俄克拉荷马州立大学研究生兼小企业主 Ondina Sevilla-Rovirosa
高管与普通美国工人之间的薪酬差距继续扩大。此外，性别薪酬差距已经缩小，但女性的薪酬仅为男性的 85%。专家们争论更高的薪酬是否会对公司的业绩产生积极影响并最大化公司的价值。因此，值得分析公司在确定高管薪酬时考虑的因素。
原始数据集包含来自 250 家选定美国公司的 2,646 名高管，性别不平衡。我使用合成复制方法来平衡数据。然后，我运行、分析和比较了决策树、逐步回归、八个不同的神经网络和一个集成模型。最后，使用替代模型来解释最佳神经网络模型。
从最初选定的公司和高管的18个变量中，我发现只有总资产、员工人数、高管担任CEO的年限对薪酬有显著的贡献。
令人惊讶的是，性别对高管薪酬的影响微乎其微。然而，影响薪酬的主要因素是公司规模（资产和员工），其次是高管担任首席执行官的年限，贡献较少。
自动生成的成绩单...
扬声器 | 脚本 |
| ondinasevilla@gmail.com | 我的名字是 Ondina Sevilla，我的海报是关于美国企业的薪酬差距，特别是公司和高管特征如何影响薪酬。 |
| 简单介绍一下，高管和普通美国工人之间的薪酬差距持续扩大。 |
| 此外，性别薪酬差距已经缩小，但女性的薪酬仅为男性的 85%。甚至专家们也在争论更高的薪酬是否会对公司业绩产生积极影响并最大化公司价值。 |
| 因此，分析公司在确定高管薪酬时考虑的因素是值得的。我为这项研究提出了两个问题。 |
| 美国公司高层女性高管之间是否存在薪酬差距？ |
| 公司规模是否影响高管的薪酬？ |
| 因此，为了进行这项研究，我收集了来自 250 家美国公司的高管的 2046 条数据集，例如哈里伯顿、西南航空、喜达屋酒店、宣威威廉斯等。 |
| 然后，我应用 SAS 中的合成复制方法来获得性别平衡数据库，并使用 12 家公司和 6 个高管变量，即工资输入变量。 |
| 所用技术是预测建模。我在 JMP Pro 15 中分析并比较了决策树、逐步回归、八种不同的神经网络和集成模型。 |
| 并且异常值... |
| 哦，第一次分析时，我排除了年薪百分比变量……然后我将其纳入比较。但是，规则已针对错误进行了调整，并且外部绝对错误在异常值的情况下更高。 |
| 所以， |
| 我要在这里向你展示 |
| 模型，我运行的没有异常值的不同模型和神经网络比较。所以在所有这些模型中，最低的 |
| 没有异常值的根均方误差是八号神经网络。 |
| 这些...这个神经网络有 4 个输入 |
| 两个隐藏层，八个双神经元，带有TanH函数。 |
