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.doc》由会员分享，可在线阅读，更多相关《我国主要城市职工平均工资高低影响因素分析.doc（40页珍藏版）》请在冰豆网上搜索。
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18199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
6.187628
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
3.715677
41.2
6.698032
吉林
23486
102.37
780.2102
2.481108
35.4
3.650329
黑龙江
23046
102.28
715.3753
2.170498
33.0
3.698969
上海
56565
100.18
2286.689
7.338371
55.2
27.1597
江苏
31667
95.07
1108.896
4.135589
34.7
16.76631
浙江
34146
103.62
1378.628
4.36866
35.3
14.79492
安徽
26363
105.33
562.5632
1.495547
28.3
3.255094
福建
25702
101.24
921.8181
3.171992
33.3
6.442841
江西
21000
104.56
647.7383
1.477011
31.9
4.763636
山东
26404
100.13
722.337
3.29949
31.0
5.315788
河南
24816
102.27
582.6702
1.959183
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
3.713166
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
21864
109.81
887.5651
1.815293
34.9
4.742389
重庆
26985
101.67
813.5729
2.343343
36.3
5.762592
四川
25038
102.64
615.6042
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
2.313441
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
35.15444
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
27.1597
Minimum
21000
1
94.65
545.8109
0.878892
24.4
1.711168
Std.Dev.
9133.847
0
3.519036
453.1548
1.597377
9.143516
5.667149
Skewness
2.0072
NA
-0.32681
2.067672
1.472267
2.501521
2.345119
Kurtosis
6.10339
NA
3.521313
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
0.851870
0.869468
X3
0.748970
-0.408625
0.828547
1.000000
0.745703
0.854818
X4
0.767333
-0.238629
0.851870
0.745703
1.000000
0.732510
X5
0.787958
-0.336701
0.869468
0.854818
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
-6.498184
X2
3800344.
-599.0443
198725.1
580.4041
3415.803
2160.849
X3
10575.12
-2.222875
580.4041
2.469303
10.54013
7.488676
X4
62016.96
-7.430521
3415.803
10.54013
80.906
升级会员 