中國勞動(dòng)力工資水平影響因素的實(shí)證分析

1、調(diào)查數(shù)據(jù)型計(jì)量論文寫作范文： 中國勞動(dòng)力工資水平影響因素的實(shí)證分析 本文所使用的數(shù)據(jù)實(shí)際為計(jì)量經(jīng)濟(jì)學(xué)：現(xiàn)代觀點(diǎn)中的數(shù)據(jù)。1. 引言獲得更高的收入是每個(gè)勞動(dòng)力畢生所追求的目標(biāo)之一，也是每個(gè)人實(shí)現(xiàn)自我價(jià)值的重要手段。中國的勞動(dòng)力市場一方面由于人口眾多，就業(yè)機(jī)會(huì)不足，表現(xiàn)為勞動(dòng)力的總量供給過剩，存在供求總量失衡；另一方面，由于中國經(jīng)濟(jì)的高速發(fā)展和經(jīng)濟(jì)結(jié)構(gòu)的戰(zhàn)略調(diào)整，又存在勞動(dòng)力市場上存在過多的低素質(zhì)和未開發(fā)的勞動(dòng)力不能滿足高技術(shù)和技能的工作崗位的結(jié)構(gòu)性矛盾。所以，就現(xiàn)階段而言，中國勞動(dòng)力市場表現(xiàn)出期望就業(yè)機(jī)會(huì)與實(shí)際就業(yè)機(jī)會(huì)不匹配、期望個(gè)人薪酬與實(shí)際工資不匹配兩個(gè)落差。勿庸置疑，一個(gè)勞動(dòng)力的工資水平不

2、僅與社會(huì)的歷史文化、經(jīng)濟(jì)發(fā)展水平和產(chǎn)業(yè)結(jié)構(gòu)相適應(yīng)，也與勞動(dòng)力的個(gè)體特征密切相關(guān)。它是社會(huì)選擇和勞動(dòng)力的個(gè)體特征兩個(gè)因素交織在一起共同決定的結(jié)果。本文將其置于一個(gè)統(tǒng)一的研究框架討論，具體的，基于社會(huì)調(diào)查數(shù)據(jù)討論性別、婚姻、教育背景和工作經(jīng)歷與工資水平之間的定量關(guān)系，并對回歸方程進(jìn)行恰當(dāng)?shù)慕忉?，以期對理解工資水平的形成機(jī)制有所啟發(fā)和幫助。2. 研究框架2.1研究設(shè)計(jì)本文的研究設(shè)計(jì)如圖1所示：社會(huì)選擇個(gè)體特征性別婚姻教育背景工作經(jīng)歷工資水平自變量因變量圖1：本文的研究設(shè)計(jì)勞動(dòng)力市場總是存在各種歧視。貝克爾認(rèn)為，如果某些人因?yàn)槠姸栽阜艞壚麧櫋⒐べY或所得，那就構(gòu)成了歧視行為，比如，雇主明知雇傭A為企

3、業(yè)所帶來的利潤大于B所帶來的利潤，但雇主對A有偏見，所以會(huì)放棄利潤回報(bào)率高的A，而選擇利潤回報(bào)率低的B。按照微觀經(jīng)濟(jì)學(xué)理論，歧視來自于有差別的定價(jià)，這時(shí)候，雇主有時(shí)候不會(huì)根據(jù)勞動(dòng)力的生產(chǎn)率來定價(jià)，而是根據(jù)個(gè)人的歧視性偏好來定價(jià)，這是對貝克爾理論的擴(kuò)展。如果某人或社會(huì)普遍對某一人群具有歧視性偏好，那么他寧愿用另一群體去代表些群體 百度搜索“勞動(dòng)力市場 歧視”，通過網(wǎng)絡(luò)資料獲得整理。勞動(dòng)力市場最常見和普遍的歧視是性別歧視，即在勞動(dòng)力市場中，人們更愿意雇傭男性勞動(dòng)力，這種歧視古己有之，中外無別。性別歧視主要來自于三個(gè)方面：一是男性與女性的生理差異。雖然中國的女性具有吃苦耐勞、溫柔細(xì)膩的優(yōu)良品質(zhì)，但相

4、較之男性，由于其特殊的生理特點(diǎn)，企業(yè)出于安全方面的考慮，一般不會(huì)安排其較多的體力勞動(dòng)，也不安排其單獨(dú)出差，或者加夜班，用人單位覺得使用女性更加麻煩，造成了女性生理性的就業(yè)障礙。二是社會(huì)傳統(tǒng)文化的影響。盡管建國幾十年來中國女性的社會(huì)地位發(fā)生了巨大的改變，但受幾千年男權(quán)社會(huì)所承襲下來的“男主外、女主內(nèi)”思想慣性的影響，人們普遍認(rèn)為在職場中，女性不如男性，職場中的女性就成為天然的弱者。三是女性的生育成本較高。未婚女性工作不久就會(huì)面臨結(jié)婚、生育和哺育等問題，用人單位為此需要付出直接和間接的成本，按照勞動(dòng)法規(guī)定，女性產(chǎn)假期間，工資照發(fā)，用人單位不僅需要在此期間照發(fā)工資，還要找人頂崗，比較之下，企業(yè)寧愿“

5、擇男舍女”。基于此，面對同樣的工作機(jī)會(huì)，女性只能接受較低的工資水平 基于我國勞動(dòng)力市場歧視中性別歧視的幾點(diǎn)思考等資料，CNKI題目搜索“性別歧視”。勞動(dòng)力市場的另一種歧視是婚姻歧視。雖然在筆者力所能及的范圍內(nèi)，無法在理論上獲得婚姻狀況與工資水平間必然的聯(lián)系，但在現(xiàn)實(shí)中，用人單位的婚姻歧視并不鮮見，比如，近年來在一些國有企業(yè)和外資企業(yè)中出現(xiàn)的“隱婚族”現(xiàn)象就反映了對婚姻狀況的歧視。再比如，2006年之前在國家、地方公務(wù)員招考中，有不少職位對報(bào)考者婚姻狀況進(jìn)行限制 論大學(xué)生就業(yè)平等權(quán)的法律保護(hù)，百度搜索“婚姻歧視 勞動(dòng)力市場”，CNKI下載。不過，婚姻歧視不僅表現(xiàn)為雇主對對己婚者的歧視，也表現(xiàn)為對

6、未婚者的歧視，其主要原因是雇主對己婚者和未婚者各自不同的假定優(yōu)點(diǎn)的側(cè)重。對己婚者進(jìn)行歧視的雇主一般假設(shè)未婚者家庭負(fù)擔(dān)較小，工作時(shí)間充裕，學(xué)習(xí)能力及可塑性強(qiáng)。對未婚者進(jìn)行歧視的雇主則一般假設(shè)己婚者責(zé)任心較重，做事細(xì)心，行事穩(wěn)重，待人親和，易給人以安全感和信任感 警惕新型就業(yè)歧視，CNKI全文搜索“婚姻歧視”。除了社會(huì)選擇中的歧視行為會(huì)影響到勞動(dòng)力的工資水平外，勞動(dòng)力的個(gè)體特征也是影響工資水平的重要變量，個(gè)體特征是勞動(dòng)力后天獲得的可以改變的個(gè)人屬性和特點(diǎn)，比如教育背景和工作經(jīng)歷。雖然學(xué)歷不能代表能力，但毫無疑問，個(gè)人教育背景是最重要的個(gè)體特征。按照篩選假設(shè)理論，雇主總是希望從眾多的求職者中選拔有適

7、當(dāng)能力的人去填補(bǔ)空缺崗位，但問題是，當(dāng)他與求職者在勞動(dòng)力市場上相遇時(shí)，他并不了解這些人的能力如何，為此，雇主必須憑借求職者發(fā)出的信號(hào)（簡歷），了解求職者的能力。人們普遍認(rèn)為，一個(gè)人所能達(dá)到的教育水平與其付出的成本有關(guān)，能力越高，達(dá)到這種教育水平所需要付出的成本也就越低，因此，教育水平越高，則勞動(dòng)力的能力也就越強(qiáng)，更容易獲得高工資 。不過，有調(diào)查數(shù)據(jù)并不完全支持篩選理論，這些調(diào)查表明，總體上，工資水平隨著學(xué)歷的增加而增長，但在高學(xué)歷人群中，碩士在年薪平均值和年薪中位數(shù)上全面超過博士 。關(guān)于工作經(jīng)歷與工資水平關(guān)系的理論闡述一般來自國外人力資本理論的研究文獻(xiàn)。其一是貝克爾提出的總體人力資本投資使得人

8、力資本隨著經(jīng)驗(yàn)的積累而提升的觀點(diǎn)。他認(rèn)為，在競爭的勞動(dòng)力市場前提下，工資等于勞動(dòng)邊際產(chǎn)出價(jià)值。因此工資隨著勞動(dòng)邊際產(chǎn)出價(jià)值的提升而同步提升。其二是滯后補(bǔ)償激勵(lì)理論。拉齊爾和阿諾特提出，工資隨任期工作經(jīng)驗(yàn)積累上漲的主要原因是雇主和雇員之間存在“委托-代理”關(guān)系。由于雇主難以監(jiān)督雇員的工作和跳槽行為，通過將雇員任職初期的工資壓低在勞動(dòng)邊際貢獻(xiàn)價(jià)值之下、任職后期以超出勞動(dòng)邊際貢獻(xiàn)價(jià)值支付的機(jī)制設(shè)計(jì)，激勵(lì)員工努力工作并在長期中留住有經(jīng)驗(yàn)的員工 農(nóng)民工工作經(jīng)驗(yàn)和工資相互關(guān)系的人力資本理論解釋，CNKI篇名搜索“工資”+“工作經(jīng)驗(yàn)”。這一切都意味著擁有更豐富工作經(jīng)歷的人擁有更高的工資水平，不過，實(shí)際調(diào)查并

9、不盡然。因?yàn)楣ぷ鹘?jīng)歷伴隨著年齡的增長而增加，有調(diào)查表明，勞動(dòng)力的工資水平隨著年齡的增加而增加，到了45歲左右，工資達(dá)到極大值，在此之后，工資水平隨著年齡的進(jìn)一步增長而下降 “工資水平”。2.2變量選取本文利用回歸分析來驗(yàn)證本文的研究假設(shè)。其數(shù)據(jù)來自于社會(huì)調(diào)查，該社會(huì)調(diào)查通過社會(huì)調(diào)查問卷的形式完成，首先進(jìn)行了小規(guī)模的抽樣對調(diào)查問卷進(jìn)行驗(yàn)證，修正完社會(huì)調(diào)查問卷后，進(jìn)行了大規(guī)模的社會(huì)調(diào)查。共計(jì)發(fā)放問卷526份，其中有效問卷526份，調(diào)查對象采用了隨機(jī)的形式，主要是街邊行人。我們以對數(shù)小時(shí)工資（lwage）來表示被調(diào)查對象的工資水平，它是本文中的因變量，是被調(diào)查對象每小時(shí)的獲得工資（wage，元/小時(shí)

10、）的自然對數(shù)。代表社會(huì)選擇的性別以female表示，它是虛擬變量，當(dāng)被調(diào)查對象為女性時(shí)取1，否則為0，根據(jù)本文的研究設(shè)計(jì)，我們預(yù)期該變量的與lwage負(fù)相關(guān)。被調(diào)查對象的婚姻狀況也用虛擬變量marr表示，己婚者賦值為1，未婚者賦值為0，根據(jù)本文的研究設(shè)計(jì)，我們無法明確確定它與lwage的關(guān)系，當(dāng)雇主對己婚者進(jìn)行歧視時(shí)，符號(hào)為負(fù)，當(dāng)雇主對未婚者歧視時(shí)，符號(hào)為正，當(dāng)兩種歧視均存在時(shí)，則取決于哪種歧視占據(jù)主導(dǎo)地位。表1 變量的描述性統(tǒng)計(jì)量 描述性分析不得不在正文中出現(xiàn)，但對該表必須有一個(gè)自我的解讀。wageeducexperfemalemarried觀測點(diǎn)526526526526526平均值5.90

11、12.5617.020.480.61中位數(shù)4.6512.0013.500.001.00最大值24.9818.0051.001.001.00最小值0.530.001.000.000.00標(biāo)準(zhǔn)差3.692.7713.570.500.49變異系數(shù)0.630.220.801.040.80偏 度2.01-0.620.710.08-0.44峰 度7.974.882.361.011.20JB統(tǒng)計(jì)量894.62111.4752.8687.6788.52教育背景以educ表示，為了研究問題的方便，我們把勞動(dòng)力的學(xué)歷背景轉(zhuǎn)化為受教育年數(shù)，比如小學(xué)賦值6年，初中賦值9年，依此類推，同時(shí)我們還對該變量做了對數(shù)化處理（

12、leduc）。按照本文的研究假設(shè)，我們預(yù)期教育背景與工資水平正相關(guān)，當(dāng)然，由于社會(huì)調(diào)查完全支持該結(jié)論，教育背景與工資水平亦可能呈倒U型，我們需要在實(shí)證研究中進(jìn)行驗(yàn)證。工作經(jīng)歷以exper表示，它是每個(gè)受調(diào)查對象的工齡，我們同樣進(jìn)行了對數(shù)化處理（lexper），按照本文的研究假設(shè)，我們依然預(yù)期它與工資水平正相關(guān)，不過，也有可能為倒U型。我們所建立的一般性模型如式（1）所示，所有變量的描述性統(tǒng)計(jì)如表1所示 對于因變量而言，如果在論文中使用wage則一直使用wage，如果使用lwage則一直使用lwage，這樣，在描述性統(tǒng)計(jì)中展示的也必需是論文中使用的變量，本文為了展示各種不同的模型建模和結(jié)果解釋，

13、同時(shí)使用了兩種因變量，學(xué)生在自己建模時(shí)不足為取。：wage=f(female-,marr?,educ+,exper+)···············（1）或者：lwage=f(female-,marr?,educ+,exper+)3. 實(shí)證研究3.1社會(huì)選擇與工資水平 性別對工資水平的影響如式（2）所示： Wage=7.099-2.512female+e········

14、;········（2） (0.210) (0.303)N=526 R2=0.116 A·R2=0.114 F=68.537 PF=0.000 Pe-jb=0.000整體上看，female在1%的顯著性水平上顯著，它的符號(hào)也符合我們的預(yù)期，并且能夠解釋整體因變量變異的11.6%，有一定的解釋力。式（2）說明，男性被調(diào)查對象的平均工資水平為7.099，女性被調(diào)查對象的平均工資水平僅為4.587，男女之間的工資水平有較大差異。婚姻對工資水平的影響如式（3）所示：Wage=4.844+1.730marr+e&#

15、183;···············（3） (0.251) (0.321)N=526 R2=0.052 A·R2=0.051 F=28.951 PF=0.000 Pe-jb=0.000在式（3）中，marr在1%的水平上也是顯著的，R2為0.052說明marr可以解釋整體因變量變異的5.2%，對因變量的解釋力度小于female。注意到marr的符號(hào)是正號(hào)，它說明雇主更喜歡雇傭已婚者，相比較而言，未婚者的平均工資為4.884元，而己婚者

16、的平均工資為6.614。為了進(jìn)一步考察性別和婚姻對工資的影響機(jī)制，我們估計(jì)了式（4）和式（5）：Wage=6.180-2.294female+1.339marr+e················（4） (0.296) (0.302) (0.310)N=526 R2=0.146 A·R2=0.143 F=44.778 PF=0.000 Pe-jb=0.000Wage=5.168-0.556female+2.815marr-2.

17、861female*marr+e······（5） (0.361) (0.474) (0.436) (0.608)N=526 R2=0.181 A·R2=0.176 F=38.451 PF=0.000 Pe-jb=0.000式（4）是式（5）的約束方程，后式考慮了female和marr之間的交叉作用。式（4）中female和marr都是顯著的，式（5）除female外，其余變量是顯著的。因此，我們刪掉式（5）中的female，形成式（6）：Wage=4.844+3.139marr-3.417female*marr+e

18、3;·····（6） (0.234) (0.338) (0.381)N=526 R2=0.179 A·R2=0.176 F=56.944 PF=0.000 Pe-jb=0.000式（6）中所有變量都是顯著的。我們可以將（4）式和（6）式進(jìn)行比較，式（6）的A·R2高于式（4），不過，式（6）所表現(xiàn)出的解釋力并沒有式（4）好，未婚男性和未婚女性的工資水平都是4.844。在式（4）中的未婚男性的平均工資為6.180，未婚女性的平均工資為3.866，己婚女性的平均工資為5.225，己婚男性的工資最高為7.519，基于此，在本文的其

19、后部分，我們將以式（4）為基礎(chǔ)進(jìn)行擴(kuò)展 從式（4）到式（6）實(shí)際上展示了“嘗試”過程，其中，式（4）和式（6）都是合理的，因?yàn)槭剑?）的經(jīng)濟(jì)性質(zhì)最好一些，而式（6）的統(tǒng)計(jì)性質(zhì)更好一些，因此，選擇哪個(gè)模型取決于學(xué)生自己的偏好。不過，在文章中實(shí)際上根本沒有必要展示這個(gè)“嘗試”過程，下文中的這種“嘗試”均省略。從全文來看，式（4）-式（6）毫無必要，因?yàn)樵谶@里就是單變量回歸。3.2個(gè)體特征與工資水平我們根據(jù)研究框架構(gòu)造了式（7）和式（8）來描述了教育背景與工資水平的關(guān)系。Wage=-0.905+0.541educ+e·······

20、·········（7） (0.685) (0.053)N=526 R2=0.165 A·R2=0.163 F=103.363 PF=0.000 Pe-jb=0.000Wage=5.408-0.607educ+0.049educ2+e················（8） (1.459) (0.241) (0.010)N=526 R2=0

21、.201 A·R2=0.198 F=65.793 PF=0.000 Pe-jb=0.000式（8）是一個(gè)多項(xiàng)式模型，它估計(jì)的統(tǒng)計(jì)結(jié)果明顯優(yōu)于單變量方程式（7），不僅A·R2更高，而且所有的系數(shù)在5%的顯著性水平都是顯著的，顯然，式（7）中的常數(shù)項(xiàng)是不顯著的。但是式（8）的問題在于，它并不符合理論假設(shè)，因?yàn)樗静皇堑筓型，恰恰相反，它表現(xiàn)為正U型。這意味著教育背景的增加在初期會(huì)降低勞動(dòng)力的工資水平，在后期才會(huì)提高工資水平。我們無法對此做出恰當(dāng)?shù)慕忉?。我們?shù)據(jù)不支持倒U型的重要原因是，數(shù)據(jù)中高學(xué)歷的樣本點(diǎn)太少，因?yàn)閮H有博士的收入低于碩士，其它的，因?qū)W歷增加而工資增加。我們選擇

22、式（7）來描述教育背景和工資水平，該式說明，當(dāng)受教育經(jīng)歷每增加一年時(shí)，工資增加0.541元/小時(shí)，當(dāng)然，我們也注意到，式（7）中的常數(shù)項(xiàng)是無意義的。式（9）和式（10）也是我們根據(jù)研究框架構(gòu)造的，描述工作經(jīng)歷和工資水平關(guān)系的方程式。Wage=5.373+0.031exper+e··················（9） (0.257) (0.012)N=526 R2=0.013 A·R2=0.010 F=6

23、.766 PF=0.000 Pe-jb=0.000Wage=3.725+0.298exper-0.006exper2+e················（10） (0.346) (0.041) (0.001)N=526 R2=0.093 A·R2=0.089 F=26.740 PF=0.000 Pe-jb=0.000式（9）和式（10）在統(tǒng)計(jì)上都是顯著的，符號(hào)也符合我們的預(yù)期，尤其是是式（10），它說明工作經(jīng)歷和工資水平之間表

24、現(xiàn)倒U型，勞動(dòng)力在工作24-25年時(shí)（-b/2a）出現(xiàn)轉(zhuǎn)折，在此之前，工作經(jīng)歷與工資水平之間是正相關(guān)，在此之后，工作經(jīng)歷與工資水平之間負(fù)相關(guān)。注意到式（10）的A·R2遠(yuǎn)高于式（9），我們認(rèn)為式（10）比式（9）更能體現(xiàn)為工作經(jīng)歷與工資水平之間的關(guān)系。3.3整體回歸我們共有四個(gè)自變量，根據(jù)單變量回歸結(jié)果，式（2）、（3）、（7）和（10）是描述單個(gè)自變量與因變量的最優(yōu)方程。而且，教育背景對工資差異的解釋力度最大（16.5%），性別次之，再次之是婚姻和工作經(jīng)歷。我們以教育背景為基礎(chǔ)通過逐步回歸法 我們采用的是逐步回歸法，即是以一個(gè)單變量方程為基礎(chǔ)逐漸加了其它變量，在各種可能的組合均嘗試

25、后，形成最終的方程。另一種比較實(shí)用的逐步回歸是先對所有自變量進(jìn)行回歸，再逐漸刪除不顯著變量，同學(xué)們可以嘗試?？疾熳兞块g的多元回歸方程。最終的估計(jì)結(jié)果如表2所示：表2：工資水平的整體回歸（因變量：lwage）模型模型模型模型模型模型模型常數(shù)-0.216-0.040-0.315-0.960*-0.927*-0.919*-0.960*(0.202)(0.237)(0.197)(0.205)(0.207)(0.208)0.246leduc0.808*0.737*0.788*0.904*0.891*0.930*0.904*(0.080)(0.094)(0.078)(0.078)(0.079)(0.077

26、)0.096female-0.387*-1.014*-0.352*-0.368*-0.361*-0.357*-0.368*(0.040)(0.445)(0.039)(0.037)(0.037)(0.037)0.037leduc*female0.250(0.177)marr0.217*0.0580.075*(0.040)(0.044)(0.043)lexper0.323*0.295*0.141*0.323*(0.068)(0.071)(0.020)0.063lexper2-0.041*-0.037*-0.041*(0.016)(0.016)0.015N524524524524524524524R

27、20.2810.2830.3190.3820.3840.3780.382A·R20.2780.2790.3150.3770.3780.3730.377F101.66068.57281.25580.20564.60578.86380.205PF0.0000.0000.0000.0000.0000.0000.000Pe-jb0.0060.0120.0010.0010.0010.0030.001注：（1）括號(hào)里的數(shù)值為標(biāo)準(zhǔn)差；（2）*、*、*分別表示在1%、5%、10%水平上顯著。表2一共給出7個(gè)模型。模型是由leduc和female共同建立起來的雙變量模型， 注意到這兩個(gè)變量在1%的顯著

28、性水平上顯著的，而且相比單變量模型，雙變量模型A·R2有了顯著的提高。于是，我們嘗試的構(gòu)造了leduc和female的交叉效應(yīng)模型，形成了模型，不過，這個(gè)交叉項(xiàng)并不顯著，而且模型和模型的A·R2并無太大差異，所以，我們再以模型為基礎(chǔ)，增加其它變量。我們首先在模型中添加了marr變量，形成模型，然后在模型中增加lexper和lexper2形成模型，最后同時(shí)將marr和lexper以及l(fā)exper2添加在模型中形成了模型。注意到模型和模型中的所有變量都是顯著的，但在模型中的marr是不顯著的，因?yàn)閙arr在單變量式（3）中是顯著的 任何變量，在單變量方程中顯著，則在多變量方程中

29、一般也顯著，反之則反是。如果在單變量方程中顯著，在多變量方程中不顯著，則更需要討論。，所以我們懷疑marr在模型中不顯著是lexper引起的，于量，我們嘗試著刪除了變量lexper2形成了模型（根據(jù)式（9），lexper的單變量也是有意義的），顯然，模型中marr在10%的水平上是顯著的?，F(xiàn)在，我們有模型、模型和模型 如果同學(xué)覺得模型最好，也可以說的過去，闡述的角度在于，該模型體現(xiàn)了四個(gè)變量影響。模型顯著是最優(yōu)的，雖然該模型中并不包含marr，但它的A·R2為最高的0.377，所有自變量能夠解釋因變量變異的37.7%，模型的A·R2不僅比模型略小，而且marr是弱顯著的。綜觀我們建立的所有模型，模型基本是穩(wěn)定的。因?yàn)楹颓懊娴乃心Ｐ拖啾龋Ｐ椭凶兞康南禂?shù)是相當(dāng)穩(wěn)定的，而且符合預(yù)期，尤其是leduc和female這兩個(gè)變量 在3.1和3.2節(jié)我們用的因變量和自變量都沒有取對數(shù)，學(xué)生請自行嘗試估計(jì)lwage分別對leduc和female的單變量模型，并比較它們和模型的系數(shù)?，F(xiàn)在，我們對模型進(jìn)行檢驗(yàn)，在檢驗(yàn)的過程中，我們也要回答為什么marr不應(yīng)被添加到最終決定的方程中。我們僅進(jìn)行多重共線性檢驗(yàn)和異方差檢驗(yàn)，不考慮序列相關(guān)檢驗(yàn)，因?yàn)楸緮?shù)據(jù)組