spss的数据分析报告

474名职工综合状况的统计分析报告

一、数据介绍..

本次分析的数据为某公司

474名职工状况统计表..其包含十一变量..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..对变量进行频数分析、描述性统

计、方差分析、相关分析、。

。。以了解该公司职工上述方面的综合状况..并分析个变量的分

布特点及相互间的关系。

二、数据分析

1、频数分析。基本的统计分析往往从频数分析开始。通过频数分析能够了解变量的取值状

况..对把握数据的分布特征非常有用。此次分析利用了某公司

474名职工基本状况的统

计数据表..在

gender(性别)、edcu..受教育水平程度..、不同的状况下的频数分析..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。

Statistics

Educational

Gender Level (years)

N Valid 474 474

Missing 0 0

首先..对该公司的男女性别分布进行频数分析..结果如下.

Gender

Frequency Percent Valid Percent

Cumulative

Percent

Valid Female

Male

Total

216

258

474

45.6

54.4

100.0

45.6

54.4

100.045.6

100.0

上表说明..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。

其次对原有数据中的受教育程度进行频数分析..结果如下表

.

Educational Level (years)

Frequency Percent Valid Percent

Cumulative

Percent

Valid 8

12

14

15

16

17

18

19

20

21

Total

53

190

6

116

59

11

9

27

2

1

474

11.2

40.1

1.3

24.5

12.4

2.3

1.9

5.7

.4

.2

100.0

11.2

40.1

1.3

24.5

12.4

2.3

1.9

5.7

.4

.2

100.0

11.2

51.3

52.5

77.0

.5

91.8

93.7

99.4

99.8

100.0

\f

Histogram

200

150

100

50

M ean = 13.49

Std.Dev.= 2.885

0

N = 474

Frequency

7.5 10 12.5 15 17.5 20 22.5

Educational Level (years)

上表及其直方图说明..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

40.1%..其次为

15年..共有

116人..占中人数的

24.5%。且接受过高于

20年的教育的人数只有

1人..比例很低。

2、描述统计分析。再通过简单的频数统计分析了解了职工在性别和受教育水平上的总体分

布状况后..我们还需要对数据中的其他变量特征有更为精确的认识..这就需要通过计算

基本描述统计的方法来实现。下面就对各个变量进行描述统计分

析..得到它们的均值、

标准差、片度峰度等数据..以进一步把我数据的集中趋势和离散趋势。

Descriptive Ststistics

Minimu Maximu Std.

N Mean Skewness Kurtosis

m m Deviation

Std. Std.

Statisti Statisti Statisti

Statistic Statistic Statistic Statistic Erro Erro

c c c

r r

Educationa

l Level 474 8 21 13.49 2.885 -.114 .112 -.265 .224

(years)

Current

Salary

474 $15,750 $135,000

$34,419.5

7

$17,075.66

1

2.125 .112 5.378 .224

\f

Beginning

Salary Salary

474 $9,000 $79,980

$17,016.0

9

$7,870.638 2.853 .112 12.390 .224

Previous

Experience

(months)

474 0 476 95.86 104.586 1.510 .112 1.696 .224

Months

since Hire

474 63 98 81.11 10.061 -.053 .112 -1.153 .224

如表所示..以起始工资为例读取分析结果.

474名职工的起始工资最小值为.

9000 ..最大

值为.

79980..平均起始工资为.

17016..标准差为.

7870.638..偏度系数和峰度系数分别为

2.853和12.390。其他数据依此读取..则该表表明

474名职工的受教育水平、起始工资、现工

资、先前工作经验、现在工作经验的详细分布状况。

3、

Exploratory data analysis。

..1..交叉分析。

通过频数分析能够掌握单个变量的数据分布情况..但是在实际分析中..不仅要了解单个变量

的分布特征..还要分析多个变量不同取值下的分布..掌握多个变量的联合分布特征..进而分

析变量之间的相互影响和关系。就本数据而言..需要了解现工资与性别、年龄、受教育水平、

起始工资、本单位工作经历、以前工作经历、职务等级的交叉分析。现以现工资与职务等级

的列联表分析为例..读取数据..下面数据分析表为截取的一部分...

Current Salary * Employment Category Crosstabulation

Count

Employment Category

Total Clerical Custodial Manager

Current

Salary

$15,750

$15,900

$16,200

$16,350

$16,500

$16,650

$16,800

$16,950

$17,100

$17,250

$17,400

$17,700

$18,150

$18,450

$18,750

$19,200

$19,650

$19,800

1 0 0

1 0 0

3 0 0

1 0 0

1 0 0

1 0 0

1 0 0

3 0 0

2 0 0

1 0 0

2 0 0

1 0 0

2 0 0

1 0 0

1 0 0

2 0 0

6 0 0

1 0 0

1

1

3

1

1

1

1

3

2

1

2

1

2

1

1

2

6

1

\f

$19,950

2

0

0

2

Bar Chart

12

10

mE

ploym entCategory

C

il

ercal

ustodial

anager

CM

820

Count

$

3

$

3

$

3

$

3

$

3

$

2

$

2

$

2

$

2

$

2

$

2

$

2

$

1

$

1

5, 7, 0, 1, 3, 4, 6, 7, 9, 0, 2, 3, 6, 8,

$

04

$

8

$

7

$

6

$

5

$

5

$

5

$

4

5, 0, 4, 8, 6, 2, 3,

$

13

850

000

900

100

450

250

900

400

900

400

900

400

400

750

1,

550

750

500

000

750

875

000

150

5,

000

Current Salary

上联表及

Bar Chart涉及两个变量..即

现工资与职务级别的二维交叉..反映了在不同的职务

级别下现工资的分布情况。上表中..职务级别成为行向量..现工资称为列向量。

..2..单因素方差分析。

单因素分析用来研究一个控制变量的不同水平是否对观测变量产生了显著影响。下面我

们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。分析结果如下.

ANOV

A

Ct Sal

urrenary

Betw een Groups

Within Groups

Total

1E+011

2E+010

1E+011

Sum of

Squares

384

473

df

1370635995

41484093.53

Mean Square

33.040

F

.000

Sig

上表是起始工资对现工资的单因素方差分析结果。可以看出.

F统计量的观测值为

33.040..

对应的概率

P值近似等于

0..如果显著性水平为

0.05..由于概率值

P小于显著性水平

q..则

应拒绝原假设..认为不同的起始工资对现工资产生了显著影响。

\f

ANOV

A

urrenary

Betw een Groups

Within Groups

Total

9E+010

5E+010

1E+011

Sum of

Squares

9

4

473

df

9850392785

106170173.2

Mean Square

92.779

F

.000

Sig

Ct Sal

同理..上表是受教育水平对现工资影响的单因素分析结果..其结果亦为拒绝原假设..所以不

同的受教育水平对现工资产生显著影响。

4、相关分析。相关分析是分析客观事物之间关系的数量分析法..明确客观事物之间有怎

样的关系对理解和运用相关分析是极其重要的。

函数关系是指两事物之间的一种一一对应的关系..即当一个变量

X取一定值时..另一

个变量函数

Y可以根据确定的函数取一定的值。另一种普遍存在的关系是统计关系。统计

关系是指两事物之间的一种非一一对应的关系..即当一个变量

X取一定值时..另一个变量

Y无法根据确定的函数取一定的值。统计关系可分为线性关系和非线性关系。

事物之间的函数关系比较容易分析和测度..而事物之间的统计关系却不像函数关系那样

直接..但确实普遍存在..并且有的关系强有的关系弱..程度各有差异。如何测度事物之间的

统计关系的强弱是人们关注的问题。相关分析正是一种简单易行的测度事物之间统计关系的

有效工具。

Cor

relations

Previous

Current Salary Pearson Correlation 1

Current Salary

.880**

Beginning

Salary

.084

Months

since Hire

-.097*

Experience

(months)

-.144**

Years

Sig (2-tailed) .000 .067 .034 .002

N 474 474 474 474 473

Beginning Salary Pearson Correlation

Sig (2-tailed)

.880**

.000

1 -.020

.668

.045

.327

-.010

.833

N 474 474 474 474 473

Months since Hire Pearson Correlation

Sig (2-tailed)

.084

.067

-.020

.668

1 .003

.948

.054

.244

N 474 474 474 474 473

Previous Experience Pearson Correlation -.097* .045 .003 1 .802**

(months) Sig (2-tailed) .034 .327 .948 .000

N 474 474 474 474 473

Years Pearson Correlation

Sig (2-tailed)

-.144**

.002

-.010

.833

.054

.244

.802**

.000

1

N 473 473 473 473 473

**

Correlation is significant at the 0.01 level (2-tailed).

*

Correlation is significant at the 0.05 lev el (2-tailed).

上表是对本次分析数据中..现工资、起始工资、本单位工作时间、以前工作时间、年龄五个

变量间的相关分析..表中相关系数旁边有两个星号.

**..的..表示显著性水平为

0.01时..

仍拒绝原假设。一个星号.

*..表示显著性水平为

0.05是仍拒绝原假设。先以现工资这一变

量与其他变量的相关性为例分析..由上表可知..现工资与起始工资的相关性最大..相关系数

为

0.880..而与在本单位的工作时间相关性最小..相关系数为

0.084。

5、参数检验。

\f

首先对现工资的分布做正态性检验..结果如下.

Histogram

120

100

80

60

40

20

M ean = $34,419.57

Std.Dev.= $17,075.661

0

N = 474

Frequency

$0 $20,000 $40,000 $60,000 $80,000 $100,000 $120,000 $140,000

Current Salary

由上图可知..现工资的分布可近似看作符合正态分布..现推断现工资变量的平均值是否为

$3,000,0..因此可采取单样本

t检验来进行分析。分析如下.

One-Sample Statistics

N Mean Std. Deviation

Std. Error

Mean

Current Salary

474

$34,419.5

7

$17,075.661 $784.311

One-Sample Test

Test Value = 30000

t df Sig. (2-tailed)

Mean

Difference

95% Confidence Interval

of the Difference

Lower Upper

Current Salary 5.635 473 .000 $4,419.568 $2,878.40 $5,960.73

由

One-Sample Statistics可知..474名职工的现工资平均值为..34,419.57..标准差为

$17,075.661..均值标准误差为$784.311。图表

One-Sample Test中..第二列是

t统计量的观测

值为

5.635..第三列是自由度为

473..n-1.

....第四列是

t统计量观测值的双尾概率值..第五列

\f

是样本均值和检验值的差..第六列和第七列是总体均值与原假设值差的

95%的置信区间为

..$2,878.40 , 5,960.73..。该问题的

t值等于

5.635对应的临界置信水平为

0..远远小于设置的

0.05..因此拒绝原假设..表明该公司的

474名职工的现工资与

$3,000,0存在显著差异。

6、非参数检验。对本数据中的年龄做正态分布检验..结果如下.

Normal Q-Q Plot of Years

100

80

Expected Normal Value

60

40

20

0

Histogram

0 20 40 60 80 100

Observed Value

80

60

40

20

M ean = 47.14

Std.Dev.= 11.775

0

N = 473

30 40 50 60 70 80

Years

Frequency

由上图两图可知.

474名职工的年龄分布并不完全符合

正态分布..所以现推断其职工年龄的

\f

平均数在

40-45岁之间..可对其采用非参数检验的方法进行检验。检验结果如下.

Chi-Square Test

Fr equencies

Years

1 40

Category

41

Observed N

23.5

Expected N

17.5

Residual

2 41 34 23.5 10.5

3 42 22 23.5 -1.5

4 43 18 23.5 -5.5

5 44 13 23.5 -10.5

6 45 13 23.5 -10.5

Total 141

Tes t Statis tics

Chi-Squarea 28.4

Years

df 5

Asymp Sig .000

a.0 cells (.0%) have expected frequencies less than

5. The minimum expected cellfrequency is 23.5.

上面的第一个表为卡方检验的频率表..输出有关频率统计。从表中可知..职工年龄为

40岁

的有

41名..期望值为

23.5..残差为

17.5..其余读取方式相同。第二个表是卡方检验统计表..

显示检验的卡方值..自由度和渐进显著性水平分别是

28.4、5、0。因为显著性水平

0小于

0.05..因此拒绝原假设..即

474名职工的平均年龄不在

40到

45岁之间。

学院..哲学与社会学

专业..社会学

姓名..孔祥威

学号.

201021020063

\f