期刊名称:Revista de Psicología del Trabajo y de las Organizaciones
印刷版ISSN:1576-5962
电子版ISSN:2174-0534
出版年度:2013
卷号:29
期号:2
页码:75-82
语种:Spanish
出版社:Colegio Oficial de Psicólogos de Madrid
摘要:El presente trabajo pretende mostrar algunos aspectos de la preparación y el tratamiento de los datos procedentes de encuestas salariales con vistas a la elaboración de informes retributivos. Veremos cómo, tras probar diferentes transformaciones alternativas, se puede comprobar que mediante una transformación logarítmica es posible mejorar la asimetría y la curtosis de las variables del modelo (facturación y salario), así como convertir en lineal una relación entre dos variables que con los datos originales no lo es, lo que facilita el análisis de los datos al permitir utilizar el modelo de regresión. Estudiaremos la relación entre el salario y el tamaño de la empresa, ya que esta relación es la que mejor predice el salario de mercado que debe obtener un empleado en un puesto determinado. Presentamos un ejemplo de la aplicación del modelo de regresión para el estudio de esta relación.
其他摘要:This article intends to show some of the aspects involved when elaborating and processing data coming from salary surveys to produce retribution reports. We will see how after trying different alternative transformations it is possible to verify that, through a logarithmic transformation, the asymmetry and kurtosis of a model’s variables can be improved (revenues and salary) as well as a relation between two variables converted in lineal –something that would have been impossible to achieve with the original data. This would make data analysis easier, because it allows the use of the regression model. We will study the relation between salary and company size, because this relationship is the best to predict the market salary that is earned by a specific jobholder. We give an example of application of a regression model for studying this relationship.
关键词:Estimación salarial; Regresión; Transformación de datos; Transformación logarítmica;Salary estimation; Regression; Data transformation; Logarithmic transformation