spss的數(shù)據(jù)分析案例

1、12關(guān)于某公司474名職工綜合狀況的統(tǒng)計(jì)分析報(bào)告一、數(shù)據(jù)介紹：本次分析的數(shù)據(jù)為某公司474名職工狀況統(tǒng)計(jì)表，其中共包含十一變量，分別是：id（職工編號(hào)），gender（性別），bdate（出生日期），edcu（受教育水平程度），jobcat（職務(wù)等級(jí)），salbegin（起始工資），salary（現(xiàn)工資），jobtime（本單位工作經(jīng)歷月），prevexp（以前工作經(jīng)歷月），minority（民族類型），age（年齡）。通過(guò)運(yùn)用spss統(tǒng)計(jì)軟件，對(duì)變量進(jìn)行頻數(shù)分析、描述性統(tǒng)計(jì)、方差分析、相關(guān)分析、以了解該公司職工上述方面的綜合狀況，并分析個(gè)變量的分布特點(diǎn)及相互間的關(guān)系。二、數(shù)據(jù)分析1、頻數(shù)分析

2、?；镜慕y(tǒng)計(jì)分析往往從頻數(shù)分析開(kāi)始。通過(guò)頻數(shù)分析能夠了解變量的取值狀況，對(duì)把握數(shù)據(jù)的分布特征非常有用。此次分析利用了某公司474名職工基本狀況的統(tǒng)計(jì)數(shù)據(jù)表，在gender（性別）、edcu（受教育水平程度）、不同的狀況下的頻數(shù)分析，從而了解該公司職工的男女職工數(shù)量、受教育狀況的基本分布。Statistics首先，對(duì)該公司的男女性別分布進(jìn)行頻數(shù)分析，結(jié)果如下：GenderGenderNValid474Missing0EducationalLevel(years)474FrequencyPercentValidPercentCumulativePercentValFemal21645.645.64

3、5.6ideMale25854.454.4100.0Total474100.0100.0上表說(shuō)明，在該公司的474名職工中，有216名女性，258名男性，男女比例分別為45.6%和54.4%，該公司職工男女?dāng)?shù)量差距不大，男性略多于女性。其次對(duì)原有數(shù)據(jù)中的受教育程度進(jìn)行頻數(shù)分析，結(jié)果如下表：EducationalLevel(years)CumulatiFrequePercenValidvencytPercentPercent5311.211.211.219040.140.151.3Val8id1461.31.352.51511624.524.577.0165912.412.489.517112.

4、32.391.81891.91.993.719275.75.799.4202.4.499.8211.2.2100.0Tot474100.0100.0al0N=4747.51012.51517.52022.5EducationalLevel(years)Histogram上表及其直方圖說(shuō)明，被調(diào)查的474名職工中，受過(guò)12年教育的職工是該組頻數(shù)最高的，為190人，占總?cè)藬?shù)的40.1%，其次為15年，共有116人，占中人數(shù)的24.5%且接受過(guò)高于20年的教育的人數(shù)只有1人，比例很低。2、描述統(tǒng)計(jì)分析。再通過(guò)簡(jiǎn)單的頻數(shù)統(tǒng)計(jì)分析了解了職工在性別和受教育水平上的總體分布狀況后，我們還需要對(duì)數(shù)據(jù)中的其他變

5、量特征有更為精確的認(rèn)識(shí)，這就需要通過(guò)計(jì)算基本描述統(tǒng)計(jì)的方法來(lái)實(shí)現(xiàn)。下面就對(duì)各個(gè)變量進(jìn)行描述統(tǒng)計(jì)分析，得到它們的均值、標(biāo)準(zhǔn)差、片度峰度等數(shù)據(jù)以進(jìn)一步把我數(shù)據(jù)的集中趨勢(shì)和離散趨勢(shì)。DescriptiveStstisticsNMinimumMaximumMeanStd.DeviationSkewnessKurtosisStdStdStatiStatiStatiStatisStatistStatiStatisticsticsticticicsticErrsticErrororEducational47482113.492.885-.114.11-.265.22Level24(years)Current

6、474$15,7$135,$34,41$17,0752.125.115.378.22Salary500009.57.66124Beginni$9,00$79,9$17,01$7,870.1112.39.22ng4740806.096382.853204SalaryPreviousExperience(months)474047695.86104.5861.510.1121.696.224MonthssinceHire474639881.1110.061-.053.112-1.153.224如表所示，以起始工資為例讀取分析結(jié)果，474名職工的起始工資最小值為9000，最大值為79980，平均起始

7、工資為17016，標(biāo)準(zhǔn)差為7870.638，偏度系數(shù)和峰度系數(shù)分別為2.853和12.390。其他數(shù)據(jù)依此讀取，則該表表明474名職工的受教育水平、起始工資、現(xiàn)工資、先前工作經(jīng)驗(yàn)、現(xiàn)在工作經(jīng)驗(yàn)的詳細(xì)分布狀況。3、Exploratorydataanalysi。（1）交叉分析。通過(guò)頻數(shù)分析能夠掌握單個(gè)變量的數(shù)據(jù)分布情況，但是在實(shí)際分析中，不僅要了解單個(gè)變量的分布特征，還要分析多個(gè)變量不同取值下的分布，掌握多個(gè)變量的聯(lián)合分布特征，進(jìn)而分析變量之間的相互影響和關(guān)系。就本數(shù)據(jù)而言，需要了解現(xiàn)工資與性別、年齡、受教育水平、起始工資、本單位工作經(jīng)歷、以前工作經(jīng)歷、職務(wù)等級(jí)的交叉分析。現(xiàn)以現(xiàn)工資與職務(wù)等級(jí)的列

8、聯(lián)表分析為例，讀取數(shù)據(jù)（下面數(shù)據(jù)分析表為截取的一部分）：?jiǎn)我蛩胤治鲇脕?lái)研究一個(gè)控制變量的不同水平是否對(duì)觀測(cè)變量產(chǎn)生了顯著影響。下面我們把受教育水平和起始工資作為控制變量，現(xiàn)工資為觀測(cè)變量，通過(guò)單因素方差分析方法研究受教育水平和起始工資對(duì)現(xiàn)工資的影響進(jìn)行分析。分析結(jié)果如下：上表是起始工資對(duì)現(xiàn)工資的單因素方差分析結(jié)果?？梢钥闯觯篎統(tǒng)計(jì)量的觀測(cè)值為33.040，對(duì)應(yīng)的概率P值近似等于0，如果顯著性水平為0.05，由于概率值P小于顯著性水平q,則應(yīng)拒絕原假設(shè)，認(rèn)為不同的起始工資對(duì)現(xiàn)工資產(chǎn)生了顯著影響。同理，上表是受教育水平對(duì)現(xiàn)工資影響的單因素分析結(jié)果，其結(jié)果亦為拒絕原假設(shè)，所以不同的受教育水平對(duì)現(xiàn)工資

9、產(chǎn)生顯著影響。4、相關(guān)分析。相關(guān)分析是分析客觀事物之間關(guān)系的數(shù)量分析法，明確客觀事物之間有怎樣的關(guān)系對(duì)理解和運(yùn)用相關(guān)分析是極其重要的。函數(shù)關(guān)系是指兩事物之間的一種一一對(duì)應(yīng)的關(guān)系，即當(dāng)一個(gè)變量X取一定值時(shí)，另一個(gè)變量函數(shù)Y可以根據(jù)確定的函數(shù)取一定的值。另一種普遍存在的關(guān)系是統(tǒng)計(jì)關(guān)系。統(tǒng)計(jì)關(guān)系是指兩事物之間的一種非一一對(duì)應(yīng)的關(guān)系，即當(dāng)一個(gè)變量X取一定值時(shí)，另一個(gè)變量Y無(wú)法根據(jù)確定的函數(shù)取一定的值。統(tǒng)計(jì)關(guān)系可分為線性關(guān)系和非線性關(guān)系。事物之間的函數(shù)關(guān)系比較容易分析和測(cè)度，而事物之間的統(tǒng)計(jì)關(guān)系卻不像函數(shù)關(guān)系那樣直接，但確實(shí)普遍存在，并且有的關(guān)系強(qiáng)有的關(guān)系弱，程度各有差異。如何測(cè)度事物之間的統(tǒng)計(jì)關(guān)系的強(qiáng)

10、弱是人們關(guān)注的問(wèn)題。相關(guān)分析正是一種簡(jiǎn)單易行的測(cè)度事物之間統(tǒng)計(jì)關(guān)系的CorreiationsBeginningMonthsPreviousExperienceCurrentSalaryPearsonCorrelation1.880*.084-.097*-.144*Sig.(2-tailed).000.067.034.002N474474474474473BeginningSalaryPearsonCorrelation.880*1-.020.045-.010Sig.(2-tailed).000.668.327.833N474474474474473MonthssinceHirePearsonC

11、orrelation.084-.0201.003.054Sig.(2-tailed).067.668.948.244N474474474474473PreviousExperiencePearsonCorrelation-.097*.045.0031.802*(months)Sig.(2-tailed).034.327.948.000N474474474474473YearsPearsonCorrelation-.144*-.010.054.802*1Sig.(2-tailed).002.833.244.000N473473473473473*Correlationissignificanta

12、tthe0.01level(2-tailed).*Correlationissignificantatthe0.05level(2-tailed).效工具。上表是對(duì)本次分析數(shù)據(jù)中，現(xiàn)工資、起始工資、本單位工作時(shí)間、以前工作時(shí)間、年齡五個(gè)變量間的相關(guān)分析，表中相關(guān)系數(shù)旁邊有兩個(gè)星號(hào)(*)的，表示顯著性水平為0.01時(shí)，仍拒絕原假設(shè)。一個(gè)星號(hào)(*)表示顯著性水平為0.05是仍拒絕原假設(shè)。先以現(xiàn)工資這一變量與其他變量的相關(guān)性為例分析，由上表可知，現(xiàn)工資與起始工資的相關(guān)性最大，相關(guān)系數(shù)為0.880，而與在本單位的工作時(shí)間相關(guān)性最小，相關(guān)系數(shù)為0.084。5、參數(shù)檢驗(yàn)。首先對(duì)現(xiàn)工資的分布做正態(tài)性檢驗(yàn)，結(jié)

13、果如下：由上圖可知，現(xiàn)工資的分布可近似看作符合正態(tài)分布，現(xiàn)推斷現(xiàn)工資變量的平均值是否為$3,000,0，因此可采取單樣本t檢驗(yàn)來(lái)進(jìn)行分析。分析如下：One-SampleStatisticsNMeanStd.Std.DeviationErrorMeanOne-SampleTestTestValue=30000tdfSig.(2-tailed)MeanDifference95%ConfidenceIntervaloftheDifferenceLowerUpperCurrentSalary5.635473.000$4,419.568$2,878.40$5,960.73由One-SampleStati

14、stics可知，474名職工的現(xiàn)工資平均值為34,419.57,標(biāo)準(zhǔn)差為$17,075.661,均值標(biāo)準(zhǔn)誤差為$784.311。圖表One-SampleTest中，第二列是t統(tǒng)計(jì)量的觀測(cè)值為5.635；第三列是自由度為473(n-1)；第四列是t統(tǒng)計(jì)量觀測(cè)值的雙尾概率值；第五列是樣本均值和檢驗(yàn)值的差；第六列和第七列是總體均值與原假設(shè)值差的95%的置信區(qū)間為($2,878.40,5,960.73)。該問(wèn)題的t值等于5.635對(duì)應(yīng)的臨界置信水平為0,遠(yuǎn)遠(yuǎn)小于設(shè)置的0.05,因此拒絕原假設(shè),表明該公司的474名職工的現(xiàn)工資與$3,000,0存在顯著差異。6、非參數(shù)檢驗(yàn)。對(duì)本數(shù)據(jù)中的年齡做正態(tài)分布檢驗(yàn),結(jié)果如下：由上圖兩圖可知,474名職工的年齡分布并不完全符合正態(tài)分布,所以現(xiàn)推斷