数学建模论文--职工工资模型-同工同酬

《数学建模论文--职工工资模型-同工同酬》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、职工工资模型-同工同酬摘要本文要求我们对某企业职工工资与其影响因素进行分析，并分析出影响工资的主要因素，同时判断女工是否受到不公正待遇，以及她们的婚姻状况是否影响其收入，最后要求我们对模型进行优化，得出实用性，可靠性较高的模型。问题一模型，我们分别建立了多元线性回归模型和多元非线性回归模型，通过eviews运行结果比较可知多元非线性模型具有较高的可行性，即工资一工龄之间为非线性关系。同时我们通过SPSS利用主成分分析法分析了工资的影响因素，得出了结论：影响工资的主要因素为工龄，学历，培训情况，一线经历。问题二模型，通过问题一的主成分分析，我

2、们对问题一的模型进行了简化，剔除次要因素，使得模型更具有实用性，也更便于数据较多时的计算。而后对女工是否受到不公正待遇，以及她们的婚姻状况是否影响其收入进行了判断，得出结论：该企业女性职工并未受到不公平待遇且女性职工的婚姻状况不影响其收入。问题三模型，我们采用逐步回归分析法，对问题一的模型中的解释变量逐个引入，通过检验是否合格来筛选解释变量，因此，该模型具有很高的可靠性。最后对模型进行了误差分析，可知模型四具有较高的可行性，最后我们得出结论：工龄和学历是影响该企业职工工资的关键因素。模型平均误差如下表：模型一模型二模型三模型四平均误差5.8

3、79823434.557094.58664.367151结论1、影响工资的主要因素为工龄，学历，培训情况，一线经历。2、该企业女性职工并未受到不公平待遇且女性职工的婚姻状况不影响其收入。3、工龄和学历是影响该企业职工工资的关键因素。关键词：多元线性回归多元非线性回归eviews主成分分析SPSS逐步回归分析法二问题分析本题要求我们分析企业员工的平均日工资与其他影响因素之间的关系，同时指出哪些因素对平均日工资影响较大。我们先建立简单的多元线性回归模型，对日工资与各因素之间的关系进行粗略的分析，因考虑到工龄达到一定程度后，工龄再增大对模型的结果

4、影响不大，故建立了多元非线性回归模型，拟合平均日工资。。用主成分分析法[1]对各个因素进行分析，并找出对日工资影响较大的几个。接着，我们剔除对模型结果影响较小的因素，保留主要因素使模型得到简化，这样更易于计算也更符合实际。最后我们利用逐步回归法[2]对问题一的模型进行改进，剔除对工资影响较小的因素，使得模型得到优化。三、模型假设因素1、本题所给数据能确实反映出该公司的工资的构成2、所给数据有较高的可靠性及准确性3、男性和女性的工资数据在相同条件下获得4、男性不管是否已婚等同于女性已婚四、主要符号说明18-18-这里仅给出主要符号说明，其余符

5、号在文中会一一说明五、问题一模型的建立与求解5.1多元线性回归模型的建立与求解5.1.1多元线性回归模型建立首先对题目所给数据进行量化，量化结果见附录附表一假设该企业员工工资与其影响因素满足多元线性关系，且各因素没有相互影响，由此建立多元线性回归模型，得：（5-1）其中C(1)、C(2)、C(3)、C(4)、C(5)、C(6)、C(7)、C(8)、C(9)是待回归系数参量，是满足正态分布的随机误差。5.1.2模型求解利用eviews软件[3]对模型中工资与各个影响因素进行回归分析得如下结果表一DependentVariable:YMetho

6、d:LeastSquaresDate:08/18/28Time:16:18Sample:190Includedobservations:90Y=C(1)+C(2)*X1+C(3)*X2+C(4)*X3+C(5)*X4+C(6)*X5+C(7)*X6+C(8)*X7+C(9)*X8CoefficientStd.Errort-StatisticProb.C(1)37.145262.32544715.973380.0000C(2)0.0878930.00670113.117340.0000C(3)-0.1562032.239736-0.06974

7、20.9446C(4)-4.9250916.531140-0.7540940.4530C(5)1.2182692.0451190.5956960.5530C(6)1.6088842.6174050.6146860.540518-18-C(7)0.9819232.7017110.3634450.7172C(8)24.634175.7899664.2546310.0001C(9)17.132456.6805272.5645360.0122R-squared0.796310Meandependentvar57.63333AdjustedR-squ

8、ared0.776193S.D.dependentvar16.23594S.E.ofregression7.680945Akaikeinfocriterion7.010002Su