工资收入差异分析

工资收入差异分析

一、引言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。

二．数据收集和模型结构

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。

1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

2设定模型

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

3估计模型的参数，检验参数和整体模型并对模型进行修正

4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Y

a

b)中型企业中30多岁女性大学毕业工人的月收入Y

b

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

二．模型的参数估计

表3 最小二乘估计Dependent Variable: Y

Method: Least Squares

Date: 12/15/03 Time: 20:14 Sample: 1986 2000

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

var

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 -24.6959

6

F-statistic 78.58178

Durbin-Watson 2.283073 Prob(F-statistic) 0.000001

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．模型的统计检验

（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t a/2 (n-k)= t a/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

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

nt

S 2.538157 11.37371 0.223160 0.8290

A -6.24856

8

13.95230 -0.447852 0.6661

E1 -0.10557

3

13.46799 -0.007839 0.9939

E2 -5.14713

5

10.27685 -0.500847 0.6300

F1 2.974629 12.17643 0.244294 0.8132

F2 -2.8607010.98235 -0.260482 0.8011

var 6

Adjusted R-squared -0.53099

8

S.D. dependent

var

12.7559

2

S.E. of regression 15.78335 Akaike info

criterion 8.66051

2

Sum squared 1992.912 Schwarz criterion 8.99093