工資收入差異分析

工資收入差異分析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(jì)量經(jīng)濟(jì)學(xué)模型對(duì)其進(jìn)行分析判斷和預(yù)測(cè)，因國(guó)內(nèi)數(shù)據(jù)不好查找，我們?cè)谶@個(gè)模型中就引用日本的數(shù)據(jù)建立模型。下表列出的15個(gè)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(guò)這些定性數(shù)據(jù)，通過(guò)小面問(wèn)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(gè)虛擬變量。根據(jù)下表制作虛擬變量的數(shù)據(jù)表。性別SS=1男性S=0女性年齡AA=140多歲A=030多歲學(xué)歷（1）E「=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=a+B1S+B2A+B3E1+B4E2+B5F1+B6F2+ua>0,B1〉0,B2〉0,B3〉0,B4〉0,B5〉0,B6〉0估計(jì)模型的參數(shù)，檢驗(yàn)參數(shù)和整體模型并對(duì)模型進(jìn)行修正計(jì)算下列屬性所對(duì)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Yab） 中型企業(yè)中30多歲女性大學(xué)畢業(yè)工人的月收入Ybc） 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(wàn)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(wàn)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)E「高中畢業(yè)E2大型企業(yè)中型企業(yè)250100002610000028010100300101003110000132100100340010013610010139001010401001014310100046101001521100105401101055110110參數(shù)估計(jì)表3 最小二乘估計(jì)DependentVariable:YMethod:LeastSquaresDate:12/15/03Time:20:14Sample:19862000Includedobservations: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-squared0.983316Meandependentvar38.06667AdjustedR-squared0.970802S.D.dependentvar10.06029S.E.ofregression1.719035Akaikeinfocriterion4.226127Sumsquaredresid23.64064Schwarzcriterion4.556551Loglikelihood-24.69596F-statistic78.58178Durbin-Watsonstat2.283073Prob(F-statistic)0.000001有表3的數(shù)據(jù)可以得出以下估計(jì)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經(jīng)濟(jì)意義檢驗(yàn)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(duì)月收入有正面的影響，符合經(jīng)濟(jì)意義。統(tǒng)計(jì)推斷檢驗(yàn)擬和優(yōu)度檢驗(yàn)可決系數(shù)R2=0.983316說(shuō)明模型在整體上擬和很好,丫的總差由模型作出了絕大部分解釋。R2=0.9708也說(shuō)明模型中各個(gè)解釋變量對(duì)應(yīng)變量的聯(lián)合影響程度很大回歸參數(shù)的顯著性檢驗(yàn)一一T檢驗(yàn)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(jì)的各參數(shù)的T值都大于3.250。說(shuō)明各個(gè)解釋變量對(duì)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(duì)月收入有顯著影響?；貧w方程的顯著性檢驗(yàn)一一F檢驗(yàn)在顯著性水平a=0.01條件下，F(xiàn)001(k-1,n-k)=F001(6-1,15-6)=6.06模型中的F-statistic=78.5819大于6.06，說(shuō)明回歸方程顯著，即各個(gè)解釋變量同應(yīng)變量之間存在顯著的線性關(guān)系。計(jì)量經(jīng)濟(jì)學(xué)檢驗(yàn)(a)多重共線性檢驗(yàn)表4 CorrelationMatrixSAE1E2F1F2S1.000000-0.444444-0.2886750.111111-0.123091-0.288675A-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-18F20.288675-0.577500.100000-1.07E-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(yàn)aWhite檢驗(yàn)

表5 White檢驗(yàn)TestEquation:DependentVariable:RESIDA2Method:LeastSquaresDate:12/15/03Time:21:54Sample:19862000Includedobservations:15VariableCoefficientStd.Errort-StatisticProb.C14.6300715.559030.9402950.3746S2.53815711.373710.2231600.8290A-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-squared0.125144Meandependentvar11.39916AdjustedR-squared-0.530998S.D.dependentvar12.75592S.E.ofregression15.78335Akaikeinfocriterion8.660512Sumsquaredresid1992.912Schwarzcriterion8.990936Loglikelihood-57.95384F-statistic0.190727Durbin-Watsonstat2.370596Prob(F-statistic)0.970773計(jì)算nR2=15X0.125144=1.87716在顯著性水平a=0.01條件下，X2001(P>5)都大于1.87716，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(yàn)DW檢驗(yàn)由表1中估計(jì)的結(jié)果，DW=2.283073，在給定顯著性水平a=0.01,查Durbin-Watson表，n=15k=6得下限臨界值dL=0.447dd=2.472dL<DW<dd無(wú)法判斷是否自相關(guān)圖示法 圖1E由圖1可以看出Et呈線性自回歸，表明隨機(jī)誤差項(xiàng)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DependentVariable:YMethod:LeastSquaresDate:12/16/03Time:14:40Sample(adjusted):19872000Includedobservations:14afteradjustingendpointsConvergenceachievedafter6iterationsVariableCoefficientStd.Errort-StatisticProb.S21.093623.6116085.8405080.0006A17.711642.1546938.2200250.0001E118.494861.77801710.401960.0000E25.1646741.2035224.2913000.0036F112.328941.3295809.2728040.0000F25.4806730.9851155.5634840.0008AR(1)0.8577260.1408096.0914080.0005R-squared0.975461Meandependentvar38.35714AdjustedR-squared0.954428S.D.dependentvar10.37458S.E.ofregression2.214732Akaikeinfocriterion4.734993Sumsquaredresid34.33528Schwarzcriterion5.054522Loglikelihood-26.14495Durbin-Watsonstat2.055093InvertedARRoots.86DW=2.055039仍落在了不能判斷的｛dL=0.447,dd=2.472｝內(nèi)。表7 Cochrane---Qrcutt迭代法DependentVariable:YMethod:LeastSquaresDate:12/16/03Time:13:14Sample(adjusted):19872000Includedobservations:14afteradjustingendpointsConvergenceachievedafter59iterationsVariableCoefficientStd.Errort-StatisticProb.C11.569121.8622016.2126060.0008S14.697251.44098010.199480.0001A12.323741.6149377.6310960.0003E116.248101.7217119.4371820.0001E25.3397221.4068993.7953840.0090F112.542771.4645288.5643750.0001F25.4565861.5446373.5326000.0123AR(1)-0.2994580.470966-0.6358370.5484R-squared0.982395Meandependentvar39.00000AdjustedR-squared0.961856S.D.dependentvar9.742847S.E.ofregression1.902819Akaikeinfocriterion4.420109Sumsquaredresid21.72432Schwarzcriterion4.785285Loglikelihood-22.94076F-statistic47.83089Durbin-Watsonstat2.414916Prob(F-statistic)0.000076InvertedARRoots-.30DW=2.4149有所提高但仍落在了不能判斷的｛dL=0.447,dd=2.472｝內(nèi)。盡管如此，由于此模型中各個(gè)解釋變量對(duì)應(yīng)變量的單獨(dú)影響和聯(lián)合影響都很顯著且模型沒(méi)有多重共線性和異方差，與我們?cè)O(shè)想的一樣，性別、學(xué)歷、年齡和企業(yè)大小對(duì)工資收入有明顯的影響，因此我們?nèi)杂么四Ｐ蛯?duì)工資作出預(yù)測(cè)：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+14.385*