论文部分内容阅读
摘 要:本文通过选取一家企业近12年的各项数据,运用企业人力资源需求预测的定量方法,得出了该企业未来六年较为准确的人力资源需求预测结果。
关键词:人力资源需求预测 趋势外推法 回归分析法
现今,有关人力资源需求预测方法的研究已发展的非常成熟,本文通过运用比较常用的定量预测方法,对一家企业的实际情况进行了分析。
一、实例数据来源
本文实例的数据来源于一家典型的制造业企业,为了进行较为详细的分析,本文选取了该企业2001-2012年各年的员工总数作为基础(如表1)。
二、该企业人力资源需求预测
1. 趋势外推法(时间序列)
趋势外推法就是利用惯性,根据过去和现在的发展趋势,以时间为自变量来对未来的人力资源需求进行预测。本文选取了9种函数对该企业员工人数的需求趋势做出拟合。运行SPSS软件,得出表2。
根据表2所反映的信息可以判断,在曲线估计的9种模型中,所有的模型F值都大于10,其显著度p都基本接近0,这说明用这些曲线做人数估计拟合是符合要求的。同时,观察表2中的R2,发现倒数函数和S曲线模型的R2比较小,而一般情况下,R2>0.8才认为有效,所以这两种曲线应该舍去。另外,发现复合函数、增长模型和指数函数这三个模型的预测结果是完全相同的,它们的各项判定细说等参数值也是完全相同的,所以只选其中一个就可以了。
因此,最后保留对数函数、二次函数、三次函数、复合模型、幂指数模型以进行未来六年的人力资源需求预测,通过SPSS运算,预测结果如表3所示。
2. 回归分析法
回归分析法就是把对企业员工总数变化产生影响的企业其他因素作为自变量,以企业员工总数作为因变量,进行回归分析的一种预测方法。本文主要选取了相关性较强的企业总产值、销售收入、科技支出和设备数量作为自变量,历年数据如表4所示。
(1)多元回归分析
由分析可知,企业职工总数与总产值、销售收入、设备数量、科技支出之间呈明显的相关性,可能会存在共线性问题。因此需要进行共线性的诊断。诊断结果表示四个自变量的容差都小于0.1,方差膨胀因子VIF都超过10,表示如果将这四个变量都作为自变量,方程会存在严重的多重共线性,因此本文采取逐步回归的方法以排除这一干擾。通过SPSS进行逐步回归后,排除总产值和科技支出这两个变量,选择设备数量和销售收入作为自变量,得到回归方程如下:
历年员工总数=27968.69-3.97设备数量+0.348销售收入
根据企业的规划资料,将设备数量和销售收入未来六年的计划数据带入上述回归方程,即可得到未来六年企业人数的预测结果,如表5所示。
(2)曲线回归(一元回归)
按照回归分析法的思路,本文接着以总产值、销售收入、设备数量、科技支出各自作为自变量,分别与因变量企业员工总数做曲线回归,每次选取对数、倒数、二次、三次、复合、幂指数、S曲线、增长模型、指数方程以及线性函数这十种函数进行拟合,按趋势外推的思路,保留可用的函数进行预测,将预测值进行平均,每一种自变量最终会得到一个平均预测值。过程本文不再赘述,结果显示如表6所示:
最后,本文将表3、表5和表6中的预测结果再按年进行一次平均,最终得到企业未来六年的预测结果分别为:4745、4638、4537、4442、4341和4233人。
关键词:人力资源需求预测 趋势外推法 回归分析法
现今,有关人力资源需求预测方法的研究已发展的非常成熟,本文通过运用比较常用的定量预测方法,对一家企业的实际情况进行了分析。
一、实例数据来源
本文实例的数据来源于一家典型的制造业企业,为了进行较为详细的分析,本文选取了该企业2001-2012年各年的员工总数作为基础(如表1)。
二、该企业人力资源需求预测
1. 趋势外推法(时间序列)
趋势外推法就是利用惯性,根据过去和现在的发展趋势,以时间为自变量来对未来的人力资源需求进行预测。本文选取了9种函数对该企业员工人数的需求趋势做出拟合。运行SPSS软件,得出表2。
根据表2所反映的信息可以判断,在曲线估计的9种模型中,所有的模型F值都大于10,其显著度p都基本接近0,这说明用这些曲线做人数估计拟合是符合要求的。同时,观察表2中的R2,发现倒数函数和S曲线模型的R2比较小,而一般情况下,R2>0.8才认为有效,所以这两种曲线应该舍去。另外,发现复合函数、增长模型和指数函数这三个模型的预测结果是完全相同的,它们的各项判定细说等参数值也是完全相同的,所以只选其中一个就可以了。
因此,最后保留对数函数、二次函数、三次函数、复合模型、幂指数模型以进行未来六年的人力资源需求预测,通过SPSS运算,预测结果如表3所示。
2. 回归分析法
回归分析法就是把对企业员工总数变化产生影响的企业其他因素作为自变量,以企业员工总数作为因变量,进行回归分析的一种预测方法。本文主要选取了相关性较强的企业总产值、销售收入、科技支出和设备数量作为自变量,历年数据如表4所示。
(1)多元回归分析
由分析可知,企业职工总数与总产值、销售收入、设备数量、科技支出之间呈明显的相关性,可能会存在共线性问题。因此需要进行共线性的诊断。诊断结果表示四个自变量的容差都小于0.1,方差膨胀因子VIF都超过10,表示如果将这四个变量都作为自变量,方程会存在严重的多重共线性,因此本文采取逐步回归的方法以排除这一干擾。通过SPSS进行逐步回归后,排除总产值和科技支出这两个变量,选择设备数量和销售收入作为自变量,得到回归方程如下:
历年员工总数=27968.69-3.97设备数量+0.348销售收入
根据企业的规划资料,将设备数量和销售收入未来六年的计划数据带入上述回归方程,即可得到未来六年企业人数的预测结果,如表5所示。
(2)曲线回归(一元回归)
按照回归分析法的思路,本文接着以总产值、销售收入、设备数量、科技支出各自作为自变量,分别与因变量企业员工总数做曲线回归,每次选取对数、倒数、二次、三次、复合、幂指数、S曲线、增长模型、指数方程以及线性函数这十种函数进行拟合,按趋势外推的思路,保留可用的函数进行预测,将预测值进行平均,每一种自变量最终会得到一个平均预测值。过程本文不再赘述,结果显示如表6所示:
最后,本文将表3、表5和表6中的预测结果再按年进行一次平均,最终得到企业未来六年的预测结果分别为:4745、4638、4537、4442、4341和4233人。