spss的数据分析报告

1、关于某公司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，其中共包括十一变量，别离是：id （职工编号），gender（性别），bdate（诞生日期）,edcu （受教育水平程度），jobcat （职务品级），salbegin （起始工资），salary （现工 资），jobtime（本单位工作经历 ）,prevexp（以前工作经历 ）,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，并分析个变量的散布特点及彼其间的关系。、数据分

2、析1、频数分析。大体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，对把握数据的散布特点超级有效。这次分析利用了某公司474名职工大体状况的统计数据表，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、受教育状况的大体散布。对该公司的男分析，结果如下：GenderEducationalLevel (years)NValidGender Missing47404740Statistics女性别散布进行频数FrequencyPercentValid PercentCumulativePercentValidFemale

3、MaleTotal216258474上表说明，在该公司的474名职工中，有216名女性，258名男性，男女比例别离为 和,该公司职工男女 数量差距不大，男性略多于女性。第二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)FrequencyPercentValid PercentCumulativePercentValid8531219014615116165917111891927202.4.4211.2.2Total474H is tog ramE du c a tio n a l Le ve l (years)98 5上表及其直方图说明，被

4、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 ,第二为15年，共有116人，占中人数的。且同意太高于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整体散布状况后，咱们还需要对数据中的其他变量特点有更为精准的熟悉，这就需要通过计算大体描述统计的方式来实现。下面就对各个变量进行描述统计分析，取得它们的均值、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 StstisticsNMinimumMaximumMeanStd.DeviationSkewnessKu

5、rtosisStatisticStatisticStatisticStatisticStatisticStatisticStd.ErrorStatisticStd.ErrorEducationalLevel (years)474821.112.224Current Salary474$15,750$135,000$34,$17,.112.224Beginning Salary474$9,000$79,980$17,$7,.112.224PreviousExperience(months)4740476.112.224MonthssinceHire4746398.112.224如表所示，以起始工

6、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474名职起始工资为$ 17016 ,标准差为$,偏度系数和峰度系数别离为和。其他数据依此读取，那么该表说明工的受教育水平、起始工资、现工资、先前工作体会、此刻工作体会的详细散布状况。3、Exploratory data analysis交叉分析。通过频数分析能够把握单个变量的数据散布情形，可是在实际分析中， 不仅要了解单个变量的散布特点， 还要分析多个变量不同取值下的散布， 把握多个变量的联合散布特点， 进而分析变量之间的彼此阻碍和关系。 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

7、工资、本单位工作经历、以前工作经历、职务品级的交叉分析。现以现工资与职务品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份)：单因素分析用来研究一个操纵变量的不同水平是不是对观测变量产生了显著阻碍。下面咱们把受教育水平和起始工资作为操纵变量， 现工资为观测变量， 通过单因素方差分析方式研究受教育水平和起始工资对现工资的阻 碍进行分析。分析结果如下：上表是起始工资对现工资的单因素方差分析结果。能够看出：F统计量的观测值为， 对应的概率P值近似等于0,假设是显著性水平为， 由于概率值P小于显著性水平q,那么应拒绝原假设， 以为不同的起始工资对现工资产生 了显著阻碍。同理，上表是受教育水平

8、对现工资阻碍的单因素分析结果，其结果亦为拒绝原假设，因此不同的受教育水平对现工资产生显著阻碍。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明白得和运用相关分析是极为重要的。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取必然值时，另一个变量函数 Y能够依照确信的函数取必然的值。 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取必然值时，另一个变量 Y无法依照确信的函数取必然的值。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

9、直接，但确实普遍存在，而且有的关系强有的关系弱，程度各有不同。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。CorrelationsCurrent SalaryBeginning SalaryMonths since HirePrevious Experience (months)Yearscurrent salaryPearson correlation1.880*.084-.097*-.144*Sig. (2-tailed).000.067.034.002N474474474474473Beginning SalaryPear

10、son correlation.880*q-.020.045-.010Sig. (2-tailed).000.668.327.833N474474474474473Months since HirePearson correlation.084-.0201.003.054Sig. (2-tailed).067.668.948.244N474474474474473Previous ExperiencePearson Correlation-.097*.045.0031.802*(months)Sig. (2-tailed).034.327.948.000N474474474474473Year

11、sPearson Correlation-.144*-.0101.054.802*1Sig. (2-tailed).002.833.244.000N473473473473473* Correlation is significant at the 0.01 level (2-tailed).* Correlation is significant at the 0.05 level (2-tailed).上表是对本次分析数据中，现工资、起始工资、本单位工作时刻、以前工作时刻、年龄五个变量间的相关分析，表中相关系数隔壁有两个星号(*)的，表示显著性水平为时，仍拒绝原假设。一个星号(*)表示显著

12、性水平为是仍拒绝原假设。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，而与在本单位的工作时刻相关性最小，相关系数为。5、参数查验。第一对现工资的散布做正态性查验，结果如下：由上图可知，现工资的散布可近似看做符合正态散布，现推断现工资变量的平均值是不是为$3,000,0 ,因此可采取单样本t查验来进行分析。分析如下：One-Sample StatisticsNMeanStd. DeviationStd. ErrorMeanOne-Sample TestTest Value = 30000tdfSig. (2-tailed)MeanDiffer

13、ence95%ConfidenceIntervaloftheDifferenceLowerUpperCurrent Salary473.000$4,$2,$5,由One-Sample Statistics 可知，474名职工的现工资平均值为34,标准差为$17,均值标准误差为$。图表One-Sample Test中，第二列是t统计量的观测值为；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；第五列是样本均值和查验值的差；第六列和第七列是整体均值与原假设值差的95%的置信区间为($2, , 5,)。该问题的t值等于对应的临界置信水平为0,远远小于设置的，因此拒绝原假设，说明该公司的474名职工的现工资与$3,000,0存在显著不同。6、非参数查验。对本数据中的年龄做正态散布查验，结果如下：由上图两图可知，474名职工的年龄散布并非完全符合正态散布，因此现推