Powrót do strony głównej
Modele Regresji Płacowej
// Interaktywne narzędzie — podmień dane, dostań model
Wybierz typ modelu
Y = β₀ + β₁·X
Prosta linia trendu
Najczytelniejsza interpretacja
ln(Y) = β₀ + β₁·X
Zmienność % wynagrodzenia
Typowa dla danych płacowych
Y = β₀ + β₁·X + β₂·X²
Nieliniowe krzywizny
Np. krzywa doświadczenia
Wczytaj swoje dane
Wklej dane ręcznie lub załaduj plik Excel (.xlsx) — pierwsza kolumna to X, druga to Y. Dane przetwarzane lokalnie.
Każda wartość w nowej linii. Może być: punkty stanowiska, wiek, staż.
Wartości liczbowe, np. PLN miesięcznie lub roczne.
Wyniki modelu
Równanie regresji
Kod Python (scikit-learn)
Gotowy do skopiowania skrypt odtwarzający Twój model.
Kiedy używać każdego modelu?
Regresja Liniowa
Idealna gdy wzrost wynagrodzenia jest stały per jednostka X. Prosta interpretacja: każdy rok doświadczenia = +N PLN.
Log-Liniowa
Gdy wynagrodzenia rosną procentowo (np. +8% za każdy rok). Typowy wybór w badaniach C&B i analizie luki płacowej.
Wielomianowa
Gdy zależność ma punkt nasycenia lub zmienia kierunek — np. wynagrodzenie rośnie szybko, potem płaszczy się przed emeryturą.
Potrzebujesz gotowej analizy wynagrodzeń?
Zbuduję dla Ciebie model płacowy oparty na danych rynkowych z bazy Sedlak&Sedlak.
Zapytaj o model płacowy