回归分析在企业管理中的应用

回归分析在企业管理中的应用一、引言在社会经济领域中，任何事物的发展都有它的过去、现在和未来，人们通过对大量统计资料的分析研究，发现事物的发展有一定的规律性。通过管理数量方法，我们把科学的原理、方法和工具应用于管理的各种活动中去，制定出用于管理决策的数学和统计模型，从而对决策和行动提供依据和建议。回归分析法是现代应用统计学应用于经营管理中常用的数据分析方法之一。二、回归分析回归分析是研究事物间量变规律的一种科学方法。回归分析方法是通过规定因变量和自变量之间的因果关系，建立回归模型，并根据实测数据来求解模型的各个参数，然后评价回归模型是否能很好的拟合实测数据；如果拟合程度高，则可以根据自变量作进一步预测。以下以某企业部分员工薪酬分析为例，利用回归分析方法分析收入分配的合理性。三、实例分析1.背景某电信企业（以下称S公司）安装维护部承担某城市一固定区域电信管线维护与终端安装、维护工作，工作主要有：住宅、厂房、办公楼电话和宽带的装移机及实装线路维护等，共有装维员工24人，分9个小组；每小组由2-3人组成，对划定片区负责。S公司根据工作量（维护线数、装移机数）和服务质量指标采取类似承包的方式核定该部门员工收入。即：部门收入总额=线路维护数*单价+装移机线数*单价+服务质量得分*奖惩金额S公司管理层希望安装维护部门制定二次分配办法时考虑员工收入与本身技能情况、工作绩效挂钩，激励装维人员的工作积极性。2008年底，S公司管理部门选用安装维护部员工月均收入、月维护线数、终端装移数、故障修复数、客户不满意数、工龄、组长和岗位系数（岗位技能）为统计指标，分析该部门员工全年收入与相关工作量的影响因素。见表一。2.相关分析及检验将收入列为因变量，其它因素为自变量，其关系式可表示为：y=a0+a1x1+a2x2+a3x3+…+a7x7+ε令y，x1，x2，x3，x4，x5，x6，x7分别为月均收入，月维护线数、终端装移数、故障修复数、客户不满意数、工龄、是否组长和岗位系数。通过SPSS软件进行多元回归统计分析，结果如下：结果显示，多元判定系数R2=0.90，表示解释程度高；显著性水平SignificanceF=5.968E-07，表示回归方程的线性关系显著；再看表2P-Value：维护线数0.947、故障数0.819、装移数0.588、不满意数0.234，皆大于标准0.05，表示这四个变量与员工收入不存在相关性。除“不满意数”先予保留外其它三个变量应予以删除。重新选用月均收入、客户不满意数、工龄、是否组长和岗位系数五个变量确定回归方程。令y为月均收入，x1为岗位系数，x2位是否组长，x3为工龄，x4为客户不满意数。通过分析，结果如下：从表中看出，月均收入、客户不满意数、工龄、组长和岗位系数这5个变量结合在一起，复相关系数R值等于0.94，决定系数R2值等于0.899，表示拟合程度高；调整后的R2值等于0.877，且各自变量对因变量的决定程度为89.89％，表明这四个变量对员工收入的解释力比较强。显著性水平SignificanceF=3.32929E-09，表示回归方程的线性关系显著；检测自变量的P-Value值：不满意数0.0424、工龄0.0024、组长0.0104、岗位系数5.75E-05，皆小于标准0.05，说明上述变量与员工收入存在线性关系。据此，列出多元线性回归方程为：y=3630.82x1+196.28x2+16.22x3-4.27x4+61.66方程中各自变量对因变量的作用大小依次为：X1X2X3X4，即：对“员工收入”来说，“岗位系数”对其影响比较大；其次是“是否组长”；“工龄”的影响次之；“不满意数”的变动影响最小。四、结论通过分析发现，安装维护部二次分配中员工收入主要与员工本身技能情况相关性较强，与工作质量中的用户不满意数呈弱相关性，而与工作量无明显线性关系。此结果与公司期望的员工收入与员工技能情况、工作绩效挂钩的假设相差甚远。S公司要求装维部必须立即纠正现行分配办法，增加收入与工作量的相关性，体现按劳取酬，多劳多得的分配原则。参考文献：[1]马雄威：线性回归方程中多重共线性诊断方法及其实证分析.华中农业大学学报（社会科学版），2008(02).[2]陈莉：基于岭回归和支持向量机结合的数据挖掘新方法.情报学报，2008(02).[3]高素英李延军金浩岭：回归在经济增长影响因素分析中的应用.统计与决策，2005(10).