L'analyse de régression

Lorsque la ligne à main levée a été tracée, elle fut modifiée visuellement. Une règle transparente fut placée sur le graphique, avec son bord passant à travers le point. On a fait pivoter la règle de façon que le bord corresponde le mieux aux données et il a fallu ajuster la ligne jusqu'à ce que cette ligne corresponde le mieux possible aux points du diagramme de dispersion.

L'analyse de régression est la façon de déterminer quelle ligne correspond le mieux aux points du diagramme. Cette méthode permet le calcul d'une ligne qui donne la plus petite somme des distances entre les points et la ligne. Les calculs peuvent être faits en utilisant un programme informatique ou un calculateur avec la fonction de régression. Contrairement à la méthode à main levée, cette méthode n'entraîne pas d'évaluation par tâtonnement.

Quand vous faites une analyse de régression par ordinateur, vous produisez une série de chiffres dont vous n'avez qu'a vous servir que de quelque-uns de ces nombres. Vous devez vous familiariser avec la constante (ou intercepte), le x co - effectif (ou pente), et le R².

La constante prédit ce que votre organisation paierait un travail avec une valeur de zéro points. Imaginez ceci comme un taux de base; chaque poste est payé au moins la constante. Alors le x co - effectif identifie combien au-dessus de la constante les postes seraient payés pour chaque point. Ce sont les deux nombres que vous avez besoin pour prédire le taux d'équité salariale pour chaque catégorie d'emploi féminine qui utilise l'équation suivante :

taux de catégorie  =  constante + (pente x valeur de l'emploi)

L'autre chiffre important à considérer est le R². Le R² indique la mesure dans laquelle la ligne du taux de salaire correspond à l'ensemble de données. Si le R² est de 1,0, cela signifie que la ligne correspond parfaitement - ou que tous les taux de salaire sont parfaitement reliés à la valeur du travail. Ce ne sera presque jamais le cas. Un R² de .90 indique un résultat très satisfaisant. Plus sa valeur est élevée, plus la correspondance est bonne. Un R² inférieur à 0,5 peut indiquer un problème avec le modèle global de la valeur et du taux de salaire.

Quand vous obtenez vos données de régression, portez une attention particulière à ces situations potentiellement problématiques :

Est-ce que votre constante était proche ou au-dessous de zéro?
Une constante négative suggère qu'un travail avec une valeur de zéro points vaut moins de zéro dollars. Où une constante négative est produite, considérez si le groupe représentatif masculin inclut des postes avec des taux très élevés. Si oui, il se peut que ceux-ci ne devraient pas être inclus dans ce groupe représentatif. Il est peut-être mieux d'inclure ce/ces postes dans un groupe différent, représentant, ou plus proche en valeur aux postes féminins aux niveaux cadres ou professionnels. Si les taux prévus sont bien en dessous des taux actuels pour les postes au bas de l'échelle des valeurs, vérifiez et assurez-vous que vous avez un groupe vraiment représentatif.

Est-ce que votre R² était au dessous de 0,75?
Il est difficile d'identifier un point d'arrêt qui indique un R² problématique. Il est mieux de s'efforcer de créer une ligne qui représente aussi proche que possible comment les postes sont payés pour leur valeur. Si vous avez un R² assez bas, vous pouvez essayer d'enlever quelques catégories « marginales, ou anormales » de la ligne. Les marginales sont des postes paraîssent plus éloignés du modèle ou de la majorité.

La STC a suivi une série d'étapes pour produire des taux de la VP avec la méthode de régression. Chaque étape est résumée à la prochaine page. Faites référence à la section « Aide » de votre ordinateur sur analyse de régression si vous avez besoin d'éclaircissement supplémentaire pour utiliser ce programme.