基于RBF神经网络的最低工资调整模型(2)
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。
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。其计算公式如下：
其中 为样本数据的均值， 为样本数据的标准差。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。
1.灰色关联度的计算
根据灰色关联的计算步骤，运用MATLAB对预处理后的数据进行关联度计算（清单见附录—）。运行结果得出人均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（%）数据与职工平均工资（元）因素之间的关联程度数据，如表 1所示：
表 1 职工平均工资与相关因素的关联度
职工平均工资相关因素 关联度 职工平均工资相关因素 关联度
职工平均工资（元） 1.0000 劳动力就业（万人）
累积通胀率（%） 0.7447
0.8094
人均GDP（元/年） 0.9815
恩格尔系数（%） 0.7951 人民币汇率（100美元） 0.7381
劳动生产率（元/年每人） 0.9830 名义存款利率（%） 0.5199
居民消费水平（元） 0.9548 失业率（%） 0.6450
2.灰色关联度结果分析
通过对各相关影响因素绘制散点图（程序清单见附录），直观表现劳动者工资收入与这些主要因素的相关性，如图 1所示：
图 1 劳动者工资收入与各主要因素关系散点图
散点图结果显示，人均GDP（元/年）、劳动生产率（元/年每人）、居民消费水平（元/人）、劳动力就业（万人）以及累积通胀率（%）与劳动者工资收入都呈正相关关系，其中人均GDP（元/年）、劳动生产率（元/年每人）、居民消费水平（元/人）关联度最高，达到0.9以上，累积通胀率（%）次之，达到0.8左右。恩格尔系数（%）与劳动者工资收入呈负相关关系，也在0.8左右。而人民币汇率（100美元）、名义存款利率（%）、失业率（%）与劳动者工资收入不呈线性关系。