供电企业人力资源需求预测模型和应用

《供电企业人力资源需求预测模型和应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、供电企业人力资源需求预测模型和应用　　摘要：本文介绍了供电企业人力资源需求预测的理念、范围、目标、指标和方法，通过综合分析影响供电企业人力资源需求的各种因素，提出了以全社会用电量为自变量、以定员人数为因变量的人力资源需求预测回归分析模型，并结合专家咨询法提炼出供电企业人力资源需求预测方法。关键词：供电企业人力资源需求预测模型一、供电企业人力资源需求预测的目标描述1.人力资源需求预测的理念在服从国家电网公司战略目标的前提下，通过预测人员需求，采取措施吸引和保留专业人才，从而获得和保持企业核心能力。2.人力资源需求预测的范围第一，人力资源总量预测；第二，人力资源结

2、构预测；第三，企业特种人力资源需求预测。本文以人力资源总量和结构预测为重点。3.人力资源需求预测的目标第一，满足供电企业在生存发展过程中对人力资源的需求；第二，为供电企业人力资源管理提供基础性的决策依据；第三，控制供电企业人工成本。4.人力资源需求预测的指标体系7（1）对象指标。对象指标是指人力资源需求预测的对象，可以是总量需求预测指标，如：员工总数；管理人员总数；专业技术人员总数；专门技能人员总数。也可以是结构需求预测指标，如：员工构成；管理人员管理层次结构；专业技术人员职能结构；专门技能人员工种结构等。供电企业是传统的国有企业，在劳动用工上实行用工计划控制

3、，同时，在企业中还存在着全民用工、集体用工、农电工、劳务派遣用工等多种用工方式并存的现象。因供电企业用工一般都存在缺员或超员情况，如果以全口径（各类编制人员）实际用工人数为对象指标，不能客观衡量企业实际用工需求，而以供电企业劳动定员人数作为企业“合理”的用工需求则更为科学和客观。因此，本文以供电企业定员人数作为人力资源需求预测的对象指标。（2）依据指标。依据指标是指影响需求预测的变量因素，这些因素主导着供电企业的活动，决定着人才的需求，它体现在企业的发展战略和发展计划中，是对需求进行定量分析的关键因素，供电企业人力资源需求预测的依据指标可选择：供电量、售电量、

4、全社会用电量、营业户数、变电站数量、配变台数、电网线路长度等。二、供电企业人力资源需求预测模型的构建和应用1.专家咨询法7电力行业是一个资本密集型、技术密集型和劳动密集型于一体的特殊行业，有着其独特的发展规律。随着智能电网建设、新能源以及供用电技术的不断发展，新兴科技的不断运用对供电企业今后的人员需求有较多影响。在咨询了电力部门的专家后，我们得到的结论是：电力企业的人员增长与电量的增长大致呈0.3：1的水平，即电量增加100%，人员增长大致在30%左右是比较合适的，当然这也受到企业管理水平、科技应用水平和当地地域环境的影响。根据以上原则，我们可以构建以下人力资

5、源需求预测模型：Yt=（0.3*（Xt/Xt-1）+0.7）*Yt-1（Ⅰ）其中：Yt——预测期定员人数；Yt-1——预测期上一期定员人数；Xt——预测期全社会用电量；Xt-1——预测期上一期全社会用电量。2.回归分析法7电能是供电企业生产经营的唯一产品，售电收入是供电企业主营业务收入的唯一来源。所以供电量和售电量是我们在进行人员需求预测时的重要依据。其次，从实际经验来看，用电营业户数、电力设备等因素也会影响人力资源需求，为了进一步分析以上各类因素对人力资源需求的影响程度，我们利用某供电公司（以下简称Y公司）2003年至2010年的历史数据（详见表1）进行相关

6、分析（详见表2）。备注：2007年，国家电网供电企业劳动定员标准改版，公司定员人数比2006年减少了43人。相关分析表明，对Y公司人力资源需求影响最大的几个因素依次为营业户数、全社会用电量、供电量和售电量。进一步对营业户数和全社会用电量这两个指标与定员人数的相关系数进行显著性检验，可以发现：以上两个指标与定员人数均在0.01水平上显著相关。理论上，在生产技术水平不变的条件下，企业的产品产量会随着用工人数的增加而不断增加，直到达到某个特定值后开始减少，换言之，企业用工人数超过一定的规模，产品产量不但不会增加反而会减少。在经济学上，将这种现象叫做边际报酬递减规律。

7、因此，在一定时期内，企业会将用工规模保持在合理的程度，用工人数增幅必定会逐渐减少。因此，采用乘幂或对数模型比简单线性回归模型更为合理。因营业户数并非公司提供的直接产品，因此，我们优先选择以全社会用电量为自变量，以供电企业定员人数为因变量构建以下人力资源需求回归模型。乘幂回归模型：lnY=lnα+βlnX+ε（Ⅱ）对数回归模型：Y=α+βlnX+ε（Ⅲ）其中：Y——定员人数；X——全社会用电量；7α、β——根据历史数据估计的系数；ε——随机误差项。根据表1提供的数据，利用Excel对模型Ⅱ和模型Ⅲ的参数进行回归分析如下：回归分析结果表明：以上两个模型均通过显著性

8、检验，同时，具有较好的拟合优度（R2）