spss论文.docx
- 文档编号:7009966
- 上传时间:2023-01-16
- 格式:DOCX
- 页数:21
- 大小:77.53KB
spss论文.docx
《spss论文.docx》由会员分享,可在线阅读,更多相关《spss论文.docx(21页珍藏版)》请在冰豆网上搜索。
spss论文
居民月收入的影响因素分析
摘要本文针对居民的月收入,利用定性研究和定量研究的分析方法,使用某全国性综合社会调查数据进行排序编号、就均值、方差处理、回归分析,使用分组对比作图比较等方法和相关理论,对我国居民月收入的影响因素进行研究分析,得到结果为影响月收入差异的因素有性别、城乡、户籍、学历等,最后根据分析结果,给出关于如何缩小收入差距的建议。
关键词居民月收入影响因素差距对策
一、前言
(一)问题的提出
全民建成小康社会是中国梦的目标之一,人民民主不断扩大,人民生活水平全民提高,是国家和居民都高度关注的问题,但是由于我国的复杂的社会环境和社会客观条件,造成了居民收入的不平衡,是什么因素影响了居民收入的不同需要我们通过调查数据、分析数据、总结结论等定量研究来找到。
并且在结论的基础上,我们可以做些什么来减少居民收入间差距。
(二)研究意义
在多重因素的影响下,我国居民收入差距不断扩大,着不仅会影响经济发展速度,也可能带来政治、社会等各方面的问题,收入差距问题已经成为我国当前社会一个无法避免的问题,一个亟待解决的问题。
分析影响居民收入的因素,提出解决居民收入差距的对策,对社会、经济、政治等各方面有着积极的作用。
二、文献综述
(一)定义
1.居民收入
居民收入是从各种来源所取得的现期收入的综合,分为纯收入和毛收入,居民收入水平是直接影响市场容量大小的重要因素,一方面受制于宏观经济状况的影响,另一方面受国家收入分配政策、消费政策的影响。
居民收入水平直接决定消费者购买力水平,收入水平高则购买力强,反之则弱。
2.定量分析
定量分析指分析一个被研究对象所包含的数量关系或所具备性质间的数量关系;也可以对几个对象的某些性质、特征、相互关系从数量上进行分析比较,研究的结果也用“数量”加以描述。
本文利用spss软件进行分析。
(二)文献中影响因素的理论视角
影响我国居民收入的因素主要体现在四个方面,即城乡收入差距、行业企业收入差距、地区收入差距、高管和普通职工收入差距,这四方面的收入差距近年来都在不断扩大,应引起社会重视。
1.城乡收入差距
改革开放以来,我国居民收入逐步增加,1978年到2011年间,城镇居民收入从343.4元增加到24565元,增长了70多倍,而农村居民收入也从133.6元增加到7917元,增长了50多倍。
但是同时可以看到的是城镇居民和农村居民之间的收入差距与日俱增,城镇居民与农村居民收入差由209.8元增加至16648元。
(2014,杜萌)
2.行业收入差距
随着改革开放的不断深入和市场经济体制的不断发展,随着市场经济体制的深化以及所有制结构的多元化,不同竞争程度、不同所有制行业的职工收入发生很大的变化,造成各个行业之间的收入差距明显扩大。
新兴产业、科技含量高的行业以及垄断性较
强的行业收入水平不断升高,而传统劳动力投入比较密集以及科技含量较低的行业则长期徘徊在低谷。
3.区域收入差距
我国幅员辽阔,各地自然条件、资源禀赋、社会发展水平、思想观念等方面有较大的差异,由此导致了各个地区间发展的不平衡引起的收入差距逐渐拉大。
4.企业高管薪酬与普通职工收入差距
近年来,随着一些金融企业股改上市,行业薪酬水平呈现出快速增长态势,个别金融企业对高管人员发放过高薪酬,与社会平均收入水平以及内部员工收入水平差距明显拉大,令人咋舌。
(三)文献总评
随着改革开放的发展,国内地区间居民的收入差距越来越大(2014,韩素文,曹亚丽)。
随着农村经济改革的深入发展,经济发展不平衡的加剧导致了各地区人均收入差距呈阶梯型上升的趋势。
对于我国存在收入差距并且不断扩大的问题,国内外学者达
成了一致意见,然而,对于我国收入差距到底有多大,却自始至终存在争议。
一些学者通过计算我国的基尼系数得出我国收入差距已经超过了国际通行标准的0.4的警戒线(Khan&Riskin,2005;Ravallion&Chen,2007;程永宏,2007;李实,2011;李实、罗楚亮,2011等);另一些学者则认为我国的基尼系数被高估(江小涓、李辉,2005;周其仁,2006;魏杰、谭伟,2006;白重恩、钱震杰,2009等)。
在流动人口和本市居民之间工资均存在较为严重的性别歧视;流动人口工资性别歧视程度要小于本地居民工资,但不同群体面临的工资性别歧视产生原因有所差别;在流动人口群体内部性别歧视也存有城乡二元异质性,乡城流动女性面临的性别歧视要重于城城流动女性。
(2014,曹永福,宋月萍)
在以往的学者研究中,定量研究或者定性研究都得出了影响月收入的因素和相应缩小收入差距的对策,其中有可取的地方,比如利用模型进行分析,但是也存在着一些不全面的问题,比如忽略居民的个人因素、微观因素等。
本文根据对居民的调查数据得到影响收入的因素,做出补充和完善。
三、基于某全国性综合社会调查的居民月收入差距影响因素的定量分析
(一)假设的建立
根据数据建立假设:
1.不同性别对居民月收入有明显影响
2.城乡差异对居民月收入有明显影响
3.性别、城乡对居民月收入有交互影响
4.影响居民月收入的因素有:
性别、城乡、户籍、教育程度、政治面貌、技术职称等。
(二)数据描述
1.性别
A2-01.性别
频率
百分比
有效百分比
累积百分比
有效
男
4919
47.4
47.4
47.4
女
5453
52.6
52.6
100.0
合计
10372
100.0
100.0
男性人数为4919,占总数的47.4%,有效百分比为47.4%;女性人数为5453,占总数的52.6%,有效百分比为52.6%;女性比例稍大于男性比例,但均接近50%,采集对象比例基本均等。
2.城乡
S2c.城市/农村
频率
百分比
有效百分比
累积百分比
有效
城市
6098
58.8
58.8
58.8
农村
4274
41.2
41.2
100.0
合计
10372
100.0
100.0
城市人数为6098,占总人数为58.8%,有效百分比为58.8%;农村人数为4273,占总人数为41.2%,有效百分比为41.2%;本次调查采集对象比例城市人口略大于农村人口。
3.户籍
A5-01.户口性质
频率
百分比
有效百分比
累积百分比
有效
城镇常住户口
5422
52.3
52.3
52.3
当地有效城镇户口(如蓝印\自理口粮户口)
361
3.5
3.5
55.8
农业户口
4560
44.0
44.0
99.7
其他
29
.3
.3
100.0
合计
10372
100.0
100.0
在户口性质即户籍中,城镇常住户口为5422个,当地有效城镇户口为361个,农业户口为4560个,其他29个。
城镇户口累积百分比为55.8%,略多于农业户口。
4.教育程度
B03b.您最终完成的最高的教育程度是
频率
百分比
有效百分比
累积百分比
有效
没有受过正式教育
1164
11.2
11.2
11.2
自修
37
.4
.4
11.6
小学(一年级)
160
1.5
1.5
13.1
小学(二年级)
212
2.0
2.0
15.2
小学(三年级)
298
2.9
2.9
18.0
小学(四年级)
295
2.8
2.8
20.9
小学(五年级)
625
6.0
6.0
26.9
小学(六年级)
1062
10.2
10.2
37.2
初中(一年级)
237
2.3
2.3
39.4
初中(二年级)
277
2.7
2.7
42.1
初中(三年级)
2577
24.8
24.8
67.0
高中(一年级)
48
.5
.5
67.4
高中(二年级)
186
1.8
1.8
69.2
高中(三年级)
1379
13.3
13.3
82.5
职高、技校
177
1.7
1.7
84.2
中专
588
5.7
5.7
89.9
大专(非全日制)
260
2.5
2.5
92.4
大专(全日制)
414
4.0
4.0
96.4
本科(非全日制)
85
.8
.8
97.2
本科(全日制)
258
2.5
2.5
99.7
研究生及以上(国内就读)
18
.2
.2
99.9
*研究生及以上(国外就读)
4
.0
.0
99.9
其他
10
.1
.1
100.0
合计
10371
100.0
100.0
缺失
NotAnswer
1
.0
合计
10372
100.0
教育程度从没受过教育到研究生及以上有效比例为99.9%,0.1%为其他,并且每一阶段都分得很具体,数据代表性强。
5.政治面貌
B04a.请问,您是否是共产党员呢?
频率
百分比
有效百分比
累积百分比
有效
是共产党员
1120
10.8
10.8
10.8
不是共产党员
9252
89.2
89.2
100.0
合计
10372
100.0
100.0
政治面貌中1120是共产党员,9252为非共产党员所占比例为89.2%,非共产党员比例占绝大多数。
6.技术职称
B09c.请问,您的技术职称是:
频率
百分比
有效百分比
累积百分比
有效
无职称
4549
43.9
74.2
74.2
初级
413
4.0
6.7
81.0
中级
809
7.8
13.2
94.2
高级
343
3.3
5.6
99.8
特高
15
.1
.2
100.0
合计
6129
59.1
100.0
缺失
-99.99
4243
40.9
合计
10372
100.0
关于技术职称的调查,无职称的占绝大多数74.2%,其余初级、中级、高级以及特高职称总和占25.8%。
7.生活水平
C12.按2004年的收支情况,您家的生活水平在本地大体属于哪个层次?
频率
百分比
有效百分比
累积百分比
有效
上层
89
.9
.9
.9
中上层
712
6.9
6.9
7.7
中层
4207
40.6
40.6
48.3
中下层
3103
29.9
29.9
78.2
下层
2261
21.8
21.8
100.0
合计
10372
100.0
100.0
生活水平中,中层、中下层所占比例居多,分别为40.6%和29.9%,下层具名也不在少数有21.8%,上层和中上层比例较小,特别富有的人较少。
8.经济地位
C13.您家的社会经济地位在本地大体属于哪个层次?
频率
百分比
有效百分比
累积百分比
有效
上层
79
.8
.8
.8
中上层
677
6.5
6.5
7.3
中层
4168
40.2
40.2
47.5
中下层
3099
29.9
29.9
77.4
下层
2349
22.6
22.6
100.0
合计
10372
100.0
100.0
在经济地位中,中层、中下层比例较大,分别为40.2%和29.9%,下层也较多为22.6%,上层和中层较少,而最上层和最下层的比例差距过大,意味着收入差距及贫富差距很大。
(三)统计分析
1.性别与居民月收入的关系
均值
案例处理摘要
案例
已包含
已排除
总计
N
百分比
N
百分比
N
百分比
B12a.上个月,您个人获得的总收入是多少元?
*A2-01.性别
9931
95.7%
441
4.3%
10372
100.0%
报告
B12a.上个月,您个人获得的总收入是多少元?
A2-01.性别
均值
N
标准差
男
895.1535
4749
1487.48383
女
600.1179
5182
1035.79109
总计
741.2038
9931
1280.40741
使用spss对月收入和性别进行均值比较,得出表格说明:
上个月个人获得的总收入中,男性的均值是895.1535,女性的均值是600.1179,895.1535>600.1179男性月收入的大于女性的月收入,因此不同性别之间的月收入不同。
ANOVA表
平方和
Df
均方
F
B12a.上个月,您个人获得的总收入是多少元?
*A2-01.性别
组间
(组合)
2.157E8
1
2.157E8
133.324
组内
1.606E10
9929
1617883.736
总计
1.628E10
9930
ANOVA表
显著性
B12a.上个月,您个人获得的总收入是多少元?
*A2-01.性别
组间
(组合)
.000
显著性为0.000<0.05,具有明显的显著性,说明性别与月收入之间的线性关系是显著的,可建立线性模型。
相关性度量
Eta
Eta方
B12a.上个月,您个人获得的总收入是多少元?
*A2-01.性别
.115
.013
性别与上个月个人获得的总收入的相关性Eta值为0.115
表示性别对于月收入有影响,影响为0.115有较大影响
结论:
性别是月收入的一个显著性影响因素。
2.城乡与居民月收入的关系
均值
案例处理摘要
案例
已包含
已排除
总计
N
百分比
N
百分比
N
百分比
B12a.上个月,您个人获得的总收入是多少元?
*S2c.城市/农村
9931
95.7%
441
4.3%
10372
100.0%
报告
B12a.上个月,您个人获得的总收入是多少元?
S2c.城市/农村
均值
N
标准差
城市
1009.0861
5903
1537.43707
农村
348.6246
4028
564.80768
总计
741.2038
9931
1280.40741
使用spss对月收入和城乡进行均值比较,得出表格说明:
上个月,个人获得总收入,城市的均值为1009.0861,农村的均值为348.6246,1009.0861>348.6246,农村比城市少很多,因此城乡月收入有较大差距。
ANOVA表
平方和
df
均方
F
B12a.上个月,您个人获得的总收入是多少元?
*S2c.城市/农村
组间
(组合)
1.044E9
1
1.044E9
680.643
组内
1.524E10
9929
1534422.065
总计
1.628E10
9930
ANOVA表
显著性
B12a.上个月,您个人获得的总收入是多少元?
*S2c.城市/农村
组间
(组合)
.000
显著性为0.00<0.05具有明显的显著性,因此城乡是影响月收入的明显因素
相关性度量
Eta
Eta方
B12a.上个月,您个人获得的总收入是多少元?
*S2c.城市/农村
.253
.064
城乡与上个月个人总收入的相关性Eta为0.253数字较大说明城市或者农村对月收入有影响且影响较大。
结论:
城乡是月收入的一个显著性影响因素。
因此1、2假设成立
3.性别和户籍对月收入的主效应和交互效益
3.1性别主效应
主体间因子
值标签
N
A2-01.性别
1.00
男
4749
2.00
女
5182
主体间效应的检验
因变量:
B12a.上个月,您个人获得的总收入是多少元?
源
III型平方和
df
均方
F
Sig.
校正模型
2.157E8
1
2.157E8
133.324
.000
截距
5.540E9
1
5.540E9
3424.517
.000
sex
2.157E8
1
2.157E8
133.324
.000
误差
1.606E10
9929
1617883.736
总计
2.174E10
9931
校正的总计
1.628E10
9930
a.R方=.013(调整R方=.013)
调整后的R方越大,说明性别和月收入的线性关系越强,即年性别对月收入的解释力越强。
表中调整后的R平方=0.013,表示性别能够解释月收入1.3%的变化
3.2户籍主效应
主体间因子
值标签
N
A5-01.户口性质
1.00
城镇常住户口
5258
2.00
当地有效城镇户口(如蓝印\自理口粮户口)
346
3.00
农业户口
4301
4.00
其他
26
主体间效应的检验
因变量:
B12a.上个月,您个人获得的总收入是多少元?
源
III型平方和
df
均方
F
Sig.
校正模型
9.460E8
3
3.153E8
204.151
.000
截距
3.150E8
1
3.150E8
203.903
.000
hukou
9.460E8
3
3.153E8
204.151
.000
误差
1.533E10
9927
1544640.881
总计
2.174E10
9931
校正的总计
1.628E10
9930
a.R方=.058(调整R方=.058)
调整后的R方越大,说明户籍和月收入的线性关系越强,即户籍对月收入的解释力越强。
表中调整后的R平方=0.058,表示性别能够解释月收入5.8%的变化
3.3性别和户籍对月收入的交互作用
主体间因子
值标签
N
A2-01.性别
1.00
男
4749
2.00
女
5182
A5-01.户口性质
1.00
城镇常住户口
5258
2.00
当地有效城镇户口(如蓝印\自理口粮户口)
346
3.00
农业户口
4301
4.00
其他
26
主体间效应的检验
因变量:
B12a.上个月,您个人获得的总收入是多少元?
源
III型平方和
df
均方
F
Sig.
校正模型
1.172E9
7
1.674E8
109.974
.000
截距
3.063E8
1
3.063E8
201.181
.000
sex
1.076E7
1
1.076E7
7.069
.008
Hukou
9.523E8
3
3.174E8
208.505
.000
sex*hukou
9060791.208
3
3020263.736
1.984
.114
误差
1.511E10
9923
1522486.465
总计
2.174E10
9931
校正的总计
1.628E10
9930
a.R方=.072(调整R方=.071)
调整后的R方越大,说明性别和户籍与月收入的线性关系越强,即性别和户籍对月收入的解释力越强。
表中调整后的R平方=0.071,表示性别能够解释月收入7.1%的变化
结论:
性别和户籍的交互作用大于户籍的作用大于性别对月收入的影响作用。
男性
女性
均值
城镇常住户口
1200
800
M3=1000
当地有效城镇户口
1100
600
M4=850
农业户口
500
250
M5=375
均值
M1=933
M2=550
交互效应如图所示,两条线不平行就有交互作用,相同性别时城镇户口大于农业户口收入,相同户籍时男性大于女性收入。
根据图总结表格如上,比如M3是城镇常住户口的均值,M4是当地有效城镇户口的均值,M5是农业户口的均值,M3,M4和M5这三个总均值的差异,就代表了户籍的主效应;M1,M2这两个总均值的差异代表了性别的主效应。
4.对受访者的性别、户籍、教育程度、政治面貌、技术职称和受月收入进行多元线性回归分析
首先原变量转换为虚拟变量:
男性=0女性=1;城镇户口=0农业户口=1;大专以下教育程度=0大专及以上教育程度=1;是党员=0非党员=1;无职称=0有职称=1.
回归
输入/移去的变量
模型
输入的变量
移去的变量
方法
1
技术职称,xingbie,户籍,政治面貌,学历a
.
输入
a.已输入所有请求的变量。
模型汇总
模型
R
R方
调整R方
标准估计的误差
1
.236a
.056
.055
1497.87690
a.预测变量:
(常量),技术职称,xingbie,户籍,政治面貌,学历。
调整后的R平方=0.055,表示整个方程能够解释收入变化的5.5%。
Anovab
模型
平方和
df
均方
F
Sig.
1
回归
7.875E8
5
1.575E8
70.200
.000a
残差
1.333E10
5940
2243635.220
总计
1.411E10
5945
a.预测变量:
(常量),技术职称,xingbie,户籍,政治面貌,学历。
b.因变量:
B12a.上个月,您个人获得的总收入是多少元?
表中F值的显著度(Sig)<0.001,表明整个方程是显著的,也就是说自变量与因变量之间具有显著的线性关系。
但这并不意味着每个自变量与因变量都具有显著的线性关系,具体的结论还需要看后面对每个自变量的回归系数的检验结果。
系数a
模型
非标准化系数
标准系数
B
标准误差
试用版
t
Sig.
1
(常量)
871.504
71.770
12.143
.000
xingbie
-241.174
39.971
-.078
-6.034
.000
户籍
77.030
53.624
.019
1.436
.151
学历
769.086
56.969
.183
13.500
.000
政治面貌
62.265
57.447
.014
1.084
.278
技术职称
258.070
47.986
.073
5.378
.000
a.因
- 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:
- spss 论文