Регрессионный анализ

Регрессионный анализ.

Задание: Рассмотрите данные о заработной плате и социально-демографических характеристиках 2246 женщин, проживавших в 1988г. в США.

Ключевым аспектом работы является разделение работников по уровням квалификации, как и подавляющем большинстве работ за уровень квалификации принят уровень образования/стаж. [1]

[pic 1]

Рисунок 1 – Группировка данных с использованием пакета R

[pic 2]

Рисунок 2 – Дисперсия

Так, работники, имеющие высшее образование, относятся к высококвалифицированным специалистам, работники, имеющие за плечами только среднее общее образование, относятся к низкоквалифицированным специалистам.  Итак, в работе использовались данные по занятости и заработным платам с учётом уровня образования в период 1988 по штатам США.

В работе была использована реальная среднемесячная заработная плата сотрудников организаций по штатам, которая была приведена к реальным значениям с помощью корректировки на региональный уровень инфляции.

[pic 3]

Рисунок 3 – Анализ данных с использованием пакета R

Прежде всего проверим гипотезу о наличии конвергенции между регионами CIF. Для этого используем модель условной конвергенции, предложенную Barro, Robert J., and Xavier Sala-i-Martin: [19][20]

ln()=α+ ++ +  ,                                                          (1)[pic 4][pic 5][pic 6][pic 7][pic 8]

где - вектор значений среднемесячной начисленной заработной платы населения в регионе i в год t[pic 9]

- вектор значений среднемесячной начисленной заработной платы населения в регионе i в   год t-1.[pic 10]

вектор значений объясняющих переменных.[pic 11]

 вектор значений контрольных переменных.[pic 12]

Далее для анализа возросшего неравенства проверим гипотезу об увеличивающемся внутригрупповом неравенстве в доходах, проверим наличие этого процесса для высококвалифицированных и низкоквалифицированных работников. Исходя из теоретического обоснования, разрыв в заработных платах будет наблюдаться только у высококвалифицированных работников, в то время как доходы низкоквалифицированных продолжат сходиться.  Регрессия, с помощью которой будет проверена эта гипотеза имеет следующий вид:

Ln () =α+β +,                                                                            (2)[pic 13][pic 14][pic 15]

где - вектор значений среднемесячной начисленной заработной платы населения в регионе i в год t[pic 16]

- вектор значений среднемесячной начисленной заработной платы населения в регионе i в   год t-1.[pic 17]

Если коэффициент при объясняющей переменной β статистически значим, а также имеет отрицательный знак, то имеет место β – конвергенция. В противном случае, если коэффициент β положительный, то наблюдается дивергенция. Также, чтобы подтвердить выявленную динамику, построим регрессию отражающую взаимосвязь между изменениями в премии за навыки и концентрации высококвалифицированной силы в регионах. Логично предположить, что увеличение концентрации навыков в регионе ведёт к уменьшению премии, однако, из предположения о существовании технологических изменений, ориентированных на навыки, следует, что с увеличением концентрации навыков, премия за них будет увеличиваться. Таким образом неравенство между регионами еще больше усугубится и появятся регионы с явно выраженным преимуществом в навыках, знаниях, а, следовательно, и в развитии. Предполагается, что коэффициент β окажется положительным.

Ln () =α+ +  ++,                                                                 (3)[pic 18][pic 19][pic 20][pic 21][pic 22]

Где - вектор значений среднемесячной начисленной заработной платы населения с высшим образованием в регионе i в год t;[pic 23]

- вектор значений среднемесячной начисленной заработной платы населения со средним образованием в регионе i в год t;[pic 24]

- вектор значений занятости населения в регионе i в год t;[pic 25]

- вектор значений занятости населения со средним в регионе i в год t;[pic 26]