線形回帰付き散布図を使った人事データの可視化例です。散布図は量的変数同士の関係を観察するために利用されます。散布図に回帰直線をフィットさせることで、傾向を捉えやすくなります。

人事データ可視化の例

散布図

人事データ可視化の狙い

  • マネジメント教育施策の検討のため、勤続年数とコンピテンシーの関係を調査する。

人事データ可視化アプローチ

利用するグラフ

  • 散布図： 量的変数と量的変数の関係を可視化。
  • 線形回帰(単回帰)： 変数同士の線形な関係を推測する。

アプローチ

  • 関心のあるコンピテンシー項目と勤続年数から散布図を作り、関係性を確認する。
  • 採用種別により勤続年数の意味合いが異なると想定し、グループ分けしたうえで回帰直線をフィットさせる。

グラフの作り方

  • Pythonのseaborn.lmplotによる可視化例。
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.ticker as ticker
import japanize_matplotlib
import seaborn as sns

sns.set_theme(style='ticks')
japanize_matplotlib.japanize()

# データの読み込み
df_hr = pd.read_csv('./HRトイデータ_人事情報_拡張版.csv')

# グラフ
sns.lmplot(data=df_hr, x='勤続年数', y='コンピテンシー_マネジメント', hue='採用種別', height=6, scatter_kws={'alpha': .5})