基于SPSS多元线性回归的人才流动分析

杜赫铭，李 文

（1. 山东大学，山东 济南 250100；2. 上海对外经贸大学 统计与信息学院，上海 200050）

基于SPSS多元线性回归的人才流动分析

杜赫铭1，李 文2

（1. 山东大学，山东 济南 250100；2. 上海对外经贸大学 统计与信息学院，上海 200050）

在参考国内外相关学者已有成果基础上，分析出影响高新技术企业人才流动的社会环境因素、企业因素和个人因素等共性原因，并通过调查问卷的方式分别对上海市两家高新技术企业进行实地调研，将统计数据通过SPSS 软件利用多元线性回归模型进行了建模分析，得出影响高新技术企业人才流动的关键因素，为管理层制定科学合理的促进人才流动的对策提供参考依据。

SPSS；多元线性回归；人才流动

0 引言

随着知识经济的快速发展和产业创新转型的深入推进和实施，高新技术企业（以下正文简称：高企）已成为社会经济发展的重要支柱。高企凭借高技术性、高创造性、高知识性和高生产力等特点决定了人才是企业最重要的资源之一[1-2]，是高企能否长久生存和可持续健康发展的关键。高企发展和人才流动问题一直是众多学者研究领域的热门问题之一，高企人才在市场环境、企业环境和个人特性等各种因素的影响下表现出独特的流动规律和流动特征。因此，需要开展对其人才流动问题的研究，找出人才流动的原因，试图为管理层制定科学合理的促进人才流动的对策提供参考依据，进一步支撑我国高企的可持续发展及核心人才的科学管理。

1 高新技术企业人才流动因素分析

企业人才流动受各种内在、外在影响因素的制约，国内外部分学者已对影响人才流动的因素进行了分析，并形成了较为统一的结论。本文在已有成果研究的基础上，将影响高企人才流动的因素分为三大类，分别是社会环境因素、企业因素和个人因素[3-4]。

社会环境因素主要分为社会经济水平、人才流动政策、户籍制度、社会保障制度和档案管理制度等。企业因素主要包括单位性质、工作环境、晋升机制、奖惩政策、职业发展规划、培训机制、同事关系、上级领导和工作压力等内容。个人因素主要指与个体特征、心里偏好和家庭环境等相关的因素，如学历、性别、年龄、婚姻状况、专业技术职称、月平均收入、住房、工作职位和工作年限等[5-9]。

2 SPSS多变量统计研究

本文在结合大量文献和实例分析的基础上，表明流动意向与众多影响因素呈线性关系，可以采用相关分析和回归分析的理论模型，来对高企人才流动的影响因素进行多元线性回归模型分析[10-11]。

多元线性回归的模型如下[12]：

上式中Y是因变量，代表高企人才流动意愿强度，1X,2X,…,mX 是自变量，代表影响高企人才流动的影响因素，其中0β为常数项，1β,2β,…,mβ是偏回归系数，ξ是随机误差，通过spss统计分析软件可以计算出自变量1X,2X,…,mX 选哪些因素，常数项0β、偏回归系数1β,2β,…,mβ、随机误差ξ的具体取值。

3 上海高新技术企业人才流动SPSS实证分析

3.1 调查统计过程

本次调查统计过程以上海两家高企为例进行实证分析，主要是通过熟人引荐，在单位发放调查统计问卷和电话访谈等方式进行，调查内容即为前面分析的影响人才流动的因素。本次共向2家高企发放调查问卷50份，实际回收45份，回收率达到90%，满足统计分析的基本要求，并采用专业统计软件SPSS 19进行数据分析，将调查问卷选项中的A、B、C、D分别用数值1、2、3、4来表示。

3.2 数据统计与分析

3.2.1 单变量统计分析

通过SPSS 19软件将个人基本信息作为变量进行占比分析得出以下数据，由于表格较多，以下仅前两个因素进行说明。

（1）年龄

根据SPSS 19软件分析变量年龄统计表，得出20～30岁的高企人才占比 33.3%，30～40岁占比31.1%，表明被统计高企核心人才处于人生黄金年龄，此时高企人才正处于事业上升期，各方面能力不断提高，面临选择的机会较多。

（2）学历

根据SPSS 19软件分析变量学历统计表，得出拥有大学本科学历的高企人才比 48.9%，硕士研究生占比 33.3%，表明高企中大学本科以上高层次学历占据多数，也证实了前面说分析的高企人才高知识性的特点。

3.2.2 多变量统计分析

通过SPSS 19软件将流动意向作为因变量，将工作环境满意度、工作压力、职业发展规划、晋升机制、奖惩制度满意程度、员工培训满意度、同事关系满意度、上级领导满意度、社会经济水平、人才流动政策、户籍制度、社会保障制度和档案管理制度作为自变量，具体分析结果如表1所示。

表1 输入/移去的变量aTab.1 Input and remove variablesa

通过表1和已排除的变量表可以看出，选择的方法为多元回归分析中的逐步回归分析法，通过被引入的变量分别为工作压力、职业发展规划和工作环境满意度，被排除的变量有员工培训满意度、同事关系满意度、上级领导满意度、工作环境满意度、职业发展规划、晋升机制、社会经济水平、人才流动政策、户籍制度、社会保障制度和档案管理制度。

表2 AnovadTab.2 Anovad

表2给出了回归方程的方差分解及检验结果，其中 F代表构造的统计量的值，Sig.代表显著性水平，模型中Sig.通常与0.05比较，这里的F值对应的 Sig.值均为 0，明显小于0.05水平，统计上非常显著，说明线性模型能够使用。

表3 系数aTab.3 Coefficienta

SPSS分析出了多元线性回归模型的系数表，其中 B代表回归模型的偏回归系数、t代表检验的统计量、Sig.代表显著性水平、VIF代表方差膨胀因子，根据经验表明，当0＜VIF＜10，不存在多重共线性；当 10≤VIF＜100，存在较强的多重共线性；当 VIF≥100，多重共线性非常明显，目前VIF值在2附近，表明各变量之间没有多重共线性关系。

将得出的偏回归系数和自变量，带入多元线性回归模型中，可计算出高企人才流动的意向关系式如下：

高企人才流动意向=5.632-0.41*工作压力-0.358*职业发展规划-0.289*工作环境满意度

从上式可以看出，高企人才流动的意向与工作压力满意度、职业发展规划满意度和工作环境满意度显著相关。

3.2.3 调查问卷信度分析

为了检验调查问卷设置的是否合理，可以采用信度分析来衡量。

信度常用的检测方法是克朗巴哈α系数表（Cronbach's α），将调查问卷的变量通过SPSS分析，模型选择Cronbach's α信度系数法，可得α系数为0.821。根据实践经验，当Cronbach’α系数＜0.5时，表明可信度不理想；当0.5≦Cronbach’α系数＜0.6时，可以接受；0.6≦Cronbach’α系数＜0.7时，可信度尚佳；当0.7≦Cronbach’α系数＜0.8时，可信度较高；当0.8≦Cronbach’α系数＜0.9时，可信度理想；当0.9≦Cronbach’α系数，可信度非常好。由此可知，本次调查问卷设计结构比较合理，能反映高企人才流动的原因。

4 结论

本文在参考国内外众多学者研究成果的基础上，梳理出影响高企人才流动的社会环境因素（包括社会经济水平、人才流动政策、户籍制度、社会保障制度和档案管理制度）、企业因素（包括单位性质、工作环境、晋升机制、奖惩政策、职业发展规划、培训机制、同事关系、上级领导、工作压力）和个人因素（学历、性别、年龄、婚姻状况、专业技术职称、月平均收入、住房、工作职位和工作年限），并通过调查问卷的方式分别对上海市两家高企进行实地调研，将调研数据通过 SPSS软件利用多元线性回归模型进行了建模分析，得出影响高企人才流动的关键因素。

[1] 国家统计局. 2015年中国高技术产业统计年鉴[M]. 北京:中国统计出版社, 2015.

[2] 上海市统计局. 2015上海统计年鉴[M]. 北京: 中国统计出版社, 2015.

[3] 孟令熙. 高新技术企业研发人才流动研究[D]. 上海: 东华大学, 2011.

[4] 袁娟. 长江三角洲区域科技人才流动的现状和对策研究[D]. 南京: 南京航空航天大学, 2007.

[5] 肖乌妹. 企业创新型人才流动风险管理研究[D]. 泉州: 华侨大学, 2013.

[6] 罗希. 高新技术型企业知识型人力资源流动的管理研究[D]. 西安: 陕西师范大学, 2015.

[7] 吴蓉. 高新技术企业知识员工的流失原因与对策研究[D].上海: 华东师范大学, 2009.

[8] 陈卿卿. 上海高新技术企业人才流动问题分析及研究[D].上海: 上海社会科学院, 2012.

[9] 李莎. 河北省高技术产业科技人才流动影响因素研究[D].石家庄: 河北经贸大学, 2013.

[10] 梁斌, 卓梅霞. 基于SPSS统计软件的因子分析法及实证分析[J]. 河西学院学报, 2011, 5(4): 45-49。

[11] 李五俊, 胡建华. 基于Web 服务的SPSS 与. NET 系统集成开发[J]. 软件, 2016, 37(4): 18-21.

[12] 杨维忠, 张甜. SPSS统计分析与行业应用案例详解[M]. 北京: 清华大学出版社, 2011.

Analysis of Talent-flowing Based on SPSS Multiple Linear Regressions

DU He-ming1, LI Wen2
(1. Shandong University, Ji Nan, 250100, China; 2. School of Statistics and Information, Shanghai University of International Business and Economics, Shang Hai, 200050, China)

Based on the existing achievements of relevant scholars at home and abroad, this paper analyzes the common reasons of influencing the talent-flowing of high-tech enterprises, such as social environment factors, enterprise factors and personal factors. Furthermore, it is holding field research into two high-tech enterprises in Shanghai by the method of investigation questionnaire. The statistical data were analyzed by multiple linear regression models through the SPSS software and draw a conclusion to the key factors of influencing the talent-flowing of high-tech enterprises in order to provide references for management to enact the scientific and rational countermeasures of promoting the talent-flowing.

: SPSS; Multiple linear regression; Talent-flowing

TP319

A

10.3969/j.issn.1003-6970.2017.10.029

本文著录格式：杜赫铭，李文. 基于SPSS多元线性回归的人才流动分析[J]. 软件，2017，38（10）：149-151

杜赫铭(1996-)，男，山东大学计算机系大学生，研究方向：软件工程；李文(1970-)女，副教授，博士，研究方向：时间序列分析、国际金融等。