我国主要城市职工平均工资高低影响因素分析.doc

我国主要城市职工平均工资高低影响因素分析
一、前言
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品的源泉。”一个劳动者的工资，要用来养家糊口，广大普通劳动者拿着低微的工资，我们千万不要低估了民生之艰辛。且不说劳动群众的体面劳动应首先体面在工资上，其实在一定程度上，工资水平直接关系到普通劳动者的生存状况，关乎到他们的生活尊严。我国改革开放以来，随着经济的发展，税收和财政双增长，却未曾有效发挥“二次分配”的平衡作用，社会公共性支出偏重建设投入，忽略劳动群众生活减负。今天城市越来越漂亮，老百姓的日子未必越来越体面。面对物价飞涨，老百姓的荷包难免底气不足；上学难、买房难、看病难的“新三座大山”压得老百姓难以喘气，广大普通劳动者的生活水平下降了。现在，我国已经成为世界上贫富差距最悬殊的国家之一，我国基尼系数自1984年突破国际警戒线达到0.434后，收入分配差距仍有扩大之势。这是一个多么危险的信号，我们为此已经并将继续发生一系列社会问题，严重影响着社会的稳定和谐。因此我们有必要解决定工资高低的因素。
二、理论背景
1.性别比。性别比是指族群中男性对女性的比率。中国已经成为世界上出生性别比失衡最为严重、持续时间最长的国家。现在越来越多的女性有时间和精力从事社会生产活动然而经济上刚刚获得独立的流动妇女，在职业进入、工作性质、工资收入和工作评价等方面遇到明显性别差别和性别等级化。
2.地区人均教育经费。教育经费是指中央和地方财政部门的财政预算中实际用于教育的费用。中国的教育经费占国民生产总值的比例长期严重偏低。平均而言，受教育程度每提高一个层次，工资水平就上升200多元，因此受教育程度与工资的高低密切相关。
3．地区人均生产总值。地区生产总值（GDP）是指一个地区所有常住单位在一定时期内生产活动的最终结果，它反映的是一个地区在一定时期内新创造的价值总和，是代表一个地区经济实力的总量指标。从分配角度看，它包括劳动者报酬、企业上缴的税金、企业提取的折旧和企业利润。因此一个地区生产总值的高低直接决定着劳动者工资的高低。
4．第三产业就业比例。我国将国民经济各行业划分为19个大的门类，归属于三个产业，其中第三产业包括交通运输,住宿餐饮业，房地产业，金融业等，第一、二产业是第三产业发展的基础，第三产业为第一、二产业的进一步发展创造条件，蓝皮书指出，从未来我国经济增长和产业结构变动的趋势看，工业就业比重上升的空间已经较小，而我国第三产业扩张的空间很大，必须通过加快第三产业的发展，来带动第三产业就业比重的上升，从而带动城市化水平的提高。
5．私营企业就业比例。7月16日，国家统计局发布2009年度在岗职工年平均工资调查报告。根据该报告，2009年全国城镇私营单位就业人员年平均工资为一八199元，而国企在岗职工年平均工资为35053元。如今，私营企业工资偏低是一个普遍现象。这是由多种因素造成的。一个企业要不断运转、发展壮大，需要获得足够的盈利水平。要想私营企业的员工福利有进一步提高，就必须要设置有利条件充分扶植中小私营企业。譬如减免税、放宽民营经济准入的门槛，使得私营企业也能平等地享受到在生产经营方面的国民待遇。
三、模型的建立与选择
本模型是对我国东中西部31个主要城市职工平均工资与主要影响因素之间的定量关系进行研究。模型中的被解释变量为
Y地区平均工资
模型中解释变量为：
X1 性别比（女=100）
X2地区人均教育经费（元/人）
X3地区人均生产总值（亿元/万人）
X4第三产业就业比例（%）
X5 私营企业就业人数比例（%）

最终选取模型形式为：

●数据的来源与分析
1 数据来源：中国国家统计局《中国统计年鉴2010》
2 引入数据：

平均工资
性别比
地区人均教育经费
人均生产总值
（亿元/万人）
第三产业就业比例
私营企业
就业比例
地区
Y
X1
X2（元/人）
X3
X4（%）
X5（%）
北 京
56328
103.38
2405.477
6.一八7628
72.5
19.79351
天 津
41748
97.21
1409.106
6.275893
44.0
8.171769
河 北
24756
103.96
630.1064
2.316358
26.5
4.027862
山 西
25828
102.93
776.9508
2.050393
33.0
3.676762
内蒙古
26114
105.21
836.8735
3.521786
32.7
4.076678
辽 宁
27729
100.92
955.4442
3.7一五677
41.2
6.698032
吉 林
23486
102.37
780.2102
2.481108
35.4
3.650329
黑龙江
23046
102.28
7一五.3753
2.170498
33.0
3.698969
上 海
56565
100.一八
2286.689
7.338371
55.2
27.一五97
江 苏
31667
95.07
1108.896
4.一三5589
34.7
16.76631
浙 江
34146
103.62
一三78.628
4.36866
35.3
14.79492
安 徽
26363
105.33
562.5632
1.495547
28.3
3.255094
福 建
25702
101.24
921.8一八1
3.171992
33.3
6.442841
江 西
21000
104.56
647.7383
1.477011
31.9
4.763636
山 东
26404
100.一三
722.337
3.29949
31.0
5.3一五788
河 南
24816
102.27
582.6702
1.959一八3
24.4
2.20596
湖 北
22739
102.88
645.9478
2.053693
40.1
3.542287
湖 南
24870
107.10
657.7374
1.807028
30.4
3.7一三166
广 东
33110
105.09
1124.764
3.740199
38.2
8.406329
广 西
25660
109.21
572.8645
1.53789
24.8
2.792774
海 南
2一八64
109.81
887.5651
1.8一五293
34.9
4.742389
重 庆
26985
101.67
8一三.5729
2.343343
36.3
5.762592
四 川
25038
102.64
6一五.6042
1.574726
33.1
4.193905
贵 州
24602
108.21
545.8109
0.878892
36.3
1.711168
云 南
24030
108.30
606.9789
1.043652
25.1
3.935725
西 藏
47280
94.65
1465.372
1.379721
33.9
3.937282
陕 西
25942
102.79
758.9765
1.957127
32.5
4.059011
甘 肃
24017
102.39
636.411
1.20851
32.8
2.3一三441
青 海
30983
101.61
826.696
1.734656
34.2
5.556558
宁 夏
30719
103.71
1031.22
1.872606
30.1
4.808237
新 疆
24687
103.14
899.5088
1.952328
34.7
3.684062
3 变量间的基本统计数据

Y
C
X1
X2
X3
X4
X5
Mean
29297.55
1
103.0277
929.352
2.67306
35.一五444
6.376035
Median
25828
1
102.88
780.2102
2.050393
33.3
4.076678
Maximum
56565
1
109.81
2405.477
7.338371
72.5
27.一五97
Minimum
21000
1
94.65
545.8109
0.878892
24.4
1.711168
Std. Dev.
9一三3.847
0
3.519036
453.一五48
1.597377
9.143516
5.667149
Skewness
2.0072
NA
-0.32681
2.067672
1.472267
2.50一五21
2.345119
Kurtosis
6.10339
NA
3.52一三一三
6.903495
4.476802
10.6412
7.932394
Jarque-Bera
33.25581
NA
0.902852
41.77036
14.01616
107.7487
59.83884
Probability
0
NA
0.636719
0
0.000905
0
0
Observations
31
31
31
31
31
31
31
4变量间的相关系数表

Y
X1
X2
X3
X4
X5
Y
1.000000
-0.450795
0.948775
0.748970
0.767333
0.787958
X1
-0.450795
1.000000
-0.388176
-0.408625
-0.238629
-0.336701
X2
0.948775
-0.388176
1.000000
0.828547
0.85一八70
0.869468
X3
0.748970
-0.408625
0.828547
1.000000
0.745703
0.8548一八
X4
0.767333
-0.238629
0.85一八70
0.745703
1.000000
0.732510
X5
0.787958
-0.336701
0.869468
0.8548一八
0.732510
1.000000
5.变量间的协方差

Y
X1
X2
X3
X4
X5
Y
80735965
-14022.21
3800344.
10575.12
62016.96
39471.24
X1
-14022.21
11.98414
-599.0443
-2.222875
-7.430521
-6.498一八4
X2
3800344.
-599.0443
198725.1
580.4041
34一五.803
2160.849
X3
10575.12
-2.222875
580.4041
2.469303
10.540一三
7.488676
X4
62016.96
-7.430521
34一五.803
10.540一三
80.90699
36.73256
X5
39471.24
-6.498一八4
2160.849
7.488676
36.73256
31.08056
6. 样本数据的散点图
Y和X1 Y和X2
、
Y和X3 Y和X4

Y和X5
●模型的估计与分析
1 模型的回归分析

C
X1
x2
X3
X4
X5
R2
F
合格
五元
38725.03*
-243.7083
23.55989*
-481.3728
-108.461
-174.8006
0.919496
57.10904

四元
40933.69*
-260.8298
22.22361*
-766.9841
-95.77023

0.917366
72.16016

40695.8*
-281.0416
21.69739*
-626.4827

-146.3389
0.916532
71.37404

35899.23
-216.3785
23.35461

-125.6一五6
-250.5242
0.917941
72.71129

67427.05
-552.39一八

5.097945
4一三.3127
664.772
0.739094
一八.4一三一五

一三529.63

24.68757
-244.7737
-146.6692
-214.099
0.912679
67.93808

三元
42383.95*
-291.9257
20.74295*
-855.7432

0.9一五01
96.89454

36925.52
-2一八.1263
20.54194

-120.769

0.912051
93.33234

37260.01
-251.762
21.01428

-243.67一五
0.9一三765
95.36652

64391.67*
-554.4123

1642.202
501.667*

0.696746
20.67805
合格
69260.97
-472.8766

1一三3.909

897.89*
0.669625
一八.24178

67459.91*
-552.7125

4一三.5446*
665.6592*
0.739093
25.49511

14075.42*

23.12319*
-579.5241
-一三4.2164

0.909432
90.37272

10829.64

22.27222
-400.388

-一八2.021
0.906949
87.72091

一三529.44*

24.50904*

-一五3.5952
-252.4783
0.912253
93.568一五

9948.074*

632.1697
381.381*
666.9128
0.912253
93.568一五

二元
38208.17*
-252.一三5
一八.36358*

0.908一八8
一三8.4849

65401.36
-451.008

3876.635*

0.586108
19.82525

80635.一三*
-736.751

698.8582*

0.664784
27.76406
合格
77868.91
-543.008

1一五6.436
0.659683
27.一三81

11497.04*

21.10169*
-677.272

0.904571
一三2.7066

14381.69

21.68366

-148.938

0.906271
一三5.367

10614.31

21.77882

-244.一八8
0.905775
一三4.58

6691.961

2276.866*
469.9037*

0.659一八7
27.07829
合格
19379.91

1601.257

884.一五22
0.641995
25.10557

9879.907

409.8688
785.5621
0.698895
32.49534
合格
一元
149846.6
-1170.064

0.203217
7.39634
合格
1一五24.97

19.12362

0.900173
261.503
合格
17849.81

4282.633

0.560956
37.05266
合格
2350.604

766.5216

0.5888
41.5253
合格
21200.2

1269.966
0.620877
47.49236
合格
(一) 我们首先选取五元模型来观察其是否存在异方差，自相关，多重共线性。
这样我们的模型就是:
Y=38725.03 - 243.7083X1 +23.55989X2-481.3728X3-108.4610X4-174.8006X5+e
（2.2一三978）(-1.455020)( 7.484865) (-0.695003) (-0.959491) （-0.8一三372）
DW=1.997580 F=57.10904
进行自相关,异方差检验

按X1 排序
按X2排序
按X3排序
按X4排序
按X5排序
DW
1.927260
0.956928
1.374516
1.372270
1.3一八296

按X1排序
按X2排序
按X3排序
按X4排序
按X5排序
大
59428466
2一五45202
54759558
52353769
47243350
小
45一三0448
10348507
22374292
17845894
8360855
F-statistic
1.3168
2.08196
2.44743
2.93366
5.5605
F临界值
4.28
4.28
4.28
4.28
4.28
是否存在
异方差
否
否
否
否
是
我们用DW检验法来对自相关问题进行检验。经查表可以得到DW（31，5）的上下界分别为(1.09，1.83)。存在正的自相关的区域为[0，1.09]；不存在自相关的区域为[1.83，2.17]；存在负的自相关的区域为[2.91,4],其余为不能确定区域。
按X2排序处理自相关 Ls y c x1 x2 x3 x4 x5 ar(1)
Dependent Variable: Y
Method: Least Squares
Date: 11/25/10 Time: 19:04
Sample(adjusted): 2 31
Included observations: 30 after adjusting endpoints
Convergence achieved after 8 iterations
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
44619.43
一三一五6.17
3.39一五22
0.0025
X1
-309.4299
127.3983
-2.428838
0.0234
X2
24.24817
3.078923
7.875537
0.0000
X3
一八8.4362
470.4710
0.400527
0.6925
X4
-一三3.4339
95.39一八2
-1.398798
0.1752
X5
-338.4837
一五3.0025
-2.212275
0.0372
AR(1)
0.546830
0.163584
3.3428一三
0.0028
R-squared
0.949946
Mean dependent var
29454.07
Adjusted R-squared
0.936889
S.D. dependent var
9247.6一三
S.E. of regression
2323.一八4
Akaike info criterion
一八.54023
Sum squared resid
1.24E+08
Schwarz criterion
一八.86717
Log likelihood
-271.1034
F-statistic
72.75082
Durbin-Watson stat
2.一八0040
Prob(F-statistic)
0.000000
Inverted AR Roots
.55
定义新变量：genr yd=y-y(-1)*0.546830
genr xd1=x1-x1(-1)*0.546830
genr xd2=x2-x2(-1)*0.546830
genr xd3=x3-x3(-1)*0.546830
genr xd4=x4-x4(-1)*0.546830
genr xd5=x5-x5(-1)*0.546830
genr c1=1-0.546830
补第一组数：genr yd=y*(1-0.546830^2)^0.5
genr xd1=x1*(1-0.546830^2)^0.5
genr xd2=x2*(1-0.546830^2)^0.5
genr xd3=x3*(1-0.546830^2)^0.5
genr xd4=x4*(1-0.546830^2)^0.5
genr xd5=x5*(1-0.546830^2)^0.5
genr c1=(1-0.546830^2)^0.5
新产生数据：
obs
XD5
XD4
XD3
XD2
XD1
YD
C1
1
1.432665
30.39194
0.735847
456.9767
90.59814
20597.87
0.837244
2
2.319376
8.450071
1.014942
264.0974
46.一五753
12909.89
0.453170
3
1.012791
9.324711
0.720080
265.2381
51.61240
11243.92
0.453170
4
0.678787
10.83862
1.1一八219
269.4107
42.55070
10784.34
0.453170
5
2.729440
11.75735
-0.027688
288.3574
52.37570
10459.87
0.453170
6
2.041732
19.37457
1.004026
283.6899
43.4一八31
1一八97.68
0.453170
7
1.734509
8.399927
1.455251
293.4756
47.83337
11064.47
0.453170
8
0.110885
一八.30900
-0.058144
291.8499
45.54一五5
10479.68
0.453170
9
2.277228
22.16398
1.392843
297.9392
46.89008
9605.784
0.453170
10
2.826607
9.972117
0.353990
294.5147
48.302一三
8565.633
0.453170
11
1.108267
12.95612
0.999354
303.5347
49.92346
一三386.57
0.453170
12
1.668498
16.37637
1.一八2361
355.7048
43.71451
9446.338
0.453170
一三
3.293081
12.95461
2.112597
331.1483
44.20023
一三801.76
0.453170
14
1.一五2179
一五.54827
0.一五2867
363.9810
48.03591
1一五03.50
0.453170
一五
1.457173
一五.22802
0.980177
361.9197
46.72一三4
11642.14
0.453170
16
1.639765
17.35461
1.359892
355.3502
46.08479
9362.475
0.453170
17
3.766483
16.94222
0.986599
386.9306
45.69101
14142.一五
0.453170
一八
2.405400
14.35007
0.453246
381.8099
46.0一三79
16226.79
0.453170
19
1.038一八5
一三.99841
2.573224
384.81一三
49.64660
9171.566
0.453170
20
2.5一三一三9
17.0一八66
-0.110525
429.9376
52.27802
7584.081
0.453170
21
1.090781
一五.6一五63
0.959671
414.1616
43.09260
12731.11
0.453170
22
4.428285
14.32500
2.104400
429.9397
44.83995
12202.41
0.453170
23
3.174893
22.99056
1.981一三7
451.3664
45.55893
一三674.38
0.453170
24
1.145552
7.570604
-0.一五9238
508.7544
48.52392
一五555.95
0.453170
25
14.一三702
一八.24042
3.11一五92
544.9940
38.35826
14868.93
0.453170
26
-0.761992
19.22500
1.478735
5一八.3864
53.10287
一五793.53
0.453170
27
10.19809
14.41109
2.323407
763.5733
46.一五364
16040.46
0.453170
28
0.081463
24.69690
3.886979
655.2309
40.54748
23075.94
0.453170
29
-0.531286
9.839480
-2.052126
694.8306
41.49266
24450.94
0.453170
30
25.00668
36.66246
6.583898
1485.380
48.42254
30710.88
0.453170
31
4.941771
42.31498
2.174787
1一五5.047
48.59857
25396.56
0.453170
对调整后的数据再进行自相关和异方差的检验

按XD1 排序
按XD2排序
按XD3排序
按XD4排序
按XD5排序
DW
2.2149一八
1.863895
1.372043
1.781719
2.020441

按XD1排序
按XD2排序
按XD3排序
按XD4排序
按XD5排序
大
55594477
52982533
39429606
35569022
47605557
小
28739095
20681258
258一三500
3一五77041
39347497
F-statistic
1.93445
2.56一八6
1.52748
1.1264
1.20988
F临界值
4.28
4.28
4.28
4.28
4.28
是否存在
异方差
否
否
否
否
否
按XD3排序再处理自相关Ls yd c1 xd1 xd2 xd3 xd4 xd5 ar(1)
Dependent Variable: YD
Method: Least Squares
Date: 11/25/10 Time: 19:29
Sample(adjusted): 2 31
Included observations: 30 after adjusting endpoints
Convergence achieved after 45 iterations
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C1
3一五80.一五
14073.83
2.243891
0.0348
XD1
-一八2.6976
一三2.9503
-1.374一八0
0.一八26
XD2
17.68770
4.701936
3.761790
0.0010
XD3
639.6633
658.3304
0.971645
0.34一三
XD4
-6.274072
99.71661
-0.062919
0.9504
XD5
-254.5682
一三3.4401
-1.907733
0.0690
AR(1)
0.241709
0.198122
1.219999
0.2348
R-squared
0.851078
Mean dependent var
一三797.55
Adjusted R-squared
0.812229
S.D. dependent var
5一八3.359
S.E. of regression
2246.084
Akaike info criterion
一八.47273
Sum squared resid
1.16E+08
Schwarz criterion
一八.79967
Log likelihood
-270.0909
Durbin-Watson stat
1.776一三9
Inverted AR Roots
.24
定义新变量：genr ydd=yd-yd(-1)*0.241709
genr xdd1=xd1-xd1(-1)*0.241709
genr xdd2=xd2-xd2(-1)*0.241709
genr xdd3=xd3-xd3(-1)*0.241709
genr xdd4=xd4-xd4(-1)*0.241709
genr xdd5=xd5-xd5(-1)*0.241709
genr c2=c1-c1(-1)*0.241709
补第一组数：genr ydd=yd*(1-0.241709^2)^0.5
genr xdd1=xd1*(1-0.241709^2)^0.5
genr xdd2=xd2*(1-0.241709^2)^0.5
genr xdd3=xd3*(1-0.241709^2)^0.5
genr xdd4=xd4*(1-0.241709^2)^0.5
genr xdd5=xd5*(1-0.241709^2)^0.5
genr c2=c1*(1-0.241709^2)^0.5
新产生数据
obs
YDD
XDD5
XDD4
XDD3
XDD2
XDD1
C2
1
23725.94
-0.5一五533
9.547727
-1.991278
674.2280
40.26235
0.439733
2
9645.938
1.273969
5.1923一三
0.336780
340.8076
38.49477
0.727708
3
3824.068
2.236249
一五.一八878
-0.072036
306.9670
40.54935
0.343635
4
8646.536
-0.496563
14.19544
-0.031429
一八7.9301
32.90549
0.343635
5
7926.835
2.702638
7.33一八97
-0.0一三634
217.8146
41.36789
0.343635
6
8975.257
0.492448
12.70641
0.一五9559
294.2824
35.37624
0.343635
7
5785.一三3
2.5481一五
6.2一三960
0.317041
206.5372
36.69142
0.343635
8
14一五6.40
1.722一八3
11.93972
0.367683
310.6231
34.33873
0.343635
9
7321.759
0.43一三84
5.856170
0.610526
172.9512
40.49045
0.343635
10
17880.11
1.一八7864
28.一三808
0.561797
392.8663
78.12296
0.343635
11
7752.419
0.744494
8.269626
0.78一八11
303.7062
21.19421
0.343635
12
8564.9一三
1.193521
11.45359
0.748216
261.8一三1
36.30548
0.343635
一三
1一三28.14
3.414271
一三.26147
0.749681
299.45一三
34.39804
0.343635
14
9968.285
0.197874
8.861036
0.760884
210.0101
38.87953
0.343635
一五
8662.021
1.773854
16.24296
0.762473
210.3229
31.35一三6
0.343635
16