一元线性回归分析方法与工人需求量的预测.doc

《一元线性回归分析方法与工人需求量的预测.doc》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、一元线性回归分析方法与工人需求量的预测摘要：“用工荒”在一些地区时有发生。一个企业到底需要多少工人，估算方法各不相同。估算准确，既可以节省人力资源成本，又能实现预期的生产冃标。本文运用统计学屮的一元线性回归分析方法预测工人需求量，通过实证解析，揭示出以工时为自变量预测工人需求量的一元线性回归分析方法的应用要点，并最终提出应用建议。关键词：一元线性回归分析方法用工需求年平均人数工时屮图分类号：F243文献标识码：BApplicationofunitarylinearrecursiveanalysismeansinworkerneeded-quantityforecastZHANGShao

2、-jian(AVICXAC,Xian710089,China)Abstract：LaborShortageappearsometimeinsomeprefecture.Estimatingmeansvary，ofworkersanemployerdemandafterall.Accurateistheestimating，anemployerisablenotonlytoreducehumanresourcescosts,butalsotosuccessfullyachieveproductionplanaim.Byanalysis，whichapplyingunitarylinear

3、recursiveanalysismeansinstatistics,ofthelivingexamples，andpracticalevaluationofrecurrencevalue,deviation,fullyunfoldingtheapplicationkeypointsofunitarylinearrecursiveanalysismeansofworkersneeded-quantityforecastbymanhourindependentvariable，thearticleadvancetheapplicationadvice•Keywords：UnitaryLi

4、nearRecursiveAnalysisMeans；AnnualAverageNumberOfWorkers；Man-hour我需耍多少工人？这是制造业企业主都遇见过的问题。解决这个问题通常的做法是根据往年产量与工人数匹配的比例，计算与未来产量相匹配的工人数。即：工人数尸比例系数aX产量X，这种计算方法简单易行，？m用于产量与工人数成正比例函数关系的情况，这种情况多为劳动密集型企业。对于劳动密集型向资本和技术密集型逐年转化的企业，其产量与工人数不一定成正比例函数关系，而呈现的是相关关系。如船舶和航空航天制造等资本和技术含量较高的高科技企业。在产量与工人数具有相关关系的情况下，统计学中

5、线性冋归分析方法为工人需求量的预测提供了一个很好的预测方法。一、一元线性回归分析方法自变量的选择第一、当产品属同品种同规格时，产品具有可比性，产量可直接作为自变量。而当产品品种规格不相同时，产品没有可比性，需选择与产量对应的工时作为自变量。第二，因管理需要而将工时分类为商品工时（销售产值的衡量指标）和总T时（下人实际劳动量的衡量指标），应选择与生产工人人数相关性较强的那类工时作为自变量，即相关系数较大的那类工时作为自变量，以保证回归方程有较强的线性显著性水平，从而使回归预测值更接近观测值。二、一元线性回归分析方法在Excel中的实现例：2016年年初，秦航公司根据2016年计划产量预测

6、工人年平均人数（12个月平均每月工人人数）。统计人员收集、整理出1991〜2015年期间该公司的产品产量、工时及工人年平均人数的数据资料，见表1。己知，2015年年全部职工实际年平均人数为237人，2011〜2015年5年平均全员劳动生产率实际为5094小时/人，2016年该公司计划生产不同品种不同规格的产品11件。2016年年初，统计人员根据计划产量预估2016年产品商品工时和总工时分别为1300000小时和1280000小时。该公司2016年全年实际产品产量为10件，实际完成商品工时和总工时分别为1204057小时和1123723小时，实际工人年平均人数为177人。1991〜201

7、5年秦航公司产量、工时及工人年平均人数见表1。（一）建立一元线性冋归方程秦航公司产品品种规格不同，不能直接以产量作为自变量，应以商品工时或总工时为自变量进行回归分析。在Excel表屮，选择数裾分析选项屮的〔回归）分析工具，回归分析输出结果见表2;商品工时与生产工人年平均人数线性拟合如图1;总工时和生产工人年平均人数回归分析结果如表3。因为表2中的商品工时回归统计的相关系数0.861大于表3中的总工时回归统计的相关系数0.857。所以，本案应选择