毕业论文(设计)_数学建模竞赛论文对企业员工薪酬问题的研究.docVIP

毕业论文(设计)_数学建模竞赛论文对企业员工薪酬问题的研究.doc

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
数学建模竞赛论文 论文题目:对企业员工薪酬问题的研究 姓 名1: 学号: 姓 名2: 学号: 姓 名3: 学号: 学 院: 专 业: 班 级: 指导老师: 一、问题重述 薪酬是员工因向所在的组织提供劳务而获得的各种形式的酬劳,狭义的薪酬指货币和可以转化为货币的报酬,题干中所指即为狭义的薪酬。由于工资是指用人单位根据国家和本市的规定,以货币的形式支付给劳动者的报酬,研究企业员工薪酬的问题可以具体到对员工工资的研究。 企业员工工资体系标准的制定灵活多变。一个建立在对不同员工个体差异都有所考虑的工资体系标准,并使之发挥补偿职能、激励职能、调节职能、效益职能,能有效激励员工的劳动积极性,提高劳动效率,进而提高企业效益,增强企业整体竞争力。 研究以下问题: 分析平均日工资与其他因素之间的关系,尤其需要说明与哪些因素关系密切; 考察女员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; 考虑员工激励制度,建立企业员工薪酬体系标准,并验证该标准。 二.模型假设 1.员工平均日工资除表中所涉及因素外不考虑其他因素的影响。 2.工龄和其他因素对员工平均日工资的影响是线性的。 3.样本数据是通过有效的统计方法获得的,即数据是有效且可信的。 4.各因素的观测值没有系统误差,随机系统误差的平均值为零。 5.培训对所有员工的影响是基本相同的。 三,变量说明 符号 符号说明 x1 x2 x3 x4 x5 x6 x7 x8 x9 工龄/月 性别 婚姻状况 工作性质 一线经历 培训情况 是否为本科 是否为硕士 是否为博士 四、问题分析 对于问题一:这一重点在于分析各个因素和平均日工资之间的关息,需要一定的社会科学知识作为基础。难点在于对性别和婚姻状况的同时考虑以及“博士后”样本的处理。第一问是典型的需要建立统计回归模型的问题。 对于问题二: 五.模型的建立及求解 5.1问题一:分析平均日工资的影响因素 在假设条件下,员工的平均日工资只受表中所列因素的影响,且样本数据是通过有效的统计方法获得的,即数据是有效且可信的。我们需要分析并统计表中的数据,并在需要解决的问题和表格中的数据之间建立联系,以便进一步建立员工平均日工资的数学模型。 5.1.1线性回归模型的建立 为描述员工平均日工资受表中其他因素的影响方式统计,我们将给出一个员工平均日工资随其他因素变化而变化的函数,通过引入0—1变量使得性别等不连续变量纳入评价体系,为此,我们定义 首先,我们建立了y与x的一次常系数线性方程组来描述员工平均日工资和其他因素之间的关系 —(1) 其中是待估计的回归系数,是随机误差。 直接利用MATLAB统计工具箱中的命令regress和rcoplot并将表中数据转化为我们已定义的变量输入并运行,得到模型的回归系数估计值及其置信区间、检验统计量及残差分布图。(程序及运行结果见附录1) 首先,我们检验员工日工资与表中变量的线性关系。检验结果如下 0.7470 26.2493 0.0000 表1模型(1)的检验统计量 从表1,F~(1,88)检验远超过F检验的临界值。因此,检验员工日工资与表中变量存在显著的线性关系,p远小于的默认值0.05。较大,说明拟合效果较好。 图1 多元线性回归模型的残差分布 观察上面残差分布图,除第47、52、90三个数据外其余残差的置信区间均包含零点。上述3个样本的置信区间不包含零点,误差较大,应视为异常点,将其剔除后重新计算相关参数值(程序及运行结果见附录2) 0.8028 34.8307 0.0000 表二 剔除异常样本点后的检验统计量 由上表可知,剔除异常点后,模型在线性化程度及拟合优度方面都有了较大的改进,模型得到了改善。如下表: 参数 参数估计值 置信区间 2.8987 [-19.7586,0.1761] 0.1537 -0.6951 -4.4252 -4.9675 -2.6714 15.3572 37.5373 -0.0464 11.6038 [25.5559,0.1313] [-4.1683,2.7781] [-7.8468,-1.0036] [-8.2382,-1.6967] [-6.6090,1.2661] [-0.8358,31.5502] [15.2173,59.8574] [-15.5581,15.4653] [-4.3307,27.5384] 表3 剔除常数项后参数估计值及置信区间 5.1.2多项式回归模型的建立 从上表我们可以看出:一次项因子、、、、的置信区间包含零

文档评论(0)

FDAC + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档