薪酬调查常用统计分析方法
薪酬数据回归分析
薪酬数据回归分析回归分析是一种常用的统计方法，用于研究两个或者多个变量之间的关系。
在薪酬管理领域，回归分析可以匡助企业了解薪酬与其他因素之间的关系，进而制定合理的薪酬策略和政策。
本文将详细介绍薪酬数据回归分析的步骤、方法和应用。
一、回归分析的基本概念回归分析旨在探索一个或者多个自变量对因变量的影响程度和方向。
在薪酬数据回归分析中，自变量可以是员工的工作经验、学历、职位等，而因变量则是员工的薪酬水平。
通过回归分析，我们可以确定不同自变量对薪酬的贡献度，从而更好地理解薪酬的形成机制。
二、薪酬数据回归分析的步骤1. 数据采集：首先，我们需要采集薪酬数据和相关的自变量数据。
可以通过员工档案、薪酬系统或者调查问卷等方式获取这些数据。
确保数据的准确性和完整性是进行回归分析的前提条件。
2. 数据清洗：在进行回归分析之前，需要对数据进行清洗和预处理。
这包括检查数据的缺失值、异常值和离群值，并进行相应的处理。
同时，还需要对数据进行标准化或者归一化，以消除不同变量之间的量纲差异。
3. 模型选择：在回归分析中，有多种不同的模型可供选择，如线性回归、多项式回归、岭回归等。
根据实际情况和研究目的，选择适合的回归模型。
4. 模型建立：根据选定的回归模型，建立薪酬数据回归模型。
在建模过程中，需要确定自变量的选择和顺序，以及是否需要引入交互项或者多项式项等。
5. 模型评估：建立回归模型后，需要对模型进行评估。
常用的评估指标包括R 方值、调整R方值、残差分析等。
这些指标可以匡助我们了解模型的拟合程度和预测能力。
6. 结果解释：最后，根据回归模型的结果，解释薪酬与自变量之间的关系。
可以通过回归系数的大小和符号来判断自变量对薪酬的影响程度和方向。
三、薪酬数据回归分析的应用薪酬数据回归分析可以应用于多个方面，包括薪酬制度设计、薪酬差距分析和薪酬预测等。
1. 薪酬制度设计：通过回归分析，可以确定不同自变量对薪酬的贡献度，从而为薪酬制度的设计提供依据。
薪酬调查研究的方法
薪酬调查研究的方法
一、问卷调查法
问卷调查法是最常见、最常用的薪酬调查方法之一、调查者可以设计一份结构化的问卷，包括薪资水平、绩效激励、福利待遇等方面的问题，根据受访者的回答统计出薪酬状况。
问卷调查法的优点在于数据收集较为便捷且能够得到相对客观的结果，但缺点在于受访者可能对调查内容理解偏差或者对回答选择有意识或无意识的倾向。
二、面谈法
面谈法是直接与受访者进行一对一的交流，了解其工资待遇的情况。
调查者可以根据事先设定的问题，与受访者进行深入的交流，从而获取更为详细和具体的信息。
面谈法的优点在于可以及时获得受访者的真实感受和看法，缺点在于成本较高且受访者可能不愿意透露真实情况。
三、文献研究法
文献研究法是通过收集、整理和分析相关的文献资料，如薪酬调查报告、行业薪酬报告等，来了解薪酬水平的方法。
调查者可以通过查阅公司内部的薪资调查报告、人力资源机构的薪酬报告、行业协会的薪酬调查等来了解真实的薪酬状况。
文献研究法的优点在于可以获得全面的信息和趋势分析，缺点在于数据的有效性和准确性受限于文献质量和可用性。
四、实地调查法
实地调查法是指直接到企业、机构进行实地调查，通过观察和访谈的方式来了解薪酬情况。
调查者可以通过访问企业的人力资源部门或相关管理人员，以及与员工进行交流，了解其薪资待遇的具体情况。
实地调查法
的优点在于能够获取到真实、详细的薪酬信息，并且可以及时解答受访者的疑虑，缺点在于调查周期较长且成本较高。
综上所述，薪酬调查研究的方法众多，研究者可以根据实际情况选择合适的方法，或者综合运用以上所述的方法来进行薪酬调查研究，以便更准确、全面地了解薪酬水平及其影响因素。
薪酬数据回归分析
薪酬数据回归分析引言概述：薪酬数据回归分析是一种常用的统计方法，用于研究薪酬与其他变量之间的关系。
通过回归分析，我们可以了解薪酬与不同因素之间的相关性，并进一步预测薪酬水平。
本文将从五个大点出发，详细阐述薪酬数据回归分析的相关内容。
正文内容：1. 薪酬数据回归分析的基本概念1.1 回归分析的定义与目的回归分析是一种用于研究变量之间关系的统计方法。
在薪酬数据回归分析中，我们旨在了解薪酬与其他因素（如工作经验、学历、职位等）之间的关系，以便更好地预测薪酬水平。
1.2 自变量与因变量在薪酬数据回归分析中，自变量是我们用来预测薪酬的因素，如工作经验、学历等；而因变量则是我们希翼预测的薪酬水平。
1.3 线性回归与多元回归线性回归是最常见的回归分析方法，它假设自变量与因变量之间存在线性关系。
而多元回归则考虑多个自变量对因变量的影响，更加符合实际情况。
2. 数据采集与预处理2.1 数据采集方法在进行薪酬数据回归分析前，我们需要采集相关的数据。
这可以通过问卷调查、人力资源系统等方式进行。
2.2 数据清洗与处理薪酬数据可能存在缺失值、异常值等问题，我们需要对数据进行清洗与处理，以确保数据的准确性和可靠性。
2.3 数据转换与标准化在回归分析中，我们通常需要对数据进行转换与标准化，以满足回归模型的假设条件。
例如，可以对数据进行对数转换或者标准化处理。
3. 回归模型的建立与评估3.1 模型选择在建立回归模型时，我们可以根据实际情况选择适合的模型，如线性回归、多元回归等。
3.2 模型拟合与评估通过拟合回归模型，我们可以评估模型的拟合优度，并进行统计检验，判断自变量是否对因变量有显著影响。
3.3 模型诊断与改进在回归分析中，我们需要对模型进行诊断，检查是否存在模型假设的违背，并进行相应的改进，以提高模型的准确性和可解释性。
4. 结果解释与预测4.1 系数解释回归模型的系数可以告诉我们自变量对因变量的影响程度，通过解释系数，我们可以了解不同因素对薪酬的贡献度。
员工薪酬与福利调查报告的撰写与分析技巧
员工薪酬与福利调查报告的撰写与分析技巧一、引言员工薪酬与福利是组织用以吸引、留住和激励员工的重要手段。
为了了解组织现有的薪酬与福利政策的有效性以及对员工的吸引力，调查报告是必不可少的工具。
本文将介绍撰写员工薪酬与福利调查报告的技巧，包括调查目标的设定、调查设计、数据收集与分析等方面。
二、调查目标的设定1.明确研究目的：调查报告的目的可以是了解员工对薪酬与福利政策的满意度、对特定福利项目的需求程度等。
明确目的可以引导调查的具体内容和方法选择。
2.确定调查对象：调查对象可以是全体员工、特定群体（如不同岗位、职级的员工）或特定部门的员工。
根据研究目的和组织需求，确定调查对象可以提高调查的精准度。
三、调查设计1.问卷设计：问卷是调查的核心工具，设计合理的问卷可以确保获得有效和可靠的数据。
首先，明确要调查的内容，包括薪酬、福利项目、工作满意度等方面；然后，选择合适的问卷类型（如单选、多选、填空等）；最后，设计简洁、清晰、易于理解的问题。
2.样本选择：样本选择是调查报告的基础，要保证样本的代表性和可信度。
通常可以采用随机抽样、分层抽样等方法，确保样本可以代表整体员工群体。
四、数据收集1.选择合适的数据收集方法：数据收集可以采用在线问卷、面对面访谈、电话访问等方式。
要根据组织特点和样本的特点选择合适的数据收集方式。
2.保证数据的准确性和可靠性：数据的准确性和可靠性是调查报告的基础。
可以通过有效的数据验证、合理的样本量、严格的数据处理等方式来提高数据的可信度。
五、数据分析1.数据整理与归类：将收集到的数据进行整理和归类，可以根据题目的相关性将问题进行编码分类，方便后续的分析。
2.统计分析：根据研究目的和调查问题，选择合适的统计方法进行数据分析。
可以使用SPSS、Excel等工具进行数据处理和分析。
六、撰写调查报告1.报告结构：调查报告一般包括摘要、引言、调查目的、调查设计、数据分析与结果、结论与建议等部分。
要保持逻辑性和连贯性，确保报告的清晰易读。
薪酬数据回归分析
薪酬数据回归分析回归分析是一种统计分析方法，用于研究变量之间的关系。
在薪酬管理领域，回归分析可以用来研究薪酬与其他因素之间的关系，例如员工的工作经验、教育水平、职位级别等。
通过回归分析，我们可以确定这些因素对薪酬的影响程度，并预测员工的薪酬水平。
回归分析通常包括以下步骤：1. 数据采集：采集与薪酬相关的数据，包括员工的薪酬水平以及其他可能影响薪酬的因素，如工作经验、教育水平、职位级别等。
这些数据可以通过调查问卷、人力资源系统或者其他渠道获取。
2. 数据清洗：对采集到的数据进行清洗和整理，确保数据的准确性和完整性。
这包括处理缺失值、异常值和重复值等。
3. 变量选择：根据研究目的和理论基础，选择与薪酬相关的自变量。
例如，我们可以选择工作经验、教育水平和职位级别作为自变量，薪酬作为因变量。
4. 模型建立：根据选择的自变量和因变量，建立回归模型。
常用的回归模型包括线性回归、多元回归和逻辑回归等。
线性回归模型可以用来研究连续型因变量与自变量之间的关系，而逻辑回归模型适合于研究二元型因变量与自变量之间的关系。
5. 模型评估：对建立的回归模型进行评估，判断模型的拟合程度和统计显著性。
常用的评估指标包括R方值、调整R方值和显著性检验等。
6. 结果解释：根据回归模型的系数和显著性水平，解释自变量对薪酬的影响程度。
例如，如果工作经验的系数为0.5且显著性水平为0.05，则可以解释为每增加一年的工作经验，薪酬水平平均增加0.5单位。
7. 预测分析：利用建立的回归模型，进行薪酬水平的预测。
例如，可以根据员工的工作经验、教育水平和职位级别，预测其薪酬水平。
需要注意的是，回归分析只能描述变量之间的相关关系，并不能确定因果关系。
此外，回归分析的结果受到样本选择和模型设定的影响，需要谨慎解释和使用。
以上是关于薪酬数据回归分析的详细内容，希翼对您有所匡助。
如有任何疑问，请随时向我提问。
薪酬数据回归分析
薪酬数据回归分析回归分析是一种统计分析方法，用于研究自变量与因变量之间的关系。
在薪酬管理领域，回归分析可以帮助我们理解薪酬与其他因素之间的关系，从而制定合理的薪酬策略和决策。
本文将介绍薪酬数据回归分析的基本概念、步骤和应用。
一、回归分析的基本概念回归分析是一种用于建立因变量与自变量之间关系的数学模型的方法。
在薪酬数据回归分析中，我们通常将薪酬作为因变量，而将其他与薪酬相关的因素（如工作经验、学历、职位等）作为自变量。
通过回归分析，我们可以得出自变量对薪酬的影响程度和方向，从而预测薪酬水平。
二、回归分析的步骤1. 数据收集：首先，我们需要收集与薪酬相关的数据，包括薪酬水平和自变量的取值。
这些数据可以通过调查问卷、人力资源系统或其他渠道获取。
2. 数据清洗：在进行回归分析之前，我们需要对数据进行清洗和处理，包括去除异常值、缺失值的处理等。
这一步骤的目的是确保数据的准确性和完整性。
3. 模型选择：根据研究的目的和数据的特点，我们需要选择适合的回归模型。
常见的回归模型包括线性回归、多元回归、逻辑回归等。
4. 模型建立：在选择好回归模型后，我们需要建立数学模型，并进行参数估计。
这一步骤的目的是确定自变量对薪酬的影响程度和方向。
5. 模型评估：建立好模型后，我们需要对模型进行评估，以确定模型的拟合程度和预测能力。
常用的评估指标包括R方值、调整R方值、残差分析等。
6. 结果解释：最后，我们需要解释回归模型的结果，并对薪酬与自变量之间的关系进行分析。
通过结果解释，我们可以了解薪酬的决定因素和影响因素，为薪酬管理提供科学依据。
三、薪酬数据回归分析的应用薪酬数据回归分析在实际应用中具有广泛的价值和意义。
以下是几个常见的应用场景：1. 薪酬制定：通过回归分析，我们可以了解不同因素对薪酬的影响程度，从而制定合理的薪酬制度和政策。
例如，我们可以确定工作经验和学历对薪酬的影响程度，以便为不同员工制定不同的薪酬方案。
2. 薪酬预测：通过建立回归模型，我们可以预测员工的薪酬水平。
统计职工薪酬的方法有哪些
统计职工薪酬的方法有哪些统计职工薪酬的方法有很多种，下面将介绍其中几种常用的方法。
1. 薪酬调查法：这是最常用的统计职工薪酬的方法之一。
通过对企业内外的同行业或同类型企业进行问卷调查或面谈，获取薪资数据，然后进行分析和比较，得出相应的职工薪酬指标。
这种方法能够提供较为准确的薪酬水平数据，为企业提供决策参考。
2. 岗位评价法：这种方法是通过评价每个岗位的不同价值和重要性来确定薪酬水平。
首先对各个岗位进行详细描述，然后根据岗位所需的技能、责任、难度等指标对其进行评估，最终得出相应的薪酬水平水平。
这种方法能够确保薪酬分配的公平和合理性。
3. 绩效评估法：这是根据职工的绩效表现来确定薪酬水平的方法。
首先需要设定合理的绩效评估体系，然后根据每个员工的绩效表现进行评估和打分，最终得出相应的薪酬奖励或调整。
这种方法能够激励员工的工作动力，激发其积极性。
4. 奖惩制度法：这种方法是根据员工的工作表现给予相应的奖励和惩罚，从而调整其薪酬水平。
通过设立奖励机制和惩罚机制，根据员工的贡献和表现给予相应的薪酬奖金或扣减，激励员工提高绩效，同时也能够纠正不良行为。
5. 成本法：这是根据企业经营成本和融资成本来确定薪酬水平的方法。
通过对企业成本结构和成本规模进行分析，同时考虑融资成本和利润目标等因素，确立企业的薪酬水平。
这种方法能够保证企业在经济承受范围内给予员工相应的薪酬。
6. 市场定价法：这是根据劳动力市场的供需关系来确定薪酬水平的方法。
通过对劳动力市场的薪酬水平进行调研和分析，确定企业的薪酬水平与市场的相对位置，从而吸引和留住优秀的人才。
这种方法能够确保企业薪酬具有一定的竞争力。
除了以上几种方法外，还有其他一些辅助统计手段，如用人成本占比分析、薪酬管理软件、定期薪酬调整等。
综合运用这些方法和手段，可以更加准确地统计职工薪酬，为企业薪酬管理提供科学依据。
薪酬管理-知识点(整理)
第五章薪酬管理第一节薪酬调查第一单元薪酬市场调查一、知识要求（一)薪酬市场调查的概念、种类、作用1、概念：薪酬调查是指企业采用科学的方法，通过各种途径，采集有关企业各类人员的工资福利待遇以及支付状况的信息，并进行必要处理分析的过程。
2、种类：从调查方式上看，可分为正式薪酬调查和非正式薪酬调查；从主持薪酬调查的主体看，可分为政府、行业、专业协会、企业家联合会、咨询公司及公司企业自己组织；从调查的组织者看，分为商业性、专业性、政府薪酬调查；从薪酬调查的具体内容和对象看,分为薪酬市场调查和企业员工薪酬满意度调查。
3、作用：1)为企业调整员工的薪酬水平提供依据.2)为企业调整员工的薪酬酬制度奠定基础。
3)有助于掌握薪酬管理的新变化与趋势。
4)有利于控制劳动力成本,增强企业竞争力。
（二)岗位评价、绩效考评与薪酬管理的关系(论述题可写上的点）岗位分析与评价是企业薪酬制度设计的基本依据和前提；（外部公平—薪酬水平）1）为了保证工资具有竞争性原则，达到外部薪酬水平，公司展开薪酬的市场调查，调查结果作为薪酬制度总体设计要素之一；2）为了保证内部公平性原则,确认工资等级,需要进行岗位调查、岗位分析和岗位评价，作为薪酬制度总体设计要素之一；3）为了体现个人公平原则,确保绩效工资公平，通过绩效考核对员工资历能力进行业绩考评，作为薪酬制度总体设计之一，将以上三方面的内容结合，进行薪酬制度总体设计。
二、能力要求:薪酬调查的具体程序和步骤确定调查目的——〉确定调查范围——>选择调查方式——〉薪酬调查数据的统计分析——〉提交薪酬调查分析报告1、确定调查目的：首先应当明确调查的目的的要求和调查结果的用途，调查结果可以为以下工作提供参考依据：整体薪酬水平的调整-—薪酬差距的调整——薪酬晋升政策的调整——具体岗位薪酬水平的调整2、确定调查范围:确定调查的企业--〉确定调查的岗位——>确定需要调查的薪酬信息-->确定调查的时间段。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
3、趋中趋势分析法 趋中趋势分析是统计数据处理分析的重要方法之一，具体又包括以下几种方法： （1）、简单平均法
简单评价法是根据薪酬调查的数据，采用以下计算公式求出某岗位基本工资额，作为确 定本企业同类岗位人员工资的基本依据。这种方法用起来比较简单，但异常值（主要是最大 值Байду номын сангаас最小值）有可能会影响结果的准确性，因此采用简单平均法时，应当首先剔除最大值与 最小值，然后再作出计算。
（2）四分位法 四分位分析与百分位分析的方法是类似的，只不过在进行四分位分析时，首先将某种
岗位的所有薪酬调查数据从低到高排列，并划分为四组（百分位中是划分为 10 组），每组中 所包括的数量分别为企业调查总数的 1/4 即 25%（百分位中是 10%）；处在第二小组（在百 分位中是第 5 个小组）中的最后一个数据必然是所有数据的中值，可以用它来近似地代表当 前劳动力市场上的平均工资水平。 5、图表分析法
2、频率分析法 如果被调查单位没有给出某类岗位完整的工资数据，只能采集到某类岗位的平均工资数
据。在进行工资调整数据分析时，可以采取频率分析法，记录在各工资额度内各类企业岗位 平均工资水平出现的频率，从而了解某类岗位人员工资的一般水平。为了更直观地进行观察， 还可以根据调查数据绘制出直方图（下图二）。从下表一和下图二中很容易看出，该类岗位 人员的工资主要浮动范围介于 1800 元和 2400 元之间，这也就是大部分企业为该类岗位人 员支付的工资范围。 表一分析的是部门文员岗位的工资频数分布情况。
图表分析法是在对薪酬调查数据进行统计汇总，并对数据进行整理的基础上，按照一定 格式制作统计表，然后根据需要制作成各类图形如柱状图、饼形图、折线图、结构图等，对 薪酬结果进行分析的一种方法。图表分析法具有直观、形象、鲜明、清晰和简洁的特点，也 是咨询公司常常采用的分析方法。 示例：饼状图
示例：柱状图
示例：折线图
出居于中间位置的数值，即中位数作为确定某类岗位人员工资水平的依据.该方法最大的特 点是可以剔除异常值即最大值和最小值对于平均工资值的影响。但准确性明显低于上述方法， 它只能显示出当前劳动力市场平均薪酬水平的概况。 4、离散分析
离散分析是统计数据处理分析的重要方法之一，具体又包括标准差分析和四分位、百分 位分析等几种方法。利用标准差分析可以检验各种分布值与平均值之间的差距大小，但是在 薪酬调查分析中并不常用。在薪酬调查分析中，我们还是经常采用百分位和四分位的方法， 分析衡量统计数据的离散程度。 （1）百分位法
薪酬调查常用统计分析方法介绍
对调查数据进行纠正整理的基础上，得出被调查的劳动力市场的薪酬分布的情况。通常 薪酬调查数据的统计分析方法有：数据排列法、频率分析法、居中趋势分析法、离散分析法、 图表分析法、回归分析法。下面众达朴信对这几种方法为大家分别作详细的介绍，我们很可 能在看一些咨询公司或者政府部门的薪酬调查的报告中都要用这些方法，或者其中的部分方 法，希望大家对方法概念的理解有一个初步的认识。 1、数据排列法 统计分析的方法常采用数据排列法。先将调查的同一类数据由高至低排列，再计算出数据排 列中的中间数据，即 25%点处、中点即 50%点处和 75%点处。工资水平高低企业应注意 75% 点处，甚至是 90%点处的工资水平，工资水平低的企业应注意 25%点处的工资水平，一般的 企业应注意中点工资水平，下表是调查的部门文员岗位的工资数据。
所谓的百分位法，首先将某种岗位的所有薪酬调查数据从低到高排列，划分为 10 组， 每组中所包括的样本数分别为企业调查总数的 10%；在百分位中的第 5 个小组中的最后一个 数据必然是所有数据的中值，可以用它来近似代表当前市场上的平均薪酬水平。 例如，某企业的工资水平处于市场的第 75 个百分位上，这就意味着有 75%的企业的工资水 平都比该企业低。百分位分析主要应用于企业工资水平的战略定位上，因为它直接揭示了本 企业工资水平在劳动力市场上的地位。再如，有些公司将员工现金薪酬总额定位在市场上的 第 60 个、第 75 个甚至第 90 个百分位上，而将全部现金薪酬（基本工资加奖金或奖励）定 位在第 75 个百分位上。 简单来讲： 分位值 分位值是随机变量的特征数之一。将随机变量分布曲线与 X 轴包围的面积作 n 等分,得 n—1 个值(x1、x2、 … 、xn−1)这些值称为 n 分位值。简单来说，分位值表示有 n%的数据小于此数 值，反映市场的薪酬水平。25P—表示有 25%的数据小于此数值，反映市场的低端水平；50P —表示有 50%的数据小于此数值，反映市场的中等水平。75P—表示有 75%的数据小于此数 值，反映市场的较高端水平。下图是以 50P 为例。
6、回归分析法 回归分析法是借用一些数据统计软件，如 SPSS、EXCEL 等所提供的回归分析功能，分析两种 或多种数据之间的关系，从而找出影响薪酬水平、薪酬差距或薪酬结构的发展趋势进行预测。 示例：某公司月工资与职位评价得分表
通过对散点图观察，这些散点呈现线性状，用一元线性回归方程分析，得出回归方程为： y=9.2376x－1192.1， =0.9933 趋于 1，这说明月工资与职位评价得分的线性相关性很强，月 工资能被职位评价得分解释的部分较多，不能被解释的部分较少。
800,000
薪酬水平回归分析
单 位
600,000
：
元
人 400,000
民
币
200,000
/
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
10分位
25分位
50分位
75分位
90分位
公司薪酬
简单来说： 加权平均值 即将各数值x1、x2、 … 、xn乘以相应的单位数N1、N2、 … 、Nn，然后加总求和得到总体值， 再除以总的单位数。
(x1 × N1 + x2 × N2 + ⋯ xn−1 × Nn)�(N1 + N2 + ⋯ Nn)
（3）、中位数法 采用本方法时，首先，将收集到的全部统计数据按照大小排列次序进行排列之后，再找
对于企业明确自身整体薪酬水平在市场中的定位有很大帮助。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=e^(aX+b)，其中 X 代表众达朴信薪酬等级，Y 代表薪酬水 平。
由于回归分析得到的曲线穿行于各等级散点之间，因此企业可以根据目标曲线上各等级 的薪酬数额、以及该等级上在岗员工数量，预估企业整体薪酬总额。
（2）、加权平均法 采用本方法时，不同企业的工资数据将赋予不同的权重，而权重的大小则取决于每一家
企业在同类岗位上工作的工作人数。也就是说，当某企业中从事某类岗位工作的人数越多， 则该企业提供的工资数据，对于最终平均值的影响也就越大。在这种情况下，规模不同的企 业实际支付的工资会对最终调查结果产生不同的影响。因此，采用加权平均法处理分析数据 比简单评价法更具科学性和准确性。在调查结果基本上能够代表行业总体状况的情况下，起 经过加权的平均数更能接近劳动力市场的真实状况。
回归分析法通常用公式和图表来显示数据的集中趋势，以一项或多项测量指标为基础可能的 取值范围。回归分析也把数据的信度与数据在集中趋势线周围的分布状况联系起来。相关系 数或 的值越接近 1，回归预测也就越可靠。 调研报告中的具体应用：
通过回归分析法，形成薪酬回归曲线，可以反映出市场薪酬水平随等级上升的变化趋势，