关于富士康跳楼曲线的Logistic回归分析

牧马祁连 · 发表于 2010-5-28 10:37:48

今天一早的课上，发现富士康13连跳了。
正常人都能知道这绝对不是偶然，至于这背后有什么？我一开始也不甚清楚。
首先，我查到了有记载以来，所有富士康员工自杀的日期：
列出如下表格：（以07年6月18号，第一例自杀案例为原点，至今（10年5月25日）1072天）
（自杀时间x/d） 0 75 272 758 794 950 997 1003 1015 1023 1024 1024 1053 1061 1072
（累计自杀人数y）1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
在MATLAB中容易做出散点图：

可见这是一个对数增长的曲线。
对此我认为自杀和流行病一样，自杀也是一种病，而且是一种可以传染的疾病。
因此其增长曲线与对数增长很接近。
对其做对数函数拟合：

General model Exp2:
   f(x) = a*exp(b*x) + c*exp(d*x)
Coefficients (with 95% confidence bounds):
   a =  7.569e-007  (-6.561e-006, 8.075e-006)
   b =    0.01529  (0.006473, 0.0241)
   c =    1.782  (0.5788, 2.984)
   d = 0.001075  (2.37e-005, 0.002125)

Goodness of fit:
  SSE: 8.846
  R-square: 0.9684
  Adjusted R-square: 0.9598
  RMSE: 0.8968

可见相关度0.96也是非常高的。
然而和所有疾病一样，一旦其事件引起了人们的关注，则各方的反馈作用，将阻碍其继续上升。
因此，和很多流行病分析一样，该曲线很有可能呈S型。对于该曲线的分析，使用Logistic回归。
首先我们假设Logis(B,x)=F(x),之中B为参数数组，则由经验和可能的微分方程关系，回归曲线应该为
S（x）=m*Logis（B,x+t）/（n+Logis（B,x+t））格式
由于当Logis（B,x）较小时S(x)=Logis（B,x），则可以认为f（x）的参数可以直接引入S（x）作为一种近似，而对于m，n的确定，我以1为间隔，画出m*n=40*20的所有曲线，
选出其中最吻合的的一条（m=22 n=20 t=50）：

富士康跳楼曲线

由此可以见，富士康的跳楼人数最终会稳定在在22人左右。。。由此仍然不会超过全国平均跳楼率。

对此曲线的分析，我们借鉴微生物生长曲线的方法，将其分为：
缓慢期，对数期，稳定期，衰亡期

缓慢期，富士康员工虽然受到很大的工作压力，可是其自身的心理并没有崩溃，因此跳楼这种事件发生频率很少，而且呈线性关系，说明没有跳楼者受到别的跳楼者的影响。
对数期，富士康员工由于受到工厂巨大的工作压力，以及来自社会各方的压力，甚至加上上级的欺压，心理防线渐渐崩溃，无处发泄。而一旦有想不开者跳楼，则为其提供了一个发泄的模板，这种情况下，很容易有相同经历的员工收到跳楼者的影响，从而一个接一个的跳楼自杀。目前的富士康正处于此时期
稳定期，由于社会、媒体各方面的关注，以及社会，广大人民对工厂的压力，工厂不得不做出改变，员工的心理压力渐渐得到释放，从而员工跳楼亲生频率会很快下降。
衰亡期，这个。。。由于资料长期保存，不小心遗失；或者某机关的辟谣；或者所有人的健忘，导致跳楼人数被修正，被减少。

其实，社会处于这个关键时期，这种事情的发生不可避免，不过，我们应该引起足够的重视，对于跳楼者，至今没有一个公开的调查结果。对事件也没有一个认定。各方都在推卸责任。我相信跳楼者中不仅仅有爱情受挫的人。也不仅仅有工作压力太大的人。他们也许有人只是为了引起足够的重视，让我们把目光转向他们，转向富士康，转向这样的大型生产力密集型企业，然后问问：这究竟是怎么一回事？