SPSS数据分析报告.docx
《SPSS数据分析报告.docx》由会员分享,可在线阅读,更多相关《SPSS数据分析报告.docx(21页珍藏版)》请在冰点文库上搜索。
SPSS数据分析报告
SPSS期末报告
关于员工受教育程度对其工资水平的影
响统计分析报告
课程名称:
SPSS统计分析方法
姓名:
汤重阳
学号:
所在专业:
人力资源管理
所在班级:
三班
一、数据样本描述1
二、要解决的问题描述1
1数据管理与软件入门部分1
1.1分类汇总1
1.2个案排秩1
1.3连续变量变分组变量1
2统计描述与统计图表部分1
2.1频数分析1
2.2描述统计分析1
3假设检验方法部分2
3.1分布类型检验2
3.1.1正态分布.2
3.1.2二项分布.2
3.1.3游程检验.2
3.2单因素方差分析2
3.3卡方检验2
3.4相关与线性回归的分析方法2
3.4.1相关分析(双变量相关分析&偏相关分析)2
3.4.2线性回归模型.2
4高级阶段方法部分2
三、具体步骤描述3
1数据管理与软件入门部分3
1.1分类汇总3
1.2个案排秩3
1.3连续变量变分组变量4
2统计描述与统计图表部分5
2.1频数分析5
2.2描述统计分析6
3假设检验方法部分7
3.1分布类型检验7
3.1.1正态分布.7
3.1.2二项分布.8
3.1.3游程检验.9
3.2单因素方差分析10
3.3卡方检验12
3.4相关与线性回归的分析方法13
3.4.1相关分析.13
3.4.2线性回归模型.15
4高级阶段方法部分16
4.1信度16
4.2效度17
、数据样本描述
分析数据来自于“微盘一一SPSS数据包data02-01”。
本次分析的数据为某公司474名职工状况统计表,其中共包含11个变量,分别是:
id(职工编号),gender(性别),bdate(出生日期),edcu(受教育水平程度),jobcat(职务等级),salbegin(起始工资),salary(现工资),jobtime(本单位工作经历<月>),prevexp(以前工作经历<月>),minority(民族类型),age(年龄)。
通过运用SPSS统计软件,对变量进行统计分析,以了解该公司职工总体状况,并分析职工受教育程度、起始工资、现工资的分布特点及相互间的关系。
二、要解决的问题描述
1数据管理与软件入门部分
1.1分类汇总
以受教育水平程度为分组依据,对职工的起始工资和现工资进行数据汇总。
1.2个案排秩
对受教育水平程度不同的职工起始工资和现工资进行个案排秩。
1.3连续变量变分组变量
将被调查者的年龄分为10组,要求等间距。
2统计描述与统计图表部分
2.1频数分析
利用了某公司474名职工基本状况的统计数据表,在性别、受教育水平程度不同的状况下进行频数分析,从而了解该公司职工的男女职工数量、受教育状况的基本分布。
2.2描述统计分析
以职工受教育水平程度为依据,对职工起始工资进行描述统计分析,得到它们的均值、标
准差、偏度峰度等数据,以进一步把握数据的集中趋势和离散趋势
3假设检验方法部分
3.1分布类型检验
3.1.1正态分布
分析职工的现工资是否服从正态分布。
3.1.2二项分布
抽样数据中职工的性别分布是否平衡。
3.1.3游程检验
该样本中的抽样数据是否随机。
3.2单因素方差分析
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。
3.3卡方检验
职工的起始工资水平和现工资水平与其受教育程度之间是否存在关联性。
3.4相关与线性回归的分析方法
3.4.1相关分析(双变量相关分析&偏相关分析)
对受教育程度和现工资两个变量进行相关性分析。
3.4.2线性回归模型
建立用受教育程度预测现工资水平的回归方程
4高级阶段方法部分
对该样本数据进行信效度检测
三、具体步骤描述
以受教育水平为分组依据,对职工的起始工资和现工资进行数据汇总
Mkic
salary_mean
salbegin_mean
N_BREAK
8
2439906
13064.15
53
12
14
2588716
13241.87
190
31626.00
15625-00
6
15
3168500
1561060
116
16
4822593
22338.47
59
17
59627.27
26904.65
11
18
6512778
3224000
9
19
I7252037
3476407
27
20
|6431250
36240,00
2
21
65000100
37500.00
1
图1.1分类汇总数据
由图1.1所示,受教育等级以年为单位划分可分为8年、12年、14年等图中所示10个等级。
以等级为8年为例,现工资均值为24399.06美元,起始工资均值为13064.15美元,统计量为53人。
经比较可知,教育年限为12年和15年的职工在公司中占大多数,教育年限为20年和21年的职工在公司中的初始工资平均水平较高,但教育年限为19年的职工现工资平均水
平较高。
统计资料
Rankofsalarybyeduc
N
有效
遗漏
474
0
平均数
60.43460
中位数
46.50000
标准偏差
50.975992
范围
189.000
最小值
1.000
最大值
190.000
表1.2-2初始工资水平个案排秩统计量
Rankofsalbeginbyeduc
47.50000
50.865407
将被调查者的年龄分为5组
表1.3被调查者年龄分布(已分组)
agec
次数
百分比
有效的百分比
累积百分比
<33
.2
>73
1.3
1.5
33~43
267
56.3
57.8
有效43~53
71
15.0
72.8
53~63
67
14.1
86.9
63~73
62
13.1
100.0
总计
根据表1.3所示,该公司474名职员年龄几乎全部在33岁以上、73岁以下,年龄层分布
集中在已有工作经验的人当中,其中33~43岁的员工为该公司的主体。
表2.1-1职工性别频数统计表
Gender
Female
216
45.6
有效Male
258
54.4
由表2.1-1可知,
在该公司的
474名职工中,有
216名女性,258名男性,男女比例分别
为45.6%和54.4%,该公司职工男女数量差距不大,男性略多于女性
F面对该公司员工受教育程度进行频数分析:
EducationalLevel(years)
11.2
40.1
51.3
52.5
24.5
77.0
12.4
89.5
2.3
91.8
1.9
93.7
5.7
99.4
.4
99.8
图2.1-2职工受教育程度频数分布直方图
表2.1-2及其直方图说明,被调查的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40.1%,其次为15年,共有116人,占总人数的24.5%。
且接受过高于20年的教育的人数只有1人,比例很低。
准差、偏度峰度等数据,以进一步把握数据的集中趋势和离散趋势。
(由于输出结果较长,为
了便于解释,仅截取职工受教育水平年限为8年的分析结果)
图2.2-1职工起始工资描述统计表(部分)
图2.2-2职工起始工资描述统计直方图(部分)
图2.2给出的就是以受教育年限为8年时职工起始工资的描述统计,由此得出结论如下:
(1)集中趋势指标:
由图2.2-1可知,职工起始工资均值为$13064.15,5冊尾均数为$13016.35,中位数为$13050.00,三者差异较大,说明数据分布的对称性较差。
(2)离散趋势指标:
起始工资方差为5799170.900,其平方根即标准差为2408.147,样本中极小值为$9750,极大值为美元18750,两者之差为全距(范围)$9000,中间一半样本的全距为四分位间距$4875。
(3)参数估计:
职工起始工资的标准误差为$330.784,相应的总体均数95刑信区间为$12400.38-$13727.92。
(4)分布特征指标:
根据描述统计数据可知,该样本数据中偏度为0.148>0,曲线右偏;峰度为-1.219<3,曲线较为平缓(该结论也可从图2.2-2的直方图及其曲线中看出)。
H0职工的现工资服从正态分布
H1:
职工的现工资不服从正态分布
a=0.05
表3.1.1职工现工资正态分布检验结果
单一样本
Kolmogorov-Smirnov
检定
CurrentSalary
常态参数a,b
$34,419.57
$17,075.661
取极端差异
绝对
.208
正
测试统计资料
渐近显着性(双尾)
.000c
a.检定分配是常态的。
b.从资料计算。
c.Lilliefors显着更正。
负
-.143
图3.1.1K-S检验详细模型输出结果
P=0.000
P接受H1,认为职工的现工资统计量不服从正态分布3.1.2二项分布抽样数据中职工的性别分布是否平衡。H0抽样数据中职工性别比例无差异H1:抽样数据中职工性别比例有差异a=0.05表3.1.2职工性别二项分布检验结果二项式检定类别N观察比例。检定比例。精确显着性(双尾)群组1male258.54.50.060‘群组2female216.46gender总计4741.00P>a接受HO,认为抽样数据中职工性别比例无差异3.1.3游程检验该样本中的抽样数据是否随机(检测数据均以均值为分割点)(1)性别:HO抽样数据中性别序列为随机序列H1:抽样数据中性别序列不为随机序列a=0.05表3.1.3-1性别序列游程检验连检定gender测试值a.46观察值<检定值258观察值>=检定值216总箱数474连个数110Z-11.692渐近显着性(双尾).000a.平均数图3.1.3-1性别序列游程检验详细模型输出P=0.000P接受H1,认为样本数据中性别序列不是随机序列H0抽样数据中年龄序列是随机序列H1:抽样数据中年龄序列不是随机序列a=0.05表3.1.3-2年龄序列游程检验结果连检定Years测试值a47.14观察值<检定值298观察值>=检定值175总箱数473连个数196Z-2.519图3.1.3-2年龄序列游程检验详细模型输出结果P=0.012P接收H1,认为年龄序列不是随机序列。3.2单因素方差分析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。(1)起始工资对现工资的影响分析H0认为起始工资对现工资没有显着影响H1:认为起始工资对现工资有显着影响a=0.05群组之间8933.040.000在群组内384总计473P=0.000P接受H1,认为起始工资对现工资有显着影响。(2)受教育水平对现工资的影响分析对受教育水平与现工资之间进行方差齐性检测,其结果如下:表3.2-2方差齐性检验结果变异数同质性测试CurrentSalaryLevene统计资料df1df2显着性16.1698464.000P=0.000<0.05,认为该样本方差不齐的要求,因此下面进行的方差分析结论的稳定性较差。单因素方差检验:H0认为受教育水平对现工资没有显着影响H1:认为受教育水平对现工资有显着影响表3.2-3受教育水平对现工资的影响分析结果变异数分析CurrentSalary平方和df平均值平方F显着性群组之间992.779.000在群组内464总计473P=0.000P接受H1,认为职工受教育水平对现工资有显着影响。3.3卡方检验职工的起始工资水平和现工资水平与其受教育程度之间是否存在关联性。(1)H0起始工资水平与受教育程度之间不存在关联性H1:起始工资水平与受教育程度之间存在关联性a=0.05表3.3-1起始工资与受教育程度的分析结果卡方测试数值df渐近显着性(2端)皮尔森(Pearson)卡方1969.1893801.000概似比765.651801.811线性对线性关联189.6431.000a.878资料格(97.6%)预期计数小於5。预期的计数下限为.00P=0.000P接受H1,认为起始工资与受教育程度之间存在关联性。(2)H0现工资与起始工资之间不存在关联性H1:现工资与起始工资之间存在关联性a=0.05表3.3-2现工资与起始工资的分析结果卡方测试数值df渐近显着性(2端)皮尔森(Pearson)卡方26391.304a19580.000概似比2672.323195801.000线性对线性关联366.3891.000有效观察值个数474a.19890资料格(100.0%)预期计数小於5。预期的计数下限为.00。P=0.000P接受H1,认为现工资与起始工资之间存在关联性。3.4相关与线性回归的分析方法3.4.1相关分析(1)双变量相关分析对受教育程度与现工资之间进行相关性分析。表341-1受教育程度与现工资间相关性检测相关Educational,,“、CurrentSalaryLevel(years)皮尔森(Pearson)相关1**.661EducationalLevel(years)显着性(双尾).000N474474皮尔森(Pearson)相关**.6611CurrentSalary显着性(双尾).000N474474**.相关性在0.01层上显着(双尾)(2)偏相关分析由于上述检测数据无法说明相关系数中有多少是反映“受教育程度-初始工资水平-现工资水平”这样一种简介的链条影响,也就是说,在控制了初始工资水平之后,受教育程度与现工资水平之间的相关性不确定,因此,下面采用偏相关分析对这三个因素进行分析。表3.4.1-2受教育程度与现工资水平偏相关分析相关控制变数CurrentSalaryEducationalLevel(years)相关1.000.281CurrentSalary显着性(双尾)..000BeginningSalarydf0471EducationalLevel相关.2811.000(years)显着性(双尾).000.342线性回归模型建立用受教育程度预测现工资的回归方程。图3.4.2受教育程度与现工资水平散点图表342-1回归方程模型汇总模型摘要模型RR平方调整後R平方标准偏斜度错误1.661a.436.435$12,833.540a.预测值:(常数),EducationalLevel(years)2=0.436,说明在对现工资水平的影响因素中,受教育程度起到一定的作用,但是并非决定性作用。表3.4.2-2回归模型方差分析结果变异数分析模型平方和df平均值平方F显着性回归1365.381.000b1残差472总计473a.应变数:CurrentSalaryb.预测值:(常数),EducationalLevel(years)表3.4.2-3回归方程常数项及回归系数检验结果系数 a.应变数\:CurrentSalary现工资水平=-18331.178+3909.907*受教育程度(年)由该方程可得出如下信息:(1)当受教育年限是0年时,在该公司内的现工资水平为$-18331.2。(2)受教育年限每增加一个单位,在该公司内的现工资水平将增加$3909.9。4高级阶段方法部分对该样本数据进行信效度检测。4.1信度表4.1-1样本数据信度检测可靠性统计资料Cronbach的Alpha.601项目个数3表4.1-2除去某项后信度检测结果项目总计统计资料尺度平均数(如尺度变异数(如果项目已删除)果项目已删除)更正後项目总数相关Cronbach的Alpha(如果项目已删除)EducationalLevel(years)51435.65.669.802CurrentSalary17029.58.880.001BeginningSalary34433.06.880.000由表4.1-1可得出结论:该样本数据总体a=0.601,信度良好。由表4.1-2可得出结论:当信度检测中除去受教育程度后的a=0.802,大于总体信度0.601,说明该项目的信度对总体信度检测产生负向影响。4.2效度表4.2-1效度分析数据描述Communalities起始撷取EducationalLevel(years)1.000.719EmploymentCategory1.000.791CurrentSalary1.000.900BeginningSalary1.000.888MonthssinceHire1.000.999PreviousExperienee(months)1.000.944撷取方法:主体元件分析。表4.2-2效度分析结果说明的变异数总计元件总计起始特徵值变异的%累加%总计撷取平方和载入变异的%累加%13.13452.22552.2253.13452.22552.22521.10318.38670.6111.10318.38670.61131.00416.73487.3451.00416.73487.3454.4146.89894.2435.2474.11298.3556.0991.645100.000撷取方法:主体元件分析。由表4.2-2可以看出,该样本数据中第一项的累计百分比为52.225%,大于50%因此可以认为该样本数据中的效度较高。
接受H1,认为职工的现工资统计量不服从正态分布
H0抽样数据中职工性别比例无差异
抽样数据中职工性别比例有差异
表3.1.2职工性别二项分布检验结果
二项式检定
类别
观察比例。
检定比例。
精确显着性(双尾)
群组1
male
.54
.50
.060
‘群组2
female
.46
gender
1.00
P>a
接受HO,认为抽样数据中职工性别比例无差异
该样本中的抽样数据是否随机(检测数据均以均值为分割点)
(1)性别:
HO抽样数据中性别序列为随机序列
抽样数据中性别序列不为随机序列
表3.1.3-1
性别序列游程检验
连检定
测试值a
观察值<检定值
观察值>=检定值
总箱数
连个数
110
Z
-11.692
.000
a.平均数
图3.1.3-1性别序列游程检验详细模型输出
P接受H1,认为样本数据中性别序列不是随机序列H0抽样数据中年龄序列是随机序列H1:抽样数据中年龄序列不是随机序列a=0.05表3.1.3-2年龄序列游程检验结果连检定Years测试值a47.14观察值<检定值298观察值>=检定值175总箱数473连个数196Z-2.519图3.1.3-2年龄序列游程检验详细模型输出结果P=0.012P接收H1,认为年龄序列不是随机序列。3.2单因素方差分析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。(1)起始工资对现工资的影响分析H0认为起始工资对现工资没有显着影响H1:认为起始工资对现工资有显着影响a=0.05群组之间8933.040.000在群组内384总计473P=0.000P接受H1,认为起始工资对现工资有显着影响。(2)受教育水平对现工资的影响分析对受教育水平与现工资之间进行方差齐性检测,其结果如下:表3.2-2方差齐性检验结果变异数同质性测试CurrentSalaryLevene统计资料df1df2显着性16.1698464.000P=0.000<0.05,认为该样本方差不齐的要求,因此下面进行的方差分析结论的稳定性较差。单因素方差检验:H0认为受教育水平对现工资没有显着影响H1:认为受教育水平对现工资有显着影响表3.2-3受教育水平对现工资的影响分析结果变异数分析CurrentSalary平方和df平均值平方F显着性群组之间992.779.000在群组内464总计473P=0.000P接受H1,认为职工受教育水平对现工资有显着影响。3.3卡方检验职工的起始工资水平和现工资水平与其受教育程度之间是否存在关联性。(1)H0起始工资水平与受教育程度之间不存在关联性H1:起始工资水平与受教育程度之间存在关联性a=0.05表3.3-1起始工资与受教育程度的分析结果卡方测试数值df渐近显着性(2端)皮尔森(Pearson)卡方1969.1893801.000概似比765.651801.811线性对线性关联189.6431.000a.878资料格(97.6%)预期计数小於5。预期的计数下限为.00P=0.000P接受H1,认为起始工资与受教育程度之间存在关联性。(2)H0现工资与起始工资之间不存在关联性H1:现工资与起始工资之间存在关联性a=0.05表3.3-2现工资与起始工资的分析结果卡方测试数值df渐近显着性(2端)皮尔森(Pearson)卡方26391.304a19580.000概似比2672.323195801.000线性对线性关联366.3891.000有效观察值个数474a.19890资料格(100.0%)预期计数小於5。预期的计数下限为.00。P=0.000P接受H1,认为现工资与起始工资之间存在关联性。3.4相关与线性回归的分析方法3.4.1相关分析(1)双变量相关分析对受教育程度与现工资之间进行相关性分析。表341-1受教育程度与现工资间相关性检测相关Educational,,“、CurrentSalaryLevel(years)皮尔森(Pearson)相关1**.661EducationalLevel(years)显着性(双尾).000N474474皮尔森(Pearson)相关**.6611CurrentSalary显着性(双尾).000N474474**.相关性在0.01层上显着(双尾)(2)偏相关分析由于上述检测数据无法说明相关系数中有多少是反映“受教育程度-初始工资水平-现工资水平”这样一种简介的链条影响,也就是说,在控制了初始工资水平之后,受教育程度与现工资水平之间的相关性不确定,因此,下面采用偏相关分析对这三个因素进行分析。表3.4.1-2受教育程度与现工资水平偏相关分析相关控制变数CurrentSalaryEducationalLevel(years)相关1.000.281CurrentSalary显着性(双尾)..000BeginningSalarydf0471EducationalLevel相关.2811.000(years)显着性(双尾).000.342线性回归模型建立用受教育程度预测现工资的回归方程。图3.4.2受教育程度与现工资水平散点图表342-1回归方程模型汇总模型摘要模型RR平方调整後R平方标准偏斜度错误1.661a.436.435$12,833.540a.预测值:(常数),EducationalLevel(years)2=0.436,说明在对现工资水平的影响因素中,受教育程度起到一定的作用,但是并非决定性作用。表3.4.2-2回归模型方差分析结果变异数分析模型平方和df平均值平方F显着性回归1365.381.000b1残差472总计473a.应变数:CurrentSalaryb.预测值:(常数),EducationalLevel(years)表3.4.2-3回归方程常数项及回归系数检验结果系数 a.应变数\:CurrentSalary现工资水平=-18331.178+3909.907*受教育程度(年)由该方程可得出如下信息:(1)当受教育年限是0年时,在该公司内的现工资水平为$-18331.2。(2)受教育年限每增加一个单位,在该公司内的现工资水平将增加$3909.9。4高级阶段方法部分对该样本数据进行信效度检测。4.1信度表4.1-1样本数据信度检测可靠性统计资料Cronbach的Alpha.601项目个数3表4.1-2除去某项后信度检测结果项目总计统计资料尺度平均数(如尺度变异数(如果项目已删除)果项目已删除)更正後项目总数相关Cronbach的Alpha(如果项目已删除)EducationalLevel(years)51435.65.669.802CurrentSalary17029.58.880.001BeginningSalary34433.06.880.000由表4.1-1可得出结论:该样本数据总体a=0.601,信度良好。由表4.1-2可得出结论:当信度检测中除去受教育程度后的a=0.802,大于总体信度0.601,说明该项目的信度对总体信度检测产生负向影响。4.2效度表4.2-1效度分析数据描述Communalities起始撷取EducationalLevel(years)1.000.719EmploymentCategory1.000.791CurrentSalary1.000.900BeginningSalary1.000.888MonthssinceHire1.000.999PreviousExperienee(months)1.000.944撷取方法:主体元件分析。表4.2-2效度分析结果说明的变异数总计元件总计起始特徵值变异的%累加%总计撷取平方和载入变异的%累加%13.13452.22552.2253.13452.22552.22521.10318.38670.6111.10318.38670.61131.00416.73487.3451.00416.73487.3454.4146.89894.2435.2474.11298.3556.0991.645100.000撷取方法:主体元件分析。由表4.2-2可以看出,该样本数据中第一项的累计百分比为52.225%,大于50%因此可以认为该样本数据中的效度较高。
接受H1,认为样本数据中性别序列不是随机序列
H0抽样数据中年龄序列是随机序列
抽样数据中年龄序列不是随机序列
表3.1.3-2年龄序列游程检验结果
Years
47.14
298
175
473
196
-2.519
图3.1.3-2年龄序列游程检验详细模型输出结果
P=0.012
P接收H1,认为年龄序列不是随机序列。3.2单因素方差分析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。(1)起始工资对现工资的影响分析H0认为起始工资对现工资没有显着影响H1:认为起始工资对现工资有显着影响a=0.05群组之间8933.040.000在群组内384总计473P=0.000P接受H1,认为起始工资对现工资有显着影响。(2)受教育水平对现工资的影响分析对受教育水平与现工资之间进行方差齐性检测,其结果如下:表3.2-2方差齐性检验结果变异数同质性测试CurrentSalaryLevene统计资料df1df2显着性16.1698464.000P=0.000<0.05,认为该样本方差不齐的要求,因此下面进行的方差分析结论的稳定性较差。单因素方差检验:H0认为受教育水平对现工资没有显着影响H1:认为受教育水平对现工资有显着影响表3.2-3受教育水平对现工资的影响分析结果变异数分析CurrentSalary平方和df平均值平方F显着性群组之间992.779.000在群组内464总计473P=0.000P接受H1,认为职工受教育水平对现工资有显着影响。3.3卡方检验职工的起始工资水平和现工资水平与其受教育程度之间是否存在关联性。(1)H0起始工资水平与受教育程度之间不存在关联性H1:起始工资水平与受教育程度之间存在关联性a=0.05表3.3-1起始工资与受教育程度的分析结果卡方测试数值df渐近显着性(2端)皮尔森(Pearson)卡方1969.1893801.000概似比765.651801.811线性对线性关联189.6431.000a.878资料格(97.6%)预期计数小於5。预期的计数下限为.00P=0.000P接受H1,认为起始工资与受教育程度之间存在关联性。(2)H0现工资与起始工资之间不存在关联性H1:现工资与起始工资之间存在关联性a=0.05表3.3-2现工资与起始工资的分析结果卡方测试数值df渐近显着性(2端)皮尔森(Pearson)卡方26391.304a19580.000概似比2672.323195801.000线性对线性关联366.3891.000有效观察值个数474a.19890资料格(100.0%)预期计数小於5。预期的计数下限为.00。P=0.000P接受H1,认为现工资与起始工资之间存在关联性。3.4相关与线性回归的分析方法3.4.1相关分析(1)双变量相关分析对受教育程度与现工资之间进行相关性分析。表341-1受教育程度与现工资间相关性检测相关Educational,,“、CurrentSalaryLevel(years)皮尔森(Pearson)相关1**.661EducationalLevel(years)显着性(双尾).000N474474皮尔森(Pearson)相关**.6611CurrentSalary显着性(双尾).000N474474**.相关性在0.01层上显着(双尾)(2)偏相关分析由于上述检测数据无法说明相关系数中有多少是反映“受教育程度-初始工资水平-现工资水平”这样一种简介的链条影响,也就是说,在控制了初始工资水平之后,受教育程度与现工资水平之间的相关性不确定,因此,下面采用偏相关分析对这三个因素进行分析。表3.4.1-2受教育程度与现工资水平偏相关分析相关控制变数CurrentSalaryEducationalLevel(years)相关1.000.281CurrentSalary显着性(双尾)..000BeginningSalarydf0471EducationalLevel相关.2811.000(years)显着性(双尾).000.342线性回归模型建立用受教育程度预测现工资的回归方程。图3.4.2受教育程度与现工资水平散点图表342-1回归方程模型汇总模型摘要模型RR平方调整後R平方标准偏斜度错误1.661a.436.435$12,833.540a.预测值:(常数),EducationalLevel(years)2=0.436,说明在对现工资水平的影响因素中,受教育程度起到一定的作用,但是并非决定性作用。表3.4.2-2回归模型方差分析结果变异数分析模型平方和df平均值平方F显着性回归1365.381.000b1残差472总计473a.应变数:CurrentSalaryb.预测值:(常数),EducationalLevel(years)表3.4.2-3回归方程常数项及回归系数检验结果系数 a.应变数\:CurrentSalary现工资水平=-18331.178+3909.907*受教育程度(年)由该方程可得出如下信息:(1)当受教育年限是0年时,在该公司内的现工资水平为$-18331.2。(2)受教育年限每增加一个单位,在该公司内的现工资水平将增加$3909.9。4高级阶段方法部分对该样本数据进行信效度检测。4.1信度表4.1-1样本数据信度检测可靠性统计资料Cronbach的Alpha.601项目个数3表4.1-2除去某项后信度检测结果项目总计统计资料尺度平均数(如尺度变异数(如果项目已删除)果项目已删除)更正後项目总数相关Cronbach的Alpha(如果项目已删除)EducationalLevel(years)51435.65.669.802CurrentSalary17029.58.880.001BeginningSalary34433.06.880.000由表4.1-1可得出结论:该样本数据总体a=0.601,信度良好。由表4.1-2可得出结论:当信度检测中除去受教育程度后的a=0.802,大于总体信度0.601,说明该项目的信度对总体信度检测产生负向影响。4.2效度表4.2-1效度分析数据描述Communalities起始撷取EducationalLevel(years)1.000.719EmploymentCategory1.000.791CurrentSalary1.000.900BeginningSalary1.000.888MonthssinceHire1.000.999PreviousExperienee(months)1.000.944撷取方法:主体元件分析。表4.2-2效度分析结果说明的变异数总计元件总计起始特徵值变异的%累加%总计撷取平方和载入变异的%累加%13.13452.22552.2253.13452.22552.22521.10318.38670.6111.10318.38670.61131.00416.73487.3451.00416.73487.3454.4146.89894.2435.2474.11298.3556.0991.645100.000撷取方法:主体元件分析。由表4.2-2可以看出,该样本数据中第一项的累计百分比为52.225%,大于50%因此可以认为该样本数据中的效度较高。
接收H1,认为年龄序列不是随机序列。
(1)起始工资对现工资的影响分析
H0认为起始工资对现工资没有显着影响
认为起始工资对现工资有显着影响
群组之间8933.040.000
在群组内384
总计473
P接受H1,认为起始工资对现工资有显着影响。(2)受教育水平对现工资的影响分析对受教育水平与现工资之间进行方差齐性检测,其结果如下:表3.2-2方差齐性检验结果变异数同质性测试CurrentSalaryLevene统计资料df1df2显着性16.1698464.000P=0.000<0.05,认为该样本方差不齐的要求,因此下面进行的方差分析结论的稳定性较差。单因素方差检验:H0认为受教育水平对现工资没有显着影响H1:认为受教育水平对现工资有显着影响表3.2-3受教育水平对现工资的影响分析结果变异数分析CurrentSalary平方和df平均值平方F显着性群组之间992.779.000在群组内464总计473P=0.000P接受H1,认为职工受教育水平对现工资有显着影响。3.3卡方检验职工的起始工资水平和现工资水平与其受教育程度之间是否存在关联性。(1)H0起始工资水平与受教育程度之间不存在关联性H1:起始工资水平与受教育程度之间存在关联性a=0.05表3.3-1起始工资与受教育程度的分析结果卡方测试数值df渐近显着性(2端)皮尔森(Pearson)卡方1969.1893801.000概似比765.651801.811线性对线性关联189.6431.000a.878资料格(97.6%)预期计数小於5。预期的计数下限为.00P=0.000P接受H1,认为起始工资与受教育程度之间存在关联性。(2)H0现工资与起始工资之间不存在关联性H1:现工资与起始工资之间存在关联性a=0.05表3.3-2现工资与起始工资的分析结果卡方测试数值df渐近显着性(2端)皮尔森(Pearson)卡方26391.304a19580.000概似比2672.323195801.000线性对线性关联366.3891.000有效观察值个数474a.19890资料格(100.0%)预期计数小於5。预期的计数下限为.00。P=0.000P接受H1,认为现工资与起始工资之间存在关联性。3.4相关与线性回归的分析方法3.4.1相关分析(1)双变量相关分析对受教育程度与现工资之间进行相关性分析。表341-1受教育程度与现工资间相关性检测相关Educational,,“、CurrentSalaryLevel(years)皮尔森(Pearson)相关1**.661EducationalLevel(years)显着性(双尾).000N474474皮尔森(Pearson)相关**.6611CurrentSalary显着性(双尾).000N474474**.相关性在0.01层上显着(双尾)(2)偏相关分析由于上述检测数据无法说明相关系数中有多少是反映“受教育程度-初始工资水平-现工资水平”这样一种简介的链条影响,也就是说,在控制了初始工资水平之后,受教育程度与现工资水平之间的相关性不确定,因此,下面采用偏相关分析对这三个因素进行分析。表3.4.1-2受教育程度与现工资水平偏相关分析相关控制变数CurrentSalaryEducationalLevel(years)相关1.000.281CurrentSalary显着性(双尾)..000BeginningSalarydf0471EducationalLevel相关.2811.000(years)显着性(双尾).000.342线性回归模型建立用受教育程度预测现工资的回归方程。图3.4.2受教育程度与现工资水平散点图表342-1回归方程模型汇总模型摘要模型RR平方调整後R平方标准偏斜度错误1.661a.436.435$12,833.540a.预测值:(常数),EducationalLevel(years)2=0.436,说明在对现工资水平的影响因素中,受教育程度起到一定的作用,但是并非决定性作用。表3.4.2-2回归模型方差分析结果变异数分析模型平方和df平均值平方F显着性回归1365.381.000b1残差472总计473a.应变数:CurrentSalaryb.预测值:(常数),EducationalLevel(years)表3.4.2-3回归方程常数项及回归系数检验结果系数 a.应变数\:CurrentSalary现工资水平=-18331.178+3909.907*受教育程度(年)由该方程可得出如下信息:(1)当受教育年限是0年时,在该公司内的现工资水平为$-18331.2。(2)受教育年限每增加一个单位,在该公司内的现工资水平将增加$3909.9。4高级阶段方法部分对该样本数据进行信效度检测。4.1信度表4.1-1样本数据信度检测可靠性统计资料Cronbach的Alpha.601项目个数3表4.1-2除去某项后信度检测结果项目总计统计资料尺度平均数(如尺度变异数(如果项目已删除)果项目已删除)更正後项目总数相关Cronbach的Alpha(如果项目已删除)EducationalLevel(years)51435.65.669.802CurrentSalary17029.58.880.001BeginningSalary34433.06.880.000由表4.1-1可得出结论:该样本数据总体a=0.601,信度良好。由表4.1-2可得出结论:当信度检测中除去受教育程度后的a=0.802,大于总体信度0.601,说明该项目的信度对总体信度检测产生负向影响。4.2效度表4.2-1效度分析数据描述Communalities起始撷取EducationalLevel(years)1.000.719EmploymentCategory1.000.791CurrentSalary1.000.900BeginningSalary1.000.888MonthssinceHire1.000.999PreviousExperienee(months)1.000.944撷取方法:主体元件分析。表4.2-2效度分析结果说明的变异数总计元件总计起始特徵值变异的%累加%总计撷取平方和载入变异的%累加%13.13452.22552.2253.13452.22552.22521.10318.38670.6111.10318.38670.61131.00416.73487.3451.00416.73487.3454.4146.89894.2435.2474.11298.3556.0991.645100.000撷取方法:主体元件分析。由表4.2-2可以看出,该样本数据中第一项的累计百分比为52.225%,大于50%因此可以认为该样本数据中的效度较高。
接受H1,认为起始工资对现工资有显着影响。
(2)受教育水平对现工资的影响分析
对受教育水平与现工资之间进行方差齐性检测,其结果如下:
表3.2-2方差齐性检验结果
变异数同质性测试
Levene统计资料
df1
df2
显着性
16.169
464
P=0.000<0.05,认为该样本方差不齐的要求,因此下面进行的方差分析结论的稳定性较差。
单因素方差检验:
H0认为受教育水平对现工资没有显着影响
认为受教育水平对现工资有显着影响
表3.2-3受教育水平对现工资的影响分析结果
变异数分析
平方和
df
平均值平方
F
群组之间
92.779
在群组内
P接受H1,认为职工受教育水平对现工资有显着影响。3.3卡方检验职工的起始工资水平和现工资水平与其受教育程度之间是否存在关联性。(1)H0起始工资水平与受教育程度之间不存在关联性H1:起始工资水平与受教育程度之间存在关联性a=0.05表3.3-1起始工资与受教育程度的分析结果卡方测试数值df渐近显着性(2端)皮尔森(Pearson)卡方1969.1893801.000概似比765.651801.811线性对线性关联189.6431.000a.878资料格(97.6%)预期计数小於5。预期的计数下限为.00P=0.000P接受H1,认为起始工资与受教育程度之间存在关联性。(2)H0现工资与起始工资之间不存在关联性H1:现工资与起始工资之间存在关联性a=0.05表3.3-2现工资与起始工资的分析结果卡方测试数值df渐近显着性(2端)皮尔森(Pearson)卡方26391.304a19580.000概似比2672.323195801.000线性对线性关联366.3891.000有效观察值个数474a.19890资料格(100.0%)预期计数小於5。预期的计数下限为.00。P=0.000P接受H1,认为现工资与起始工资之间存在关联性。3.4相关与线性回归的分析方法3.4.1相关分析(1)双变量相关分析对受教育程度与现工资之间进行相关性分析。表341-1受教育程度与现工资间相关性检测相关Educational,,“、CurrentSalaryLevel(years)皮尔森(Pearson)相关1**.661EducationalLevel(years)显着性(双尾).000N474474皮尔森(Pearson)相关**.6611CurrentSalary显着性(双尾).000N474474**.相关性在0.01层上显着(双尾)(2)偏相关分析由于上述检测数据无法说明相关系数中有多少是反映“受教育程度-初始工资水平-现工资水平”这样一种简介的链条影响,也就是说,在控制了初始工资水平之后,受教育程度与现工资水平之间的相关性不确定,因此,下面采用偏相关分析对这三个因素进行分析。表3.4.1-2受教育程度与现工资水平偏相关分析相关控制变数CurrentSalaryEducationalLevel(years)相关1.000.281CurrentSalary显着性(双尾)..000BeginningSalarydf0471EducationalLevel相关.2811.000(years)显着性(双尾).000.342线性回归模型建立用受教育程度预测现工资的回归方程。图3.4.2受教育程度与现工资水平散点图表342-1回归方程模型汇总模型摘要模型RR平方调整後R平方标准偏斜度错误1.661a.436.435$12,833.540a.预测值:(常数),EducationalLevel(years)2=0.436,说明在对现工资水平的影响因素中,受教育程度起到一定的作用,但是并非决定性作用。表3.4.2-2回归模型方差分析结果变异数分析模型平方和df平均值平方F显着性回归1365.381.000b1残差472总计473a.应变数:CurrentSalaryb.预测值:(常数),EducationalLevel(years)表3.4.2-3回归方程常数项及回归系数检验结果系数 a.应变数\:CurrentSalary现工资水平=-18331.178+3909.907*受教育程度(年)由该方程可得出如下信息:(1)当受教育年限是0年时,在该公司内的现工资水平为$-18331.2。(2)受教育年限每增加一个单位,在该公司内的现工资水平将增加$3909.9。4高级阶段方法部分对该样本数据进行信效度检测。4.1信度表4.1-1样本数据信度检测可靠性统计资料Cronbach的Alpha.601项目个数3表4.1-2除去某项后信度检测结果项目总计统计资料尺度平均数(如尺度变异数(如果项目已删除)果项目已删除)更正後项目总数相关Cronbach的Alpha(如果项目已删除)EducationalLevel(years)51435.65.669.802CurrentSalary17029.58.880.001BeginningSalary34433.06.880.000由表4.1-1可得出结论:该样本数据总体a=0.601,信度良好。由表4.1-2可得出结论:当信度检测中除去受教育程度后的a=0.802,大于总体信度0.601,说明该项目的信度对总体信度检测产生负向影响。4.2效度表4.2-1效度分析数据描述Communalities起始撷取EducationalLevel(years)1.000.719EmploymentCategory1.000.791CurrentSalary1.000.900BeginningSalary1.000.888MonthssinceHire1.000.999PreviousExperienee(months)1.000.944撷取方法:主体元件分析。表4.2-2效度分析结果说明的变异数总计元件总计起始特徵值变异的%累加%总计撷取平方和载入变异的%累加%13.13452.22552.2253.13452.22552.22521.10318.38670.6111.10318.38670.61131.00416.73487.3451.00416.73487.3454.4146.89894.2435.2474.11298.3556.0991.645100.000撷取方法:主体元件分析。由表4.2-2可以看出,该样本数据中第一项的累计百分比为52.225%,大于50%因此可以认为该样本数据中的效度较高。
接受H1,认为职工受教育水平对现工资有显着影响。
(1)
H0起始工资水平与受教育程度之间不存在关联性
起始工资水平与受教育程度之间存在关联性
表3.3-1起始工资与受教育程度的分析结果
卡方测试
数值
渐近显着性(2端)
皮尔森(Pearson)卡方
1969.1893
801
概似比
765.651
.811
线性对线性关联
189.643
a.878资料格(97.6%)预期计数小於5。
预期的计数下限为.00
P接受H1,认为起始工资与受教育程度之间存在关联性。(2)H0现工资与起始工资之间不存在关联性H1:现工资与起始工资之间存在关联性a=0.05表3.3-2现工资与起始工资的分析结果卡方测试数值df渐近显着性(2端)皮尔森(Pearson)卡方26391.304a19580.000概似比2672.323195801.000线性对线性关联366.3891.000有效观察值个数474a.19890资料格(100.0%)预期计数小於5。预期的计数下限为.00。P=0.000P接受H1,认为现工资与起始工资之间存在关联性。3.4相关与线性回归的分析方法3.4.1相关分析(1)双变量相关分析对受教育程度与现工资之间进行相关性分析。表341-1受教育程度与现工资间相关性检测相关Educational,,“、CurrentSalaryLevel(years)皮尔森(Pearson)相关1**.661EducationalLevel(years)显着性(双尾).000N474474皮尔森(Pearson)相关**.6611CurrentSalary显着性(双尾).000N474474**.相关性在0.01层上显着(双尾)(2)偏相关分析由于上述检测数据无法说明相关系数中有多少是反映“受教育程度-初始工资水平-现工资水平”这样一种简介的链条影响,也就是说,在控制了初始工资水平之后,受教育程度与现工资水平之间的相关性不确定,因此,下面采用偏相关分析对这三个因素进行分析。表3.4.1-2受教育程度与现工资水平偏相关分析相关控制变数CurrentSalaryEducationalLevel(years)相关1.000.281CurrentSalary显着性(双尾)..000BeginningSalarydf0471EducationalLevel相关.2811.000(years)显着性(双尾).000.342线性回归模型建立用受教育程度预测现工资的回归方程。图3.4.2受教育程度与现工资水平散点图表342-1回归方程模型汇总模型摘要模型RR平方调整後R平方标准偏斜度错误1.661a.436.435$12,833.540a.预测值:(常数),EducationalLevel(years)2=0.436,说明在对现工资水平的影响因素中,受教育程度起到一定的作用,但是并非决定性作用。表3.4.2-2回归模型方差分析结果变异数分析模型平方和df平均值平方F显着性回归1365.381.000b1残差472总计473a.应变数:CurrentSalaryb.预测值:(常数),EducationalLevel(years)表3.4.2-3回归方程常数项及回归系数检验结果系数 a.应变数\:CurrentSalary现工资水平=-18331.178+3909.907*受教育程度(年)由该方程可得出如下信息:(1)当受教育年限是0年时,在该公司内的现工资水平为$-18331.2。(2)受教育年限每增加一个单位,在该公司内的现工资水平将增加$3909.9。4高级阶段方法部分对该样本数据进行信效度检测。4.1信度表4.1-1样本数据信度检测可靠性统计资料Cronbach的Alpha.601项目个数3表4.1-2除去某项后信度检测结果项目总计统计资料尺度平均数(如尺度变异数(如果项目已删除)果项目已删除)更正後项目总数相关Cronbach的Alpha(如果项目已删除)EducationalLevel(years)51435.65.669.802CurrentSalary17029.58.880.001BeginningSalary34433.06.880.000由表4.1-1可得出结论:该样本数据总体a=0.601,信度良好。由表4.1-2可得出结论:当信度检测中除去受教育程度后的a=0.802,大于总体信度0.601,说明该项目的信度对总体信度检测产生负向影响。4.2效度表4.2-1效度分析数据描述Communalities起始撷取EducationalLevel(years)1.000.719EmploymentCategory1.000.791CurrentSalary1.000.900BeginningSalary1.000.888MonthssinceHire1.000.999PreviousExperienee(months)1.000.944撷取方法:主体元件分析。表4.2-2效度分析结果说明的变异数总计元件总计起始特徵值变异的%累加%总计撷取平方和载入变异的%累加%13.13452.22552.2253.13452.22552.22521.10318.38670.6111.10318.38670.61131.00416.73487.3451.00416.73487.3454.4146.89894.2435.2474.11298.3556.0991.645100.000撷取方法:主体元件分析。由表4.2-2可以看出,该样本数据中第一项的累计百分比为52.225%,大于50%因此可以认为该样本数据中的效度较高。
接受H1,认为起始工资与受教育程度之间存在关联性。
(2)
H0现工资与起始工资之间不存在关联性
现工资与起始工资之间存在关联性
表3.3-2现工资与起始工资的分析结果
26391.304a
19580
2672.323
366.389
有效观察值个数
a.19890资料格(100.0%)
预期计数小於5。
预期的计数下限为
.00。
P接受H1,认为现工资与起始工资之间存在关联性。3.4相关与线性回归的分析方法3.4.1相关分析(1)双变量相关分析对受教育程度与现工资之间进行相关性分析。表341-1受教育程度与现工资间相关性检测相关Educational,,“、CurrentSalaryLevel(years)皮尔森(Pearson)相关1**.661EducationalLevel(years)显着性(双尾).000N474474皮尔森(Pearson)相关**.6611CurrentSalary显着性(双尾).000N474474**.相关性在0.01层上显着(双尾)(2)偏相关分析由于上述检测数据无法说明相关系数中有多少是反映“受教育程度-初始工资水平-现工资水平”这样一种简介的链条影响,也就是说,在控制了初始工资水平之后,受教育程度与现工资水平之间的相关性不确定,因此,下面采用偏相关分析对这三个因素进行分析。表3.4.1-2受教育程度与现工资水平偏相关分析相关控制变数CurrentSalaryEducationalLevel(years)相关1.000.281CurrentSalary显着性(双尾)..000BeginningSalarydf0471EducationalLevel相关.2811.000(years)显着性(双尾).000.342线性回归模型建立用受教育程度预测现工资的回归方程。图3.4.2受教育程度与现工资水平散点图表342-1回归方程模型汇总模型摘要模型RR平方调整後R平方标准偏斜度错误1.661a.436.435$12,833.540a.预测值:(常数),EducationalLevel(years)2=0.436,说明在对现工资水平的影响因素中,受教育程度起到一定的作用,但是并非决定性作用。表3.4.2-2回归模型方差分析结果变异数分析模型平方和df平均值平方F显着性回归1365.381.000b1残差472总计473a.应变数:CurrentSalaryb.预测值:(常数),EducationalLevel(years)表3.4.2-3回归方程常数项及回归系数检验结果系数 a.应变数\:CurrentSalary现工资水平=-18331.178+3909.907*受教育程度(年)由该方程可得出如下信息:(1)当受教育年限是0年时,在该公司内的现工资水平为$-18331.2。(2)受教育年限每增加一个单位,在该公司内的现工资水平将增加$3909.9。4高级阶段方法部分对该样本数据进行信效度检测。4.1信度表4.1-1样本数据信度检测可靠性统计资料Cronbach的Alpha.601项目个数3表4.1-2除去某项后信度检测结果项目总计统计资料尺度平均数(如尺度变异数(如果项目已删除)果项目已删除)更正後项目总数相关Cronbach的Alpha(如果项目已删除)EducationalLevel(years)51435.65.669.802CurrentSalary17029.58.880.001BeginningSalary34433.06.880.000由表4.1-1可得出结论:该样本数据总体a=0.601,信度良好。由表4.1-2可得出结论:当信度检测中除去受教育程度后的a=0.802,大于总体信度0.601,说明该项目的信度对总体信度检测产生负向影响。4.2效度表4.2-1效度分析数据描述Communalities起始撷取EducationalLevel(years)1.000.719EmploymentCategory1.000.791CurrentSalary1.000.900BeginningSalary1.000.888MonthssinceHire1.000.999PreviousExperienee(months)1.000.944撷取方法:主体元件分析。表4.2-2效度分析结果说明的变异数总计元件总计起始特徵值变异的%累加%总计撷取平方和载入变异的%累加%13.13452.22552.2253.13452.22552.22521.10318.38670.6111.10318.38670.61131.00416.73487.3451.00416.73487.3454.4146.89894.2435.2474.11298.3556.0991.645100.000撷取方法:主体元件分析。由表4.2-2可以看出,该样本数据中第一项的累计百分比为52.225%,大于50%因此可以认为该样本数据中的效度较高。
接受H1,认为现工资与起始工资之间存在关联性。
3.4.1相关分析
(1)双变量相关分析
对受教育程度与现工资之间进行相关性分析。
表341-1受教育程度与现工资间相关性检测
相关
Educational,
,“、CurrentSalary
Level(years)
皮尔森(Pearson)
**
.661
显着性(双尾)
**.相关性在0.01层上显着(双尾)
(2)偏相关分析
由于上述检测数据无法说明相关系数中有多少是反映“受教育程度-初始工资水平-现工资水平”这样一种简介的链条影响,也就是说,在控制了初始工资水平之后,受教育程度与现工资水平之间的相关性不确定,因此,下面采用偏相关分析对这三个因素进行分析。
表3.4.1-2受教育程度与现工资水平偏相关分析
控制变数
Current
Salary
Educational
.281
.
Beginning
471
EducationalLevel
(years)
342线性回归模型
建立用受教育程度预测现工资的回归方程。
图3.4.2受教育程度与现工资水平散点图
表342-1回归方程模型汇总
模型摘要
模型RR平方调整後R平方标准偏斜度错误
1.661a.436.435$12,833.540
a.预测值:
(常数),EducationalLevel(years)
2=0.436,说明在对现工资水平的影响因素中,受教育程度起到一定的作用,但是并非决定性作用。
表3.4.2-2回归模型方差分析结果
模型
回归
365.381
.000b
1残差
472
a.应变数:
b.预测值:
表3.4.2-3回归方程常数项及回归系数检验结果
系数
a.应变数\:
现工资水平=-18331.178+3909.907*受教育程度(年)
由该方程可得出如下信息:
(1)当受教育年限是0年时,在该公司内的现工资水平为$-18331.2。
(2)受教育年限每增加一个单位,在该公司内的现工资水平将增加$3909.9。
对该样本数据进行信效度检测。
4.1信度
表4.1-1样本数据信度检测
可靠性统计资料
Cronbach的Alpha
.601
项目个数
3
表4.1-2除去某项后信度检测结果
项目总计统计资料
尺度平均数(如尺度变异数(如果项目已删除)果项目已删除)
更正後项目总数相关
Cronbach的
Alpha(如果项
目已删除)
51435.65
.669
.802
17029.58
.880
.001
BeginningSalary
34433.06
由表4.1-1可得出结论:
该样本数据总体a=0.601,信度良好。
由表4.1-2可得出结论:
当信度检测中除去受教育程度后的a=0.802,大于总体信度0.601,说明该项目的信度对总体信度检测产生负向影响。
4.2效度
表4.2-1效度分析数据描述
Communalities
起始
撷取
.719
EmploymentCategory
.791
.900
.888
MonthssinceHire
.999
PreviousExperienee(months)
.944
撷取方法:
主体元件分析。
表4.2-2效度分析结果
说明的变异数总计
元件
起始特徵值
变异的%
累加%
撷取平方和载入
3.134
52.225
1.103
18.386
70.611
1.004
16.734
87.345
4
.414
6.898
94.243
5
.247
4.112
98.355
6.0991.645100.000
由表4.2-2可以看出,该样本数据中第一项的累计百分比为52.225%,大于50%因此可
以认为该样本数据中的效度较高。
copyright@ 2008-2023 冰点文库 网站版权所有
经营许可证编号:鄂ICP备19020893号-2