The dependent variable in the model

The dependent variable in the models is the
type of payment scheme. In the first model, the
dependent variable is binary, taking on a value of
1 if an hourly wage or salary is used and 0 if a
piece rate is employed. For dichotomous dependent variables, both probit and logit regression
methods are generally used. The probit model
assumes a normal cumulative density function
.(see Maddala, 1983; Greene, 1993) and is used in
this study. In the second model, the dependent
variable is polychotomous but ordinal in the sense
that the piece rate provides the least opportunity
for shirking with respect to quantity and performance speed, while the opposite is true for the
salary scheme; the hourly wage lies somewhere in
between these. Thus, an ordered probit regression is used to examine the effects of the explanatory variables on choice of payment scheme.

ผลลัพธ์ (ไทย) 1:

ตัวแปรที่ขึ้นอยู่กับในแบบจำลองการชนิดของแผนการชำระเงิน ในรุ่นแรก การขึ้นอยู่กับตัวแปรเป็นไบนารี บนค่า1 ถ้ามีค่าจ้างต่อชั่วโมงหรือเงินเดือนและถ้า 0 เป็นอัตราต่อชิ้นงานเป็นลูกจ้าง ตัวแปรขึ้นอยู่กับ dichotomous ทั้ง probit และถดถอย logitโดยทั่วไปจะใช้วิธีการ แบบจำลอง probitสันนิษฐานว่าฟังก์ชันความหนาแน่นสะสมปกติ. (ดู Maddala, 1983 Greene, 1993) และใช้ในการศึกษานี้ ในรุ่นที่สอง ผู้อยู่ในอุปการะตัวแปรเป็น polychotomous แต่ลำดับในความรู้สึกที่ของอัตราส่วนให้โอกาสน้อยสำหรับ shirking เกี่ยวกับปริมาณและประสิทธิภาพความเร็ว ตรงข้ามเป็นจริงสำหรับการแผนเงินเดือน ค่าจ้างรายชั่วโมงอยู่ที่ใดที่หนึ่งระหว่างนี้ ดังนั้น การถดถอย probit ที่สั่งถูกใช้เพื่อตรวจสอบผลกระทบของตัวแปรอธิบายที่เลือกแผนการชำระเงิน

ผลลัพธ์ (ไทย) 2:

ตัวแปรในรูปแบบที่เป็น
ประเภทของรูปแบบการจ่าย ในรุ่นแรกที่
ขึ้นอยู่กับตัวแปรเป็นไบนารีการที่ค่า
1 ถ้าค่าจ้างรายชั่วโมงหรือจะใช้เงินเดือนและ 0 ถ้า
ชิ้นอัตราเป็นลูกจ้าง สำหรับตัวแปรตาม dichotomous ทั้ง probit และ logit ถดถอย
วิธีการโดยทั่วไปจะใช้ รุ่น probit
ถือว่าปกติฟังก์ชันความหนาแน่นสะสม
(ดู Maddala 1983; กรีน 1993)?. และนำมาใช้ใน
การศึกษาครั้งนี้ ในรูปแบบที่สองขึ้นอยู่กับ
ตัวแปร polychotomous แต่ลำดับในแง่ที่
ว่าอัตราชิ้นให้โอกาสน้อย
ปัดส่วนที่เกี่ยวกับปริมาณและประสิทธิภาพความเร็วในขณะที่ตรงข้ามเป็นจริงสำหรับ
โครงการเงินเดือน ค่าจ้างรายชั่วโมงอยู่ที่ไหนสักแห่งใน
ระหว่าง ดังนั้นการถดถอย probit สั่งซื้อจะใช้ในการตรวจสอบผลกระทบของตัวแปรที่อธิบายในการเลือกรูปแบบการจ่าย

ผลลัพธ์ (ไทย) 3:

ตัวแปรในแบบจำลองคือประเภทของรูปแบบการชำระเงิน ในรุ่นแรกตัวแปรรับค่าแบบไบนารี1 ถ้าเป็นค่าจ้างรายชั่วโมงหรือเงินเดือนที่ใช้และ 0 ถ้าชิ้นคือ อัตราจ้าง สำหรับตัวแปรตัวถดถอยโลจิท และไดโคโตมัส ทั้งวิธีการโดยทั่วไปจะใช้ และตัวแบบโพรบิทถือว่าเป็นฟังก์ชันความหนาแน่นรวมปกติ( ดู maddala , 1983 ; กรีน , 1993 ) และถูกใช้ในในการศึกษานี้ ในรุ่นที่สอง ที่ต้องพึ่งพาตัวแปรที่ polychotomous แต่ในความรู้สึก .ที่ชิ้นเท่ากันมีโอกาสน้อยที่สุดเพื่อไม่มีเกี่ยวกับปริมาณและประสิทธิภาพความเร็ว ในขณะที่ตรงข้ามเป็นจริงสำหรับแผนเงินเดือน ; ค่าแรงรายชั่วโมง อยู่ในระหว่างนี้ ดังนั้น การสั่งตัวถดถอยเพื่อใช้ศึกษาผลของตัวแปรที่อธิบายเกี่ยวกับการเลือกแผนการชำระเงิน