国内外研究状况1943年，心理学家W.S.McCulloch和数理逻辑学家W.Pitts建立了神经网络和数学模型，称为MP模型。他们通过MP模型提出了神经元的形式化数学描述和网络结构方法，证明了单个神经元能执行逻辑功能，从而开创了人工神经网络研究的时代[1]。4700
1985年，Powell提出了多变量插值的径向基函数（Radial-Basis Function,RBF）方法[2]。1988年，Broomhead和Lowe首先将RBF应用于神经网络设计，构成了径向基函数神经网络，即RBF神经网络[3]，该模型随后被应用到各个领域。
1994年，Michael K.Lettau采用数学模型和计量经济学等分析方法对劳动市场内劳动力需求与劳动力的供给和工人的工资之间的关系进行了深入研究[4]。
1996年，Hargeraves和Cubitt通过对人力资源投资资本模型的研究，认为最低工资对于公认提高劳动生产率将会起到促进作用。通过劳动生产率的促进还可以让社会福利得到改善[5]。
2001年，薛兆丰认为市场的供需是劳动力价格的唯一决定因素，行政的干预和规定，即最低工资制度不能达到政策效果，甚至会降低就业数量[6]。
2005年，张五常认为，最低工资的实施不仅会破坏工商业分行制度，也会在一定程度上影响中国经济增长模式，而下层工人的就业率会因此受到影响[7]。
2005年，韩兆洲和魏章进归纳了最低工资的测算方法，认为使用扩展的线性支出系统是一种理论和实践都能较好的测算最低工资的定量方法，并对北上广三个城市的最低工资进行实例测算[8]。次年，他们又提出基于BP神经网络的最低工资标准测算方法，并对广东省各城市进行了实证分析，开拓了最低工资测算方法的新思路[9]。
2007年，安宁宁建议采用组合法，首先分别利用比重法、恩格尔系数法、必需品罚和国际收入比例法对地区最低工资标准进行测算，然后取其平均值作为最低工资标准[10]。
2009年，梁爱玲在通过对英美两国最低工资制度的设置情况的研究之后，认为在测算最低工资标准中，应当确定一个合理的调整数和浮动区间，并要充分考虑到各方面相关因素[11]。
2011年，李姗姗运用索罗经济增长模型分析了工资增长率和劳动生产率、经济增长以及消费者价格指数之间的关系，得出工资增长率不能高于劳动生产率、经济增长速度和物价上涨指数的结论[12]。
2013年，姚乾召建立了灰色系统模型对北京最低工资标准进行分析，认为最低工资标准存在普遍偏低的情况，最低工资标准并为完全满足低收入群体的最基本物质需求[13]。
2014年，杨莲秀利用上海市2000—2012年宏观数据，运用计量模型原理和灰色理论—熵原理对最低工资与19个所选的宏观经济指标的影响程度进行分析，结果显示其权重差不多，都对最低工资起到重要作用[14]。
2015年，李梅采用格兰杰因果分析法对我国最低工资标准影响因素进行分析，得出最低工资与GDP是相互影响的，而与失业率没有因果关系的结论，同时最低工资应该随着CPI增加而增加[15]。
综上所述，目前对最低工资经济效应的分析国内外已经有了很多科学的理论和依据，但在测算合理的最低工资标准及其方法上确仍存在如下问题：①在影响因素的选取上，大部分只选取了5个经济指标，并未预先对更多相关因素进行分析。②如比重法、恩格尔系数法、必需品法、国际收入比例法等这样的传统方法都是基于一个理想情况下的理论模型，不一定能适用于复杂的实际情况当中。③如BP神经网络法、灰色系统理论法等新测算方法都是以历史最低工资数据为因变量，若干经济指标作为自变量，建立一个拟合这些数据的模型，若本身历史最低工资标准并不合理，那其得到的模型也必然不合理。④仅以当年的统计数据来测算当年的最低工资标准，没有考虑到统计数据的获取是滞后的。⑤BP神经网络虽然有很好的逼近非线性的能力，但其隐层数和隐节点的选取具有主观性。 最低工资调整模型文献综述和参考文献:http://www.youerw.com/wenxian/lunwen_1477.html