級別：中級
俄克拉何馬州立大學研究生兼小企業主Ondina Sevilla-Rovirosa
高管與普通美國工人之間的薪酬差距繼續擴大。此外，性別工資差距縮小了，但女性只賺了男性收入的85％。專家們在爭論更高的報酬是否會對公司的業績產生積極影響並使其價值最大化。因此，值得分析公司考慮確定高管人員薪金的因素。
來自250個選定美國的2,646名高管的原始數據集 公司的性別不平衡。我使用了一種合成複制方法來平衡數據。然後，我運行，分析並比較了決策樹，逐步回歸，八個不同的神經網絡和集成模型。最後，使用代理模型來解釋最佳神經網絡模型。
從最初選擇的公司和高管人員的18個變量中，我發現只有總資產，員工人數和首席執行官職位年限對薪資有重大貢獻。
令人驚訝的是，性別對高級管理人員的薪水影響不大。然而，主要影響薪資的是公司的規模（資產和員工），其次是高管擔任首席執行官職位的年限所帶來的影響較小。
自動產生的筆錄...
揚聲器 | 成績單 |
| ondinasevilla@gmail.com | 我的名字叫Ondina Sevilla，我的海報是關於美國公司薪資差距的，特別是公司和高管特徵如何影響薪酬。 |
| 稍加介紹一下，高級管理人員與普通美國工人之間的薪資差距繼續擴大。 |
| 性別工資差距也有所縮小，但是女性只賺了男性收入的85％。甚至專家們都在爭論更高的報酬是否會對公司的業績產生積極影響並使其價值最大化。 |
| 因此，分析公司考慮確定高管人員薪酬的因素是值得的。我對此研究提出了兩個問題。 |
| 美國公司的高級女性高管是否存在薪資差距？ |
| 公司的規模是否會影響高管的薪水？ |
| 因此，對於這項研究，我從250家選定的美國公司的高層管理人員那裡收集了2046個數據集，這些公司包括哈里伯頓，西南航空，喜達屋酒店，宣威威廉斯等。 |
| 然後，我在SAS中應用了一種綜合複製方法來獲得性別平衡數據庫，並使用了12家公司和6個執行變量，即按輸入變量的工資。 |
| 使用的技術是預測建模。我在JMP Pro 15中分析並比較了決策樹，逐步回歸，八個不同的神經網絡和集成模型。 |
| 還有離群值... |
| 哦，每年的薪水百分比變量從...中排除了，用於第一次分析，然後我將其包括進來進行比較。但是，對規則進行了誤差調整，並且外部絕對誤差與異常值相比較高。 |
| 所以， |
| 我要在這裡告訴你 |
| 模型，我運行的不同模型而沒有異常值和神經網絡比較。因此，從所有這些模型中，最低的 |
| 沒有異常值的均方根誤差是第8個神經網絡。 |
| 這些...這個神經網絡有4個輸入 |
| 兩個隱藏層，八個雙神經元，具有TanH功能。 |
