原文鏈接：http://tecdat.cn/?p=24141

原文出處：拓端數(shù)據(jù)部落公眾號

?

數(shù)據(jù)簡介

社會經(jīng)濟因素如何影響收入和工資，收入是否存在性別歧視，高等教育對提高工資收入是否有好處？

工人收入工資及其社會經(jīng)濟影響因素數(shù)據(jù)包含了935名樣本的收入、教育、幾個人口統(tǒng)計學變量和智商分數(shù)的信息，可用于分析相關人員的教育、工作經(jīng)驗、任期、性別、婚姻等因素對其工資的影響，從而可以為企業(yè)根據(jù)員工的相關背景開具工資提供參考依據(jù)（查看文末了解數(shù)據(jù)獲取方式)。

數(shù)據(jù)詳情

數(shù)據(jù)格式

csv

字段

工資

每周收入

小時

每周平均工作時間

智商

智商得分

kww

世界工作知識得分

教育

受教育年限

實驗

工作經(jīng)驗年限

工作年限

在當前雇主工作的年限

年齡

年齡（歲）

已婚

=1 如果已婚

黑人

如果是黑人=1

南方

如果住在南方 =1

城市

如果住在標準大都市統(tǒng)計區(qū)=1

兄弟姐妹

兄弟姐妹的數(shù)量

順序

出生順序

醫(yī)學教育

母親的教育程度（年）

父

父親的教育程度（年）

lwage

工資的自然對數(shù)

大小

60.6kb

樣本量

935

數(shù)據(jù)瀏覽

以前7行數(shù)據(jù)為例，我們來預覽一下：

變量探索：

數(shù)據(jù)獲取

在下面公眾號后臺回復“工資數(shù)據(jù)”，可獲取完整數(shù)據(jù)。

點擊標題查閱往期內(nèi)容

R語言用貝葉斯線性回歸、貝葉斯模型平均 (BMA)來預測工人工資

02

03

04

點擊標題查閱往期內(nèi)容

PYTHON貝葉斯推斷計算：用BETA先驗分布推斷概率和可視化案例

R語言使用貝葉斯層次模型進行空間數(shù)據(jù)分析

R語言中貝葉斯網(wǎng)絡（BN）、動態(tài)貝葉斯網(wǎng)絡、線性模型分析錯頜畸形數(shù)據(jù)

R語言JAGS貝葉斯回歸模型分析博士生延期畢業(yè)完成論文時間

R語言Metropolis Hastings采樣和貝葉斯泊松回歸Poisson模型

Python決策樹、隨機森林、樸素貝葉斯、KNN（K-最近鄰居）分類分析銀行拉新活動挖掘潛在貸款客戶

R語言貝葉斯MCMC：用rstan建立線性回歸模型分析汽車數(shù)據(jù)和可視化診斷

R語言貝葉斯MCMC：GLM邏輯回歸、Rstan線性回歸、Metropolis Hastings與Gibbs采樣算法實例

R語言貝葉斯Poisson泊松-正態(tài)分布模型分析職業(yè)足球比賽進球數(shù)

隨機森林優(yōu)化貝葉斯預測分析汽車燃油經(jīng)濟性

R語言邏輯回歸、Naive Bayes貝葉斯、決策樹、隨機森林算法預測心臟病

R語言用Rcpp加速Metropolis-Hastings抽樣估計貝葉斯邏輯回歸模型的參數(shù)

R語言中的block Gibbs吉布斯采樣貝葉斯多元線性回歸

Python貝葉斯回歸分析住房負擔能力數(shù)據(jù)集

R語言實現(xiàn)貝葉斯分位數(shù)回歸、lasso和自適應lasso貝葉斯分位數(shù)回歸分析

Python用PyMC3實現(xiàn)貝葉斯線性回歸模型

R語言用WinBUGS 軟件對學術(shù)能力測驗建立層次（分層）貝葉斯模型

R語言Gibbs抽樣的貝葉斯簡單線性回歸仿真分析

R語言和STAN,JAGS：用RSTAN,RJAG建立貝葉斯多元線性回歸預測選舉數(shù)據(jù)

R語言基于copula的貝葉斯分層混合模型的診斷準確性研究

R語言貝葉斯線性回歸和多元線性回歸構(gòu)建工資預測模型

R語言貝葉斯推斷與MCMC：實現(xiàn)Metropolis-Hastings 采樣算法示例

R語言stan進行基于貝葉斯推斷的回歸模型

R語言中RStan貝葉斯層次模型分析示例

R語言使用Metropolis-Hastings采樣算法自適應貝葉斯估計與可視化

R語言隨機搜索變量選擇SSVS估計貝葉斯向量自回歸（BVAR）模型

WinBUGS對多元隨機波動率模型：貝葉斯估計與模型比較

R語言實現(xiàn)MCMC中的Metropolis–Hastings算法與吉布斯采樣

R語言貝葉斯推斷與MCMC：實現(xiàn)Metropolis-Hastings 采樣算法示例

R語言使用Metropolis-Hastings采樣算法自適應貝葉斯估計與可視化

視頻：R語言中的Stan概率編程MCMC采樣的貝葉斯模型

R語言MCMC:Metropolis-Hastings采樣用于回歸的貝葉斯估計

欲獲取全文文件，請點擊左下角“閱讀原文”。