回归分析方法在薪酬调研中的应用.pdf

回归分析方法在薪酬调研中的应用.pdf

《回归分析方法在薪酬调研中的应用.pdf》由会员分享，可在线阅读，更多相关《回归分析方法在薪酬调研中的应用.pdf（2页珍藏版）》请在冰豆网上搜索。

回归分析方法在薪酬调研中的应用一、意义利用回归分析方法得到的企业薪酬回归曲线可以反映出企业薪酬随职位等级上升的变化趋势，对企业了解自身薪酬水平变化趋势在市场中的定位有很大帮助。

同时，由于回归分析得到的曲线穿行于各职位等级散点之间，因此可以根据回归曲线在各职位等级的水平以及该职位等级上岗位员工数量预估企业整体薪酬总额。

二、回归分析方法论1.回归分析（RegressionAnalysis）回归分析法是现代应用统计学应用于管理学中最常用的数据分析方法之一，它是对具有因果关系的影响因素（自变量）和预测对象（因变量）所进行的数理统计分析处理。

只有当变量与因变量确实存在某种关系时，建立的回归方程才有意义。

因此，作为自变量的因素与作为因变量的预测对象是否有关，相关程度如何，以及判断这种相关程度的把握性多大，就成为进行回归分析必须要解决的问题。

进行相关分析，一般需要求出相关关系，以相关系数的大小来判断自变量和因变量的相关的程度，即判断R平方值的大小，当R的平方值大于0.8时，表示该自变量和因变量是正关联，且关联度是可接受的，说明建立其回归模型是合理的。

2.回归分析在薪酬调研上的应用一般来说，职位等级的高低与薪酬的多少成正比例关系，也就是说职位等级越高的员工，拿到的薪酬也就越多，反之亦然。

因此，薪酬设计中，我们利用对自变量（职位等级）和因变量（薪酬）建立回归统计模型进行分析，即“职位VS薪酬”回归统计模型。

其中，职位等级可以通过太和顾问的职位价值评估工具将职位这一因素转化为可以量化的。

同时，回归分析方法需要一定量的数据样本量，因此要求该组织职位体系较为健全，职位跨度较大。

3.回归分析在薪酬调研中的主要作用其作用主要有两点：

第一检验现有薪酬体系是否合理；第二根据设定条件可以设计不同职位薪酬水平。

将职位等级和所对应的薪酬建立回归分析模型，主要观测R平方值，当R的平方值大于0.8的时候，表示该薪酬体系职级和薪酬是正关联，且关联度是可接受的，说明其薪酬体系是合理的。

4.选取指数回归模型（ExponentialRegressionModel）的拟合曲线通过下面，可以看出薪酬与职位等级的关系呈现指数增长态势，并且通过我们大量的数据检验，最终确定指数回归的拟合程度最好，指数回归函数的数学表达式为：

Y=eaX+b其中，X代表太和顾问薪酬职位等级，Y代表薪酬水平。

指数回归方法就是把薪酬做数学上的处理（取对数），得到：

lnY=aX+b然后利用经典的一元线性回归模型中最小二乘方法对参数（斜率与截距）进行估计，得到一元线性回归后的斜率a和截距b，表达式如下：

a=nXilnYiXilnYini=1ni=1ni=1nXi2ni=1（Xini=1）2b=1nlnYini=1anXini=1?

最后把它们代入指数回归函数的表达式，即可以得到一条指数拟合曲线，如下所示：

Y=eaX+b5.分位数代表市场薪酬的高、低水平采用分位数方法（QuantileMethod）。

分位数回归不仅反映了位置的情况，还反映了分布的形状，能更好地刻画因变量Y（薪酬）在条件自变量X（职位等级）下的关系，以此提炼出更多的信息，如我们选取10、25、50、75及90分位值分别代表着低端、较低端、中端、较高端和高端市场薪酬水平。

三、回归分析在薪酬分析中的不足在利用回归方法进行分析时，模型需要满足一些统计上的约束条件，如假设残差服从正态分布等；判断回归模型是否合理，还需要引入前面所提到的R平方值，只有当R平方值大于0.8时，该薪酬体系职级和薪酬是正关联，且关联度是可接受的，说明其薪酬体系是合理的，这样就使得在应用回归模型时，需要对模型进行检验分析。

此外，当数据中存在离群点（或异常值）时，其结果的稳健性较差。

在实际问题中，完全满足回归模型基本假设的情况并不多见，然而一旦违背了某一项基本假设，那么在应用时就难以得到统计上有效的参数估计量，即斜率a和截距b。

太和顾问研发中心