数学建模模性别歧视B组.ppt

基于SPSS的性别歧视问题的研究 观点：没有性别歧视 Team Members： 张文辉、邓哲儿、杨旸、汤建良、兰孝宇、莫观华、袁庆、杨杰、孙群群 Presented by 2011PTMBA3 “Team Best” 目录 Contents 问题背景 反例 数据模型建立 假设检验 重新建立模型 影响薪金的因素 结论 我们女员工受到了歧视，由于性别差异， 我们的待遇与男员工存在很大差异。 A公司是一家拥有约500人的企业，该公司女员工认为在待遇方面不公平，受工会委托，本小组根据HR部门提供的员工资料，对女员工是否受到歧视进行分析. 问题背景 Background 反例 Counterexample 起薪 公司年限 级别 学历 ID GENDER SALARY 差异比例(f-m)/m 15000 90 1 12 123 f 33300 21.31% 125 m 27450 15000 76 1 12 324 f 29160 32.24% 320 m 22050 12750 84 1 12 195 f 26400 34.35% 192 m 19650 以下是起薪、在公司年限、级别、学历同等条件下，因性别不同导致女性薪水比男性薪水高的例子 数据模型Data Model 通过对表格提供数据进行详细的分析,得出影响Current Salary：Y 的因素有: 分析过程 将数据代入，利用SPSS软件进行分析，得出的结果是： 拟和优度检验 目的:检验样本观察点聚集在回归直线周围的密集程度，评价回归方程对样本数据点的拟和程度。 多重可决系数 ， 修正的可决系数 ，均较高， 可认为回归方程有意义，表明模型拟合较好。 假设检验Hypothesis Testing 模型 R R 方 调整 R 方 标准 估计的误差 1 .918a .844 .841 6805 回归方程的显著性检验（F检验） 目的:检验所有自变量与因变量之间的线性关系是否显著，是否可用线性模型来表示 F=358.9，Sig=0.0000.05，表明差异有显著性意义，即此回归方程有必要成立。 假设检验Hypothesis Testing Anovab 模型 平方和 df 均方 F Sig. 1 回归 1.16E+11 7 1.66E+10 358.91 .000a 残差 2.16E+10 466 4.63E+07 　 　 总计 1.38E+11 473 　 　 　 模型 非标准化系数 标准系数 t Sig. B 标准 误差 试用版 1 (常量) -13611 3007.2 　 -4.526 .000 Gender 2139.9 735.59 .062 2.909 .004 Educational Level (years) 470.05 153.57 .079 3.061 .002 Employment Category 5760.3 621.45 .261 9.269 .000 Beginning Salary 1.32 0.07 .608 18.821 .000 Months since Hire 149.98 31.327 .088 4.788 .000 Previous Experience (months) -20.95 3.321 -.128 -6.308 .000 Minority Classification -987.4 784.19 -.024 -1.259 .209 各回归系数的显著性检验（t检验） 目的:检验每个自变量对因变量的线性影响是否显著. 如下表所示：Minority Classification t 的显著性概率为0.2090.05，表明Minority Classification的系数与0没有显著性差异，表明Minority Classification不应该作为解释变量出现在方程式中。 假设检验Hypothesis Testing 重新建立模型 将Minority Classification从解释变量中剔除，重新建立数学模型，再次用SPSS进行分析 拟和优度检验 如下表所示：多重可决系数 ，修正的可决系数 ，可见去掉Minority Classification之后，对结果影响不大，拟合程度依然较好。 重新建立模型Modeling Again 模型 R R 方 调整 R 方 标准 估计的误差 1 .918a .843 .841 6809.086 回归方程的显著性检验（F检验） F=417.9358.9，F 值越大越好，同样Sig为0.000，同样具有