b= 404.2430 0.8132 116.6689 stats= bint= 350.3553 458.1306 0.5891 1.0373 81.3618 151.9760 R2 F统计量 P 0.0000 0.7000 56.8000 因此回归方程为：
Y?404.2430?0.8132?116.6689x‘x4 2
对于女性，用同样的方法得到工资方程的回归系数： b= bint= 360.0593 332.0956 388.0230 1.0360 0.8914 1.1806 71.7100 14.7956 128.6244 stats = 2F统计量值 P R 0.8000 76.6000 0.0000 因此回归方程为：
Y?360.0593?1.0360?71.7100x‘x4 2
根据男女两类的线性回归方程， 女性：男性：
Y?360.0593?1.0360?71.7100x‘x42
Y?404.2430?0.8132?116.6689x‘x4 2比较可知男性和女性平均日工资关于三个主要变量的影响因素相差很小，只是存在着细微差别，例如最工龄变量的回归系数，男性为0.8132，女性为
11
1.0360，男性略占优势；受教育情况变量的回归系数，男性为116.6689，女性为71.7100，女性略占优势。二者稍微有些差别，并不存在男女工资待遇不平等现象。
②为研究婚姻状况对于女性工资的影响：
将女性数据按照婚姻状况分为已婚和未婚两类，依次建立模型，比较分析婚姻状况对平均日工资的影响。
得出已婚的工资方程的回归系数：
b = 355.2128 1.0352 191.1308
bint = 327.5318 382.8938 0.8888 1.1816 133.0786 249.1829 stats = R2 F统计量值 P 0.9000 122.9000 0.0000 该回归方程为：
Y?355.2128?1.0352x2?191.1308x4 未婚女性的工资方程的回归系数为：
b = 12
bint =
357.8057 1.2160 56.5899
322.1234 393.4880 0.9337 1.4984 24.6363 88.5434 stats = R2 F统计量值 P 0.9434 该回归方程为：
66.6651 0.0000 Y?357.8057?1.2160?56.5899x‘x4 2对比这两条回归方程：
已婚：Y?355.2128?1.0352x2?191.1308x4 未婚：Y?357.8057?1.2160?56.5899x‘x4 2可见未婚女性的工资的第一部分，要比已婚女性的高出2.38，而第二部分的斜率系数要低于已婚女性0.17，可见只要当工龄大于118月，就出现未婚比已婚的低收入了，而未婚女硕士及未婚女博士的收入明显要低于同等条件的已婚女性。联系实际，该企业可能对工龄相对较小的未婚女性给予一定的补偿措施，毕竟她们还未成家，只有自己一个人的经济收入，这符合实际情况。但是对工龄相对较大的未婚女性，在工龄及受教育情况相同时，与已婚女性相竞争明显处于劣势。在实际情况中，某些企业因考虑未婚女性将来结婚生子要有产假以及其他因素，往往倾向于选择已婚女性作为长期职工。所以该模型与实际情况也是相符的。
可见，婚姻状况对女性平均日工资还是有影响的。
当然以上两因素都是次要因素，对于工资回归方程的影响很小，在建立整体模型时是可以忽略的，但是研究一下它们所隐含着的平等问题还是有意义的。
13
工号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 日平均工资 （元/天） 330 340 340 420 340 340 340 360 430 400 450 400 370 370 380 420 380 380 370 370 490 390 470 390 530 490 410 410 500 470 470 450 450 440 600 510 480 480 650 740 性别 女 男 男 男 女 女 女 女 男 女 女 女 女 男 女 男 男 女 女 女 女 男 女 女 男 女 男 女 女 男 女 男 女 女 女 女 男 男 男 男 工龄（月） 7 14 18 19 19 19 27 30 30 30 31 31 38 41 42 42 42 42 47 52 52 54 54 54 55 66 67 67 75 78 79 91 92 94 103 103 103 111 114 114 女性婚姻状况 已婚 男性 男性 男性 未婚 已婚 已婚 已婚 男性 未婚 未婚 已婚 已婚 男性 已婚 男性 男性 已婚 已婚 已婚 未婚 男性 已婚 已婚 男性 已婚 男性 未婚 未婚 男性 未婚 男性 已婚 已婚 已婚 已婚 男性 男性 男性 男性 14
受教育状况 本科 本科 本科 本科 本科 本科 本科 本科 本科 本科 硕士 本科 本科 本科 本科 本科 本科 本科 本科 本科 硕士 本科 本科 本科 硕士 本科 本科 本科 本科 本科 本科 本科 本科 本科 硕士 本科 本科 本科 博士 博士 工作部门性质 技术岗位 技术岗位 管理岗位 技术岗位 管理岗位 技术岗位 技术岗位 技术岗位 技术岗位 技术岗位 技术岗位 管理岗位 技术岗位 技术岗位 技术岗位 管理岗位 技术岗位 管理岗位 技术岗位 技术岗位 技术岗位 技术岗位 管理岗位 技术岗位 管理岗位 管理岗位 管理岗位 管理岗位 技术岗位 管理岗位 技术岗位 管理岗位 技术岗位 管理岗位 管理岗位 技术岗位 技术岗位 管理岗位 管理岗位 管理岗位 一线工作情况 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 培训情况 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 0 0 0 0 0 0 1 0 0 0 1 1
41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 610 470 680 700 750 730 1000 570 600 560 610 870 570 570 720 620 700 620 620 740 760 680 620 620 670 870 770 620 680 870 650 570 870 620 650 680 650 570 680 780 570 650 710 男 女 男 女 女 男 男 女 男 女 女 男 女 女 女 女 男 女 女 男 女 男 女 女 女 男 男 女 女 男 男 女 男 男 女 男 男 男 女 男 女 男 男 114 117 139 140 154 158 159 162 167 172 174 175 199 209 209 210 213 220 222 222 223 223 227 232 235 245 253 257 260 284 287 290 308 309 319 325 326 329 337 346 355 357 380 男性 已婚 男性 已婚 已婚 男性 男性 未婚 男性 已婚女性 已婚女性 男性 未婚女性 已婚女性 未婚女性 未婚女性 男性 已婚女性 已婚女性 男性 未婚女性 男性 已婚女性 已婚女性 已婚女性 男性 男性 已婚 已婚女性 男性 男性 未婚女性 男性 男性 已婚女性 男性 男性 男性 已婚女性 男性 已婚女性 男性 男性 15
博士 本科 本科 硕士 硕士 博士 博士后 本科 本科 本科 本科 硕士 本科 本科 博士 本科 本科 本科 本科 本科 本科 本科 本科 本科 本科 博士 本科 本科 本科 博士 本科 本科 硕士 本科 本科 本科 本科 本科 本科 硕士 本科 本科 硕士 管理岗位 技术岗位 管理岗位 管理岗位 管理岗位 技术岗位 管理岗位 技术岗位 管理岗位 技术岗位 技术岗位 管理岗位 技术岗位 技术岗位 管理岗位 技术岗位 管理岗位 技术岗位 技术岗位 技术岗位 技术岗位 技术岗位 管理岗位 技术岗位 技术岗位 管理岗位 管理岗位 技术岗位 技术岗位 管理岗位 技术岗位 技术岗位 管理岗位 管理岗位 管理岗位 技术岗位 管理岗位 管理岗位 技术岗位 管理岗位 技术岗位 技术岗位 管理岗位 1 1 0 1 1 1 1 0 0 1 1 0 0 0 0 0 0 1 0 0 0 0 0 1 1 0 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 0 1
1 0 0 1 1 1 1 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 1 0 0 0 0 0 0 1 0 0 1
84 85 86 87 88 89 90 910 910 650 760 810 690 670 男 男 男 女 女 女 男 387 403 406 437 453 458 464 男性 男性 男性 未婚女性 已婚 未婚女性 男性 硕士 硕士 本科 本科 本科 本科 硕士 管理岗位 管理岗位 管理岗位 技术岗位 技术岗位 技术岗位 管理岗位 1 1 0 0 0 0 0 1 1 0 0 0 0 1
八、模型评价
最终的到的模型经过三次修正，并剔除了异常值，同时进行了显著性因子检验，最终只保留了七个影响因素中的2个显著性因素，使模型大大简化，准确度也进一步提高。得到的模型回归方程的决定系数R为0.9000，相关系数R值为0.9487，F统计量值为270.2000。相关系数R比较接近于1，故得到方程的线性相关程度比较高。
利用该模型能合理地解释性别以及女性婚姻状况对平均日工资的影响，并分
2析工资的主要影响因素，有助于企业建立合理的工资制度，从而激励职工的劳 动积极性，提高工作效率，因而具有重要的实际意义。
参考文献:
（1)《数学建模与实验》 陈恩水 王峰 编
（2）《数学模型及其应用》 戴明强 李卫军 杨鹏飞主编 （3）《计量经济学》（第二版） 谢识予 主编 高等教育出版社 （4）《随机数学基础》曹振华 编 高等教育出版社
16