大数据-算法-最低工资对就业性别差异的影响研究——基于中国省级面板数据和行业数椐.pdf

标题中的“大数据-算法-最低工资对就业性别差异的影响研究”揭示了这篇论文的核心主题，即利用大数据和算法分析最低工资政策如何影响中国各省份和行业的就业性别差异。描述部分进一步确认了论文的原创性和授权情况，同时也概述了研究的目的和方法。 论文首先提出了一个新的最低工资标准计算方法，通过加权平均考虑了最低工资调整时间、实施时间和不同档次的最低工资，发现当前中国的最低工资标准相对较低，仍有上调压力。这一部分涉及的数据分析和统计建模是大数据技术的应用，通过收集和处理大量省级面板数据，为后续研究提供了基础。 接着，论文探讨了就业性别差异的现状，指出在中国城镇地区，性别差异在行业和地域间的差距正在加剧，而发达国家的性别差异则呈现收敛趋势。这可能涉及到社会经济结构、政策环境以及文化因素等多个方面。 论文进一步分析了最低工资标准对就业性别差异的理论机制，认为最低工资上涨不仅直接影响就业，而且对男性和女性的影响不均等，女性可能会遭受更大的负面影响，从而加大了就业性别差异。这种分析基于经济学理论和性别经济学的视角，运用了算法来解析复杂的数据关系。 随后，论文进行了静态和动态分析。静态分析发现最低工资标准的提高对城镇地区女性就业产生了挤出效应，意味着部分女性可能被挤出正规就业部门。动态分析则揭示了不同行业受到的影响存在差异，并且存在自我修正机制，某些行业的就业性别差异在短期内受到影响，但在长期内可能会调整回来。 关键词“最低工资标准”、“就业性别差异”和“城镇就业”是研究的核心概念，而“面板数据模型”是用于分析这些变量之间关系的统计工具，通过这种模型，研究者可以更深入地理解最低工资政策如何在时间和空间维度上影响就业性别差异。 这篇论文结合了大数据和算法，对中国最低工资政策对就业性别差异的影响进行了实证研究，揭示了政策、经济和社会因素如何相互作用，对性别平等和劳动力市场动态产生了深远影响。这些发现对于政策制定者和研究人员来说具有重要的参考价值，有助于优化最低工资政策，促进更加公平的就业环境。