
spss的數據分析報告_spss的數據分析實例_spss的數據分析(3)_數據分析師
4、 相關分析。相關分析是分析客觀事物之間關系的數量分析法,明確客觀事物之間有怎 樣的關系對理解和運用相關分析是極其重要的。 函數關系是指兩事物之間的一種一一對應的關系,即當一個變量 X 取一定值時,另一 個變量函數 Y 可以根據確定的函數取一定的值。另一種普遍存在的關系是統(tǒng)計關系。統(tǒng)計 關系是指兩事物之間的一種非一一對應的關系,即當一個變量 X 取一定值時,另一個變量
Y 無法根據確定的函數取一定的值。統(tǒng)計關系可分為線性關系和非線性關系。 事物之間的函數關系比較容易分析和測度, 而事物之間的統(tǒng)計關系卻不像函數關系那樣 直接,但確實普遍存在,并且有的關系強有的關系弱,程度各有差異。如何測度事物之間的 統(tǒng)計關系的強弱是人們關注的問題。 相關分析正是一種簡單易行的測度事物之間統(tǒng)計關系的 有效工具。
Correlations Beginning Months Salary since Hire .880** .084 .000 .067 474 474 1 -.020 .668 474 474 -.020 1 .668 474 474 .045 .003 .327 .948 474 474 -.010 .054 .833 .244 473 473 Previous Experience (months) -.097* .034 474 .045 .327 474 .003 .948 474 1 474 .802** .000 473
Current Salary
Beginning Salary
Months since Hire
Previous Experience (months) Years
Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N
Current Salary 1 474 .880** .000 474 .084 .067 474 -.097* .034 474 -.144** .002 473
Years -.144** .002 473 -.010 .833 473 .054 .244 473 .802** .000 473 1 473
**. Correlation is significant at the 0.01 level (2-tailed). *. Correlation is significant at the 0.05 level (2-tailed).
上表是對本次分析數據中,現工資、起始工資、本單位工作時間、以前工作時間、年齡五個 變量間的相關分析,表中相關系數旁邊有兩個星號(**)的,表示顯著性水平為 0.01 時, 仍拒絕原假設。一個星號(*)表示顯著性水平為 0.05 是仍拒絕原假設。先以現工資這一變 量與其他變量的相關性為例分析,由上表可知,現工資與起始工資的相關性最大,相關系數 為 0.880,而與在本單位的工作時間相關性最小,相關系數為 0.084。 5、 參數檢驗。 首先對現工資的分布做正態(tài)性檢驗,結果如下:
Histogram
120
100
80
Frequency
60
40
20 M ean = $34, 419. 57 St d. D ev. = $17, 075. 661 N = 474 $0 $20, 000 $40, 000 $60, 000 $80, 000 $100, 000 $120, 000 $140, 000
0
C urrent S alary
由上圖可知,現工資的分布可近似看作符合正態(tài)分布,現推斷現工資變量的平均值是否為
4
$3,000,0,因此可采取單樣本 t 檢驗來進行分析。分析如下:
One-Sample Statistics Std. Error N Mean Std. Deviation Mean
One-Sample Test Test Value = 30000 95% Confidence Interval Mean t Current Salary 5.635 df 473 Sig. (2-tailed) .000 Difference $4,419.568 of the Difference Lower $2,878.40 Upper $5,960.73
由 One-Sample Statistics 可知 ,474 名 職工的現工資 平均值為¥ 34,419.57 ,標準差 為 $17,075.661,均值標準誤差為$784.311。
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(lián)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(tǒng)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(tǒng)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(xié)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(tǒng)計模型的核心目的:從數據解讀到決策支撐的價值導向 統(tǒng)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