spss习题详解

一，一、某单位将进行薪酬改革，2008年员工的工资表如下（表1）。为了了解不同性别、不同工作性质的员工收入状况、绩效评分等，以便为决策者制定合理的薪酬体系提供科学依据，请分析以下问题： 

1.建立相应的数据文件 ，变量视图如下 

2.年收入的降序排列 

操作过程：

执行Data——sort cases命令，打开排序主对话框，将绩效评分变量移入sort by变量框，sort order选项选择descending命令。

截图如下：  

3.对绩效评分变量求秩，将秩值1赋给评分最高者，节的处理方式为High

操作过程：

执行Transform——Rank Cases命令，选择“绩效评价”变量移入Variables变量框，选择Assign rank 1 to largest Value选项，Ties功能按钮下选择high选项。

截图如下

4.对年收入进行等级分组，分组标准为：20000以下→1；，20001-40000→2；40001-60000→3；60001-80000→4；80001-100000→5；100000以上→6。 

操作过程：

执行Transform——recode——into different Variables命令，选择“年收入”变量移入input Variable——output Variable变量框，定义output Variable的变量名为“年收入分组”，点击Change按钮。定义Old and New Values .

3.4题前20个变量截图如下            

5． 分析分组后年收入的分布情况，并用条形图解释

分析过程：

执行Analyze——Descriptive  statistic ——Frequencies命令，选择“年收入分组”变量移入Variables变量框，statistics功能按钮下选择mean、std.deviation，Variance、Range、Minimum、Maximum 等功能。Chart功能按钮下选择chart Type为Bar charts 功能，Chart Values下选择Frequencies功能。

其余用系统默认选项。

条形图如下：

分析结果及分析：

5.统计不同性别员工的奖金情况，奖金金额发放标准为：以绩效评价评分为计算依据，绩效评分的每分奖励90元奖金。描述不同性别员工的平均奖金，最高与最低奖金，总奖金，奖金的标准差等情况

操作过程：

（1）计算奖金：

执行Transform——compute命令，定义Target Variable 为“奖金”，定义Numeric Expression计算公式为“绩效评分”×90。

（2）描述不同性别员工的平均奖金，最高与最低奖金，总奖金，奖金的标准差等情况

执行Analyze——Reports——OLAP Cubes命令打开分层报告主对话框，选择性别做为分组变量，奖金变量为描述变量，statistics命令下选择sum、mean、std.deviation， Minimum、Maximum 等功能。

结果分析：

 

2、应用第一题第5小题的数据结果，请分析：

         （1）用交叉表分析不同工作性质的员工的年收入分布情况；

工作性质年收入交叉表：

用交叉表得卡方检验：

          （2）检验不同工作性质的员工与年收入是否关联？是否存在显著的相关关系？  

      建立散点图，初步观察两变量间有无相关趋势

对工作性质和年收入进行双变量相关性分析，得如下相关性分析数表：

三、应用第一题的数据资料，比较不同性别的员工年收入是否存在显著差异 

操作过程：

打开数据文件，执行 

   Analyze → Compare means → Independent-Sample T Test 命令，打开对话框

从源文件量清单中选择年收入变量移至  Test   Variable 框 选择性别变量做为分组变量移入Grouping Variable框内，单击按钮Define Grouping功能按钮       打开Define groups对话框，group1输入0，group2输入1，单击Options按钮，打开选项对话框，设置置信概率及缺损值的处理方式。单击OK，提交系统运行。

结果及分析：

方差分析sig=0.449＞0.05 

t检验值为0.691，显著性概率为0.495，表明不同性别员工的绩效评分不存在显著差异。

四、应用第一题的数据资料，试分析：

1．应用比较组分析法，一般员工与管理人员的年收入是否存在显著差异？

Group Statistics
	工作性质	N	Mean	Std. Deviation	Std. Error Mean
年收入	管理人员	9	33444.44	7436.752	2478.917
	一般员工	14	29442.86	8032.934	2146.2

Independent Samples Test
		Levene's Test for Equality of Variances		t-test for Equality of Means
		F	Sig.	t	df	Sig. (2-tailed)	Mean Difference	Std. Error Difference	95% Confidence Interval of the Difference
									Lower	Upper
年收入	Equal variances assumed	.180	.676	1.199	21	.244	4001.587	3337.302	-2938.712	10941.887
	Equal variances not assumed			1.220	18.201	.238	4001.587	3279.356	-2882.7	10885.822

P = 0.244>0.05,说明无差异，接受H0

2．不同工作性质的人员的年收入是否存在显著差异（假设年收入服从正态分布，显著性水平为0.05），如果存在显著差异，请用LSD方法检验哪些工作性质之间年收入存在显著差异？如果不存在显著差异，请用Tambane’s T2方法检验哪些等级之间销售额存在显著差异？ 

ANOVA
年收入
	Sum of Squares	df	Mean Square	F	Sig.
Between Groups	2.630E10	2	1.315E10	68.882	.000
Within Groups	5.154E9	27	1.909E8
Total	3.145E10	29

Sig <0.05 , 说明存在显著差异，进行LSD方法检验

 

Multiple Comparisons
年收入 LSD
(I) 工作性质	(J) 工作性质	Mean Difference (I-J)	Std. Error	Sig.	95% Confidence Interval
					Lower Bound	Upper Bound
经理	管理人员	67448.413*	6962.701	.000	53162.13	81734.69
	一般员工	71450.000*	6395.9	.000	58327.21	84572.79
管理人员	经理	-67448.413*	6962.701	.000	-81734.69	-53162.13
	一般员工	4001.587	5902.917	.504	-8110.20	16113.37
一般员工	经理	-71450.000*	6395.9	.000	-84572.79	-58327.21
	管理人员	-4001.587	5902.917	.504	-16113.37	8110.20
*. The mean difference is significant at the 0.05 level.

sig =0.00<0.05,说明经理和管理人员的年收入有明显差异，经理和一般员工的年收入有明显差异，

Sig=0.504>0.05,说明一般员工和管理人员的年收入不存在明显差异。

五．

1．用二元变量相关性分析方法，判断家庭月平均住房支出与月平均收入是否存在显著性相关 

操作工程：

依次单击“分析”“相关”“双变量”打开“双变量相关”对话框。

单击 “选项”打开“双变量相关性：选项”对话框。勾选“均值和标准差”“叉积偏差和协方差”，并选中“按对排除个案”。保存设置结果。

结果与分析：

Pearson相关系数为0.930，表示二者存在不完全相关且为正相关。两者之间不相关的双侧显著性值为0.000<0.01。表示在0.01的显著性水平上否定了二者不相关的假设。所以可以得出结论：家庭月平均住房支出与月平均收入存在显著性相关 。

2．检验回归方程的拟合效果如何？ 

操作过程：

在SPSS中，单击“分析”“回归”“线性”

结论与分析

回归模型调整的R平方是0.855，说明回归的你和度较高。

3. 检验回归方程的回归效果如何？α＝0.05 

Anovab
模型		平方和	df	均方	F	Sig.
1	回归	2602767.293	1	2602767.293	83.423	.000a
	残差	405596.441	13	31199.726
	总计	3008363.733	14
a. 预测变量: (常量), 家庭月平均收入。 b. 因变量: 平均住房支出

结论：从回归分析中可以看出显著性sig等于0，小于题中所给的显著性0.05，因此可判定回归方程回归效果显著

4．用家庭月平均收入为自变量，月平均住房支出为因变量，求回归方程，并解释回归系数的意义。 

操作过程：单击主菜单Analyze/Regression/Linner 进入设置对话框，从左边变量表中把因变量“月平均住房支出”选入到因变量框中，把自变量“家庭月平均收入”选入自变量框中，在“方法”一项上保持系统默认的选项“进入”，按“确定”。

分析与结论

系数a
模型				非标准化系数				标准系数		t		Sig.
				B		标准 误差		试用版
1	(常量)			-639.654		181.347				-3.527		.004
	家庭月平均收入			.370		.040		.930		9.134		.000
a. 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		284.81	1763.95		963.47		431.175		15
残差		-285.319	220.938		.000		170.209		15
标准 预测值		-1.574	1.857		.000		1.000		15
标准 残差		-1.615	1.251		.000		.9		15
a. 因变量: 平均住房支出

分析：由系数表中，可以看出常量估计值B=-639.5，家庭月平均收入系数为0.370，

故回归估计式为 ：Y=0.370X-639.5

回归系数意义就是，收入每增加1元，住房支出就增加0.37元。

5．当家庭月平均收入达到7000元，估计月平均住房支出的值，并求95%置信区

间下限和上限。

去95%置信区间的上下限

操作：依次单击"分析"“描述统计”“探索”，在统计中设置置信区间为95%，

描述
	家庭月平均收入			统计量	标准误
平均住房支出	5300	均值		1450.00	50.000
		均值的 95% 置信区间	下限	814.69
			上限	2085.31
		5% 修整均值		.
		中值		1450.00
		方差		5000.000
		标准差		70.711
		极小值		1400
		极大值		1500
		范围		100
		四分位距		.
		偏度		.	.
		峰度		.	.

分析：当月平均收入等于7000时，代入回归方程Y=0.370X-639.5.

得Y=1950.355，即月平均住房支出为1950.355元

由的表中可以看出95%的置信区间的下限是814.69，上限是2085.31。