关于员工工资水平影响因素的数据分析报告

个体收入的影响因素分析是社会学研究的经典课题，个体收入不仅是经济含义的变量，同时也是决定个体经济社会地位的重要指标之一，所以分析个体收入的影响因素具有重要的社会意义。

本报告基于某企业收集的关于474个样本的问卷调查数据，就问卷涉及的主要变量：性别、民族、受教育年限、职业类型、目前工资、最初工资、工作时间和之前的工作经历（月数）分析了该企业员工工资总体情况和影响工资收入的因素。

数据来源：C:\SPSSEVAL\Empolyee data.sav

一 关于个体收入影响因素的假设

社会学文献对影响个体收入的因素做过很多论述，其中与本数据提供的变量相关的假设如下：

a 不同性别的员工工资收入存在差异

b 不同民族的员工工资收入存在差异 （在美国显著）

c 不同职业类型的员工工资收入存在差异

d 受教育年限与员工现在工资收入呈正相关关系

e 初始工资与员工现在工资收入呈正相关关系

f 工作时间和之前的工作经历与现在工资收入呈相关关系

二 基于SPSS的企业员工工资总体水平和影响因素的描述与统计分析

1. 样本的总体特征和企业员工工资的总体情况

1.1 样本的总体特征

根据SPSS对性别、受教育年限和民族的频次分析，可知该公司员工女性占45.6%，男性占54.4%，男女员工比例大体相当。公司51.3%的员工为高中及以下学历（受教育年限8-12年），38.2%的员工为本科学历（受教育年限13-16年），10.5%的员工为研究生学历（受教育年限为17年及以上）；公司有21.9%的员工为少数民族。

1.2 企业员工工资的总体情况

根据SPSS对当前工资、性别与当前工资、民族、职业类型与当前工资的描述分析，可得到表1。

表1 企业员工当前工资的总体情况

从表1可知，公司员工的平均工资是$34,420，标准差为$17,075.7。女性员工的平均工资为$26,032，男性员工为$41,442，是女性员工平均工资的1.59倍；少数民族员工的平均工资为$28,714，非少数民族员工为$36,023，是少数民族员工的1.25倍；从民族来看，少数民族员工的平均工资是$36,023，非少数民族员工为$28,714，是少数民族员工1.25倍。从职业类型来看，办事员的平均工资为$27,838，保管员的平均工资为$30,939，这两种职业的少数民族员工与非少数民族员工的平均工资没有明显差异，经理层的平均工资为$63,977，是非管理层员工平均工资的2倍以上。

2.员工工资收入的影响因素分析

影响公司员工工资收入的因素，根据变量测量层次的不同和散点图样本分布的线性与非线性区别，可以通过两种方法来考察：一是性别、民族、职业类型和工作经历对当前工资的影响，可以用方差分析法和相关比率Eta来考察；另一是受教育年限、初始工资和工作时间对当前工资的影响，可以通过相关测量法和F检验来考察。

2.1性别、民族、职业类型和工作经历对当前工资的影响分析

    从散点图的样本分布可知，工作经历与当前工资呈非线性，所以通过相关比率Eta来考察二者关系。根据SPSS分别对性别、民族、职业类型、工作经历与当前工资的单因方差分析和列联表的相关比率（E）结果，得到表2。

表2 当前工资的影响因素分析

由表2可以得出，性别与当前工资的F值为119.798，其显著性概率p＜0.01，Eta值为0.450，说明不同性别的员工平均工资具有显著差异，性别影响企业员工收入；同样，民族、职业类型与当前工资的F值分别为15.326和40.521，二者的显著性概率p均小于0.01，所以，少数民族与非少数民族员工工资具有差异，但民族与员工当前工资的Eta值仅为0.177，说明二者相关性极其微弱；职业类型与当前工资高度相关，其Eta值为0.805。工作经历与当前工资的显著性概率p＞0.05，说明员工之前的工作经历对员工的当前工资没有影响。

2.2 受教育年限、初始工资和工作时间对当前工资的影响分析

根据SPSS对受教育年限、初始工资和工作时间与当前工资的相关分析和F检验，可得到表3。

表3 当前工资的影响因素分析

表3的结果显示：受教育年限与当前工资在0.01的显著性水平下显著，相关系数r为0.661，F值为92.779，即受教育年限影响企业员工的当前工资收入；初始工资与当前工资的F值为33.040，其显著性概率p＜0.01，相关系数r为0.880，说明初始工资与当前工资高度相关；工作时间与员工当前工资的显著性概率p＞0.05，即二者相互独立，不具有相关关系。

2.3 回归分析：受教育年限、初始工资与当前工资之间相关关系的模型

为了更好的说明教育年限、初始工资与当前工资之间的关系结构，可以建立三者的线性回归模型。根据SPSS对三个变量的二元线性回归分析，得到表4。

表4  教育年限（X₁）、初始工资（X₂）与当前工资（Y）的二元线性回归

从表4可以看出，拟合优度R²=0.792，较高，说明该线性方程拟合优度较好，F值为898.947，显著度p＜0.01，即该回归方程线性关系显著。自变量“受教育年限”X₁和“初始工资”X₂的回归系数的估计分别为1020.4和1.673，标准化系数分别为0.172和0.771，t检验值分别为6.356和28.42，其显著性水平p均小于0.01，所以认为X₁、X₂的回归系数高度显著。该二元线性回归方程可以表示为：

  = -7809+1020.4+1.673

    三 结论

从以上的分析可以得出：

1.性别影响该企业员工的当前工资收入，男性与女性的工资具有显著差异，男性的平均工资是女性的1.59倍，性别与当前工资的相关比率为0.450。

2.少数民族员工与非少数民族员工的工资具有差异，非少数民族的平均工资是少数民族的1.25倍。但民族与当前工资的相关强度很微弱。

3. 职业类型影响企业员工的工资收入，其相关强度为0.805，其显著差异体现在管理层和非管理层的工资收入差距上，管理层的平均工资是非管理层的2倍以上。

4.受教育年限与当前工资具有较强的正相关关系，其相关系数为0.661。受教育年限越高，其工资收入越高；反之，则越低。

5.初始工资与当前工资具有很强的正相关关系，相关系数为0.880，即初始工资越高，其工资收入越高，反之，则越低。

6.雇佣后的工作时间和该工作之前的工作经历对企业员工的当前工资没有影响。

7.受教育年限（X₁）和初始工资（X₂）与当前工资（Y）可以建立二元线性回归方程模型。线性关系与回归系数均显著。该二元线性回归方程可以表示为：

  = -7809+1020.4+1.673 

（其中代表当前工资，代表受教育年限，代表初始工资。）

 

第二篇：spss的数据分析报告

关于某公司474名职工综合状况的统计分析报告

一、数据介绍：

本次分析的数据为某公司474名职工状况统计表，其中共包含十一变量，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，对变量进行频数分析、描述性统计、方差分析、相关分析、。。。以了解该公司职工上述方面的综合状况，并分析个变量的分布特点及相互间的关系。

二、数据分析

1、  频数分析。基本的统计分析往往从频数分析开始。通过频数分析能够了解变量的取值状况，对把握数据的分布特征非常有用。此次分析利用了某公司474名职工基本状况的统计数据表，在gender(性别)、edcu（受教育水平程度）、不同的状况下的频数分析，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。

                                                            Statistics

 

首先，对该公司的男女性别分布进行频数分析，结果如下：

                                                                     Gender

 

 

上表说明，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。

   其次对原有数据中的受教育程度进行频数分析，结果如下表 ：

                                                  Educational Level (years)

上表及其直方图说明，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，占中人数的24.5%。且接受过高于20年的教育的人数只有1人，比例很低。

2、 描述统计分析。再通过简单的频数统计分析了解了职工在性别和受教育水平上的总体分布状况后，我们还需要对数据中的其他变量特征有更为精确的认识，这就需要通过计算基本描述统计的方法来实现。下面就对各个变量进行描述统计分析，得到它们的均值、标准差、片度峰度等数据，以进一步把我数据的集中趋势和离散趋势。

Descriptive Ststistics

如表所示，以起始工资为例读取分析结果，474名职工的起始工资最小值为＄9000，最大值为＄79980，平均起始工资为＄17016，标准差为＄7870.638，偏度系数和峰度系数分别为2.853和12.390。其他数据依此读取，则该表表明474名职工的受教育水平、起始工资、现工资、先前工作经验、现在工作经验的详细分布状况。

3、 Exploratory data analysis。

（1）   交叉分析。

通过频数分析能够掌握单个变量的数据分布情况，但是在实际分析中，不仅要了解单个变量的分布特征，还要分析多个变量不同取值下的分布，掌握多个变量的联合分布特征，进而分析变量之间的相互影响和关系。就本数据而言，需要了解现工资与性别、年龄、受教育水平、起始工资、本单位工作经历、以前工作经历、职务等级的交叉分析。现以现工资与职务等级的列联表分析为例，读取数据（下面数据分析表为截取的一部分）：

   单因素分析用来研究一个控制变量的不同水平是否对观测变量产生了显著影响。下面我们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。分析结果如下：

上表是起始工资对现工资的单因素方差分析结果。可以看出：F统计量的观测值为33.040，对应的概率P值近似等于0，如果显著性水平为0.05，由于概率值P小于显著性水平q，则应拒绝原假设，认为不同的起始工资对现工资产生了显著影响。

同理，上表是受教育水平对现工资影响的单因素分析结果，其结果亦为拒绝原假设，所以不同的受教育水平对现工资产生显著影响。

4、  相关分析。相关分析是分析客观事物之间关系的数量分析法，明确客观事物之间有怎

样的关系对理解和运用相关分析是极其重要的。

函数关系是指两事物之间的一种一一对应的关系，即当一个变量X取一定值时，另一个变量函数Y可以根据确定的函数取一定的值。另一种普遍存在的关系是统计关系。统计关系是指两事物之间的一种非一一对应的关系，即当一个变量X取一定值时，另一个变量Y无法根据确定的函数取一定的值。统计关系可分为线性关系和非线性关系。

事物之间的函数关系比较容易分析和测度，而事物之间的统计关系却不像函数关系那样直接，但确实普遍存在，并且有的关系强有的关系弱，程度各有差异。如何测度事物之间的统计关系的强弱是人们关注的问题。相关分析正是一种简单易行的测度事物之间统计关系的有效工具。

上表是对本次分析数据中，现工资、起始工资、本单位工作时间、以前工作时间、年龄五个变量间的相关分析，表中相关系数旁边有两个星号（**）的，表示显著性水平为0.01时，仍拒绝原假设。一个星号（*）表示显著性水平为0.05是仍拒绝原假设。先以现工资这一变量与其他变量的相关性为例分析，由上表可知，现工资与起始工资的相关性最大，相关系数为0.880，而与在本单位的工作时间相关性最小，相关系数为0.084。

5、  参数检验。

首先对现工资的分布做正态性检验，结果如下：

由上图可知，现工资的分布可近似看作符合正态分布，现推断现工资变量的平均值是否为$3,000,0，因此可采取单样本t检验来进行分析。分析如下：

One-Sample Statistics

                                                                               One-Sample Test

 

     

由One-Sample Statistics可知，474名职工的现工资平均值为￥34,419.57，标准差为$17,075.661，均值标准误差为$784.311。图表One-Sample Test中，第二列是t统计量的观测值为5.635；第三列是自由度为473（n-1）；第四列是t统计量观测值的双尾概率值；第五列是样本均值和检验值的差；第六列和第七列是总体均值与原假设值差的95%的置信区间为（$2,878.40 , 5,960.73）。该问题的t值等于5.635对应的临界置信水平为0，远远小于设置的0.05，因此拒绝原假设，表明该公司的474名职工的现工资与$3,000,0存在显著差异。

6、  非参数检验。对本数据中的年龄做正态分布检验，结果如下：

由上图两图可知，474名职工的年龄分布并不完全符合正态分布，所以现推断其职工年龄的平均数在40-45岁之间，可对其采用非参数检验的方法进行检验。检验结果如下：

Chi-Square Test

上面的第一个表为卡方检验的频率表，输出有关频率统计。从表中可知，职工年龄为40岁的有41名，期望值为23.5，残差为17.5，其余读取方式相同。第二个表是卡方检验统计表，显示检验的卡方值，自由度和渐进显著性水平分别是28.489、5、0。因为显著性水平0小于0.05，因此拒绝原假设，即474名职工的平均年龄不在40到45岁之间。