SPSS数据分析报告

1、SPSS期末报告 关于员工受教育程度对其工资水平的影响 统计分析报告 课程名称：SPSS统计分析方法 姓 名：汤重阳 学 号：1402030108 所在专业：人力资源管理 所在班级：三班 目录 一、数据样本描述 1 二、要解决的问题描述 1 1 数据管理与软件入门部分 1 1.1 分类汇总 1 1.2 个案排秩 1 1.3 连续变量变分组变量 1 2 统计描述与统计图表部分 1 2.1 频数分析 1 2.2 描述统计分析 1 3 假设检验方法部分 1 3.1 分布类型检验 2 3.1.1 正态分布 2 3.1.2 二项分布 2 3.1.3 游程检验 2 3.2 单因素方差分析 2 3.3 卡方

2、检验 2 3.4 相关与线性回归的分析方法 2 3.4.1 相关分析（双变量相关分析 &偏相关分析） 2 3.4.2 线性回归模型 2 4 高级阶段方法部分 2 三、具体步骤描述 3 1 数据管理与软件入门部分 3 1.1 分类汇总 3 1.2 个案排秩 4 1.3 连续变量变分组变量 4 2 统计描述与统计图表部分 5 2.1 频数分析 5 2.2 描述统计分析 7 3 假设检验方法部分 8 3.1 分布类型检验 8 3.1.1 正态分布 8 3.1.2 二项分布 10 3.1.3 游程检验 10 3.2 单因素方差分析 12 3.3 卡方检验 13 3.4 相关与线性回归的分析方法 14

3、3.4.1 相关分析 14 3.4.2 线性回归模型 15 4 高级阶段方法部分 17 4.1 信度 18 4.2 效度 18 、数据样本描述 分析数据来自于“微盘一一SPS敎据包data02-01 （） 本次分析的数据为某公司474名职工状况统计表，其中共包含11个变量，分别是：id （职 工编号），gender（性别），bdate（出生日期），edcu（受教育水平程度），jobcat （职务等级），salbegin （起始工资），salary （现工资），jobtime（本单位工作经历 月），prevexp（以前工作经历 月）， minority（民族类型），age（年龄）。通过运用SPS

4、S统计软件，对变量进行统计分析，以了解该公 司职工总体状况，并分析职工受教育程度、起始工资、现工资的分布特点及相互间的关系。 、要解决的问题描述 1 数据管理与软件入门部分 1.1 分类汇总 以受教育水平程度为分组依据，对职工的起始工资和现工资进行数据汇总 1.2 个案排秩 对受教育水平程度不同的职工起始工资和现工资进行个案排秩。 1.3 连续变量变分组变量 将被调查者的年龄分为 10组，要求等间距。 2 统计描述与统计图表部分 2.1 频数分析 利用了某公司 474名职工基本状况的统计数据表， 在性别、受教育水平程度不同的状况下 进行频数分析，从而了解该公司职工的男女职工数量、受教育状况的基

5、本分布 2.2 描述统计分析 以职工受教育水平程度为依据， 对职工起始工资进行描述统计分析， 得到它们的均值、 标 准差、偏度峰度等数据，以进一步把握数据的集中趋势和离散趋势。 3 假设检验方法部分 3.1 分布类型检验 3.1.1 正态分布 分析职工的现工资是否服从正态分布。 3.1.2 二项分布 抽样数据中职工的性别分布是否平衡。 3.1.3 游程检验 该样本中的抽样数据是否随机。 3.2 单因素方差分析 把受教育水平和起始工资作为控制变量， 现工资为观测变量， 通过单因素方差分析方法研 究受教育水平和起始工资对现工资的影响进行分析。 3.3 卡方检验 职工的起始工资水平和现工资水平与其受

6、教育程度之间是否存在关联性。 3.4 相关与线性回归的分析方法 3.4.1 相关分析（双变量相关分析 & 偏相关分析） 对受教育程度和现工资两个变量进行相关性分析。 3.4.2 线性回归模型 建立用受教育程度预测现工资水平的回归方程 4 高级阶段方法部分 对该样本数据进行信效度检测 三、具体步骤描述 1数据管理与软件入门部分 1.1分类汇总 以受教育水平为分组依据，对职工的起始工资和现工资进行数据汇总 educ saiafymean salbegin_mean N BREAK 8 24399.06 13064.15 53 12 25887 1G 1324L87 190 14 31626.00

7、15625.00 6 15 31685 00 15610 60 116 16 48225 93 22338.47 69 17 59527.27 2690455 11 18 6512778 32240.00 9 19 I72520 37 34764 07 27 20 64312 50 36240 00 2 21 65000:00 37500.00 1 图1.1分类汇总数据 由图1.1所示，受教育等级以年为单位划分可分为 8年、12年、14年等图中所示10个等 级。以等级为8年为例，现工资均值为24399.06美元，起始工资均值为13064.15美元，统计 量为53人。经比较可知，教育年限为12年

8、和15年的职工在公司中占大多数，教育年限为 20 年和21年的职工在公司中的初始工资平均水平较高，但教育年限为19年的职工现工资平均水 平较高。 1.2个案排秩 对受教育水平程度不同的职工起始工资和现工资进行个案排秩。 表1.2-1现工资水平个案排秩统计量 統計資料 Rank of salary by educ N 有效 遺漏 474 0 平均數 60.43460 中位數 46.50000 標準偏差 50.975992 範圍 189.000 最小值 1.000 最大值 190.000 表1.2-2初始工资水平个案排秩统计量 統計資料 Rank of salbegi n by educ 有效 4

9、74 N 遺漏 0 平均數 60.43460 中位數 47.50000 標準偏差 50.865407 範圍 189.000 最小值 1.000 最大值 190.000 1.3连续变量变分组变量 将被调查者的年龄分为5组 表1.3被调查者年龄分布(已分组) agec 次數 百分比 有效的百分比 累積百分比 73 6 1.3 1.3 3343 267 56.3 56.3 有效 4353 71 15.0 15.0 5363 67 14.1 14.1 6373 62 13.1 13.1 總計 474 100.0 100.0 根据表1.3所示，该公司474名职员年龄几乎全部在33岁以上、73岁以下，年龄

10、层分布 集中在已有工作经验的人当中，其中 3343岁的员工为该公司的主体。 2统计描述与统计图表部分 2.1频数分析 利用了某公司474名职工基本状况的统计数据表，在性别、受教育水平程度不同的状况下 进行频数分析，从而了解该公司职工的男女职工数量、受教育状况的基本分布。 表 2.1-1 职工性别频数统计表 Gen der 次數 百分比 有效的百分比 累積百分比 Female 216 45.6 45.6 45.6 100.0 有效 Male 258 54.4 54.4 總計 474 100.0 100.0 由表2.1-1可知，在该公司的474名职工中，有216名女性，258名男性，男女比例分别

11、为45.6%和54.4%,该公司职工男女数量差距不大，男性略多于女性。 下面对该公司员工受教育程度进行频数分析： 表_ 2.1-2_职工受教育程度频数统计表 Educatio nal Level (years) 次數 百分比 有效的百分比 累積百分比 8 53 11.2 11.2 11.2 12 190 40.1 40.1 51.3 14 6 1.3 1.3 52.5 15 116 24.5 24.5 77.0 16 59 12.4 12.4 89.5 有效 17 11 2.3 2.3 91.8 18 9 1.9 1.9 93.7 19 27 5.7 5.7 99.4 20 2 .4 .4 9

12、9.8 21 1 .2 .2 100.0 總計 474 100.0 100.0 貞方圏 13.49/： 0，曲线右偏； 峰度为-1.2193，曲线较为平缓（该结论也可从图2.2-2的直方图及其曲线中看出）。 3假设检验方法部分 3.1分布类型检验 3.1.1正态分布 分析职工的现工资是否服从正态分布 H0职工的现工资服从正态分布 H1:职工的现工资不服从正态分布 a =0.05 表3.1.1职工现工资正态分布检验结果 單一樣本 Kolmogorov-Smirnov 檢定 Current Salary N474 由台匕殃齢a,b平均數$34,419.57 吊態參數標準偏差$17,075.661

13、絕對.208 取極端差異正.208 負-.143 測試統計資料.208 漸近顯著性（雙尾）.000c a. 檢定分配是常態的。 b. 從資料計算。 c. Lilliefors顯著更正。 Kolmogorov-Smirnov 图3.1.1 K-S检验详细模型输出结果 如表3.1.1所示： P=0.000 Pa 接受H0,认为抽样数据中职工性别比例无差异 3.1.3游程检验 该样本中的抽样数据是否随机（检测数据均以均值为分割点） （1）性别： H0抽样数据中性别序列为随机序列 H1 :抽样数据中性别序列不为随机序列 a =0.05 表3.1.3-1性别序列游程检验 連檢定 測試值a gender

14、.46 觀察值 =檢定值 216 總箱數 474 連個數 110 Z -11.692 漸近顯著性（雙尾） .000 a.平均數 單一樣本分布檢定 图3.1.3-1性别序列游程检验详细模型输出 P=0.000 Pa 接受H1,认为样本数据中性别序列不是随机序列 (2)年龄： H0抽样数据中年龄序列是随机序列 H1:抽样数据中年龄序列不是随机序列 a =0.05 表3.1.3-2年龄序列游程检验结果 連檢定 Years 測試值a 47.14 觀察值 =檢定值 175 總箱數 473 連個數 196 Z -2.519 漸近顯著性(雙尾) .012 a.平均數 單一樣本分布檢定 0 100 分命太少

15、AMI, I I I =196 200 300 400500 分布龙多 图3.1.3-2年龄序列游程检验详细模型输出结果 P=0.012 Pa 接收H1,认为年龄序列不是随机序列。 3.2单因素方差分析 把受教育水平和起始工资作为控制变量，现工资为观测变量，通过单因素方差分析方法研 究受教育水平和起始工资对现工资的影响进行分析。 （1）起始工资对现工资的影响分析 H0认为起始工资对现工资没有显著影响 H1:认为起始工资对现工资有显著影响 a =0.05 表3.2-1 起始工资对现工资的影响分析结果 變異數分析 Curre nt Salary 平方和 121986603521.73 df 平均值

16、平方 F 顯著性 群組之間 6 89 1370635994.626 33.040 .000 在群組內 .6 93.528 總計 6.340 473 P=0.000 Pa 接受H1,认为起始工资对现工资有显著影响。 (2)受教育水平对现工资的影响分析 对受教育水平与现工资之间进行方差齐性检测，其结果如下: 表3.2-2方差齐性检验结果 變異數同質性測試 Current Salary Leve ne統計資料 df1 df2 顯著性 16.169 8 464 .000 P=0.0000.05，认为该样本方差不齐的要求，因此下面进行的方差分析结论的稳定性较差。 单因素方差检验： H0认为受教育水平对现

17、工资没有显著影响 H1:认为受教育水平对现工资有显著影响 a =0.05 表3.2-3 受教育水平对现工资的影响分析结果 變異數分析 Curre nt Salary 平方和 df 平均值平方 F 顯著性 群組之間 88653535061.984 9 9850392784.665 92.779 .000 在群組內 49262960374.356 464 106170173.221 總計 6.340 473 P=0.000 Pa 接受H1,认为职工受教育水平对现工资有显著影响 3.3卡方检验 职工的起始工资水平和现工资水平与其受教育程度之间是否存在关联性。 (1) H0起始工资水平与受教育程度之间

18、不存在关联性 H1 :起始工资水平与受教育程度之间存在关联性 a =0.05 表3.3-1起始工资与受教育程度的分析结果 卡方測試 數值 df 漸近顯著性 （2端） 皮爾森（Pearso n） 卡方 1969.189a 801 .000 概似比 765.651 801 .811 線性對線性關聯 189.643 1 .000 有效觀察值個數 474 a. 878資料格（97.6%）預期計數小於5。預期的計數下限為.00 P=0.000 Pa 接受H1,认为起始工资与受教育程度之间存在关联性。 （2） H0现工资与起始工资之间不存在关联性 H1:现工资与起始工资之间存在关联性 a =0.05 表3

19、.3-2 现工资与起始工资的分析结果 卡方測試 數值df漸近顯著性（2端） 皮爾森（Pearso n）卡方26391.304a19580.000 概似比2672.323195801.000 線性對線性關聯366.3891.000 有效觀察值個數474 a. 19890 資料格（100.0%）預期計數小於5。預期的計數下限為.00 。 P=0.000 Pa 接受H1,认为现工资与起始工资之间存在关联性。 3.4相关与线性回归的分析方法 3.4.1相关分析 （1）双变量相关分析 对受教育程度与现工资之间进行相关性分析。 表3.4.1-1受教育程度与现工资间相关性检测 相關 Educatio nal

20、 ,“、Current Salary Level (years) 皮爾森(Pearso n) 相關 1 * .661 Educati onal Level (years) 顯著性（雙尾） .000 N 474 474 皮爾森(Pearso n) 相關 * .661 1 Current Salary 顯著性（雙尾） .000 N 474 474 *.相關性在0.01層上顯著（雙尾） 由表341-1可知，受教育程度与现工资之间存在相关性，相关系数为0.661，对相关系 数的检验双侧P=0.000,所以可以认为两变量间的正相关是有统计学意义的，受教育程度影响 职工的现工资水平，即受教育程度越高，现工

21、资水平越高。 （2）偏相关分析 由于上述检测数据无法说明相关系数中有多少是反映“受教育程度-初始工资水平-现工资 水平”这样一种简介的链条影响，也就是说，在控制了初始工资水平之后，受教育程度与现工 资水平之间的相关性不确定，因此，下面采用偏相关分析对这三个因素进行分析。 表 3.4.1-2 受教育程度与现工资水平偏相关分析 相關 控制變數 Curre nt Educati onal Salary Level (years) Current Salary 相關 顯著性（雙尾） 1.000 .281 .000 Begi nning df 0 471 Salary Educati onal Leve

22、l 相關 .281 1.000 (years) 顯著性（雙尾） .000 df 471 0 如图3.4.1-2所示，在控制初始工资后计算出受教育水平与现工资的偏相关系数为0.281， 对相关系数检验双侧P=0.000,虽然相关系数有所减小，但仍然具有统计学意义。在控制初始 工资后仍可以认为受教育程度影响职工现工资水平，且受教育程度越高，现工资水平越高。 3.4.2线性回归模型 建立用受教育程度预测现工资的回归方程。 5150.000- ji oa .oac 550.000- $! 12 1415161710 1S Educational Le-vel (years) 20 21 图342受教育

23、程度与现工资水平散点图 由图3.4.2可以看出，受教育程度与现工资水平之间存在线性相关关系, 程来解释两变量之间的关系。 且可以用回归方 表3.4.2-1回归方程模型汇总 模型摘要 模型RR平方調整後R平方 1.661a.436.435 a. 預測值：(常數)，Educational Level (years) 標準偏斜度錯誤 $12,833.540 由表3.4.2-1可知，决定系数R=0.436，说明在对现工资水平的影响因素中，受教育程度 起到一定的作用，但是并非决定性作用 9 表342-2回归模型方差分析结果 變異數分析 a 模型 平方和 df 平均值平方 F 顯著性 迴歸 6017821

24、7760. 7760.000 365.381 .000b 1殘差 77738277676.33 9 472 164699740.840 總計 6.340 473 a. 應變數：Current Salary b. 預測值：(常數)，Educational Level (years) 由表3.4.2-2可知，对该回归方程模型的方差分析中，F值为365.381 , P值小于0.05 , 所以该模型具有统计意义，也就是说，自变量受教育程度的回归系数具有统计意义。 表 3.4.2-3 回归方程常数项及回归系数检验结果 係數a 模型 非標準化係數標準化係數-萌盘并 B標準錯誤BetaT顯者性 (常數) 1

25、Educatio nal Level (years) -18331.1782821.912-6.496.000 3909.907204.547.66119.115.000 a.應變數 : Current Salary 由表3.4.2-3 可知，回归方程中a=-18331.178，b=3909.907,因此可以写出如下回归方 程： 现工资水平=-18331.178+3909.907*受教育程度（年） 由该方程可得出如下信息： （1）当受教育年限是0年时，在该公司内的现工资水平为$-18331.2。 （2） 受教育年限每增加一个单位，在该公司内的现工资水平将增加$3909.9。 4高级阶段方法部分 对该样本数据进行信效度检测。 4.1信度 表4.1-1样本数据信度检测 可靠性統計資料 Cron bach 的 Alpha 項目個數 .601 3 表4.1-2除去某项后信度检测结果 項目總計統計資料 尺度平均數（如 尺度變異數（如 更正後項目總 數相關 Cron bach 的 Alpha （如果項