SPSS数据分析报告
spss的数据分析报告范例
spss的数据分析报告范例一、引言数据分析是科学研究过程中不可或缺的一部分。
针对一项研究项目，本报告将借助SPSS软件对收集的数据进行详尽分析，并提供相关结果和结论。
本报告的目的是帮助读者更好地理解数据，提供决策和制定战略所需的支持。
二、研究方法本研究的数据来源于一份问卷调查，共收集了500份有效问卷。
在问卷设计中，我们采用了随机抽样的方法，以保证样本的代表性。
该问卷包括了参与者的基本背景信息、满意度评价等方面的问题。
三、数据分析1. 受访者基本背景首先，我们对受访者的基本背景信息进行了统计分析。
其中包括性别、年龄、教育水平和职业等因素。
以下是相关结果的总结：（1）性别分布：男性占65%，女性占35%。
（2）年龄分布：年龄在18-24岁的受访者占40%；25-34岁的占30%；35-44岁的占20%；45岁及以上的占10%。
（3）教育水平：高中或以下占20%；本科占50%；研究生及以上占30%。
（4）职业：学生占25%；职员占40%；自由职业者占20%；其他占15%。
2. 满意度评价为了了解受访者对某产品的满意度，我们设计了一套评价体系。
通过SPSS软件进行数据分析，得到以下结果：（1）整体满意度：根据赋分制度，平均满意度得分为4.2（满分为5），表明受访者对该产品整体上持较高满意度。
（2）各项指标：通过因子分析，我们得到了几个影响满意度的关键因素。
其中，产品质量、价格和售后服务被认为是受访者最关注的方面。
3. 相关性分析在数据分析过程中，我们还进行了一些相关性分析，以探究不同变量之间的关系。
以下是一些值得关注的相关性结果：（1）性别与满意度之间的关系：经过卡方检验，我们发现性别与满意度之间存在一定的相关性（p < 0.05），女性对产品的满意度略高于男性。
（2）年龄与满意度之间的关系：通过相关系数分析，我们发现年龄与满意度呈现出弱相关关系（r = 0.15，p < 0.05），年龄越小，满意度越高。
SPSS数据分析报告
SPSS数据分析报告一.研究背景数据分析是科学研究中非常重要的一个环节，它能够帮助研究者从数据中获取有用的信息以支持科学决策。
SPSS是常用的数据分析软件之一，它具有强大的数据处理和分析功能，可以帮助研究者进行多种统计分析。
二.数据收集与处理本研究收集到的数据包括100个样本，每个样本有以下三个变量：性别、年龄和收入。
数据收集过程中，通过问卷调查的方式获取了样本的性别和年龄信息，同时进行了收入的调查和记录。
对于数据的处理，首先进行了数据清洗，删去了有缺失值的样本。
然后进行了数据的转换和标准化，使得整个数据集具备可分析性。
三.描述性统计分析四.相关分析为了探究变量之间的相关关系，采用皮尔逊相关系数进行相关分析。
结果显示，性别与收入之间的相关系数为-0.15，呈现弱的负相关关系；年龄与收入之间的相关系数为0.28，呈现中等强度的正相关关系。
这些结果提示性别对收入的影响较小，而年龄对收入有一定的影响。
五.t检验六.回归分析为了探究年龄对收入的影响，进行了回归分析。
将“年龄”设为自变量，将“收入”设为因变量，进行线性回归分析。
结果显示，回归方程为Y=1000+100X，其中Y代表收入，X代表年龄。
回归方程的R^2为0.08，说明年龄可以解释收入的8%的变异性。
这个结果提示年龄对收入有一定的解释力。
七.结论与讨论通过对100个样本的数据进行SPSS分析，我们得出以下结论：性别对收入的影响不显著。
年龄与收入呈现中等强度的正相关关系，年龄可以解释收入的8%的变异性。
这些结果对我们理解收入的影响因素具有指导意义，也给我们提供了相应的决策支持。
总之，SPSS数据分析报告可以帮助研究者从收集到的数据中提取有用信息，并对变量之间的关系进行探究。
通过描述性统计分析、相关分析、t检验和回归分析等方法，我们可以得出科学的结论，为进一步的科学研究和实践提供支持。
spss数据分析报告范文
SPSS数据分析报告范文1. 引言本报告旨在对所收集的数据进行分析和解释，以便为相关研究提供支持和指导。
该数据集包含了一份关于某个研究对象的信息，我们将使用SPSS统计软件对其进行数据分析。
2. 方法2.1 数据收集数据采集使用了问卷调查的方法，针对某个特定群体进行了调查。
该调查旨在了解该群体对某特定问题的看法和态度，并收集了一系列相关变量的数据。
2.2 数据清洗在进行数据分析之前，我们对数据进行了清洗和预处理。
这包括去除缺失值、异常值和重复值。
我们还检查了数据的完整性和一致性，并进行了必要的修正和调整。
2.3 数据分析我们使用SPSS软件对数据进行了多个统计分析方法的应用，包括描述统计分析、相关性分析和回归分析等。
这些方法可以帮助我们了解变量之间的关系和趋势，并对未来的发展进行预测。
3. 结果3.1 描述统计分析通过对数据进行描述统计分析，我们得到了一些关键指标和概括性信息。
例如，我们计算了每个变量的均值、中位数、标准差和最大最小值等。
这些指标可以帮助我们对数据有一个整体的了解。
3.2 相关性分析我们使用相关性分析来探索变量之间的关联程度。
通过计算相关系数，我们可以了解变量之间的线性关系的强弱。
这些结果可以帮助我们确定哪些变量彼此之间的关系较为密切，进而为进一步的分析提供基础。
3.3 回归分析回归分析是一种用于预测和解释因果关系的分析方法。
在本报告中，我们使用回归分析来确定自变量和因变量之间的关系，并建立回归模型。
通过这些模型，我们可以对未来的趋势和发展进行预测。
4. 讨论与结论4.1 讨论通过对数据的分析，我们发现了一些有意义的结果和趋势。
例如，我们观察到某些变量之间存在较强的相关性，或者某些自变量对因变量的影响较为显著。
这些发现可以为进一步的研究和分析提供线索和方向。
4.2 结论基于我们的分析结果，我们得出了一些结论和建议。
例如，我们可以建议在某些情况下采取特定的行动或改进措施，以达到某些预期的目标。
spss数据分析报告
spss数据分析报告一、引言数据分析是科学研究中不可或缺的一环，它通过收集、整理和解释数据，为研究者提供可靠的依据和结论。
SPSS（统计分析软件包）是一种常用的数据分析工具，它提供了丰富的统计方法和功能，可以帮助研究者深入探究数据背后的规律。
本报告基于SPSS，对某项研究中的数据进行了深入分析。
二、研究目的与方法本研究旨在探究A地区人民对X产品的满意度与其年龄、性别、教育程度以及家庭收入之间的关系。
研究采用问卷调查的方法，共调查了200名居民。
问卷中分为多个维度的评价和个人信息，调查数据被输入SPSS软件进行分析处理。
三、数据处理与描述统计首先，对收集到的调查数据进行了处理和清洗，包括删除缺失值和异常值。
处理后得到完整的200个有效样本。
1.样本描述对于参与调查的200名居民，其中男性占比为50%，女性占比为50%。
年龄分布如下图所示：（插入年龄分布图表）调查结果显示，参与调查者的年龄跨度在20岁至65岁之间，平均年龄为35岁。
另外，在教育程度方面，本样本中具有高中学历的居民占比最高，达到40%，其次是大学学历（30%）、研究生学历（20%）和博士学历（10%）。
家庭收入方面，本研究将其按照万元进行划分，结果显示家庭收入在5万元至20万元之间的居民最多，达到60%，其次是20万元以上的居民（30%），5万元以下的居民占比最低（10%）。
2.满意度分析根据调查问卷中关于X产品的评价维度，对居民的满意度进行了评估。
结果显示，在外观方面，占比较高的是“非常满意”选项，达到55%；在性能方面，占比较高的是“满意”选项，达到60%；在价格方面，占比最高的是“一般满意”选项，达到45%；在服务方面，占比最高的是“非常满意”选项，达到50%。
通过综合评估，我们发现大约有40%的居民对X产品非常满意，30%的居民对产品满意，20%的居民认为产品一般，10%的居民表示不满意。
四、相关分析为了进一步探究A地区居民对X产品的满意度与其年龄、性别、教育程度和家庭收入之间的关系，我们进行了相关分析。
SPSS数据分析报告金典模板三篇
SPSS数据分析报告金典模板三篇SPSS数据分析报告（模板一）学院：经济管理学院专业、班级： **人资*班学生姓名：某某人学二○一*年十一月十一日SPSS数据分析报告第一部分：原始资料和数据资料来源：华东交通大学经济管理学院11级人力资源管理3班29名同学实际情况编号姓名性别学科背景年龄身高体重体测成绩1 吕鑫0 文科20.5 164.2 54.2 812 王阳0 文科20 158.3 46.2 753 洪华阳0 理科21 171 57.2 714 刘卫秀0 理科21 165.5 54 755 吴梦琦0 文科21 166.2 48 696 韩玮0 文科20 164.3 47 617 汤丽娟0 文科21 162.8 48.2 668 江桂英0 理科20 157.2 44.2 709 熊如意0 文科20 166.5 54.5 7310 余婵0 文科19.5 156.2 45.5 7711 彭茜0 文科20 165.4 52.4 6612 赵丹0 文科20.5 174.3 55.6 7613 安怡君0 文科20 175 56.2 7214 武阳帆0 文科20.5 162.4 55.5 6715 倪亚萍0 文科22 157.5 48.6 7416 张明辉 1 文科21.5 170 60 7117 张春旭 1 理科20.5 168.5 57.8 8018 刘晓伟 1 文科21 170.5 59.5 7019 黄炜 1 文科20.5 171 62.2 7620 李强 1 文科20.5 167.5 56.5 6821 温明煌 1 文科21.5 170 60 7522 雷翀翀 1 理科21 168.5 60 7923 陈志强 1 文科22 180 70.4 7924 尹传萍 1 文科21.5 165.2 55.6 7825 郑南 1 理科21.5 168.5 55.9 6426 幸恒恒 1 文科21.5 168.5 58 7927 李拓 1 理科21.5 172 68.1 6628 张发宝 1 理科21 160.5 52.5 7329 杨涛 1 理科21.5 176 70.5 72原始资料和数据（SPSS软件截图）：图1 变量视图图2 数据视图第二部分：数据分析一、描述性分析打开文件“11人资3班29名同学的身高、体重、年龄数据”，通过菜单兰中的分析选项，进行描述性分析，选择年龄、体重和身高，求最大值、最小值、方差、偏度、峰度和均值，得到如下结果：表1-2年龄分布表年龄频率百分比有效百分比累积百分比有效19.50 1 3.4 3.4 3.420.00 6 20.7 20.7 24.120.50 6 20.7 20.7 44.821.00 7 24.1 24.1 69.021.50 7 24.1 24.1 93.122.00 2 6.9 6.9 100.0合计29 100.0 100.0图1-3身高分布直方图图1-4体重分布条形图文字描述：从SPSS 分析结果中可以得出，有效数据共有29个。
spss的数据分析报告
spss的数据分析报告一、引言数据分析是研究中的关键步骤，它通过对数据的整理、描述和解释，为研究者提供了对研究问题作出有效判断和支持决策的依据。
SPSS （Statistical Package for the Social Sciences）是一种常用的统计软件工具，被广泛应用于数据分析领域。
本报告将通过使用SPSS对某研究调查数据进行分析，展示如何利用SPSS进行数据分析以得出有关研究问题的科学结论。
二、研究问题和数据说明本次研究调查旨在了解某地区大学生的学习压力与心理健康的关系。
我们采用了问卷调查的方式，共收集到了300份有效问卷。
其中，学习压力作为自变量，心理健康作为因变量。
学习压力通过1-10分的等级进行评估，分数越高表示学习压力越大；心理健康通过1-5分的等级进行评估，分数越高表示心理健康状况越良好。
三、数据处理为了进行数据分析，我们首先对数据进行处理和清洗，以确保数据的准确性和一致性。
对于缺失数据的处理，我们选择采用均值替代法，即将缺失值用该变量的平均值进行替代。
之后，我们导入SPSS中进行进一步的分析。
四、描述统计分析首先，我们对样本数据进行描述统计分析，以了解样本的整体情况。
通过SPSS的统计分析功能，我们计算了学习压力和心理健康的均值、标准差等指标。
结果显示，样本的平均学习压力评分为7.2，标准差为1.5；平均心理健康评分为3.8，标准差为0.9。
这表明，整体上大学生的学习压力较大，心理健康状况一般。
五、相关性分析为了深入了解学习压力与心理健康之间的关系，我们进行了相关性分析。
相关性分析可以帮助我们判断两个变量之间是否存在线性关系以及相关强度的大小。
在SPSS中，我们可以通过相关矩阵、散点图和相关系数来进行分析。
根据我们的分析结果，学习压力与心理健康之间存在显著的负相关关系（相关系数为-0.36，p < 0.05）。
这表明学习压力增加时，心理健康状况相对较差。
散点图也呈现了这一趋势，随着学习压力的增加，心理健康评分呈现下降的趋势。
spss的数据分析报告范文
spss的数据分析报告范文SPSS 的数据分析报告范文一、引言在当今的信息时代，数据成为了决策的重要依据。
通过对数据的深入分析，我们可以发现隐藏在其中的规律和趋势，为企业的发展、学术研究以及社会问题的解决提供有力的支持。
本报告将以具体数据集名称为例，运用 SPSS 软件进行数据分析，旨在揭示数据背后的有价值信息。
二、数据来源与背景（一）数据来源本次分析所使用的数据来源于具体的收集途径，如问卷调查、数据库等。
共收集了具体数量个样本，涵盖了相关的变量或指标。
（二）背景介绍这些数据是为了研究研究的主题或问题而收集的。
例如，可能是为了了解消费者的购买行为、员工的工作满意度，或者是某种疾病的发病因素等。
三、数据预处理（一）数据清理首先，对数据进行了初步的清理工作。
检查并处理了缺失值，对于少量的缺失值，采用了具体的处理方法，如均值填充、删除等；对于存在异常值的数据，通过具体的判断方法和处理方式进行了处理。
（二）数据编码对分类变量进行了编码，将其转换为数字形式，以便于后续的分析。
例如，将性别变量编码为 0 和 1，分别代表男性和女性。
（三）数据标准化为了消除不同变量量纲的影响，对部分数据进行了标准化处理，使得各个变量在相同的尺度上进行比较和分析。
四、描述性统计分析（一）集中趋势计算了各个变量的均值、中位数和众数。
例如，年龄变量的均值为具体数值，中位数为具体数值，众数为具体数值，从而了解数据的中心位置。
（二）离散程度通过计算标准差、方差和极差，来描述数据的离散程度。
例如，收入变量的标准差为具体数值，方差为具体数值，极差为具体数值，反映了收入的分布范围。
（三）分布形态绘制了直方图和箱线图，观察数据的分布形态。
例如，成绩变量呈现出近似正态分布，而工作时间变量则呈现出偏态分布。
五、相关性分析（一）变量之间的相关性计算了各个变量之间的皮尔逊相关系数，以判断变量之间的线性关系。
结果发现，变量 A 与变量 B 之间存在显著的正相关关系（r ＝具体数值，p ＜ 005），而变量 C 与变量 D 之间则不存在显著的相关性（p ＞ 005）。
spss数据分析报告（共7篇）
spss数据分析报告(共7篇)：分析报告数据s pss spss数据报告怎么写spss数据分析实例说明 spss有哪些数据分析篇一：spss数据分析报告关于某班级2012年度考试成绩、获奖情况统计分析报告一、数据介绍：本次分析的数据为某班级学号排列最前的15个人在2012年度学习、获奖统计表，其中共包含七个变量，分别是：专业、学号、姓名、性别、第一学期的成绩、第二学期的成绩、考级考证数量，通过运用spss统计软件，对变量进行频数分析、描述分析、探索分析、交叉列联表分析，以了解该班级部分同学的综合状况，并分析各变量的分布特点及相互间的关系。
二、原始数据：三、数据分析1、频数分析（1）第一学期考试成绩的频数分析进行频数分析后将输出两个主要的表格，分别为样本的基本统计量与频数分析的结果1）样本的基本统计量，如图1所示。
样本中共有样本数15个，第一学期的考试成绩平均分为627.00，中位数为628.00，众数为630，标准差为32.859，最小值为568，最大值为675。
“第一学期的考试成绩”的第一四分位数是602，第二四分位数为628，第三四分位数为657。
2）“第一学期考试成绩”频数统计表如图2所示。
3) “第一学期考试成绩”Histogram图统计如图3所示。
（2）、第二个学期考试成绩的频数分析1）样本的基本统计量，如图4所示。
第二学期的考试成绩平均分为463.47，中位数为452.00，众数为419，标准差为33.588，最小值为419，最大值为522。
“第二学期的考试成绩”的第一四分位数是435，第二四分位数为452，第三四分位数为496。
3）”第二学期考试成绩”频数统计表如图5所示。
3) “第二学期考试成绩”饼图统计如图6所2、描述分析描述分析与频数分析在相当一部分中是相重的，这里采用描述分析对15位同学的考级考证情况进行分析。
输出的统计结果如图7所示。
从图中我们可以看到样本数15，最小值1，最大值4，标准差0.941等统计信息。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
.
df
471
0
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 受教育程度与现工资水平散点图
表 回归方程模型汇总
模型摘要
模型
R
R 平方
调整後 R 平方
标准偏斜度错误
1
.661a
.436
.435
$12,
a. 预测值：（常数），Educational Level (years)
2=，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。
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
分析数据来自于“微盘——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。
群组之间
9
.000
在群组内
464
总计
473
P=
P<α
接受H1，认为职工受教育水平对现工资有显着影响。
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
α=
表 起始工资与受教育程度的分析结果
b. 从资料计算。
c. Lilliefors 显着更正。
图K-S检验详细模型输出结果
P=
P<α
接受H1，认为职工的现工资统计量不服从正态分布。
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
α=
表 职工性别二项分布检验结果
二项式检定
类别
N
平方和
df
平均值平方
F
显着性
群组之间
89
.000
在群组内
384
总计
473
P=
P<α
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 方差齐性检验结果
变异数同质性测试
Current Salary
Levene 统计资料
df1
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。（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 职工起始工资描述统计表（部分）
图 职工起始工资描述统计直方图（部分）
图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：
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
分布类型检验
正态分布
分析职工的现工资是否服从正态分布。
二项分布
抽样数据中职工的性别分布是否平衡。
游程检验
该样本中的抽样数据是否随机。
接受H1，认为现工资与起始工资之间存在关联性。
相关与线性回归的分析方法
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 受教育程度与现工资间相关性检测
相关
Educational Level (years)
Current Salary
Educational Level (years)
遗漏
474
0
平均数
中位数
标准偏差
范围
最小值
最大值
连续变量变分组变量
将被调查者的年龄分为5组。
表被调查者年龄分布（已分组）
agec
次数
百分比
有效的百分比
累积百分比
有效
<33
>73
33~43
43~53
53~63
63~73
总计
1
6
267
71
67
62
474
.2
.2
.2
根据表所示，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。
2统计描述与统计图表部分
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。
表职工性别频数统计表
Gender
次数
百分比
有效的百分比
累积百分比
有效
Female
Male
总计
216
258
474
由表可知，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%和%，该公司职工男女数量差距不大，男性略多于女性。
df2
显着性
8
464
.000
P=<，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
α=
表 受教育水平对现工资的影响分析结果
变异数分析
Current Salary
平方和
df
平均值平方
F
显着性
（1）集中趋势指标：由图可知，职工起始工资均值为$，5%截尾均数为$，中位数为$，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，其平方根即标准差为，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。
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
α=
表 起始工资对现工资的影响分析结果
变异数分析
Current Salary
H1：现工资与起始工资之间存在关联性
α=
表 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
19580
.000
概似比
19580
线性对线性关联
1
.000
有效观察值个数
474
a. 19890 资料格 %) 预期计数小於 5。预期的计数下限为 .00。
P=
P<α
观察比例。
检定比例。
精确显着性（双尾）
gender
群组 1
群组 2
male
female
258
216
.54
.46
.50
.060
总计
474
P=
P>α
接受H0，认为抽样数据中职工性别比例无差异。
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：
H0：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
二、要解决的问题描述
1数据管理与软件入门部分
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。
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。
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
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。
H1：职工的现工资不服从正态分布
α=
表职工现工资正态分布检验结果
单一样本 Kolmogorov-Smirnov 检定
Current Salary
N
474
常态参数a,b
平均数
$34,
标准偏差
$17,
最极端差异
绝对
.208
正
.208
负
测试统计资料
.208
渐近显着性 （双尾）
.000c
a. 检定分配是常态的。
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。
表现工资水平个案排秩统计量
统计资料
Rank of salary by educ
N
有效
遗漏
474
0
平均数
中位数
标准偏差
范围
最小值
最大值
表 1.2-2 初始工资水平个案排秩统计量
统计资料
Rank of salbegin by educ