工资及其主要影响因素分析概要.docx

上海大学 2013 ～ 2014学年冬季学期研究生课程论文课程名称：高级计量经济学课程编号： 01SAQ9004论文题目: 工资及其主要影响因素分析 作者姓名: 李腾龙学 号:成 绩: 论文评语:评阅人: 评阅日期: 工资及其主要影响因素分析摘要：本文目的在于分析相关人员的教育、工作经验、任期、性别、婚姻等因素对其工资的影响，从而可以为企业根据员工的相关背景开具工资提供参考依据。同时，更重要的是，通过本次的建模学习过程，使自己更加深入地学习了计量经济学的相关知识，拥有了计量经济学的实证分析经验，并且还初步掌握了相关软件的使用方法。关键词：工资、虚拟变量、最小二乘回归、异方差检验、SAS软件引言亚当.斯密《国富论》中说：“一国国民每年的劳动，本来就是供给他们每年消费的一切生活必需品和便利的源泉。”一个劳动者的工资，要用来养家糊口，因此对于它的研究至关重要。职工工资的增长逐渐成为一个热点话题，在百度中输入“职工工资”，你会得到非常多相关报道，工资协商制、工资拖欠、工资保障机制也成为学术界人士争相研究的焦点。而也是随着职工工资的增长，其他的一些问题，诸如个税征收、社会保障机制改革等接踵而来。因此，研究好职工工资的影响因素，对于预测工资走向，安排生产生活，体制改革等有积极意义。影响工资的因素有很多，在此我们主要选教育年限、经验、任期、性别、婚姻等因素来研究，从该研究中发现更深层次的原因，这就是本问研究的主要目的。背景知识1.虚拟变量定心信息通常是以二值信息的形式出现：一个人是男还是女；一个人是已婚还是未婚；这些信息可以通过定义一个二值变量或0-1变量来刻画。在计量经济学中，二值变量通常称为虚拟变量。2.多重共线性在多元线性回归模型经典假设中，其重要假定之一是回归模型的解释变量之间不存在线性关系，也就是说，解释变量中的任何一个都不能是其他解释变量的线性组合。如果违背这一假定，即线性回归模型中某一个解释变量与其他解释变量间存在线性关系，就称线性回归模型中存在多重共线性。多重共线性违背了解释变量间不相关的古典假设，将给普通最小二乘法带来严重后果。多重共线性的解决方法有：1.保留重要解释变量，去掉次要或可替代解释变量；2.用相对数变量替代绝对数变量；3.差分法；4.逐步回归分析；5.主成份分析；6.偏最小二乘回归；7.岭回归；8.增加样本容量。3.异方差性异方差性（heteroscedasticity ）是相对于同方差而言的。所谓同方差，是为了保证回归参数估计量具有良好的统计性质，经典线性回归模型的一个重要假定：总体回归函数中的随机误差项满足同方差性，即它们都有相同的方差。如果这一假定不满足，即：随机误差项具有不同的方差，则称线性回归模型存在异方差性。若线性回归模型存在异方差性，则用传统的最小二乘法估计模型，得到的参数估计量不是有效估计量，甚至也不是渐近有效的估计量；此时也无法对模型参数的进行有关显著性检验。对存在异方差性的模型可以采用加权最小二乘法进行估计。异方差性的检测——White test在此检测中，原假设为：回归方程的随机误差满足同方差性。对立假设为：回归方程的随机误差满足异方差性。判断原则为：如果nR^2chi^2 (k-1），则原假设就要被否定，即回归方程满足异方差性。数据本文研究的数据来源于叶明确老师课堂中所使用的工资数据，共计526个样本数据。本文选取了受教育年限（educ），工作年限（exper），任期（tenure），性别（female），婚姻（married）等因素作为自变量，研究其与工资之间的影响关系。关于性别、婚姻等变量的量化，我们定义：性别：“female=1”表示女性，“female=0”表示男性；婚姻：“married=1”表示已婚，“married=0”表示未婚；得到数据样本如下：wageeducexpertenurefemalemarried13.111201023.212222113311200046844280155.312720168.8169801711181570085125310……………………………………5244.715131801525121651015263.5145410分析1.建模参考经济学中的经典模型，本文我们也采用log(wage)作为因变量，建立最小二乘回归模型：2.回归结果我们采用SAS软件进行方程的回归，命令如下：procregdata=ltl;model lwage=educ exper tenure female married;run;结果：我们看到，模型的拟合度约是40%，而模型的F检验值为70.83，是显著的。但是，我们还发现，在95%置信度的标准下，exper的结果是不显著的，需要进一步修