[論文レビュー] IBM Employee Attrition Analysis

Shenghuan Yang, Tariqul Islam|arXiv (Cornell University)|Dec 2, 2020

AI and HR TechnologiesBusiness, Management and Accounting参考文献 12被引用数 18

ひとこと要約

本研究では、ランダムフォレスト、K-meansクラスタリング、およびバイナリロジスティック回帰を用いて、IBMの従業員の離職を分析し、離職の主な予測要因を特定した。その結果、頻繁に出張する従業員（2.4倍の高い離職リスク）、HR部門に所属する従業員、および低い職務満足度を示す従業員は離職しやすいことが判明した一方、収入、年齢、経験年数が高くなるほど離職リスクは低下した。ロジスティック回帰モデルは、離職予測において88.43％の精度を達成した。

ABSTRACT

In this paper, we analyzed the dataset IBM Employee Attrition to find the main reasons why employees choose to resign. Firstly, we utilized the correlation matrix to see some features that were not significantly correlated with other attributes and removed them from our dataset. Secondly, we selected important features by exploiting Random Forest, finding monthlyincome, age, and the number of companies worked significantly impacted employee attrition. Next, we also classified people into two clusters by using K-means Clustering. Finally, We performed binary logistic regression quantitative analysis: the attrition of people who traveled frequently was 2.4 times higher than that of people who rarely traveled. And we also found that employees who work in Human Resource have a higher tendency to leave.

研究の動機と目的

• 機械学習を用いてIBMにおける従業員離職を引き起こす主な要因を特定すること。
• バイナリロジスティック回帰およびアンサンブルモデルを用いて従業員離職を予測すること。
• K-meansクラスタリングを用いて離職リスクに基づいて従業員のクラスタを分類すること。
• 記述統計的分析を通じて、人種的・職務関連変数の離職への影響を定量化すること。
• 離職を低減し、職務満足度を向上させるための実行可能なイン사이트をHR部門に提供すること。

提案手法

• 特徴量の重要度を順位付けするためにランダムフォレストを適用し、月収、年齢、勤務経験会社数が上位の予測要因であると特定した。
• 離職リスクに基づいて従業員を2つのクラスタに分けるためにK-meansクラスタリングを用い、明確な行動パターンの差が明らかになった。
• カテゴリカル変数における離職のオッズ比をモデル化するためにバイナリロジスティック回帰を実施し、離職を0（いいえ）または1（はい）の二値出力として扱った。
• モデル効率を向上させるために、相関行列を用いて相関が低い特徴量を削除することでデータ前処理を実施した。
• モデルの性能を評価し、過学習を防ぐためにデータセットを80％（訓練用）、20％（テスト用）に分割した。
• 各予測要因が離職に与える影響を定量化するために、95％信頼区間を伴うオッズ比（OR）を計算した。

実験結果

リサーチクエスチョン

• RQ1 IBMにおける従業員の自発的退職の可能性に最も顕著に影響を与える従業員の特徴は何か？
• RQ2 職務役割、出張頻度、および婚姻状態は、従業員の離職率にどのように影響を与えるか？
• RQ3 人種的および職務関連の特徴を用いて、機械学習モデルは従業員離職を正確に予測できるか？
• RQ4 高離職リスクと低離職リスクの従業員には、どのような特徴的な行動クラスタが存在するか？
• RQ5 収入および職位レベルが反映する職務満足度は、従業員の定着率とどのように相関するか？

主な発見

• 頻繁に出張する従業員は、出張が少ない従業員と比べて離職のオッズが2.411倍高い（p < 0.05）。
• HR部門に所属する従業員は、営業担当者と比べて離職のオッズが4.060倍高い（p < 0.05）。
• 既婚および離婚済みの従業員は、独身の従業員と比べてそれぞれ離職のオッズが0.427および0.304倍である（p < 0.05）。
• 女性は男性と比べて離職のオッズが0.659倍であり、女性の離職率が低いことを示している（p < 0.05）。
• 残業が多い従業員は、離職のオッズがたった0.138倍にとどまり、離職と強い負の相関があることが示唆された（p < 0.05）。
• バイナリロジスティック回帰モデルは、従業員離職予測において88.43％の精度を達成し、ランダムフォレスト（84.56％の精度）を上回った。