发布时间：2015-04-14 来源：人大经济论坛

工资收入差异分析_经济学毕业论文范文 工资收入差异分析 为了考察工资收入是否与性别，年龄，学历，企业规模有关，我们建立计量经济学模型对其进行分析判断和预测，因国内数据不好查找，我们在这个模型中就引用日本的数据建立模型。 下表列出的15个工人月收入以及相应的性别，年龄层（30多岁与40多岁），学历（大学毕业，高中毕业，初中毕业），企业规模（大型企业，中型企业，小型企业）之间的关系。根据这些定性数据，通过这些定性数据，通过小面问题分析收入差距的原因。 为了将定性数据作为解释变量纳入模型，引入下面六个虚拟变量。根据下表制作虚拟变量的数据表。 性别 S S=1 男性 S=0 女性 年龄A A=1 40多岁 A=0 30多岁 学历(1) E1`=1 大学毕业 E1=0 其他 学历（2） E2=1 高中毕业 E2=0 其他 企业规模（1） F1=1 大型企业 F1=0 其他 企业规模（2） F2=1 中小型企业 F2=0 其他 设定模型 Y=α+β1S+β2A+β3 E1 +β4 E2 +β5 F1 +β6 F2 +u α0 , β10 , β20 , β30 , β40 , β50 , β60 估计模型的参数，检验参数和整体模型并对模型进行修正 计算下列属性所对应的月收入 a)大型企业中40多岁男性大学毕业工人的月收入Ya b)中型企业中30多岁女性大学毕业工人的月收入Yb c)小型企业中30多岁男性初中毕业工人的月收入Yc 表1 月收入与性别、年龄层、学历、企业规模之间的关系 月收入（万日元）性别年龄层学历企业规模 25女性40多岁初中毕业小企业 26男性30多岁初中毕业小企业 28女性40多岁高中毕业小企业 30女性40多岁高中毕业小企业 31男性30多岁初中毕业中企业 32男性30多岁高中毕业小企业 34女性30多岁大学毕业中企业 36男性30多岁高中毕业中企业 39女性30多岁大学毕业大企业 40男性30多岁高中毕业中企业 43男性30多岁大学毕业小企业 46男性30多岁大学毕业中企业 52男性40多岁初中毕业大企业 54女性40多岁大学毕业大企业 55男性40多岁高中毕业大企业 表2 制作虚拟变量处理后的数据表 月收入（万日元）Y性别S年龄层A学历企业规模 大学毕业E1`高中毕业E2大型企业F1中型企业F2 25010000 26100000 28010100 30010100 31100001 32100100 34001001 36100101 39001010 40100101 43101000 46101001 52110010 54011010 55110110 参数估计 表3 最小二乘估计 Dependent Variable: Y Method: Least Squares Date: 12/15/03 Time: 20:14 Sample: 1986 2000 Included observations: 15 VariableCoefficientStd. Errort-StatisticProb. C11.966131.6946047.0613170.0001 S14.384761.23876111.612220.0000 A12.642521.5196078.3195970.0000 E115.873001.46685910.821080.0000 E25.0827851.1192984.5410470.0019 F112.152401.3261899.1633980.0000 F25.5437441.1961374.6347060.0017 R-squared0.983316 Mean dependent var38.06667 Adjusted R-squared0.970802 S.D. dependent var10.06029 S.E. of regression1.719035 Akaike info criterion4.226127 Sum squared resid23.64064 Schwarz criterion4.556551 Log likelihood-24.69596 F-statistic78.58178 Durbin-Watson stat2.283073 Prob(F-statistic)0.000001 有表3的数据可以得出以下估计结果： 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）经济意义检验 所有的参数都为正数，即性别、年龄、学历和所在企业的大小对月收入有正面的影响，符合经济意义。 （2）统计推断检验 (a)拟和优度检验 可决系数R2 = 0.983316 说明模型在整体上拟和很好,Y 的总差由模型作出了绝大部分解释。 _ R2 = 0.9708也说明模型中各个解释变量对应变量的联合影响程度很大 (b)回归参数的显著性检验——T检验 在显著性水平a=0.01条件下ta/2 (n-k)= ta/2 (15-6) =3.250 模型估计的各参数的T值都大于3.250。说明各个解释变量对应变量的影响都是显著的。即性别，年龄，学历，企业大小对月收入有显著影响。 (c)回归方程的显著性检验——F检验 在显著性水平a=0.01条件下，F0。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，说明回归方程显著，即各个解释变量同应变量之间存在显著的线性关系。 (3)计量经济学检验 (a)多重共线性检验 表4 Correlation Matrix SAE1E2F1F2 S 1.000000-0.444444-0.2886750.111111-0.123091-0.288675 A-0.4444441.000000-0.2886750.1666670.430820-0.577350 E1-0.288675-0.2886751.000000-0.5773500.2132010.100000 E20.1111110.166667-0.5773501.000000-0.184637-0.184637 F1-0.1230910.4308200.213201-0.1846371.000000-1.07E-18 F20.288675-0.577500.100000-1.07E-180.4264011.000000 由表4可以看出，解释变量之间不存在严重的多重共线性，各解释变量之间的干扰程度不大，不需要进行修正。 (b)异方差检验 a White 检验 表5 White 检验 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 12/15/03 Time: 21:54 Sample: 1986 2000 Included observations: 15 VariableCoefficientStd. Errort-StatisticProb. C14.6300715.559030.9402950.3746 S2.53815711.373710.2231600.8290 A-6.24856813.95230-0.4478520.6661 E1-0.10557313.46799-0.0078390.9939 E2-5.14713510.27685-0.5008470.6300 F12.97462912.176430.2442940.8132 F2-2.86070810.98235-0.2604820.8011 R-squared0.125144 Mean dependent var11.39916 Adjusted R-squared-0.530998 S.D. dependent var12.75592 S.E. of regression15.78335 Akaike info criterion8.660512 Sum squared resid1992.912 Schwarz criterion8.990936 Log likelihood-57.95384 F-statistic0.190727 Durbin-Watson stat2.370596 Prob(F-statistic)0.970773 计算n R2 = 15×0.125144 = 1.87716 在显著性水平a=0.01条件下，X2 0.01 (P5) 都大于 1．87716 ，即可接受原假设，随机误差u 不存在异方差性。 （c）自相关检验 DW检验 由表1中估计的结果，DW=2.283073 ，在给定显著性水平a=0.01 ，查 Durbin-Watson表，n = 15 k = 6 得下限临界值dL = 0.447 dU = 2.472 dL DW dU 无法判断是否自相关 图示法 图1 由图1可以看出Et 呈线性自回归，表明随机误差项ut存在一阶自相关。 自相关的修正 广义差分法 B = 1-1/2DW=1-1.1515=-0.1415 表6 广义差分 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 VariableCoefficientStd. Errort-StatisticProb. S21.093623.6116085.8405080.0006 A17.711642.1546938.2200250.0001 E118.494861.77801710.401960.0000 E25.1646741.2035224.2913000.0036 F112.328941.3295809.2728040.0000 F25.4806730.9851155.5634840.0008 AR(1)0.8577260.1408096.0914080.0005 R-squared0.975461 Mean dependent var38.35714 Adjusted R-squared0.954428 S.D. dependent var10.37458 S.E. of regression2.214732 Akaike info criterion4.734993 Sum squared resid34.33528 Schwarz criterion5.054522 Log likelihood-26.14495 Durbin-Watson stat2.055093 Inverted AR Roots .86 DW=2.055039 仍落在了不能判断的{dL = 0.447 ， dU = 2.472}内。 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 VariableCoefficientStd. Errort-StatisticProb. C11.569121.8622016.2126060.0008 S14.697251.44098010.199480.0001 A12.323741.6149377.6310960.0003 E116.248101.7217119.4371820.0001 E25.3397221.4068993.7953840.0090 F112.542771.4645288.5643750.0001 F25.4565861.5446373.5326000.0123 AR(1)-0.2994580.470966-0.6358370.5484 R-squared0.982395 Mean dependent var39.00000 Adjusted R-squared0.961856 S.D. dependent var9.742847 S.E. of regression1.902819 Akaike info criterion4.420109 Sum squared resid21.72432 Schwarz criterion4.785285 Log likelihood-22.94076 F-statistic47.83089 Durbin-Watson stat2.414916 Prob(F-statistic)0.000076 Inverted AR Roots -.30 DW=2.4149 有所提高但仍落在了不能判断的{dL = 0.447 ， dU = 2.472}内。 尽管如此，由于此模型中各个解释变量对应变量的单独影响和联合影响都很显著 且模型没有多重共线性和异方差，与我们设想的一样，性别、学历、年龄和企业大小对工资收入有明显的影响，因此我们仍用此模型对工资作出预测： a)大型企业中40多岁男性大学毕业工人的月收入Y1 Y1= 11.966 + 14.385*1 + 12.643A*1+ 15.873*1 + 5.083*0 + 12.152*1 + 5.544*0 =67.190(万日元) b)中型企业中30多岁女性大学毕业工人的月收入Y2 Y2= 11.966 + 14.385*0 + 12.643A*0+ 15.873*0 + 5.083*1 + 12.152*0 + 5.544*1 =22.593(万日元) C)小型企业中30多岁男性初中毕业工人的月收入Y3 Y3= 11.966 + 14.385*1 + 12.643A*0+ 15.873*0 + 5.083*0 + 12.152*0 + 5.544*0 =26.351（万日元）