spss的数据分析报告_spss的数据分析实例_spss的数据分析(2)_数据分析师 

tisti Statistic c Educationa l Level 474 (years) Current Salary 474

Statistic

Statistic

Statistic

Std. Std. Statisti Statisti Erro Erro c c r r

8

21

13.49

2.885

-.114

.112 -.265

.224

$15,750

$135,000

$34,419.5 $17,075.66 2.125 7 1 $17,016.0 $7,870.638 2.853 9

.112 5.378

.224

Beginning 474 Salary Previous Experience 474 (months)

$9,000

$79,980

.112 12.390 .224

0

476

95.86

104.586

1.510

.112 1.696

.224

2

Months 474 since Hire

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）： 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：

ANOVA Current Salary Sum of Squares 1E+011 2E+010 1E+011 df 89 384 473 Mean Square 1370635995 41484093.53 F 33.040 Sig. .000

Between Groups Within Groups Total

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。

ANOVA Current Salary Sum of Squares 9E+010 5E+010 1E+011 df 9 464 473 Mean Square 9850392785 106170173.2 F 92.779 Sig. .000

Between Groups Within Groups Total

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。