Термин «регрессия» происходит от латинского «возвращение», «движение назад». В математическом моделировании это означает «возвращение к норме», к среднему «поведению» данных и отражает, как изменения независимых переменных влияют на оцениваемую зависимую. Прогнозировать кадровую потребность можно при помощи разных видов регрессий.

Линейная. Рост одного фактора приводит к пропорциональному изменению потребности в кадрах: например, увеличение объемов производства требует увеличения численности линейного персонала.

Множественная. Расширяет линейную регрессию при одновременном влиянии сразу нескольких факторов: например, при оценке потребности в IT-специалистах учитываются объем заказов, их сезонность, планы по автоматизации производств и демографические тренды региона.

 
Квадратичная. Вводит в уравнение квадрат фактора, если его связь с зависимой переменной немонотонна: например, рост инвестиций в автоматизацию производства сначала резко увеличивает потребность в кадрах, но по достижении определенного порога она может снижаться или даже разворачиваться вспять именно из-за успешной автоматизации.

Логарифмическая. Описывает ситуацию быстрого старта и последующего замедления роста, например, кадры быстро наращиваются под новый плановый объем работ, но дальнейшее увеличение выпуска требует уже минимального дополнительного найма из-за роста опыта и производительности кадров.

Экспоненциальная. Фиксирует лавинообразный рост: например, ситуация строительного бума, когда создание одной инфраструктурной точки запускает цепную реакцию смежных проектов и рост потребности в специалистах.

Существуют и другие разновидности регрессионных моделей, когда прогнозируется не численность сама по себе, а вероятность увольнения сотрудника, или когда нужно учесть качественные признаки – категориальную принадлежность персонала, наличие/отсутствие определенного навыка и пр.

По поручению Минстроя России Единый институт выполняет в 2026 году научно-исследовательскую работу, в рамках которой будут сформированы предложения по оценке потребности в трудовых ресурсах в разрезе востребованных специальностей строительства. Для получения итоговой прогнозной модели по каждому субъекту Российской Федерации предлагается перейти от набора разрозненных моделей к комплексной системе прогнозирования, основанной на средневзвешенной прогнозной оценке. Ситуативный выбор итоговых моделей (модели) следует производить путем поэтапной оценки их качества и прогностической точности.