劳动力工资收入上涨幅度标准探讨.doc

劳动力工资收入上涨幅度标准探讨摘要 本文就劳动力工资收入上涨幅度标准进行讨论。建立了相应工资上涨幅度模型，并对我国提高劳动者工资收入献言献策。 针对问题一，首先查找各个可能影响劳动力工资因素的有关数据，并对每一种因素与劳动力工资进行一元线性回归分析，通过对相关系数的检验判断出影响劳动力工资的主要因素为GDP、劳动生产率、物价指数、居民消费水平、财政收入和汇率。 针对问题二，通过工资增长率与以上主要因素的增长率之间进行多元线性回归，得到线性回归方程为并根据相关文献查找出的工资增长标准的两低原则对十一五期间工资增长幅度的合理性进行分析。 针对问题三，利用神经网络对GDP、劳动生产率和物价指数进行预测，并把得到的结果代入问题二的模型中对工资增长率进行预测。得出十二五期间的工资增长率依次为：10.45572143329574%、9.33691280266322%、8.31883620960177%、4.49481033222516%、9.00369116597268% 最后根据以上的模型即计算结果，以及相关的经济学资料，对提高劳动者工资收入献言献策。1、 问题重述我国近期的用工荒，招工难等社会问题以及温总理在政府工作报告指出的“合理调整收入分配关系”等政策都表明：提高工人工资、提高劳动报酬在初次分配中的比重已经刻不容缓。但是提高劳动力工资收入将是一个复杂的系统工程。提高工资过慢或过慢都会对整个经济社会产生重大影响。因此，对于工资标准的调整，必须适时适度。根据经济学常识，劳动者工资的调整可能与国家经济水平、财政收入、生活水平、劳动生产率有关，还可能与消费、政府购买等经济因素紧密相连，甚至可能与劳动力就业、物价、汇率、利率、通胀率、城市化、市场化程度等因素有关。而且这些因素之间相互关联、相互制约。请参考收入分配改革问题的研究成果，利用近年来我国相关的统计数据（参见下面网站，也可以对比其他国家的统计数据），就我国劳动者工资收入调整研究以下问题：1. 搜集有关统计数据并进行分析，寻找与劳动者工资收入相关的主要因素，从整个国家宏观的角度，探寻劳动者工资收入与上述主要因素间的关系。2. 建立劳动者工资收入上涨幅度标准的数学模型。探究“十一五”期间工资上涨幅度的合理性。3. 利用所建立的数学模型，根据国家的有关决策和规划，对“十二五”期间工资调整幅度前景进行预测分析。4.请根据所建立的数学模型和预测结果，对提高劳动者工资收入献言献策（不超过1000字）。2、 模型假设与相关数据2.1模型假设1. 认为本文查找到的数据均真实可信，符合实际情况。2. 劳动力工资水平只与题目中提到的因素相关，而与其他因素无关。3. 经查找数据，由于城市化程度变化缓慢，利率经常出现连续多年不变的现象，因此假设此两项因素不是影响劳动力工资的主要因素。4. 假设国家政策与规划不会有太大变化。5. 假设不会有大型金融危机2.2相关数据年份城镇人均工资（元）财政收入（亿元）国内生产总值（亿元）人均国内生产总值（元）2000933313395.2399214.55 7857.68 20011083416386.04109655.17 8621.71 20021237318903.64120332.69 9398.05 20031396921715.25135822.76 10541.97 20041592026396.47159878.34 12335.58 20051820031649.29184937.37 14185.36 20062085638760.2216314.43 16499.70 20072472151321.78265810.31 20169.46 20082889861330.35314045.43 23707.71 20093224468518.3340902.81 25607.53 20103653983101.51401512.80 30015.05 201141799103874.43473104.05 35197.79 201246769117253.52519470.10 38459.47 201351474129142.9568845.21 41907.59 年份城镇登记失业率（%）城镇居民消费水平（元）人民币汇率（每一百元美元兑换的人民币数）居民消费价格指数（上年=100）20003.10 827.84 100.420013.60 827.70 100.720024.00 6029.90 827.70 99.220034.30 6510.90 827.70 101.220044.20 7182.10 827.68 103.920054.20 7942.90 819.17 101.820064.10 8696.60 797.18 101.520074.00 9997.50 760.40 104.820084.20 11242.90 694.51 105.920094.30 12264.60 683.10 99.320104.10 13471.50 676.95 103.320114.10 15160.90 645.88 105.420124.10 16674.30 631.25 102.620134.10 18022.60 619.32 102.63、 符号说明 符号 说明 影响劳动力工资的各因素劳动力工资水平 第t年的GDP的年增长率 第t年的劳动生产率的年增长率 第t年的消费价格指数 第 t年的财政收入的年增长率 第t年的居民消费水平的年增长率 第t年的汇率的年增长率第t年的劳动力工资的增长率4、 模型一的建立与求解4.1问题一分析该问题要求找出影响劳动力工资的主要因素，因此先查找题目中列出的所有可能的影响因素的相关数据，利用这些数据分别进行一元回归分析，通过相关系数等值判定各个因素与劳动力工资的相关程度。4.2模型一建立以y表示劳动力工资水平，x表示可能影响工资的各种因素，建立一元线性回归模型为将数据点代入，有 （4-1）式（4-1）中，是未知参数，为剩余残差项。并且要检验在各项特征。4.3模型一求解 通过EXCEL软件中的回归方程求出各个因素与劳动力工资之间的关系，并筛选出主要因素，得到如下结果。（由于数据不是很多，所以作出这样的处理：R20.99时才被认定为具有显著的线性相关性。）1. 国内生产总值由查阅到的相关经济学资料，本文以国内生产总值作为衡量标准。用y表示工资水平，用X1表示我国的生产总值水平,用excel中的回归函数进行一元回归分析得以下曲线：国内生产总值（亿元）城镇人均工资（元）预测 城镇人均工资（元）残差标准残差99214.55 933310361.33807-1028.338074-1.897622075109655.17 1083411267.83717-433.837171-0.800572315120332.69 1237312194.90493178.09506510.328643989135822.76 1396913539.81879429.18121250.79198054159878.34 1592015628.4267291.57329970.538048667184937.37 1820017804.15842395.8415840.730457956216314.43 2085620528.44841327.5515940.604440457265810.31 2472124825.89152-104.8915199-0.193559364314045.43 2889829013.87008-115.8700807-0.213818421340902.81 3224431345.7422898.2577971.657581167401512.80 3653936608.15968-69.15968409-0.127622371473104.05 4179942824.01693-1025.01693-1.891493471519470.10 4676946849.71487-80.71487241-0.148945495568845.21 5147451136.67222337.32777950.622480736其中,从而说明工资收入水平（单位：元）与国内生产总值（单位：亿元）具有显著的线性相关性。得到的回归关系式为：2.财政收入用y表示工资水平，用X2表示我国历年的财政收入水平,用EXCEL中的回归函数进行一元回归分析得以下曲线：财政收入（亿元）预测 城镇人均工资（元）残差标准残差13395.2310991.79427-1658.794266-1.63041650716386.0412048.98839-1214.988393-1.19420302618903.6412938.91184-565.9118366-0.55623052221715.2513932.7621936.237808770.03561787226396.4715587.48392332.5160810.32682757531649.2917444.25531755.74468690.74281581438760.219957.82598898.17401920.88280854251321.7824398.10423322.89576680.3173718461330.3527935.94228962.05771550.9455993568518.330476.745121767.2548811.73702163683101.5135631.63091907.36909380.891846312103874.4342974.46078-1175.460782-1.155351632117253.5247703.71318-934.7131823-0.918722612129142.951906.38159-432.3815925-0.424984641其中，从而说明工资收入水平与国家财政收入具有显著的线性相关性。得到的回归关系式为3.城镇居民消费水平用y表示工资水平，用X3表示我国居民消费水平,用EXCEL中的回归函数进行一元回归分析得以下曲线城镇居民消费水平（元）预测城镇人均工资（元）残差标准残差6029.90 12139.6806233.31940441.1301243966510.90 13705.79786263.20213861.2748667817182.10 15891.1989228.801080890.1395032037942.90 18368.33409-168.3340871-0.8153563528696.60 20822.3519333.648068450.1629804569997.50 25058.03166-337.0316634-1.6324733311242.90 29113.00556-215.0055569-1.0414179912264.60 32439.62096-195.6209632-0.94752523213471.50 36369.24036169.75964380.82226129215160.90 41869.86096-70.86095649-0.34322775616674.30 46797.43241-28.43241177-0.13771748818022.60 51187.4447286.55530251.38798202其中，从而说明工资收入水平与居民消费水平具有显著的线性相关性。得到的回归关系式为4. 就业人数用y表示工资水平，用X4表示就业人数,用EXCEL中的回归函数进行一元回归分析得以下曲线：就业人数（万人）预测 城镇人均工资（元）残差标准残差72085.00 1482.497937850.502071.67975746372797.00 7665.8137683168.1862320.67789097173280.00 11860.3946512.60540440.10968123473736.00 15820.49575-1851.49575-0.39616113474264.00 20405.87603-4485.876034-0.95983462974647.00 23732.01363-5532.013626-1.18367476374978.00 26606.56074-5750.560736-1.23043688575321.00 29585.32103-4864.321034-1.04080980975564.00 31695.6381-2797.638096-0.59860546975828.00 33988.32824-1744.328238-0.37323069976105.00 36393.916145.0839990.03104335676420.00 39129.512192669.4878070.57118538776704.00 41595.890985173.1090181.10688060576977.00 43966.741027507.2589851.606314372其中，从而说明工资收入水平与城镇登记失业率不具有显著的线性相关性。5. 居民消费价格指数用y表示工资水平，用X5表示我国居民消费价格指数,用EXCEL中的回归函数进行一元回归分析得以下曲线：居民消费价格指数预测 城镇人均工资（元）残差标准残差100.420634.12957-11301.12957-0.898208502100.721468.03163-10634.03163-0.8451878799.217298.5213-4925.521298-0.391478133101.222857.86841-8888.868413-0.706483112103.930362.98702-14442.98702-1.147921865101.824525.67255-6325.672548-0.502761501101.523691.77048-2835.770481-0.225385714104.832864.69322-8143.693221-0.647256935105.935922.33413-7024.334135-0.55829079899.317576.4886514667.511351.165766954103.328695.182887843.8171150.623422922105.434532.497367266.5026440.577538238102.626749.4113920019.588611.591147556102.626749.4113924724.588611.965098759其中，从而说明工资收入水平与城镇登记失业率不具有显著的线性相关性。6.人民币汇率用y表示工资水平，用X6表示人民币汇率,用EXCEL中的回归函数进行一元回归分析得以下曲线：人民币汇率预测 城镇人均工资（元）残差标准残差827.8413076.07289-3743.072887-1.190988773827.7013098.61286-2264.612862-0.720565315827.7013098.61286-725.6128623-0.230878959827.7013098.61286870.38713770.276943928827.6813101.832862818.1671410.896697854819.1714471.941343728.058661.186211475797.1818012.327422843.6725830.904813297760.4023933.90086787.09914470.250442958694.5134542.1791-5644.1791-1.79589181683.1036379.18706-4135.187064-1.315753531676.9537369.33597-830.335967-0.264200256645.8842371.60042-572.6004238-0.182192732631.2544727.027812041.9721860.649724444619.3246647.755694826.2443151.535637421其中，从而说明工资收入水平与城镇登记失业率具有显著的线性相关性，但是相关性不明显。得到的回归关系式：7.人均国内生产总值用y表示工资水平，用X7表示我国人均国内生产总值,用EXCEL中的回归函数进行一元回归分析得以下曲线：人均国内生产总值预测 城镇人均工资（元）残差标准残差7857.6810272.82108-939.821084-1.7040756048621.7111184.32721-350.327214-0.6352103289398.0512110.51947262.48053040.47592746710541.9713475.24349493.75651140.89527511112335.5815615.06327304.93672690.55290868214185.3617821.89522378.10478410.68557638216499.7020582.95839273.04160990.49507672720169.4624961.07016-240.0701603-0.43529317523707.7129182.28734-284.2873437-0.51546739625607.5331448.81821795.18179241.44181686930015.0536707.09537-168.0953673-0.30478909235197.7942890.2286-1091.228596-1.97860641738459.4746781.49113-12.49113012-0.02264881141907.5950895.18106578.818941.049509584其中，从而说明工资收入水平与城镇登记失业率具有显著的线性相关性，得到的回归关系式： 此外，还用相同的方法对于我国的利率、城市化水平、市场化水平等因素分别进行线性回归分析，得到的结果均不理想，因此认为这些因素不是影响工资收入的主要因素。 由以上的分析及相应的计算，得到影响劳动力工资的主要因素为：GDP水平、我国的财政收入、居民消费水平、劳动生产率、物价指数和汇率。5、 模型二的建立与求解5.1问题二分析 问题二要求建立劳动者工资收入上涨幅度标准的数学模型，因此以表示劳动力工资的增长率，其表达式为 再根据问题一中分析出的影响劳动力工资水平的主要因素有：GDP、劳动生产率、物价指数、财政收入、居民消费水平和汇率。因此可以用以上六种因素的增长率与工资增长率y进行多元线性回归。得到线性回归方程（）5.2模型二建立与求解 欲得到（）的多元线性回归方程，用MATLAB中的stepwise函数进行逐步回归分析，用到的数据为年到年，其中的值为相应的增长率乘以100，如下图所示 图十三上图说明R=0.63119,拟合程度不好，依据经济学规律，变量的影响有置后性，即GDP等因素的作用不会立即发挥，而是直接影响到后几年的劳动力工资水平。所以把六个变量都换成其前一年的数据，再运行，得以下结果图十四由上图可知，得到的回归方程中只有三个变量，其它因素由于与这三个变量之间有较强的线性相关性，即它们的影响基本相同，因此可以不写入回归方程中。从而可以得到回归方程（）其中，从而表明拟合程度很好。，查表可知F的值远远大于置信度为的各个值，因此可以认为因变量y与自变量间线性相关关系是显著的，所见回归预测模型有效可用。对满足的条件进行检验详见“模型的检验与分析”。根据查找的文献2中的资料，合理的工资标准应满足两低原则，即工资增长率应低于经济的增长率和劳动生产率的增长率。在利用十一五期间的数据做出多元线性回归方程如下 （5-3）而(5-3)中，表明工资的增长率低于GDP的增长率。，表明工资的增长率低于劳动生产率的增长率。从而得到的工资增长幅度满足上述两低标准，即“十一五”期间工资的上涨幅度标准是基本合理的。 但是由于工资上涨速度越来越跟不上经济增长速度，即的值越来越小。因此应该合理的扩大的值，使得国家宏观的经济增长越来越惠及到广大人民。此外还可知物价指数对工资的增长影响较小。6、 模型三的建立与求解6.1 问题三分析 问题三要求根据问题二所建立的模型，对“十二五”期间工资调整幅度前景进行预测分析。由式5-2可知，当变量值确定时，y也就确定了。其中x1(t)表示第t年国内生产总值的增长率，x2表示第t年劳动生产率的年增长率，x3表示第t年居民消费价格指数。对于在“十二五”期间的数据可以用神经网络来进行预测，并且利用已经的数据来进行误差分析。6.2 问题三模型建立及求解 x1(t)，x2（t）（t=2010,2011,2012,2013,2014,2015）的求解有两种方法。第一种是利用19902009年各年的增长率作为输入，利用神经网络即可预测出20102015年各年的增长率；第二种方法是直接将19902009各年的原始数值直接输入利用神经网络预测出20102015年的国内生产总值，劳动生产率。然后再利用预测出的值来求出其增长率；经测试第二种方法误差较小，且预测值与真实数据较为吻合。结果如下：对于x1(t)采用年增长率作为输入时误差分析图：图十五 图十六X1(t)采用原始数据输入时误差分析图：图十七图十八在第二种方法下预测出20102015年的国内生产总值分别为：2010: 3.68376403829053*105 2011 : 3.85786618926982*105 2012: 3.97275330050464*105 2013: 4.24590266277208*105 2014: 4.59050721374700*105 2015: 4.91549513138578*105图示如下：则求出x1(t), t=2010,2011,2012,2013,2014,2015的值为：2010:0.08184710450508 2011:0.101554319736902012:0.102242679251462013:0.061069623991232014:0.114752574941542015:0.06142849910389对于x2(t)当劳动生产率增长率作为输入时结果如下：图十九图二十对于x2(t)当劳动生产率作为输入时结果如下：图二十一图二十二20102015年的劳动生产率预测值为：1.50754*105 1.558516*105 1.59392*105 1.61802*105 1.65401*105 1.69693*105则求出x2(t) t=2010,2011,2012,2013,2014,2015 的值为：2010: 0.060872223279262011: 0.033813063661162012: 0.022719011848472013: 0.015121837851192014: 0.020003561176922015： 0.0255823886952x3(t)的利用神经网络运行结果如下：图二十三图二十四求得20102015年CPI如下：2010:103.4692336325142011:101.7686472162882012:101.3494027313312013:101.0249160390072014:100.7782807995082015:100.592060991057将所求的x1(t),x2(t),x3(t)带入式5-2求出20102015工资上涨幅度为9.50370198399840%10.45572143329574%9.33691280266322%8.31883620960177%4.49481033222516%9.00369116597268%7、 模型的检验与分析首先对式（）中的值进行检验。利用SPSS软件进行回归分析编程计算，得如下图表 表三 模型数据汇总模型汇总b模型RR 方调整 R 方标准 估计的误差Durbin-Watson1.945a.893.8722.109321952304246E02.045a. 预测变量: (常量), jiagezhishu, laodong, GDP。b. 因变量: gongzi，说明残差之间无自相关性 表四 残差统计量数据残差统计量a极小值极大值均值标准 偏差N预测值9.64613628387451E03.21263656616211E11.54804752197919E15.573268745507662E019标准 预测值-1.0472.987.0001.00019预测值的标准误差.5591.666.921.30519调整的预测值9.09415912628174E02.79923114776611E11.52646707869106E15.098374196808130E019残差-5.137010097503662E02.492440462112427E0-2.363022058728491E-141.925538690529797E019标准 残差-2.4351.182.000.91319Student 化 残差-2.5761.927.0381.04919已删除的残差-5.749132633209229E06.626495361328125E02.158044328812312E-12.675666466023150E019Student 化 已删除的残差-3.3342.146.0041.19219Mahal。 距离.31910.2822.8422.70919Cook 的距离.0001.539.123.35019居中杠杆值.018.571.158.15119a. 因变量: gongzi并画出下图图二十五说明残差服从期望值为0的正态分布。8、 模型的评价与改进评价：本文主要运用统计学的相关知识，如一元线性回归、多元线性回归等方法对搜集到的数据进行统计分析，并