计量经济学论文薪资微观影响因素的计量分析.docx
- 文档编号:27721550
- 上传时间:2023-07-04
- 格式:DOCX
- 页数:15
- 大小:73.02KB
计量经济学论文薪资微观影响因素的计量分析.docx
《计量经济学论文薪资微观影响因素的计量分析.docx》由会员分享,可在线阅读,更多相关《计量经济学论文薪资微观影响因素的计量分析.docx(15页珍藏版)》请在冰豆网上搜索。
计量经济学论文薪资微观影响因素的计量分析
计量经济学课程论文
某国薪资影响因素的计量分析
[摘要]
本文主要运用OLS,采取数据对工人工资的微观因素分析。
由此得出影响薪资最主要的因素是工作经验,以帮助大学生在择业就业时了解自己的优势劣势,及时增强自己的能力,增加工作经验,以求在职场中获得更高薪资和更好的表现。
Abstract
ThispapermainlyusestheOLS,taketheanalysisofdataonthemicrofactorsworkerswages.Conclusionthemaininfluencefactorsofsalaryisworkingexperience,tohelpstudentsunderstandtheirownadvantagesanddisadvantagesintheemployment,toenhancetheirability,workexperience,inordertogethigherpayandbetterperformanceintheworkplace
[关键词]
薪资影响因素回归分析
一.引言
我国大学扩招后,大学生就业难的问题已经是一个不争的现象,且有可能越来越难的趋势。
这个方面和国际经济形式近3年来连遭打击,一方面和中国经济结构体制和教育改革落后有关,更和当今大学生的就业观滞后有关。
据统计,2013年全国高校毕业生将超过700万,这些高校学子的就业问题成为社会和学校关注的焦点。
那么我们通常关注的工作的薪水受自身的什么因素的影响呢?
就此问题我搜集了关于薪水影响因素的数据,并且运用Eviews3.0进行多元回归分析。
二、数据搜集
本文所采用数据均来自于薛薇-《基于SPSS的数据分析Employeedata》,真实性和权威性很高。
三、计量经济模型
(一)模型的建立
Y=β1+β2X2+β3X3+β4X4+β5X5+β6X6+β7X7++β8X8+U
其中:
Y现在薪资(美元/年),X2—性别X3—教育程度X4—年龄X5—初始工作工资X6—工作时间X7—工作经验X8—行业类别U—随机扰动项
X2—性别,1代表男性,2代表女性(虚拟变量)
X3—教育程度,以年为单位,表示学习时间的长短
X7—工作经验,以月为单位,表示过去工作的时间长短
X6—工作时间,从被雇佣开始工作的时间
X8—行业类别,1表示管理者,2表示非管理者(虚拟变量)
DependentVariable:
Y
Method:
LeastSquares
Date:
11/03/13Time:
15:
36
Sample:
1471
Includedobservations:
470
Excludedobservations:
1
Variable
Coefficient
Std.Error
t-Statistic
Prob.
X2
2384.251
784.8212
3.037955
0.0025
X3
331.5970
159.6873
2.076540
0.0384
X4
-84.13613
48.88423
-1.721130
0.0859
X5
1.335128
0.074393
17.94707
0.0000
X6
151.8583
32.57934
4.661185
0.0000
X7
-9.137088
5.630314
-1.622838
0.1053
X8
11488.07
1393.907
8.241631
0.0000
C
-3936.150
3577.955
-1.100112
0.2719
R-squared
0.838169
Meandependentvar
34491.33
AdjustedR-squared
0.835717
S.D.dependentvar
17119.69
S.E.ofregression
6938.926
Akaikeinfocriterion
20.54456
Sumsquaredresid
2.22E+10
Schwarzcriterion
20.61524
Loglikelihood
-4819.971
F-statistic
341.8326
Durbin-Watsonstat
1.888283
Prob(F-statistic)
0.000000
由上表,模型估计有以下结果
Y=-3936.150+2384.251X2+331.5970X3-84.13613X4+1.335128X5+151.8583X6-9.137088X7+11488.07X8+U
se=(3577.955)(784.8212)(159.6873)(48.88423)(0.074393)(32.57934)(5.630314)(1393.907)
t=(-1.100112)(3.037955)(2.076540)(-1.721130)(17.94707)(4.661185)(-1.622838)(8.241631)
R2=0.838169AdjustedR2=0.835717F-statistic=341.8326,n=471
(二)参数估计的检验与修正
由上表,该模型的可决系数较高,F检验值=341.8326,明显显著。
除X7所有变量的符号也和预期效果一致,说明,但α=0.05时,t(471-7)=1.9,,只有X2和X8的系数的t检验显著,这表明很可能存在多重共线性。
尽管回归拟合的很好,但是解释变量的t统计量多个不显著,X7工作经验的系数符号和经济意义相反,也表明模型中解释变量确实存在多重共线性。
(1)多重共线性的检验
Step1.计算各变量的相关系数。
相关系数矩阵
X2
X3
X4
X5
X6
X7
X8
X2
1
0.355076400133
-0.0447912918967
0.456769854254
.0736********
0.169619102618
0.316871983659
X3
0.355076400133
1
-0.281159648898
0.633194649462
0.0491522101777
-0.251219542248
0.60718718873
X4
-0.0447912918967
-0.281159648898
1
-0.00788948989874
0.0527983272354
0.803943982422
.0857********
X5
0.456769854254
0.633194649462
-0.00788948989874
1
.022*********
0.0464502330923
0.782384438487
X6
.0736********
0.0491522101777
0.0527983272354
.022*********
1
0.00064724788327
-0.00430182574373
X7
0.169619102618
-0.251219542248
0.803943982422
0.0464502330923
0.00064724788327
1
.0818********
X8
0.316871983659
0.60718718873
.0857********
0.782384438487
-0.00430182574373
.0818********
1
可以看出多个变量之间存在多重共线性。
Step2.采用逐步回归法,来检验和解决多重共线性问题。
分别做Y对x2-x8的一元回归,结果如下
一元回归结果
变量
X2
X3
X4
X5
X6
X7
X8
参数估计值
15482.93
3909.694
-209.5382
1.907769
133.4431
-15.84906
35885.45
T统计量
10.95655
19.07986
-3.146268
40.13644
1.696097
-2.113882
29.29398
可决系数
0.203797
0.437002
0.020714
0.774512
0.006096
0.009438
0.646608
修正可决系数
0.202100
0.435802
0.018621
0.774031
0.003977
0.007326
0.645854
其中,加入X5的修正的可决系数最大,以X5为基础,顺次加入其他变量逐次回归。
加入新变量的回归结果1
变量
X5
X5X2
0.776619
X5X2X3
0.7929
X5X2X3X4
0.8020
X5
X2X3X4X6
0.81032
X5X2X3X4X6X7
0.811971
X5X2X3X4X6X7X8
0.835717
经比较,新加入变量X3后,方程的修正的可决系数为改进最大,且各参数t检验显著,所以选择保留X3X8,再加入其他新变量逐步回归。
加入新变量的回归结果2
变量
X5
X3
X8
X2
X4
X6
X7
AdjustedR2
X5,
X3,X8
1.290676
736.2550
11751.16
---
---
----
---
0.818020
X5X3,X8
X2
1.220554
681.5339
12188.17
2292.555
---
------
---
0.819954
X5X3,X8
X2
X4
1.290785
442.2272
11807.88
2243.606
-134.8229
-----
----
0.819954
X5X3,X8
X2
X4
X6
1.325221
369.5571
11700.96
1925.569
-147.602
156.7427
---
0.835137
X5X3,X8
X2
X4
X6
X7
1.335128
331.5970
11488.07
2384.251
-84.13613
151.8583
---
0.835717
经比较,新加入变量后,尽管方程的修正的可决系数都有较大改进,
参数X4,X7t检验不显著,且使原有变量的t检验值也向不显著方向发展,所以说明X4、X7、X2引起了严重的多重共线性,应予剔除,使模型得到改善。
Step3.因此,剔除了多重共线性后的模型为
Y=β1+β3X3+β5X5+β8X8+β6X6+U
再次经过回归,结果为
DependentVariable:
Y
Method:
LeastSquares
Date:
11/03/13Time:
20:
40
Sample:
1471
Includedobservations:
471
Variable
Coefficient
Std.Error
t-Statistic
Prob.
X3
684.2104
152.2828
4.493024
0.0000
X5
1.309164
0.071122
18.40724
0.0000
X8
11702.43
1421.733
8.231101
0.0000
X6
150.2387
33.16864
4.529539
0.0000
C
-11332.35
3224.420
-3.514538
0.0005
R-squared
0.825694
Meandependentvar
34492.30
AdjustedR-squared
0.824198
S.D.dependentvar
17101.48
S.E.ofregression
7170.430
Akaikeinfocriterion
20.60388
Sumsquaredresid
2.40E+10
Schwarzcriterion
20.64798
Loglikelihood
-4847.213
F-statistic
551.8666
Durbin-Watsonstat
1.857537
Prob(F-statistic)
0.000000
Y=-11332.35+684.2104*X3+1.309164*X5+11702.43*X8
+150.2387*X6
(-3.514538)(4.493024)(18.40724)(8.231101)(4.529539)
R2=0.825694DW=1.857537F=551.866
(2)异方差的检验(White检验)
Step1.相关图形分析
从这两个图可以粗略看出,随X3和X5的增加,Y的离散程度有稍微逐步变大的趋势,是否存在异方差还不能判断。
Step2.
由于是多元的回归,所以采取含交叉项的White检验
WhiteHeteroskedasticityTest:
F-statistic
5.541532
Probability
0.000000
Obs*R-squared
64.13656
Probability
0.000000
TestEquation:
DependentVariable:
RESID^2
Method:
LeastSquares
Date:
11/03/13Time:
21:
05
Sample:
1471
Includedobservations:
471
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
3.17E+08
6.53E+08
0.485059
0.6279
X5
-15447.03
16063.10
-0.961647
0.3367
X5^2
-0.337330
0.109760
-3.073335
0.0022
X5*X3
204.9039
1021.540
0.200583
0.8411
X5*X8
15068.24
6389.625
2.358235
0.0188
X5*X6
329.9374
174.8829
1.886620
0.0598
X3
11482926
38127255
0.301174
0.7634
X3^2
63893.82
1258502.
0.050770
0.9595
X3*X8
-33996606
23420222
-1.451592
0.1473
X3*X6
-154541.3
336894.1
-0.458724
0.6467
X8
4.04E+08
4.41E+08
0.914519
0.3609
X8*X6
-1548520.
3236506.
-0.478454
0.6326
X6
-7964860.
13481353
-0.590806
0.5549
X6^2
34842.58
78728.46
0.442566
0.6583
R-squared
0.136171
Meandependentvar
50869257
AdjustedR-squared
0.111598
S.D.dependentvar
1.65E+08
S.E.ofregression
1.55E+08
Akaikeinfocriterion
40.58625
Sumsquaredresid
1.10E+19
Schwarzcriterion
40.70974
Loglikelihood
-9544.061
F-statistic
5.541532
Durbin-Watsonstat
1.847878
Prob(F-statistic)
0.000000
由上表,Obs*R-squared概率<0.05,拒绝原假设,表明模型存在异方差。
Step3.消除异方差
采用加权最小二乘法(WLS)对异方差进行修正。
经过尝试,选用的权数为w=1/x5最为合理。
用权数的回归结果为
再次回归的结果为:
DependentVariable:
Y
Method:
LeastSquares
Date:
11/04/13Time:
21:
14
Sample:
1471
Includedobservations:
471
Weightingseries:
W2
Variable
Coefficient
Std.Error
t-Statistic
Prob.
X5
1.687270
0.095090
17.74400
0.0000
X3
398.3359
97.81543
4.072322
0.0001
X8
9654.836
1904.611
5.069191
0.0000
X6
114.8461
21.59313
5.318643
0.0000
C
-10179.17
2233.259
-4.557986
0.0000
WeightedStatistics
R-squared
0.741192
Meandependentvar
27948.34
AdjustedR-squared
0.738970
S.D.dependentvar
9809.637
S.E.ofregression
5011.848
Akaikeinfocriterion
19.88756
Sumsquaredresid
1.17E+10
Schwarzcriterion
19.93166
Loglikelihood
-4678.519
F-statistic
333.6404
Durbin-Watsonstat
1.931204
Prob(F-statistic)
0.000000
UnweightedStatistics
R-squared
0.809798
Meandependentvar
34492.30
AdjustedR-squared
0.808165
S.D.dependentvar
17101.48
S.E.ofregression
7490.273
Sumsquaredresid
2.61E+10
Durbin-Watsonstat
1.909834
再进行含交叉项的White检验
WhiteHeteroskedasticityTest:
F-statistic
0.783391
Probability
0.678086
Obs*R-squared
10.26727
Probability
0.671946
TestEquation:
DependentVariable:
STD_RESID^2
Method:
LeastSquares
Date:
11/04/13Time:
21:
15
Sample:
1471
Includedobservations:
471
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-2.12E+08
3.67E+08
-0.577426
0.5639
X5
-5553.861
9033.223
-0.614826
0.5390
X5^2
0.017838
0.061725
0.289001
0.7727
X5*X3
126.7006
574.4718
0.220551
0.8255
X5*X8
2056.025
3593.261
0.572189
0.5675
X5*X6
-7.813604
98.34690
-0.079449
0.9367
X3
1712651.
21441195
0.079877
0.9364
X3^2
274770.0
707729.9
0.388241
0.6980
X3*X8
-9847646.
13170567
-0.747701
0.4550
X3*X6
-83172.82
189455.4
-0.439010
0.6609
X8
1.36E+08
2.48E+08
0.549826
0.5827
X8*X6
-185780.5
1820077.
-0.102073
0.9187
X6
6262947.
7581357.
0.826098
0.4092
X6^2
-28416.50
44273.64
-0.641838
0.5213
R-squared
0.021799
Meandependentvar
24851970
AdjustedR-squared
-0.006027
S.D.dependentvar
86957312
S.E.ofregression
87218982
Akaikeinfocriterion
39.43502
Sumsquaredresid
3.48E+18
Schwarzcriterion
39.55851
Loglikelihood
-9272.946
F-statistic
0.783391
Durbin-Watsonstat
1.950360
Prob(F-statistic)
0.678086
0.671946>0.05,所以不再有异方差性。
(3)自相关的检验
由进行了加权最小二乘修正的回归结果可知,DW=1.95036,在0.05的显著性水平下,4-Du=2.04964>DW>1.57,即落入无自相关的区域,所以判定模型不存在自相关。
(三)模型的解释
通过以上的参数估计、检验和修正,最终得到的模型结果如下:
Y=-10179.17+1.687270*X5+398.3359*X3+9654.836X8+114.8461X6
(-4.557986)(
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 计量 经济学论文 薪资 微观 影响 因素 分析