样本选择参数分位回归模型及其在工资分布分解中的应用

发布时间：2023-06-27 21:22

　　在工资差距分解问题中,研究者经常会遇到样本选择偏差问题,直接忽略会导致最终估计结果产生严重偏差,同时在众多工资差距分解方法中,相比于均值分解,分布分解方法更受研究者青睐。针对参数分位回归,本文首次提出可加形式与非可加形式的样本选择参数分位回归(SSPQR)模型,并基于这两类样本选择参数分位回归模型给出修正样本选择偏差后的参数分位回归工资差距分布分解方法。运用上述方法及已有的工资分布分解方法,借助CHNS2015年度城镇数据,本文研究了我国城镇男女工资差距及差距分解问题,得出以下结论:①男女工资差距主要来源是性别歧视问题;②经过样本选择偏差修正后,实际的工资差距更大,歧视问题更严重;③男女工资差距程度在不同分位点上结果不同,换句话说,我们不能简单地仅从平均水平来判断工资差距程度;④与其他已有方法计算结果比较发现,SSPQR计算的工资差距程度更大。

【文章页数】：12 页

【文章目录】：
一．引言
二、样本选择与参数分位回归模型
    (一)样本选择模型
        1．可加形式。
        2．非可加形式。
    (二)样本选择参数分位回归模型
        1．可加形式的样本选择参数分位回归模型。
        2．非可加形式的样本选择参数分位回归模型。
三、基于样本选择参数分位回归模型的工资分布分解方法
    (一)可加形式的样本选择参数分位回归分布分解
    (二)非可加形式的样本选择参数分位回归分布分解
四、实证分析
    (一)研究背景
    (二)数据、模型与变量
    (三)结果分析
        1．不同情况下工资差距分解结果。
        2．工资差距的影响因素分析。
五．总结



本文编号：3835359