前言：本站為你精心整理了多元統(tǒng)計分析下工資總額管控研究范文，希望能為你的創(chuàng)作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。

摘要：工資總額管控對于企業(yè)經(jīng)濟(jì)效益和提高企業(yè)職工工資水平等方面均有著重要意義，關(guān)乎整個企業(yè)職工的切身利益。為實現(xiàn)工資總額管控精細(xì)化以及預(yù)算方法多元化，科學(xué)有效地進(jìn)行經(jīng)濟(jì)預(yù)測，尋求更多的創(chuàng)新思想和方法以做好管控工作，多方向進(jìn)行預(yù)算比較，獲得更為科學(xué)、有效、切合實際的工資總額預(yù)算數(shù)據(jù)。文章基于多元統(tǒng)計分析方法在工資總額管控方面的應(yīng)用，并結(jié)合公司歷史元素及變量因素對當(dāng)前及未來工資總額管控的影響進(jìn)行分析與研究。根據(jù)已知歷史數(shù)據(jù)對短期未來數(shù)據(jù)進(jìn)行規(guī)律探尋和建模分析，以更好地實現(xiàn)統(tǒng)計分析方法在工資總額管控方面的科學(xué)合理研究。

關(guān)鍵詞：工資總額管控；工資總額預(yù)算；經(jīng)濟(jì)預(yù)測；多元統(tǒng)計分析；建模分析

工資總額管控對于企業(yè)經(jīng)濟(jì)效益和提高企業(yè)職工工資水平等方面均有著重要意義，關(guān)乎整個企業(yè)職工的切身利益。當(dāng)前公司在工資總額預(yù)算管理方面存在預(yù)算變動頻繁，相互制動的管控局面。有必要尋求多元統(tǒng)計分析方法對預(yù)算工作做進(jìn)一步的管控研究。為實現(xiàn)工資總額管控精細(xì)化以及預(yù)算方法多元化，科學(xué)有效地進(jìn)行經(jīng)濟(jì)預(yù)測，有必要尋求更多的創(chuàng)新思想和方法以做好管控工作，多方向進(jìn)行預(yù)算比較，獲得更為科學(xué)、有效、切合實際的工資總額預(yù)算數(shù)據(jù)。基于多元統(tǒng)計分析方法，探索和研究該方法在工資總額管控方面的應(yīng)用，能結(jié)合公司歷史元素以及變量因素對當(dāng)前及未來工資總額管控的影響進(jìn)行分析與研究。能夠基于已知歷史數(shù)據(jù)對短期未來數(shù)據(jù)進(jìn)行規(guī)律探尋和建模分析。以實現(xiàn)統(tǒng)計分析方法在工資總額管控方面的科學(xué)合理研究。

一、多元統(tǒng)計分析方法概述

（一）多元統(tǒng)計分析應(yīng)用價值

隨著科學(xué)發(fā)展和時代進(jìn)步。企業(yè)經(jīng)營成本管理要求和預(yù)算需要都在日益提升。統(tǒng)計學(xué)在應(yīng)用數(shù)學(xué)知識的基礎(chǔ)上，逐漸與計算機(jī)技術(shù)相融合，利用計算機(jī)快速、有效的應(yīng)用能力。多元統(tǒng)計學(xué)作為經(jīng)典統(tǒng)計學(xué)的一個重要分支，遵循了繼承、發(fā)展的原則。通過多元統(tǒng)計分析方法的運用，為企業(yè)的經(jīng)濟(jì)指標(biāo)進(jìn)行科學(xué)合理的建模和預(yù)測。運用多元統(tǒng)計分析方法，能更有效的解決當(dāng)前企業(yè)工資總額管控的預(yù)算桎梏,以成熟的統(tǒng)計學(xué)理論有效實現(xiàn)工資總額的多元化預(yù)測以及應(yīng)用建模。

（二）方法綜述

1.多元統(tǒng)計分析主要方法基于統(tǒng)計分析的經(jīng)濟(jì)案例中，廣泛應(yīng)用的多元統(tǒng)計方法有以下幾種：多元回歸分析、因子分析法、主成分分析以及對某一變量的時間序列分析。該課題研究選取多元回歸分析以及主成分回歸來對企業(yè)的工資總額預(yù)算進(jìn)行建模分析。2.多元線性回歸模型多元線性回歸模型的為：y＾=β0+β1x1+β2x2+β3x3+β4x4+β5x5+βnxn+ε（1）其中，β0為回歸常數(shù)項，ε為隨機(jī)誤差（假設(shè)滿足等方差、不相關(guān)假設(shè)，服從標(biāo)準(zhǔn)正態(tài)分布，σ2是未知參數(shù)，x1，x2，x3，x4，x5，…，xn為非隨機(jī)變量，y為隨機(jī)變量?；貧w分析需要對模型中的未知參數(shù)β0，β1，β2，β3，β4，β5，…，βn及σ2做出估計，并且對建立的回歸方程進(jìn)行參數(shù)檢驗和設(shè)定檢驗，通過檢驗的模型可以用來解釋現(xiàn)象和對未來進(jìn)行預(yù)測。對于模型的過程檢驗包括基本假設(shè)的滿足性檢驗、選模型以及多重共線性檢驗。根據(jù)模型所存在的問題進(jìn)行相應(yīng)的處理，如果違背基本假設(shè)，需進(jìn)行加權(quán)最小二乘估計；如果確定不了模型變量的選擇，則進(jìn)行選模型，通常采用逐步回歸法進(jìn)行選擇；如果存在多重共線性，則需要消除多重共線性，通常采用主成分回歸。與此同時，還可以對非線性回歸進(jìn)行建模比較所得的擬合值，以求得到更為優(yōu)化的多元線性回歸模型。（1）回歸模型檢驗分析與修正。建模目的是為了應(yīng)用于經(jīng)濟(jì)問題，回歸建模確定后，還需進(jìn)一步對模型進(jìn)行檢驗分析，驗證被解釋變量和解釋變量之間的關(guān)系是否滿足基本假設(shè)條件。對于回歸模型的檢驗需要進(jìn)行統(tǒng)計檢驗和模型經(jīng)濟(jì)意義檢驗。（2）統(tǒng)計檢驗。統(tǒng)計檢驗是整個回歸模型確定的重要驗證過程，包括對回歸模型的相關(guān)顯著性檢驗，回歸系數(shù)的顯著性檢驗，相關(guān)性的擬合優(yōu)度檢驗，隨機(jī)誤差項的序列相關(guān)性檢驗，異方差性檢驗以及多重貢獻(xiàn)性檢驗。對于不滿足模型的統(tǒng)計檢驗的回歸問題，則需要根據(jù)各類問題進(jìn)行進(jìn)一步的模型修正。（3）模型經(jīng)濟(jì)意義檢驗。經(jīng)濟(jì)運用方面的回歸模型中，有不少的模型通過了系列的統(tǒng)計檢驗，然而經(jīng)濟(jì)解釋不甚合理，系數(shù)的正負(fù)號不符合經(jīng)濟(jì)意義。如果所見模型存在經(jīng)濟(jì)意義不合理的問題，則需要對模型進(jìn)行不斷的修正，以得到理想的回歸模型投入應(yīng)用。

二、工資總額案例分析

為提升公司工資總額管控水平，加強(qiáng)統(tǒng)計分析方法的應(yīng)用實踐，研究影響工資總額（萬元）的因素，進(jìn)行回歸建模應(yīng)用于當(dāng)前公司實際工資總額管控預(yù)測，結(jié)合歷史實際情況，選取了表1中的影響工資總額的主要因素。

（一）相關(guān)性分析

對原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化后，進(jìn)行相關(guān)性分析，根據(jù)相關(guān)系數(shù)矩陣結(jié)果，得出利潤總額與人工成本利潤率，人工成本利潤率與人事費用率，工業(yè)總產(chǎn)值與銷售收入，存在著突出的相關(guān)性，符合實際經(jīng)濟(jì)運行情況中指標(biāo)間的影響關(guān)聯(lián)性。在統(tǒng)計分析建模過程中需要考慮回歸模型存在多重相關(guān)性。

（二）多元線性回歸初步建模

1.初步建模。首先對樣本數(shù)據(jù)進(jìn)行多元線性回歸初步建模，使用SPSS軟件得出線性回歸輸出結(jié)果，由回歸系數(shù)表得到多元線性回歸模型：y＾=-4704.69+1.46x1-0.01x2+0.06x3-0.45x4+402.92x5+2581.04x6+8686.71x7+218.08x8（2）2.t檢驗分析。各自變量的回歸系數(shù)都通過了t檢驗，t檢驗用于檢驗回歸系數(shù)的顯著性，輸出結(jié)果表明各項指標(biāo)的回歸系數(shù)都通過了顯著性檢驗。3.多重共線性診斷。從回歸系數(shù)表中看多重共線性的診斷結(jié)果VIF值，當(dāng)VIF值大于10時，說明該指標(biāo)與其他指標(biāo)存在著多重共線性，值越大，越說明多重共線性的嚴(yán)重程度。該模型中，銷售收入x3，利潤總額x4及人工成本利潤率指標(biāo)存在著一定的多重共線性，這與相關(guān)性分析相符。4.F檢驗分析根據(jù)SPSS輸出的回歸方程模型綜述結(jié)果如表2。該模型的調(diào)整后的復(fù)決定系數(shù)R2＝0.996。說明回歸方程的擬合優(yōu)度效果較好。從表3中看到該回歸模型的F檢驗結(jié)果，F(xiàn)值=660.219，P值為0.000，說明回歸方程顯著，因變量與自變量之間存在著顯著的線性關(guān)系。

（三）基本假設(shè)驗證分析

1.異方差檢驗。異方差檢驗方法中統(tǒng)計學(xué)領(lǐng)域公認(rèn)的最優(yōu)方法是殘差圖分析法和等級相關(guān)性檢驗，下面對回歸模型所得的殘差進(jìn)行殘差圖分析。從圖1中看出回歸模型所得的標(biāo)準(zhǔn)化殘差分布在殘差為0的水平上下均衡，隨機(jī)分布，不存在異方差，滿足等方差假設(shè)。再進(jìn)行等級相關(guān)性檢驗，各個標(biāo)準(zhǔn)化變量與標(biāo)準(zhǔn)化殘差絕對值的等級相關(guān)系數(shù)值均為0.5以下，且值較接近0.1，P值均不為0，說明標(biāo)準(zhǔn)化殘差值與自變量之間不顯著相關(guān)，不存在異方差。2.自相關(guān)診斷。自相關(guān)性診斷的常用方法是圖示檢驗法，回歸模型方程所得到的標(biāo)準(zhǔn)化殘差值是隨機(jī)誤差項的真實估計值，繪制殘差值et與et-1的散點圖進(jìn)行分析，如果散點隨機(jī)散落在X軸上下兩側(cè)，則不存在序列自相關(guān)?；貧w模型方程（2）所得的標(biāo)準(zhǔn)化殘差值et與et-1的散點圖3得知，標(biāo)準(zhǔn)化殘差值et散點隨機(jī)散落在et=0的水平上下兩側(cè)。表明隨機(jī)誤差不存在自相關(guān)。該模型滿足不相關(guān)假設(shè)。

（四）多重共線性

由于模型存在一定的多重共線性，需要尋找優(yōu)化模型以進(jìn)行對比擬合情況。在實際應(yīng)用中，可通過選模型進(jìn)行建模，采用變量選擇的方法如后退法、逐步回歸法來進(jìn)行選模型的變量選擇。如果選模型后最優(yōu)的回歸模型仍然存在一定的多重共線性，則選擇使用主成分回歸方法來保留選模型的同時消除多重共線性。

（五）選模型分析

如果模型保留的自變量對因變量可有可無，無關(guān)緊要，則會導(dǎo)致參數(shù)估計和預(yù)測的有偏性和精度偏低，因此自變量的選擇有著很重要的實際意義。有必要對所選的自變量進(jìn)行選模型分析。下面使用逐步回歸法進(jìn)行選模型的變量選擇。根據(jù)選模型的逐步回歸法輸出結(jié)果，最終在第五步確定了選模型變量，踢出了全模型變量中的平均員工人數(shù)、人事費用率以及勞動分配率。踢出后調(diào)整后的復(fù)決定系數(shù)R2＝0.994，而全模型調(diào)整后的的復(fù)決定系數(shù)R2＝0.996，調(diào)整后的復(fù)決定系數(shù)是衡量模型因變量與自變量之間線性相關(guān)性的水平程度，越接近1，說明模型線性回歸擬合效果越好。介于全模型的擬合效果比逐步回歸法所選的選模型的擬合效果好，故仍然考慮對全模型進(jìn)行回歸建模。下面對回歸模型進(jìn)行主成分回歸以消除多重共線性。

（六）主成分回歸分析

1.對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化。使用標(biāo)準(zhǔn)化后的數(shù)據(jù)進(jìn)行主成分的提取2.進(jìn)行成分個數(shù)的選取。SPSS的主成分因子分析輸出的總方差解釋表中，可以看到前兩個主成分的特征根值較大，前三個主成分的方差百分比占比較大，累積包含了原始數(shù)據(jù)的信息比例達(dá)到了87.782%。再由SPSS輸出特征根的碎石圖進(jìn)行分析（如圖2）。圖2可以看出，主成分個數(shù)達(dá)到3后的特征值趨于平穩(wěn)，因此最終確定選取三個主成分就足夠了。3.模型的建立設(shè)三個主成分用f1、f2、f3表示，用原始因變量y的數(shù)據(jù)對f1、f2、f3進(jìn)行最小二乘回歸，得到主成分回歸的回歸方程，根據(jù)SPSS輸出結(jié)果，回歸方程調(diào)整后的復(fù)決定系數(shù)R2=0.966，說明擬合效果很好，P值為0.000,說明通過了顯著性檢驗。而根據(jù)回歸系數(shù)表中的各個成分的回歸系數(shù)也都通過了顯著性檢驗，因此得出了y與f1，f2，f3之間的回歸方程為：y＾=7514.326+5499.783f1+3395.129f2+1546.888f3（3）用f1，f2，f3分別與原始自變量進(jìn)行線性回歸，得到3個方程的回歸系數(shù)，將四個成分與自變量的方程代入方程（3）中，得出原始因變量y與原始自變量之間的回歸模型，即是主成分回歸所建立的回歸模型：y＾=-11946.954+4.5997x1+0.0247x2+0.0285x3-0.1290x4+232.0324x5-1983.6157x6+10935.557x7+734.0855x8（4）4.殘差檢驗將各自變量觀測值代入回歸模型得到對應(yīng)的因變量的擬合值，對因變量觀測值和擬合值的殘差進(jìn)行殘差檢驗，殘差檢驗的原假設(shè)是殘差不存在自相關(guān)，備擇假設(shè)是存在自相關(guān)，如果檢驗的P值大于0.05，則說明拒絕備擇假設(shè)，認(rèn)為殘差不存在自相關(guān)。根據(jù)SPSS輸出殘差檢驗圖結(jié)果，如圖3。根據(jù)et與et-1的散點圖得知，標(biāo)準(zhǔn)化殘差值et散點隨機(jī)散落在et=0的水平上下兩側(cè)。表明殘差不存在自相關(guān)。

三、基于經(jīng)濟(jì)預(yù)測的模型選擇分析及優(yōu)化效果

（一）基于經(jīng)濟(jì)預(yù)測的模型選擇

對于案例的多元回歸分析所建模型，重在用于實際工作中的預(yù)測，需要對模型的擬合效果進(jìn)行分析。畫出普通最小二乘估計回歸方程（2）所得的擬合值y＾、主成分回歸所得的擬合值y＾以及原始因變量y的折線圖如圖4。從模型的擬合效果來看，普通最小二乘估計和主成分回歸對實際值的擬合效果都非常好，相比較而言，該模型中的普通最小二乘估計的擬合值的效果較優(yōu)。對于側(cè)重預(yù)測的建模方法選擇需考慮以下幾方面來選取最終的模型。1.回歸方程的F檢驗中的F值大小比較該模型中普通最小二乘估計所得的回歸方程F值為660.219，而主成分回歸方程雖然很好地解決了普通最小二乘回歸方程所存在的多重共線性，但是其F值只達(dá)到了202.478，相比來說普通最小二乘估計所得的回歸模型更適合作為預(yù)測模型以應(yīng)用于實際。2.模型應(yīng)用于預(yù)測可允許存在多重共線性雖然回歸方程的參數(shù)估計值方差變大容易使預(yù)測區(qū)間變大，但如果利用模型進(jìn)行經(jīng)濟(jì)預(yù)測，只要保證自變量的相關(guān)類型保持不變，即使回歸模型存在多重共線性，也可以得到較好的預(yù)測結(jié)果。故在試圖消除多重共線性已獲得更好的擬合模型的前提下，如果研究的因變量擬合效果比較下來選擇擬合效果較好的模型作為最終的預(yù)測模型。以保證經(jīng)濟(jì)預(yù)測擬合效果更優(yōu)化。3.選擇誤差小的模型進(jìn)行經(jīng)濟(jì)預(yù)測對不同模型的標(biāo)準(zhǔn)估算的誤差值進(jìn)行比較，選擇標(biāo)準(zhǔn)估算的誤差值較小的模型做經(jīng)濟(jì)預(yù)測。由普通最小二乘回歸方程的估計誤差為424.697，而主成分回歸模型所得的回歸方程的估計誤差為1235.694。顯然選擇普通最小二乘回歸方程作為最終模型進(jìn)行經(jīng)濟(jì)預(yù)測。綜上所述，由于研究的工資總額預(yù)算管控的回歸建模主要是側(cè)重于應(yīng)用于經(jīng)濟(jì)預(yù)測，基于普通最小二乘回歸以及主成分回歸所建立的回歸模型，進(jìn)行統(tǒng)計分析以及擬合優(yōu)度比較，該案例最終選擇回歸方程（5）作為該案例的應(yīng)用模型，即是：y＾=-4704.689+1.458x1-0.014x2+0.057x3-0.449x4+402.915x5+2581.038x6+8686.71x7+218.08x8（5）

（二）對模型進(jìn)行定量分析

對該回歸模型進(jìn)行定量分析，從回歸系數(shù)看到，對于工資總額y變量，各個變量對工資總額都有著一定的影響，其中，在其他變量不變的情況下，平均用工人數(shù)每增加1人，工資總額平均增加1.458萬元；在其他變量不變的情況下，銷售收入每增加1萬元，工資總額平均增加0.057萬元等。值得關(guān)注的是，該模型中工資總額與工業(yè)總產(chǎn)值、利潤總額之間呈現(xiàn)負(fù)的線性相關(guān)，這對當(dāng)前的工資總額預(yù)算管理辦法工資總額預(yù)算體系引出了矛盾，而從利潤總額的勾稽關(guān)系來說，工資總額屬于成本費用的一部分，利潤總額與成本費用呈負(fù)相關(guān)，與工業(yè)總產(chǎn)值呈正相關(guān)，因而工資總額與工業(yè)總產(chǎn)值、利潤總額呈負(fù)相關(guān)符合邏輯關(guān)系。從經(jīng)濟(jì)意義的角度，工業(yè)總產(chǎn)值、利潤總額的增加應(yīng)該對公司的工資收入水平理論上是正向影響，在模型中引入的人工成本利潤率、勞動生產(chǎn)率、人事費用率、勞動分配率均是人工成本費用、用工情況與工業(yè)總產(chǎn)值、利潤總額所計算而得，而這幾個指標(biāo)對工資總額均為正向的線性相關(guān)性，實際上該模型體現(xiàn)出：工業(yè)總產(chǎn)值、利潤總額對工資總額的促進(jìn)因素以及正向影響程度已經(jīng)包含在人工成本投入產(chǎn)出效率指標(biāo)中。故該模型實際上既符合經(jīng)濟(jì)意義也符合理論邏輯關(guān)系，其擬合效果適用于經(jīng)濟(jì)應(yīng)用，是該案例應(yīng)用于經(jīng)濟(jì)預(yù)測較好的回歸模型。

四、結(jié)語

研究所得模型適用于企業(yè)工資總額預(yù)測工作，并且能夠在工資總額事中管控過程中，根據(jù)實時發(fā)生的利潤指標(biāo)情況進(jìn)行有效的工資總額可用額度預(yù)測管控，有利于合理調(diào)節(jié)工資總額發(fā)放節(jié)奏。該模型確定的變量關(guān)系可作為各個變量建模需要的變量選取參考，更換因變量，也可獲得更多的回歸模型以應(yīng)用于不同需求。多元統(tǒng)計分析方法，廣泛應(yīng)用于企業(yè)經(jīng)濟(jì)效益指標(biāo)建模，通過對基于多元統(tǒng)計分析方法，建立了科學(xué)合理的工資總額回歸模型，可運用于企業(yè)經(jīng)營管理。結(jié)合公司歷史元素以及變量因素對當(dāng)前及未來工資總額管控的影響進(jìn)行了合理分析與研究。充分利用企業(yè)歷史數(shù)據(jù)進(jìn)行規(guī)律探尋和回歸建模分析，挖掘了工資總額管控分析方法的多元化。理論聯(lián)系實際，基于統(tǒng)計分析方法，真正實現(xiàn)了工資總額管控方面的科學(xué)合理研究。

參考文獻(xiàn)：

[1]何曉群,劉文卿.應(yīng)用回歸分析(第二版)[M].北京:中國人民大學(xué)出版社,2007.

[2]徐國祥.統(tǒng)計預(yù)測和決策(第三版)[M].上海:上海財經(jīng)大學(xué)出版社,2008.

[3]國網(wǎng)內(nèi)蒙古東部電力有限公司.財務(wù)決算報表編制指引(第三版)[M].大連:東北財經(jīng)大學(xué)出版社,2015.

作者:何麗 單位:中航貴州飛機(jī)有限責(zé)任公司