课程设计
分析探索变量salary随其他背景资料的变化规律
一、项目背景
在分类变量的统计描述与参数估计中对员工的各个属性进行了初步的统计分析，得出了一些结论，比如：男性员工较女性员工收高，非少数名族较少数民族高，受教育程度相同的人群中非少数民族占的比例更高，并且工资在20000~30000之间的比例最大等等。
在前面第八章对Employee data.sav数据进行了分析计算，但前面的分析并不完善，而且Educational Level (years)中不同的等级之间salary的关系、不同职务之间salary关系值得深入研究等等。
这仅仅是意味着数据分析和报告撰写的所需数据的原料准备好了，而随后的工作是对其进行分析，将结果呈现为数据报告和分析报告。
二、分析思路
在后续的分析中，将用到前面已经获得的数据，并利用SPSS进行数据分析，计算出报告所需的汇总统计量/汇总结果，绘制所需要的统计表（图）；图形和统计表都可以用于数据描述，图形可以提供更为直观的数据信息，但操作比较复杂，二统计表阅读起来不方便，但操作简单，因此，二者要适当配合，初步分析用统计表，后续工作用统计图来直观刻画，虽然数据描述往往以单一因素分析为主，但也要考虑不同因素之间的分析可能会重复，比如工资和男女性别之间的关系与少数民族男女之间的关系可能会重复，所以使用探索描述。
三、具体操作
1．Gender和Minority Classification对Salary的影响分析
首先用均值对其进行简单的描述分析。
（1）选择“分析”→“比较均值”→“均值”菜单。
（2）在打开对话框中将“Gender”“Minority Classification”选入“自变量”列表框，将“Current Salary”选入“因变量”列表框。
（3）单击“选项”按钮，打开选项子对话框，在单元格统计量框组中选入“均值”“极大值”“全距”“极小值”，单击确定。
得到如下信息。
均值
由上表得到：男性的薪酬平均水平高于女性，非少数民族的高于少数民族，而且男性和非少数民族的工资范围较大。
对于上述信息，用探索过程加以详细描述，步骤如下：
（1）选择“分析”→“描述统计”→“探索”菜单项。
（2）在打开的对话框中将Gender和Minority Classification 选入“因子”变量列表，将Salary 选入“因变量”列表，单击确定。
从图中可以看出:男性收入的中位数明显高于女性，极值和四分位数间距也大于女性，这说明男性的工作效率以及能力等方面优于女性，高薪集中体现在男性群
体中，民族之间也存在相类似的关系。
2. Educational Level (years)和Employment Category对Salary的影响分析
对于这两个因素仍然先采用均值分析进行描述，操作过程与上面相同，确定之后得到如下数据：
由图表数据得到：随着受教育的年限的增加，工资也随之增加，而且波动幅度最大的为受教育16年，但具体每个阶段有多少人，工资集中体现在那些阶段还需后续分析；而职位类别与工资的关系与前者相似，随着职位的升高，薪酬也在增加，
Salary与Category之间有较强的正相关性。
下面进一步用散点图说明。
（1）选择“图形”→“图表构建程序”菜单项，打开“图表构建程序”对话框。
（2）在图库中选择“散点”图组，将右侧出现的简单散点图拖入画布中。
（3）将“Educational Level (years)”拖入横轴框中，同时将“Current Salary”
拖入纵轴框。
（4）点击“组/点ID”,选择“列嵌板变量”，点击确定。
由箱图可以看出：Clerical和Manager占了很大比重，而且几乎集中在Clerical 中。
从图中可以得到，Clerical这一层次的工作人员大部分受教育程度为12年和15年，而且在这一层次中的人工资基本在50000以内，也就是处于比较低级的阶段；而Custodial层面的工作人员甚少，而且薪水也不是很理想；再看看Manager，这一类别中受教育程度基本上在16年~19年之间，而且Salary也处于较高水平，大部分集中在50000~100000之间，部分甚至在100000以上。
从此可以看出，受教育程度较低的人员相应的集中在职位较低的类别中，而且占了相当大的比重，高级人才受教育的年限更长，收入也更可观。
3.研究 Date of Birth 与 Salary 的关系
年龄也是连续性变量，我们用散点图作分析。
（1）选择“图形”→“图表构建程序”菜单项，打开“图表构建程序”对话框。
（2）在图库中选择“散点”图组，将右侧出现的简单散点图拖入画布中。
（3）将“Date of Birth”拖入横轴框中，同时将“Current Salary”拖入纵轴框。
（4）点击确定，双击图形进行编辑。
在图形编辑框中，单击“元素”，从下拉菜单中选择“总计拟合线”，在弹出的属性对话框中选择Loess选项卡，其他为默认选项，单击应用按钮，然后将图形形状和颜色做一更改，得到下图。
由上图看出，工作人员集中在1960~1970这一年龄段，但薪酬大部分集中在50000以下。
由得到的拟合线可以看出，在1930~1960这一时间段内Salary 是逐渐升高的，并且在1960时达到最高峰，但之后又会下降，和最初的水平几乎保持一致。
四、项目总结与讨论
在对各种背景变量可能产生的影响做了深入讨论之后，对得到的数据信息做出总结。
（1）性别对于Salary有明显的区别，总体上男性的收入高于女性，而女性之间的收入差距较小，较稳定，男性的差距较大。
（2）少数民族与非少数民族之间也有类似的关系，非少数民族的平均收入高于少数民族，并且高薪职业大部分为非少数民族人群，少数民族受教育程度也明显低于非少数民族。
可见地域文化的差异也是造成职业等级的一个因素。
（3）受教育程度越高，则薪水平均水平越高，并且处于职业类别的高层，受教育程度低的基本上在低级类别中，而且占的比重很大，有相当一部分人从事Clerical职业。
还能得到职业类别越高，收入越高，但Manager 这一类别的人数较少。
（4）年龄在1930~1950这一阶段内收入基本稳定，随着年龄的增长收入会有细微的减少，但出生在1960年前后的人收入总体较高，更多的人群集中在1970年左右，收入水平也很集中。
但高薪还是较多的出现在年龄较小的人群中。
由上述信息可以明确，受教育程度越高，积累的文化水平越高，则工作职位也越高，获得收入相应增高，劳动力越大，获得的收益也越大，而且工作人群趋
于年轻化。