如何做好薪酬调查和分析

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。
 

下面对这几种方法分别作详细的介绍，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。

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。

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。

工资额度（元） 出现频数
2800～2999 2
2600～2799 1
2400～2599 1
2200～2399 4
2000～2199 3
1800～1999 3
1600～1799 1
图二 部门文员的工资频率分析

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（主要是最大值与最小值）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)、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。

(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

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。

（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

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。

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

序号 月工资（元） 职位评价得分 序号 月工资（元） 职位评价得分
1
1000 200 21 2250 385
2 1020 210 22 2350 395
3 1050 217 23 2550 405
4 1100 228 24 2650 413
5 1130 237 25 2700 426
6 1170 245 26 2850 439
7 1200 258 27 3100 455
8 1260 265 28 3300 478
9 1220 271 29 3700 510
10 1280 279 30 3960 545
11 1350 291 31 4230 578
12 1420 300 32 4390 610
13 1500 304 33 4500 648
14 1580 315 34 4850 670
15 1660 326 35 5400 700
16 1750 334 36 5800 732
17 1850 345 37 6050 771
18 1940 356 38 6260 803
19 2050 363 39 6480 839
20 2150 375 40 6900 868

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。

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。