tiểu luận kinh tế lượng những nhân tố ảnh hưởng đến sự thay đổi của tiền lương

Lời mở đầuTiền lương được định nghĩa là sự trả công hoặc thu nhập mà có thể biểu hiện bằng tiền và được ấn định bằng thoả thuận giữa người sử dụng lao động và người lao động.. Làm nhiều

Trang 1

-*** -BÁO CÁO KINH TẾ LƯỢNG

NHÓM 17: THỰC HIỆN NGHIÊN CỨU BỘ SỐ LIỆU

17_beauty

Giảng viên hướng dẫn: TS Đinh Thị Thanh Bình

Nhóm sinh viên thực hiện:

Hà Nội, tháng 3 năm 2019

Trang 2

Lời mở đầu 1

1 Thiết lập mô hình toán học và mô tả mối quan hệ giữa các biến 2

1.1 Tổng quan 2

1.2 Hàm hồi quy tổng thể và hàm hồi quy mẫu 4

1.3 Mô tả chi tiết các biến trong mô hình 5

2 Lựa chọn mô hình KTL: lựa chọn mô hình OLS 10

3 Thu thập số liệu 10

4 Ước lượng mô hình KTL 10

4.1 Chạy mô hình hồi quy 10

4.2 Phân tích kết quả 12

5 Kiểm tra khuyết tật của mô hình 12

5.1 Kiểm tra đa cộng tuyến 12

5.2 Kiểm tra phương sai sai số thay đổi 13

6 Kiểm định giả thuyết thống kê 14

7 Phân tích kết qủa 14

Kết luận 16

Trang 3

Bảng 1: Bảng giải thích biến 3 Bảng 2: Bảng kết quả chạy lệnh sum 4 Bảng 3: Bảng kết quả chạy hồi quy 11

Danh mục hình ảnh Hình 1: Mô hình có các hệ số tương quan 12 Hình 2: Kiểm định white 13 Hình 3: Mô hình sai số chuẩn mạnh (Robust Standard Error) 13

Trang 4

Lời mở đầu

Tiền lương được định nghĩa là sự trả công hoặc thu nhập mà có thể biểu hiện bằng tiền và được ấn định bằng thoả thuận giữa người sử dụng lao động và người lao động Tiền lương là một nhân tố quan trọng, tác động mạnh mẽ nhất, quyết định việc ổn định và phát triển nền kinh tế Tiền lương còn là một đòn bẩy kinh tế có tác dụng kích thích lợi ích vật chất đối với người lao động làm cho họ

vì lợi ích vật chất của bản thân và gia đình mình mà lao động một cách tích cực với chất lượng kết quả ngày càng cao Để trở thành đòn bẩy kinh tế, việc trả lương phải gắn liền với kết quả lao động, phải nhằm khuyến khích người lao động nâng cao năng xuất, chất lượng và hiệu quả lao động Làm nhiều hưởng nhiều, làm ít hưởng ít, không làm không hưởng, tiền lương phản ánh đúng sự khác biệt giữa loại lao động có trình độ thấp nhất và cao nhất được hình thành trong quá trình lao động Nhưng liệu có phải chỉ dựa vào trình độ để đưa ra mức lương cho người lao động hay không? Trên thực tế, tiền lương của mỗi người không phải đều giống hệt nhau bởi tiền lương chịu ảnh hưởng của rất nhiều yếu

tố, ví dụ như giới tính, trình độ học vấn, kinh nghiệm, ngoại hình Vậy yếu tố nào ảnh hưởng nhiều nhất và ảnh hưởng như thế nào? Để tìm hiểu sâu hơn về vấn đề này và giúp các bạn sinh viên có cách nhìn tổng quan nhất, nhóm em quyết định chọn nghiên cứu đề tài “Những nhân tố ảnh hưởng đến sự thay đổi của tiền lương” Việc quan tâm đến những yếu tố đó ảnh hưởng đến mức lương như thế nào sẽ giúp chúng ta có những định hướng ngay từ bây giờ để có thể nâng cao được mức tiền lương trong tương lai

Trong quá trình làm nhóm, chúng em đã cố gắng để có bài báo cáo tốt nhất Tuy nhiên do vốn kiến thức còn hạn chế, bản báo cáo chắc chắn sẽ gặp thiếu xót Chúng em rất mong nhận được sự nhận xét và các ý kiến đóng góp từ phía cô và các bạn Chúng em xin chân thành cảm ơn cô!

Trang 5

1 Thiết lập mô hình toán học và mô tả mối quan hệ giữa các biến

1.1 Tổng quan

Để đo lường mức độ tác động của các yếu tố đến sự biến động lương, nghiên cứu này sử dụng mô hình hồi quy tuyến tính có dạng như sau:

Yi=βoo+ βo 1 X 1+ βo 2 X 2+ βo 3 X 3+ βo 4 X 4+ βo 5 X 5+βo 6 X 6 +βo 7 X 7+ui

Trong đó:

Yi : biến phụ thuộc trong lần quan sát thứ i

X1, X2, X3, X4, X5, X6, X7: các biến độc lập

βoo : hệ số chặn

βo 1, βo 2, βo 3, βo 4, βo 5, βo 6, βo 7: các hệ số góc hay độ dốc của mô hình

ui: sai số ngẫu nhiên trong lần quan sát thứ i

Sau khi xem xét ý nghĩa các biến trong file 17_beauty.dta, nhóm chúng

em quyết định chọn mô hình để phân tích hồi quy gồm các biến như sau:

 Biến phụ thuộc: wage

 Các biến độc lập:

X1: belavg

X2: abvavg

X3: exper

X4: goodhlth

X5: black

X6: female

X7: educ

Dưới đây là kết quả thu được khi tiến hành mô tả biến phụ thuộc và các biến độc

lập trên bằng lệnh des:

des wage belavg abvavg exper goodhlth black female educ

Trang 6

storage display value variable name type format label variable label

wage float %9.0g hourly wage

belavg byte %8.0g =1 if looks <= 2

abvavg byte %8.0g =1 if looks >=4

exper byte %8.0g years of workforce experience

goodhlth byte %8.0g =1 if good health

black byte %8.0g =1 if black

female byte %8.0g =1 if female

educ byte %8.0g years of schooling

Ta có bảng sau:

Bảng 1: Bảng giải thích biến

=1 nếu sức khỏe tốt

=0 nếu sức khỏe kém

=0 nếu là người da khác

=0 nếu là đàn ông

Trang 7

Sau đó, ta tiếp tục sử dụng lệnh sum để miêu tả dữ liệu Lệnh sum cho biết số

lượng quan sát (Obs), giá trị trung bình (mean), độ lệch chuẩn (std dev.) cũng như giá trị lớn nhất (max) và nhỏ nhất (min) của các biến

sum wage exper educ

Variable | Obs Mean Std Dev Min Max

wage | 1,260 6.30669 4.660639 1.02 77.72

exper | 1,260 18.20635 11.96349 0 48

educ | 1,260 12.56349 2.624489 5 17

Ta có bảng sau:

Bảng 2: Bảng kết quả chạy lệnh sum

Tên

biến

Số quan

sát

Giá trị trung bình

chuẩn

Giá trị nhỏ nhất

Giá trị lớn nhất

1.2 Hàm hồi quy tổng thể và hàm hồi quy mẫu

Hàm hồi quy tổng thể (PRF) biểu diễn mối liên hệ giữa biến phụ thuộc wage (tiền

lương theo giờ) với các biến độc lập belavg, abvavg, exper, goodhlth, black, female và educ như sau:

Wage = βoo+ βo1.belavg+ βo2 abvavg + βo3 exper+ βo4 goodhlth+ βo5.¿ +βo6 female+βo7.educ

+ ui

Hàm hồi quy mẫu tương ứng (SRF):

^

wage=^ βoo+ ^ βo1.belavg+ ^ βo2 abvavg+^ βo3 exper+ ^βo4 goodhlth+^βo5.¿ + ^βo6 female+^ βo7 educ

1.3 Mô tả chi tiết các biến trong mô hình

Trang 8

Để mô tả chi tiết các biến đã chọn, ta sử dụng lệnh tab đối với từng biến:

tab belavg

=1 if looks |

<= 2 | Freq Percent Cum.

0 | 1,105 87.70 87.70

1 | 155 12.30 100.00

Total | 1,260 100.00

Biến Belavg =1 nếu ngoại hình dưới trung bình có 155 lần xuất hiện, chiếm 12,3%

tab abvavg

=1 if looks |

>=4 | Freq Percent Cum.

0 | 877 69.60 69.60

1 | 383 30.40 100.00

Total | 1,260 100.00

Biến Abvavg =1 nếu ngoại hình trên trung bình có 383 lần xuất hiện, chiếm 30,4%

tab exper

Trang 9

years of |

workforce |

experience | Freq Percent Cum

0 | 4 0.32 0.32

1 | 19 1.51 1.83

2 | 23 1.83 3.65

3 | 45 3.57 7.22

4 | 42 3.33 10.56

5 | 59 4.68 15.24

6 | 29 2.30 17.54

7 | 52 4.13 21.67

8 | 46 3.65 25.32

9 | 41 3.25 28.57

10 | 68 5.40 33.97

11 | 37 2.94 36.90

12 | 55 4.37 41.27

13 | 37 2.94 44.21

14 | 31 2.46 46.67

15 | 44 3.49 50.16

16 | 30 2.38 52.54

17 | 25 1.98 54.52

18 | 46 3.65 58.17

19 | 25 1.98 60.16

20 | 43 3.41 63.57

21 | 15 1.19 64.76

22 | 19 1.51 66.27

23 | 26 2.06 68.33

24 | 25 1.98 70.32

25 | 27 2.14 72.46

26 | 26 2.06 74.52

27 | 19 1.51 76.03

Trang 10

28 | 24 1.90 77.94

29 | 16 1.27 79.21

30 | 24 1.90 81.11

31 | 17 1.35 82.46

32 | 15 1.19 83.65

33 | 13 1.03 84.68

34 | 19 1.51 86.19

35 | 25 1.98 88.17

36 | 17 1.35 89.52

37 | 18 1.43 90.95

38 | 14 1.11 92.06

39 | 9 0.71 92.78

40 | 28 2.22 95.00

41 | 11 0.87 95.87

42 | 18 1.43 97.30

43 | 7 0.56 97.86

44 | 14 1.11 98.97

45 | 6 0.48 99.44

46 | 2 0.16 99.60

47 | 3 0.24 99.84

48 | 2 0.16 100.00

Total | 1,260 100.00

Số năm kinh nghiệm trước đó nằm trong khoảng từ 0 đến 48 năm, trong đó 10 năm kinh nghiệm có số quan sát lớn nhất với 68 quan sát (5.4%); 46 năm và 48 năm là số năm kinh nghiệm có số quan sát ít nhất chỉ với 1 quan sát (0.16%)

tab goodhlth

Trang 11

=1 if good |

health | Freq Percent Cum.

0 | 84 6.67 6.67

1 | 1,176 93.33 100.00

Total | 1,260 100.00

Biến goodhlth =1 nếu người đó có sức khỏe tốt có 1176 lần xuất hiện, chiếm 93.33%

Biến goodhlth =0 nếu người đó có sức khỏe yếu có 84 lần xuất hiện, chiếm 6.67%

tab black

=1 if black | Freq Percent Cum.

0 | 1,167 92.62 92.62

1 | 93 7.38 100.00

Total | 1,260 100.00

Biến black =1 nếu là người da đen có 93 lần xuất hiện, chiếm 7.38%

Biến black =0 nếu không phải da đen có 1167 lần xuất hiện, chiếm 92.62%

tab female

=1 if |

Trang 12

female | Freq Percent Cum.

0 | 824 65.40 65.40

1 | 436 34.60 100.00

Total | 1,260 100.00

Biến female =1 nếu là nữ có 436 lần xuất hiện, chiếm 34.6%

Biến female =0 nếu là nam có 824 lần xuất hiện, chiếm 65.4%

tab educ

years of |

schooling | Freq Percent Cum.

5 | 42 3.33 3.33

8 | 44 3.49 6.83

10 | 156 12.38 19.21

12 | 468 37.14 56.35

13 | 246 19.52 75.87

14 | 51 4.05 79.92

16 | 121 9.60 89.52

17 | 132 10.48 100.00

Total | 1,260 100.00

Trình độ học vấn có tần số cao nhất là lớp 12 với 468 quan sát, chiếm 37.14% , thấp nhất là 5 năm, chỉ có 3.33%

2 Lựa chọn mô hình KTL: lựa chọn mô hình OLS

3 Thu thập số liệu

4.1 Chạy mô hình hồi quy

Trang 13

Trong Stata, sử dụng lệnh reg để chạy hồi quy mối quan hệ giữa biến phụ

thuộc và các biến độc lập, ta nhận được kết quả như sau:

reg wage belavg abvavg exper goodhlth black female educ

Source | SS df MS Number of obs = 1,260 -+ - F(7, 1252) = 42.31 Model | 5231.59611 7 747.370872 Prob > F = 0.0000 Residual | 22115.8431 1,252 17.6644114 R-squared = 0.1913 -+ - Adj R-squared = 0.1868 Total | 27347.4392 1,259 21.7215561 Root MSE = 4.2029

-Dựa vào kết quả chạy hồi quy ở trên ta có bảng số liệu sau:

Bảng 3: Bảng kết quả chạy hồi quy

Trang 14

Tên biến Hệ số hồi

Phương trình hồi quy mẫu của mô hình:

Wage = 0.181355 - 0.8779881 x belavg + 0.0563491 x abvavg + 0.0857831 x exper - 0.0386758 x goodhlth - 2.545992 x female + 0.0131069 x black + 0.443391 x educ

4.2 Phân tích kết quả

 Số quan sát Obs = 1260

 Tổng bình phương sai số tổng cộng SST = 27347.4392

 Tổng bình phương sai số được giải thích SSE = 5231.59611

 Tổng bình phương các phần dư SSR = 22115.8431

 Bậc tự do của phần được giải thích Dfm= 7

Trang 15

 Bậc tự do của phần dư Dfr = 1252.

 Hệ số xác định R2 = 19,13% thể hiện mức độ phù hợp của hàm hồi quy mẫu là không cao Ngoài ra, giá trị của R2 còn cho biết 19,13% sự biến động của tiền lương hàng tháng được giải thích bởi các biến độc lập: ngoại hình so với trung bình, số năm kinh nghiệm, tình trạng sức khỏe, màu da, giới tính, trình độ học vấn

 Hệ số xác định điều chỉnh R¯2 = 0.1868

5 Kiểm tra khuyết tật của mô hình

5.1 Kiểm tra đa cộng tuyến

Hình 1: Mô hình có các hệ số tương quan

Mô hình có các hệ số tương quan nhỏ hơn 0,8 nên không có đa cộng tuyến

5.2 Kiểm tra phương sai sai số thay đổi

Kiểm định white:

Trang 16

Hình 2: Kiểm định white

p-value =0.0001<5% nên bác bỏ giả thuyết H0: phương sai sai số không đổi ở mức =5%

 Mô hình bị hiện tượng phương sai sai số thay đổi

Khắc phục bằng mô hình sai số chuẩn mạnh (Robust Standard Error):

Hình 3: Mô hình sai số chuẩn mạnh (Robust Standard Error)

6 Kiểm định giả thuyết thống kê

Trang 17

Tiến hành kiểm ý nghĩa của từng hệ số hồi quy riêng đối với mô hình, hay nói cách khác là kiểm định ảnh hưởng của từng biến độc lập lên giá trị trung

bình của biến phụ thuộc wage.

Cặp giả thuyết thống kê:

0 1

j j

H H













Nếu giá trị P-value của một biến độc lập nhỏ hơn mức ý nghĩa thì bác bỏ

0

H , chấp nhận H1 hay biến độc lập đấy có ý nghĩa thống kê đối với wage

Theo kết quả chạy mô hình robust, ta có:

- Biến abvavg, goodhlth và black có giá trị P-value > 0.05, chưa đủ cơ sở bác

bỏ H0 Như vậy,abvavg, goodhlth và black không có ảnh hưởng mang ý nghĩa thống kê đến wage.

- Các biến còn lại belavg, exper, female, educ đều có giá trị P-value < 0.05, bác

bỏ

0

H , nghĩa là các biến này thực sự có ảnh hưởng mang ý nghĩa thống kê đến

wage.

7 Phân tích kết qủa

Phương trình hồi quy

Wage = 0.181355 - 0.8779881 x belavg + 0.0563491 x abvavg + 0.0857831 x exper - 0.0386758 x goodhlth - 2.545992 x female + 0.0131069 x black + 0.443391 x educ

 Ngoại hình có ảnh hưởng mang ý nghĩa thống kê đến thu nhập Với các

điều kiện không đổi, những người có ngoại hình dưới trung bình có thu nhập thấp hơn những người có ngoại hình trên trung bình 0.8779881 usd/giờ Ngoại hình trên trung bình không ảnh hưởng đến thu nhập

Trang 18

 Giới tính có ảnh hưởng mang ý nghĩa thống kê đến thu nhập Với các

điều kiện không đổi, phụ nữ có thu nhập thấp hơn nam giới 2.545992 usd/ giờ

 Kinh nghiệm làm việc có ảnh hưởng mang ý nghĩa thống kê đến thu nhập Với các điều kiện không đổi, mỗi năm kinh nghiệm tăng thêm thì thu

nhập tăng thêm 0.0857831 usd/ giờ

 Trình độ học vấn có ảnh hưởng mang ý nghĩa thống kê đến thu nhập.

Với các điều kiện không đổi, trình độ học vấn tăng thêm 1 năm thì thu nhập tăng thêm 0.443391 usd/giờ

 Sức khỏe và chủng tộc không có ảnh hưởng mang ý nghĩa thống kê đến

thu nhập

Định dạng
Số trang	19
Dung lượng	584 KB