關于美國某企業員工薪金及相關信息的統計分析報告注：以下數據來源于美國聯邦統計局圖0-1圖0-2一、單組數據的SPSS描述性統計分析1.統計原理：在做數據分析的時候，首先要對數據進行描述性統計分析，以便描述測量樣本的各種特征及其所代表的總體特征以及發現其數據的內在規律，再選擇進一步分析方法。描述性統計分析要對調查總體所有變量的相關數據做統計描述，主要包括數據的頻數分析，數據的集中趨勢分析、數據離散趨勢程度分析、數據的分布、以及一些基本的統計圖形。2.實驗內容：1).利用FedStats-Employeedata.sav對其中的“當前薪金”計算基本描述統計量（包括集中特征及離散特征），并根據分析結果給出相關結論。2).利用FedStats-Employeedata.sav對“教育水平”進行頻數分析及正態性檢驗（利用直方圖），并給出相關結論。3.步驟簡述及結論分析：1）打開FedStats-Employeedata.sav，在數據視圖界面點擊“分析-描述統計-描述”，將“當前薪金”添加到變量框中，點擊“選項”后，勾選“平均值、標準差、最大值、最小值、峰度、偏度”選項，并點擊“繼續”，回到上一界面，點擊“確定”，得到統計結果：表1-1數據分析：由表1-1可知，該企業員工當前薪金最大值為135000美元，最小值為15750美元，平均為34419.57美元，標準偏差為17075.661美元，以上數據集中程度較低，離散程度較高。背景結論：反映出該企業員工當前薪金水平差距較大，有待優化。2）在數據視圖界面點擊“分析-描述統計-頻率”，將“教育水平”添加到變量框中，點擊“圖表”，選擇“條形圖”，點擊“繼續”后點擊“格式”，選擇“按計數的降序排序”，點擊“繼續”，點擊“確定”，得到圖表：頻率分布表表1-2頻率分布條形圖圖1-1數據分析：表1-2、圖1-1從不同角度反映出了教育水平的頻率分布，12年的教育水平頻率最高，頻數有190個；其次為15年；頻率最低的為21年，頻數僅有1個。背景結論：該企業員工整體教育水平較高，側面反映出該企業屬于知識型產業。二、分類數據的SPSS描述性統計分析1.統計原理：在對多個變量數據同時進行可視化分析時，主要運用的是圖表工具，最大的優勢就是這些圖表非常直觀而且重點突出。可根據各自關注的問題和分析思路不同，選用不同的分析圖表。2.實驗內容：1)對FedStats-Employeedata.sav數據中的“少數民族”利用餅狀圖給出分析結論。2）對FedStats-Employeedata.sav數據中的“雇傭類別”及“少數民族”變量做2維交叉表及條形堆積圖，并給出分析結果。3）利用交叉表對FedStats-Employeedata.sav中的“性別、雇傭類別、少數民族”進行2維及3維分析，對其進行挖掘分析，并給出相關結論。3.步驟簡述及結論分析：1）在數據視圖界面選中“少數民族”一欄，點擊“圖形-舊對話框-餅圖”，選擇“個案組摘要”，點擊“定義”，將“少數民族”選入“分區定義依據”，“分區表示”內選擇“個案百分比”，點擊“確定”，得到下圖：餅狀圖圖2-1數據分析：該圖反映出大部分員工為非少數民族，接近四分之一的員工是少數民族。背景結論：該企業民族構成較為復雜，一方面，各階層員工須相互尊重民族風俗，另一方面須加強安保工作防范民族糾紛事件發生。2）在數據視圖界面點擊“分析-描述統計-交叉表”，將“少數民族”勾選入“行”，“雇傭類別”勾選入“列”，點擊“確定”得到表2-1；回到數據視圖界面，點擊“圖形”-“舊對話框”-“條形圖”，選擇“堆積”，“個案組摘要”，點擊“定義”，“條形表示”中選擇“個案數”，“類別軸”勾選“雇傭類別”，“堆積定義依據”勾選“少數民族”,點擊“確定”，得到圖2-2：表2-1圖2-2數據分析：圖2-2、表2-1從不同角度反映出了該企業員工雇傭類別與民族的相關信息，從數值來看，少數民族員工整體數量較少，擔任經理的較少，擔任保管員職務的與非少數民族員工數量相近，普通職員數量少于非少數民族；從比率來看，少數民族員工擔任保管員的比率較高。背景結論：該企業較為公平地分派不同民族員工的職位，且對于管理級別“保管員”的職位對少數民族員工有一定優待。3）在數據視圖界面點擊“分析-描述統計-交叉表”，將“少數民族”勾選入“行”，“雇傭類別”勾選入“列”，“性別”勾選至“層1/1”框，點擊“確定”，得到表2-2：表2-2數據分析：從性別來看，在111名經理與保管員中，僅有10名女性經理；加上民族來看，10名女性經理皆為非少數民族；男性非少數民族管理層占比較大。背景結論：該企業對男性非少數民族員工有一定的偏向，這可能與美國大種族主義、男權社會本質與男性思維優勢有關。三、SPSS參數檢驗1.統計原理：假設檢驗是統計推斷中的兩大基本問題之一，而假設檢驗的處理過程是有著順理成章的邏輯思維，運用不同的檢驗方式可以讓不同的樣本問題得到解決。2.實驗內容：1）利用FedStats-Employeedata.sav文件，在不考慮其他因素的情況下，比較該企業男女的經驗是否存在顯著差異。2）利用FedStats-Employeedata.sav文件，在不考慮其他因素的情況下，分析該企業員工當前薪金與起始薪金有無顯著差異。3.步驟簡述及結論分析：1）在數據視圖界面依次點擊“分析-比較平均值-獨立樣本T檢驗”，將“經驗”勾選至“檢驗變量”框，“性別”勾選至“分組變量”框，點擊“定義組”，在組1、2框內分別輸入m、f，點擊“繼續”，返回至上一界面，點擊“選項”，“置信區間百分比”設置為95%，點擊“繼續”，返回至上一界面，點擊“確定”，得到下表：表3-1表3-2數據分析：由表3-1、3-2可知，該企業男女經驗分別為111.62、77.04，存在較大差異；故可進一步分析差異的顯著性。萊文檢驗統計量的樣本觀測值是2.582，顯著性0.109>0.05，可以認為方差相等。所以后面的結果只需要看“假定等方差”這一行即可，檢驗統計量t值是3.631，顯著性sig.=0.000<0.05,因此我們認為該企業男女的經驗存在顯著的差別。背景結論：男性經驗較為豐富可能與其在社交場合的活動程度關系較大。2）在數據視圖界面依次點擊“分析-比較平均值-成對樣本T檢驗”，將“起始薪金”、“當前薪金”分別拖拽至“變量1”、“變量2”，點擊“選項”，“置信區間百分比”設置為95%，點擊“繼續”，返回至上一界面，點擊“確定”，得到下表：表3-3表3-4表3-5數據分析:由表3-3可知，員工起始薪金平均為17016.09美元，當前薪金平均為34419.57美元，數值上升幅度較大；表3-5為配對樣本t檢驗分析的結果，t統計量的觀測值是-35.036，顯著性Sig.為0。背景結論：隨著雇傭時間與經驗的累積，員工薪金有較大程度提升。四、SPSS方差分析1.統計原理：方差分析是通過對各個樣本觀測數據誤差來源的分析來檢驗多個總體均值是否相等或者是否具有顯著性差異的方法。其通過分析不同變量的變異對總變異的貢獻大小，確定控制變量對研究結果影響的大小。2.實驗內容：1）結合FedStats-Employeedata.sav，以“起始薪金”為觀測變量，分別以“性別“、“少數民族”為控制變量，分析影響。2）結合FedStats-Employeedata.sav，以“起始薪金”為觀測變量，以“性別、少數民族”（交互作用）為控制變量，分析影響。3.步驟簡述及結論分析：1）在數據視圖界面點擊“分析-一般線性模型-單變量”， 將“起始薪金”選至“因變量”框，“性別”和“少數民族”選至“固定因子”框，點擊“模型”，選擇“構建項”，然后點擊“類型”，選擇“主效應”，并把“性別”和“少數民族”勾選至右側“模型”框，點擊“繼續”，回到上一界面，點擊“圖”，將“少數民族”放入“水平軸”框，將“性別”放入“單獨的線條”框。然后單擊“添加”按鈕，“圖表類型”選擇“折線圖”，點擊“繼續”，回到上一界面，由于“性別、少數民族”均只有兩種情況，故不必進行事后比較，點擊“選項”，勾選“描述統計”、“參數估計值”，點擊“繼續”，回到上一界面，點擊“確定”，得到下表：表4-1圖4-1數據分析：由表4-1可知，修正模型顯著性為0，說明該統計有意義；而“少數民族、性別”顯著性均為0，說明二者對“起始薪金”的影響均較顯著。并且表4-2更為直觀地反映出其顯著的影響。背景結論：該企業招收員工從性別、民族來看，對女性、少數民族的起薪有比較明顯的歧視性。2）在數據視圖界面點擊“分析-一般線性模型-單變量”， 將“起始薪金”選至“因變量”框，“性別”和“少數民族”選至“固定因子”框，點擊“模型”，選擇“構建項”，然后點擊“類型”，選擇“主效應”，并把“性別”和“少數民族”勾選至右側“模型”框，之后將“類型”改為“交互”，同時選定左側“性別”與“少數民族”，并點擊“箭頭”符號移至右側“模型”框點擊“繼續”，回到上一界面，點擊“圖”，將“少數民族”放入“水平軸”框，將“性別”放入“單獨的線條”框。然后單擊“添加”按鈕，“圖表類型”選擇“折線圖”，點擊“繼續”，回到上一界面，由于“性別、少數民族”均只有兩種情況，故不必進行事后比較，點擊“選項”，勾選“描述統計”、“參數估計值”，點擊“繼續”，回到上一界面，點擊“確定”，得到下表：表4-2表4-3數據分析：由表4-2可知，F檢驗統計量的觀測值是21.387，顯著性Sig.為0，小于常用的顯著性水平0.05，認為方差齊性假定條件滿足。故后面的方差分析結果有統計意義。由表4-3可分析得，“少數民族”與“性別”的交互影響的顯著性為0.014，故二者交互作用影響顯著。背景結論：該公司管理層需要加強男女平等、民族平等的思想教育并應用于招聘實踐中。五、SPSS相關分析1.統計原理：相關分析是研究現象之間是否存在某種依存關系，并對具體有依存關系的現象探討其相關方向以及相關程度，是研究隨機變量之間的相關關系的一種統計方法。2.實驗內容：1）結合FedStats-Employeedata.sav中的數據，分析“當前薪金”和“雇傭時間”有無直線相關關系（分別使用三種不同的相關系數方法進行分析）。2）結合FedStats-Employeedata.sav中的數據，分析“教育水平”和“起始薪金”有無線性相關關系，若選擇“經驗”作為控制變量，進行偏相關分析，結論呢？3.步驟簡述及結論分析：1）在數據視圖界面點擊“分析-相關-雙變量”，將“當前薪金”、“雇傭時間”添加至右側“變量”框，“相關系數”勾選“皮爾遜”、“肯德爾”、“斯皮爾曼”，勾選“標記顯著性相關性”，點擊“選項”，勾選“平均值和標準差”，點擊“繼續”，回到上一界面，點擊“確定”，得到下表：表5-1表5-2表5-3數據分析：由表5-1可知，“當前薪金”平均為34419.57美元，標準差為17075.661美元；“雇傭時間”平均為81.11個月，標準差為10.061個月；由表5-2、5-3可知，“當前薪金”與“雇傭時間”之間的皮爾遜相關系數為0.084，相關關系不太顯著；而肯德爾、斯皮爾曼相關系數分別為0.071、0.105，同樣，正相關關系不明顯，與皮爾遜相關分析結果一致。背景結論：該企業員工的薪金與雇傭時間關系不大，說明該企業并非僅憑員工的工作時間為第一標準，其他因素影響更大，諸如工作經驗、學歷、人際交往能力等。2）在數據視圖界面點擊“分析-相關-雙變量”，將“起始薪金”、“教育水平”添加至右側“變量”框，“相關系數”默認勾選“皮爾遜”，點擊“確定”，得到表5-4；回到數據視圖界面，點擊“分析-相關-偏相關”，將“起始薪金”、“教育水平”添加至右側”變量“框，將“經驗”添加至“控制”框，點擊“選項”，勾選“平均值和標準差”、“零階相關性”，點擊“繼續”，回到上一界面，點擊“確定”，得到表5-5、5-6：表5-4表5-5表5-6數據分析：由表5-4可知，“起始薪金”與“教育水平”存在顯著正相關關系；接著進行偏相關分析：表5-5反映了“起始薪金、教育水平、經驗”的平均值分別為17016.09、13.49、95.86，標準差分別為7870.638、2.885、104.586，表5-6上半部分是包括協變量“經驗”在內的三個變量的相關系數矩陣