美国个人收入影响因素实证分析.docVIP

PAGE  PAGE 9 美国个人收入影响因素实证分析 　　【摘要】本文使用Stata14软件，42 368个样本容量，运用线性回归的方法对美国个人收入影响因素进行了实证分析。文章分别分析了地区与教育，工作时间结合年龄和受教育情况，以及婚姻状况对美国个人收入的影响。经过计算分析，模型的结果能够解释以上所有因素对19.4%的个人收入的影响。除此之外，可能影响收入的因素还包括工种，种族，是否接受工作培训和健康状况。 　　【关键词】美国个人收入线性回归影响因素Stata14 　　【中图分类号】F817 　　一、引言 　　在文章《美国各州间收入不均衡：进一步证据》中，作者Ram指出美国个人的收入不均衡已成为当代社会的热点，并且各州间高度的收入不均衡很有可能降低美国的经济年增长率（Ramet al.，2015）。鉴于收入平等的重要性，笔者发现能够影响个人收入的因素包括所处地区，年龄，工作时间等。研究的目的是指出有可能缩小个人收入的差距的方法来实现收入均衡。 　　文章专注于分析2015年影响美国个人收入的因素。具体来说，笔者运用多次回归的方法，用地区，工作时间和婚姻状态作为解释变量。人们所处的地区是否会对收入有影响？如果是，地区会如何影响收入？已婚人士是否更有可能挣得更多？这些问题都会在文章中一一解答。 　　二、经济理论的应用 　　本文中使用的经济学概念与研究方法包括：多次回归，假设检验，（当两个回归量出现时）使用交互项，以及使用工具变量（James Stock et al.，2015）。通过建立虚变量来给变量编号，并且为了避免多重共线性，建立的虚变量的个数会比参加回归的变量总个数少一个。 　　三、实证分析 　　（一）数据来源 　　本文中的数据来源于IPUMS CPS（美国当代人口调查）（https：///cps/），该数据库是一个整合了美国当代人口调查信息的公用微观数据库。对于样本容量的选择，一开始选择了从2000～ 2015年的所有数据以观察这15年来人们的收入变化。然而，这样巨大的样本数量不但增加结论的不确定性，而且会削弱线性回归的准确性。因此，根据样本数据的完整性与多样性，选择了2015年的42 368个有效样本容量来进行分析。 　　（二）变量选择 　　本文共选取了4个因素：所处地区，性别，婚姻状态与受教育程度。这些因素可能导致人们收入变化的相关因素。为了更好的管理数据，建立需变量并相应地归类了数据。例如，建立需变量“longhr？ swork”（较长工作时间）并让其等于0。根据该方法将那些每周工作超过40小时的人的需变量改成了1，而工作时间小于或等于40小时的则被标为0。这种方法在其他变量的分类中也被应用了。下图是对所有回归量和收入的概述。 　　四、实证结论 　　（一）所处地区和教育水平对收入的影响 　　根据美国的地域，划分为美国东北部，中西部，西部和南部。将东北部设为需变量，并标注为1，其余地区的需变量标注为0。研究美国东北部相对其余三个地区的收入情况。结果如表1所示。 　　教育在决定人们的收入水平中扮演着不可或缺的作用。通过观察变量“教育”的t检验值并且通过假设检验，可以总结出教育在决定收入水平方面的重要作用。 　　鉴于教育的重要性，获得高等教育的机会是否与人们所处的地区（美国东北部，中西部，等等）有关。通过联合假设检验可以得到：获得高等教育的机会与人们所处的地区高度正相关。因此，对在个人收入，教育水平，与交互项（教育*地区）之间进行了多次回归： 　　预计收入=常数项+β1教育+β2东北部+β3交互项（教育×东北部）+其他因素 　　其中，交互项（教育×东北部）代表了在不同地区，是否接受高等教育对于收入的影响。因此，预计收入不仅取决于教育，也取决于交互项。为了简化，现在只有东北部的需变量包括在内，所以研究的是在美国东北部的人们相比在美国其他地区的人们，其教育对收入的影响。结果显示，个人收入的各因素系数为：教育水平（大学）系数为40 425.47，东北部系数为2 836.433，教育×东北部系数为2 053.75，常数系数为32 476.58。 　　Stata显示： 　　预计收入（东北部） =β0+β2+（β1+β3）教育=35 313.013+42 479.22教育 　　预计收入（全国其他地区） =β0+β1教育=32 476.58+40 425.47教育 　　如果将该结果用图像表示，东北部的回归线会有更高的截距与更大的斜率。这个结论意味着因为东北部的人们受教育的程度高而有更高的收入，因此身处东北部的人们意味着有更高的收入。 　　然而，只包含了“东北部”与“全国其他地区”的线性回归会带来片面的结论。这是因为该回归仅仅对比了身处东北部与全国其他地区在收入方面的表现