回归分析在企业管理中的应用.pdf

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:X1〉
X2>X3〉X4，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)。