統(tǒng)計(jì)軟件分析論文

1、就我國(guó)地區(qū)薪酬水平所進(jìn)行的統(tǒng)計(jì)分析摘要：本文通過應(yīng)用spss軟件對(duì)我國(guó)西部地區(qū)的各行業(yè)人員勞動(dòng)報(bào)酬水平進(jìn)行了各種分 析，并進(jìn)行了科學(xué)和理的綜合評(píng)價(jià)，以方便為以后的地區(qū)薪酬決策提供依據(jù)。關(guān)鍵詞：薪酬水平回歸分析相關(guān)分析因子分析聚類分析 綜合評(píng)價(jià)一、地區(qū)薪酬水平與一些相關(guān)因素的相關(guān)性分析：由于我國(guó)各省市地區(qū)的人均年薪酬水平差距存在明顯的差距，者將深刻影響地區(qū)人民生 活水平，和人民的生活幸福指數(shù)，為了分析造成這種差距的原因，并深入分析與之之有相同 變化趨勢(shì)的因素。為以后政府及企業(yè)做薪酬分析和決策奠定基礎(chǔ)，我們進(jìn)行了以下分析，其 中包括：1、地區(qū)人均年薪酬水平與地區(qū)年人均GDP的相關(guān)分析。2、地區(qū)總?cè)?/p>

2、口數(shù)與地區(qū) 年人均薪酬水平的相關(guān)分析。3、地區(qū)年總GDP與地區(qū)年人均薪酬水平的相關(guān)分析。皮爾遜相關(guān)分析可用來分析：計(jì)算連續(xù)變量或是等間距測(cè)度的變量間的相關(guān)分析；由于 我國(guó)各省市區(qū)地區(qū)的人均薪酬水平與地區(qū)總GDP、地區(qū)總?cè)丝跀?shù)、地區(qū)人均GDP的關(guān)系并 比較明確，所以分析時(shí)采用了皮爾遜相關(guān)分析。然而，相關(guān)性的方向不明確，所以，采用雙 尾檢驗(yàn)的方法。Correlations地區(qū)人均年薪酬 水平地區(qū)GDP總量（億元）地區(qū)人均年薪酬水平Pearson CorrelationSig. (2-tailed)N131.111.55331地區(qū) GDP 總量(億元) Pearson CorrelationSig.

3、 (2-tailed)N.111.55331131Correlations地區(qū)人均年薪酬 水平地區(qū)人口數(shù)（萬人）地區(qū)人均年薪酬水平Pearson CorrelationSig. (2-tailed)N131-.371*.04031地區(qū)人口數(shù)(萬人) Pearson CorrelationSig. (2-tailed)N-.371*.04031131*. Correlation is significant at the 0.05 level (2-tailed).Correlations地IX人均冷潮水平地區(qū)人均年薪酬 水平地區(qū)人均GDP（元）地區(qū)人均年薪酬水平Pearson Correlat

4、ion1.841*Sig. (2-tailed).000N3131地區(qū)人均GDP (元)Pearson Correlation.841*1Sig. (2-tailed).000N3131Markers show Mean80000.00-*. Correlation20000.0070000.00-60000.00-50000.00-40000.00-30000.00-20000.0040000.0080000.00地區(qū)人均GDP元）levelI 60000.00.00通過相關(guān)分析數(shù)據(jù)，得到地區(qū)GDP總量與地區(qū)年人均薪酬水平的相關(guān)系數(shù)為11.1%,地 區(qū)人口總量與地區(qū)年人均薪酬水平的相關(guān)系數(shù)為

5、-37.1%，而地區(qū)年人均GDP與地區(qū)年薪酬 水平的相關(guān)系數(shù)為84.1%。相關(guān)系數(shù)的顯著性水平也是地區(qū)年均GDP與地區(qū)年均薪酬水平， 顯著性00.01。所以地區(qū)年人均GDP的數(shù)量與地區(qū)年薪酬水平相關(guān)性較大，與其他兩個(gè)因 素的相關(guān)性較小，要想提高人民收入水平，就得努力提高人均GDP量。而且，通過散點(diǎn)圖 也可以發(fā)現(xiàn)，地區(qū)年人均GDP和地區(qū)年人均薪酬水平有明顯的正相關(guān)性，甚至，有一定的 線性相關(guān)關(guān)系。二、依據(jù)地區(qū)行業(yè)的薪酬水平狀況數(shù)據(jù)進(jìn)行的因子分析隨著我國(guó)各行業(yè)的不斷發(fā)展和完善，人們的收入不斷提高。但由于生產(chǎn)模式，資源利用， 科技開發(fā)，及地域條件的不同。各地區(qū)各行業(yè)的人員報(bào)酬也有不同。因此，為了進(jìn)一

6、步的了 解對(duì)我國(guó)各地區(qū)各行業(yè)人員勞動(dòng)報(bào)酬的基本情況，本文根據(jù)2009年全國(guó)31個(gè)地區(qū)的統(tǒng)計(jì)年 鑒提供給的原始資料，應(yīng)用主成分分析和聚類分析就我國(guó)西部各地區(qū)的各行業(yè)人員的勞動(dòng)報(bào)酬進(jìn)行了分析，并進(jìn)行了綜合評(píng)價(jià)，為以后的發(fā)展提供決策依據(jù)。（原始數(shù)據(jù)見表一）（一）、評(píng)價(jià)指標(biāo)的選取為了使評(píng)價(jià)更科學(xué)合理，并考慮到它的全面性和代表性，選取了如下評(píng)價(jià)指標(biāo)（單位：億元）X1農(nóng)林牧漁業(yè)X11房地產(chǎn)業(yè)X2米礦業(yè)X12租賃和商務(wù)服務(wù)業(yè)X3制造業(yè)X13科學(xué)研究、技術(shù)服務(wù)和地質(zhì)勘查業(yè)X4電器燃?xì)饧八纳a(chǎn)和供應(yīng)業(yè)X14水利環(huán)境和公共設(shè)施管理業(yè)X5建筑業(yè)X15居民服務(wù)和其他服務(wù)業(yè)X6交通運(yùn)輸倉(cāng)儲(chǔ)和郵政業(yè)X16教育X7信息傳

7、輸計(jì)算機(jī)服務(wù)和軟件業(yè)X17衛(wèi)生社會(huì)保障和社會(huì)福利業(yè)X8批發(fā)和零售業(yè)X18文化體育和娛樂業(yè)X9住宿餐飲業(yè)X19公共管理和社會(huì)組織X10金融業(yè)（二）、因子分析1因子分析的原理因子分析屬于多元分析中處理降維的一種統(tǒng)計(jì)方法，它是主成分分析的推廣和發(fā)展，它 也是將錯(cuò)綜復(fù)雜關(guān)系的變量（或樣品）綜合為數(shù)量較少的幾個(gè)因子，以再現(xiàn)原始變量與因子 之間的相互關(guān)系，同時(shí)根據(jù)不同因子還可以對(duì)變量進(jìn)行分類。2因子分析的結(jié)果特征根方差貝獻(xiàn)率累計(jì)方差貢獻(xiàn)率8.36544.02844.0286.91636.39880.4261.1556.07986.5051.1055.81792.322如上表所示按照提取原則即特征值大于1提

8、取出了四個(gè)公因子，累計(jì)方差貢獻(xiàn)率為 92.322%,反映了原始信息的92.322%，這四個(gè)因子就可以解釋原始數(shù)據(jù)的大部分信息了。 我們將這四個(gè)主成分作為評(píng)價(jià)社會(huì)發(fā)展?fàn)顩r的綜合參量。Rotated Component Matrix(a)1Component423x1-.104-.116,930,033x2-.121,122,050,974x3,286,891-.020-.106x4,201,919,055,187x5,155,766-.197-.093x6,753.581,096,013x7,970,119-.047-.033x8,923,356-.041-.013x9,873,454-.044

9、-.106x10,770,569-.037-.109x11,893,395-.047-.121x12,982,082-.053-.041x13,968,156-.014-.039x14,478,819,137,071x15,663,312,449,099x16,207,943-.034,161x17,372,916-.009-.051x18,943,274-.036,016x19,200,946-.016,123Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normal

10、ization. a Rotation converged in 5 iterations.Rotated Component Matrix(a)左圖所示為因子載荷矩陣，四個(gè)主成分可以表示為：F1=-0.077*x1-0.108*x2+0.286*x3+0.238*x4+0.169*x5+0.759*x6+0.966*x7+0.901*x8+0.857* x9+0.751*x10+0.909*x11+0.976*x12+0.966*x13+0.524*x14+0.680*x15+0.233*x16+0396*x17+0.941*x18+0.216*x19F2=-0.079*x1+0.169*x

11、2+0.896*x3+0.910*x4+0.788*x5+0.586*x6+0.140*x7+0.410*x8+0.481*x9+0.612*x10+0.364*x11+0.113*x12+0.169*x13+0.795*x14+0.339*x15+0.928*x16+0.908*x17+0.278*x18+0.941*x19F3=0.07*x1+0.967*x2-0.101*x3+0.201*x4-0.057*x5+0.027*x6-0.029*x7-0.012*x8-0.097*x9-0.118*x10-0.138*x11-0.032*x12-0.023*x13+0.113*x14+0.0

12、78*x15+0.214*x16-0.038*x17+0.35*x18+0.135*x19F4=0.96*x1+0.079*x2-0.019*x3+0.029*x4-0.125*x5+0.075*x6-0.055*x7-0.048*x8-0.052x9-0.050*x10-0.055*x11-0.08*x12-0.027*x13+0.086*x14+0.289*x15-0.033*x16-0.07*x17-0.059*x18-0.010*x19由因子載荷方程可以看出x6x13、x15x18在第一主成分上的載荷相對(duì)其余兩個(gè)主成 分上的載荷要大，我們將第一主成分命名為交通和服務(wù)類；x3、x4、x5

13、、x16、x17、x19在 第二主成分的載荷較大，將第二主成分命名為建筑制造和公共管理類，x2在第三主成分上的 載荷較大，我們將第三主成分命名為采礦業(yè)；x1在第四主成分上的載荷較大，我們將第四主 成分命名為農(nóng)林牧漁業(yè)。Component Score Coefficient Matrixx8x9x10 x11x12x13x14x15x16x17x18x19.122-.027.095.009.052.060.118-.022.178-.109.169-.094.004.110.098-.016-.063.167-.054.174.154-.072-.077.184.034-.031-.065-.0

14、17-.116-.008-.084-.015.069-.067.059-.015.042.086.047.279.117-.047-.121.026.106-.054.030-.009Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.Component根據(jù)上表課計(jì)算出主成分的得分，在根據(jù)綜合得分等于主成分得分的加權(quán)和即Z=0.44204* FAC1 1+0.368* FAC2 2+0.05918* FAC3 3+0.05614*FAC4 4 如下

15、表所示:京東東海江蘇南江寧北川南北津西建西古疆徽西南林西慶龍 蒙北廣山上浙江河黑遼河四湖湖天山福陜內(nèi)新安廣云吉江重4.993621-0.75598270.297859-0.47293211.9211.0039932.675991-1.11971300.5762841.392-0.1236391.5831642.122742-0.1335150.6531.2682120.2870510-1.05783290.0150590.64-0.25687122.271532-1.4752331-0.77888300.595-0.29257141.746273-0.39849180.139160.56-0.

16、30304181.1027951.879683-0.58421240.3570.096925-0.25896150.6959973.6956510.28-0.0541660.3717690.8571260.3442950.189-0.32745220.4967470.962585-0.25437170.0810-0.39717310.682226-0.0407212-0.48269230.0511-0.38932290.438618-0.5300922-0.3072118-0.0612-0.33452230.2213311-0.5838240.059948-0.1130.158514-0.55

17、45421-0.17602140.0144510-0.1414-0.110018-0.60399253.08361-0.9098331-0.1415-0.29361160.1440712-0.9142528-0.3524819-0.1516-0.087027-0.33993160.463348-0.1943416-0.1517-0.2188610-0.39802180.10449101.123513-0.1718-0.2927215-0.588423-0.14705133.023992-0.1819-0.3656525-0.22569130.995494-0.6295225-0.2220-0.

18、3264222-0.2389114-0.5820323-0.0721614-0.2721-0.3270221-0.3654417-0.4013219-0.0382312-0.322-0.2421911-0.600424-0.03905110.096047-0.3223-0.3797827-0.4788719-0.4818120-0.0714413-0.3824-0.3066919-0.4824920-0.5124521-0.7593629-0.3925FAC1_1 排名FAC2_2 排名FAC3_3 排名FAC4_4 排名綜合得分排名-0.3894430-0.576922-0.2813316-

19、0.6867927-0.4426-0.385928-0.7069126-0.24915-0.4680820-0.4727-0.2925213-1.1886529-0.8017927-0.0220111-0.6228-0.3711426-1.1310228-0.3426917-0.6381426-0.6429-0.2971317-1.2409230-0.6338825-0.4770122-0.6530-0.3564524-1.2855231-0.6943426-0.755128-0.7131州肅南夏海藏貴甘海寧青西由上表可以看出1在綜合得分上北京、廣東排在了前兩位，得分較高；其次是山東、上海、浙

20、江、黑龍 江等，得分出于中上等水平；再次是湖北、天津、陜西等地，得分較近，處于中等地位；而 新疆、吉林、廣西、重慶、等處于中下等水平；最后是寧夏、青海、西藏，得分最低，且與 排在前面的北京、廣東等地相差較為懸殊。2由各個(gè)主成分的得分我們可以看出，在第一主成分上，北京、上海、廣東、黑龍江等 地排在了前幾位；說明這些地區(qū)的人員在這一主成分上的勞動(dòng)報(bào)酬相對(duì)較高。在第二主成分 上，廣東、浙江、江蘇分別排在了前三位，這些地區(qū)的人員在第二主成分即建筑制造業(yè)，教 育和社會(huì)管理類等方面報(bào)酬較高，。在第三主成分上，山西、山東、河南、安徽、河北分別 排在了前五位，說明這些地區(qū)的采礦業(yè)的人員收入較高，很重要的原因是

21、由于這些地區(qū)的礦 產(chǎn)資源較為豐富。而在第四主成分上黑龍江、新疆、內(nèi)蒙古、廣東、遼寧等地排名較前，與 這些地區(qū)發(fā)達(dá)的農(nóng)林漁畜牧業(yè)是密不可分的。3綜合各個(gè)主成分得分和綜合得分我們不難發(fā)現(xiàn)，青海、寧夏、西藏排名均比較落后， 這與其地理位置和自然環(huán)境有很大的關(guān)系，特別是西藏，由于其獨(dú)特的地理位置和氣候，以 及歷史原因，它的各項(xiàng)得分均處在大約最后位置。三、聚類分析1、聚類分析的原理聚類分析是根據(jù)事物本身的特性研究個(gè)體分類的方法.聚類分析的依據(jù)是同一類中個(gè)體 有較大的相似性，不同類的個(gè)體差異很大.在聚類分析中，基本的思想是認(rèn)為研究的樣本或 指標(biāo)（變量）之間存在著程度不同的相似性（親疏關(guān)系）.于是根據(jù)一批樣

22、本的多個(gè)觀測(cè)指 標(biāo)，具體找出一些能夠度量樣本或指標(biāo)之間相似程度的統(tǒng)計(jì)量，以這些統(tǒng)計(jì)量為劃分類型的 依據(jù)，把一些相似程度較大的樣本（或指標(biāo)）聚類為一類，把另外一些彼此之間相似程度較 大的樣品（或指標(biāo)）又聚合為一類，關(guān)系密切的聚合到一個(gè)小的分類單位，關(guān)系疏遠(yuǎn)的聚合 到一個(gè)大的分類單位，直到把所有的樣本（或指標(biāo)）都聚合完畢，把不同的類型一一劃分出 來，形成一個(gè)由小到大的分類系統(tǒng).最后再把整個(gè)分類系統(tǒng)畫成一張譜系圖，用它把所有的 樣品（或指標(biāo)）間的親疏關(guān)系表示。2、聚類分析過程及結(jié)果將由因子分析所得到的四個(gè)主成分做為自變量進(jìn)行聚類分析。聚類方法選擇系統(tǒng)聚類 法，距離方法采用ward法，利用spss的分

23、析方法進(jìn)行聚類分析生成聚類系譜圖見下圖。14g258口208口28口78。80248口 &288口 &228口888880268% &298口&308。8&218口8%178%&188口&138。888%&238 口888口8888888888888888888888888%988888&38%&68。8%&128口 口8888888口8%278 & 588810888%口8888888%11叫8。叫叫叫叫叫叫叫叫叫叫叫叫叫叫叫叫呢&19888158x88888%口8%168 口8888888888888888888888888888888& &488888888辱叫叫叫叫叫叫叫叫叫叫叫叫叫叫

24、叫叫叫叫叫叫叫叫呢31 呢&1叫叫叫叫叫叫叫叫叫叫叫叫叫叫叫叫叫叫叫叫叫叫叫叫8“由上圖可知，若分為五類第一類：北京第二類：天津、河北、內(nèi)蒙、遼寧、安徽、江西、湖南、陜西、寧夏、青海第三類：山西、山東、河南第四類：黑龍江、新疆第五類：江蘇、浙江、廣東由分類可知，北京可謂“一枝獨(dú)秀”，作為全國(guó)的政治中心和經(jīng)濟(jì)中心，北京正一步一 步的發(fā)展成為國(guó)際化大都市，人均收入水平相對(duì)較高。其次是天津、北京、河北等地，這些 地區(qū)出于中等發(fā)展水平，山西、河南、山東其優(yōu)越的礦產(chǎn)資源為經(jīng)濟(jì)發(fā)展發(fā)揮了主要作用； 江蘇、浙江、廣東這三個(gè)南部沿海城市，由于其優(yōu)越的地理位置發(fā)展較為迅速，人均收入水 平也相對(duì)較高。四、總結(jié)綜合

25、以上分析可知：在地區(qū)薪酬水平總體方面，受到各地區(qū)年人均GDP量的影響較大，所以各地區(qū)要想提高 人民收入水平，需要努力發(fā)展地區(qū)經(jīng)濟(jì)，推動(dòng)地區(qū)GDP的不斷增長(zhǎng)，進(jìn)而提升人均GDP量， 以便達(dá)到增加居民收入水平的目的。同時(shí)各地區(qū)各行業(yè)的人均報(bào)酬在一定程度上反應(yīng)了各地區(qū)各行業(yè)的發(fā)展情況，因此，對(duì) 于人均報(bào)酬相對(duì)較低的行業(yè)，各地政府應(yīng)出臺(tái)相應(yīng)政策，扶持和促進(jìn)較低收入行業(yè)的發(fā)展， 提高人員報(bào)酬，降低貧富差距。具有能源和地理位置優(yōu)勢(shì)的地區(qū)，應(yīng)充分發(fā)揮其能動(dòng)性，實(shí) 現(xiàn)其優(yōu)勢(shì)產(chǎn)業(yè)的科學(xué)發(fā)展。同時(shí)對(duì)于能源型地區(qū)，要注意資源的合理利用，做到發(fā)展與環(huán)境 相協(xié)調(diào)。各地區(qū)應(yīng)對(duì)其薄弱產(chǎn)業(yè)進(jìn)行合理優(yōu)化，著重發(fā)展。如河北省在科

26、研、文化體育娛樂及金 融等反方面發(fā)展較落后，因此應(yīng)當(dāng)利用其毗鄰北京天津的地理位置，吸引科研型人才來河北 進(jìn)行企業(yè)科研創(chuàng)新，同時(shí)也應(yīng)加快文化體制改革，實(shí)現(xiàn)河北各行業(yè)的均衡發(fā)展。雖然我國(guó)的經(jīng)濟(jì)發(fā)展迅猛，但我國(guó)的經(jīng)濟(jì)發(fā)展并不平衡。尤其是西部地區(qū)與東部沿海地 區(qū)差異較顯著，貧富差距較大。因此，加強(qiáng)西部地區(qū)的基礎(chǔ)實(shí)施和基礎(chǔ)產(chǎn)業(yè)建設(shè)，加大教育、 社會(huì)服務(wù)和社會(huì)保證的投入就顯得尤為重要。進(jìn)行西部大開發(fā)建設(shè)仍是我國(guó)現(xiàn)代化建設(shè)的重 中之重。五、基礎(chǔ)數(shù)據(jù)：表一,農(nóng)、林、電力、燃?xì)饨煌ㄟ\(yùn)輸、信息傳輸、批發(fā)和零 住宿和餐飲地區(qū)牧、漁業(yè)采礦業(yè)制造業(yè)及水的生產(chǎn)和供應(yīng)業(yè)建筑業(yè)倉(cāng)儲(chǔ)和郵政業(yè)計(jì)算機(jī)服務(wù)金融業(yè)房地產(chǎn)業(yè)和軟件業(yè)售業(yè)

27、業(yè)北京7.026.5384.951.5125.9212.2314.5249.072.4298.2123.2天津2.037.0248.625.044.956.313.711.2河北7.3104.9249.070.766.666.517.931.66.671.07.0山西5.8270.0144.935.740.165.511.824.74.943.12.3內(nèi)蒙古36.755.888.939.431.649.010.812.74.032.23.2遼寧23.3120.1382.757.166.797.129.534.610.380.414.7吉林20.050.9136.323.1

28、24.037.810.515.04.428.26.1黑龍江91.7123.1178.341.462.764.741.08.0上海3.60.5627.640.160.2159.950.0120.928.0229.549.0江蘇17.845.1812.068.787.397.131.969.420.1127.920.7浙江4.84.2775.578.0303.686.955.881.530.0189.234.4安徽9.4127.2151.130.568.333.19.923.34.441.87.3福建9.611.6481.136.430.69.660

29、.521.7江西17.220.8122.023.941.045.07.315.92.626.03.8山東10.1222.6718.266.1139.295.523.366.620.3114.820.7河南10.6187.4322.365.3148.477.611.068.914.973.615.2湖北18.724.5248.035.6115.074.612.432.18.349.69.7湖南12.227.7200.734.5122.754.616.333.512.151.818.6廣東12.712.41083.892.0136.1206.997.8131.050.8270.477.9廣西16.

30、512.3122.828.547.849.511.922.0海南19.08.8重慶3.123.5135.725.681.734.911.323.95.638.510.8四川10.965.6273.747.0162.363.719.338.08.474.611.1貴州4.628.987.829.642.63.626.95.7云南19.427.6129.829.754.140.612.531.37.837.46.0西藏4.70.1陜西10.878

31、.0178.633.135.057.018.727.67.641.310.2甘肅8.431.393.020.024.52.818.22.1青海5.15.9寧夏5.225.724.812.11.7新疆91.473.862.619.514.94.824.84.0租賃和商務(wù)科學(xué)研究、水利、環(huán)境居民服務(wù)和衛(wèi)生、社會(huì)文化、體育公共管理和地區(qū)服務(wù)業(yè)技術(shù)服務(wù)和地質(zhì)勘查業(yè)和公共設(shè)施管理業(yè)其他服務(wù)業(yè)教 育保障和社會(huì)福利業(yè)和娛樂業(yè)社會(huì)組織北京359.4284.430.415.9

32、209.1110.696.6193.6天津16.737.411.313.174.336.37.671.5河北8.129.516.16.5211.858.210.1185.5山西9.516.28.01.2118.230.610.1114.6內(nèi)蒙古6.612.913.16.4104.432.78.896.8遼寧21.538.321.73.8161.264.514.7154.6吉林8.118.810.91.899.332.78.275.5黑龍江7.638.312.212.3120.446.59.8112.4上海81.2129.422.710.7152.299.124.9103.1江蘇27.345.4

33、29.92.8295.9121.421.5291.0浙江56.347.521.13.8270.5139.124.5287.8安徽10.3148.848.68.0127.8福建24.617.09.53.1138.345.811.1100.0江西7.0100.937.57.791.4山東26.932.423.710.9328.3116.821.7295.7河南26.334.423.42.8289.891.216.5249.3湖北9.132.013.22.7144.760.411.1144.4湖南11.221.015.42.3189.080.311.6174.8廣東93.185.934.414.5359.6183.435.9402.0廣西13.6114.7海南4.13.