文档介绍：1
各地区各行业工资水平的分析(2009年数据)

小组成员:张艺伟、赵月、陈媛、邹莉、朱海龙、曾磊、胡瑛、候银萍

1. 研究背景及意义

研究背景
工资水平是指一定区域和一定时间内劳动者平均收入的高低程度。生产决定分配,只有经济发
展才能提供更多的可分配的社会产品,因此一个地区的工资水平在一定程度上反映了其经济发展的
水平。

研究意义
1. 通过多元统计分析方法,探究一个地区的工资水平与其经济发展水平之间的内在联系。
2. 将平均工资水平划分为 3 类,分析哪些地区、哪些行业的工资水平较高,可以为大学生就业提供
宏观上的方向指引。

2. 数据来源与描述

数据来源——《中国劳动统计年鉴─2010》
(URL:/Navi/?id=N2011010069&floor=1###)
主编单位:国家统计局人口和就业统计司,人力资源和社会保障部规划财务司
出版社:中国统计出版社
简介:《中国劳动统计年鉴─2010》是一部全面反映中华人民共和国劳动经济情况的资料性年刊。
本刊收集了2009年全国和各省、自治区、直辖市、香港特别行政区、澳门特别行政区的有关劳动统
计数据。本书资料的取得形式主要有录和抽样调查。

数据描述
本数据集记录了全国31个省市(港、澳、台除外)的工资状况,各省市分别记录了其23个主要
行业的平均工资水平,这23个主要行业包括:企业、事业、机关、金融业、制造业、建筑业、房地
产业、农林牧渔业等等,具体数据格式参见图-0。
1
2

图-0

3. 分析方法及原理

通过描述统计分析方法,判断哪些行业平均工资水平较高
描述统计分析方法主要是从基本统计量(诸如均值、方差、标准差、极大/小值、偏度、峰度等)
的计算和描述开始的,并辅助于 SPSS 提供的图形功能,能够把握数据的基本特征和整体的分布特征。
在本案例中,通过比较不同行业(诸如企业、事业、机关、建筑业、制造业„„)工资的均值、
极大/小值,可以从总体上判断哪些行业的平均工资水平较高,哪些行业的较低。

通过聚类分析方法,判断哪些地区平均工资水平较高
聚类分析是依据研究对象的个体特征,对其进行分类的方法,分类在经济、管理、社会学、医
学等领域,都有广泛的应用。聚类分析能够将一批样本(或变量)数据根据其诸多特征,按照在性
质上的亲疏程度在没有先验知识的情况下进行自动分类,产生多个分类结果。类内部个体特征之间
具有相似性,不同类间个体特征的差异性较大。
在本案例中,我们将采用两种方法进行聚类分析:一种是系统聚类法,另一种是 K-均值法(快
速聚类法)。

系统聚类法
系统聚类法的基本原理:首先将一定数量的样本或指标各自看成一类,然后根据样本(或指标)
的亲疏程度,将亲疏程度最高的两类进行合并,然后考虑合并后的类与其他类之间的亲疏程度,再
进行合并。重复这一过程,直到将所有的样本(或指标)合并为一类。
系统聚类分为 Q 型聚类和 R 型聚类两种:Q 型聚类是对样本进行聚类,它使具有相似特征的样
本聚集在一起,使差异性大的样本分离开来;R 型聚类是对变量进行聚类,它使差异性大的变量分
离开来,相似的变量聚集在一起,这样就可以在相似变量中选择少数具有代表性的变量参与其他分
析,实现减少变量个数、降低变量维度的目的。
在本例中进行的是 Q 型聚类。
类与类之间距离的计算方法主要有以下几种:
(1) 最短距离法(Nearest Neighbor),是指两类之间每个个体距离的最小值;
(2) 最长距离法(Farthest Neighbor),是指两类之间每个个体距离的最大值;
(3) 组间联接法(Between-groups Linkage),是指两类之间个体之间距离的平均值;
2
3
(4) 组内联接(Within-groups Linkage), 是指把两类所有个体之间的距离都考虑在内;
(5) 重心距离法(Centroid clustering),是指两个类中心点之间的距离;
(6) 离差平方和法(Ward 法),同类样品的离差平方和应当较小,类与类之间的离差平方和应当
较大。

K-均值法(快速聚类法)
K-均值法(又称快速聚类法),是由 MacQueen 于 1967 年提出的,它将数据看成 K 维空间上的
点,以距离作为测度个体“亲疏程度”的指标,并通过牺牲多个解为代价换得高的执行效率。但是,