線性回歸分析在人力資源需求預測中的應用
——以科技產業為例

周雨璋

（江蘇省天一中學，江蘇無錫 214000）

0 引言

人力資源是企業不可缺少的動力資源，對它進行預測分析具有重要的意義。人力資源的預測是指在現有的硬件設施和各項評定結果的基礎上，對之后一段時間內企業的人力資源需求總量進行假設。本文通過線性回歸分析的統計方法預測人力資源需求。影響人力資源的自變量不止一個，因此通過多元線性回歸模型判斷人力資源需求，能更準確地對企業需求進行預測[1]。

2011 年，王婷運用回歸模型構建的方法對中國資產管理公司的人力資源做了預測；2006 年，張謙明運用回歸分析法對人才需求建立了預測模型，并提出改進措施；Reid A. Bates 依據相關診斷方法的預測模型對人力資源需求量實現準確預測。

定量分析人力資源需求方法包括趨勢預測法、線性回歸法等，這些方法依靠已有數據做出預測，因此預測準確度會更高[2]。本文根據科技公司人力資源需求的特點，選取各公司歷年來人力資源總量的數據，數據來源均為同類型公司，建立多元線性回歸的預測模型，對科技公司未來人力資源需求量進行預測[3]。

1 預測理論及模型分析

在進行人力資源需求預測時，通常需要提前找到與之相關度很高的變量[4]。回歸分析預測方法的重點取決于是否能找出對企業人力資源需求影響最大的因素，而這個因素必須滿足于兩個條件：一是影響因素能夠反映該企業的結構、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關系。基于以上兩點，應從營業總收入、市場價值、凈利潤率、資產負債率等方面選取影響人力資源開發的因素[5-6]。

1.1 自變量的篩選——Lasso 回歸

在統計和機器學習中，Lasso（最小絕對收縮和選擇算子，也稱為Lasso）是一種回歸分析方法，它同時執行變量選擇和正則化，以提高所得統計模型的準確性和可解釋性。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系，以及套索系數估計和所謂的軟閾值之間的聯系，Lasso 還表明（與標準線性回歸一樣）如果協變量是共線的，則系數估計值不需要是唯一的。

1.2 多元線性回歸模型

多元線性回歸是指一種統計技術根據兩個或多個變量的值來預測變量的結果。它有時簡稱為多元回歸，是線性回歸的擴展。將需要預測的變量稱為因變量，而用來預測因變量值的變量稱為自變量或解釋變量[7]。

2 構建科技型企業人力資源預測模型

2.1 數據來源

數據來源于理杏仁網站（https://www.lixinger.com/profile/center/latest-updates/latest），見表1。

2.2 企業概況

本文選取的分析對象均為高科技上市公司近10 年（2012-2022）的各項數據。

2.2.1 科大訊飛

科大訊飛主要業務是智能語音開發與相關芯片的研發，在與智能機器人的溝通過程中實現流暢交流。不僅如此，語音技術還擁有廣闊的應用空間，包括但不限于音色評估、口語評分、降低或增強噪音、語音編輯等技術。

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。

2.2.3 用友網絡

用友網絡科技在幫助其他企業管理人力資源、分析財政狀況、維護客戶關系等方面都有著極大的作用，為企業提供了極大的便利，從而獲得了大量的利潤。該企業也是中國云服務、信息化管理、人才管理和咨詢管理的領先企業。

2.2.4 海康威視

海康威視是一家科技型企業。該企業擁有很多不同類型的智能產品，致力于讓世界變得更加智能，并堅持創新，持之以恒地發展智能物聯應用，維護有序、安全、高效、便捷的社會，以實現“助力人人享有美好未來”為企業目標。

2.3 自變量的篩選

運用Python 建立Lasso 回歸模型，篩選出相關性的自變量。Lasso 回歸是用于高維線性數據篩選變量的方法。LassoCV 和LassoLarsCV 是Scikit-learn 通過交叉驗證來公開設置Lassoα 參數的對象。圖1 是篩選出的變量。

圖1 Python運行Lasso回歸模型所得結果

因此，用圖1 中的結果除以系數接近于0 的變量，最終得出結論為[0，1]，則為x1、x2自變量為相關性較強的自變量。

圖2 為Python 中設定對各自變量的名稱，以方便計算。

圖2 Python中給予各自變量的名稱

通過圖2 對自變量名稱的設定和圖1 所得結論，x1營業總收入和x2資產負債率為影響公司人力資源數量相關性最大的自變量。

2.4 建立線性回歸模型stata

篩選自變量營業總收入和資產負債率對應的數據建立線性回歸模型，如表1 所示。

由于自變量為兩個，因此設二元線性回歸方程為y=b0+b1x1+b2x2。

圖3 為stata 對所得結論作線性回歸模型的結果。

圖3 stata 線性回歸模型

各數據所對應組成的線性回歸的點圖，如圖4 所示。

圖4 stata 線性回歸點圖

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，x1為營業總收入，x2為資產負債率）。

2.5 模型檢驗

運用另一組相同類型科技公司的數據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 年營業總收入、資產負債率、市值、員工人數和凈利潤率的各項數據。

運用海康威視科技公司的數據集對所得方程組進行測試，實驗結果表明，該方程組是正確的。

3 結語

本文通過運用Lasso 回歸分析的方法，對自變量作篩選分析，從而得出與因變量人力資源總數相關性最強的自變量。在此基礎上建立多元線性回歸模型，得出人力資源總數與該公司營業總收入和資產負債率有關，線性回歸方程組為y=5.65E-07x1+43399.34x2-10351.81。對同類型科技企業來說，可參照此方程來預測需要的人力資源總數，從而減少開支，實現利益最大化。對政府而言，人力資源的分配會更加均衡，不會出現人力資源在某一行業中嚴重缺失或過多的情況。