工资收入差异分析摘要 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。关键词: 工资 收入差距 线性回归一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=+1S+2A+3 E1 +4 E2 +5 F1 +6 F2 +u0 , 10 , 20 , 30 , 40 , 50 , 60 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Ya b)中型企业中30多岁女性大学毕业工人的月收入Yb 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月收入（万日元）性别年龄层学历企业规模25女性40多岁初中毕业小企业26男性30多岁初中毕业小企业28女性40多岁高中毕业小企业30女性40多岁高中毕业小企业31男性30多岁初中毕业中企业32男性30多岁高中毕业小企业34女性30多岁大学毕业中企业36男性30多岁高中毕业中企业39女性30多岁大学毕业大企业40男性30多岁高中毕业中企业43男性30多岁大学毕业小企业46男性30多岁大学毕业中企业52男性40多岁初中毕业大企业54女性40多岁大学毕业大企业55男性40多岁高中毕业大企业表2 制作虚拟变量处理后的数据表月收入（万日元）Y性别S年龄层A学历企业规模大学毕业E1高中毕业E2大型企业F1中型企业F2250100002610000028010100300101003110000132100100340010013610010139001010401001014310100046101001521100105401101055110110二模型的参数估计表3 最小二乘估计Dependent Variable: YMethod: Least SquaresDate: 12/15/03 Time: 20:14Sample: 1986 2000Included observations: 15VariableCoefficientStd. Errort-StatisticProb. C11.966131.6946047.0613170.0001S14.384761.23876111.612220.0000A12.642521.5196078.3195970.0000E115.873001.46685910.821080.0000E25.0827851.1192984.5410470.0019F112.152401.3261899.1633980.0000F25.5437441.1961374.6347060.0017R-squared0.983316 Mean dependent var38.06667Adjusted R-squared0.970802 S.D. dependent var10.06029S.E. of regression1.719035 Akaike info criterion4.226127Sum squared resid23.64064 Schwarz criterion4.556551Log likelihood-24.69596 F-statistic78.58178Durbin-Watson stat2.283073 Prob(F-statistic)0.000001有表3的数据可以得出以下估计结果：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ta/2 (n-k)= ta/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 表4 Correlation MatrixSAE1E2F1F2S 1.000000-0.444444-0.2886750.111111-0.123091-0.288675A-0.4444441.000000-0.2886750.1666670.430820-0.577350E1-0.288675-0.2886751.000000-0.5773500.2132010.100000E20.1111110.166667-0.5773501.000000-0.184637-0.184637F1-0.1230910.4308200.213201-0.1846371.000000-1.07E-18F20.288675-0.577500.100000-1.07E-180.4264011.000000 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: RESID2Method: Least SquaresDate: 12/15/03 Time: 21:54Sample: 1986 2000Included observations: 15VariableCoefficientStd. Errort-StatisticProb. C14.6300715.559030.9402950.3746S2.53815711.373710.2231600.8290A-6.24856813.95230-0.4478520.6661E1-0.10557313.46799-0.0078390.9939E2-5.14713510.27685-0.5008470.6300F12.97462912.176430.2442940.8132F2-2.86070810.98235-0.2604820.8011R-squared0.125144 Mean dependent var11.39916Adjusted R-squared-0.530998 S.D. dependent var12.75592S.E. of regression15.78335 Akaike info criterion8.660512Sum squared resid1992.912 Schwarz criterion8.990936Log likelihood-57.95384 F-statistic0.190727Durbin-Watson stat2.370596 Prob(F-statistic)0.970773 计算n R2 = 150.125144 = 1.87716 在显著性水平a=0.01条件下，X2 0.01 (P5) 都大于187716 ，即可接受原假设，随机误差u 不存在异方差性。（c）自相关检验 DW检验 由表1中估计的结果，DW=2.283073 ，在给定显著性水平a=0.01 ，查Durbin-Watson表，n = 15 k = 6 得下限临界值dL = 0.447 dU = 2.