Работники какой отрасли имеют самые высокие заработные платы на российском рынке труда
Беляков Егор, Кузовкова Владислава, Кургузов Николай, Попов Николай. БЭК192С
11 03 2021
Аннотация
В последнее время во многих странах, в том числе и в России, наблюдается расслоение в уровнях заработных плат у работников. Довольно значимая разница в доходах наблюдается по отраслям работы. В данной статье производится анализ российского рынка труда для выявления среднего уровня заработных плат по индивидам в разных отраслях, а также для выявления факторов, оказывающих влияние на представленные тенденции.
Объект и методы исследования
Тип работы: исследование
Цель работы: с помощью статистических данных и приложенных научных статей выяснить, работники какой отрасли имеют самые высокие заработные платы на российском рынке труда и рассмотреть возможные интерпретации полученных результатов
Объект исследования: российский рынок труда, конкретно, данные по заработной плате работников
Методы исследования: анализ и синтез данных по заработным платам и отраслям, построение ящичковых диаграмм (графический метод), рассмотрение теоретических положений о возможных факторах, влияющих на заработную плату
Инструменты анализа: база данных РМЭЗ НИУ ВШЭ, язык программирования R
Конечный продукт: страница на сайте RPubs
Введение
С начала становления в России рыночных отношений российский рынок труда стал более диверсифицированным как по отраслям деятельности, так и по вознаграждению за труд, которые получают работники в той или иной сфере занятости. Зарплата стала средством удовлетворения потребительских запросов работника и его семьи. Отсюда, появляются новые (рыночные) факторы различия в заработной плате того или иного работника такие, как уровень образования, квалификация, специализация. Кроме того, внутренняя культура работника (стремление добиться успеха, опытность) непосредственно влияет на оплату труда, так как влияет на конечный результат его труда. В этом плане, в нашем исследовании стоит делать акцент на работниках частных предприятий, так как они явным образом подчиняются модели спроса и предложения на рынке труда и на потребительских рынках, в отличие от трудящихся на государственных предприятий, где стимулы к труду занижены в силу предопределенности карьерного роста работника, а конечный результат непосредственно связан с конкретным государственный заказом и волей заказчика.
Анализ заработных плат
В данной работе мы использовали базу данных РМЭЗ НИУ ВШЭ. Нами были выбраны данные по индивидам, так как целью является сравнение заработных плат отдельных работников по отраслям, а не сравнение целых домохозяйств.
{
library(devtools)
library(rlms)
library(dplyr)
library(tidyr)
library(ggplot2)
}
setwd("C:/Users/79211/Desktop/Project")
all_data <- rlms_read("r28i_os_32.sav")
#colnames(all_data)Методика
Взяли всех работающих респондентов, у которых есть основная работа, и нашли их почасовую ставку заработной платы (мес.). Далее построили медианы для каждой из сфер и проранжировали их. Затем проверили на статистическую значимость отличия средних по отраслям с общей средней и выявили, что з.п мужчин выше, чем з.п женщин, а также что з.п людей с хорошим образованием выше,чем у людей с плохим образованием В своем исследовании мы опирались на различную литературу (см. статьи wage_gap1,2)
# выбираем переменные интереса
data <- all_data %>% select(id_ind = idind, working = xj77,
job_1 = xj4.1, wage_1 = xj13.2, hours_1 = xj6.2,
working_2 = xj32, job_2 = xj35.1, wage_2 = xj40, hours_2 = xj36.1a,
edu = x_educ, diplom = x_diplom, exp = xj5a, age = x_age, sex = xh5 )
#summary(data)# убираем неработающих (это тестовый прогон)
data1 <- data %>% subset(working == 1)
#summary(data1) # по working нет NA
data2 <- data %>% subset(working == 1 | is.na(working) == TRUE)
#summary(data2) # по working есть NA
# проверим значения з/п у тех, у кого working == NA
View(subset(data2, is.na(working) == TRUE))
#summary(subset(data2, is.na(working) == TRUE)) # тут все NA => можем удалить data2
rm(data1, data2) # удаляем data1, data2
# убираем неработающих (это нормальный прогон)
data <- data %>%
subset(working == 1) %>%
drop_na(job_1, wage_1) # убираем пропуски по job_1, wage_1
#summary(data)
#summary(as.factor(data$job_1)) # пока заметим, что, начиная с 18-ой профессии, наблюдений мало
# создаем почасовую ставку
# data$wage_rate_1 <- data$wage_1 / data$hours_1 # первый вариант создания новой переменной
data <- data %>% # второй вариант создания новой переменной
mutate(wage_rate_1 = wage_1 / hours_1/4) %>%
subset(wage_1 != 0) # убираем тех, у кого ставка в месяц равна 0 (это ошибочне наблюдения)
#summary(data)
# убираем выбросы сверху
nrow(subset(data, wage_rate_1 >= 2500)) # количество наблюдений, где з/п в час выше 2500## [1] 0data <- data %>% subset(wage_rate_1 <= 2500)
#summary(data)
# возможные преобразования:
# 1) оставим тех, кого только основная (первая) работа
data_1 <- data %>% subset(working_2 == 2)
#summary(data_1)
#summary(as.factor(data_1$job_1))ggplot(data = data_1, aes(x = as.factor(job_1), y = wage_1)) + geom_boxplot() +
xlab('Индексы отраслей') + ylab('Заработная плата в месяц') +
ggtitle('Боксплот по месячной ставке заработной платы')# боксплот по месячной ставке з/п## Don't know how to automatically pick scale for object of type haven_labelled/vctrs_vctr/double. Defaulting to continuous.
ggplot(data = data_1, aes(x = as.factor(job_1), y = wage_rate_1)) + geom_boxplot() + xlab('Индексы отраслей') +
ylab('Заработная плата в час') +
ggtitle('Боксплот по часовой ставке заработной платы')
#summary(subset(data_1, job_1 == 1))
ggplot(data = subset(data_1, job_1 == 1), aes(x = wage_1)) + geom_histogram() +
xlab('Заработная плата в месяц') + ylab('Количество наблюдений') +
ggtitle('Частоты значений заработных плат')## Don't know how to automatically pick scale for object of type haven_labelled/vctrs_vctr/double. Defaulting to continuous.## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
Строим медианы и средние ставки з/п в час по отраслям
summary_table <- data_1 %>%
group_by(job_1) %>%
summarise(
median = median(wage_rate_1, na.rm = TRUE),
mean = mean(wage_rate_1, na.rm = TRUE)) #%>% arrange(desc(median))Добавим расшифровки к переменной job_1
job_label <- stack(attr(summary_table$job_1, "labels")) # расшифровки
summary_table <- merge(summary_table, job_label, by.x = "job_1", by.y = "values") %>%
arrange(desc(median)) # сортировка по медианеТест Стьюдента на равенство средней з/п по отрасли средней з/п по всей выборке
mean_wage_rate <- mean(data_1$wage_rate_1) # средняя ставка з/п
summary_table$p_val <- 0Cоздадим колонку со значениями p-value
j <- 1
for (i in as.numeric(summary_table$job_1)) {
t_stat <- t.test(data_1[which(data_1$job_1 == i),]$wage_rate_1, mu = mean_wage_rate)
summary_table$p_val[j] <- t_stat$p.value
j <- j + 1
}
# сделаем индикатор принятой гипотезы
summary_table$hypothesis <- 0
summary_table$hypothesis[summary_table$p_val <= 0.05] <- 1 # принята альтернативная => различия значимы
t_stat$conf.int## [1] -62.65518 222.37740
## attr(,"conf.level")
## [1] 0.95Тест на нормальность распределения
summary(data_1)## id_ind working job_1 wage_1 hours_1
## Min. : 3 Min. :1 Min. : 1.00 Min. : 700 Min. : 2.00
## 1st Qu.:26468 1st Qu.:1 1st Qu.: 7.00 1st Qu.: 17000 1st Qu.: 40.00
## Median :39494 Median :1 Median :10.00 Median : 25000 Median : 40.00
## Mean :37133 Mean :1 Mean :10.48 Mean : 29191 Mean : 43.69
## 3rd Qu.:50502 3rd Qu.:1 3rd Qu.:14.00 3rd Qu.: 35000 3rd Qu.: 48.00
## Max. :59410 Max. :1 Max. :31.00 Max. :200000 Max. :168.00
##
## working_2 job_2 wage_2 hours_2 edu
## Min. :2 Min. : 1 Min. : 4000 Min. : 1.00 Min. : 5.00
## 1st Qu.:2 1st Qu.:11 1st Qu.: 4000 1st Qu.: 1.00 1st Qu.:16.00
## Median :2 Median :16 Median : 5000 Median : 3.00 Median :18.00
## Mean :2 Mean :16 Mean : 6714 Mean : 4.25 Mean :17.75
## 3rd Qu.:2 3rd Qu.:17 3rd Qu.: 7500 3rd Qu.: 7.25 3rd Qu.:21.00
## Max. :2 Max. :31 Max. :15000 Max. :10.00 Max. :23.00
## NA's :3959 NA's :3961 NA's :3960 NA's :1
## diplom exp age sex
## Min. :1.000 Min. :1965 Min. :18.00 Min. :1.000
## 1st Qu.:4.000 1st Qu.:2007 1st Qu.:33.00 1st Qu.:1.000
## Median :5.000 Median :2013 Median :42.00 Median :2.000
## Mean :4.898 Mean :2010 Mean :42.99 Mean :1.539
## 3rd Qu.:6.000 3rd Qu.:2017 3rd Qu.:53.00 3rd Qu.:2.000
## Max. :6.000 Max. :2019 Max. :86.00 Max. :2.000
## NA's :1 NA's :20
## wage_rate_1
## Min. : 3.646
## 1st Qu.: 98.734
## Median : 145.833
## Mean : 172.471
## 3rd Qu.: 208.333
## Max. :1187.500
## data_1$exp <- 2019 - data_1$exp #Стаж работы
summary(data_1)## id_ind working job_1 wage_1 hours_1
## Min. : 3 Min. :1 Min. : 1.00 Min. : 700 Min. : 2.00
## 1st Qu.:26468 1st Qu.:1 1st Qu.: 7.00 1st Qu.: 17000 1st Qu.: 40.00
## Median :39494 Median :1 Median :10.00 Median : 25000 Median : 40.00
## Mean :37133 Mean :1 Mean :10.48 Mean : 29191 Mean : 43.69
## 3rd Qu.:50502 3rd Qu.:1 3rd Qu.:14.00 3rd Qu.: 35000 3rd Qu.: 48.00
## Max. :59410 Max. :1 Max. :31.00 Max. :200000 Max. :168.00
##
## working_2 job_2 wage_2 hours_2 edu
## Min. :2 Min. : 1 Min. : 4000 Min. : 1.00 Min. : 5.00
## 1st Qu.:2 1st Qu.:11 1st Qu.: 4000 1st Qu.: 1.00 1st Qu.:16.00
## Median :2 Median :16 Median : 5000 Median : 3.00 Median :18.00
## Mean :2 Mean :16 Mean : 6714 Mean : 4.25 Mean :17.75
## 3rd Qu.:2 3rd Qu.:17 3rd Qu.: 7500 3rd Qu.: 7.25 3rd Qu.:21.00
## Max. :2 Max. :31 Max. :15000 Max. :10.00 Max. :23.00
## NA's :3959 NA's :3961 NA's :3960 NA's :1
## diplom exp age sex
## Min. :1.000 Min. : 0.000 Min. :18.00 Min. :1.000
## 1st Qu.:4.000 1st Qu.: 2.000 1st Qu.:33.00 1st Qu.:1.000
## Median :5.000 Median : 6.000 Median :42.00 Median :2.000
## Mean :4.898 Mean : 8.755 Mean :42.99 Mean :1.539
## 3rd Qu.:6.000 3rd Qu.:12.000 3rd Qu.:53.00 3rd Qu.:2.000
## Max. :6.000 Max. :54.000 Max. :86.00 Max. :2.000
## NA's :1 NA's :20
## wage_rate_1
## Min. : 3.646
## 1st Qu.: 98.734
## Median : 145.833
## Mean : 172.471
## 3rd Qu.: 208.333
## Max. :1187.500
## summary(subset(data_1, job_1 %in% c(27, 23))) #IT and Chemical sphere## id_ind working job_1 wage_1 hours_1
## Min. : 776 Min. :1 Min. :23.00 Min. : 15000 Min. :20.00
## 1st Qu.:26295 1st Qu.:1 1st Qu.:23.00 1st Qu.: 27500 1st Qu.:40.00
## Median :33843 Median :1 Median :27.00 Median : 37000 Median :40.00
## Mean :34900 Mean :1 Mean :25.58 Mean : 49710 Mean :39.84
## 3rd Qu.:48417 3rd Qu.:1 3rd Qu.:27.00 3rd Qu.: 58500 3rd Qu.:40.00
## Max. :59156 Max. :1 Max. :27.00 Max. :150000 Max. :50.00
##
## working_2 job_2 wage_2 hours_2 edu
## Min. :2 Min. : NA Min. : NA Min. : NA Min. : 9.00
## 1st Qu.:2 1st Qu.: NA 1st Qu.: NA 1st Qu.: NA 1st Qu.:18.00
## Median :2 Median : NA Median : NA Median : NA Median :21.00
## Mean :2 Mean :NaN Mean :NaN Mean :NaN Mean :18.77
## 3rd Qu.:2 3rd Qu.: NA 3rd Qu.: NA 3rd Qu.: NA 3rd Qu.:21.00
## Max. :2 Max. : NA Max. : NA Max. : NA Max. :22.00
## NA's :31 NA's :31 NA's :31
## diplom exp age sex
## Min. :3.000 Min. : 0.000 Min. :22.00 Min. :1.00
## 1st Qu.:5.000 1st Qu.: 1.000 1st Qu.:29.00 1st Qu.:1.00
## Median :6.000 Median : 3.000 Median :34.00 Median :1.00
## Mean :5.226 Mean : 5.774 Mean :36.48 Mean :1.29
## 3rd Qu.:6.000 3rd Qu.: 8.500 3rd Qu.:41.00 3rd Qu.:2.00
## Max. :6.000 Max. :42.000 Max. :66.00 Max. :2.00
##
## wage_rate_1
## Min. : 93.75
## 1st Qu.:156.70
## Median :250.00
## Mean :309.31
## 3rd Qu.:365.62
## Max. :937.50
## summary(subset(data_1, !job_1 %in% c(27, 23))) #NOT IT and Chemical sphere## id_ind working job_1 wage_1 hours_1
## Min. : 3 Min. :1 Min. : 1.00 Min. : 700 Min. : 2.00
## 1st Qu.:26484 1st Qu.:1 1st Qu.: 7.00 1st Qu.: 17000 1st Qu.: 40.00
## Median :39513 Median :1 Median :10.00 Median : 25000 Median : 40.00
## Mean :37150 Mean :1 Mean :10.36 Mean : 29029 Mean : 43.72
## 3rd Qu.:50524 3rd Qu.:1 3rd Qu.:14.00 3rd Qu.: 35000 3rd Qu.: 48.00
## Max. :59410 Max. :1 Max. :31.00 Max. :200000 Max. :168.00
##
## working_2 job_2 wage_2 hours_2 edu
## Min. :2 Min. : 1 Min. : 4000 Min. : 1.00 Min. : 5.00
## 1st Qu.:2 1st Qu.:11 1st Qu.: 4000 1st Qu.: 1.00 1st Qu.:16.00
## Median :2 Median :16 Median : 5000 Median : 3.00 Median :18.00
## Mean :2 Mean :16 Mean : 6714 Mean : 4.25 Mean :17.74
## 3rd Qu.:2 3rd Qu.:17 3rd Qu.: 7500 3rd Qu.: 7.25 3rd Qu.:21.00
## Max. :2 Max. :31 Max. :15000 Max. :10.00 Max. :23.00
## NA's :3928 NA's :3930 NA's :3929 NA's :1
## diplom exp age sex
## Min. :1.000 Min. : 0.000 Min. :18.00 Min. :1.000
## 1st Qu.:4.000 1st Qu.: 2.000 1st Qu.:33.00 1st Qu.:1.000
## Median :5.000 Median : 6.000 Median :42.00 Median :2.000
## Mean :4.895 Mean : 8.779 Mean :43.04 Mean :1.541
## 3rd Qu.:6.000 3rd Qu.:12.000 3rd Qu.:53.00 3rd Qu.:2.000
## Max. :6.000 Max. :54.000 Max. :86.00 Max. :2.000
## NA's :1 NA's :20
## wage_rate_1
## Min. : 3.646
## 1st Qu.: 98.142
## Median : 143.750
## Mean : 171.393
## 3rd Qu.: 208.333
## Max. :1187.500
## summary(subset(data_1, job_1 %in% c(23))) # Chemical sphere## id_ind working job_1 wage_1 hours_1
## Min. : 776 Min. :1 Min. :23 Min. :21000 Min. :28.00
## 1st Qu.:11136 1st Qu.:1 1st Qu.:23 1st Qu.:27500 1st Qu.:38.50
## Median :25133 Median :1 Median :23 Median :35000 Median :40.00
## Mean :23601 Mean :1 Mean :23 Mean :34091 Mean :39.27
## 3rd Qu.:33111 3rd Qu.:1 3rd Qu.:23 3rd Qu.:40000 3rd Qu.:40.00
## Max. :54146 Max. :1 Max. :23 Max. :55000 Max. :48.00
##
## working_2 job_2 wage_2 hours_2 edu
## Min. :2 Min. : NA Min. : NA Min. : NA Min. : 9.00
## 1st Qu.:2 1st Qu.: NA 1st Qu.: NA 1st Qu.: NA 1st Qu.:14.00
## Median :2 Median : NA Median : NA Median : NA Median :16.00
## Mean :2 Mean :NaN Mean :NaN Mean :NaN Mean :15.73
## 3rd Qu.:2 3rd Qu.: NA 3rd Qu.: NA 3rd Qu.: NA 3rd Qu.:18.00
## Max. :2 Max. : NA Max. : NA Max. : NA Max. :21.00
## NA's :11 NA's :11 NA's :11
## diplom exp age sex
## Min. :3.000 Min. : 0.000 Min. :22.00 Min. :1.000
## 1st Qu.:4.000 1st Qu.: 2.500 1st Qu.:34.50 1st Qu.:1.000
## Median :4.000 Median : 7.000 Median :40.00 Median :1.000
## Mean :4.364 Mean : 9.818 Mean :42.45 Mean :1.455
## 3rd Qu.:5.000 3rd Qu.:11.500 3rd Qu.:54.00 3rd Qu.:2.000
## Max. :6.000 Max. :42.000 Max. :66.00 Max. :2.000
##
## wage_rate_1
## Min. :141.9
## 1st Qu.:156.7
## Median :231.2
## Mean :218.7
## 3rd Qu.:250.0
## Max. :312.5
## summary(subset(data_1, job_1 %in% c(27))) #IT## id_ind working job_1 wage_1 hours_1
## Min. :15100 Min. :1 Min. :27 Min. : 15000 Min. :20.00
## 1st Qu.:31030 1st Qu.:1 1st Qu.:27 1st Qu.: 28750 1st Qu.:40.00
## Median :40763 Median :1 Median :27 Median : 47500 Median :40.00
## Mean :41115 Mean :1 Mean :27 Mean : 58300 Mean :40.15
## 3rd Qu.:52018 3rd Qu.:1 3rd Qu.:27 3rd Qu.: 70000 3rd Qu.:40.00
## Max. :59156 Max. :1 Max. :27 Max. :150000 Max. :50.00
##
## working_2 job_2 wage_2 hours_2 edu
## Min. :2 Min. : NA Min. : NA Min. : NA Min. :16.00
## 1st Qu.:2 1st Qu.: NA 1st Qu.: NA 1st Qu.: NA 1st Qu.:20.75
## Median :2 Median : NA Median : NA Median : NA Median :21.00
## Mean :2 Mean :NaN Mean :NaN Mean :NaN Mean :20.45
## 3rd Qu.:2 3rd Qu.: NA 3rd Qu.: NA 3rd Qu.: NA 3rd Qu.:21.00
## Max. :2 Max. : NA Max. : NA Max. : NA Max. :22.00
## NA's :20 NA's :20 NA's :20
## diplom exp age sex wage_rate_1
## Min. :4.00 Min. : 0.00 Min. :22.0 Min. :1.0 Min. : 93.75
## 1st Qu.:5.75 1st Qu.: 1.00 1st Qu.:29.0 1st Qu.:1.0 1st Qu.:179.69
## Median :6.00 Median : 1.50 Median :33.0 Median :1.0 Median :265.62
## Mean :5.70 Mean : 3.55 Mean :33.2 Mean :1.2 Mean :359.17
## 3rd Qu.:6.00 3rd Qu.: 5.00 3rd Qu.:35.0 3rd Qu.:1.0 3rd Qu.:437.50
## Max. :6.00 Max. :15.00 Max. :49.0 Max. :2.0 Max. :937.50
## Проверка гипотезы о том, что з/п муж. больше, чем з/п женщин Cторим медианы и средние ставки з/п в час по полу
summary_table_2 <- data_1 %>%
group_by(sex) %>%
summarise(
median = median(wage_rate_1, na.rm = TRUE),
mean = mean(wage_rate_1, na.rm = TRUE)) #%>% arrange(desc(median))
# добавим расшифровки к переменной job_1
sex_label <- stack(attr(summary_table_2$sex, "labels")) # расшифровки
summary_table_2 <- merge(summary_table_2, sex_label, by.x = "sex", by.y = "values") %>%
arrange(desc(median)) # сортировка по медиане
subset(data_1, sex==1)$wage_rate_1 #З/п мужчин## [1] 69.44444 312.50000 65.10417 156.25000 500.00000 50.00000
## [7] 93.75000 125.00000 59.52381 187.50000 277.77778 312.50000
## [13] 150.00000 266.66667 78.12500 156.25000 143.75000 250.00000
## [19] 62.50000 133.92857 187.50000 238.09524 238.88889 156.25000
## [25] 156.25000 437.50000 104.16667 187.50000 212.50000 218.75000
## [31] 156.25000 105.76923 130.20833 130.20833 77.77778 106.25000
## [37] 105.55556 187.50000 104.16667 104.16667 125.00000 182.29167
## [43] 175.00000 45.83333 243.05556 138.88889 46.87500 93.75000
## [49] 62.50000 58.58333 75.00000 68.75000 55.00000 152.77778
## [55] 85.71429 112.50000 237.50000 137.50000 214.28571 156.25000
## [61] 175.00000 166.66667 187.50000 156.25000 156.25000 83.33333
## [67] 125.00000 156.25000 125.00000 35.71429 168.75000 156.25000
## [73] 250.00000 71.42857 125.00000 121.95122 277.77778 208.33333
## [79] 104.16667 62.50000 156.25000 486.11111 98.95833 114.58333
## [85] 98.95833 145.83333 140.62500 86.80556 187.50000 52.08333
## [91] 70.00000 100.00000 54.68750 178.57143 156.25000 156.25000
## [97] 468.75000 194.44444 148.80952 312.50000 104.16667 106.25000
## [103] 156.25000 187.50000 89.28571 62.50000 121.87500 109.37500
## [109] 175.00000 37.87879 111.11111 233.33333 168.75000 187.50000
## [115] 175.00000 130.20833 75.00000 62.50000 50.00000 375.00000
## [121] 62.50000 156.25000 218.75000 118.75000 193.75000 98.95833
## [127] 93.75000 388.88889 57.29167 87.50000 312.50000 200.00000
## [133] 375.00000 156.25000 208.33333 156.25000 192.70833 137.50000
## [139] 125.00000 112.50000 625.00000 104.16667 114.58333 250.00000
## [145] 208.33333 250.00000 31.25000 255.68182 34.72222 166.66667
## [151] 122.22222 375.00000 170.45455 166.66667 281.25000 500.00000
## [157] 333.33333 218.75000 168.75000 218.75000 69.44444 156.25000
## [163] 156.25000 93.75000 168.75000 109.37500 166.66667 72.91667
## [169] 85.00000 22.50000 150.00000 175.78125 187.50000 114.58333
## [175] 39.93056 93.75000 175.00000 83.33333 156.25000 62.50000
## [181] 187.50000 62.50000 200.00000 150.00000 87.50000 155.55556
## [187] 416.66667 106.25000 125.00000 97.22222 250.00000 125.00000
## [193] 281.25000 125.00000 182.29167 156.25000 104.16667 238.09524
## [199] 125.00000 93.75000 238.09524 100.00000 222.22222 150.00000
## [205] 137.50000 300.00000 125.00000 146.10390 312.50000 62.50000
## [211] 156.25000 156.25000 187.50000 62.50000 137.50000 81.25000
## [217] 64.58333 104.16667 368.75000 300.00000 390.62500 194.44444
## [223] 277.77778 250.00000 208.33333 130.20833 168.75000 125.00000
## [229] 156.25000 218.75000 200.00000 187.50000 156.25000 281.25000
## [235] 57.69231 187.50000 125.00000 79.86111 59.52381 125.00000
## [241] 83.33333 218.75000 187.50000 143.75000 166.66667 202.38095
## [247] 156.25000 181.25000 250.00000 250.00000 218.75000 88.75000
## [253] 137.50000 50.00000 312.50000 156.25000 166.66667 119.79167
## [259] 100.00000 300.00000 89.58333 89.58333 72.50000 106.25000
## [265] 121.71053 145.83333 187.50000 238.09524 312.50000 375.00000
## [271] 62.50000 520.83333 150.00000 83.33333 154.16667 218.75000
## [277] 370.37037 222.22222 112.50000 160.00000 250.00000 437.50000
## [283] 223.95833 343.75000 166.66667 500.00000 250.00000 227.27273
## [289] 230.00000 137.50000 156.25000 104.16667 86.25000 119.04762
## [295] 93.75000 50.00000 156.25000 187.50000 218.75000 168.75000
## [301] 134.14634 156.25000 125.00000 104.16667 89.28571 168.75000
## [307] 151.51515 312.50000 131.25000 218.75000 229.16667 281.25000
## [313] 187.50000 65.00000 59.52381 68.18182 375.00000 125.00000
## [319] 156.25000 226.19048 178.57143 125.00000 250.00000 83.33333
## [325] 312.50000 312.50000 142.85714 104.16667 227.50000 135.97561
## [331] 160.00000 218.75000 281.25000 254.16667 78.12500 156.25000
## [337] 362.50000 93.75000 118.75000 175.00000 81.94444 104.16667
## [343] 156.25000 208.33333 62.50000 143.75000 168.75000 156.25000
## [349] 323.17073 112.50000 388.88889 187.50000 1187.50000 1125.00000
## [355] 166.66667 208.33333 312.50000 125.00000 277.77778 75.00000
## [361] 97.40260 20.83333 189.39394 81.25000 78.12500 243.05556
## [367] 148.14815 104.16667 166.66667 138.88889 156.25000 156.25000
## [373] 194.44444 144.56522 166.66667 130.20833 125.00000 83.33333
## [379] 182.29167 187.50000 250.00000 138.88889 125.00000 125.00000
## [385] 75.00000 114.28571 106.25000 143.75000 100.00000 100.00000
## [391] 130.20833 277.77778 90.27778 112.50000 115.74074 166.66667
## [397] 156.25000 187.50000 71.42857 160.71429 104.16667 106.25000
## [403] 118.75000 125.00000 227.27273 68.75000 151.04167 93.75000
## [409] 65.27778 125.00000 110.00000 156.25000 115.00000 83.33333
## [415] 55.55556 55.55556 93.75000 75.00000 75.00000 148.80952
## [421] 156.25000 66.66667 125.00000 125.00000 150.00000 231.25000
## [427] 104.16667 104.16667 112.50000 181.25000 156.25000 208.33333
## [433] 100.00000 100.00000 130.20833 75.89286 100.00000 106.25000
## [439] 750.00000 487.01299 937.50000 187.50000 595.23810 156.25000
## [445] 187.50000 446.42857 347.22222 142.85714 75.00000 145.83333
## [451] 182.29167 89.28571 187.50000 250.00000 312.50000 93.75000
## [457] 125.00000 156.25000 343.75000 112.50000 93.75000 63.75000
## [463] 83.33333 104.16667 148.80952 175.00000 234.37500 208.33333
## [469] 250.00000 260.41667 156.25000 187.50000 250.00000 130.20833
## [475] 71.42857 218.75000 122.50000 104.16667 93.75000 76.53061
## [481] 125.00000 208.33333 62.50000 187.50000 187.50000 125.00000
## [487] 468.75000 250.00000 437.50000 287.50000 300.00000 416.66667
## [493] 296.87500 250.00000 187.50000 750.00000 583.33333 250.00000
## [499] 281.25000 57.29167 312.50000 362.50000 138.88889 65.62500
## [505] 312.50000 93.75000 156.25000 104.16667 182.29167 166.66667
## [511] 137.50000 93.75000 125.00000 83.33333 69.44444 229.16667
## [517] 143.75000 112.50000 152.43902 182.92683 148.80952 350.00000
## [523] 425.00000 111.60714 114.58333 62.50000 156.25000 112.50000
## [529] 218.75000 312.50000 87.50000 93.75000 104.16667 187.50000
## [535] 143.75000 187.50000 170.00000 218.75000 62.50000 125.00000
## [541] 260.41667 291.66667 250.00000 130.20833 250.00000 312.50000
## [547] 243.75000 250.00000 125.00000 125.00000 182.92683 137.50000
## [553] 187.50000 381.94444 375.00000 687.50000 55.55556 53.64583
## [559] 156.25000 185.71429 130.20833 125.00000 83.33333 359.37500
## [565] 100.00000 250.00000 833.33333 112.50000 187.50000 112.50000
## [571] 305.55556 175.00000 275.00000 277.77778 468.75000 87.50000
## [577] 116.07143 104.16667 187.50000 151.04167 187.50000 143.75000
## [583] 62.50000 584.41558 194.80519 357.14286 104.16667 187.50000
## [589] 145.83333 275.00000 250.00000 250.00000 437.50000 130.20833
## [595] 93.75000 325.00000 83.33333 260.41667 208.33333 83.33333
## [601] 208.33333 182.29167 156.25000 54.16667 343.75000 162.50000
## [607] 357.14286 156.25000 200.00000 93.75000 137.50000 150.00000
## [613] 74.40476 312.50000 168.75000 89.28571 262.50000 130.20833
## [619] 106.25000 156.25000 152.43902 138.88889 178.57143 198.86364
## [625] 187.50000 250.00000 93.75000 137.50000 162.50000 156.25000
## [631] 409.37500 250.00000 112.50000 92.59259 104.16667 119.04762
## [637] 113.46154 35.71429 625.00000 118.75000 150.00000 53.57143
## [643] 46.87500 267.85714 88.54167 77.50000 111.11111 98.21429
## [649] 364.58333 192.70833 130.20833 125.00000 62.50000 75.89286
## [655] 52.08333 62.50000 63.77551 156.25000 119.04762 140.00000
## [661] 62.50000 69.28571 68.75000 62.50000 156.25000 125.00000
## [667] 281.25000 437.50000 284.09091 187.50000 156.25000 143.75000
## [673] 187.50000 78.12500 208.33333 156.25000 156.25000 156.25000
## [679] 128.57143 96.59091 166.66667 187.50000 125.00000 175.00000
## [685] 138.88889 100.00000 145.83333 138.88889 29.76190 125.00000
## [691] 145.83333 75.00000 250.00000 52.08333 36.45833 23.29193
## [697] 119.04762 47.91667 66.96429 131.25000 125.00000 69.44444
## [703] 112.50000 125.00000 112.50000 119.04762 93.75000 152.43902
## [709] 181.25000 89.28571 89.28571 62.50000 52.08333 162.50000
## [715] 93.75000 71.42857 107.14286 68.45238 225.00000 161.45833
## [721] 187.50000 159.09091 218.75000 93.75000 93.75000 125.00000
## [727] 277.77778 187.50000 78.12500 243.75000 218.75000 200.00000
## [733] 175.00000 593.75000 500.00000 153.06122 97.22222 268.75000
## [739] 59.52381 173.61111 518.75000 218.75000 104.16667 312.50000
## [745] 118.75000 125.00000 121.95122 100.00000 50.02500 200.00000
## [751] 112.50000 125.00000 182.29167 201.38889 78.12500 112.50000
## [757] 57.29167 104.16667 250.00000 111.11111 500.00000 312.50000
## [763] 250.00000 312.50000 187.50000 437.50000 250.00000 208.33333
## [769] 237.50000 187.50000 125.00000 200.00000 125.00000 250.00000
## [775] 114.58333 112.50000 69.44444 85.71429 91.66667 62.50000
## [781] 181.25000 50.00000 62.50000 125.00000 195.31250 187.50000
## [787] 187.50000 195.31250 143.75000 67.70833 140.62500 137.50000
## [793] 375.00000 243.75000 156.25000 208.33333 117.18750 750.00000
## [799] 80.35714 112.24490 215.11628 140.00000 187.50000 260.41667
## [805] 75.00000 218.75000 107.14286 68.75000 166.66667 156.25000
## [811] 143.75000 161.45833 78.12500 130.20833 214.28571 156.25000
## [817] 173.07692 250.00000 93.75000 218.75000 250.00000 166.66667
## [823] 83.33333 208.33333 156.25000 156.25000 218.75000 118.75000
## [829] 62.50000 88.88889 95.00000 53.57143 46.87500 52.08333
## [835] 156.25000 38.19444 175.00000 68.75000 83.33333 93.75000
## [841] 93.75000 260.41667 130.20833 75.00000 262.50000 75.00000
## [847] 60.00000 222.22222 68.75000 27.77778 93.75000 125.00000
## [853] 150.00000 156.25000 93.75000 130.20833 187.50000 182.29167
## [859] 187.50000 375.00000 188.88889 250.00000 281.25000 250.00000
## [865] 218.75000 181.25000 137.50000 250.00000 218.75000 187.50000
## [871] 187.50000 267.85714 166.66667 101.19048 234.37500 250.00000
## [877] 78.12500 218.75000 208.33333 250.00000 250.00000 600.00000
## [883] 182.29167 250.00000 178.57143 216.25000 145.13889 218.75000
## [889] 131.25000 129.76190 88.54167 375.00000 500.00000 218.75000
## [895] 240.00000 687.50000 375.00000 185.18519 500.00000 200.00000
## [901] 500.00000 468.75000 260.41667 350.00000 229.16667 260.41667
## [907] 125.00000 437.50000 416.66667 338.54167 87.50000 148.80952
## [913] 200.00000 187.50000 200.00000 231.25000 281.25000 400.00000
## [919] 267.85714 281.25000 156.25000 255.95238 218.75000 200.00000
## [925] 83.33333 187.50000 130.20833 63.49206 122.22222 175.00000
## [931] 143.75000 185.18519 166.66667 41.66667 58.75000 93.75000
## [937] 218.75000 112.50000 250.00000 93.75000 212.50000 206.25000
## [943] 260.41667 156.25000 62.50000 119.04762 250.00000 125.00000
## [949] 62.50000 281.25000 168.75000 218.75000 125.00000 62.50000
## [955] 156.25000 116.27907 218.75000 316.42857 93.75000 150.00000
## [961] 156.25000 187.50000 182.92683 300.00000 297.61905 250.00000
## [967] 109.37500 208.33333 250.00000 273.43750 175.00000 171.87500
## [973] 282.73810 500.00000 208.33333 292.20779 312.50000 250.00000
## [979] 57.14286 72.91667 141.66667 260.41667 43.26923 62.50000
## [985] 83.33333 131.25000 200.00000 80.88235 312.50000 285.71429
## [991] 200.00000 208.33333 250.00000 375.00000 171.56863 75.00000
## [997] 148.80952 72.91667 125.00000 218.75000 128.20513 175.00000
## [1003] 157.40741 145.83333 250.00000 262.50000 156.25000 156.25000
## [1009] 153.06122 300.00000 91.66667 98.21429 350.00000 437.50000
## [1015] 353.43750 281.25000 178.57143 169.52055 125.00000 500.00000
## [1021] 208.33333 487.50000 104.16667 100.00000 224.35897 112.50000
## [1027] 128.57143 229.16667 238.09524 375.00000 208.33333 250.00000
## [1033] 93.75000 104.16667 356.25000 284.72222 187.50000 208.33333
## [1039] 625.00000 75.00000 500.00000 53.75000 112.50000 150.00000
## [1045] 120.00000 609.30000 375.00000 156.25000 250.00000 166.66667
## [1051] 104.16667 125.00000 235.00000 250.00000 281.25000 322.91667
## [1057] 312.50000 112.50000 112.50000 86.25000 112.50000 343.75000
## [1063] 125.00000 156.25000 243.05556 156.25000 281.25000 125.00000
## [1069] 125.00000 125.00000 125.00000 87.50000 93.75000 187.50000
## [1075] 312.50000 130.20833 118.75000 104.16667 75.00000 67.70833
## [1081] 218.75000 119.04762 133.92857 461.11111 75.00000 100.00000
## [1087] 62.50000 114.58333 200.00000 208.33333 187.50000 145.83333
## [1093] 218.75000 121.52778 125.00000 125.00000 243.90244 73.17073
## [1099] 152.43902 213.41463 218.75000 178.57143 328.12500 50.00000
## [1105] 593.75000 156.25000 187.50000 175.32468 182.29167 229.16667
## [1111] 253.47222 175.92593 130.20833 98.75000 250.00000 187.50000
## [1117] 93.75000 175.00000 237.50000 181.25000 67.70833 187.50000
## [1123] 250.00000 69.44444 208.33333 250.00000 343.75000 93.75000
## [1129] 234.37500 250.00000 150.00000 102.67857 250.00000 150.00000
## [1135] 137.50000 137.50000 375.00000 337.50000 175.00000 487.50000
## [1141] 164.06250 250.00000 250.00000 468.75000 281.25000 187.50000
## [1147] 625.00000 437.50000 234.37500 375.00000 250.00000 125.00000
## [1153] 187.50000 200.00000 62.50000 625.00000 250.00000 105.76923
## [1159] 375.00000 156.25000 218.75000 175.00000 200.00000 168.75000
## [1165] 229.16667 182.29167 187.50000 75.00000 297.61905 133.33333
## [1171] 393.75000 155.55556 343.75000 400.00000 192.30769 500.00000
## [1177] 237.50000 177.77778 117.18750 136.87500 112.50000 78.12500
## [1183] 250.00000 200.00000 312.50000 200.00000 187.50000 156.25000
## [1189] 112.50000 191.66667 156.25000 125.00000 119.04762 175.00000
## [1195] 218.75000 227.27273 208.33333 312.50000 119.79167 178.57143
## [1201] 89.28571 93.75000 49.47917 85.22727 312.50000 125.00000
## [1207] 36.45833 74.37500 95.83333 135.86957 312.50000 143.75000
## [1213] 125.00000 93.75000 93.75000 250.00000 150.00000 154.76190
## [1219] 135.41667 156.25000 125.00000 125.00000 218.75000 312.50000
## [1225] 223.95833 218.75000 156.25000 148.43750 256.09756 182.92683
## [1231] 156.25000 156.25000 130.20833 104.16667 115.85366 115.85366
## [1237] 93.75000 218.75000 156.25000 195.12195 119.04762 143.75000
## [1243] 187.50000 268.75000 118.75000 187.50000 281.25000 71.87500
## [1249] 106.25000 52.08333 261.62791 93.75000 187.50000 93.75000
## [1255] 375.00000 138.88889 56.25000 500.00000 187.50000 178.57143
## [1261] 104.16667 593.75000 500.00000 281.25000 187.50000 291.66667
## [1267] 260.00000 375.00000 312.50000 375.00000 156.25000 233.33333
## [1273] 187.50000 125.00000 312.50000 156.25000 88.54167 52.08333
## [1279] 250.00000 75.00000 104.16667 93.12500 69.44444 375.00000
## [1285] 218.75000 75.00000 145.83333 156.25000 81.81818 81.25000
## [1291] 156.25000 250.00000 250.00000 104.16667 156.25000 187.50000
## [1297] 156.25000 187.50000 140.62500 200.00000 233.33333 156.25000
## [1303] 218.75000 200.00000 159.09091 243.75000 250.00000 143.75000
## [1309] 200.00000 293.75000 218.75000 300.00000 262.50000 468.75000
## [1315] 500.00000 250.00000 375.00000 462.50000 375.00000 187.50000
## [1321] 200.00000 143.75000 192.85714 156.25000 250.00000 218.75000
## [1327] 194.44444 242.18750 188.33333 250.00000 243.05556 104.16667
## [1333] 150.00000 106.25000 187.50000 23.21429 96.42857 46.87500
## [1339] 250.00000 375.00000 125.00000 446.42857 262.50000 187.50000
## [1345] 67.70833 130.20833 175.00000 104.16667 437.50000 153.40909
## [1351] 187.50000 218.75000 223.95833 100.00000 125.00000 168.75000
## [1357] 194.44444 178.57143 500.00000 437.50000 121.52778 93.75000
## [1363] 343.75000 92.85714 121.52778 250.00000 72.91667 88.54167
## [1369] 307.69231 437.50000 166.66667 70.31250 181.81818 277.77778
## [1375] 130.20833 182.29167 125.00000 143.75000 104.16667 84.37500
## [1381] 324.07407 187.50000 187.50000 187.50000 150.00000 416.66667
## [1387] 125.00000 175.00000 156.25000 250.00000 175.00000 200.00000
## [1393] 312.50000 312.50000 78.12500 225.00000 107.14286 625.00000
## [1399] 208.33333 104.16667 687.50000 446.42857 156.25000 364.58333
## [1405] 186.90476 303.03030 125.00000 52.08333 112.50000 118.75000
## [1411] 281.25000 125.00000 102.67857 250.00000 250.00000 130.20833
## [1417] 83.33333 92.53247 104.16667 151.04167 111.11111 58.33333
## [1423] 135.00000 180.55556 112.50000 41.66667 143.75000 125.00000
## [1429] 83.33333 83.33333 156.25000 74.40476 250.00000 104.16667
## [1435] 218.75000 70.00000 281.25000 125.00000 104.16667 187.50000
## [1441] 148.80952 250.00000 175.00000 156.25000 218.75000 625.00000
## [1447] 41.66667 218.75000 143.75000 81.25000 125.00000 262.50000
## [1453] 125.00000 260.41667 137.50000 70.00000 125.00000 89.28571
## [1459] 215.00000 375.00000 218.75000 190.00000 178.57143 125.00000
## [1465] 288.88889 104.16667 200.00000 312.50000 531.25000 325.00000
## [1471] 500.00000 62.50000 425.00000 125.00000 156.25000 104.16667
## [1477] 185.00000 59.89583 44.64286 187.50000 187.50000 156.25000
## [1483] 140.62500 218.75000 156.25000 364.58333 406.25000 260.41667
## [1489] 156.25000 63.88889 156.25000 127.27273 139.37500 186.25000
## [1495] 194.44444 287.50000 125.00000 225.00000 143.75000 74.40476
## [1501] 62.50000 68.57143 116.66667 218.75000 175.00000 437.50000
## [1507] 125.00000 175.00000 100.00000 669.64286 125.00000 172.22222
## [1513] 68.75000 69.44444 180.55556 406.25000 208.33333 297.61905
## [1519] 253.47222 205.55556 143.93939 325.00000 125.00000 208.33333
## [1525] 250.00000 168.75000 250.00000 312.50000 156.25000 187.50000
## [1531] 218.75000 250.00000 156.25000 125.00000 125.00000 181.81818
## [1537] 218.75000 250.00000 218.75000 15.62500 208.33333 500.00000
## [1543] 145.83333 80.00000 333.33333 275.00000 171.05263 218.75000
## [1549] 62.50000 375.00000 86.80556 125.00000 437.50000 312.50000
## [1555] 381.94444 669.64286 218.75000 312.50000 203.12500 375.00000
## [1561] 143.75000 178.57143 277.77778 130.20833 312.50000 388.88889
## [1567] 129.16667 218.75000 104.16667 125.00000 208.33333 281.25000
## [1573] 625.00000 111.11111 238.09524 142.85714 263.88889 93.12500
## [1579] 91.66667 182.29167 112.50000 159.37500 81.25000 187.50000
## [1585] 375.00000 250.00000 268.75000 200.00000 62.50000 218.75000
## [1591] 72.91667 375.00000 125.00000 156.25000 250.00000 250.00000
## [1597] 83.33333 77.00595 65.47619 130.20833 106.25000 206.25000
## [1603] 182.29167 520.83333 187.50000 250.00000 416.66667 187.50000
## [1609] 52.08333 138.88889 119.04762 118.75000 135.41667 164.28571
## [1615] 250.00000 234.37500 437.50000 208.33333 295.13889 115.38462
## [1621] 187.50000 107.14286 75.00000 312.50000 416.66667 302.08333
## [1627] 437.50000 113.63636 137.50000 156.25000 225.00000 194.44444
## [1633] 218.75000 325.00000 41.66667 187.50000 231.25000 472.22222
## [1639] 156.25000 187.50000 312.50000 164.63415 273.43750 77.77778
## [1645] 130.20833 74.40476 250.00000 312.50000 156.25000 250.00000
## [1651] 93.75000 52.08333 281.25000 125.00000 451.38889 119.04762
## [1657] 93.75000 312.50000 119.04762 125.00000 125.00000 125.00000
## [1663] 104.16667 150.00000 93.75000 234.37500 187.50000 234.37500
## [1669] 136.36364 281.25000 150.00000 83.33333 166.66667 187.50000
## [1675] 125.00000 250.00000 57.29167 87.50000 281.25000 218.75000
## [1681] 150.00000 156.25000 260.41667 260.41667 375.00000 125.00000
## [1687] 193.45238 46.87500 57.69231 156.25000 208.33333 104.16667
## [1693] 125.00000 89.28571 208.33333 250.00000 125.00000 93.75000
## [1699] 206.73077 145.83333 208.33333 218.75000 158.73016 87.50000
## [1705] 68.18182 140.62500 82.41758 500.00000 189.39394 218.75000
## [1711] 312.50000 86.80556 475.00000 312.50000 286.45833 406.25000
## [1717] 156.25000 425.00000 150.00000 178.57143 364.58333 143.75000
## [1723] 375.00000 208.33333 160.71429 250.00000 81.25000 250.00000
## [1729] 125.00000 125.00000 194.44444 234.37500 83.33333 137.50000
## [1735] 156.25000 156.25000 130.20833 88.54167 156.25000 156.25000
## [1741] 128.57143 520.83333 182.29167 130.00000 350.00000 41.66667
## [1747] 357.14286 535.71429 114.58333 76.53061 89.28571 156.25000
## [1753] 181.54762 218.75000 104.16667 130.00000 69.44444 104.16667
## [1759] 120.53571 218.75000 104.16667 270.83333 625.00000 184.52381
## [1765] 222.22222 200.00000 86.80556 168.75000 44.64286 93.75000
## [1771] 219.78022 125.00000 281.25000 187.50000 125.00000 125.00000
## [1777] 108.33333 125.00000 250.00000 88.54167 75.00000 187.50000
## [1783] 52.08333 224.35897 187.50000 125.00000 333.33333 56.25000
## [1789] 112.50000 260.41667 148.80952 250.00000 250.00000 500.00000
## [1795] 175.00000 69.44444 375.00000 625.00000 206.25000 100.00000
## [1801] 100.00000 175.00000 250.00000 208.33333 173.61111 156.25000
## [1807] 166.66667 156.25000 145.83333 281.25000 212.50000 95.83333
## [1813] 250.00000 138.88889 375.00000 812.50000 714.28571 156.25000
## [1819] 400.00000 325.00000 132.97872 145.83333 950.00000 312.50000
## [1825] 687.50000 156.25000 158.85417 175.00000 67.70833 208.33333subset(data_1, sex==2)$wage_rate_1 #з/п женщин## [1] 130.208333 112.500000 145.833333 364.583333 104.166667 218.750000
## [7] 107.142857 193.750000 93.750000 187.500000 156.250000 118.750000
## [13] 125.000000 88.888889 34.375000 111.111111 43.750000 140.625000
## [19] 237.500000 75.000000 118.055556 173.611111 76.250000 201.388889
## [25] 93.750000 125.000000 76.388889 92.592593 44.444444 113.636364
## [31] 312.500000 208.333333 48.611111 48.611111 156.250000 243.750000
## [37] 72.500000 78.125000 62.500000 93.750000 51.041667 89.285714
## [43] 62.500000 250.000000 189.393939 91.875000 100.000000 143.750000
## [49] 166.666667 119.047619 125.000000 76.388889 170.000000 56.250000
## [55] 100.000000 202.380952 218.750000 125.000000 125.000000 258.064516
## [61] 78.472222 300.000000 312.500000 250.000000 78.125000 143.750000
## [67] 166.666667 54.166667 104.166667 85.714286 66.666667 166.666667
## [73] 62.500000 93.750000 187.500000 62.500000 62.500000 200.000000
## [79] 187.500000 218.750000 178.571429 131.250000 103.658537 243.902439
## [85] 156.250000 78.125000 250.000000 187.500000 130.208333 218.750000
## [91] 71.354167 62.500000 91.145833 112.500000 111.111111 243.055556
## [97] 115.384615 104.166667 212.500000 650.000000 187.500000 131.250000
## [103] 111.111111 78.125000 87.500000 53.750000 187.500000 216.666667
## [109] 62.500000 104.166667 38.194444 112.500000 79.861111 72.916667
## [115] 152.083333 156.250000 125.000000 98.958333 78.125000 78.125000
## [121] 98.958333 98.958333 78.125000 93.750000 94.166667 83.333333
## [127] 32.051282 75.000000 78.125000 100.000000 62.500000 104.166667
## [133] 312.500000 202.702703 555.555556 218.750000 150.000000 175.000000
## [139] 187.500000 173.611111 62.500000 156.250000 93.750000 125.000000
## [145] 104.166667 93.750000 75.000000 80.357143 208.333333 156.250000
## [151] 156.250000 162.500000 111.111111 126.388889 200.000000 250.000000
## [157] 83.333333 63.131313 125.000000 145.833333 187.500000 105.000000
## [163] 130.208333 78.125000 112.500000 104.166667 75.000000 55.555556
## [169] 207.142857 112.500000 194.444444 104.166667 85.000000 250.000000
## [175] 75.000000 208.333333 437.500000 45.454545 85.714286 31.250000
## [181] 96.875000 233.333333 90.277778 62.500000 98.437500 125.000000
## [187] 250.000000 130.208333 36.458333 41.666667 100.000000 93.750000
## [193] 76.875000 243.750000 87.500000 187.500000 87.500000 100.000000
## [199] 67.708333 344.444444 218.750000 156.250000 125.000000 137.500000
## [205] 111.111111 166.666667 200.000000 81.250000 166.666667 250.000000
## [211] 141.891892 62.500000 156.250000 67.968750 67.708333 182.291667
## [217] 208.333333 306.250000 100.000000 312.500000 168.918919 468.750000
## [223] 121.875000 250.000000 83.333333 156.250000 70.000000 57.291667
## [229] 156.250000 100.000000 57.291667 175.000000 137.500000 121.428571
## [235] 150.000000 125.000000 187.500000 102.083333 93.750000 104.166667
## [241] 156.250000 214.285714 68.750000 57.291667 156.250000 138.888889
## [247] 94.594595 75.000000 281.250000 187.500000 78.125000 78.125000
## [253] 208.333333 121.527778 112.500000 189.393939 50.000000 93.750000
## [259] 142.857143 68.750000 112.500000 56.250000 145.833333 111.111111
## [265] 200.000000 83.333333 75.000000 100.000000 138.888889 72.222222
## [271] 125.000000 218.750000 111.111111 67.708333 52.083333 93.750000
## [277] 347.222222 62.500000 50.000000 93.750000 93.750000 106.250000
## [283] 160.714286 268.750000 243.055556 93.750000 115.277778 143.750000
## [289] 62.500000 73.958333 107.142857 150.000000 104.166667 231.250000
## [295] 111.111111 87.500000 156.250000 143.750000 140.625000 111.842105
## [301] 106.250000 93.750000 131.250000 175.000000 58.333333 125.000000
## [307] 130.208333 92.407143 125.000000 335.714286 208.333333 93.750000
## [313] 91.463415 130.208333 130.208333 138.888889 121.428571 83.333333
## [319] 375.000000 159.722222 520.833333 68.750000 156.250000 294.444444
## [325] 125.000000 156.250000 158.333333 44.642857 125.000000 44.642857
## [331] 187.500000 187.500000 173.611111 68.750000 42.857143 138.888889
## [337] 78.125000 66.666667 375.000000 162.500000 125.000000 255.102041
## [343] 156.250000 187.500000 178.571429 156.250000 218.750000 117.187500
## [349] 187.500000 812.500000 225.000000 168.750000 312.500000 156.250000
## [355] 468.750000 166.666667 375.000000 291.666667 375.000000 500.000000
## [361] 250.000000 123.076923 138.888889 312.500000 406.250000 91.750000
## [367] 275.000000 40.714286 237.500000 148.809524 390.625000 75.000000
## [373] 285.714286 362.500000 192.307692 168.750000 281.250000 187.500000
## [379] 102.564103 75.000000 102.500000 71.428571 64.189189 162.500000
## [385] 125.000000 50.000000 112.500000 93.750000 156.250000 50.000000
## [391] 121.951220 96.153846 177.083333 156.250000 173.611111 277.777778
## [397] 173.611111 231.250000 418.918919 281.250000 437.500000 187.500000
## [403] 130.208333 312.500000 138.888889 312.500000 468.750000 237.500000
## [409] 250.000000 325.000000 182.291667 44.642857 191.176471 46.875000
## [415] 94.230769 212.500000 187.500000 53.750000 108.333333 91.463415
## [421] 114.285714 69.444444 62.500000 75.000000 187.500000 112.500000
## [427] 83.333333 93.750000 104.166667 231.250000 96.153846 148.809524
## [433] 125.000000 138.125000 117.187500 119.117647 187.500000 333.333333
## [439] 225.000000 158.593750 182.291667 250.000000 312.500000 109.375000
## [445] 125.000000 75.000000 130.208333 106.250000 187.500000 125.000000
## [451] 66.666667 41.666667 152.777778 76.250000 267.857143 118.750000
## [457] 72.916667 178.571429 93.750000 114.583333 71.428571 125.000000
## [463] 143.750000 41.666667 100.000000 156.250000 562.500000 182.291667
## [469] 1125.000000 125.000000 67.708333 156.250000 102.040816 164.285714
## [475] 53.571429 168.750000 131.250000 125.000000 218.750000 145.833333
## [481] 111.111111 52.083333 197.916667 125.000000 180.555556 304.054054
## [487] 218.750000 25.000000 312.500000 156.250000 243.750000 98.888889
## [493] 75.000000 230.000000 243.055556 100.000000 156.250000 83.333333
## [499] 187.500000 77.380952 130.208333 166.666667 145.833333 201.612903
## [505] 93.750000 200.000000 62.500000 208.333333 104.166667 78.125000
## [511] 281.250000 111.607143 168.750000 137.500000 142.857143 89.285714
## [517] 93.750000 81.250000 111.111111 75.000000 117.187500 125.000000
## [523] 112.500000 92.857143 143.750000 96.875000 106.250000 250.000000
## [529] 55.625000 139.375000 50.000000 125.000000 68.750000 53.571429
## [535] 187.500000 125.000000 171.428571 173.611111 77.777778 98.684211
## [541] 78.125000 347.222222 200.000000 100.000000 54.230769 195.312500
## [547] 234.375000 128.472222 233.333333 71.875000 108.333333 125.000000
## [553] 34.722222 83.333333 81.250000 238.095238 145.833333 277.777778
## [559] 93.750000 181.250000 93.750000 171.875000 104.166667 125.000000
## [565] 375.000000 83.333333 90.625000 67.500000 104.166667 125.000000
## [571] 175.000000 109.375000 902.777778 486.111111 1041.666667 148.809524
## [577] 148.809524 208.333333 125.000000 152.777778 250.000000 125.000000
## [583] 218.750000 75.000000 107.142857 143.750000 131.944444 218.750000
## [589] 212.500000 109.375000 187.500000 250.000000 95.486111 62.500000
## [595] 125.000000 444.444444 62.500000 58.333333 187.500000 187.500000
## [601] 437.500000 187.500000 93.750000 156.250000 143.750000 218.750000
## [607] 115.625000 364.583333 100.000000 98.958333 100.000000 166.666667
## [613] 218.750000 152.777778 150.000000 137.500000 106.250000 187.500000
## [619] 96.354167 125.000000 62.500000 187.500000 107.142857 114.285714
## [625] 500.000000 250.000000 187.500000 166.666667 187.500000 187.500000
## [631] 129.875000 95.833333 125.000000 102.083333 83.333333 208.333333
## [637] 83.571429 214.285714 166.666667 194.444444 393.750000 187.500000
## [643] 81.250000 275.000000 250.000000 812.500000 218.750000 312.500000
## [649] 833.333333 250.000000 231.250000 277.777778 156.250000 166.666667
## [655] 142.857143 208.333333 208.333333 182.291667 125.000000 430.000000
## [661] 250.000000 267.857143 112.500000 112.075000 291.666667 156.250000
## [667] 187.500000 125.000000 125.000000 52.083333 57.291667 49.404762
## [673] 125.000000 134.146341 101.190476 97.560976 121.951220 134.146341
## [679] 91.463415 78.125000 53.571429 93.750000 312.500000 256.944444
## [685] 191.666667 80.357143 133.928571 214.285714 130.681818 130.208333
## [691] 83.333333 136.363636 108.974359 81.250000 159.166667 224.358974
## [697] 78.125000 350.000000 625.000000 208.333333 83.333333 187.500000
## [703] 49.479167 107.142857 200.000000 222.222222 50.000000 69.444444
## [709] 125.000000 121.951220 103.658537 135.416667 555.555556 486.111111
## [715] 286.458333 555.555556 126.666667 93.750000 231.250000 156.250000
## [721] 312.500000 137.500000 137.500000 131.250000 168.750000 78.125000
## [727] 108.750000 312.500000 206.250000 166.666667 125.000000 67.708333
## [733] 76.388889 89.285714 112.500000 150.000000 138.888889 118.750000
## [739] 143.750000 125.000000 69.444444 109.756098 125.000000 156.250000
## [745] 75.000000 277.777778 763.888889 104.166667 343.750000 150.000000
## [751] 234.375000 208.333333 92.500000 187.500000 220.000000 130.208333
## [757] 182.291667 113.636364 312.500000 78.125000 69.230769 150.000000
## [763] 250.000000 187.500000 131.944444 250.000000 93.750000 87.500000
## [769] 95.238095 112.500000 100.000000 137.500000 71.875000 75.000000
## [775] 104.166667 78.125000 111.111111 111.111111 192.857143 104.166667
## [781] 159.722222 93.750000 156.250000 137.500000 118.750000 93.750000
## [787] 106.250000 194.444444 93.750000 183.333333 250.000000 87.500000
## [793] 175.000000 250.000000 283.333333 71.428571 73.750000 173.611111
## [799] 92.592593 53.888889 203.125000 191.176471 250.000000 78.472222
## [805] 118.750000 78.125000 85.714286 161.764706 75.000000 128.571429
## [811] 222.222222 89.285714 95.000000 92.000000 32.738095 76.923077
## [817] 63.333333 178.571429 93.750000 88.541667 104.166667 127.777778
## [823] 105.555556 61.250000 84.375000 76.923077 312.500000 125.000000
## [829] 81.250000 125.000000 151.923077 55.555556 47.916667 75.000000
## [835] 121.428571 80.000000 107.142857 78.125000 187.500000 168.750000
## [841] 52.500000 156.250000 207.142857 125.000000 187.500000 187.500000
## [847] 173.611111 223.958333 212.500000 75.892857 156.250000 92.857143
## [853] 103.125000 56.250000 118.055556 156.250000 104.166667 58.854167
## [859] 78.125000 194.444444 104.166667 150.000000 130.208333 93.750000
## [865] 101.562500 125.000000 104.166667 83.333333 83.333333 78.125000
## [871] 75.000000 218.750000 83.333333 225.000000 68.055556 62.500000
## [877] 56.250000 50.000000 93.750000 76.388889 72.916667 78.125000
## [883] 100.000000 104.166667 85.714286 138.888889 81.250000 125.000000
## [889] 93.750000 41.666667 75.714286 125.000000 91.692857 171.428571
## [895] 111.111111 166.666667 67.708333 150.000000 62.500000 121.428571
## [901] 130.208333 139.285714 83.333333 312.500000 312.500000 198.529412
## [907] 96.153846 72.916667 76.388889 93.750000 162.037037 156.250000
## [913] 277.777778 78.125000 156.250000 187.500000 187.500000 93.750000
## [919] 112.500000 55.555556 112.500000 93.750000 125.000000 125.000000
## [925] 133.928571 270.270270 93.750000 156.250000 75.000000 175.000000
## [931] 83.333333 104.166667 125.000000 250.000000 125.000000 89.285714
## [937] 140.625000 136.363636 68.750000 250.000000 100.000000 106.250000
## [943] 143.750000 103.125000 135.714286 35.000000 130.208333 98.958333
## [949] 112.500000 119.791667 104.166667 87.500000 156.250000 80.000000
## [955] 93.750000 53.571429 80.555556 94.444444 62.100000 59.523810
## [961] 83.333333 135.416667 486.111111 277.777778 347.222222 227.272727
## [967] 277.777778 208.333333 145.833333 129.870130 229.166667 347.222222
## [973] 243.055556 375.000000 182.291667 312.500000 437.500000 69.444444
## [979] 125.000000 112.500000 277.777778 343.750000 187.500000 143.750000
## [985] 143.750000 159.722222 214.285714 194.444444 138.888889 208.333333
## [991] 75.000000 131.250000 234.375000 250.000000 137.500000 106.250000
## [997] 100.000000 70.625000 72.916667 125.000000 175.000000 166.666667
## [1003] 113.541667 131.944444 100.000000 81.250000 69.375000 56.250000
## [1009] 62.500000 72.115385 128.472222 111.111111 250.000000 250.000000
## [1015] 201.388889 154.761905 250.000000 312.500000 109.375000 91.666667
## [1021] 41.666667 187.500000 104.166667 114.583333 62.500000 156.250000
## [1027] 118.055556 175.000000 162.500000 80.555556 112.500000 118.055556
## [1033] 101.351351 92.857143 53.571429 77.777778 66.666667 168.750000
## [1039] 100.000000 81.250000 100.000000 90.277778 44.930556 83.333333
## [1045] 85.227273 81.250000 202.702703 218.750000 98.684211 281.250000
## [1051] 93.750000 142.857143 250.000000 113.636364 218.750000 41.666667
## [1057] 112.500000 142.857143 187.500000 187.500000 160.256410 62.500000
## [1063] 81.250000 59.375000 63.750000 30.357143 93.750000 63.750000
## [1069] 52.083333 125.000000 194.444444 88.541667 111.111111 100.000000
## [1075] 75.000000 343.750000 173.611111 62.500000 62.500000 78.125000
## [1081] 68.750000 62.500000 137.500000 166.666667 56.250000 114.583333
## [1087] 208.333333 52.083333 60.000000 78.125000 119.791667 250.000000
## [1093] 272.727273 187.500000 93.750000 125.000000 168.750000 162.500000
## [1099] 125.000000 150.000000 168.750000 187.500000 182.291667 437.500000
## [1105] 137.500000 250.000000 137.500000 338.541667 625.000000 267.857143
## [1111] 300.000000 196.428571 93.750000 343.750000 175.000000 122.222222
## [1117] 93.750000 62.500000 135.416667 187.500000 416.666667 138.888889
## [1123] 140.833333 173.529412 125.000000 121.875000 187.500000 151.388889
## [1129] 118.750000 93.750000 81.538462 454.545455 200.000000 130.208333
## [1135] 125.000000 138.888889 437.500000 561.224490 312.500000 375.000000
## [1141] 375.000000 50.000000 12.500000 187.500000 281.250000 187.500000
## [1147] 187.500000 312.500000 281.250000 261.000000 250.000000 182.291667
## [1153] 250.000000 843.750000 218.750000 543.750000 364.583333 297.619048
## [1159] 305.555556 458.333333 74.404762 156.250000 218.750000 175.000000
## [1165] 27.777778 262.500000 187.500000 119.047619 104.166667 243.055556
## [1171] 208.333333 125.000000 118.750000 305.555556 130.208333 166.666667
## [1177] 312.500000 312.500000 156.250000 117.924528 156.250000 164.634146
## [1183] 104.166667 104.166667 250.000000 100.000000 181.818182 75.000000
## [1189] 66.875000 125.000000 166.666667 78.571429 100.000000 157.142857
## [1195] 218.750000 53.571429 100.000000 187.500000 93.750000 156.250000
## [1201] 67.708333 175.000000 67.500000 78.571429 83.333333 83.333333
## [1207] 125.000000 161.458333 93.750000 64.102564 156.250000 78.125000
## [1213] 131.250000 81.250000 250.000000 500.000000 300.000000 218.750000
## [1219] 200.000000 312.500000 150.000000 118.750000 93.750000 112.500000
## [1225] 112.500000 106.250000 104.166667 87.500000 54.687500 312.500000
## [1231] 312.500000 148.809524 166.666667 277.777778 138.888889 218.750000
## [1237] 187.500000 277.777778 130.208333 156.250000 89.285714 86.805556
## [1243] 200.000000 114.583333 138.888889 114.583333 117.361111 175.000000
## [1249] 312.500000 187.500000 250.000000 142.857143 175.000000 178.571429
## [1255] 281.250000 130.208333 93.750000 512.820513 130.208333 156.250000
## [1261] 143.750000 125.000000 93.750000 222.222222 187.500000 133.928571
## [1267] 38.461538 93.750000 187.500000 75.000000 119.791667 187.500000
## [1273] 60.000000 250.000000 93.750000 218.750000 135.416667 125.000000
## [1279] 100.625000 150.000000 112.500000 100.000000 100.000000 162.500000
## [1285] 75.000000 250.000000 218.750000 178.571429 151.041667 208.333333
## [1291] 127.777778 125.000000 166.666667 85.106383 100.000000 187.500000
## [1297] 425.000000 406.250000 187.500000 375.000000 277.777778 312.500000
## [1303] 218.750000 277.777778 140.000000 250.000000 250.000000 125.000000
## [1309] 150.000000 218.750000 375.000000 93.750000 468.750000 112.500000
## [1315] 156.250000 75.000000 187.500000 169.230769 93.750000 75.000000
## [1321] 93.750000 150.000000 157.500000 413.750000 312.500000 234.375000
## [1327] 277.777778 250.000000 375.000000 93.750000 250.000000 208.333333
## [1333] 138.888889 156.250000 125.000000 130.208333 62.500000 88.888889
## [1339] 250.000000 112.500000 237.500000 133.333333 173.611111 156.250000
## [1345] 125.000000 168.750000 73.170732 62.500000 70.000000 62.500000
## [1351] 156.250000 78.125000 156.250000 125.000000 375.000000 143.750000
## [1357] 85.000000 104.166667 59.375000 94.444444 130.208333 118.750000
## [1363] 100.000000 78.571429 135.714286 62.500000 119.791667 100.000000
## [1369] 90.425532 135.714286 125.000000 300.000000 71.875000 93.750000
## [1375] 237.500000 90.000000 125.000000 58.139535 72.916667 80.000000
## [1381] 93.750000 62.500000 114.583333 156.250000 364.130435 87.500000
## [1387] 137.500000 131.250000 112.500000 156.250000 109.756098 138.888889
## [1393] 85.365854 121.951220 202.500000 50.000000 140.625000 89.285714
## [1399] 125.000000 125.000000 125.000000 187.500000 173.611111 143.750000
## [1405] 104.166667 98.958333 312.500000 138.888889 128.472222 156.250000
## [1411] 166.666667 84.821429 119.047619 107.142857 240.384615 138.888889
## [1417] 187.500000 130.208333 61.250000 95.238095 97.222222 138.888889
## [1423] 218.750000 156.250000 121.428571 250.000000 156.250000 187.500000
## [1429] 166.666667 86.805556 56.250000 87.500000 178.571429 104.166667
## [1435] 104.166667 75.000000 125.000000 312.500000 104.166667 112.500000
## [1441] 162.500000 200.000000 128.125000 281.250000 375.000000 187.500000
## [1447] 243.055556 206.250000 250.000000 250.000000 208.333333 416.666667
## [1453] 562.500000 312.500000 200.000000 375.000000 250.000000 326.250000
## [1459] 218.750000 216.216216 300.000000 161.458333 182.291667 119.791667
## [1465] 343.750000 375.000000 150.000000 144.444444 100.000000 93.750000
## [1471] 168.750000 112.500000 125.000000 156.250000 173.076923 104.166667
## [1477] 182.291667 225.000000 111.111111 202.380952 250.000000 211.111111
## [1483] 250.000000 281.250000 36.458333 750.000000 250.000000 187.500000
## [1489] 143.939394 122.500000 125.000000 156.250000 78.125000 118.750000
## [1495] 125.000000 156.250000 156.250000 150.000000 130.208333 133.333333
## [1501] 106.250000 93.750000 130.208333 125.000000 156.250000 175.000000
## [1507] 189.393939 325.000000 119.565217 33.482143 37.500000 62.500000
## [1513] 156.250000 156.250000 193.750000 108.333333 98.684211 70.000000
## [1519] 116.250000 112.500000 93.750000 173.611111 94.444444 76.388889
## [1525] 150.000000 83.333333 182.291667 103.125000 312.500000 187.500000
## [1531] 114.583333 261.904762 52.083333 312.500000 78.125000 187.500000
## [1537] 143.750000 57.291667 156.250000 68.750000 89.285714 50.000000
## [1543] 81.250000 156.250000 81.250000 156.250000 109.756098 103.658537
## [1549] 118.750000 103.125000 236.486486 115.853659 57.291667 75.000000
## [1555] 78.125000 106.250000 118.750000 57.291667 93.750000 93.750000
## [1561] 68.750000 70.000000 100.609756 78.125000 91.666667 77.380952
## [1567] 62.500000 107.142857 58.854167 78.125000 183.333333 114.583333
## [1573] 119.047619 347.222222 208.333333 125.000000 121.428571 59.375000
## [1579] 112.500000 250.000000 142.857143 78.125000 142.857143 194.444444
## [1585] 200.000000 156.250000 156.250000 112.500000 156.250000 76.388889
## [1591] 56.818182 107.954545 137.500000 53.571429 88.541667 92.708333
## [1597] 125.000000 78.125000 125.000000 81.250000 41.666667 196.428571
## [1603] 75.000000 92.592593 163.043478 106.250000 91.346154 187.500000
## [1609] 175.000000 118.750000 250.000000 125.000000 194.444444 125.000000
## [1615] 156.250000 77.777778 125.000000 125.000000 155.000000 137.500000
## [1621] 125.000000 175.000000 187.500000 281.250000 300.000000 500.000000
## [1627] 218.750000 182.291667 232.638889 178.125000 150.000000 141.666667
## [1633] 180.000000 156.250000 166.666667 156.250000 137.500000 90.000000
## [1639] 46.296296 119.230769 85.000000 138.888889 156.250000 187.500000
## [1645] 93.750000 93.750000 87.500000 143.750000 112.500000 208.333333
## [1651] 145.833333 217.500000 270.833333 187.500000 197.916667 175.000000
## [1657] 143.750000 168.750000 113.636364 112.500000 93.750000 94.512195
## [1663] 125.000000 76.666667 347.222222 218.750000 112.500000 62.906250
## [1669] 175.000000 100.000000 229.166667 312.500000 144.230769 81.250000
## [1675] 180.000000 78.125000 70.000000 138.888889 125.000000 187.500000
## [1681] 125.000000 156.250000 46.875000 156.250000 125.000000 125.000000
## [1687] 76.388889 93.750000 118.750000 187.500000 187.500000 125.000000
## [1693] 218.750000 218.750000 171.875000 200.000000 116.666667 83.333333
## [1699] 181.250000 93.750000 446.428571 85.000000 83.333333 137.500000
## [1705] 91.463415 41.666667 92.857143 88.541667 56.250000 125.000000
## [1711] 161.458333 130.681818 156.250000 75.000000 76.875000 75.000000
## [1717] 87.500000 75.000000 93.750000 112.500000 40.625000 225.000000
## [1723] 62.500000 55.000000 250.000000 63.571429 183.333333 218.750000
## [1729] 59.895833 87.500000 270.833333 81.250000 312.500000 59.375000
## [1735] 125.000000 218.750000 75.000000 82.500000 84.375000 93.750000
## [1741] 93.750000 94.375000 78.125000 106.250000 243.055556 225.000000
## [1747] 95.000000 250.000000 281.250000 138.888889 187.500000 256.250000
## [1753] 93.750000 187.500000 187.500000 281.250000 343.750000 250.000000
## [1759] 198.863636 343.750000 321.428571 89.285714 187.500000 171.875000
## [1765] 69.444444 66.666667 375.000000 125.000000 156.250000 96.590909
## [1771] 70.833333 142.857143 156.250000 106.250000 406.250000 125.000000
## [1777] 137.500000 187.500000 107.142857 162.500000 156.250000 100.000000
## [1783] 266.666667 156.250000 109.375000 156.250000 168.750000 112.500000
## [1789] 218.750000 177.500000 57.291667 39.062500 45.625000 118.750000
## [1795] 187.500000 115.000000 83.333333 71.875000 68.750000 125.000000
## [1801] 100.000000 150.000000 122.159091 125.000000 393.750000 93.750000
## [1807] 67.708333 156.250000 75.000000 100.000000 104.166667 130.208333
## [1813] 93.750000 312.500000 187.500000 421.875000 72.916667 277.777778
## [1819] 166.666667 208.333333 466.666667 62.500000 312.500000 75.000000
## [1825] 75.000000 125.000000 100.000000 125.000000 125.000000 156.250000
## [1831] 150.000000 437.500000 89.285714 166.666667 81.382979 200.000000
## [1837] 187.500000 187.500000 133.928571 428.571429 263.888889 218.750000
## [1843] 137.500000 237.500000 125.000000 111.111111 89.285714 217.500000
## [1849] 200.000000 62.500000 125.000000 123.626374 187.500000 198.863636
## [1855] 375.000000 93.750000 191.666667 187.500000 104.166667 121.428571
## [1861] 78.571429 133.333333 106.250000 187.500000 156.250000 76.704545
## [1867] 96.875000 208.333333 83.333333 87.500000 62.500000 168.750000
## [1873] 223.958333 237.500000 200.000000 125.000000 143.750000 250.000000
## [1879] 81.250000 312.500000 119.047619 118.055556 93.750000 141.250000
## [1885] 106.250000 93.750000 106.250000 112.500000 140.625000 187.500000
## [1891] 125.000000 437.500000 187.500000 291.666667 59.523810 51.250000
## [1897] 92.857143 93.750000 59.523810 173.611111 187.500000 183.333333
## [1903] 131.250000 187.500000 437.500000 350.000000 162.500000 138.888889
## [1909] 72.115385 333.333333 52.083333 75.000000 125.000000 143.750000
## [1915] 225.000000 93.750000 78.125000 250.000000 209.090909 187.500000
## [1921] 214.285714 105.000000 281.250000 234.375000 291.666667 53.571429
## [1927] 130.208333 250.000000 116.666667 187.500000 138.888889 91.666667
## [1933] 189.393939 71.428571 45.138889 62.500000 200.000000 225.000000
## [1939] 83.333333 68.750000 75.000000 68.750000 156.250000 625.000000
## [1945] 125.000000 625.000000 156.250000 68.750000 93.750000 100.000000
## [1951] 156.250000 44.444444 250.000000 53.571429 50.000000 164.285714
## [1957] 138.888889 175.000000 67.708333 93.750000 120.000000 138.888889
## [1963] 118.750000 93.333333 98.125000 72.916667 67.708333 125.000000
## [1969] 119.375000 228.571429 182.291667 312.500000 182.291667 218.750000
## [1975] 104.166667 250.000000 166.666667 98.141667 3.645833 125.000000
## [1981] 78.125000 99.666667 74.404762 183.333333 222.222222 187.500000
## [1987] 258.928571 87.500000 78.125000 68.750000 77.500000 78.125000
## [1993] 100.000000 52.083333 93.750000 95.625000 21.527778 187.500000
## [1999] 125.000000 156.250000 130.208333 93.125000 93.750000 112.500000
## [2005] 156.250000 143.750000 187.500000 193.750000 312.500000 260.416667
## [2011] 231.250000 200.000000 187.500000 187.500000 92.391304 260.416667
## [2017] 250.000000 125.000000 116.666667 183.333333 93.750000 130.952381
## [2023] 104.166667 137.500000 104.166667 74.404762 70.000000 138.888889
## [2029] 88.541667 72.115385 70.652174 62.500000 157.258065 78.125000
## [2035] 36.458333 93.750000 156.250000 89.375000 263.888889 150.000000
## [2041] 90.909091 125.000000 91.145833 125.000000 61.538462 93.750000
## [2047] 18.750000 175.000000 45.833333 93.750000 125.000000 125.000000
## [2053] 100.000000 250.000000 74.218750 231.481481 218.750000 93.750000
## [2059] 208.333333 138.888889 173.611111 59.523810 97.222222 312.500000
## [2065] 144.230769 238.888889 472.972973 187.500000 113.636364 69.444444
## [2071] 44.642857 59.523810 174.242424 164.285714 250.000000 125.000000
## [2077] 155.555556 187.500000 109.090909 130.208333 93.750000 222.222222
## [2083] 178.571429 44.642857 66.666667 160.256410 250.000000 222.222222
## [2089] 212.500000 62.500000 185.000000 90.000000 125.000000 72.916667
## [2095] 120.535714 148.809524 93.750000 156.250000 300.000000 137.500000
## [2101] 183.333333 500.000000 937.500000 173.611111 156.250000 218.750000
## [2107] 187.500000 187.500000 168.750000 218.750000 214.285714 250.000000
## [2113] 187.500000 182.291667 208.333333 156.250000 281.250000 187.500000
## [2119] 187.500000 143.750000 147.500000 333.333333 290.625000 156.250000
## [2125] 625.000000 400.000000 218.750000 852.272727 250.000000 250.000000
## [2131] 250.000000 121.875000 218.750000 137.500000 235.714286 156.250000
## [2137] 75.000000 112.500000t.test(subset(data_1, sex==1)$wage_rate_1, subset(data_1, sex==2)$wage_rate_1)# Статиститеская значимость различий з.п мужчин и женщин##
## Welch Two Sample t-test
##
## data: subset(data_1, sex == 1)$wage_rate_1 and subset(data_1, sex == 2)$wage_rate_1
## t = 9.0082, df = 3619.4, p-value < 2.2e-16
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
## 25.51703 39.71457
## sample estimates:
## mean of x mean of y
## 190.0445 157.4287conclusion- различия есть Предварительные выводы
IT Специалисты моложе Лучше образованы Мобильны Больше мужчин
Chemical industry Специалисты старше Менее образованы Менее мобильны Больще похожи на “типичного работника” Возможно, их высокая з/п объясняется повышенным спросом на их труд # Таблицы для edu
summary_table_3 <- data_1 %>%
mutate(industry = case_when(
job_1 %in% c(23,27) ~ "IT and Chemical ind.",
!job_1 %in% c(23,27) ~ "Not IT and Chem."))%>%
group_by(industry) %>%
summarise(
median_wage = median(wage_rate_1, na.rm = TRUE),
mean_wage = mean(wage_rate_1, na.rm = TRUE),
education = mean(edu, na.rm = TRUE)) #%>% arrange(desc(median))Рисуем таблицы ДЛЯ ПРЕЗЕНТАЦИИ
library(stargazer)##
## Please cite as:## Hlavac, Marek (2018). stargazer: Well-Formatted Regression and Summary Statistics Tables.## R package version 5.2.2. https://CRAN.R-project.org/package=stargazerlibrary(knitr)
# два варианта таблиц
kable(summary_table)| job_1 | median | mean | ind | p_val | hypothesis |
|---|---|---|---|---|---|
| 27 | 265.62500 | 359.16667 | IT, ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ | 0.0032471 | 1 |
| 23 | 231.25000 | 218.66225 | ХИМИЧЕСКАЯ ПРОМЫШЛЕННОСТЬ | 0.0343587 | 1 |
| 4 | 187.50000 | 257.87175 | НЕФТЕГАЗОВАЯ ПРОМЫШЛЕННОСТЬ | 0.0000045 | 1 |
| 18 | 187.50000 | 193.57600 | ОПЕРАЦИИ С НЕДВИЖИМОСТЬЮ | 0.4048090 | 0 |
| 21 | 187.50000 | 223.28518 | ЮРИСПРУДЕНЦИЯ | 0.0667665 | 0 |
| 28 | 187.50000 | 184.37500 | ЭКОЛОГИЯ, ЗАЩИТА ОКРУЖАЮЩЕЙ СРЕДЫ | 0.0318018 | 1 |
| 31 | 187.50000 | 225.50154 | РЕКЛАМА, МАРКЕТИНГ | 0.3116617 | 0 |
| 25 | 183.03571 | 196.20573 | СПОРТ, ТУРИЗМ, РАЗВЛЕЧЕНИЯ | 0.2437611 | 0 |
| 15 | 182.29167 | 227.52322 | ФИНАНСЫ | 0.0027851 | 1 |
| 16 | 182.29167 | 202.27625 | ЭНЕРГЕТИЧЕСКАЯ ПРОМЫШЛЕННОСТЬ | 0.0096779 | 1 |
| 3 | 181.77083 | 194.47334 | ВОЕННО-ПРОМЫШЛЕННЫЙ КОМПЛЕКС | 0.0140916 | 1 |
| 6 | 168.75000 | 194.70715 | СТРОИТЕЛЬСТВО | 0.0027074 | 1 |
| 2 | 156.25000 | 179.41926 | ГРАЖДАНСКОЕ МАШИНОСТРОЕНИЕ | 0.4843840 | 0 |
| 5 | 156.25000 | 178.81213 | ДРУГАЯ ОТРАСЛЬ ТЯЖЕЛОЙ ПРОМЫШЛЕННОСТИ | 0.3484106 | 0 |
| 7 | 156.25000 | 181.81752 | ТРАНСПОРТ, СВЯЗЬ | 0.1291637 | 0 |
| 11 | 146.42857 | 177.58880 | НАУКА, КУЛЬТУРА | 0.6387181 | 0 |
| 9 | 143.75000 | 171.83873 | ОРГАНЫ УПРАВЛЕНИЯ | 0.9512819 | 0 |
| 13 | 138.19444 | 164.31966 | АРМИЯ, МВД, ОРГАНЫ БЕЗОПАСНОСТИ | 0.2479182 | 0 |
| 1 | 133.33333 | 156.36041 | ЛЕГКАЯ, ПИЩЕВАЯ ПРОМЫШЛЕННОСТЬ | 0.0036741 | 1 |
| 14 | 132.58929 | 160.48522 | ТОРГОВЛЯ, БЫТОВОЕ ОБСЛУЖИВАНИЕ | 0.0008400 | 1 |
| 26 | 132.50000 | 163.82211 | УСЛУГИ НАСЕЛЕНИЮ | 0.7179180 | 0 |
| 30 | 131.25000 | 173.99700 | СМИ, ИЗДАТЕЛЬСТВО, ПЕЧАТЬ, ТЕЛЕКОММУНИКАЦИИ | 0.9535676 | 0 |
| 12 | 130.20833 | 158.21410 | ЗДРАВООХРАНЕНИЕ | 0.0138526 | 1 |
| 10 | 125.00000 | 157.71235 | ОБРАЗОВАНИЕ | 0.0041808 | 1 |
| 17 | 125.00000 | 154.78788 | ЖИЛИЩНО-КОММУНАЛЬНОЕ ХОЗЯЙСТВО | 0.0266331 | 1 |
| 20 | 125.00000 | 147.77240 | СОЦИАЛЬНОЕ ОБСЛУЖИВАНИЕ | 0.1885886 | 0 |
| 8 | 104.16667 | 118.87755 | СЕЛЬСКОЕ ХОЗЯЙСТВО | 0.0000000 | 1 |
| 24 | 104.16667 | 109.08120 | ДЕРЕВООБРАБАТЫВАЮЩАЯ ПРОМЫШЛЕННОСТЬ, ЛЕСНОЕ ХОЗЯЙСТВО | 0.0004759 | 1 |
| 29 | 76.56250 | 76.04167 | ОРГАНИЗАЦИЯ ОБЩЕСТВЕННОГО ПИТАНИЯ | 0.0001271 | 1 |
| 22 | 52.08333 | 79.86111 | ЦЕРКОВЬ | 0.1076561 | 0 |
stargazer(summary_table, type = "text", summary = FALSE)##
## =================================================================================================
## job_1 median mean ind p_val hypothesis
## -------------------------------------------------------------------------------------------------
## 1 27 265.625 359.167 IT, ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ 0.003 1
## 2 23 231.250 218.662 ХИМИЧЕСКАЯ ПРОМЫШЛЕННОСТЬ 0.034 1
## 3 4 187.500 257.872 НЕФТЕГАЗОВАЯ ПРОМЫШЛЕННОСТЬ 0.00000 1
## 4 18 187.500 193.576 ОПЕРАЦИИ С НЕДВИЖИМОСТЬЮ 0.405 0
## 5 21 187.500 223.285 ЮРИСПРУДЕНЦИЯ 0.067 0
## 6 28 187.500 184.375 ЭКОЛОГИЯ, ЗАЩИТА ОКРУЖАЮЩЕЙ СРЕДЫ 0.032 1
## 7 31 187.500 225.502 РЕКЛАМА, МАРКЕТИНГ 0.312 0
## 8 25 183.036 196.206 СПОРТ, ТУРИЗМ, РАЗВЛЕЧЕНИЯ 0.244 0
## 9 15 182.292 227.523 ФИНАНСЫ 0.003 1
## 10 16 182.292 202.276 ЭНЕРГЕТИЧЕСКАЯ ПРОМЫШЛЕННОСТЬ 0.010 1
## 11 3 181.771 194.473 ВОЕННО-ПРОМЫШЛЕННЫЙ КОМПЛЕКС 0.014 1
## 12 6 168.750 194.707 СТРОИТЕЛЬСТВО 0.003 1
## 13 2 156.250 179.419 ГРАЖДАНСКОЕ МАШИНОСТРОЕНИЕ 0.484 0
## 14 5 156.250 178.812 ДРУГАЯ ОТРАСЛЬ ТЯЖЕЛОЙ ПРОМЫШЛЕННОСТИ 0.348 0
## 15 7 156.250 181.818 ТРАНСПОРТ, СВЯЗЬ 0.129 0
## 16 11 146.429 177.589 НАУКА, КУЛЬТУРА 0.639 0
## 17 9 143.750 171.839 ОРГАНЫ УПРАВЛЕНИЯ 0.951 0
## 18 13 138.194 164.320 АРМИЯ, МВД, ОРГАНЫ БЕЗОПАСНОСТИ 0.248 0
## 19 1 133.333 156.360 ЛЕГКАЯ, ПИЩЕВАЯ ПРОМЫШЛЕННОСТЬ 0.004 1
## 20 14 132.589 160.485 ТОРГОВЛЯ, БЫТОВОЕ ОБСЛУЖИВАНИЕ 0.001 1
## 21 26 132.500 163.822 УСЛУГИ НАСЕЛЕНИЮ 0.718 0
## 22 30 131.250 173.997 СМИ, ИЗДАТЕЛЬСТВО, ПЕЧАТЬ, ТЕЛЕКОММУНИКАЦИИ 0.954 0
## 23 12 130.208 158.214 ЗДРАВООХРАНЕНИЕ 0.014 1
## 24 10 125 157.712 ОБРАЗОВАНИЕ 0.004 1
## 25 17 125 154.788 ЖИЛИЩНО-КОММУНАЛЬНОЕ ХОЗЯЙСТВО 0.027 1
## 26 20 125 147.772 СОЦИАЛЬНОЕ ОБСЛУЖИВАНИЕ 0.189 0
## 27 8 104.167 118.878 СЕЛЬСКОЕ ХОЗЯЙСТВО 0 1
## 28 24 104.167 109.081 ДЕРЕВООБРАБАТЫВАЮЩАЯ ПРОМЫШЛЕННОСТЬ, ЛЕСНОЕ ХОЗЯЙСТВО 0.0005 1
## 29 29 76.562 76.042 ОРГАНИЗАЦИЯ ОБЩЕСТВЕННОГО ПИТАНИЯ 0.0001 1
## 30 22 52.083 79.861 ЦЕРКОВЬ 0.108 0
## -------------------------------------------------------------------------------------------------### правим таблицы
# summary_table
final_summary_table <- summary_table %>%
dplyr::select(industry = ind, median_wage = median, mean_wage = mean, p_val, hypothesis)
stargazer(final_summary_table, type = "text", summary = FALSE, digits = 1)##
## ===============================================================================================
## industry median_wage mean_wage p_val hypothesis
## -----------------------------------------------------------------------------------------------
## 1 IT, ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ 265.6 359.2 0.003 1
## 2 ХИМИЧЕСКАЯ ПРОМЫШЛЕННОСТЬ 231.2 218.7 0.03 1
## 3 НЕФТЕГАЗОВАЯ ПРОМЫШЛЕННОСТЬ 187.5 257.9 0.000 1
## 4 ОПЕРАЦИИ С НЕДВИЖИМОСТЬЮ 187.5 193.6 0.4 0
## 5 ЮРИСПРУДЕНЦИЯ 187.5 223.3 0.1 0
## 6 ЭКОЛОГИЯ, ЗАЩИТА ОКРУЖАЮЩЕЙ СРЕДЫ 187.5 184.4 0.03 1
## 7 РЕКЛАМА, МАРКЕТИНГ 187.5 225.5 0.3 0
## 8 СПОРТ, ТУРИЗМ, РАЗВЛЕЧЕНИЯ 183.0 196.2 0.2 0
## 9 ФИНАНСЫ 182.3 227.5 0.003 1
## 10 ЭНЕРГЕТИЧЕСКАЯ ПРОМЫШЛЕННОСТЬ 182.3 202.3 0.01 1
## 11 ВОЕННО-ПРОМЫШЛЕННЫЙ КОМПЛЕКС 181.8 194.5 0.01 1
## 12 СТРОИТЕЛЬСТВО 168.8 194.7 0.003 1
## 13 ГРАЖДАНСКОЕ МАШИНОСТРОЕНИЕ 156.2 179.4 0.5 0
## 14 ДРУГАЯ ОТРАСЛЬ ТЯЖЕЛОЙ ПРОМЫШЛЕННОСТИ 156.2 178.8 0.3 0
## 15 ТРАНСПОРТ, СВЯЗЬ 156.2 181.8 0.1 0
## 16 НАУКА, КУЛЬТУРА 146.4 177.6 0.6 0
## 17 ОРГАНЫ УПРАВЛЕНИЯ 143.8 171.8 1.0 0
## 18 АРМИЯ, МВД, ОРГАНЫ БЕЗОПАСНОСТИ 138.2 164.3 0.2 0
## 19 ЛЕГКАЯ, ПИЩЕВАЯ ПРОМЫШЛЕННОСТЬ 133.3 156.4 0.004 1
## 20 ТОРГОВЛЯ, БЫТОВОЕ ОБСЛУЖИВАНИЕ 132.6 160.5 0.001 1
## 21 УСЛУГИ НАСЕЛЕНИЮ 132.5 163.8 0.7 0
## 22 СМИ, ИЗДАТЕЛЬСТВО, ПЕЧАТЬ, ТЕЛЕКОММУНИКАЦИИ 131.2 174.0 1.0 0
## 23 ЗДРАВООХРАНЕНИЕ 130.2 158.2 0.01 1
## 24 ОБРАЗОВАНИЕ 125 157.7 0.004 1
## 25 ЖИЛИЩНО-КОММУНАЛЬНОЕ ХОЗЯЙСТВО 125 154.8 0.03 1
## 26 СОЦИАЛЬНОЕ ОБСЛУЖИВАНИЕ 125 147.8 0.2 0
## 27 СЕЛЬСКОЕ ХОЗЯЙСТВО 104.2 118.9 0 1
## 28 ДЕРЕВООБРАБАТЫВАЮЩАЯ ПРОМЫШЛЕННОСТЬ, ЛЕСНОЕ ХОЗЯЙСТВО 104.2 109.1 0.000 1
## 29 ОРГАНИЗАЦИЯ ОБЩЕСТВЕННОГО ПИТАНИЯ 76.6 76.0 0.000 1
## 30 ЦЕРКОВЬ 52.1 79.9 0.1 0
## -----------------------------------------------------------------------------------------------# summary_table_2
final_summary_table_2 <- summary_table_2 %>%
dplyr::select(sex = ind, median_wage = median, mean_wage = mean)
stargazer(final_summary_table_2, type = "text", summary = FALSE, digits = 1, rownames = FALSE)##
## =============================
## sex median_wage mean_wage
## -----------------------------
## МУЖСКОЙ 156.2 190.0
## ЖЕНСКИЙ 130.2 157.4
## -----------------------------# summary_table_3
final_summary_table_3 <- summary_table_3 %>%
rename(mean_education = education)
final_summary_table_3$mean_wage <- round(final_summary_table_3$mean_wage, 2)
final_summary_table_3$mean_education <- round(final_summary_table_3$mean_education, 2)
stargazer(final_summary_table_3, type = "text", summary = FALSE, digits = 2, rownames = FALSE)##
## =========================================================
## industry median_wage mean_wage mean_education
## ---------------------------------------------------------
## IT and Chemical ind. 250 309.31 18.77
## Not IT and Chem. 143.75 171.39 17.74
## ---------------------------------------------------------Химическая промышленность как ключевая отрасль российской экономики
Крупнейшие предприятия химической промышленности в России находятся в частных руках («СИБУР Холдинг», «Еврохим», «Газпром нефтехим Салават», «Нижнекамскнефтехим», «Акрон», «Казаньоргсинтез», «Уралкалий», «ТольяттиАзот»). Некоторые из них являются лидерами в Европе и во всем мире по объему производства. Стоит добавить то, что химическая промышленность в России напрямую связана с другими промышленными сферами, так как, кроме бытовой и сельскохозяйственной продукции, она снабжает машиностроительный комплекс, металлургию, сырьевой комплекс (один из ключевых составляющих экспорта России), оборонную промышленность, медицинскую и фармакологическую индустрию, добывающие предприятия. Отсюда, химическая промышленность остается одним из приоритетных направлений развития российской экономики, так как национальная конкурентоспособность напрямую зависит именно от неё. Более того, страна не испытывает дефицита ресурсов, которые идут на развитие этой отрасли (богатство источников сырья в Сибири и т.д.). Вклад в экономику (2012-2013) составил 10%, и именно в те годы она оказалась устойчивой к начинающейся стагнации экономики.
Немаловажным фактором высокой оплаты труда в этой сфере является повышенный риск для здоровья, который, с одной стороны, отрицательно влияет на спрос на данную профессию, что приводит к дефициту кадров, с другой стороны, требует огромных финансовых вложений со стороны руководства в обеспечение безопасности работников, чтобы последние могли быть уверены, что риски для их здоровья сведены к нулю.
В дополнение, заработные платы в химической промышленности (как составляющей обрабатывающей промышленности в целом) имеют низкий коэффициент Джини (2013 год) (что схоже с выведенной нами дисперсией как параметра разброса значений), что подтверждает факт однородности труда в этой сфере.
Однако речь идёт не только об однородности, но и о степени ответственности, которую несет конкретный работник: так, по данным исследования, проведенного в Соединенных Штатах Америки, работники химической индустрии находятся под частыми проверками со стороны начальства. Это сказывается на качестве работы и, соответственно, высокой заработной плате. Хотя «синие воротнички» в этой же сфере подвержены разительно меньшему контролю. Из последнего можно сделать вывод о том, что высшая квалификация влияет на заработную плату (об этом мы говорили во вступительном параграфе).