SPSS数据分析报告

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：所在专业：人力资源管理所在班级：三班目录一、数据样本描述分析数据来自于“微盘——SPSS数据包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SPSS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。二、要解决的问题描述1数据管理与软件入门部分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。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。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。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假设检验方法部分分布类型检验正态分布分析职工的现工资是否服从正态分布。二项分布抽样数据中职工的性别分布是否平衡。游程检验该样本中的抽样数据是否随机。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。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。相关与线性回归的分析方法相关分析（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。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。图1分类汇总数据由图所示，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，现工资均值为美元，起始工资均值为美元，统计量为53人。经比较可知，教育年限为12年和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。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现工资水平个案排秩统计量统计资料RankofsalarybyeducN有效遗漏4740平均数中位数标准偏差范围最小值最大值表1.2-2初始工资水平个案排秩统计量统计资料RankofsalbeginbyeducN有效遗漏4740平均数中位数标准偏差范围最小值最大值连续变量变分组变量将被调查者的年龄分为5组。表1被调查者年龄分布（已分组）agec次数百分比有效的百分比累积百分比有效337333~4343~5353~6363~73总计16267716762474.2.2.2根据表所示，该公司474名职员年龄几乎全部在33岁以上、73岁以下，年龄层分布集中在已有工作经验的人当中，其中33~43岁的员工为该公司的主体。2统计描述与统计图表部分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职工性别频数统计表Gender次数百分比有效的百分比累积百分比有效FemaleMale总计216258474由表可知，在该公司的474名职工中，有216名女性，258名男性，男女比例分别为%和%，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：表职工受教育程度频数统计表EducationalLevel(years)次数百分比有效的百分比累积百分比有效8121415161718195319061165911927202.4.4211.2.2总计474图2职工受教育程度频数分布直方图表及其直方图说明，被调查的474名职工中，受过12年教育的职工是该组频数最高的，为190人，占总人数的%，其次为15年，共有116人，占总人数的%。且接受过高于20年的教育的人数只有1人，比例很低。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。（由于输出结果较长，为了便于解释，仅截取职工受教育水平年限为8年的分析结果）图职工起始工资描述统计表（部分）图职工起始工资描述统计直方图（部分）图给出的就是以受教育年限为8年时职工起始工资的描述统计，由此得出结论如下：（1）集中趋势指标：由图可知，职工起始工资均值为$，5%截尾均数为$，中位数为$，三者差异较大，说明数据分布的对称性较差。（2）离散趋势指标：起始工资方差为，其平方根即标准差为，样本中极小值为$9750，极大值为美元18750，两者之差为全距（范围）$9000，中间一半样本的全距为四分位间距$4875。（3）参数估计：职工起始工资的标准误差为$，相应的总体均数95%可信区间为$$。（4）分布特征指标：根据描述统计数据可知，该样本数据中偏度为0，曲线右偏；峰度为3，曲线较为平缓（该结论也可从图的直方图及其曲线中看出）。3假设检验方法部分分布类型检验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α=表3职工现工资正态分布检验结果单一样本Kolmogorov-Smirnov检定CurrentSalaryN474常态参数a,b平均数$34,标准偏差$17,最极端差异绝对.208正.208负测试统计资料.208渐近显着性（双尾）.000ca.检定分配是常态的。b.从资料计算。c.Lilliefors显着更正。图3K-S检验详细模型输出结果P=Pα接受H1，认为职工的现工资统计量不服从正态分布。二项分布抽样数据中职工的性别分布是否平衡。H0：抽样数据中职工性别比例无差异H1：抽样数据中职工性别比例有差异α=表职工性别二项分布检验结果二项式检定类别N观察比例。检定比例。精确显着性（双尾）gender群组1群组2malefemale258216.54.46.50.060总计474P=Pα接受H0，认为抽样数据中职工性别比例无差异。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α=表性别序列游程检验连检定gender测试值a.46观察值检定值258观察值=检定值216总箱数474连个数110Z渐近显着性（双尾）.000a.平均数图性别序列游程检验详细模型输出P=Pα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α=表年龄序列游程检验结果连检定Years测试值a观察值检定值298观察值=检定值175总箱数473连个数196Z渐近显着性（双尾）.012a.平均数图年龄序列游程检验详细模型输出结果P=Pα接收H1,认为年龄序列不是随机序列。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着影响H1：认为起始工资对现工资有显着影响α=表起始工资对现工资的影响分析结果变异数分析CurrentSalary平方和df平均值平方F显着性群组之间89.000在群组内384总计473P=Pα接受H1，认为起始工资对现工资有显着影响。（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：表方差齐性检验结果变异数同质性测试CurrentSalaryLevene统计资料df1df2显着性8464.000P=，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工资没有显着影响H1：认为受教育水平对现工资有显着影响α=表受教育水平对现工资的影响分析结果变异数分析CurrentSalary平方和df平均值平方F显着性群组之间9.000在群组内464总计473P=Pα接受H1，认为职工受教育水平对现工资有显着影响。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α=表起始工资与受教育程度的分析结果卡方测试数值df渐近显着性（2端）皮尔森(Pearson)卡方801.000概似比801.811线性对线性关联1.000有效观察值个数474a.878资料格%)预期计数小於5。预期的计数下限为.00。P=Pα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α=表现工资与起始工资的分析结果卡方测试数值df渐近显着性（2端）皮尔森(Pearson)卡方19580.000概似比19580线性对线性关联1.000有效观察值个数474a.19890资料格%)预期计数小於5。预期的计数下限为.00。P=Pα接受H1，认为现工资与起始工资之间存在关联性。相关与线性回归的分析方法相关分析（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。表受教育程度与现工资间相关性检测相关EducationalLevel(years)CurrentSalaryEducationalLevel(years)皮尔森(Pearson)相关1.661**显着性（双尾）.000N474474CurrentSalary皮尔森(Pearson)相关.661**1显着性（双尾）.000N474474**.相关性在层上显着（双尾）。（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。表受教育程度与现工资水平偏相关分析相关控制变数CurrentSalaryEducationalLevel(years)BeginningSalaryCurrentSalary相关.281显着性（双尾）..000df0471EducationalLevel(years)相关.281显着性（双尾）.000.df4710线性回归模型建立用受教育程度预测现工资的回归方程。图受教育程度与现工资水平散点图表回归方程模型汇总模型摘要模型RR平方调整後R平方标准偏斜度错误1.661a.436.435$12,a.预测值：（常数），EducationalLevel(years)2=，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。表回归模型方差分析结果变异数分析a模型平方和df平均值平方F显着性1回归1.000b残差472总计473a.应变数:CurrentSalaryb.预测值：（常数），EducationalLevel(years)表回归方程常数项及回归系数检验结果系数a模型非标准化系数标准化系数T显着性B标准错误Beta1（常数）.000EducationalLevel(years).661.000a.应变数\:Current