出由主成分(a、b)作為自變量的方程

                                                      Y=-9.03+0.106a+0.607b

                                                      (四)模型方程的顯著性和自相關性檢驗

                                                      對得到的方程Y=-9.03+0.106a+0.607b進行顯著性檢驗和自相關性檢驗(由統計軟件進行)。顯著性檢驗的目的是檢驗出模型方程的因變量(人力資源需求量)和自變量(國內生產總值、商品總儲存量、商品總消費量)是否有顯著的相關關系。

                                                      從輸出結果可以看出,由主成分組成的自變量與因變量(人力資源需求量)有顯著關系,如果用來進行預測的話準確率比較高。

                                                      3   回歸預測結果表

                                                      年份(年)

                                                      x1

                                                      x2

                                                      x3

                                                      y

                                                      預測值

                                                      預測值下限

                                                      預測值下限

                                                      1997

                                                      149.3

                                                      4.2

                                                      108.1

                                                      15.9

                                                      15.8

                                                      14.3

                                                      17.3

                                                      1998

                                                      161.2

                                                      4.1

                                                      114.8

                                                      16.4

                                                      17.3

                                                      15.9

                                                      18.8

                                                      1999

                                                      171.5

                                                      3.1

                                                      123.2

                                                      19.0

                                                      18.3

                                                      16.9

                                                      19.7

                                                      2000

                                                      175.5

                                                      3.1

                                                      126.9

                                                      19.1

                                                      19

                                                      17.6

                                                      20.4

                                                      2001

                                                      180.8

                                                      1.1

                                                      132.1

                                                      18.8

                                                      18.7

                                                      17.2

                                                      20.2

                                                      2002

                                                      190.7

                                                      2.2

                                                      137.7

                                                      20.4

                                                      20.7

                                                      19.3

                                                      22.1

                                                      2003

                                                      202.1

                                                      2.1

                                                      146.0

                                                      22.7

                                                      22.3

                                                      20.9

                                                      23.8

                                                      2004

                                                      212.4

                                                      5.6

                                                      154.1

                                                      26.5

                                                      26.1

                                                      24.6

                                                      27.6

                                                      2005

                                                      226.1

                                                      5.0

                                                      162.3

                                                      28.1

                                                      27.6

                                                      26.1

                                                      29.1

                                                      2006

                                                      231.9

                                                      5.1

                                                      164.3

                                                      27.6

                                                      28.3

                                                      26.8

                                                      29.8

                                                      2007

                                                      239.0

                                                      0.7

                                                      167.6

                                                      26.3

                                                      26.5

                                                      24.9

                                                      28.2

                                                      2008 (預計值)

                                                      246.0

                                                      0.0

                                                      175.5

                                                       

                                                      27.4

                                                      25.6

                                                      29.2

                                                      2009 (預計值)

                                                      253.3

                                                      3.0

                                                      183.6

                                                       

                                                      30.6

                                                      29

                                                      32.2

                                                      2010(預計值)

                                                      261.2

                                                      1.6

                                                      195.1

                                                       

                                                      31.4

                                                      29.7

                                                      33.2

                                                      自相關性指模型方程中不同時間的變量的誤差項之間有相關關系,換句話說,就是一個變量的不同時段的兩個數值之間具有某種關聯性。它產生的原因可能是由于經濟社會指標等變量具有一定的滯后影響,如人力資源需求量、國內生產總值、商品消費量、商品存儲量等指標,前期的狀況會對后期的狀況產生必然的影響,在整個時間序列中產生出具有一定規律的波動。如果這個波動出現將違反回歸分析的基本假設,它將導致前面進行的顯著性檢驗失效,造成我們的模型方程反映的是虛假的回歸關系。

                                                      從輸出結果可以推導出一個變量不同時段的兩個樣本的數值之間不具有關聯性,該模型不具自相關性。

                                                      (五)進行預測

                                                      經過前面的各種檢驗,模型被驗證為是可靠的,我們將使用它來預測該地區的2008、2009、2010年三年的外貿行業人力資源需求情況。使用95%的置信區間來預測2008年、2009年、2010年的人力資源需求的可能范圍。我們先要將主成分方程變為原始變量方程的形式:

                                                      y=-9.03+0.106a+0.607b

                                                      =-9.03+0.106*(0.999x1+0.062x2+0.999x3)+0.607*(-0.036x1+0.998x2-0.026x3)

                                                      =-9.03+0.106*0.999x1+0.106*0.062x2+0.106*0.999x3-0.607*0.036x1+ 0.607*0.998x2-0.607*0.026x3

                                                      =-9.03+0.084x1+0.612x2+0.09x3

                                                      預測結果及誤差如表12所示:

                                                      由最后得出的表3可以看出,從1997年到2007年這11年來,人力資源需求量的預測值一直圍繞當年實際的人力資源需要量(y)上下波動。同時,表3還給出了預測值的上限和下限,1997年到2007年這11年的預測值剛好就在預測值上限和預測值下限之間,表明本文用主成分回歸方法得出的模型方程的預測比較準確。2008、2009、2010年這3年的預測值也將在這3年的預測值上下限之間圍繞預測值波動。

                                                          來源:《中國人才》2008

                                                      本類推薦

                                                      沒有

                                                      强姧伦久久久久久久久|无码亚洲成a人片|最新av资源每日更新网|国产精品久久精品三级