大学毕业生就业薪酬是现实生活中一个重要的经济计量问题，本文以上海某高校毕业生就业薪酬数据为研究对象，随机抽取了1309个数据样本，对解释变量采取虚拟变量的形式，基于线性回归模型，用OLS方法、以岭回归为先验的Bayes方法和Gibbs抽样模型对工资数据进行了回归。通过对比三种方法得到结果：大学生的就读的专业对其初就业的影响较大，在管理学院、商学院、化学与分子工程学院、信息科学与工程学院和机械与动力工程学院就读的学生就业薪酬相对高些；在三资企业工作的学生的月平均工资明显高于其他性质的单位，在中小企业工作的学生的月平均工资最低；在上海工作的学生的月平均工资相对比不在上海就业的学生的高；生源是上海的学生的月平均工资相对比非上海的学生高；党员的月平均工资相对比非党员高；大学生的性别、民族对大学生就业的薪酬没有太大的影响。还在研究中发现贝叶斯方法优于最小二乘法。该模型的意义：一方面可以给学生为自己的求学生涯和就业提供一个导向，让学生知道在入学时如何选择专业，在校时分析就业前景，选择就业地等；另一方面可以给学校的专业招生数量和就业重视方向提供一个依据，学校可以根据此制定专业设置、课程设置，从而提高学生就业率。