员工离职影响因素及其作用机制研究

离职研究的历史可追溯到20世纪初,先后有许多各学科学者进行研究。在我国经济体制改革以后,也有许多学者进行了这方面的研究。由于离职研究涉及员工离职背后的多层面因素,对人力资源管理实践具有重要指导意义。本文对离职概念进行了清晰的界定,认为是指主动离职,并以此分析了离职影响因素。在此基础上对这些因素的相互作用机制———离职模型进行了探讨。最后,提出了以后的研究方向。     

基于Stacking集成模型的网络流量预测研究

针对网络流量预测准确率不够高的问题,结合当下流行的集成学习(Ensemble Learning),提出一种Stacking集成多种模型的网络流量预测方法;将天气因素量化后作为输入,使用7个机器学习模型分别对网络流量进行预测,然后根据对不同模型预测结果的Pearson相关系数的分析,选取相关性较弱的5个模型作为Stack...     

员工离职原因及对策研究

怎样才能留住人才,使离职率控制在合理范围内,使得企业在激烈的市场竞争中无后顾之忧,从而获得稳定健康的发展,是现代人力资源管理的重点问题。本文从员工离职的概念入手分析员工离职的原因,针对员工离职的原因提出管理对策,尽可能得把员工的离职率控制在合理范围内,实现企业、员工的双赢局面。     

知识型员工离职创业的福利与政策研究

当今高科技产业竞争存在一个重要特征,即市场竞争通常是由高科技企业内部知识型员工离职创业导致的。知识型员工的离职创业行为既释放了企业家精神、促进了市场竞争,也降低了在位企业的创新动机,因此在福利上体现出两面性。相应的政策目标是应当以社会福利最大化为原则,分析知识型员工创业行为对社会福利增进和损害的2个方面,寻找到政策工具的最优切入点。     

基于Stacking融合的工程造价预测组合模型

为了快速准确地进行工程造价预测,本文收集高层住宅工程造价历史数据,利用相关性系数法对定量指标进行约简,运用Python构建了以随机森林、XGBoost和岭回归作为初级学习器,岭回归作为元学习器的Stacking集成学习的融合模型。结果表明：基于Stacking融合模型预测精度较高,结果稳定,平均绝对误差在5%以内,有助于项目建设前期的造价预测。     

高新技术企业核心员工离职问题研究

信息技术革命使世界经济向主要依靠智力的知识经济转变,知识作为一种生产要素,对经济的贡献越来越大,这从客观上使得我们在人力资源管理中要以知识型员工为核心管理对象。其中知识型中的核心人员又是重中之重,他们创造出企业80%的利润,他们的流失给企业带来的损害更为严重。这又迫使我们不得不认真思考如何有效保留核心技术人员,降低其流失风险。     

基于工作嵌入理论的新生代员工离职管理研究

新生代员工离职是劳动力市场上一个亟待解决的世界性管理难题。基于我国新生代员工群体特点、职场形态、环境抗争、离职创业动机、对现实的追求等,从工作嵌入理论的视角出发系统研究本土化的新生代员工离职问题。通过研究指出离职管理的必要性,同时进一步提出解决离职管理问题的对策与措施。     

基于工作嵌入理论的新生代员工离职管理研究

新生代员工离职是劳动力市场上一个亟待解决的世界性管理难题。基于我国新生代员工群体特点、职场形态、环境抗争、离职创业动机、对现实的追求等,从工作嵌入理论的视角出发系统研究本土化的新生代员工离职问题。通过研究指出离职管理的必要性,同时进一步提出解决离职管理问题的对策与措施。     

基于 XGBoost 的房价预测优化

观来说，房价受到诸多因素的制约，正因如此，房价预测仍然是数据分析中一个非常经典且具有挑战性的问题.本文针对房价数据冗余，在实际场景中很难确定重要特征，提出了一种创新的数据预处理方式，并通过双模型迭代拟合的方式进行数据预测.首先从数据意义、数据形式和数据关联性三个方面进行初始数据预处理，然后根据数据选择适合的模型进行训练.在传统机器学习中，Random Forest和 XGBoost是两种常用的方法.RF 模型通过其 Bagging 过程，能够准确地评判“冗余”特征，而 XGB 模型在提高预测效果的同时，也囿于其泛化能力下降，无法稳定地反映特征重要性.因此，本文利用 RF 模型处理冗余数据，并使用XGB模型对新数据集进行拟合提高预测效果.本文在Kaggle竞赛的数据集（"House Prices Advanced Regression Techniques"）上进行了实验，测试结果显示，XGB回归模型最终的回归精度R2为87%，而单独的RF模型或XGB模型的R2分别为79.2%和78.7%.实验证明，该数据预测方法能够明显提高房价预测效果.同时，为充分体现模型拟合效果和预测能力，将“房价”改为具有“高”和“低”两类的离散变量，最终预测结果的精确度为93%，召回率为93%.     

员工流动损益的计量研究

随着企业间人才的竞争日益激烈,员工流动的现象也愈演愈烈。适当的人才流动对人力资源配置的科学化、合理化有着一定的积极意义,但过高的流动率也会给企业带来巨大损失。笔者从成本-收益的角度出发,在已有的员工流动成本模型基础上,构建了全新的员工流动损益模型,并提供了隐性成本/收益的有效计量方法,让人们对于员工流动有更客观、更全面的认识,有利于企业正确的评价员工流动对企业的影响,帮助企业提高人力资源的管理水平。     

员工流动损益的计量研究

随着企业间人才的竞争日益激烈,员工流动的现象也愈演愈烈。适当的人才流动对人力资源配置的科学化、合理化有着一定的积极意义,但过高的流动率也会给企业带来巨大损失。笔者从成本-收益的角度出发,在已有的员工流动成本模型基础上,构建了全新的员工流动损益模型,并提供了隐性成本/收益的有效计量方法,让人们对于员工流动有更客观、更全面的认识,有利于企业正确的评价员工流动对企业的影响,帮助企业提高人力资源的管理水平。     

基于心理契约的知识型员工流动及影响因素实证研究——以中小民营企业为例

以中小民营企业知识型员工为研究对象,对其流动影响因素和流动行为关系进行研究。     

知识型员工流动成本的构成及防控对策

目前,许多企业中知识型员工流动率较高,成为企业利润的无形杀手。为此,企业管理人员必须树立正确的成本意识,科学计算知识型员工流动成本,在员工流动过程中的各个阶段,分别采取有针对性的措施,加强对知识型员工流动成本的预防和控制,从而有效降低知识型员工流动给企业带来的损失。     

系统灰预测在货运周转量中的应用

在对重庆水运发展现状研究的基础上,建立了适合重庆水运货运周转量的系统灰预测模型,即GM(1,N)与GM(1,1)的嵌套模型,通过对实际数据的预测与比较,发现嵌套模型的预测精度明显优于普通的GM(1,1)模型。最后利用该嵌套模型对2010～2012年重庆水运的货运周转量进行了预测。     

基于关键技术人员离职引发组织知识流失的离职研究视角

知识资源是企业核心能力的关键要素,关键技术员工是企业知识资源的重要载体。企业关键技术人员离职造成的企业知识流失问题,开始成为影响企业(尤其是知识密集型企业)生存与发展的重要问题。就此,对雇员离职和组织知识管理领域的理论研究进展分别进行评述,并指出当前雇员离职研究体系应根据关键技术员工特征及其离职对组织知识流失的影响做出相应拓展。     

基于Lasso算法的油田产量预测方法

随着油田的不断开采,油田的产量预测也变得越来越重要。目前有许多基于机器学习的预测方法,但大多数都不能给出具体的预测模型。本文提出了一种基于Lasso算法的预测方法,结合现场生产数据,选取一系列相关特征参数,通过对参数数据的初步分析,初步选取各个参数的函数形式,然后利用Lasso算法得到最终的预测模型,最终达到预测产量的目的。现场试验表明：该方法得到的预测模型比较准确,可解释性强,且预测精度高,可以应用于矿场产量预测。     

依托新建变电所投产工作的青工培训研究与实践

随着时代的发展,用电量的不断攀升,电网规模不断扩大,电力企业对人才的需求越发旺盛。近年来,大批高学历大学生加入电力行业,大大提高电力企业员工素质。如何使新进大学生迅速将在校间所学知识转化为生产力,为企业创造效益,成为一道难题。本文针对班组新进大学生员工参与新建变电所投产工作这一创新培训模式进行研究与实践,取得了一定的效果,并总结青工培训实践的经验。