Три вопроса, которые нужно задать HR-менеджеру в собеседование

Выкладываю в качестве кейсов две таблицы с данными. Данные взяты из курсf по статистике Statistics One, который проводят на сайте coursera.org преподаватели Princeton Universityю См подробнее мой пост MOOC — опыт нового формата обучения
Данные выкладываю ниже. Число респондентов для обоих кейсов — 200. Думаю, разберетесь, что к чему. Обращаюсь в первую очередь к участникам своего семинара Аналитика для HR. Были просьбы сделать курс по Аналитике с домашними заданиями — вот в качестве ответа даю задание. Принимаю ваши решения — файлы в формате excel на почту edvb()yandex.ru. Сам я вычисления проводил в программе R, но повторил позже в excel, поэтому вы получите идентичные результаты в excel.
Но это относится далеко не только к участникам семинара по Аналитике, но и ко всем, кому интересно применять математические методы в HR.

Кейс №1 Как зависит уровень вознаграждения от опыта работы и образования.

В таблице указан уровень вознаграждения, опыт работы в сфере, количество пройденных курсов.

Задача: определите долю дисперсии (или R^2 — R — квадрат) , объясняемой опытом работы и количеством учебных курсов, и ответьте на вопрос, какой из предикторов — опыт работы или количество курсов — имеет бОльший вес в росте зарплаты. Говоря банально, от чего больше зависит зарплата — от опыта или количества пройденных курсов.
Вот как задание прозвучало в самом курсе
Salary can be influenced by many variables. Among these, years of professional experience and total courses completed in college are critical. This week we test this hypothesis with a simulated dataset including an outcome variable, salary, and two predictors, years of experience and courses completed. Here are a few questions based on what was covered in the lectures and the lab. Have fun!
В качестве дополнительного задания предлагаю сделать следующее:
За колонкой «Зарплата» создайте колонку «Предсказанные значения» (на основе полученного уравнения регрессии) и создайте диаграмму рассеяния (точечную), где X — предсказанные значения, Y — фактические.
Получилось нечто подобное?
Рис. 1 Прогноз уровня зарплаты

Кейс №2. Влияние возраста и лет занятя физическими упражнениями на выносливость
В данном кейса смотрим, как влияет возраст и стаж занятий физической культурой на выносливость.
Рекомендую последовательно сделать три уравнения:
Y (выносливость) — X (возраст)
Y (выносливость) — X (годы занятия спортом)
Y (выносливость) — X1 (возраст) + X2 (годы занятия спортом)
и посмотрите на эффекты.
Удачи!

Приложение. Таблицы данных для кейсов

ID	опыт	количество курсов	Зарплата	возраст	годы занятия спортом	выносливость
1	5,8	13	67483	60	10	18
2	7,4	18	77204	40	9	36
3	6,8	23	64972	29	2	51
4	8,3	35	94143	47	10	18
5	8,1	19	78954	48	9	23
6	6,5	12	65154	42	6	30
7	8,2	29	80849	55	8	8
8	9,5	21	83860	43	19	40
9	7	27	81909	39	9	28
10	8,4	19	71335	51	14	15
11	8,6	34	93141	54	15	49
12	6,8	19	79678	52	4	27
13	6	15	67545	53	3	12
14	5,1	4	48424	68	17	43
15	9	28	88499	57	24	47
16	7,1	21	74461	30	4	21
17	6,5	23	74806	35	4	32
18	8	27	86326	56	16	33
19	9,7	15	84855	62	14	25
20	8,4	28	82127	39	13	30
21	8	24	86028	32	5	41
22	7,5	24	84386	67	8	25
23	7,4	16	75895	56	13	45
24	3,4	11	51128	47	14	33
25	7,8	20	82438	47	10	29
26	6,7	20	74326	61	11	44
27	8,5	16	73130	40	15	28
28	6,7	4	57351	49	4	20
29	6,9	16	69262	28	13	45
30	6,9	28	80015	40	6	28
31	10	28	91304	44	5	18
32	8,2	8	73767	41	18	29
33	8,7	16	79652	53	13	24
34	8,2	16	74354	67	19	55
35	5,5	8	58475	52	6	26
36	7,7	12	70020	51	10	46
37	8,3	16	70269	46	11	19
38	7,5	20	74288	44	4	25
39	7,8	20	88200	64	16	29
40	9,2	16	84158	58	14	32
41	8,1	14	73026	29	2	32
42	6,9	28	71960	44	11	12
43	10	24	83364	51	12	27
44	7,4	21	81680	51	15	33
45	7	1	66735	53	10	28
46	4,4	12	66510	44	9	34
47	7,8	20	79375	46	0	28
48	9,6	20	84222	49	14	24
49	6,9	16	73652	34	6	28
50	7,7	34	85573	64	13	25
51	8,7	35	79777	44	9	9
52	6	9	67656	37	5	35
53	8,2	31	79093	52	16	36
54	4,4	13	61448	59	12	40
55	7,8	32	92196	60	6	30
56	9,4	35	98765	44	7	14
57	6	16	70593	48	4	22
58	7,6	1	62470	56	9	31
59	9,1	11	81837	48	13	18
60	6,6	16	73379	51	16	15
61	11	32	103819	47	5	31
62	8,4	16	74529	62	14	11
63	8,6	17	83277	52	14	30
64	7,9	12	75336	45	9	9
65	7,8	8	66081	44	0	7
66	7,2	12	77266	46	14	48
67	4,9	14	53340	42	2	21
68	10,2	31	92587	46	13	43
69	6,4	20	76839	42	13	28
70	10,3	36	101071	52	11	28
71	8	8	80706	76	13	13
72	7,1	14	66481	61	11	25
73	9,3	28	82329	34	13	35
74	6,6	13	63791	62	10	13
75	6,2	16	59956	48	9	15
76	8,6	4	78497	47	15	14
77	8,2	16	69680	45	7	29
78	7,9	4	75013	40	5	24
79	6,6	16	75892	64	7	5
80	6,6	16	67926	41	3	11
81	8,6	24	68176	33	2	24
82	7	20	73378	39	10	28
83	9,6	28	89137	67	10	22
84	6,9	12	56717	50	16	35
85	9	29	82127	44	13	32
86	7,9	24	78995	60	10	8
87	9	36	87757	55	11	31
88	6,2	13	71350	39	12	18
89	8,4	24	79440	60	10	34
90	6,9	20	78205	70	14	27
91	6	1	68490	56	10	7
92	8	11	89494	40	25	32
93	8,2	27	88925	54	12	22
94	9,4	26	83403	44	15	42
95	9	33	94042	42	7	10
96	8,1	30	81702	56	12	16
97	5,5	5	59681	53	22	40
98	7,4	15	68121	55	12	28
99	7	8	60305	40	12	29
100	6,7	12	69319	69	17	41
101	7,4	7	67556	59	9	16
102	7,1	7	75505	47	10	28
103	7,5	20	64069	45	10	24
104	8,3	12	76896	62	14	17
105	7,7	7	67145	45	5	10
106	10,2	32	96207	45	12	33
107	8,6	20	83600	70	11	14
108	6,7	24	85922	44	11	32
109	7,3	24	79610	64	13	16
110	10	35	95186	57	12	19
111	6,3	20	67371	53	14	30
112	6,7	14	69460	48	8	13
113	8,8	33	92187	38	6	7
114	8,3	7	67192	53	12	28
115	6,5	16	72511	34	7	42
116	6,6	19	70286	47	9	39
117	7,1	21	71160	43	14	48
118	7,4	16	71651	62	6	22
119	8,3	20	80930	47	14	34
120	7,2	14	72872	41	20	40
121	5,4	16	68929	43	4	26
122	9,5	29	91116	34	12	10
123	7,8	20	72425	28	14	26
124	6,8	8	72845	55	12	7
125	8,1	2	73798	39	3	17
126	7,6	24	83552	48	11	23
127	7,8	9	74117	47	7	18
128	6,8	24	74548	49	6	3
129	5	6	66820	41	5	20
130	8,3	16	71109	46	1	22
131	8,3	20	75722	51	10	31
132	6,9	0	67933	62	13	31
133	9,6	6	81378	67	13	40
134	4	16	56779	41	3	22
135	8	0	78679	47	11	27
136	3,3	12	56563	48	9	31
137	8,6	23	71388	60	4	26
138	6	14	68661	58	26	40
139	5,4	24	67175	36	6	20
140	6,6	2	74317	55	11	13
141	4	12	52028	51	16	35
142	6,9	24	89119	60	11	14
143	4,5	8	55020	47	11	34
144	6,8	16	69438	63	10	35
145	7,1	16	61609	40	13	17
146	7	15	65990	53	11	31
147	8,8	24	100046	37	13	23
148	6,9	20	75209	48	13	36
149	7,9	16	59564	33	6	21
150	5,9	15	55313	44	14	31
151	6,7	0	80402	32	4	35
152	10,1	20	74777	62	12	17
153	7,6	16	71183	57	11	33
154	7,2	20	63848	62	11	32
155	6,8	25	57150	82	15	18
156	6,4	19	62098	52	23	44
157	8,8	16	87000	45	15	10
158	5,8	9	67545	55	10	22
159	4,5	16	58387	65	18	18
160	12,2	24	97431	47	7	42
161	7,3	26	80101	56	16	52
162	8,1	24	72136	58	11	33
163	9,7	0	87702	43	7	26
164	10,2	21	85637	59	4	15
165	8,6	8	67569	42	7	16
166	10,8	20	101473	27	6	42
167	8,4	16	71940	62	18	29
168	4,7	20	57906	67	9	20
169	8	16	73267	28	10	29
170	9	20	77490	57	10	17
171	10,5	3	102696	39	7	28
172	7,2	28	76270	51	7	8
173	8,3	18	80484	35	14	38
174	6,9	24	74074	61	9	37
175	6,6	16	70992	36	10	50
176	8,6	16	74583	55	15	42
177	10,6	20	84452	50	10	23
178	8,3	36	99903	60	15	24
179	7,1	21	87329	64	12	21
180	7,9	24	89495	59	8	19
181	6,3	10	60224	47	10	19
182	7,8	11	86807	68	16	30
183	8,2	6	77639	59	18	50
184	6	12	57393	44	8	34
185	7,7	10	81252	30	9	21
186	6,8	12	73095	41	11	27
187	7,9	24	92575	20	6	24
188	7,3	14	65807	63	11	16
189	9,1	3	69837	41	11	13
190	6	21	63887	60	6	21
191	5,9	21	72875	52	14	15
192	7,3	24	79824	45	10	21
193	7,3	20	66219	42	14	29
194	9,3	24	84964	48	5	40
195	8,7	3	60503	49	13	21
196	4,9	16	62424	43	12	30
197	9,3	21	92294	53	21	26
198	6,1	20	62810	52	13	20
199	6,7	21	79944	46	9	14
200	6,4	20	70427	44	17	33

Источник : edwvb.blogspot.com

Прогноз уровня зарплаты (кейсы регрессионного анализа)

Кейс №1 Как зависит уровень вознаграждения от опыта работы и образования.

Приложение. Таблицы данных для кейсов

Рекомендуемые статьи

Как не потерять производительность на удаленной работе: рекомендации от HR-специалиста

5 советов начинающему HR-специалисту

Три вопроса, которые нужно задать HR-менеджеру в собеседование