第四次实验
————利用所给数据（bothtwins data Excel文件）研究教育的工资回报率问题。
组员：
实验内容：
1、实验目的：
利用所给数据（bothtwins data Excel文件）研究教育的工资回报率问题。
2、实验要求：
运用Eviews软件进行数据分析，利用已知数据建立回归模型，考虑诸如遗漏变量和测量误差的模型内生性问题。由于数据都是不同家庭的双胞胎数据，分析时请利用这一数据特征
二、实验报告：
（1）、问题提出
随着社会的发展，教育的工资回报率问题被提上了日程。对于影响工资回报率的因素我们愈加关注。为了这一问题，我们利用所给数据（bothtwins data Excel文件）研究教育的工资回报率问题。同时考虑诸如遗漏变量和测量误差的模型内生性问题。
（2）、指标选择
根据分析问题的需要，依据指标数据可得性原则，我们选择经济含义明确并具有较好完整性和可比较性的数据（bothtwins data Excel 文件）作为数据指标。Age：年龄；age2：年龄平方；Daded：父亲
受教育年数；Momed：母亲受教育年数；Hrwage：工资时薪；lwage：时薪工资对数值；female：是否为女性；white：是否为白人；first:是否为家中长子；Educ：受教育年数（自报）；Educ_t：双胞胎中另一个受教育年数（自报）；Eductt：双胞胎中某个提供的另外一个的受教育年数（互报）；Educt_t：此双胞胎的sibling提供的此双胞胎受教育年数（互报）。
数据来自于国家统计局公布的《中国统计年鉴》。
（3）、数据来源
表1 数据（bothtwins data Excel文件）（部分数据）
（4）、数据分析
1、描述性分析
①运用Eviews画出时薪工资与受教育程度的散点图，观察两者的相关性。如
图1时薪工资与受教育程度的散点图
681012141618200
40
80120
160
HRWAGE
E D U C
由图1可以看出时薪工资与受教育程度呈正相关关系。 ②运用Eviews 画出时薪工资与年龄的散点图，观察两者的相关性
图2时薪工资与年龄的散点图
10
20304050
6070800
40
80120
160
HRWAGE
A G E
由图1可以看出时薪工资与年龄大致呈正相关关系。 2、建立模型
模型一：在不考虑双胞胎的情况下，建立分析模型如下：
Dependent Variable: LWAGE Method: Least Squares Date: 11/17/14 Time: 20:09 Sample: 1 680
Included observations: 680
Variable Coefficient Std. Error t-Statistic Prob. EDUC 0.117638 0.009939 11.83604 0.0000 AGE 0.096256 0.010931 8.805826 0.0000 AGE2 -0.000960 0.000131 -7.318658 0.0000 C
-1.354769
0.261802 -5.174787
0.0000
R-squared 0.275097 Mean dependent var 2.440960 Adjusted R-squared 0.271880 S.D. dependent var 0.620855 S.E. of regression 0.529775 Akaike info criterion 1.573136 Sum squared resid 189.7271 Schwarz criterion 1.599736 Log likelihood -530.8662 Hannan-Quinn criter. 1.583432 F-statistic 85.51294 Durbin-Watson stat 1.522542
Prob(F-statistic) 0.000000
模型为：
t-Statistic -5.175 11.836 8.806 -7.319 Prob 0.000 0.000 0.000 0.000 R-squared 0.275 Adjusted R-squared 0.272 从模型可以看出，在年龄和年龄的平方不变的情况下，受教育程度每增加一年，时薪工资相对增加0.118%：同样的，在受教育程度和年龄的平方不变的情况下，年龄每增加一年，时薪工资相对增加
μ
ββββ++++=23210ln age age educ wage 2
001.0-096.0118.0355.1-ln age age educ wage ++=
0.096%。R-squared 不高，此模型有待检验。 对模型一作残差图进行分析： 图3
-2
-101230
123
45100
200300
400500600
Residual
Actual
Fitted
由图3残差图我们可以看得出来，其残差并没有均匀的分布在条形框中，拟合程度较差，即可能存在遗漏变量（个人能力和家庭背景等）。 模型二：根据已知数据，为了研究教育的工资回报率问题，将其他变
量统计为
，建立模型如下：
Dependent Variable: LWAGE Method: Least Squares Date: 11/17/14 Time: 20:46 Sample: 1 680
Included observations: 655
Variable Coefficient Std. Error t-Statistic Prob. EDUC
0.105241
0.010398 10.12082
0.0000
μ
λββββ+++++=∑j
j
23210ln X
age age educ wage j ∑j
j j X λ
