基于Logistic回归模型的员工离职倾向影响因素研究

Research on Factors Influencing Employee Turnover Intention Based on Logistic Regression Model

摘要: 随着市场竞争压力的持续增大，员工主动离职率升高已成为企业面临的重要难题。本文首先从理论上分析员工离职倾向及其影响因素，然后基于Logistic回归模型对员工离职倾向及其影响因素进行实证分析，以确定离职倾向的影响因素以及各影响因素对离职倾向的影响程度。研究结果表明，员工满意度、完成项目数和工作事故与离职率呈负相关，而员工平均每月工作时间和司龄与离职率呈正相关。此外，晋升、工作部门和薪酬水平也对离职率产生影响。本文的研究结果为企业制定降低主动离职率的合理决策提供了参考。

Abstract: As market competition pressure continues to increase, the increase in employee voluntary turnover rate has become an important problem faced by enterprises. This article first theoretically analyzes employee turnover intention and its influencing factors, and then conducts an empirical analysis of employee turnover intention and its influencing factors based on the logistic regression model to determine the influencing factors of turnover intention and the degree of influence of each influencing factor on turnover intention. The research results show that employee satisfaction, number of completed projects and work accidents are negatively related to turnover rate, while employees’ average monthly working hours and company age are positively related to turnover rate. In addition, promotions, job departments and pay levels also have an impact on turnover rates. The re-search results of this article provide a reference for enterprises to make reasonable decisions to reduce voluntary turnover rates.

1. 引言

知识经济时代，人才是企业健康发展的核心，更是推动企业高质量发展的关键因素。然而，当前许多企业在员工管理方面存在令人担忧的问题。例如，持续的高负荷工作、落后的薪酬激励方案以及恶劣的工作环境等，这导致一线员工的离职率和流动率居高不下。据前程无忧人力资源调研中心发布的《2022离职与调薪调研报告》显示，与2020年相比，2021年员工整体离职率上升了4.0个百分点，达到18.8%。其中，餐饮/酒店/旅游以及高科技行业的主动离职率位居前列，分别为16.9%和15.9%¹。尽管在市场竞争中，保持一定的员工流动有助于企业通过优胜劣汰的人才竞争机制来保持活力和创新意识；然而，过高的离职率意味着企业内部人才流失严重，且在岗员工已经出现了比较严重的离职倾向，这种消极情绪会进一步影响他们的工作投入和责任心，从而不利于企业的稳定发展，并降低其核心竞争力 [1] 。因此，如何降低企业员工的离职率，成为人力资源管理部门需要解决的重要问题。

在大数据背景下，本研究基于Logistic回归模型，对员工离职倾向及其影响因素进行深入研究，以探索离职倾向的关键影响因素及其影响程度，为企业制定降低离职率的决策提供科学依据。

2. 理论分析

本文对员工离职倾向及其影响因素的定义和影响作用等分析如下。

2.1. 离职倾向

陈园园认为，离职倾向是员工从对当前工作产生不满意感到采取实际离职行为的重要影响因素 [2] 。唐卫卫则认为，离职倾向是一种潜在的心理动机 [3] 。张凯丽提出，离职倾向体现了员工想要离开组织或工作岗位的心理倾向 [4] 。本文中，离职倾向特指员工产生离开组织或工作岗位的心理倾向。

离职可分为主动离职和被动离职两种。被动离职主要是由于被解雇、退休或工伤等原因导致的离职，这通常有利于企业的发展。但员工主动离职不利于企业的发展，会给企业带来人力资本投资的损失。因此，主动离职常成为企业关注的焦点。

2.2. 离职倾向的影响因素

本文选取了9个对离职倾向有影响的因素，分别是员工满意度、绩效评估、完成项目数、平均每月工作时间、司龄、工作事故、5年内晋升情况、工作部门和薪酬水平。

(1) 员工满意度

员工满意度指员工对其职业和工作的整体感受，也是员工与组织进行社会交换过程中对组织的主观评价 [5] 。当员工从组织获取的报酬达到或超出预期时，他们的工作满意度将会提高，并通过高绩效等方式回馈组织；反之，则表现为低工作满意度，员工可能产生离职倾向。彭川宇的实证结果表明，对于知识型员工而言，工作满意度是影响其离职的重要因素，提高工作满意度有利于降低员工离职倾向 [6] 。

(2) 绩效评估

绩效评估指企业设立工作目标和绩效标准，采用科学的方法对员工进行绩效考核，考核结果反映了员工的工作表现和贡献。高离职倾向的员工往往缺乏提高工作绩效的动机，甚至可能减少对企业有利的行为。因此，对于这些员工，需要采取针对性的措施，以提高其工作积极性和绩效表现，降低离职倾向。

(3) 完成项目数

完成项目数是指员工在现企业参与完成的项目数量。参与项目可以帮助员工锻炼工作能力，积累经验，并获得工作成就感。然而，随着员工能力的提高，如果薪酬待遇没有相应调整，员工的离职倾向可能会增加。

(4) 平均每月工作时间

平均每月工作时间与员工工作负荷有关，平均每月工作时间越长，员工工作负荷越高。员工工作负荷与离职倾向有一定的相关性。肖林生的实证结果表明，工作负荷越大，员工的离职倾向越高 [7] 。

(5) 司龄

司龄是指员工在现企业的连续工作年限。司龄越长，员工的工作经验则相对越多。张幼君的实证结果表明，随着工作年限的积累，员工对企业的忠诚度会增高，离职倾向会降低 [8] 。

(6) 工作事故

工作事故指员工在企业工作时因失误导致的事故。工作失误造成工作事故会使员工产生负罪感和挫败感等消极情绪，进而其离职倾向会增大。

(7) 5年内晋升情况

5年内晋升情况指员工在企业工作的5年内是否升职。这表明了员工所遇的发展机会和发展速度。詹岳伟的实证结果表明，晋升发展因素与离职倾向呈负相关 [9] 。

(8) 工作部门

员工工作所在部门不同，工作特点不同，员工离职率不同。

(9) 薪酬水平

薪酬水平指企业支付给不同职位的平均薪酬，它是激励员工工作的一项关键因素。万子瑾的实证结果表明，薪酬满意度低的员工更易有离职倾向 [10] 。

2.3. 模型构建

2.3.1. 模型构建

员工离职倾向是二元离散选择型变量，其取值Y只有“离职”与“不离职”，因此采用二元Logistic回归模型分析员工离职倾向是最适合的。二元Logistic回归模型原理如下：

$Ln\left(\frac{P_i}{1-P_i}\right)={\beta }_0+{\beta }_1{X}_1+{\beta }_2{X}_2+\cdots +{\beta }_m{X}_m$ (1)

式中， $Ln\left(\frac{P_i}{1-P_i}\right)$ 为X的线性函数； $P_i$ 为所研究事件发生的概率； $\frac{P_i}{1-P_i}$ 为机会比率，即所研究事件“发

生”与“没发生”的概率之比；回归系数 ${\beta }_i$ 是指在其他变量不变的情况下，解释变量变化1个单位所引起的比率对数的改变值； ${\beta }_0$ 为常数项； $X_i$ 为自变量。

2.3.2. 变量说明

本文的被解释变量及解释变量的具体含义及说明见表1。

Table 1. Variable list

表1. 变量列表

本文涉及变量共有离职状态1个被解释变量，员工满意度、绩效评估、完成项目数、平均每月工作时间、司龄、工作事故、5年内晋升情况、工作部门和薪酬水平9个解释变量。其中离职状态、5年内晋升情况、工作部门和薪酬水平为分类型变量；员工满意度、绩效评估、完成项目数、平均每月工作时间、司龄和工作事故为连续型变量。

3. 实证分析

本文采用SPSS软件，基于Logistic回归模型对员工离职倾向及其影响因素进行分析。

3.1. 数据来源

本文数据来源于Kaggle平台。Kaggle是由联合创始人、首席执行官Goldbloom于2010年在墨尔本创立的为开发商和数据科学家提供举办机器学习竞赛、托管数据库、编写和分享代码的平台。数据共包含员工离职状态、员工满意度分值、绩效评估、完成项目数、平均每月工作时间、司龄、工作事故、5年内晋升情况、工作部门和薪酬水平10个变量，共3350条有效记录²。

本次分析对员工满意度分值、绩效评估、完成项目数、平均每月工作时间、司龄和工作事故6个变量进行了标准化处理，以避免量纲不同对结果的影响。

3.2. 描述统计分析

3.2.1. 分类型变量

各分类型变量的描述性统计结果如下。

(1) 工作部门

样本中共有管理和技术2个部门，各部门已离职和未离职员工总人数分别为630和2720人，分别占总体比例如图1所示³。

Figure 1. The proportion of employees in each department to the total

图1. 各部门员工人数占总体比例

(2) 离职状态

样本中不同离职状态的员工人数占总体比例如图2所示。相同时间段内，该企业共788位员工已离职，2562位员工未离职⁴。

Figure 2. Shows the overall proportion of employees with different resignation statuses

图2. 不同离职状态的员工人数占总体比例

(3) 5年内晋升情况

样本中5年内是否有过晋升的员工人数占总体比例如图3所示，共97位员工在5年内有过晋升，3253位员工在5年内未晋升⁵。

Figure 3. Overall proportion of employees who have been promoted within 5 years

图3. 5年内是否有过晋升的员工人数占总体比例

(4) 薪酬水平

样本中薪酬水平分为低、中和高三等级，不同薪酬水平员工人数占总体比例如图4所示，共1552位员工薪酬水平较低，1372位员工薪酬水平处于中等级，426位员工薪酬水平较高⁶。

Figure 4. The total proportion of employees with different salary levels

图4. 不同薪酬水平员工人数占总体比例

3.2.2. 连续型变量

连续型变量描述性统计结果如表2所示。

Table 2. Descriptive statistical results of continuous variables

表2. 连续型变量描述性统计结果⁷

通过分析表2，得出以下结论：

(1) 员工对企业的满意度平均分相对较高，为61分，这表明大部分员工对企业的满意度较高；但其离散程度相对较大，这意味着员工之间的满意度存在较大差异。企业可以考虑针对不同员工的需求和反馈，采取措施提高整体满意度，例如改进工作环境、提供更好的培训和福利等。

(2) 员工绩效得分平均值较高，为72分，这表明大部分员工的绩效表现良好；但其离散程度也较大，这意味着员工之间的绩效得分存在较大差异。企业可以关注那些绩效得分较低的员工，为他们提供必要的支持和培训，帮助他们提高工作表现。

(3) 员工人均完成项目数为4个，员工个人完成最多项目数为7个，这表明某些员工能够承担更多的工作负荷。企业可以根据员工的能力和工作需求，合理分配工作任务，确保工作能够顺利进行。

(4) 员工人均平均每月工作时间为202小时，这表明大部分员工的工作时间相对稳定。员工最小平均每月工作时间为97小时，最多为310小时；这可能意味着某些员工需要承担更多的工作量。企业可以根据工作需求和员工能力，适当调整工作时间和工作量，以提高工作效率和员工满意度。

(5) 司龄人均4年，最少为2年，最多为10年。企业可以关注那些司龄较短的员工，为他们提供更多的培训和支持，帮助他们更好地融入企业。

(6) 工作事故人均0次，这表明大部分员工能够遵守安全规定和工作流程。员工个人最多工作事故次数为1次，这可能意味着某些员工需要更加注意安全操作和流程遵守。企业可以加强安全培训和教育，提高员工的安全意识和操作规范性。

3.3. 基于Logistic回归模型对离职倾向及其影响因素分析

3.3.1. 回归分析结果

由于研究所用别解释变量“离职状态”为二分类变量，所以使用Logistic回归模型分析对其影响因素进行研究。模型最终总预测正确率为78.5%，预测结果较好。最终回归分析结果如表3所示⁸。

Table 3. Logistic regression analysis results

表3. Logistic回归分析结果⁹

3.3.2. 影响因素具体表现

各影响因素具体表现如下：

(1) 员工满意度

在 $\alpha =5\%$ 的水平下显著，回归系数为负，表明员工满意度与离职率呈负相关。员工满意度每提高一分，员工离职率降低98.2%。

(2) 绩效评估

在 $\alpha =5\%$ 的水平下不显著，对员工离职率影响较小。

(3) 完成项目数

在 $\alpha =5\%$ 的水平下显著，回归系数为负，表明员工完成项目数与离职率呈负相关。员工每多完成一个项目，员工离职率降低83.3%。

(4) 平均每月工作时间

在 $\alpha =5\%$ 的水平下显著，回归系数为正，表明员工平均每月工作时间与离职率呈正相关。员工每增加1小时，员工离职率提高5.9%。

(5) 司龄

在 $\alpha =5\%$ 的水平下显著，回归系数为正，表明员工司龄与离职率呈正相关。员工司龄每增加1年，员工离职率提高21.1%。

(6) 工作事故

在 $\alpha =5\%$ 的水平下显著，回归系数为负，表明员工发生工作事故次数与离职率呈负相关。员工每多发生一次工作事故，员工离职率降低77.3%。

(7) 5年内晋升情况

5年内未晋升在 $\alpha =5\%$ 的水平下显著，回归系数为正，表明5年内未晋升的员工的离职率比5年内晋升的员工的离职率高4%。

(8) 工作部门

管理部门在 $\alpha =5\%$ 的水平下显著，回归系数为负，表明管理部门的员工离职率是技术部门的员工离职率的56.6%。

(9) 薪酬水平

薪酬水平处于高等级在 $\alpha =5\%$ 的水平下显著，回归系数为负，表明薪酬水平高的员工的离职率是薪酬水平中等的员工的离职率的17.8%。薪酬水平处于低等级在 $\alpha =5\%$ 的水平下显著，回归系数为正，表明薪酬水平低的员工的离职率比薪酬水平中等的员工的离职率高1.2%。

3.4. 实证分析结论

基于Logistic回归模型对该企业3350个数据进行分析发现，对员工离职倾向影响显著的因素包括8个：员工满意度、完成项目数、平均每月工作时间、司龄、工作事故、5年内晋升情况、工作部门和薪酬水平；影响不显著的因素为绩效评估。其中，员工满意度、完成项目数和工作事故与员工离职率呈负相关，员工平均每月工作时间和司龄与员工离职率呈正相关。5年内晋升过的员工的离职率低于未晋升的员工的离职率。管理部门员工的离职率低于技术部门的员工的离职率。薪酬水平高的员工的离职率低于薪酬水平低或中等的员工的离职率。

4. 结论与不足

4.1. 研究结论

本文基于Logistic回归模型对员工离职倾向及其影响因素进行研究，得到以下研究结论：

(1) 影响员工离职倾向的因素为员工满意度、完成项目数、平均每月工作时间、司龄、工作事故、5年内晋升情况、工作部门和薪酬水平。这些因素在员工离职倾向的作用机制中扮演着重要的角色。

(2) 员工满意度、完成项目数和工作事故与员工离职率呈负相关，其中员工满意度对员工离职倾向影响程度最大。企业可采取措施重视员工满意度的保持与提高，以降低主动离职率。

(3) 员工平均每月工作时间和司龄与员工离职率呈正相关，其中司龄对员工离职倾向影响程度最大。司龄同离职率呈正相关的结论同张幼君的实证结果略不同。企业采取措施降低主动离职率时，应充分考虑自身的实际情况。

(4) 5年内晋升过的员工的离职率低于未晋升的员工的离职率。这可能是因为晋升能够为员工提供更好的职业发展机会和更高的薪酬待遇，从而提高了员工的忠诚度和满意度。因此，企业可通过丰富员工晋升通道，为员工提供更多发展方向及空间来降低主动离职率。

(5) 管理部门员工的离职率低于技术部门的员工的离职率。这可能是因为管理部门的工作相对较为稳定，职业发展机会也较多，而技术部门的工作可能面临更多的挑战和压力。因此，企业可多关注技术部门员工离职率直接诱因并采取针对性措施降低主动离职率。

(6) 薪酬水平高的员工的离职率低于薪酬水平低或中等的员工的离职率。这可能是因为高薪酬能够提高员工的满意度和忠诚度，从而降低了他们的离职率。因此，企业可进行薪酬对标，采用合理的薪酬制度来降低主动离职率。

4.2. 不足

本研究尽管取得了一定的成果，但仍存在一些不足之处，需要进一步加以完善和改进。

首先，数据的代表性不足是一个关键的问题。由于企业种类繁多，不同的企业有着各自独特的情况和特点，员工离职倾向的诱因也会因此而异。因此，本次研究所使用的数据缺乏足够的代表性，所得结论可能不能适用于所有的企业。这可能使得该研究结果的普适性受到一定的限制。为了解决这个问题，未来的研究可以采用更广泛的数据来源，包括不同行业、不同规模、不同地区的企业数据，以提高研究的代表性。

其次，影响因素的考虑不够全面也是本研究的一个不足之处。除了本文所考虑的因素之外，实际情况中还存在其他因素对员工的离职倾向产生影响。例如，工作环境和条件、员工培训和发展机会、工作压力和职业发展前景等都可能对员工的离职倾向产生重要影响。这些因素可能没有在本文的研究中充分考虑，因此需要进一步加以研究和完善。未来的研究可以结合更多的影响因素，进行更全面的分析，以更准确地揭示员工离职倾向的影响因素及其作用机制。

NOTES

¹数据来源：《2022离职与调薪调研报告》。

²数据来源：人力资源数据.sav。

³数据来源：描述性统计结果.spv。

⁴数据来源：描述性统计结果.spv。

⁵数据来源：描述性统计结果.spv。

⁶数据来源：描述性统计结果.spv。

⁷数据来源：描述性统计结果.spv。

⁸数据来源：回归报告.spv。

⁹数据来源：回归报告.spv。