tmp

本ブログに記載されている内容は個人的見解です。

20180808

1. リノベーション

     1. 3点ユニットバス 100万以上

     2. 浄化槽 郊外地域では公共下水道に直接 × 一旦浄化槽 浄水 河川へ メンテナンス費用で10万

 

2. 育児時間が男性の賃金に与える効果

 

     1. Data

 4人以上のこどもを持つ親は少ない。よって、最初の2,3人の子供に焦点を当てる。

 次にこどもの性別であるが、Early cohortでは649 : 590 = 110 : 100, Late cohortでは 1120 : 1102 = 100 : 100である。Early cohortの数字に注目することは重要である。なぜならば、アメリカやその他先進国では、生まれてくるこどもの性別比は比較的緩やかであることがわかっているからである(1997 Behrman)。ではなぜ、Early cohortにおいて大きな性別比110 : 100が生じているのか。これはEarly cohortの男性には、未婚の子あるいは前婚の子が多くいることによる。彼らは一番目の子が男の子であったと思い出す傾向にあるため、このような性別比が生じているのである。

 

     2. Empirical Specification and Econometric Issues

 推定するモデルは以下のモデルである。

f:id:noap3b69n:20180808184925p:plain

まずY_{it}について説明する。Yとは労働のアウトカムのことであり、ここでは実質賃金率や年間の労働時間を表している。itとはt期のi番目の個人のことを示している。つまりY_{it}とはi期のt番目の個人の実質賃金率あるいは年間の労働時間である。次にMARRは、結婚していれば1をとるダミー変数、Ageは年齢、Educは教育年数である。最後にYearであるが、これは観測された年のダミー変数である。例えば、モデルが以下のように推定されたとしよう。

Y_{it} = 6.8 + 0.1MARR_{it} + 0.02Age_{it} + 0.03Educ_{it} + 0.2Year1965

さらに例えば小林くんが300番という番号、1965年時点の年齢が22歳のとき(MARR,Age,Educ,Year1965)=(1,22,16,1)だとすればY_{it}

Y_{300\ 1965} = 8,⇔ Y_{300\ 1965} = lnW_{300\ 1965}, W = 2980

である。

このモデルにおいては、ミンサー型賃金関数で用いられている、社会人としての経験年数をモデルに含んでいない。それは、年齢と教育年数から経験年数をある程度求めることができるため、モデルの中に含むと強い多重共線性?を引き起こし、係数推定値が誤って推定されてしまう可能性があるからである。さらに職種などもモデルには含んでいないが、内生性を引き起こさないための処置である。以上の点で、本研究はKoreman and Neumark(1991)やGray(1997),ファミリーギャプを調べたWaldfogel(1998)とは異なる。