
用大数据思维缓解“被平均焦虑”
上月底国家统计局发布2014年全国平均工资主要数据,随后各地2014年平均工资数据陆续出炉,目前已有20多个省份公布了2014年平均工资。数据显示,20省份中北京市的平均工资最高,河南省垫底;北京、浙江、广东、青海4省份城镇非私营单位平均工资超过全国水平,北京、广东、重庆、浙江4省份城镇私营单位平均工资超过了全国水平。
几乎每一次全国或某个地方平均工资数据发布,都会让不少人感觉自己的收入低于平均工资,并引发“你拖后腿了吗”之类的吐槽,这次也不例外。某门户网站发起的一项网络调查显示,去年收入2万—4万元的网友占37.2%,4万—6万元的占25.5%,6万—10万元的占19.6%,10万元以上的网友占17.7%。这一调查结果未必反映了广泛的全貌,但符合“收入越高人数越少,收入越低人数越多”的基本判断,一些中等偏下收入者和低收入者,很容易感知自己的收入在平均线之下,也很容易发出“我又拖后腿了”的感慨。
吐槽的次数多了,吐槽的声音听起来也就不那么刺耳,人们对吐槽似乎也多了一些“理解”。如国家统计局一名官员认为,工资数据呈典型的偏态分布,少数人工资水平较高,多数人工资水平较低,多数人的工资水平会低于平均工资,同时所属单位的行业、地区、性质及个人所在岗位不同,每个人对工资水平及增长速度的感受也会有所不同,面对平均工资数据,多数收入较低的人难免产生“被平均”之感。可以这样说,平均工资数据引发“拖后腿”吐槽是正常的,如果连这样的吐槽都没有了,说明人们对自己的工资水平和社会总体的收入状况都“麻木”了,那反倒是很不正常的。
然而,对于平均工资数据引发的公众吐槽,统计部门和有关职能部门在“理解”的基础上,应当运用大数据的技术和手段,对平均工资数据及其背后的社会经济状况作出全面、科学的解读。一方面,每次公布平均工资数据时,统计部门应当对数据进行概括总结、提炼提升,帮助公众把握平均工资反映的主要问题和基本态势。如上月底发布2014年全国平均工资主要数据时,国家统计局官员总结了去年城镇单位就业人员工资水平的四个特点,包括“就业人员工资水平稳定增长,增速继续回落”、“私营单位平均工资增速快于非私营单位,两者绝对差距继续扩大,相对差距略有缩小”、“行业间平均工资差距仍然突出”等。读到这样的总结,人们可以更清楚地看到自己在社会收入格局中的位置。
另一方面,统计部门和有关职能部门应当运用大数据思维,对有关平均工资、居民收入的诸多问题进行延伸性、深层次解读。面对平均工资数据,不少人在吐槽“我又拖后腿了”的时候,其实并不讳言自己的收入在逐渐增长,只是痛感自己收入的增长赶不上平均工资的增长,更赶不上一些高收入者收入的增长。我们每个人都希望了解自己的收入有没有增长,以及增长的质量和前景如何,这些都需要由权威统计数据和统计分析来解疑释惑。
2012年11月,十八大报告提出“收入倍增计划”,即2020年实现国内生产总值和城乡居民人均收入比2010年翻一番。而实现收入倍增的主要途径,一是转变经济增长方式,二是实现高质量的就业,三是抓好收入分配。在此“大数据”背景下,国家统计局和地方统计部门每次发布平均工资数据时,至少应当回答以下问题:收入倍增计划目前实现到什么水平?转变经济增长方式、就业和收入分配三项工作,分别对收入增长起到了什么样的作用?下一阶段增加居民收入,需要重点解决哪些困难和矛盾?等等。
在无伤大雅的吐槽之外,当人们对平均工资数据有更多理性把握和深入思考,整个社会对提高居民收入和加快收入分配改革,就有了更多的共识和更大的动力。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10