
spss的數據分析報告_spss的數據分析實例_spss的數據分析(2)_數據分析師
tisti Statistic c Educationa l Level 474 (years) Current Salary 474
Statistic
Statistic
Statistic
Std. Std. Statisti Statisti Erro Erro c c r r
8
21
13.49
2.885
-.114
.112 -.265
.224
$15,750
$135,000
$34,419.5 $17,075.66 2.125 7 1 $17,016.0 $7,870.638 2.853 9
.112 5.378
.224
Beginning 474 Salary Previous Experience 474 (months)
$9,000
$79,980
.112 12.390 .224
0
476
95.86
104.586
1.510
.112 1.696
.224
2
Months 474 since Hire
63
98
81.11
10.061
-.053
.112 -1.153
.224
如表所示,以起始工資為例讀取分析結果,474名職工的起始工資最小值為$9000 ,最大 值為$79980,平均起始工資為$17016,標準差為$7870.638,偏度系數和峰度系數分別為 2.853和12.390。其他數據依此讀取,則該表表明474名職工的受教育水平、起始工資、現工 資、先前工作經驗、現在工作經驗的詳細分布狀況。
3、 Exploratory data analysis。
(1) 交叉分析。 通過頻數分析能夠掌握單個變量的數據分布情況, 但是在實際分析中, 不僅要了解單個變量 的分布特征,還要分析多個變量不同取值下的分布,掌握多個變量的聯合分布特征,進而分 析變量之間的相互影響和關系。 就本數據而言, 需要了解現工資與性別、 年齡、 受教育水平、 起始工資、本單位工作經歷、以前工作經歷、職務等級的交叉分析。現以現工資與職務等級 的列聯表分析為例,讀取數據(下面數據分析表為截取的一部分): 單因素分析用來研究一個控制變量的不同水平是否對觀測變量產生了顯著影響。下面我 們把受教育水平和起始工資作為控制變量, 現工資為觀測變量, 通過單因素方差分析方法研 究受教育水平和起始工資對現工資的影響進行分析。分析結果如下:
ANOVA Current Salary Sum of Squares 1E+011 2E+010 1E+011 df 89 384 473 Mean Square 1370635995 41484093.53 F 33.040 Sig. .000
Between Groups Within Groups Total
上表是起始工資對現工資的單因素方差分析結果??梢钥闯觯篎 統計量的觀測值為 33.040, 對應的概率 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 應拒絕原假設,認為不同的起始工資對現工資產生了顯著影響。
ANOVA Current Salary Sum of Squares 9E+010 5E+010 1E+011 df 9 464 473 Mean Square 9850392785 106170173.2 F 92.779 Sig. .000
Between Groups Within Groups Total
同理,上表是受教育水平對現工資影響的單因素分析結果,其結果亦為拒絕原假設,所以不 同的受教育水平對現工資產生顯著影響。
數據分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數的日期轉換:從基礎用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數據處理中,日期格式轉換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關聯查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數據庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數據分析師:表結構數據 “獲取 - 加工 - 使用” 全流程的賦能者 表結構數據(如數據庫表、Excel 表、CSV 文件)是企業(yè)數字 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內涵、作用與應用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數據分析師:解鎖表結構數據特征價值的專業(yè)核心 表結構數據(以 “行 - 列” 規(guī)范存儲的結構化數據,如數據庫表、Excel 表、 ...
2025-09-17Excel 導入數據含缺失值?詳解 dropna 函數的功能與實戰(zhàn)應用 在用 Python(如 pandas 庫)處理 Excel 數據時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應用 在數據分析與統計學領域,假設檢驗是驗證研究假設、判斷數據差異是否 “ ...
2025-09-16CDA 數據分析師:掌控表格結構數據全功能周期的專業(yè)操盤手 表格結構數據(以 “行 - 列” 存儲的結構化數據,如 Excel 表、數據 ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網絡請求開發(fā)時(如使用requests ...
2025-09-15CDA 數據分析師:激活表格結構數據價值的核心操盤手 表格結構數據(如 Excel 表格、數據庫表)是企業(yè)最基礎、最核心的數據形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調用、數據爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數據的科學計數法問題 為幫助 Python 數據從業(yè)者解決pd.read_csv讀取長浮點數據時的科學計數法問題 ...
2025-09-12CDA 數據分析師:業(yè)務數據分析步驟的落地者與價值優(yōu)化者 業(yè)務數據分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務邏輯:從規(guī)則拆解到數據把關的實戰(zhàn)指南 在業(yè)務系統落地過程中,“業(yè)務邏輯” 是連接 “需求設計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數據驅動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數據分析師與戰(zhàn)略 / 業(yè)務數據分析:概念辨析與協同價值 在數據驅動決策的體系中,“戰(zhàn)略數據分析”“業(yè)務數據分析” 是企業(yè) ...
2025-09-11Excel 數據聚類分析:從操作實踐到業(yè)務價值挖掘 在數據分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數據中挖 ...
2025-09-10統計模型的核心目的:從數據解讀到決策支撐的價值導向 統計模型作為數據分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10