基于RBF神经网络的最低工资调整模型

基于RBF神经网络的最低工资调整模型 ---------------------------------------------------------------范文最新推荐------------------------------------------------------ 基于RBF神经网络的最低工资调整模 型 摘 要最低工资能有效地减少贫困，促进社会稳定发展，因此历来是各国政府最为重视的课之一。 本文就最低工资调整模型，先运用灰色关联度对各个经济指标与工资增长的影响程度进行分析，选取出较为重要的影响因素。然后从宏观经济学的角度，以下一年合理最低工资增长率为因变量，以当年影响因素为自变量建立模型，并用RBF神经网络模型进行拟合，求得近5年的最低工资标准的合理上涨幅度。4700 关键词:最低工资调整,灰色关联度,RBF神经网络模型 Abstract 1 / 10 Minimum wage system can effectively reduce poverty, promote social stability and development, and therefore has always been one of the most important issue to governments. In this paper, the minimum wage adjustment model, the first gray relational degree on the extent of the various economic indicators and wage growth were analyzed to select a more important factor. From a macroeconomic point of view then, the following year, a reasonable minimum wage growth rate as the dependent variable in model year factors as independent variables, and is fitted with a RBF neural network model to obtain the minimum wage nearly five years of a reasonable standard the rate of increase. Key words:Minimum wage adjustment; Gray Correlation; RBF Neural Network Model ---------------------------------------------------------------范文最新推荐------------------------------------------------------ 目录 摘 要I AbstractII 目录III 一、前言1 二、概念与引理1 三、模型的建立及求解2 1.灰色关联度的计算2 2.灰色关联度结果分析2 3 / 10 3.最低工资调整模型影响因素的选取3 4.最低工资调整模型的建立及求解3 本文就上述几个不足之处，以最低工资标准为研究对象，先对相关因素用灰色关联度进行分析，选取较为重要的影响因素，然后对最低工资增长率建立一个递推模型，用RBF神经网络进行拟合，求得近5年的最低工资合理上涨幅度，以期对我国当前最低工资标准的制定、解决收入分配问题等起到一些作用。 2. 概念与引理 定义1 [6] 灰色关联分析法是以各因素间的发展趋势相似性或相异程度作为关联度，亦称“灰色关联度”，作为衡量因素间关联程度的一种方法。 ---------------------------------------------------------------范文最新推荐------------------------------------------------------ 本文将用matlab软件实现灰色关联度的计算。 定义2 [6] RBF神经网络模型是由一个输入层、一个隐含层和一个输出层的前向型神经网络。其网络通过非线性基函数的线性组合实现从输入空间 到输出空间 的非线性转换。 本文将用matlab软件实现RBF神经网络模型的建立。 定义3 [7] 标准化方法是一种对原始数据进行无量纲化的方法。标准化后，各指标均呈标准正态分布，即均值为0，方差为1。其如下: 其中 为样本数据的均值， 为样本数据的标准差。 5 / 10 本文用matlab软件实现各项原始数据的 标准化。 3. 模型的建立及求解 根据经济学相关理论及文献研究结果，本文从中国统计年鉴,见附录,选取1978-2014年这37年间全国的人均GDP,元/年,、恩格尔系数,%,、劳动生产率,元/年每人,、居民消费水平,元/人,、劳动力就业,万人,、累积通胀率,%,、人民币汇率,100美元,、名义存款利率,%,以及失业率,%,数据作为可能与劳动者工资收入相关的因素。其中，累积通胀率以1977年的物价水平为基数,记为100,，累乘历年通货膨胀率所得。本文采用职工平均工资,元,作为劳动者的工资收入指标。由于本文选取的指标之间数值差异过大，因此先对原始数据进行 标准化处理。 ---------------------------------------------------------------范文最新推荐------------------------------------------------------ 3.最低工资调整模型影响因素的选取 RBF神经网络有着很强的逼近非线性关系能力，是解决最低工资及其各影响因素之间的定量关系的有力工具之一。根据灰色关联度分析结果，我们选取人均GDP,元/年,、恩格尔系数,%,、劳动生产率,元/年每人,、平均工资,元/年,、居民消费水平,元/人,以及累积通胀率,%,这六个指标,灰色关联度均在0.75以上,，再参考国家劳动和社会保障部的最低工资测算中考虑的影响因素及国际上通用的制定最低工资标准的各相关因素，增加失业率,%,因素，作为建立基于RBF神经网络的最低工资调整模型的共计七个影响因素。 4.最低工资调整模型的建立及求解 根据上述灰色关联度选取的七个影响因素，最低工资标准可用公式示为 7 / 10 (3.1) 其中，M 为最低工资标准,E 为人均GDP,元/年,,EC为恩格尔系数,%,,L为劳动生产率,元/年每人,,A 为平均工资,元/年,,C 为居民消费水平,元/人,,P为累积通胀率,%,,U为失业率,%,。 宏观经济学有关通货膨胀理论[8]提出，合理工资上涨幅度的计算公式为: (3.2) 利用已经预处理的上述七个影响因素在1978-2014年的数据，可将最低工资标准测算公式(3.1)变换为,变换后的数据见附录,: (3.3) 201117.62%27.64% ---------------------------------------------------------------范文最新推荐------------------------------------------------------ 201213.10%24.14% 201313.11%6.61% 20146.08%20.34% 累积上涨幅度194.23%241.02% 对比上表可以看出:首先，我国最低工资的调整是较低的。其中2011、2012和2014年都较大幅度的低于合理最低工资上涨幅度。从累积上涨幅度上看，从2010到2014年，实际累积上涨幅度为194.23%，而合理最低工资上涨幅度为241.02%，明显偏低。其次，我国最低工资的调整是滞后的。如从2012到2013年期间，合理最低工资上涨有大幅度下降，而实际最低工资上涨幅度到2014年才大幅度下降。 4,结束语 9 / 10 本文先运用灰色关联度对各个经济指标与工资增长之间的相关性进行分析，选取出七个对工资上涨幅度较为重要的因素:人均GDP、恩格尔系数、劳动生产率、平均工资、居民消费水平、累积通胀率和失业率。再结合宏观经济学原理的相关理论，建立最低工资调整模型，并用RBF神经网络进行拟合。最后通过拟合后的模型计算，得出从2010年到2014年间，我国最低工资调整幅度较低且滞后的结论。由于改革开放以来，我国经济结构变化巨大，可能导致了数据有所不同，神经网络的样本外预测效果有待提升。 基于RBF神经网络的最低工资调整模型(4):