工資收入差異分析

1、工資收入差異分析摘要 為了考察工資收入是否與性別，年齡，學(xué)歷，企業(yè)規(guī)模有關(guān)，我們建立計量經(jīng)濟(jì)學(xué)模型對其進(jìn)行分析判斷和預(yù)測，因國內(nèi)數(shù)據(jù)不好查找，我們在這個模型中就引用日本的數(shù)據(jù)建立模型。關(guān)鍵詞: 工資 收入差距 線性回歸一數(shù)據(jù)收集和模型結(jié)構(gòu)下表列出的15個工人月收入以及相應(yīng)的性別，年齡層（30多歲與40多歲），學(xué)歷（大學(xué)畢業(yè)，高中畢業(yè)，初中畢業(yè)），企業(yè)規(guī)模（大型企業(yè)，中型企業(yè)，小型企業(yè)）之間的關(guān)系。根據(jù)這些定性數(shù)據(jù)，通過這些定性數(shù)據(jù)，通過小面問題分析收入差距的原因。 1 為了將定性數(shù)據(jù)作為解釋變量納入模型，引入下面六個虛擬變量。根據(jù)下表制作虛擬變量的數(shù)據(jù)表。 性別 S S=1 男性 S=0 女性

2、 年齡A A=1 40多歲 A=0 30多歲 學(xué)歷(1) E1=1 大學(xué)畢業(yè) E1=0 其他 學(xué)歷（2） E2=1 高中畢業(yè) E2=0 其他 企業(yè)規(guī)模（1） F1=1 大型企業(yè) F1=0 其他企業(yè)規(guī)模（2） F2=1 中小型企業(yè) F2=0 其他2 設(shè)定模型Y=+1S+2A+3 E1 +4 E2 +5 F1 +6 F2 +u>0 , 1>0 , 2>0 , 3>0 , 4>0 , 5>0 , 6>0 3 估計模型的參數(shù)，檢驗參數(shù)和整體模型并對模型進(jìn)行修正4 計算下列屬性所對應(yīng)的月收入a)大型企業(yè)中40多歲男性大學(xué)畢業(yè)工人的月收入Ya b)中型企業(yè)中30多

3、歲女性大學(xué)畢業(yè)工人的月收入Yb c)小型企業(yè)中30多歲男性初中畢業(yè)工人的月收入Yc表1 月收入與性別、年齡層、學(xué)歷、企業(yè)規(guī)模之間的關(guān)系月收入（萬日元）性別年齡層學(xué)歷企業(yè)規(guī)模25女性40多歲初中畢業(yè)小企業(yè)26男性30多歲初中畢業(yè)小企業(yè)28女性40多歲高中畢業(yè)小企業(yè)30女性40多歲高中畢業(yè)小企業(yè)31男性30多歲初中畢業(yè)中企業(yè)32男性30多歲高中畢業(yè)小企業(yè)34女性30多歲大學(xué)畢業(yè)中企業(yè)36男性30多歲高中畢業(yè)中企業(yè)39女性30多歲大學(xué)畢業(yè)大企業(yè)40男性30多歲高中畢業(yè)中企業(yè)43男性30多歲大學(xué)畢業(yè)小企業(yè)46男性30多歲大學(xué)畢業(yè)中企業(yè)52男性40多歲初中畢業(yè)大企業(yè)54女性40多歲大學(xué)畢業(yè)大企業(yè)55男性

4、40多歲高中畢業(yè)大企業(yè)表2 制作虛擬變量處理后的數(shù)據(jù)表月收入（萬日元）Y性別S年齡層A學(xué)歷企業(yè)規(guī)模大學(xué)畢業(yè)E1高中畢業(yè)E2大型企業(yè)F1中型企業(yè)F2250100002610000028010100300101003110000132100100340010013610010139001010401001014310100046101001521100105401101055110110二模型的參數(shù)估計表3 最小二乘估計Dependent Variable: YMethod: Least SquaresDate: 12/15/03 Time: 20:14Sample: 1986 2000Inclu

5、ded observations: 15VariableCoefficientStd. Errort-StatisticProb. C11.966131.6946047.0613170.0001S14.384761.23876111.612220.0000A12.642521.5196078.3195970.0000E115.873001.46685910.821080.0000E25.0827851.1192984.5410470.0019F112.152401.3261899.1633980.0000F25.5437441.1961374.6347060.0017R-squared0.98

6、3316 Mean dependent var38.06667Adjusted R-squared0.970802 S.D. dependent var10.06029S.E. of regression1.719035 Akaike info criterion4.226127Sum squared resid23.64064 Schwarz criterion4.556551Log likelihood-24.69596 F-statistic78.58178Durbin-Watson stat2.283073 Prob(F-statistic)0.000001有表3的數(shù)據(jù)可以得出以下估計

7、結(jié)果：Y = 11.966 + 14.385S + 12.643A + 15.873E1 + 5.083E2 + 12.152F1 + 5.544F2 (7.061) (11.612) (8.320) (10.821) (4.541) (9.163) (4.635)_R2 = 0.9708三模型的統(tǒng)計檢驗（1）經(jīng)濟(jì)意義檢驗所有的參數(shù)都為正數(shù)，即性別、年齡、學(xué)歷和所在企業(yè)的大小對月收入有正面的影響，符合經(jīng)濟(jì)意義。（2）統(tǒng)計推斷檢驗(a)擬和優(yōu)度檢驗可決系數(shù)R2 = 0.983316 說明模型在整體上擬和很好,Y 的總差由模型作出了絕大部分解釋。 _R2 = 0.9708也說明模型中各個解釋變量對

8、應(yīng)變量的聯(lián)合影響程度很大(b)回歸參數(shù)的顯著性檢驗T檢驗 在顯著性水平a=0.01條件下ta/2 (n-k)= ta/2 (15-6) =3.250 模型估計的各參數(shù)的T值都大于3.250。說明各個解釋變量對應(yīng)變量的影響都是顯著的。即性別，年齡，學(xué)歷，企業(yè)大小對月收入有顯著影響。(c)回歸方程的顯著性檢驗F檢驗在顯著性水平a=0.01條件下，F(xiàn)0。01（k-1,n-k）= F0。01 (6-1,15-6)=6.06 模型中的F-statistic=78.5819 大于6.06，說明回歸方程顯著，即各個解釋變量同應(yīng)變量之間存在顯著的線性關(guān)系。(3)計量經(jīng)濟(jì)學(xué)檢驗(a)多重共線性檢驗 表4 Cor

9、relation MatrixSAE1E2F1F2S 1.000000-0.444444-0.2886750.111111-0.123091-0.288675A-0.4444441.000000-0.2886750.1666670.430820-0.577350E1-0.288675-0.2886751.000000-0.5773500.2132010.100000E20.1111110.166667-0.5773501.000000-0.184637-0.184637F1-0.1230910.4308200.213201-0.1846371.000000-1.07E-18F20.288675

10、-0.577500.100000-1.07E-180.4264011.000000 由表4可以看出，解釋變量之間不存在嚴(yán)重的多重共線性，各解釋變量之間的干擾程度不大，不需要進(jìn)行修正。(b)異方差檢驗a White 檢驗表5 White 檢驗Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 12/15/03 Time: 21:54Sample: 1986 2000Included observations: 15VariableCoefficientStd. Errort-StatisticProb. C14.6

11、300715.559030.9402950.3746S2.53815711.373710.2231600.8290A-6.24856813.95230-0.4478520.6661E1-0.10557313.46799-0.0078390.9939E2-5.14713510.27685-0.5008470.6300F12.97462912.176430.2442940.8132F2-2.86070810.98235-0.2604820.8011R-squared0.125144 Mean dependent var11.39916Adjusted R-squared-0.530998 S.D.

12、 dependent var12.75592S.E. of regression15.78335 Akaike info criterion8.660512Sum squared resid1992.912 Schwarz criterion8.990936Log likelihood-57.95384 F-statistic0.190727Durbin-Watson stat2.370596 Prob(F-statistic)0.970773 計算n R2 = 15×0.125144 = 1.87716 在顯著性水平a=0.01條件下，X2 0.01 (P>5) 都大于187

13、716 ，即可接受原假設(shè)，隨機(jī)誤差u 不存在異方差性。（c）自相關(guān)檢驗 DW檢驗 由表1中估計的結(jié)果，DW=2.283073 ，在給定顯著性水平a=0.01 ，查Durbin-Watson表，n = 15 k = 6 得下限臨界值dL = 0.447 dU = 2.472 dL < DW < dU無法判斷是否自相關(guān) 圖示法 圖1由圖1可以看出Et 呈線性自回歸，表明隨機(jī)誤差項ut存在一階自相關(guān)。自相關(guān)的修正 廣義差分法B = 1-1/2DW=1-1.1515=-0.1415 表6 廣義差分Dependent Variable: YMethod: Least SquaresDate:

14、 12/16/03 Time: 14:40Sample(adjusted): 1987 2000Included observations: 14 after adjusting endpointsConvergence achieved after 6 iterationsVariableCoefficientStd. Errort-StatisticProb. S21.093623.6116085.8405080.0006A17.711642.1546938.2200250.0001E118.494861.77801710.401960.0000E25.1646741.2035224.29

15、13000.0036F112.328941.3295809.2728040.0000F25.4806730.9851155.5634840.0008AR(1)0.8577260.1408096.0914080.0005R-squared0.975461 Mean dependent var38.35714Adjusted R-squared0.954428 S.D. dependent var10.37458S.E. of regression2.214732 Akaike info criterion4.734993Sum squared resid34.33528 Schwarz crit

16、erion5.054522Log likelihood-26.14495 Durbin-Watson stat2.055093Inverted AR Roots .86DW=2.055039 仍落在了不能判斷的dL = 0.447 ， dU = 2.472內(nèi)。表7 Cochrane-Qrcutt迭代法Dependent Variable: YMethod: Least SquaresDate: 12/16/03 Time: 13:14Sample(adjusted): 1987 2000Included observations: 14 after adjusting endpointsCon

17、vergence achieved after 59 iterationsVariableCoefficientStd. Errort-StatisticProb. C11.569121.8622016.2126060.0008S14.697251.44098010.199480.0001A12.323741.6149377.6310960.0003E116.248101.7217119.4371820.0001E25.3397221.4068993.7953840.0090F112.542771.4645288.5643750.0001F25.4565861.5446373.5326000.

18、0123AR(1)-0.2994580.470966-0.6358370.5484R-squared0.982395 Mean dependent var39.00000Adjusted R-squared0.961856 S.D. dependent var9.742847S.E. of regression1.902819 Akaike info criterion4.420109Sum squared resid21.72432 Schwarz criterion4.785285Log likelihood-22.94076 F-statistic47.83089Durbin-Watson stat2.414916 Prob(F-statistic)0.000076Inverted AR Roots -.30DW=2.4149 有所提高但仍落在了不能判斷的dL = 0.447 ， dU = 2.472內(nèi)。盡管如此，由于此模型中各個解釋變量對應(yīng)變量的單獨影響和聯(lián)合影響都很顯著且模型沒有多重共線性和異方差，與我們設(shè)想的一樣，性別、學(xué)歷、年齡和企業(yè)大小對工資收入有明顯的影響，因此我們?nèi)杂么四Ｐ蛯べY作出預(yù)測：a)大型企業(yè)中40多歲男性大學(xué)畢業(yè)工人的月收入Y1Y1= 11.966 + 14.