Shoeisha Technology Media

IT人材ラボ

記事種別から探す

データの関係性を表せる「相関係数」と2つの落とし穴

  • LINEで送る
  • このエントリーをはてなブックマークに追加
2017/08/07 08:00

 人事業務を行うなかで、「採用時の適性検査の結果と、入社後の業績との関係は?」「1人の管理職が管理するメンバーの数と、メンバーの満足度との関係は?」「年齢とモチベーションとの関係は?」など、さまざまな「関係性」に興味をもたれたり、説明を求められたりする方も多いのではないでしょうか。そして、そのデータから発見・確認された「関係性」に基づいて、施策を打つ対象を決定したり、施策の内容を見直したりすることもあると思います。今回は、「データの関係性」を確認するための指標である「相関係数」と、その留意点についてご紹介します。

今回の「人事データ活用入門」について(編集部)

 本記事は、人材育成や組織開発などの支援を行う株式会社リクルートマネジメントソリューションズの「連載・コラム」コーナーで、2017年1月23日に公開されたこちらの記事を、同社のご協力によりIT人材ラボへ転載しているものです。

まずは見える化してみる

 例えば、「管理職になりたいという意欲は、性別によって異なるのか」という、「性別と管理職志向の関係」を分析する場合、アンケートなどをとり、その結果を基に、図表1のようなクロス表で表すことができます。

図表1:クロス表の例

 また、「売り上げがよいメンバーほど、残業をしているのか」という、「月間の残業時間と売り上げの関係」を分析する場合、勤怠情報と売り上げ情報を基に、図表2のような散布図で表すことができます。

図表2:散布表の例

 しかし、クロス表や散布図を作成しただけでは、「性別と管理職指向の関係」「月間の残業時間と売り上げの関係」の有無は、「なんとなく」は分かりますが、「どの程度の強さか」が分かりません。

データの性質によって、使える手法が異なる

 ところで、このようなクロス表と散布図は、どのようにして使い分ければよいのでしょうか。使い分けの基準として参考になるのは、図表3の「尺度水準[1]」*という考え方です。

※この続きは、会員の方のみお読みいただけます(登録無料)。


  • LINEで送る
  • このエントリーをはてなブックマークに追加

著者プロフィール

バックナンバー

連載:人事データ活用入門
All contents copyright © 2017 Shoeisha Co., Ltd. All rights reserved. ver.1.0