התפלגות היצע העבודה בין נשים לגברים

תקציר העבודה:

התפלגות היצע העבודה
בין נשים לגברים

תוכן העניינים: hc1469

1. תיאור סטטיסטי של התפלגות היצע העבודה
2. תאור המשתנים המסבירים
3. פירוט ההנחות הסטטיסטיות הנדרשות לאמידת המודל
4. הצגת המשוואה הטובה ביותר
5. קיום השפעות לא ליניאריות
6. הסבר לממצאים על השפעת המשתנים החשובים
7. השלכות אפשריות של שימוש במשתנה השכר
8. השלכות אפשריות של המצאות מספר נשים מאותה משפחה
9. יציבות המקדמים
10. בדיקת שונות שונה
תאור סטטיסטי של התפלגות היצע העבודה
המשתנה התלוי במודל שלנו הינו היצע העבודה של נשים המבוטא על ידי
המשתנה של שעות עבודה בשבוע עבודה "נורמלי" HRWKLY. לפי ההנחה
שמשתנה זה הוא המשתנה התלוי - הוא גם משתנה מקרי של חלק מההשתנות
שלו מוסבר על ידי משתנים אחרים וחלק לא מוסבר ומתבטא על ידי הפרעה
מקרית.
אנחנו נאמוד את משוואת היצע העבודה ב OLS - וכדי שאומדי ה OLS - יהיו
יעילים (עקיבים, וחסרי הטיה שהשונות שלהם היא מינימלית, לפי המשפט של
Gauss-Markov) חייבת להתקיים הנחה מרכזית: הפרעה מקרית מתפלגת
נורמלית. כיוון שהמשתנה התלוי מיוצג על ידי החלק הלא מקרי (המוסבר על ידי
המשתנים המסבירים) והחלק המקרי (הפרעה מקרית) - ברור, כי התפלגותו של
המשתנה התלוי גם היא חייבת להיות נורמלית.

מקורות:

אחרת, המשתנה D_GOV מקבל ערך 1 אם האישה מועסקת על ידי ממשלת המדינה ו - 0 אחרת. שוב פעם, אנחנו לא נכניס לרגרסיה את משתנה הדמי הרביעי אשר מקבל ערך 1 אם האישה עובדת ברשות מקומית, כדי שלא תיווצר מולטיקוליניאריות מלאה. הרוב המכריע של הנשים במדגם עובדים במגזר הפרטי. המגזר השני בגובה הוא הרשויות המקומיות,
לאחר מכן ממשלת המדינה ומספר הכי קטן של נשים עובדות בממשלה הפדרלית.
סביר לשער, כי מספר הילדים הוא משתנה רלוונטי לקביעת שעות העבודה המוצעות על ידי אישה, כי הילדים זקוקים לטיפול ולכן ככל שיש יותר ילדים האישה תעבוד פחות. מספר הילדים במשפחה מתבטא על ידי שני משתנים: CHLDNM18 המבטא את מספר הילדים הלא-נשואים עד גיל 18 ו - CHILD המבטא מספר הילדים עד גיל 6. בגלל שכמות
הילדים עד גיל 18 כולל גם את הילדים עד גיל 6, על מנת לראות את ההשפעות האינדיבידואליות של מספר הילדים "הקטנים" ומספר הילדים "הגדולים", אנחנו ניצור משתנה חדש CHILD_6_18 המתקבל על ידי הפחתה של המשתנה CHILD מהמשתנה CHLDNM18 ובכך מבטא את מספר הילדים שגילם בין 6 ל - 18. לפי הגרפים ניתן לראות, כי לרוב
הנשים במדגם אין ילדים, ולרוב המכריע של הנשים אין ילדים קטנים (מתחת לגיל 6).
הגיל של האישה גם הוא רלוונטי לקביעת שעות העבודה המוצעות. סביר לשער, כי הנשים הצעירות לא עובדות הרבה (למשל, בגלל העזרה של ההורים או בגלל הלימודים) והנשים המבוגרות יותר עובדות יותר בגלל שהן צריכות לפרנס משפחה. על מנת לבדוק את ההשפעה של הגיל אנחנו יוצרים 7 משתני הדמי: D_AGE1 מקבל ערך 1 אם הגיל הוא
16-17 ו - 0 אחרת, D_AGE2 מקבל ערך 1 אם הגיל הוא 18-19 ו - 0 אחרת, D_AGE3 מקבל ערך 1 אם הגיל הוא 20-24 ו - 0 אחרת, D_AGE4 מקבל ערך 1 אם הגיל הוא 25-34 ו - 0 אחרת, D_AGE5 מקבל ערך 1 אם הגיל הוא 35-44 ו - 0 אחרת, D_AGE6 מקבל ערך 1 אם הגיל הוא 45-54 ו - 0 אחרת, D_AGE7 מקבל ערך 1 אם הגיל הוא 55-59 ו - 0
אחרת. גם במקרה זה אנחנו לא יוצרים משתנה דמי עבור קבוצת הנשים בגיל 60-64 כי היא מהווה משלים לקבוצות האחרות ואז תיווצר מולטיקוליניאריות מלאה והאמידה של כל המשתנים ביחד תהיה בלתי אפשרית. לפי הגרף לעיל ניתן לראות, כי המדגם מיוצג בעיקר על ידי הנשים בגיל 16-17 וזו גם מסביר למה לרוב המכריע של הנשים במדגם
אין ילדים.
מצב משפחתי הוא אחד המשתנים החשובים בקביעת שעות העבודה המוצעות. לכן אנחנו יוצרים 6 משתני הדמי: D_MST1 מקבל ערך 1 אם האישה היא נשואה, הבעל אזרח ונמצא ו - 0 אחרת, D_MST2 מקבל ערך 1 אם האישה היא נשואה, הבעל איש צבא ונמצא ו - 0 אחרת, D_MST3 מקבל ערך 1 אם האישה היא נשואה, הבעל לא נמצא ו - 0 אחרת, D_MST4
מקבל ערך 1 אם האישה היא אלמנה ו - 0 אחרת, D_MST5 מקבל ערך 1 אם האישה היא גרושה ו - 0 אחרת, D_MST6 מקבל ערך 1 אם האישה היא פרודה ו - 0 אחרת. שוב פעם לא נכניס את משתנה הדמי של הנשים הרווקות במדגם בגלל בעיית מולטיקוליניאריות מלאה.
לסיכום, נסתכל על מקדמי המתאם בין המשתנים המסבירים שהם לא משתני הדמי:
NUMPERS W_H NUMEMPL HIGHGRAD CHLDNM18
NUMPERS 1.000000 -0.179704 -0.027903 -0.105 0.496495
W_H -0.179704 1.000000 -0.112156 0.407421 -0.052560
NUMEMPL -0.027903 -0.112156 1.000000 0.071894 -0.033748
HIGHGRAD -0.105788 0.407421 0.071894 1.000000 -0.043069
CHLDNM18 0.496495 -0.052560 -0.033748 -0.043069 1.000000
רואים, כי מבחינת מולטיקוליניאריות יש רק שתי בעיות: שכר העבודה בשעה קשור חיובית למספר שונת הלימוד (וזו טבעי), ומספר הנפשות במשפחה קשור למספר הילדים.
פירוט ההנחות הסטטיסטיות הנדרשות לאמידת המודל
על מנת לאמוד את המודל של היצע העבודה ב - OLS חייבים להתקיים תנאים הבאות:
E(?t)=0
?(xt-x)2?0,
כאשר x הינו ממוצע של xt,
3. Cov(xt,?t)=E(xt,?t)=0
4. Var(?t)=E(?t2)=?2,
5. Cov(?t,?s)=0
6. ?t~N(0, ?2),
כאשר המודל הינו: y=?0+?1x1t+?2x2t+...+?t.
הצגת המשוואה הטובה ביותר
בשלב הראשון אמדנו את המשוואה הכוללת את כל האינפורמציה במדגם. לאחר מכן הוצאנו את המשתנים ש - t-st. שלהם יצא פחות מ - 1, אמדנו את המערכת שוב והוצאנו את המשתנים הלא מובהקים (t-st. 1.96). כך הגענו למשוואה הטובה ביותר, המיוצגת להלן:
LS // Dependent Variable is HRWKLY (1)
Date: 09/24/97 Time: 12:38
Sample: 1 1296
Included observations: 1296

Variable Coefficient Std. Error t-Statistic Prob.

C 25.87224 2.084684 12.41063 0.0000
D_WHITE -3.107999 1.191196 -2.609141 0.0092
HIGHGRAD 0.587951 0.105097 5.594343 0.0000
CHLD -4.267103 0.639629 -6.671219 0.0000
CHLD_6_18 -2.725338 0.339576 -8.025708 0.0000
D_AGE1 8.669218 1.070973 8.094708 0.0000
D_AGE2 7.112808 2.066388 3.442145 0.0006
D_AGE5 -6.178716 1.590935 -3.883701 0.0001
D_MST1 -1.964374 0.618360 -3.176749 0.0015

R-squared 0.249917 Mean dependent var 34.98071
Adjusted R-squared 0.245254 S.D. dependent var 11.67826
S.E. of regression 10.14562 Akaike info criterion 4.641005
Sum squared resid 132475.6 Schwarz criterion 4.676887
Log likelihood -4837.316 F-statistic 53.60112
Durbin-Watson stat 1.942206 Prob(F-statistic) 0.000000

קיום השפעות לא ליניאריות
יכול להיות שההשפעות במודל הם לא ליניאריות אלא המשתנה התלוי מוסבר יותר טוב על ידי האקספוננטה של סכום המשתנים המסבירים המוכפלים במקדמים שלהם. אם ניקח לוגים משני הצדדים, נקבל את המשוואה החצי-לוגריתמית ונאמוד אותה:
LS // Dependent Variable is L_HRWKLY
Date: 09/24/97 Time: 12:47
Sample: 1 1296
Included observations: 1296

Variable Coefficient Std. Error t-Statistic Prob.

C 3.178575 0.082151 38.69168 0.0000
D_WHITE -0.117343 0.046942 -2.499769 0.0126
HIGHGRAD 0.016571 0.004142 4.001014 0.0001
CHLD -0.186074 0.025206 -7.382149 0.0000
CHLD_6_18 -0.105899 0.013382 -7.913684 0.0000
D_AGE1 0.348948 0.042204 8.268132 0.0000
D_AGE2 0.246492 0.081430 3.027024 0.0025
D_AGE5 -0.227549 0.062694 -3.629515 0.0003
D_MST1 -0.042380 0.024368 -1.739188 0.0822

R-squared 0.239214 Mean dependent var 3.473788
Adjusted R-squared 0.234485 S.D. dependent var 0.456958
S.E. of regression 0.399810 Akaike info criterion -1.826613
Sum squared resid 205.7242 Schwarz criterion -1.790730
Log likelihood -646.2994 F-statistic 50.58407
Durbin-Watson stat 1.919903 Prob(F-statistic) 0.000000

אנחנו לא רואים שינויים משמעותיים בהשוואה למודל הקודם, אך R-sq. ו - F-st. קטנו במקצת. לכן נשתמש בהמשך בספציפיקציה הראשונה.
הסבר לממצאים על השפעת המשתנים החשובים
כפי שנובע מהממצאים המיוצגים לעיל, ניתן לראות, כי מספר הילדים הן מתחת והן מעל גיל 6 משפיע בצורה שלילית חזקה על מספר שעות העבודה, ככל שההשכלה של אישה גבוהה יותר, היא נוטה לעבוד יותר (הכל כפי ששיערנו), נשים לבנות נוטות לעבוד פחות וזאת כנראה, בגלל שהמשכורות של המשפחות "הלבנות" הן בדרך כלל גבוהות יותר,
ולכן נשים יכולות להרשות לעצמן להישאר יותר בבית. נמצא, כי הנשים הצעירות (גיל 16-19) נוטות לעבוד יותר ולעומת זאת הנשים שהן בגיל הממוצע (35-44) נוטות לעבוד פחות משאר הנשים. לגבי המצב המשפחתי, ניתן להסיק, כי הנשים הנשואות שבעליהן הם אזרחים ונמצאים, נוטות לעבוד פחות משאר הנשים.
נציין, כי למשתנה של מספר המועסקים במשפחה אמנם נמצאה השפעה שלילית בהרצות הראשוניות, אך היא לא היתה מובהקת מספיק. נמצאה השפעה חיובית אך גם לא מובהקת לשכר העבודה בשעה. לכן משתנים אלו לא נכללו למשוואה האחרונה. ביחד עם זאת לא נוכל לטעון כי משתנים אלו הם לא משפיעים כל על היצע העבודה, כי הם די קשורים
למשתנים המסבירים כמו מספר הילדים ומספר שנות הלימוד. בגלל שהוצאנו את המשתנים הלא מובהקים מתוך הרגרסיה (וביניהם שכר העבודה ומספר המועסקים במשפחה) כמעט ואין לנו את בעיית המולטיקוליניאריות ואנחנו יכולים להסתכל על המקדמים כעל התרומות האינדיבידואליות להסבר של המשתנה התלוי.
השלכות אפשריות של שימוש במשתנה השכר
ברגרסיות שהצגנו אנחנו משתמשים בשכר העבודה בשעה שחושב כשכר העבודה בשבוע חלקי המשתנה התלוי (מספר שעות העבודה בשבוע). קל לראות, כי אם נשתמש בספציפיקציה הלוגריתמית של המודל (ניקח לוגים משני הצדדים) נקבל, כי המשתנה התלוי מופיע הן בצד שמאל (עם סימן +) והן בצד ימין (עם סימן -) ואז אנחנו נקבל הסבר מלא
(100%) לרגרסיה שנריץ. כמובן שספציפיקציה כזאת איננה נכונה במקרה שלנו, כלומר, אין להשתמש בספציפיקציה הלוגריתמית.
השלכות אפשריות של המצאות מספר נשים מאותה משפחה
בגלל שהמשתנים כמו מספר הנפשות באותה משפחה ומספר המועסקים באותה משפחה לא נכנסו למשוואה הסופית, אין השלכות של המצאות מספר נשים מאותה משפחה.
יציבות המקדמים
אנחנו רואים, כי נשים צעירות נוטות לעבוד יותר ולכן נבדק, האם המקדמים יציבים לאורך המדגם בין הנשים הצעירות השייכות לקבוצות 1 ו - 2 (גילים 16-19) לבין שאר הנשים. לשם כך נריץ את שתי הרגרסיות, הראשונה עם הנשים הצעירות והשנייה עם שאר הנשים ונערוך מבחן Chow:
LS // Dependent Variable is HRWKLY (2)
Date: 09/24/97 Time: 13:29
Sample: 1 1296 IF AGE=1 OR AGE=2
Included observations: 1118

Variable Coefficient Std. Error t-Statistic Prob.

C 33.73539 1.980201 17.03635 0.0000
D_WHITE -2.916312 1.269614 -2.297006 0.0218
HIGHGRAD 0.634828 0.109949 5.773832 0.0000
CHLD -4.669873 0.689211 -6.775682 0.0000
CHLD_6_18 -2.514866 0.371448 -6.770442 0.0000
D_MST1 -2.125547 0.639629 -3.323094 0.0009

R-squared 0.135901 Mean dependent var 36.69231
Adjusted R-squared 0.132016 S.D. dependent var 10.75711
S.E. of regression 10.02193 Akaike info criterion 4.614904
Sum squared resid 111688.3 Schwarz criterion 4.641842
Log likelihood -4160.105 F-statistic 34.97801
Durbin-Watson stat 1.919819 Prob(F-statistic) 0.000000

LS // Dependent Variable is HRWKLY (3)
Date: 09/24/97 Time: 13:33
Sample(adjusted): 12 1285 IF AGE=3 OR AGE=4 OR AGE=5 OR
AGE=6 OR AGE=7 OR AGE=8
Included observations: 178 after adjusting endpoints

Variable Coefficient Std. Error t-Statistic Prob.

C 29.66821 5.596694 5.301025 0.0000
D_WHITE -3.572613 3.419833 -1.044675 0.2976
HIGHGRAD 0.004161 0.345128 0.012057 0.9904
CHLD -2.661201 1.679299 -1.584709 0.1149
CHLD_6_18 -3.813607 0.857535 -4.447175 0.0000
D_MST1 2.964726 1.865754 1.589023 0.1139

R-squared 0.120740 Mean dependent var 24.23034
Adjusted R-squared 0.095180 S.D. dependent var 11.52584
S.E. of regression 10.96361 Akaike info criterion 4.822290
Sum squared resid 20674.53 Schwarz criterion 4.929541
Log likelihood -675.7549 F-statistic 4.723812
Durbin-Watson stat 1.416572 Prob(F-statistic) 0.000455

נחשב את ה - F-st.:
[ESS(1)-(ESS(2)+ESS(3))]/9
_______________ = (132475.6-(111688.3+20674.53))
[ESS(2)+ESS(3)]/(1296-2*6)
/(111688.3+20674.53)*1284/9 = 0.1215
F*(6, 1234, 0.05) = 2.8 0.1215 = F(stat.)
זאת אומרת, כי ברמת המובהקות של 5% אנחנו לא דוחים את 0H ובאמת אין שינוי במקדמים.
בדיקת שונות שונה
נבדוק האם קיימת שונות שונה בין שתי קבוצות האוכלוסייה שתוארו בפרק הקודם. לשם כך נערוך מבחן Goldfeld Quandt:
,
לכן אנחנו דוחים את ההשערה, שיש שונות שונה במדגם על פני קבוצות האוכלוסייה הנ"ל.
16

תגים:

סטטיסטיקה

אפשרויות משלוח:

ניתן לקבל ולהזמין עבודה זו באופן מיידי במאגר העבודות של יובנק. כל עבודה אקדמית בנושא "התפלגות היצע העבודה בין נשים לגברים", סמינריון אודות "התפלגות היצע העבודה בין נשים לגברים" או עבודת מחקר בנושא ניתנת להזמנה ולהורדה אוטומטית לאחר ביצוע התשלום.

אפשרויות תשלום:

ניתן לשלם עבור כל העבודות האקדמיות, סמינריונים, ועבודות המחקר בעזרת כרטיסי ויזה ומאסטרקרד 24 שעות ביממה.