我国各地区职工工资的影响因素分析

1我国各地区职工工资的影响因素分析2003级经济学基地班李刚平40301117摘要：随着经济的发展，我国各地区职工的平均工资都有所增长，但各地区的增长幅度又有所不同，本文主要就是研究影响各地区职工平均工资的因素，并最终建立数学模型，从而可以起到对未来的工资水平走向进行预测及政策建议的效果。关键词：平均工资影响因素增长一、经济背景分析近年来，随着改革开放的进程不断加快，我国职工工资收入不断提高，劳动和社会保障法制建设进一步加强，劳动者合法权益得到保障。2003年，城镇职工平均工资达到14040元，是1990年的6倍多，扣除物价因素，实际年均增长8.1%，是建国以来城镇职工工资收入增长最快的时期之一。以上海为例，自改革开放以来，上海职工工资收入逐年增长，近十多年来，职工工资年均增幅超过百分之十。统计数字显示，一九九○年上海的人均年工资为二千九百一十七元，二○○四年上升到二万四千三百九十八元，增加近十倍。其他地区的工资增长虽不及上海那般显著，却也是在节节攀升。二、研究目的：职工工资的增长逐渐成为一个热点话题，在百度中输入“职工工资”，你会在0.001秒后得到237000篇相关报道，工资协商制、工资拖欠、工资保障机制也成为学术界人士争相研究的焦点。而也是随着职工工资的增长，其他的一些问题，诸如个税征收、社会保障机制改革等接踵而来。因此，研究好职工工资的影响因素，对于预测工资走向，安排生产生活，体制改革等有积极意义。三、变量的选取和样本数据来源（一）变量的选取纵观各项可能对职工工资产生影响的因素，结合经济意义和数据获得的可能性，我最终将以下变量列为备选变量，2003年的各地区平均工资（元）、各地区性别比（女=100）、各地区教育经费（万元）、各地区第三产业就业人数（万人）、各地区第三产业就业比（%）、各地区总扶养比（%）、各地区年底人口数（万人），各地区私营企业就业人数（万人）、各地区消费指数（%）、各地区铁路长度（公里）、各地区内河长度（公里）、各地区公路长度（公里）、人均地区生产总值（元/人）。因为时间序列数据样本太少，故本文选择2003年的各地区截面数据作为研究对象。根据基本经济理论及经济常识，可以初步判定各地区职工平均工资与性别比例有一定关系，所以性别比会是影响平均工资的一个因素；而各地区的教育经费投入（包括国家投入和地方投入的总和）、高校数量、高校在校生人数直接关系着该地区的职工业务素质，所以也2是影响职工平均工资的因素，但这三者之间从常识上来说可能存在一定共线性，所有要建模之后再作取舍；另外，第三产业的就业人数肯定也会影响平均工资，因为一般说来，第三产业的平均工资会高于一二产业，所有第三产业的就业人数和比例也在考虑范围之列，但考虑到各地区人口数量不一，按绝对数就业人数来做模型显然不够科学，所以我选择了第三产业的就业比例来替代第三产业的就业人数；各地区的总抚养比（包括抚养比儿童和老人扶养比）从理论上来说也会影响平均工资，因为若总抚养比较高，则意味着该地区的劳动力比例较少，根据供求定价原则，此地区的平均工资就会高于其他抚养比低的地区；但抚养比只是一个相对数，不能直接表明该地区劳动力的丰欠程度，所以各地区年底人口数也要考虑；各地区私营企业就业人数也可能会影响平均工资，因为一般人会认为私营企业的工资高于国有企业；各地区铁路长度（公里）、各地区内河长度（公里）、各地区公路长度（公里）说明了该地区的交通状况，俗话说“要致富，先修路”，交通发达的地方一般来说经济也比较发达，自然平均工资也会受其影响；地区人均生产总值表明个人所创造的财富，直接决定了平均工资的基数；至于各地区消费指数，我认为其与平均工资应该是一个正向相关的关系。而是否是西部地区也会影响平均工资，因为西部地区相对而言是我国不够发达的地区，其平均工资自然会低于中东部地区。以上是对各因素的初步定性分析，接下来将根据定量分析来决定各因素的取舍。(二)数据的收集本文数据全部来自中国国家统计局的统计年鉴，真实性可以保证。是否为西部地区的划分依据国家西部大开发确定的12个省市为西部地区，包括：重庆市四川省云南省贵州省陕西省宁夏省甘肃省青海省内蒙古广西、新疆、西藏。令Y=各地区职工平均工资X1、X2、X3………X13、X14分别为“是否西部地区”、性别比、教育经费………各地区高校在校生人数、各地区高校数，所有数据如下图所示：地区Y平均工资（元）X1是否西部X2性别比（女=100）X3教育经费（万元）X4第三产业就业比例（%）X5抚养比（%）X62003年底人口数（万人）X7私营企业就业人数（万人）X8消费指数（%）X9铁路长度（公里）X10内河长度（公里）X11公路长度（公里）X12人均地区生产总值（元）X13各地区高校在校生（人）X14各地区高等学校数北京253120106.1353868659.627.81456.4267.3100.21136.1014453320618282873天津18648097.44975729.940.433.21011.366.18101666.38910168265324022137河北111890104.2210107223.136.56769.44181.7102.2474406539110513.211344283山西107290105.0117690031.2433314.29110.4101.83137.54856312274354077945内蒙112791104.4854998.430.234.92379.6151.35102.26202.62403741358974.652491927辽宁130080100.119439953832.34210207101.74173.94135009514257.89890870吉林110810100.7122640732.428.72703.741.15101.23561.814444377993385260540黑龙110380103.5158780529.429381576.24100.95483.751306512311615.16905054上海27304099.82273967449.433.71711318.1100.1256.522236484467187115856江苏15712097.9940442783139.67405.824681011393.624793655651680913704894浙江213670102.4339609933.538.14679.55484101.91249.99892461932014778685643安徽105810106.0164047326.242.96410118.8101.72219.755866956064556568573福建143100104.6177925729.841.53488106.2100.81453.9324554876149794779239江西105210105.2116981632.143.24254.2393.3100.82298.255906123366784716754山东125670100.4333876426.837.89125366.5101.13150.51012762661366111725385河南107490107.4228839920.244.2966780.45101.63654.21208738317570.1810897571湖北106920104.8230198136.240.96001.7105.3102.22388.58155878139010.711911875湖南122210108.4210494827.139.66662.8109.1102.42977.2115518523375549003573广东199860104.6520341234.252.97954.22359.4100.62112.51184311025317213.110553377广西119531109.8134603129.444.3485749.35101.1273854135845159694017845海南103970113.3297249.930.746.9810.5228.3100.1221.7343208778316584611重庆124251103.6106653532.138.9313086.45100.6718.241033140772094265334四川124411103.0243743728.640.38700.4150.3101.72961.81072011254364187430762贵州110371107.6867637.927.750.33869.6629.52101.21900.135024530436032536234云南128701109.3129504618.346.34375.656.75101.22340.3254016613356623133734西藏26931192.25141177.925.849.3270.173.272100.90041302687117454陕西114611105.2159767931.340.23689.5160.2101.72892.310655001964807978557甘肃123071105.383640527.442.22603.3436.29101.12312.5860402935021.632958231青海153561104.219040130.143.9533.820.551021091.8330243777277477112宁夏129811103.3229622.826.447.1580.318.61101.7791.426119166691546112新疆132551103.8108235931.743.21933.9549.17100.42773.308363397002526426四、模型的参数估计、检验及修正(一)对所有变量作回归，结果如下：DependentVariable:YMethod:LeastSquaresDate:12/13/05Time:19:39Sample:131Includedobservations:31VariableCoefficientStd.Errort-StatisticProb.C-51121.9396753.71-0.5283720.6045X11441.4021341.1721.0747330.2984X2-439.6940137.4853-3.1981170.0056X30.0040730.0017122.3787650.0302X4-104.3862159.7650-0.6533740.5228X561.56835142.48450.4321060.6714X6-0.8120050.609660-1.3318970.2016X7-11.192459.951612-1.1246870.2773X81077.667945.83821.1393780.2713X9-0.9652300.546700-1.7655570.0965X10-0.1259800.122026-1.0324020.31724X110.0036960.0230700.1602230.8747X120.2719890.1137642.3908240.0295X13-0.0587400.050324-1.1672260.2602X1456.0697193.754430.5980490.5582R-squared0.869886Meandependentvar14248.65AdjustedR-squared0.756035S.D.dependentvar4914.869S.E.ofregression2427.590Akaikeinfocriterion18.73353Sumsquaredresid94291129Schwarzcriterion19.42739Loglikelihood-2