Spss实习课程设计.doc

Spss实习课程设计院系：经济管理系专业：人力资源管理组长： 李东、张浩 日期：xx年x月xx日选做题一、数据1,、数据文件 2、降序排列3、求秩、赋值、节处理GET FILE=G:spss实习未标题1.sav.DATASET ACTIVATE 数据集0.DATASET CLOSE 数据集1.SORT CASES BY 年收入(D).RANK VARIABLES=年收入 (A) /RANK /PRINT=YES /TIES=MEANRANK VARIABLES=年收入 (A) /RANK /PRINT=YES /TIES=HIGH. 已创建的变量b源变量函数新变量标签年收入a秩R年收入Rank of 年收入a. 秩按升序排列。b. 相同的值的最高秩用于结。4、分组 5、条形图解释 年收入分布情况6、案例处理摘要案例已包含已排除总计N百分比N百分比N百分比员工奖金 * 性别30100.0%0.0%30100.0%报告员工奖金性别均值N标准差极小值极大值合计男7040.7713810.9615400810091530女7067.6517713.01854008100120150总计7056.0030743.51354008100211680二、1.交叉表分析不同工作性质的员工的年收入分布情况案例处理摘要案例有效的缺失合计N百分比N百分比N百分比年收入 * 工作性质30100.0%0.0%30100.0%年收入* 工作性质 交叉制表计数工作性质合计管理人员经理一般员工年收入1695000111920000112115000112175010012355000112400000112625010012730000112910000112925000113105001013120010013135020023255000113510010013600010013615000113885000114080000114200010014230000114600010016037501018125001019200001011037500101110625010112325001011350000101合计9813302H0：不同工作性质的员工与年收入彼此独立H1：不同工作性质的员工与年收入不独立计数年收入合计16950192002115021750235502400026250273002910029250310503120031350325503510036000361503885040800420004230046000603758125092000103750110625123250135000工作性质一般员工1001100100001001011110101001114管理人员001001101001010000000101001009经理010000000110101010000000010007合计1111111111112111111111111111130卡方检验值df渐进 Sig. (双侧)Pearson 卡方56.786a56.446似然比60.61356.313线性和线性组合.6231.430有效案例中的 N30a. 87 单元格(100.0%) 的期望计数少于 5。最小期望计数为 .23。结论:因为p=0.4460.05(不显著)，所以不拒绝H0.即不同工作性质的员工不会影响员工的年收入。三H0：u男u女=0H1：u男u女0 （双尾检定）组统计量性别N均值标准差均值的标准误年收入男1352111.5435498.3599845.473女1743647.0631426.4697622.038独立样本检验方差方程的 Levene 检验均值方程的 t 检验FSig.tdfSig.(双侧)均值差值标准误差值差分的 95% 置信区间下限上限年收入假设方差相等.468.499.69128.4958464.48012244.196-16616.61933545.579假设方差不相等.68024.180.5038464.48012451.057-17223.10534152.064结论：因为F的统计量是0.468，对应的置信水平是0,499，说明两样本方差之间不存在显著差别，素以采用两样本等方差T检验，P=0.4950.05（不显著）所以承认H0，即男女性别员工对年收入没有显著差异。四H0：一般员工与管理人员的年收入彼此独立H1：一般员工与管理人员的年收入不独立组统计量工作性质N均值标准差均值的标准误年收入一般员工1452248.2137593.75310047.353管理人员944680.5630782.34510260.782独立样本检验方差方程的 Levene 检验均值方程的 t 检验FSig.tdfSig.(双侧)均值差值标准误差值差分的 95% 置信区间下限上限年收入假设方差相等.396.536.50421.6207567.65915019.809-23667.74438803.062假设方差不相等.52719.605.6047567.65914360.813-22427.24537562.563结论： 因为F的统计量是0.396，对应的置信水平是0,536，说明两样本方差之间不存在显著差别，素以采用两样本等方差T检验，P=0.6200.05（不显著）所以承认H0，即一般员工与管理人员的年收入没有显著差异。五描述性统计量均值标准差N平均住房支出963.4667463.5548815家庭月平均收入4335.26671166.0122815相关性平均住房支出家庭月平均收入平均住房支出Pearson 相关性1.930*显著性（双侧）.000N1515家庭月平均收入Pearson 相关性.930*1显著性（双侧）.000N1515*. 在 .01 水平（双侧）上显著相关。相关系数平均住房支出家庭月平均收入Spearman 的 rho平均住房支出相关系数1.000.967*Sig.（双侧）.000N1515家庭月平均收入相关系数.967*1.000Sig.（双侧）.000.N1515*. 在置信度（双测）为 0.01 时，相关性是显著的。1.由相关性图看出，相关系数为0.930,相关系数的Sig.为0.000，所以家庭月平均住房支出与平均月收入的相关性事显著的。由相关系数图看出，相关系数为0.967,相关系数的Sig.为0.000，所以家庭月平均住房支出与月平均收入的相关性是高度显著的。由相关性图和相关系数图分析结果可知，无论是用Pearson相关系数还是Spearson相关系数，都能得出家庭月平均住房支出与月平均收入是正相关的结论。模型汇总b模型RR 方调整 R 方标准 估计的误差1.930a.865.855176.63444a. 预测变量: (常量), 家庭月平均收入。b. 因变量: 平均住房支出Anovab模型平方和df均方FSig.1回归2602767.29312602767.29383.423.000a残差405596.4411331199.726总计3008363.73314a. 预测变量: (常量), 家庭月平均收入。b. 因变量: 平均住房支出系数a模型非标准化系数标准系数tSig.B标准 误差试用版1(常量)-639.654181.347-3.527.004家庭月平均收入.370.040.9309.134.000a. 因变量: 平均住房支出残差统计量a极小值极大值均值标准 偏差N预测值284.81061763.9548963.4667431.1750815残差-285.31857220.93816.00000170.2092115标准 预测值-1.5741.857.0001.00015标准 残差-1.6151.251.000.96415a. 因变量: 平均住房支出2.由模型汇总图看出，复相关系数R=0.930，接近1，反映的是因变量和自变量的密切程度很大。根据观察表中的数据可知，拟合情况很好。由系数图可以得出拟合结果为：月平均住房支出=家庭月平均收入*0.370 639.6543.由残差统计量图是与残差有关的统计量，包括预测值及标准化的预测值，残差及残差的预测值的最小值，最大值，均值，标准差和样本数。这些数据中无离群值，且数据的标准差也比较小，可以认为回归模型是健康的。由直方图和回归标准化残差的标准P-P图可以发现，由于残差具有正态分布的趋势，因此可以认为这里的回归模型是恰当的。4.由系数图可以得出：月平均住房支出=家庭月平均收入