我国主要城市职工平均工资高低影响因素分析

PAGEPAGE9我国主要城市职工平均工资上下影响因素分析一、前言亚当・斯密?国富论?中说：“一国国民每年的劳动，本来就是供应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，广阔普通劳动者拿着卑微的工资，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，随着经济的开展，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缺乏；上学难、买房难、看病难的“新三座大山〞压得老百姓难以喘气，广阔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年突破国际警戒线到达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上下的因素。二、理论背景。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异和性别等级化。。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上下密切相关。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上下直接决定着劳动者工资的上下。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、二产业是第三产业开展的根底，第三产业为第一、二产业的进一步开展创造条件，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开展，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2021年度在岗职工年平均工资调查报告。根据该报告，2021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、开展壮大，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2021?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YX1X2〔元/人〕X3X4〔%〕X5〔%〕北京563287天津41748河北24756山西25828内蒙古26114辽宁27729一五677吉林23486黑龙江23046上海56565江苏31667浙江3414666安徽26363福建25702江西21000山东26404河南24816一八3湖北22739湖南24870广东33110广西25660海南2一八641重庆26985四川25038贵州24602云南24030西藏47280146陕西25942甘肃24017青海30983宁夏30719新疆24687899.50883变量间的根本统计数据YCX1X2X3X4X5Mean144Median258281Maximum565651Minimum21000194.65Std.Dev.0SkewnessNAKurtosisNAJarque-BeraNAProbability0NA000Observations313131313131314变量间的相关系数表YX1X2X3X4X5YX1X2X31.000000X4X5YX1X2X3X4X5Y807359653800344.X1-1402X23800344.X3X4X56.样本数据的散点图Y和X1Y和X2、Y和X3Y和X4Y和X5●模型的估计与分析1模型的回归分析CX1x2X3X4X5R2F合格五元38725.03*23.55989*四元40933.69*22.22361*40695.8*21.69739*三元42383.95*20.74295*64391.67*501.667*合格897.89*67459.91*4一三.5446*665.6592*14075.42*23.12319*一三529.44*24.50904*9948.074*381.381*二元38208.17*一八.36358*3876.635*80635.一三*698.8582*合格11497.04*21.10169*一三2276.866*469.9037*合格32.49534合格一元合格合格合格合格合格(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=-X1+X2X3X4X5+e〔〕()()()()〔〕DW=F=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DW0.956928按X1排序按X2排序按X3排序按X4排序按X5排序大594284662一五45202547595585235376947243350小45一三04481034850722374292178458948360855F-statistic605F临界值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(，)。存在正的自相关的区域为[0，]；不存在自相关的区域为，]；存在负的自相关的区域为,4],其余为不能确定区域。按X2排序处理自相关Lsycx1x2x3x4x5ar(1)DependentVariable:YMethod:LeastSquaresDate:11/25/10Time:19:04Sample(adjusted):231Includedobservations:30afteradjustingendpointsConvergenceachievedafter8iterationsVariableCoefficientStd.Errort-StatisticProb.CX1X2X3X4X5AR(1)R-squaredMeandependentvarAdjustedR-squaredS.D.dependentvarS.E.ofregressionAkaikeinfocriterionSumsquaredresid1.24E+08SchwarzcriterionLoglikelihoodF-statisticDurbin-WatsonstatProb(F-statistic)InvertedARRoots.55定义新变量：genryd=y-y(-1)*genrxd1=x1-x1(-1)*genrxd2=x2-x2(-1)*genrxd3=x3-x3(-1)*genrxd4=x4-x4(-1)*genrxd5=x5-x5(-1)*genrc1=1-补第一组数：genrc1=(1-新产生数据：obsXD5XD4XD3XD2XD1YDC11724423456789101112一三14一五1617一八19202122232425262728293031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DW72043按XD1排序按XD2排序按XD3排序按XD4排序按XD5排序大5559447752982533394296063556902247605557小2873909520681258258一三5003一五7704139347497F-statisticF临界值是否存在异方差否否否否否按XD3排序再处理自相关Lsydc1xd1xd2xd3xd4xd5ar(1)DependentVariable:YDMethod:LeastSquaresDate:11/25/10Time:19:29Sample(adjusted):231Includedobservations:30afteradjustingendpointsConvergenceachievedafter45iterationsVariableCoefficientStd.Errort-StatisticProb.C1XD1XD2XD3XD4XD5AR(1)R-squaredMeandependentvarAdjustedR-squaredS.D.dependentvarS.E.ofregressionAkaikeinfocriterionSumsquaredresid1.16E+08SchwarzcriterionLoglikelihoodDurbin-WatsonstatInvertedARRoots.24定义新变量：genrydd=yd-yd(-1)*genrxdd1=xd1-xd1(-1)*genrxdd2=xd2-xd2(-1)*genrxdd3=xd3-xd3(-1)*genrxdd4=xd4-xd4(-1)*genrxdd5=xd5-xd5(-1)*genrc2=c1-c1(-1)*补第一组数：genrydd=yd*(1-genrxdd1=xd1*(1-genrxdd2=xd2*(1-genrxdd3=xd3*(1-genrxdd4=xd4*(1-genrxdd5=xd5*(1-genrc2=c1*(1-新产生数据obsYDDXDD5XDD4XDD3XDD2XDD1C21293456789101112一三14一五1617一八19202122232425262728293031对新产生数据再检验异方差和自相关按XDD1排序按XDD2排序按XDD3排序按XDD4排序按XDD5排序DW按XDD1排序按XDD2排序按XDD3排序按XDD4排序按XDD5排序大4929078639612870409328583520325132289337小426一五3323524806260971641293305429165636F-statisticF临界值4.28是否存在异方差否否否否否再按XDD3排序处理自相关：lsyddc2xdd1xdd2xdd3xdd4xdd5ar(1)DependentVariable:YDDMethod:LeastSquaresDate:11/25/10Time:21:06Sample(adjusted):231Includedobservations:30afteradjustingendpointsConvergenceachievedafter47iterationsVariableCoefficientStd.Errort-StatisticProb.C2XDD1XDD2XDD3XDD4XDD5AR(1)R-squaredMeandependentvarAdjustedR-squaredS.D.dependentvarS.E.ofregressionAkaikeinfocriterion一八.46247Sumsquaredresid1.一五E+08SchwarzcriterionLoglikelihoodDurbin-WatsonstatInvertedARRoots.28定义新变量：Genryddd=ydd-ydd(-1)*Genrxddd1=xdd1-xdd1(-1)*Genrxddd2=xdd2-xdd2(-1)*Genrxddd3=xdd3-xdd3(-1)*Genrxddd4=xdd4-xdd4(-1)*Genrxddd5=xdd5-xdd5(-1)*Genrc3=c2-c2(-1)*补第一组数据：Genryddd=ydd*(1-Genrxddd1=xdd1*(1-Genrxddd2=xdd2*(1-Genrxddd3=xdd3*(1-Genrxddd4=xdd4*(1-Genrxddd5=xdd5*(1-Genrc3=c2*(1-新产生数据：obsYDDDXDDD5XDDD4XDDD3XDDD2XDDD1C312一八3456789101112一三14一五1617一八1920212223242526272829470393031对新产生数据检验异方差和自相关按XDDD1排序按XDDD2排序按XDDD3排序按XDDD4排序按XDDD5排序DW在三次自相关处理后仍旧存在自相关按XDDD1排序按XDDD2排序按XDDD3排序按XDDD4排序按XDDD5排序大4929078635一三178142663863583314835066963小357759172424438920306671一三53177119582673F-statistic1F临界值是否存在异方差否否否否否三次自相关处理后仍旧存在自相关，选择处理一次异方差〔按XDDD4排序〕：genre=abs(resid)lsyddd/ec3/exddd1/exddd2/exddd3/exddd4/exddd5/eDependentVariable:YDDD/EMethod:LeastSquaresDate:11/25/10Time:22:19Sample:131Includedobservations:31VariableCoefficientStd.Errort-StatisticProb.C3/EXDDD1/EXDDD2/EXDDD3/EXDDD4/EXDDD5/ER-squaredMeandependentvarAdjustedR-squaredS.D.dependentvarS.E.ofregressionAkaikeinfocriterionSumsquaredresidSchwarzcriterionLoglikelihoodDurbin-Watsonstat新产生数据：obsXDDDE5XDDDE4XDDDE3XDDDE2XDDDE1YDDDEE1137723456789101112一三14一五1617一八19202122232425262728293031对新产生的数据再检验异方差：按XDDDE1排序按XDDDE2排序按XDDDE3排序按XDDDE4排序按XDDDE5排序大小F-statisticF临界值是否存在异方差否是否否否再按XDDDE2排序处理异方差Genre2=abs(resid)lsyddde/e2e1/e2xddde1/e2xddde2/e2xddde3/e2xddde4/e2xddde5/e2新产生的数据：obsYDDDEEXDDDEE5XDDDEE4XDDDEE3XDDDEE2XDDDEE1E31217823456789101112一三14一五1617一八192021222324252627282930831对新产生的数据再检验自相关和异方差：按XDDDEE1排序按XDDDEE5排序按XDDDEE3排序XDDDEE4排序按XDDDEE5排序DW2.一五7476339380按XDDDEE1排序按XDDDEE2排序按XDDDEE3排序按XDDDEE4排序按XDDDEE5排序大小F-statisticF临界值4.28是否存在异方差否否否否否可以看出处理后的数据不再具有自相关和异方差，因此对其进行回归分析：lsydddeee3xdddee1xdddee2xdddee3xdddee4xdddee5DependentVariable:YDDDEEMethod:LeastSquaresDate:11/26/10Time:19:41Sample:131Includedobservations:31VariableCoefficientStd.Errort-StatisticProb.E3XDDDEE1XDDDEE2XDDDEE3XDDDEE4XDDDEE5R-squaredMeandependentvarAdjustedR-squared.D.dependentvarS.E.ofregressionAkaikeinfocriterionSumsquaredresidSchwarzcriterionLoglikelihoodDurbin-Watsonstat从上表中看出新数据并未通过T检验，而且根据经验可知地区人均生产总值和平均工资成正比，从上表中的回归系数得出该模型经济意义不符合，所以剔除该模型我们选取一个四元模型来观察其是否存在异方差，自相关，多重共线性。从上述处理五元模型中可以看出，X3在处理过程中DW值总通不过检验，存在正相关，所以在四元模型中剔除X3。选取模型为：Y=+-74X1+X2+X4+X5+E()()()〔〕〔〕DW=F=自相关和异方差检验按X1排序按X2排序按X4排序按X5排序DW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(1.16，1.74)。存在正的自相关的区域为[0，1.16]；不存在自相关的区域为[1.74，2.26]；存在负的自相关的区域为[2.84,4],其余为不能确定区域。按X1排序按X2排序按X4排序按X5排序大60654502238407586519512247534706小4564142711603100一八3507038370409F-statisticF临界值是否存在异方差否否否是可以看出原始数据中既有异方差又有自相关先按X2排序处理自相关Lsycx1x2x4x5ar(1)DependentVariable:YMethod:LeastSquaresDate:12/22/10Time:23:16Sample(adjusted):231Includedobservations:30afteradjustingendpointsConvergenceachievedafter8iterationsVariableCoefficientStd.Errort-StatisticProb.CX1X2X4X5AR(1)R-squaredMeandependentvarAdjustedR-squaredS.D.dependentvarS.E.ofregressionAkaikeinfocriterionSumsquaredresid1.25E+08SchwarzcriterionLoglikelihoodF-statisticDurbin-WatsonstatProb(F-statistic)InvertedARRoots.54定义新变量genryd=y-y(-1)*genrxd1=x1-x1(-1)*genrxd2=x2-x2(-1)*genrxd4=x4-x4(-1)*genrxd5=x5-x5(-1)*genrc1=1-smpl11genryd=y*(1-genrxd1=x1*(1-genrxd2=x2*(1-^2)^0.5genrxd4=x4*(1-genrxd5=x5*(1-genrc1=(1-obsC1XD1XD2XD4XD5YD123456789101112一三14一五1617一八19202122232425262728293031一三8对新变量再检验异方差按XD1排序按XD2排序按XD4排序按XD5排序大56511086548684555257一三005079一三44小288059792644500639一五87一三40904504F-statistic19F临界值是否存在异方差否否否否自相关：按XD1排序按XD2排序按XD4排序按XD5排序DW从上表中可以看出当按XD4排序时仍存在自相关，所以按XD4排序再处理自相关Lsydc1xd1xd2xd4xd5ar(1)DependentVariable:YDMethod:LeastSquaresDate:12/22/10Time:23:34Sample(adjusted):231Includedobservations:30afteradjustingendpointsConvergenceachievedafter7iterationsVariableCoefficientStd.Errort-StatisticProb.C1XD1XD2XD4XD5AR(1)R-squaredMeandependentvarAdjustedR-squared0.8一八768S.D.dependentvarS.E.ofregressionAkaikeinfocriterionSumsquaredresid1.35E+08SchwarzcriterionLoglikelihoodDurbin-WatsonstatInvertedARRoots.19定义新变量genrydd=yd-yd(-1)*genrxdd1=xd1-xd1(-1)*genrxdd2=xd2-xd2(-1)*genrxdd4=xd4-xd4(-1)*genrxdd5=xd5-xd5(-1)*genrc2=c1-c1(-1)*smpl11gegenrc2=c1*(1-新数据obsC2XDD1XDD2XDD4XDD5YDD116423456789101112一三14一五1617一八19202122232425262728293031再检验异方差按XDD1排序按XDD2排序按XDD4排序按XDD5排序大43552537383977864553019934194565小一五一五一五09一三7968881763530317635303F-statisticF临界值是否存在异方差否否否否检验自相关按XDD1排序按XDD2排序按XDD4排序按XDD5排序DW从上表中可以看出仍旧从在自相关，按XDD5排序再处理自相关Lsyddc2xdd1xdd2xdd4xdd5ar(1)DependentVariable:YDDMethod:LeastSquaresDate:12/22/10Time:23:51Sample(adjusted):231Includedobservations:30afteradjustingendpointsConvergenceachievedafter8iterationsVariableCoefficientStd.Errort-StatisticProb.C2XDD1XDD2XDD4XDD5AR(1)R-squaredMeandependentvarAdjustedR-squaredS.D.dependentvar5230.805S.E.ofregressionAkaikeinfocriterionSumsquaredresid1.28E+08SchwarzcriterionLoglikelihoodDurbin-WatsonstatInvertedARRoots定义新变量)genrxddd1=xdd1-xdd1(-1)*(-0.243036)genrxddd2=xdd2-xdd2(-1)*(-0.243036)genrxddd4=xdd4-xdd4(-1)*(-0.243036)genrxddd5=xdd5-xdd5(-1)*(-0.243036)genrc3=c2-c2(-1)*(-0.243036)smpl11Genryddd=ydd*(1-Genrxddd1=xdd1*(1-Genrxddd2=xdd2*(1-Genrxddd4=xdd4*(1-Genrxddd5=xdd5*(1-genrc3=c2*(1-obsYDDDXDDD5XDDD4XDDD2XDDD1C3123456789101112一三14一五1617一八19202122232425262728293031再检验异方差按XDDD1排序按XDDD2排序按XDDD4排序按XDDD5排序大301098324169975555380一三138432092小224648一八25789902306922一五32884769F-statisticF临界值是否存在异方差否否否否不存在异方差，检验自相关按XDDD1排序按XDDD2排序按XDDD4排序按XDDD5排序DW可以看出处理了三次自相关后，当按XDDD1排序时仍旧存在自相关，下面选择处理一次异方差Genre=abs(resid)Lsyddd/ec3/exddd1/exddd2/exddd4/exddd5/eDependentVariable:YDDD/EMethod:LeastSquaresDate:12/23/10Time:12:21Sample:131Includedobservations:31VariableCoefficientStd.Errort-StatisticProb.C3/EXDDD1/EXDDD2/EXDDD4/EXDDD5/ER-squaredMeandependentvarAdjustedR-squaredS.D.dependentvarS.E.ofregressionAkaikeinfocriterionSumsquaredresidSchwarzcriterionLoglikelihoodDurbin-Watsonstat定义新变量genryddde=yddd/egenrxddde1=xddd1/egenrxddde2=xddd2/egenrxddde4=xddd4/egenrxddde5=xddd5/egenre1=c3/e新数据obsYDDDEXDDDE5XDDDE4XDDDE2XDDDE1E11234356789101112一三14一五1617一八192021222324252627280.014700293031再检验异方差按XDDDE排序按XDDDE2排序按XDDDE4排序按XDDDE5排序大小F-statisticF临界值是否存在异方差否否否否检验自相关按XDDDE1排序按XDDDE2排序按XDDDE4排序按XDDDE5排序DW1.760359可以看出不再存在自相关，对其进行回归分析Lsydddee1xddde1xddde2xddde4xddde5DependentVariable:YDDDEMethod:LeastSquaresDate:12/23/10Time:12:35Sample:131Includedobservations:31VariableCoefficientStd.Errort-StatisticProb.E1XDDDE1XDDDE2XDDDE4XDDDE5R-squaredMeandependentvarAdjustedR-squaredS.D.dependentvarS.E.ofregressionAkaikeinfocriterionSumsquaredresidSchwarzcriterionLoglikelihoodDurbin-Watsonstat从上表中可以看出该模型没有通过T检验，而且X4,X5的回归系数的符号与经济意义不相符合，根据经验第三产业就业比例和私营企业就业比例与平均工资成正相关，而上面所得的它们的回归系数为负，所以剔除该模型。我们选取一个三元模型来观察其是否存在异方差，自相关，多重共线性。选取原因：从上述四元模型的处理过程中发现X2在初次回归就存在严重的正自相关，而且X5也存在较严重的自相关，落入不能确定的区域，所以在三元模型中未选择X2,X5.选取模型为：Y=X1X3+X4+E()()()()DW=F=对原始数据进行自相关和异方差的检验按X1排序按X3排序按X4排序DW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〔31，3〕的上下界分别为，1.65〕。存在正的自相关的区域为[0，]；不存在自相关的区域为，]；存在负的自相关的区域为,4],其余为不能确定区域。按X1排序按X3排序按X4排序大3.22E+081.75E+0873826057小833690355一八3630849740091F-statisticF临界值是否存在异方差是否否2．按X1排序处理异方差genre=abs(resid)lsy/e1/ex1/ex3/ex4/eDependentVariable:Y/EMethod:LeastSquaresDate:11/27/10Time:08:58Sample:131Includedobservations:31VariableCoefficientStd.Errort-StatisticProb.1/EX1/EX3/EX4/ER-squaredMeandependentvarAdjustedR-squaredS.D.dependentvarS.E.ofregressionAkaikeinfocriterionSumsquaredresidSchwarzcriterionLoglikelihoodDurbin-Watsonstat定义新变量：genrye=y/egenrxe1=x1/egenrxe3=x3/egenrxe4=x4/egenre1=1/e新产生数据：obsYEXE4XE3XE1E1123456789101112一三14一五1617一八19202122232425262728293031对新数据检验自相关和异方差按XE1排序按XE3排序按XE4排序DW按XE1排序按XE2排序按XE4排序大小F-statisticF临界值是否存在异方差否否否新产生数据不再具有异方差和自相关。对新数据做回归分析：DependentVariable:YEMethod:LeastSquaresDate:11/27/10Time:09:01Sample:131Includedobservations:31VariableCoefficientStd.Errort-StatisticProb.E1XE1XE3XE4R-squaredMeandependentvarAdjustedR-squaredS.D.dependentvarS.E.ofregressionAkaikeinfocriterionSumsquaredresidSchwarzcriterionLoglikelihoodDurbin-Watsonstat从上表中可以看出回归系数经济意义不符合，根据经验可知性别比〔女=100〕应该与平均工资成正比，但上表中得到的回归系数为负，而且未通过T检验，所以剔除该模型。我们选取一个二元模型来观察其是否存在异方差，自相关，多重共线性。选择理由：根据经验可知，一个地区生产总值的上下对地区职工平均工资的上下起着至关重要的作用，X3是重要的变量，而且从开始做的大表中可以看出在二元模型中X3和X4的组合能通过T和F检验，所以选择变量X3，X4我们选取的模型为：Y=+X3+X4+EDW=F=1..对原始数据进行自相关，异方差的检验按X3排序按X4排序DW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〔31，2〕的上下界分别为〔7〕。存在正的自相关的区域为[0，]；不存在自相关的区域为，]；存在负的自相关的区域为,4],其余为不能确定区域。按X3排序按X4排序大5.20E+0891一五0534小5376一五6349846312F-statisticF临界值3.203.20是否存在异方差是否2．按X3排序处理异方差genre=abs(resid)lsy/e1/ex3/ex4/eDependentVariable:Y/EMethod:LeastSquaresDate:11/27/10Time:10:26Sample:131Includedobservations:31VariableCoefficientStd.Errort-StatisticProb.1/EX3/EX4/ER-squaredMeandependentvarAdjustedR-squaredS.D.dependentvarS.E.ofregressionAkaikeinfocriterionSumsquaredresidSchwarzcriterionLoglikelihoodDurbin-Watsonstat定义新变量：genrye=y/egenre1=1/egenrxe3=x3/egenrxe4=x4/e新产生数据：obsYEXE3XE4E1123456789101112一三14一五1617一八19202122232425262728293031对新产生数据再检验自相关和异方差按XE3排序按XE4排序DW按XE3排序按XE4排序大小F-statisticF临界值是否存在异方差否否可以看出不在存在自相关和异方差，对新数据进行回归分析：DependentVariable:YEMethod:LeastSquaresDate:11/27/10Time:10:32Sample:131Includedobservations:31VariableCoefficientStd.Errort-StatisticProb.E1XE3XE4R-squaredMeandependentvarAdjustedR-squaredS.D.dependentvarS.E.ofregressionAkaikeinfocriterionSumsquaredresidSchwarzcriterionLoglikelihoodDurbin-Watsonstat从上表中可以看出回归系数符合经济意义，而且T检验也通过，F检验：H0:,H1:不是所有的同时为0(j=3、4)F===325567.3953>F故拒绝原假设H0:,接受对立假设H1该二元模型不存在异方差和自相关，且在95%的置信概率下，t检验、F检验均可通过，99564532，，各解释变量及总体方程的经济意义也完全符合要求。所以我们最终选择模型为：Y=+X3+X4+E●统计意义及经济意义的解释〔1〕系数的统计意义和经济意义解释①X3系数统计意义：在X4不变的情况下，X3每增加一个单位，Y平均增加个单位。X3系数经济意义：在第三产业就业比例不变的情况下，地区人均生产总值增加1亿元/万人〔10000万/人〕，平均工资增加元②X4系数统计意义：在X3不变的情况下，X4每增加一个单位，Y平均增加个单位。X4系数经济意义：在地区人均生产总值不变的情况下，第三产业就业比例增加1%，平均工资增加元〔2〕的统计意义和经济意义解释统计意义：剔除解释变量数目和样本容量的影响，Y的总变差中有%可由X3和X4做出解释，剩下的46%不能解释的变差是由误差项所包含的因素的影响造成的。经济意义：剔除解释变量数目和样本容量的影响,在全国各省职工平均工资的总变差中，有9954%可由第三产业就业比例和地区人均生产总值作出解释，剩下的46%由第三产业就业比例和地区人均生产总值以外的其他因素影响造成的。〔3〕偏相关系数：YX3X4YX3X4由计算结果可以看出：即第三产业就业比例比地区人均生产总值对各省职工平均工资的影响更为重要。(4).大β系数YX3X4MeanMedianMaximumMinimumStd.Dev.SkewnessKurtosisJarque-BeraProbabilityObservations313131所以利用该公式计算所选模型的大β系数。SX3=SX4=SY=7统计意义：当X3变化一个标准差，Y平均变化个标准差。经济意义：当地区人均生产总值变化一个标准差，各省职工平均工资平均变化0.4一八8一三个标准差。统计意义：当X4变化一个标准差，Y平均变化个标准差。经济意义：当第三产业就业比例变化一个标准差，各省职工平均工资平均变化个标准差由以上数据比拟：由大β系数，可以看出：大，所以X4对与Y的影响重要，即认为第三产业就业比例对各省职工平均工资更重要。(5).弹性系数=3=4=4统计意义：当X3变化1%，Y平均%。经济意义：当地区人均生产总值增加1%，各省职工平均工资平均%统计意义：当X4变化1%，Y平均变化%。经济意义：当第三产业就业比例增加1%，各省职工平均工资平均增加%由计算结果得出;d.综合评价由上述过程发现，大系数、弹性系数、偏相关系数三者推导出的解释变量的影响程度相同,即认为第三产业就业比例对地区人均工资的影响更为重要。预测使用“布朗单一参数线性二次指数平滑法〞对下表数据进行预测。选择四川省为预测对象，有关数据如下：年份人均生产总值〔亿元/万人〕第三产业就业比例〔%〕人均工资〔元/人〕TX3X4〔%〕Y19781979198019811982198319841985198619871988198919901991199219931994199519961997199819992000200120022003200420052006200720210202128149.00数据来源：?四川省2021年统计年鉴?,?全国2021年统计年鉴?(1)预测令===9*X1t+0.01=*+0.01at=2–bt=(0.99/0.01)*(–)预测值Ft+m=at+bt*m(m为预测的超前期数)期数TX3abt(m=1)119782197931980419815198261983719848198591986101987111988121989一三1990141991一五1992161993171994一八1995191996201997211998221999232000242001252002262003272004282005292006302007312021322021故预测2021年X3的数值为：=(2)预测===9*X1t+0.01=*+0.01at=2–bt=(0.99/0.01)*(–)预测值Ft+m=at+bt*m(m为预测的超前期数)t年份X4abt(m=1)119782197931980419815198261983719848198591986101987111988121989一三1990141991一五1992161993171994一八199519199620199721199822199923200024200125200226200327200428200529200631302007312021322