计量经济学课程设计：NBA球员平均工资影响因素分析

中国的80后、90后是伴随着NBA的崛起而成长起来的。 过去20年，NBA给我们带来了太多难忘的回忆，也为我们树立了许多值得我们终生效仿的榜样。 如此巨大的影响离不开一代又一代伟大的球员，但在我看来，真正起到决定性作用的是NBA背后成功的经济运作nba球员工资税，从1984年总市值只有1550万美元的大萧条时期到当前总市值。 NBA是美国最大的体育联盟，市值超过110亿美元，以其惊人的发展速度汇聚了世界各地的篮球巨星，为其在全球的持久发展奠定了坚实的基础。未来。 作为一个深深热爱篮球、无数次被NBA感动的热血青年，本文想从计量经济学的角度简要介绍1985年至2008年NBA球员平均工资的巨大变化，并分析其主要因素。 影响因素。 2.文献综述 2.1国内相关文献 王建国博士在国内学术界的NBA球员薪酬领域取得了丰硕的成果。 他发表了多篇与 NBA 球员薪酬问题相关的论文。 在《NBA球员的薪资限制制度》（《体育杂志》，2006年）一文中，作者将联盟的薪资分为直接限制和间接限制两种。 直接限制包括合同限制、配额限制等； 间接限制包括工资帽限制和工资帽例外限制等。王建国在其博士论文《NBA制衡机制研究》中对NBA的薪资体系进行了较为详细的分析。

得出一些结论： 1. NBA薪资限制包括工资帽和工资帽例外； 2、NBA联盟有两种限制球队工资帽的方式，包括赛中限制和赛后限制； 3、NBA球员薪资限制方式包括最高工资、最低工资、首轮新秀球员规定工资、平均工资以及球员加薪限制等； 4、NBA联盟通过薪资托管、奢侈税征收、奢侈税退税等方式调整球员收入； 5、NBA联盟对球员的薪资限制包括赛中限制、赛后处罚和重新分配三部分。 最后，作者也提出了自己的一些建议。 金世英在《NBA球员和俱乐部薪资收入和支出状况研究》一文（《体育科学》，2004年）中指出，NBA俱乐部经济条件普遍良好，保证了职业球员的高收入。 王晓东、白磷在《NBA薪资体系构建及运行效果研究》（广州体育学院学报，2010）中指出，工资帽是NBA薪资体系的核心，规定了最高和最低工资球队薪资的限制。 球队的薪水和胜利之间几乎没有相关性。 综上所述，国内学者对于NBA球员薪酬及相关问题的研究成果并不多，研究内容也比较单一。 主要是对薪酬体系的分析和运营效果的分析。 初步我们可以看到NBA球员的平均工资。 和工资帽有关系，和球员打的比赛场数关系不大。 2.2 国外相关文献 自20世纪70年代以来，球员报酬问题引起了西方学者的广泛关注，研究成果也较为丰富。

这里，斯库利1995年提出的自由转会制度对球员薪资的影响就显得尤为重要。 结果显示，自由转会制度实施前球员的平均工资低于平均MRP，但对于缺乏经验的球员和职业生涯后半段的球员确实存在例外，他们的工资高于他们的MRP。 自由转会制度实施后，球员的工资经常超过MRP。 这一结果证明，自由转会制度导致球员工资上涨，球员之间的工资差距拉大，但这并不影响平均工资的变化。 3.模型建立考虑到数据的可获得性和影响的重要性，我主要选取以下五个影响因素作为NBA球员平均工资的主要影响因素：美国GDP（基于2000年）、通货膨胀率、NBA工资上限、经济增长率、CPI。 我们的数据来自美国劳工网和美国经济数据NBA薪资网参考文献[1]、[2]和文献[3]。 最后，我们收集了1985-2008年美国和NBA联盟的相关经济数据，如附表所示。 。 对这24年的经济数据进行时间序列分析后，我们将美国国内生产总值GDP（以2000年为基期）设为 ，NBA工资帽为自变量，球员平均工资为y为因变量多变的。 。 根据选取的国内生产总值、通货膨胀率、NBA工资帽、经济增长率、CPI五个指标，建立以下多元线性回归模型： 代表NBA球员在不受任何因素影响的情况下的平均工资水平：代表美国GDP对球员平均工资水平的影响： 表示NBA工资帽对球员平均工资水平的影响： 表示美国CPI对球员平均工资水平的影响： 随机扰动项4 . 模型的测试和修正 用软件分别制作y的离散度散点图nba球员工资税，作图结果如下图1所示： 由上面的散点图可以得到散点图：不存在相关性。

然后使用软件进行y回归。 回归结果如下表1所示： 模型回归表 由上表可知，回归模型为： 13001(1.356)(0.000)(5.675)(0.026)(0.050)(0.116)t = (-2.09) (3.55 ) (-2.33) (1.48) (-2.06) (-3.05) 9895F=338.=0.8901 这个模型初步可以通过经济意义上的检验。 系数符号均符合经济意义。 通过观察每个值都小于0.05或非常接近它，所以它的精度是理想的。 同时，在9895之外，对NBA球员的平均薪资水平影响更大。 同时我们也推测模型存在多重共线性，使得其他因素的影响更加准确。 度受到影响。 因此我们需要进一步的多重共线性检验。 1.多重共线性检验与校正 4-1.1多重共线性检验利用软件计算各自变量之间的相关系数表，如下表2所示： 从相关系数矩阵可以看出各自变量的相关系数矩阵。 相关系数很高，清楚地表明模型存在多重共线性。 4-1.2多重共线性校正采用逐步回归方法对多重共线性问题进行检验和回归，分别对y进行单次回归。 结果如下表2所示： 单一回归结果表以 为基础nba球员工资税，依次添加其他变量。 逐渐回归。 回归结果表组织如下表3.4.5所示：添加新变量后的二元回归结果表，估计变量参数值为0.-66...-0...18916-1...。 0.0.0.变量 变量 0..62005 -9。 -1。 0.98079 0..5286 0.2.0.98237 0..56845 -0. -0。 0.97779 0..-0。 -1.70659 0.98008 变量 变量 0.. -7。 -1.17314 0.2.0.0..0.12.0.0.0.0..0.12.-0. -2。 0.添加新变量后的四元回归结果表从上面的测试来看也更加显着。

它的t值的绝对值都大于2，所以这个模型的回归效果非常好，所以这就是消除多重共线性后的回归模型。 因此，使用软件进行y回归。 回归表如下表7所示： 变量 变量 0..68711 -7.40829 -1.39350 0. 2. -0.02252 -2.12319 0. 0..64571 0. 2.12986 -0.0453 -0.9260 -0.02902 - 2.3065 0. 后的回归表消除多重共线性。 消除多重共线性后的回归模型为： (1.42549) (0.) (0.) (0.) t=(-1.) (2.60373) (2.) (-2.) =0.=458.0756 DW=0。