職工工資模型論文

1、職工工資模型摘要本文要求我們對某企業(yè)職工工資與其影響因素進行分析，并分析出影響工資的主要因素，同時判斷女工是否受到不公正待遇，以及她們的婚姻狀況是否影響其收入，最后要求我們對模型進行優(yōu)化，得出實用性，可靠性較高的模型。問題一模型，我們分別建立了多元線性回歸模型和多元非線性回歸模型，通過eviews運行結果比較可知多元非線性模型具有較高的可行性，即工資一工齡之間為非線性關系。同時我們通過SPSS利用主成分分析法分析了工資的影響因素，得出了結論：影響工資的主要因素為工齡，學歷，培訓情況，一線經(jīng)歷。問題二模型，通過問題一的主成分分析，我們對問題一的模型進行了簡化，剔除次要因素，使得模型更具有實用性，

2、也更便于數(shù)據(jù)較多時的計算。而后對女工是否受到不公正待遇，以及她們的婚姻狀況是否影響其收入進行了判斷，得出結論：該企業(yè)女性職工并未受到不公平待遇且女性職工的婚姻狀況不影響其收入。問題三模型，我們采用逐步回歸分析法，對問題一的模型中的解釋變量逐個引入，通過檢驗是否合格來篩選解釋變量，因此，該模型具有很高的可靠性。最后對模型進行了誤差分析，可知模型四具有較高的可行性，最后我們得出結論：工齡和學歷是影響該企業(yè)職工工資的關鍵因素。模型平均誤差如下表：模型一模型二模型三模型四平均誤差5.879823434.557094.58664.367151結論1、影響工資的主要因素為工齡，學歷，培訓情況，一線經(jīng)歷。2

3、、該企業(yè)女性職工并未受到不公平待遇且女性職工的婚姻狀況不影響其收入。3、工齡和學歷是影響該企業(yè)職工工資的關鍵因素。關鍵詞：多元線性回歸 多元非線性回歸 eviews 主成分分析 SPSS 逐步回歸分析法一、問題重述1.1問題描述職工工資可以說是人們最為關切、議論最多的部分，因此也常常是最受重視的部分。一般說來，現(xiàn)代企業(yè)的工資具有補償職能、激勵職能、調節(jié)職能、效益職能?？茖W合理的工資制度，是激勵職工的勞動積極性，提高勞動效率的重要手段，正確運用工資的杠桿作用在調動員工積極性方面會起到事半功倍的效果。此外，對于企業(yè)中的各種不同的“特殊職務族”，是否要制定和執(zhí)行專門的傾斜與優(yōu)惠政策，如對管理干部、高

4、級專家、女工等，也是需要重點考慮的問題?，F(xiàn)隨機抽取了某企業(yè)若干職工的相關數(shù)據(jù)，見附件Bdata.xls。請建立適當?shù)臄?shù)學模型研究下列問題：1.2問題提出（1）分析平均日工資與其他因素之間的關系，尤其需要說明與哪些因素關系密切；（2）考察女工是否受到不公正待遇，以及她們的婚姻狀況是否影響其收入；（3）繼續(xù)改進你的模型，并給出模型誤差分析。二 問題分析本題要求我們分析企業(yè)員工的平均日工資與其他影響因素之間的關系，同時指出哪些因素對平均日工資影響較大。我們先建立簡單的多元線性回歸模型，對日工資與各因素之間的關系進行粗略的分析，因考慮到工齡達到一定程度后，工齡再增大對模型的結果影響不大，故建立了多元非

5、線性回歸模型，擬合平均日工資。用主成分分析法1對各個因素進行分析，并找出對日工資影響較大的幾個。接著，我們剔除對模型結果影響較小的因素，保留主要因素使模型得到簡化，這樣更易于計算也更符合實際。最后我們利用逐步回歸法2對問題一的模型進行改進，剔除對工資影響較小的因素，使得模型得到優(yōu)化。三、模型假設因素1、本題所給數(shù)據(jù)能確實反映出該公司的工資的構成2、所給數(shù)據(jù)有較高的可靠性及準確性3、男性和女性的工資數(shù)據(jù)在相同條件下獲得4、男性不管是否已婚等同于女性已婚四、主要符號說明這里僅給出主要符號說明，其余符號在文中會一一說明五、問題一模型的建立與求解5.1多元線性回歸模型的建立與求解5.1.1多元線性回歸

6、模型建立 首先對題目所給數(shù)據(jù)進行量化，量化結果見附錄附表一假設該企業(yè)員工工資與其影響因素滿足多元線性關系，且各因素沒有相互影響，由此建立多元線性回歸模型，得：（5-1）其中C(1)、C(2)、C(3)、C(4)、C(5)、C(6)、C(7)、C(8)、C(9)是待回歸系數(shù)參量，是滿足正態(tài)分布的隨機誤差。5.1.2 模型求解利用eviews軟件3對模型中工資與各個影響因素進行回歸分析得如下結果表一Dependent Variable: YMethod: Least SquaresDate: 08/18/28 Time: 16:18Sample: 1 90Included observations

7、: 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)-0.1562032.239736-0.0697420.9446C(4)-4.9250916.531140-0.7540940.4530C(5)1.2182692.0451190.5956960.5530C(6)1.6088842

8、.6174050.6146860.5405C(7)0.9819232.7017110.3634450.7172C(8)24.634175.7899664.2546310.0001C(9)17.132456.6805272.5645360.0122R-squared0.796310Mean dependent var57.63333Adjusted R-squared0.776193S.D. dependent var16.23594S.E. of regression7.680945Akaike info criterion7.010002Sum squared resid4778.750Sc

9、hwarz criterion7.259983Log likelihood-306.4501Durbin-Watson stat1.066961由此可得出各待定系數(shù)的值如下表：表二參量參量估計C(1)37.14526C(2)0.087893C(3)-0.156203C(4)-4.925091C(5)1.218269C(6)1.608884C(7)0.981923C(8)24.63417C(9)17.13245將結果帶入模型得（5-2）5.1.3結論與檢驗5.1.3.1對模型的檢驗相關系數(shù)檢驗法在模型中，相關系數(shù)的計算公式為： （5-3）此公式反映出了X與Y線性度的一個度量指標，其中r范圍為（0

10、，1），r越接近1，則X與Y線性度越高。由相關系數(shù)檢驗法計算得到r=0.8924可見r并不接近1，線性相關度并不高，因此，該企業(yè)職工工資與個因素之間并不是線性關系。圖一通過eviews得到實際值、擬合值、殘差的走勢圖，從圖中可以看出 擬合值與實際值存在較大誤差，因此該模型需要進一步的改進5.3.1.2結論該模型中，本文建立了多元線性回歸模型，簡單的給出了該企業(yè)工資與影響因素之間的關系。由于考慮到工齡增加到一定程度后繼續(xù)增加對模型的影響較小，同時該模型優(yōu)化擬合度只有0.8924,故該模型并不可靠，我們需要引入非線性量對模型進行改進。5.2多元非線性回歸模型的建立與求解5.2.1模型建立考慮到工齡

11、增加到一定程度后繼續(xù)增加，對工資的影響程度較小，因此建立工資關于各因素的多元非線性模型：（5-4）其中C(1)、C(2)、C(3)、C(4)、C(5)、C(6)、C(7)、C(8)、C(9)、C(10)是待回歸系數(shù)參量，是滿足正態(tài)分布的隨即誤差。5.2.2模型求解利用eviews軟件對模型中工資與各個影響因素進行回歸分析得如下結果表三Dependent Variable: YMethod: Least SquaresDate: 08/18/28 Time: 17:58Sample: 1 90Included observations: 90Y=C(1)+C(2)*X1+C(3)*X2+C(4)

12、*X3+C(5)*X4+C(6)*X5+C(7)*X6+C(8)*X7 +C(9)*X8+C(10)*X12CoefficientStd. Errort-StatisticProb. C(1)29.691422.08174514.262750.0000C(2)0.2223760.01916711.601860.0000C(3)-2.4588511.775009-1.3852610.1698C(4)-2.7738185.101962-0.5436770.5882C(5)-0.4366651.610987-0.2710540.7870C(6)1.9326922.0417140.9466030.34

13、67C(7)0.8412162.1070660.3992360.6908C(8)19.619454.5674704.2954740.0000C(9)17.805185.2107453.4170120.0010C(10)-0.0003204.39E-05-7.2925420.0000R-squared0.877646 Mean dependent var57.63333Adjusted R-squared0.863882 S.D. dependent var16.23594S.E. of regression5.990123 Akaike info criterion6.522540Sum sq

14、uared resid2870.526 Schwarz criterion6.800297Log likelihood-283.5143 Durbin-Watson stat1.583030算法同模型一，由此可得出各系數(shù)的值如下表：表四參量參量估計C(1)29.69142C(2)0.222376C(3)-2.458851C(4)-2.773818C(5)-0.436665C(6)1.932692C(7)0.841216C(8)19.61945C(9)17.80518C(10)-0.000320將結果帶入模型，得到該公司員工工資與影響因素之間的關系為:（5-5）5.2.3結論與檢驗5.2.3.1

15、模型的檢驗檢驗方法同模型一本模型中r=0.9368，接近1，因此本模型滿足非線性關系，比模型一更實際，應用范圍也更廣，具有比較高的運用價值。圖二同樣我們通過eviews得到實際值、擬合值、殘差的走勢圖，從圖中可以看出，模型的擬合優(yōu)度值比較高，樣本的擬合值與實際值基本吻合，模型具有較高的實用價值。5.2.3.2結論我們建立了多元非線性回歸模型，給出了該企業(yè)員工的工資與其影響因素的非線性關系。由于考慮到了工齡增加到一定程度后繼續(xù)增加對模型的影響較小，使得模型的擬合優(yōu)度達到了0.8639，因此模型二更具有實際應用價值和可靠性。5.3企業(yè)職工工資影響因素主成分分析5.3.1 下表給出了影響該企業(yè)職工工

16、資的8項變量指標。（詳見附錄 附表一）其中x1 表示職工工齡（月），x2表示職工是否有過一線工作經(jīng)歷，x3表示是否接受過培訓，x4表示工作性質，x5表示職工性別， x6表示職工婚姻狀況，x7、x8聯(lián)合表示職工學歷情況表五序號x1x2x3x4x5x6x7x817000010021400011003180011100854031111101904640111101將表中的原始數(shù)據(jù)按公式（5-6）做標準化處理，然后將它們代入相關系數(shù)公式計算，得到相關系數(shù)矩陣表六X1X2X3X4X5X6X7X8X1 1.000000 0.151146 0.156321 0.09

17、8854 0.160389 0.009829 0.005996 0.180312X2 0.151146 1.000000 0.255665-0.053068-0.104982 0.254374 0.094888 0.255223X3 0.156321 0.255665 1.000000 0.423355 0.316025 0.095618 0.490436 0.802955X4 0.098854-0.053

18、068 0.423355 1.000000 0.417621 0.229484 0.263066 0.346091X5 0.160389-0.104982 0.316025 0.417621 1.000000 0.409081 0.263066 0.161418X6 0.009829 0.254374 0.095618 0.229484 0.409081 1.000000 0.034922

19、0;0.027420X7 0.005996 0.094888 0.490436 0.263066 0.263066 0.034922 1.000000-0.026333X8 0.180312 0.255223 0.802955 0.346091 0.161418 0.027420-0.026333 1.000000通過SPSS軟件4由相關系數(shù)矩陣計算特征值，以及各個主成分的貢獻率與累計貢獻率5.3.2表七成份初始特征值提取平方和載入合計方差的 %累積 %合

20、計方差的 %累積 %12.67433.42833.4282.67433.42833.42821.35016.87650.3041.35016.87650.30431.14914.35764.6611.14914.35764.66141.01312.66977.3301.01312.66977.3305.89711.21388.543.89711.21388.5436.5426.78195.3247.3304.12399.4488.044.552100.000提取方法：主成份分析。由此得到各個成分的貢獻率與累計貢獻率表八影響因素原變量成份特征值貢獻率%累積貢獻率%工齡（月）x112.67433.

21、42833.428學歷x721.35016.87650.304x831.14914.35764.661培訓情況X351.01312.66977.330一線經(jīng)歷X26.89711.21388.543性別X57.5426.78195.324婚姻狀況X64.3304.12399.448工作性質X48.044.552100.000結果分析由分析結果可得知在所有影響職工工資的因素中，工齡，學歷，培訓情況，一線經(jīng)歷對職工的工資影響比較大，尤其是工齡以及學歷對工資的影響較大。六、問題二模型建立與求解6.1問題分析通過問題一的5.3的分析可以得出，影響該企業(yè)職工的工資的主要因素為工齡，學歷，培訓情況，一線經(jīng)歷

22、。因而我們在建立模型的時候可以排除次要因素的影響，使模型簡化而更易于實際操作。6.2模型的建立通過對之前的主成分分析，我們剔除了對模型結果影響不大的工作性質，性別，婚姻狀況幾個因素，對模型進行了簡單化處理，使得模型更加簡易。由于考慮到工齡，學歷，培訓情況，一線經(jīng)歷這些影響較大的因素，我們建立如下模型：（6-1）其中C(1)、C(2)、C(3)、C(4)、C(5)、C(6)、C(7)是待回歸系數(shù)參量，是滿足正態(tài)分布的隨即誤差。此模型自變量較少，因此可以更好的適用于實際情況。6.3模型的求解通過eviews軟件 對 y,x1,x2,x3,x7,x8, x12進行回歸分析可以得到各自變量系數(shù)的值，運

23、行結果如下表：表九Dependent Variable: YMethod: Least SquaresDate: 08/19/10 Time: 20:34Sample: 1 90Included observations: 90Y=C(1)+C(2)*X1+C(3)*X2+C(4)*X3+C(5)*X7+C(6)*X8+C(7)*X12CoefficientStd. Errort-StatisticProb.  C(1)30.601641.51925820.142480.0000C(2)0.2224470.01865911.921580.0000C(3)-2.4281971

24、.545233-1.5714120.1199C(4)-1.6860064.921521-0.3425780.7328C(5)19.141104.3538684.3963440.0000C(6)16.802184.9379673.4026510.0010C(7)-0.0003204.29E-05-7.4441910.0000R-squared0.876059Mean dependent var57.63333Adjusted R-squared0.867099S.D. dependent var16.23594S.E. of regression5.918909Akaike info crite

25、rion6.468768Sum squared resid2907.779Schwarz criterion6.663197Log likelihood-284.0945Durbin-Watson stat1.651991由表可得到各自變量系數(shù)的值如下：表十參量參量估計C(1)30.60164C(2)0.222447C(3)-2.428197C(4)-1.686006C(5)19.14110C(6)16.80218C(7)-0.000320將結果帶入模型得到該公司員工工資與影響因素之間的關系為:（6-2）6.4結論與檢驗6.4.1模型檢驗有運算結果可以得出P值除了個別外數(shù)值都接近于0或為0，因

26、此P檢驗通過。D.W值為1.65接近2表中擬合優(yōu)度R2=0.8761,接近于1 ，表明模型擬合優(yōu)度較高。各種分析表明，此模型具有較高的可行性與可靠性，同時也簡化的影響因素，使得更加具有實用價值。6.4.2考察女工是否受到不公正待遇，以及她們的婚姻狀況是否影響其收入我們利用模型選取一組x1,x2,x3,x4 ,x7,x8相近，且代表性別婚姻的x5,x6取不同值，檢驗輸出值，與期望值的誤差在可接受范圍內。計算結果如下，比較可知，性別對工資影響小，因此可以說明該企業(yè)女性職工并未受到不公平待遇。而女性的婚姻狀況對工資雖有一定的影響，但影響導致的誤差在允許范圍內，可以忽略不計，因此，可以認為，該企業(yè)女性

27、職工的婚姻狀況不影響其收入。表十一yX1X2X3X4X5X6X7X8y3738000010041.75653741000110042.0223842000010042.11054242001110042.11053842000110042.11053842001010042.11056.4.3結論模型三中，根據(jù)問題一中的主成份分析結果，采用剔除法將對工資影響不大的因素剔除，并利用回歸法對模型進行回歸。這種簡化的模型，在實際應用中，特別是當需要計算的工資數(shù)目非常多時，用此法可以較精確的計算出結果，因此有重要的實際意義。通過對數(shù)據(jù)的分析我們得出結論：該企業(yè)女性職工并未受到不公平待遇且女性職工的婚姻

28、狀況不影響其收入。七、問題三模型的建立與求解7.1問題分析本文要求我們進一步改進模型，使得模型更加合理有效，為此我們利用模型二，采用逐步回歸法，對模型二進行改進，檢驗及修正。7.2模型的建立7.2.1模型二為：（7-1）其中C(1)、C(2)、C(3)、C(4)、C(5)、C(6)、C(7)、C(8)、C(9)、C(10)是待回歸系數(shù)參量, 是隨即誤差。首先我們對模型二所有變量做回歸分析，回歸結果如下：表十二Dependent Variable: YMethod: Least SquaresDate: 08/20/10 Time: 01:50Sample (adjusted): 1 89Inc

29、luded observations: 89 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.  C(1)29.896101.99994814.948440.0000X10.2100600.01884311.147990.0000X2-3.0121871.712948-1.7584820.0825X3-2.6850394.920604-0.5456730.5868X4-0.4647281.493149-0.3112400.7564X51.0275871.5715400.6538720.5151X61

30、.3202502.0117610.6562660.5136X719.968344.3968374.5415230.0000X818.783015.0216593.7403990.0003X12-0.0002834.42E-05-6.4030310.0000R-squared0.887207Mean dependent var57.52809Adjusted R-squared0.874357S.D. dependent var16.29702S.E. of regression5.776670Akaike info criterion6.451062Sum squared resid2636.

31、223Schwarz criterion6.730684Log likelihood-277.0723Durbin-Watson stat1.501247顯然由于變量過多，不可避免的可能存在共線性、異方差、自回歸、自相關等問題，因此我們接下來對模型進行逐步的修正。7.2.2模型修正：通過對y，x1、x2、x3.x8做相關性分析，得到表十三YX1X2X3X4X5X6X7X8Y 1.000000 0.751369 0.209882 0.526947 0.295761 0.291615 0.060014 0.381919

32、 0.412292X1 0.751369 1.000000 0.151146 0.156321 0.098854 0.160389 0.009829 0.005996 0.180312X2 0.209882 0.151146 1.000000 0.255665-0.053068-0.104982 0.254374 0.094888 0.255223X3 0.526947 0.156321 0.25

33、5665 1.000000 0.423355 0.316025 0.095618 0.490436 0.802955X4 0.295761 0.098854-0.053068 0.423355 1.000000 0.417621 0.229484 0.263066 0.346091X5 0.291615 0.160389-0.104982 0.316025 0.417621 1.000000 0.

34、409081 0.263066 0.161418X6 0.060014 0.009829 0.254374 0.095618 0.229484 0.409081 1.000000 0.034922 0.027420X7 0.381919 0.005996 0.094888 0.490436 0.263066 0.263066 0.034922 1.000000-0.026333X8 0.41229

35、2 0.180312 0.255223 0.802955 0.346091 0.161418 0.027420-0.026333 1.000000可知其中一些因素與工資高度相關，而且解釋變量之間也是高度相關的。現(xiàn)在按照逐步回歸法原理建立模型。7.2.3建立一元回歸模型相關系數(shù)檢驗表明，工資y值與工齡x1相關性最強，所以以（7-2）作為最基本的模型7.2.4引入其他變量1、x7,x8變量引入則模型為（7-3）對y，x8，x7，x1, x12進行回歸分析得：表十四Dependent Variable: YMethod: Leas

36、t SquaresDate: 08/20/10 Time: 02:41Sample (adjusted): 1 90Included observations: 90 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.  C(1)31.030651.49254920.790370.0000X10.2051820.01845311.119260.0000X717.969462.2179468.1018460.0000X815.292991.7503468.7371240.0000X12-0.000274

37、4.35E-05-6.2911360.0000R-squared0.879909Mean dependent var57.52809Adjusted R-squared0.874191S.D. dependent var16.29702S.E. of regression5.780491Akaike info criterion6.401394Sum squared resid2806.782Schwarz criterion6.541205Log likelihood-279.8620Durbin-Watson stat1.603228由表分析得，P值全為0通過檢驗。擬合優(yōu)度R2=0.879

38、9 接近1，擬合程度比較高。T檢驗合格 DW=1.603因此x7，x8予以保留。2、x3變量引入則模型為（7-4）對y，x8，x7，x1,x3,x12進行回歸分析得：表十五Dependent Variable: YMethod: Least SquaresDate: 08/20/10 Time: 02:58Sample (adjusted): 1 89Included observations: 89 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.  C(1)31.058151.50352920.

39、656840.0000X10.2049330.01857211.034230.0000X3-1.4439714.834062-0.2987080.7659X719.058604.2740904.4591010.0000X816.637914.8342053.4417060.0009X12-0.0002734.38E-05-6.2343820.0000R-squared0.880038Mean dependent var57.52809Adjusted R-squared0.872812S.D. dependent var16.29702S.E. of regression5.812086Aka

40、ike info criterion6.422792Sum squared resid2803.768Schwarz criterion6.590565Log likelihood-279.8142Durbin-Watson stat1.603949分析得到 擬合優(yōu)度R2=0.88，擬合程度較高DW=1.604 T檢驗合格，但考慮到其P檢驗值交大，故對x3不予以保留3、x4,x5變量引入則模型為（7-5）對y，x8，x7，x1，x4，x5，x12進行回歸分析得：表十六Dependent Variable: YMethod: Least SquaresDate: 08/20/10 Time: 0

41、3:21Sample (adjusted): 1 89Included observations: 89 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.  C(1)30.462461.57340319.360880.0000X10.2048540.01851611.063850.0000X40.1026571.4539770.0706040.9439X51.6823771.3866701.2132500.2285X717.116422.3490947.2863910.0000X814.942851

42、.8670188.0035940.0000X12-0.0002754.37E-05-6.2926990.0000R-squared0.882393Mean dependent var57.52809Adjusted R-squared0.873788S.D. dependent var16.29702S.E. of regression5.789735Akaike info criterion6.425436Sum squared resid2748.725Schwarz criterion6.621172Log likelihood-278.9319Durbin-Watson stat1.5

43、40243由運行結果可知擬合優(yōu)度R2=0.8824，擬合優(yōu)度較高。DW=1.54T檢驗通過但考慮到其P值過大，因此對x4,x5也不予以保留。4、x2變量引入則模型為（7-6）對y，x8，x7，x1,x2,x12進行回歸分析得：表十七Dependent Variable: YMethod: Least SquaresDate: 08/20/10 Time: 03:29Sample (adjusted): 1 89Included observations: 89 after adjustmentsVariableCoefficientStd. Errort-StatisticProb. 

44、; C(1)31.054721.46994921.126390.0000X10.2112690.01845311.449000.0000X2-2.8389291.494337-1.8997920.0609X718.228262.1885258.3290140.0000X816.220371.7915649.0537490.0000X12-0.0002854.33E-05-6.5923150.0000R-squared0.884914    Mean dependent var57.52809Adjusted R-squared0.877981&

45、#160;   S.D. dependent var16.29702S.E. of regression5.692753    Akaike info criterion6.381301Sum squared resid2689.817    Schwarz criterion6.549074Log likelihood-277.9679    Durbin-Watson stat1.578856通過運行結果可以看到 對于x2解釋變量的引入，R2

46、=0.8849，擬合優(yōu)度較高。DW=1.5789 ，接近于2。 T檢驗合格 P檢驗合格。因此對于解釋變量x2我們予以保留。同理可以將剩下的解釋變量x6引入模型，由于P值較大，所以對于x6，我們也不予以保留。5、建立最終模型通過以上逐步回歸分析法我們剔除次要因素，保留主要因素，得到以下模型得：（7-7）7.3模型求解代入計算結果得（7-8）7.4結論與檢驗7.4.1模型檢驗通過觀察DW值（1.58），我們大致可以判斷模型不存在一階自相關性。此外，模型的擬合優(yōu)度R2=0.8849，調整后的擬合優(yōu)度=0.878，說明模型的擬合優(yōu)度較好；F檢驗和T檢驗均通過，說明模型對總體的近似程度較高并且各解釋變量

47、對被解釋變量的影響顯著。所以我通過逐步回歸法建立的模型是有效的。7.4.2結論通過采用逐步回歸方法，對模型二進行改進，剔除對被解釋變量的影響不顯著的因素，從而得到可靠的優(yōu)化模型。由以上分析以及模型的建立，我們可以看出，工齡和學歷是對工資產(chǎn)生影響的兩個關鍵因素。7.5誤差分析利用公式（7-9）（平均誤差）=0.7979計算各個模型的平均誤差結果如下表模型一模型二模型三模型四Qe4778.752870.532907.82636.223平均誤差5.879823434.557094.58664.367151由計算結果可以看出模型一的平均誤差為5.88，相對比較大，因此模型可靠性較小，模型二和模型三平均誤差比較小，說明了非線性回歸分析的優(yōu)越性，而模型四的平均誤差最小，僅為4.37，可以看出逐步回歸方法的優(yōu)越性比較好，模型有較大的可靠性，同時達到了對模型進行優(yōu)化的目的。八、模型評價8.1優(yōu)點1、通過建立多個模型，使得模型逐步得到優(yōu)化，最終得出符合實際、可靠且便于計算的的模型。2、用多元線性回歸和多元非線性回歸對問題進行分析，使得模型更加合理