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)，我們建立計量經(jīng)濟學(xué)模型對其進行分析判斷和預(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。
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。
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
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
設(shè)定模型
Y=α+β1S+β2A+β3 E1 +β4 E2 +β5 F1 +β6 F2 +u
α>0 , β1>0 , β2>0 , β3>0 , β4>0 , β5>0 , β6>0
估計模型的參數(shù)，檢驗參數(shù)和整體模型并對模型進行修正
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 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)F2
25 0 1 0 0 0 0
26 1 0 0 0 0 0
28 0 1 0 1 0 0
30 0 1 0 1 0 0
31 1 0 0 0 0 1
32 1 0 0 1 0 0
34 0 0 1 0 0 1
36 1 0 0 1 0 1
39 0 0 1 0 1 0
40 1 0 0 1 0 1
43 1 0 1 0 0 0
46 1 0 1 0 0 1
52 1 1 0 0 1 0
54 0 1 1 0 1 0
55 1 1 0 1 1 0
參數(shù)估計
表3 最小二乘估計
Dependent Variable: Y
Method: Least Squares
Date: 12/15/03 Time: 20:14
Sample: 1986 2000
Included observations: 15
Variable Coefficient Std. Error t-Statistic Prob.
C 11.96613 1.694604 7.061317 0.0001
S 14.38476 1.238761 11.61222 0.0000
A 12.64252 1.519607 8.319597 0.0000
E1 15.87300 1.466859 10.82108 0.0000
E2 5.082785 1.119298 4.541047 0.0019
F1 12.15240 1.326189 9.163398 0.0000
F2 5.543744 1.196137 4.634706 0.0017
R-squared 0.983316 Mean dependent var 38.06667
Adjusted R-squared 0.970802 S.D. dependent var 10.06029
S.E. of regression 1.719035 Akaike info criterion 4.226127
Sum squared resid 23.64064 Schwarz criterion 4.556551
Log likelihood -24.69596 F-statistic 78.58178
Durbin-Watson stat 2.283073 Prob(F-statistic) 0.000001
有表3的數(shù)據(jù)可以得出以下估計結(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
（1）經(jīng)濟意義檢驗
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)濟學(xué)檢驗
(a)多重共線性檢驗
表4 Correlation Matrix
S A E1 E2 F1 F2
S 1.000000 -0.444444 -0.288675 0.111111 -0.123091 -0.288675
A -0.444444 1.000000 -0.288675 0.166667 0.430820 -0.577350
E1 -0.288675 -0.288675 1.000000 -0.577350 0.213201 0.100000
E2 0.111111 0.166667 -0.577350 1.000000 -0.184637 -0.184637
F1 -0.123091 0.430820 0.213201 -0.184637 1.000000 -1.07E-18
F2 0.288675 -0.57750 0.100000 -1.07E-18 0.426401 1.000000
由表4可以看出，解釋變量之間不存在嚴重的多重共線性，各解釋變量之間的干擾程度不大，不需要進行修正。
(b)異方差檢驗
a White 檢驗
表5 White 檢驗
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 12/15/03 Time: 21:54
Sample: 1986 2000
Included observations: 15
Variable Coefficient Std. Error t-Statistic Prob.
C 14.63007 15.55903 0.940295 0.3746
S 2.538157 11.37371 0.223160 0.8290
A -6.248568 13.95230 -0.447852 0.6661
E1 -0.105573 13.46799 -0.007839 0.9939
E2 -5.147135 10.27685 -0.500847 0.6300
F1 2.974629 12.17643 0.244294 0.8132
F2 -2.860708 10.98235 -0.260482 0.8011
R-squared 0.125144 Mean dependent var 11.39916
Adjusted R-squared -0.530998 S.D. dependent var 12.75592
S.E. of regression 15.78335 Akaike info criterion 8.660512
Sum squared resid 1992.912 Schwarz criterion 8.990936
Log likelihood -57.95384 F-statistic 0.190727
Durbin-Watson stat 2.370596 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
1．87716 ，即可接受原假設(shè)，隨機誤差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: Y
Method: Least Squares
Date: 12/16/03 Time: 14:40
Sample(adjusted): 1987 2000
Included observations: 14 after adjusting endpoints
Convergence achieved after 6 iterations
Variable Coefficient Std. Error t-Statistic Prob.
S 21.09362 3.611608 5.840508 0.0006
A 17.71164 2.154693 8.220025 0.0001
E1 18.49486 1.778017 10.40196 0.0000
E2 5.164674 1.203522 4.291300 0.0036
F1 12.32894 1.329580 9.272804 0.0000
F2 5.480673 0.985115 5.563484 0.0008
AR(1) 0.857726 0.140809 6.091408 0.0005
R-squared 0.975461 Mean dependent var 38.35714
Adjusted R-squared 0.954428 S.D. dependent var 10.37458
S.E. of regression 2.214732 Akaike info criterion 4.734993
Sum squared resid 34.33528 Schwarz criterion 5.054522
Log likelihood -26.14495 Durbin-Watson stat 2.055093
Inverted AR Roots .86
DW=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: Y
Method: Least Squares
Date: 12/16/03 Time: 13:14
Sample(adjusted): 1987 2000
Included observations: 14 after adjusting endpoints
Convergence achieved after 59 iterations
Variable Coefficient Std. Error t-Statistic Prob.
C 11.56912 1.862201 6.212606 0.0008
S 14.69725 1.440980 10.19948 0.0001
A 12.32374 1.614937 7.631096 0.0003
E1 16.24810 1.721711 9.437182 0.0001
E2 5.339722 1.406899 3.795384 0.0090
F1 12.54277 1.464528 8.564375 0.0001
F2 5.456586 1.544637 3.532600 0.0123
AR(1) -0.299458 0.470966 -0.635837 0.5484
R-squared 0.982395 Mean dependent var 39.00000
Adjusted R-squared 0.961856 S.D. dependent var 9.742847
S.E. of regression 1.902819 Akaike info criterion 4.420109
Sum squared resid 21.72432 Schwarz criterion 4.785285
Log likelihood -22.94076 F-statistic 47.83089
Durbin-Watson stat 2.414916 Prob(F-statistic) 0.000076
Inverted AR Roots -.30
DW=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Y1
Y1= 11.966 + 14.385*1 + 12.643A*1+ 15.873*1 + 5.083*0 + 12.152*1 + 5.544*0
=67.190(萬日元)
b)中型企業(yè)中30多歲女性大學(xué)畢業(yè)工人的月收入Y2
Y2= 11.966 + 14.385*0 + 12.643A*0+ 15.873*0 + 5.083*1 + 12.152*0 + 5.544*1
=22.593(萬日元)
C)小型企業(yè)中30多歲男性初中畢業(yè)工人的月收入Y3
Y3= 11.966 + 14.385*1 + 12.643A*0+ 15.873*0 + 5.083*0 + 12.152*0 + 5.544*0
=26.351（萬日元）
【工資收入差異分析】相關(guān)文章：