©2010-2026 宁波自信网络信息技术有限公司 版权所有
客服电话：0574-28810668 投诉电话：18658249818
浙ICP备2021020529号-1 | 浙B2-20240490
关注我们 ：
1、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
2、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
3、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
4、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3
5、5053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（%
6、 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
7、 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
8、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 3.171
9、992 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.
10、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
11、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
12、 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
13、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
14、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
15、 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 0.76733
16、3 -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
17、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
18、 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
19、 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 0.91
20、2679 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
21、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* -一五3.59
22、52 -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 -
23、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.
24、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 41.525
25、3 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
26、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
27、 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 Samp
28、le(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
29、 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
30、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
31、 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 ge
32、nr 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
33、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
34、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 294.51
35、47 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 一五.5
36、4827 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 0.4531
37、70 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 43.0
38、9260 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.
39、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 -
40、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
41、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 4.2
42、8 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.
43、 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)
44、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
45、 -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
46、 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
47、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
48、 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 3
49、10.6231 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
50、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
©2010-2026 宁波自信网络信息技术有限公司 版权所有
客服电话：0574-28810668 投诉电话：18658249818
浙ICP备2021020529号-1 | 浙B2-20240490
关注我们 ：
