Stata软件中学习努力程度与大学英语成绩的多元回归分析 (2).docx

《Stata软件中学习努力程度与大学英语成绩的多元回归分析 (2).docx》由会员分享，可在线阅读，更多相关《Stata软件中学习努力程度与大学英语成绩的多元回归分析 (2).docx（7页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、Stata软件中教育时间与工资高低的简单线性回归分析摘要：本文在劳动经济学理论的基础上，结合明瑟收入函数分析结果，利用Stata软件对教育时间的长短及工资高低进行了简单线性回归分析。首先，对Stata软件的简单线性回归分析理论进行了介绍，将回归模型及常用基本命令作了简单阐述；第二结合前人研究经验，对教育时间与工资多少的理论关系进行了分析，证明了对两者进行线性分析的可行性；第三将教育时间及工资高低的数据导入Stata软件中，实际拟合出两者的线性关系：W=3.5847+0.3937e（其中，w为被解释变量，表示小时工资，单位为元；e为解释变量，表示受教育年限，即个人接受教育的念书，单位为年）。出结

2、论：受教育年限每增加1年，平均每小时工资将增长约0.39元。关键词：Stata软件；教育时间；工资高低；简单线性回归Abstract: In this paper, on the basis of the theory of labor economics, combining with bright income function analysis, using Stata software for the duration of education level and salary has carried on the simple linear regression analysis.F

3、irst of all, the simple linear regression analysis of the Stata software theory are introduced, the regression model and the commonly used basic commands were simply expounded;Second combining previous research experience, the education time relationship are analyzed with the theory of the salary, p

4、roves the feasibility of both linear analysis;Third will education time and salary data into Stata software, actual fitting the linear relationship between both of them: W = 3.5847 + 0.3937 e (W to be explained variable, hourly wage, the unit for yuan; e as the explained variable, said the fixed num

5、ber of year of the education, namely people accept education study, unit for years).The conclusion: the education of every increase 1 year, the average wage will increase about 0.39 yuan per hour.Key words: Stata software;Education time; High and low wages; Simple linear regression1 Stata软件的简单线性回归理论

6、简单线性回归模型（simple linear regression model）指只有一个解释变量的回归模型。如：y=0+1x+其中，y为被解释变量，x为解释变量，为随机误差项，表示除了x之外影响y的因素；1称为斜率参数或斜率系数，0称为截距参数或截距系数，也称为截距项或常数项1-2。2 Stata软件中教育与工资的简单回归分析2.1 教育与工资的关系劳动经济学中经常讨论的一个问题就是劳动者工资的决定。岳昌君等利用明瑟收入函数，结合国家统计局城市社会经济调查对每年度进行的“中国城镇住户调查“数据对我国城镇职工的收入影响因素进行了计量回归分析，并比较了教育直接收益率与地区、行业、单位所有制性质、

7、职业等其他因素收益率的大小。借用显示比较优势指数，分析了劳动者通过教育可能实现的流动方向和流动带来的收益3。从实证研究的结果中得出以下结论：首先，我国城镇职工的教育收益率有显著的提高，简单明色教育收益率从1991年的2.76%上升至2000年的8.21%。按不同教育级别计算，随着受教育程度的提高年均教育收益率呈现出一致变大的规律。相对于手小学教育者而言，初中、高中、中专、大学专科、大学本科的年均教育收益率依次为3.74%、5.24%、5.4%、6.24%和8.84%。其次，教育对个人收入的直接影响是显著的，但是教育并不是影响个人收入的决定性因素，地区差异、行业差异、单位所有制差异、职业差异等因

8、素对个人收入的影响也都非常显著。第三，从显示比较优势指数看，只有受高等教育者才最有可能跨行业流动，并通过流动提高个人的收入。同时，数据显示，教育对跨地区流动的促进作用极不显著。第四，从高等教育的预期收益与成本比较上看，在目前的学费水平下，高等教育投资的直接净收益是正的，如果再考虑由高等教育导致的行业等其他因素收益的增加以及间接教育收益增加的话，那么高等教育的回报就会非常高，这在一定程度上揭示了我国高等教育的需求在上世纪九十年代后变得更加旺盛的原因。2.2 Stata软件中教育与工资的简单回归分析模型1）数据介绍本文研究的教育时间及工资收入数据均来自社会调查问卷资料。针对不同年龄、不同职业、不同

9、收入人群及工作年限等做了简单分类。在进行教育与工资的简单回归分析时，除了教育时间及工资收入以外，控制其他变量基本保持一致，如年龄相近、工作年限接近。以工资收入数据为自变量，教育时间长短为因变量。自变量：工资收入数据，数据来源为年龄相近、工作年限相近的人群；工资以每小时收入的形式进行录入，单位为元/小时。因变量：教育时间数据，包括小学、初中、高中、大学专科、大学本科、硕士研究生及博士研究生，教育时间根据不同阶段进行累加，时间单位为年。2）假设针对以上分析，提出假设。基于前人研究经验及调查结果显示，认为在其他条件相同的情况下，教育时间的长度从一定程度上能增加工资的收入。因此提出假设：教育时间与工资

10、收入呈正相关关系。3）模型介绍不难想象，决定工资的因素有很多，例如能力、性别、工作经验、教育水平、行业、职业等。在这里进考虑其中一种因素：教育水平，建立如下计量模型：w=0+1e+其中，w为被解释变量，表示小时工资，单位为元；e为解释变量，表示受教育年限，即个人接受教育的念书，单位为年；为随机误差项。假定模型满足简单回归模型的全部基本假定，这样0、1的OLS估计量0、1将是最佳线性无偏估计量。2.3 Stata软件中教育与工资线性回归分析的操作过程2.3.1 打开文件数据及数据描述直接双击工资数据文件，需要注意的是文件必须为dta格式；或者点击Stata窗口工具栏最左侧的Open键，然后选择工

11、资数据文件即可；或者复制工资数据文件Excel表中的数据，再点击Stata窗口工具栏右起第四个Data Editor键，将数据粘贴到打开的数据编辑窗口中，然后关闭该数据编辑窗口，点击工具栏左起第二个Save键保存数据，保存时需要给数据文件命名4-7。使用describe命令，简写为：des。结果如图1所示：图1 Stata软件对的数据简要描述结果结果显示工资数据文件包含1225个样本和11个变量。2.3.2 变量的描述性统计分析使用summarize命令定量变量：su age e exp expsq w lnwage, 得出以下运行结果（图2），保存该运行结果；第一列为变量名，第二列为观测数，

12、第三列为均值，第四列为标准差，第五列为最小值，第六列为最大值。图2 变量的描述统计分析结果2.3.3 工资对教育的OLS回归使用regress命令：reg w e，得到以下运行结果，保存该运行结果（如图3）：图3 工资对教育的OLS回归数据表格左下方，第一列依次为被解释变量“工资”，解释变量“教育”，截距项Constant；第二列回归系数的OLS估计值；第三列回归系数的标准误差；第四列回归系数的t统计量值；根据表中数据可知样本回归方程为：W=3.5847+0.3937e（0.4589）（0.0488）即如果受教育年限增加1年，平均来说小时工资会增加约0.39元。表格左上方为方差分析表。第二列从

13、上到下依次为回归平方和（SSE）、残差平方和（SSR）和总离差平方和（SST）；第三列为自由度，分别为k=1，n-k-1=1225-1-1=1223，n-1=1225-1=1224；第四列为均方和（MSS），由各项平方和除以相应的自由度得到。表右上方区域给出了样本数（Number of obs）、判定系数（R-squared）、调整的判定系数（Adj R-squared）、F统计量的值、回归方程标准误差或均方根误差以及其他一些统计量的信息。上述回归分析的菜单操作为：StatisticsLinear models and relatedLinear regression弹出对话框，在Depend

14、ent Variable选项框中选择或键入w（工资），在Independent Variables选项框中选择或键入e（教育）点击ok。生产新变量z为上一个回归的拟合值，生成新变量u为上一个回归的残差；然后根据u对数据进行从小到大的排序，并列出u最小的5个观测值。命令如下：Predict zPredict u,residualSort uList w z u in 1/5输出结果如图4：图4 观测值输出结果即对于观测1小时工资的实际观测值（w）为2.46。拟合值（z）为9.10，残差（u）为-6.64。画出以工资为纵轴，以教育时间为横轴的散点图，并加入样本回归线。命令如下：Graph twow

15、ay lfit w e |scatter w e运行结果如下：图5 工资-教育时间分布散点图3 结果从实验结果可以看出，教育实践与工资的多少具有一定的线性关系，具体关系如下：W=3.5847+0.3937e其中，w为被解释变量，表示小时工资，单位为元；e为解释变量，表示受教育年限，即个人接受教育的念书，单位为年。从式中可以看出教育时间每增加一年，每小时工资便会增加约0.3937元，结合劳动经济学理论，本结果是符合基本设定的。但需要指出的是，教育并不是影响个人收入的决定性因素，行业差异和地区差异等因素也会对工资产生较大的影响。参考文献1 Roodman, David Malin. How to

16、Do xtabond2: An Introduction to Difference and System GMM in StataJ. Stata Journal, 2006, 9(1):86-136.2 StataCorp, StataCorp. Stata Statistical SoftwareJ. 2009.3 岳昌君. 教育对个人收入差异的影响J. 经济学, 2004, 3(S1):135-150. 4 王丹, 牟振云, 翟俊霞,等. Stata软件在Meta分析中异质性检验的应用J. 中华流行病学杂志, 2008, 29(7):726-729.5 杨俊英, 杨海涛. 应用stata软件实现logistic回归的共线性诊断J. 中国卫生统计, 2005, 22(3):174-176.6 查干花, 张菊英, 徐文锦,等. 用Stata软件计算人年数及SMRJ. 中国卫生统计, 2003, 20(1):52-53.7 范立新. 方差分析中的多重比较在stata软件中的实现J. 中国卫生统计, 1996(2):51-53.