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

TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG
---------***--------

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:
Sinh viên
1
2
3
4
5

Lê Thị Hương Giang
Phan Thị Vân
Bùi Thị Hà Trang
Bùi Huyền Diệu Linh
Bùi Thanh Mai

MSSV

% đóng góp

1713310038
1713310172
1713310156
1713310082
1711110440

20%
20%
20%
20%
20%

Hà Nội, tháng 3 năm 2019


Mục lục


Danh mục bảng biểu

Danh mục hình ảnh


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!


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:

Trong đó:
Yi : biến phụ thuộc trong lần quan sát thứ i
X1, X2, X3, X4, X5, X6, X7: các biến độc lập
: hệ số chặn
, , : các hệ số góc hay độ dốc của mô hình

: 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
storage
display
value
variable name type format label variable label
-----------------------------------------------------------------------------------------------------------


6

wage
belavg
abvavg

exper
goodhlth
black
female
educ

float
byte
byte
byte
byte
byte
byte
byte

%9.0g
%8.0g
%8.0g
%8.0g
%8.0g
%8.0g
%8.0g
%8.0g

hourly wage
=1 if looks <= 2
=1 if looks >=4
years of workforce experience
=1 if good health
=1 if black

=1 if female
years of schooling

Ta có bảng sau:
Bảng 1: Bảng giải thích biến
STT

Tên biến

Vai trò

Đơn vị

Ý nghĩa biến

1

WAGE

Biến phụ thuộc USD/h

Lương theo giờ

2

BELAVG

Biến giải thích

Ngoại hình dưới trung bình

3

ABVAVG

Biến giải thích

Ngoại hình trên trung bình

4

EXPER

Biến giải thích

5

GOODHLTH Biến giải thích

6

BLACK

Biến giải thích

7

FEMALE

Biến giải thích

8

EDUC

Biến giải thích

năm

Kinh nghiệm làm việc

năm

=1 nếu sức khỏe tốt
=0 nếu sức khỏe kém
=1 nếu là người da đen
=0 nếu là người da khác
=1 nếu là phụ nữ
=0 nếu là đàn ông
Trình độ học vấn

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:


7

Bảng 2: Bảng kết quả chạy lệnh sum
Tên

Số

quan Giá trị trung Độ

lệch Giá

trị Giá trị lớn

biến

sát

bình

chuẩn

nhỏ nhất

nhất

Wage

1260

6.30669

4.660639

1.02

77.72

Exper

1260

18.20635

11.96349

9

48

Educ

1260

12.56349

2.624489

0

17

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 = vavg + + ui
Hàm hồi quy mẫu tương ứng (SRF):
1.3. Mô tả chi tiết các biến trong mô hình

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

Belavg
. 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%.
b)

Abvavg
. tab abvavg
=1 if looks |
>=4 | Freq.

Percent

Cum.


8

------------+----------------------------------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%.
c)

Exper
. tab exper
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
28 |
24
1.90
77.94
29 |
16
1.27
79.21
30 |
24
1.90
81.11
31 |
17
1.35
82.46


9

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%).
d)

Goodhlth
. tab goodhlth
=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%.
e)

Black
. tab black
=1 if black |

Freq.

Percent

Cum.


10

------------+----------------------------------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%.
f)

Female
. tab female

=1 if |
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%.
g)

Educ
. 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

11

4. Ước lượng mô hình KTL
4.1. Chạy mô hình hồi quy

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

Root MSE

=

4.2029

-------------+---------------------------------Total |

27347.4392

1,259

21.7215561

-----------------------------------------------------------------------------wage |

Coef.

Std. Err.

t

P>|t|

[95% Conf. Interval]

-------------+---------------------------------------------------------------belavg |

-.8779881

.3736846

-2.35

0.019

-1.611105

-.1448709

abvavg |

.0563491

.2704003

0.21

0.835

-.4741386

.5868367

exper |

.0857831

.0105893

8.10

0.000

.0650084

.1065579

goodhlth |

-.0386758

.4822812

-0.08

0.936

-.9848443

.9074927

black |

.0131069

.4612042

0.03

0.977

-.8917115

.9179253

female |

-2.545992

.2597058

-9.80

0.000

-3.055499

-2.036486

educ |

.443391

.0469013

9.45

0.000

.3513772

.5354049

_cons |

.181355

.8086428

0.22

0.823

-1.405089

1.767799

------------------------------------------------------------------------------

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


12

Bảng 3: Bảng kết quả chạy hồi quy

Tên biến

Hệ số hồi
quy

Thống kê t

Pvalue

Khoảng tin cậy

Hệ số tự do

0.181355

0.21

0.837

[ -1.552699 ; 1.915409 ]

Belavg

-0.8779881

-3.10

0.002

[ -1.433146 ; -0.3228304 ]

Abvavg

0.0563491

0.19

0.851

[ -0.5313453 ; 0.6440434 ]

Exper

0.0857831

9.09

0.000

[ 0.0672649 ; 0.1043014 ]

Goodhlth

-0.0386758

-0.06

0.952

[ -1.291312 ; 1.21396 ]

Female

-2.545992

-12.19

0.000

[ -2.955613 ; -2.136371 ]

Black

0.0131069

0.02

0.987

[ -1.626023 ; 1.652237 ]

Educ

0.443391

0.21

0.000

[ 0.358449 ; 0.5283331 ]

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.


13
•

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

•

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:


14

Hình 2: Kiểm định white
p-value =0.0001<5% nên bác bỏ giả thuyết H0: phương sai sai số không đổi ở
mức α=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


15

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:

H0 : β j = 0


 H1 : β j ≠ 0

Nếu giá trị P-value của một biến độc lập nhỏ hơn mức ý nghĩa thì bác bỏ
H0

H1

, chấp nhận

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
H0

, 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


16
•

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.

•

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


17

Kết luận
Những kết quả nghiên cứu ở trên đã giúp cho chúng ta có một góc nhìn rõ
ràng và tương đối đấy đủ về những tác động của ngoại hình, kinh nghiệm, sức
khỏe, màu da, giới tính, trình độ học vấn... tới mức tiền lương trung bình. Nhờ
việc chạy mô hình và đưa ra các kiểm định, chúng ta có những nhận xét đầy đủ

về sự ảnh hưởng của từng biến được đưa vào, ý nghĩa của chúng đối với biến
phụ thuộc. Từ đó chúng ta có thể rút ra một số bài học thực tiễn cho bản thân,
lựa chọn cho mình những thế mạnh riêng để phát triển những nhân tố đó nhằm
nâng cao mức tiền lương của mình. Đối với sinh viên, ai cũng mong muốn ra
trường là có một mức lương cao nhưng chỉ bằng cấp là không đủ bởi chúng ta
còn cần phải có kinh nghiệm làm việc được tích lũy trong quá trình thực tập,
làm việc tại các công ty hoặc trong việc tham gia các cuộc thi, các chương trình
nghiên cứu. Chính đó cũng là một trong những nhân tố ảnh hưởng giúp cho mức
tiền lương được nâng cao hơn. Thời buổi hiện nay, khi công việc ngày càng đòi
hỏi cao ở chất lượng lao động, các yêu cầu nhà tuyển dụng cũng tăng theo. Vì
vậy, mỗi sinh viên cần xác định rõ được cho mình mục tiêu để ra sức học tập,
nâng cao trình độ, cũng như việc tích lũy một số kỹ năng cần thiết. Hi vọng,
những phân tích trên của nhóm sẽ là tài liệu tham khảo giúp những người tuyển
dụng hoặc những bạn sinh viên có thể có những lựa chọn phù hợp nhất.
Qua đây, chúng em cũng xin gửi lời cảm ơn đến giảng viên bộ môn Kinh
tế lượng TS. Đinh Thị Thanh Bình với những hướng dẫn và giúp đỡ của cô cũng
như sự đóng góp của các bạn trong lớp đã giúp chúng em hoàn thành bản báo
cáo này.