2022年卒大学生の皆さん！

コロナウイルスが流行していることで就活にどういう影響があるのか、とても不安ですよね。

今回は業界ごとに採用人数を予測し、「どの業界が狙い目なのか」機械学習を使った分析手順を紹介します！

目次

1. 概要
2. 手順
3. 今後の課題

1.概要

データセットの内容

分析対象の7業界・各4企業

1. 化粧品
   
2. 電子機器
   
3. 商社
   
4. 不動産
   
5. 金融
   
6. サービス
   
7. IT・情報
   

説明変数と目的変数

特徴量
年初の株価、決算報告書提出翌日の株価、一株あたりの純資産額、従業員数、業界番号
決算報告書翌日の株価が出ていないところは提出後直近の株価を使用する。また、純資産額に関しては決算報告書が7/1の時点で未提出の場合に限り、昨年の値を使用する。

目的変数
採用人数
新卒採用人数は、リクナビorマイナビorキャリタスのデータを使用する。 　

2.手順

今回は方法の紹介を行う。

欠損値の補完

従業員数
過去2年分の従業員数の変化率を使う。
例えば、2018年と2019年の従業員数の変化率を使って2020年の従業員を補完する。

株価
①複数企業での、同じ年代の1月株価と通期決算報告翌日の株価の変化率の平均を使う。
　例えば、リクルートの2018年の1月株価と決算翌日の株価の変化率をA、東京海上日動の2018年の変化率をBとする。ミクシィの2018年の決算翌日の株価を求めたい時(1月株価は既知)、AとBの変化率の平均値を1月株価に掛けて補完する。
②1月株価の値と決算翌日の株価の値、どちらも未知の場合は行を削除する。

純資産
直近の純資産で補完する。

モデル

回帰分析
回帰分析して、業界ごとの採用人数の平均値をとる。
説明変数：従業員数、株価(決算報告翌日)、業界、純資産
目的変数：採用人数

クラスタリング
①従業員数、純資産を複数の範囲に分けて数字or文字に置き換える。
　例えば、従業員数3000以下は「1」、3001〜5000を「2」で置く。
②①で数字に置き換えた二つのカラムを使い、純資産÷従業員数で得た結果を新しいカラム[value]に入れ込む。
③株価と採用人数も①同様に複数の範囲に分けて数字or文字に置き換える。
④数字で複数個の範囲に分けた採用人数を「down」「stay」「up」の3つのグループにまとめる。
説明変数：「value」「株価(決算報告書提出翌日)」
目的変数：採用人数

今後の課題

今回は5つの特徴量のみで行ないましたが、もっと良い特徴量があるかもしれません。 また、データ数が少なく欠損値が多かったため、期待する制度に満たない可能性があります。

精度を向上のためには、特徴量・企業のデータ数を増やすこと、欠損値の補完方法を変えるなど、様々な方法があります。今後はモデルの実装も含め行います。