人力资源管理数据SPSS处理

人力资源管理数据SPSS处理（精选7篇）

人力资源管理数据SPSS处理 第1篇

一、对某些变量进行频数分析，并对分析结果给出恰当的文字性描述，并输出恰当的图形。选取了恰当变量得2分，结果输出正确、文字性描述准确得6分，输出恰当图形得2分。

二、对某些变量进行描述性统计(峰度和偏度)，并对分析结果给出恰当的文字性描述。此项评分点满分为10分。选取了恰当变量得2分，结果输出正确、文字性描述准确得8分。

三、利用文件中的数据进行交叉分组下的频数分析，并对分析结果给出恰当的文字性描述。此项评分点满分为15分。选取了恰当变量得3分，结果输出正确、文字性描述准确得12分。

四、对某些变量进行多选项分析（二分法，分类法），并对分析结果给出恰当的文字性描述。此项评分点满分为15分。选取了恰当变量得3分，结果输出正确、文字性描述准确得12分。

五、根据文件中数据的特征，利用一种或多种参数检验方法，对文件中某些变量进行分析，并对分析结果给出恰当的文字性描述。此项评分点满分为20分。选取了恰当变量得3分，结果输出正确、文字性描述准确得15分，使用两种方法得2分。

六、对文件中某些变量进行相关分析（第八章。双变量相关），并对分析结果给出恰当的文字性描述。此项评分点满分为15分。选取了恰当变量得3分，结果输出正确、文字性描述准确得12分。

七、利用文件中的数据进行方差分析，选择恰当的分析方法(单因素方差分析，多因素方差分析)，并对分析结果给出恰当的文字性描述。此项评分点满分为15分。选取了恰当变量得3分，结果输出正确、文字性描述准确得12分。

人力资源管理数据SPSS处理 第2篇

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。

3.探索分析。

探索分析能够对变量进行更为深入、详尽的描述性统计分析。下面就利用探索式分析对不同性别的同学获奖情况进行探索分析。

1）在结果输出窗口中将看到如下统计数据。如图8所示，给出了输出的观察量。

2）图9所示给出了根据性别分组的各组描述统计量。根据表中的数据，2012，女生比男生获奖的次数多。

3）图10以茎叶图的形式也直观的呈现了女生获奖数量远远比男生多的现象。，4）图为稳健估计量表，给出了4种不同权重下因变量均值的稳健估计。

5）图11中给出了分组后的百分位数，分别输出男生和女生获奖数量的5%、10%、25%、75%、90%、及95%的百分位数。

4、交叉列联表分析

分析多个变量在不同取值情况下的数据分布情况，从而进一步的分析变量关系。下面就利用交叉列联表分析不同性别学生对目前所学专业的态度。在结果输出窗口中将显示如下统计数据。1）观察量处理摘要表，如图12所示，2）“性别”和“所学专业兴趣”的交叉列联表如图13所示，从图中我们可以看出，男生中对所学专业感兴趣的只有2个，（占22.2%），一般感兴趣的有4人，（占44.4%），不感兴趣的有3人，（占33.3%），理论值为3.6人感兴趣，3.0人一般感兴趣，2.4人不感兴趣，残差分别为-1.6，1.0，0.6。女生中对专业感兴趣的有4人，（占66.7%），一般感兴趣的有1人，（占16.7%），不感兴趣的也有1人，（占16.7%），理论值为2.44人感兴趣，2.0人一般感兴趣，1.6人不感兴趣，残差分别为1.6，-1.0，-0.6.可见，男生对目前所学专业的兴趣与女生有很大差别。

人力资源管理数据SPSS处理 第3篇

SPSS是现行诸多统计软件之中最优秀的一种, 其因子分析和主成份分析功能模块的多元统计方法与质量活动中矩阵数据分析法方法的数据整理分析原理一致, 故在质量活动过程中利用SPSS因子分析和主成份分析进行矩阵数据分析、对复杂的质量活动进评价, 既可减轻质量活动过程中信息收集工作量, 又可使各综合指标代表的信息不重叠。现将具体使用方法通过示例分步介绍如下, 以供参考。

一、统计工具与示例数据

1.统计工具:SPSS 18

2.示例数据:烤烟品系情况调查数据 (见图1)

二、因子分析操作方法

1.在变量视图中, 建立品种序号、亩产量、均价、亩产值、上中等烟率、外观质量、物理质量、化学质量、评析质量变量, 结果见图2:

2.将9个烤烟品种的各项特征输入各相应变量中, 结果见图3:

3.分析操作

(1) 单击“分析→降维→因子分析”进入因了分析对话框, 结果见图4:

(2) 选中8个烟叶质量变量, 单击按钮使之进入变量“ (V) ”中, 结果见图5:

(3) 控制参数的设置

①“抽取 (E) ”对话框设置:单击“抽取 (E) ”, 系统弹出“因子分析:抽取”对话框, 点击“方法 (M) ”选择“主成份”, “分析”选择相关性矩阵进行分析 (相关性变量相同则选择协方差矩阵) , “输出”全选, “抽取”因子数以变量数为依据 (本例中为8) , “最大收敛性迭代次数 (X) ”选择“25”次 (次数应大于数据量) , 结果见图6:

②“旋转 (T) ”对话框的设置:单击“旋转 (T) ”, 系统弹出“因子分析:旋转”对话框, 主成份析不需旋转的, 故选择系统默认值“不旋转”, 结果见图7:

③“得分 (S) ”对话框的设置:单击“得分 (S) ”, 系统弹出“因子分析:得分”对话框, 对于主成份分析而言, 系统给出的三种方法没有区别, 故选择系统默认的“回归 (R) ”、再点选“显示因子得分系数矩阵”即可, 结果见图8:

④“描述 (D) ”对话框的设置:单击“描述 (D) ”, 系统弹出“因子分析:描述统计”对话框, 主成份分析统计量全选、相关矩阵选择系数、显著性水平、行列式矩阵及KMO和Bartlett的球形度检验即可, 结果见图9:

⑤“选项 (O) ”对话框的设置:单击“选项 (O) ”, 系统弹出“因子分析:选项”对话框, 缺失值选择“按列表排除个案 (L) (注:个案是spss里的名称, 质量活动中叫数据对象或调查对象, 本示例叫品系, 下同) , 系统显示格式选择“按大小排列 (S) ”, 结果见图10:

(4) 单击“确定”按钮, 从查看器窗口显示出结果

三、因子分析结果解读

1.KMO和Bartlitt的检验:系统输出结果见图11:

从上图可知:“取样足够度的Kaiser-Meyer-Olkin度量”为0.637, 说明变量之间存在相关关系, 适用做因子分析。Bartlitt的检验值“Bartlitt的球形度检验”sig.=0.000, 表明可以作进一步分析。这二个检验是作因子分析必须点选进行检验的, 否则下面的一系列的分析都显得毫无意义。

2.公因子方差:系统输出结果见图12:

从上图可知:因子分析的变量共同度高, 表明变量中的大部分信息均能被因子所提取, 说明因子分析的结果是有效的。

3.解释总方差:系统输出结果见图13:

从上图可知:提取平方和载入、旋转平方和载入的累计方差均为达97.307%, 表明本示例最后真正提取的“成份数为3”是较为合适的。

注:表中“成份”是各因子的序号;在主成份分析中, 因子分析中的“因子数”, 依“解释的总方差”中的“旋转平方和载入”下的“累积%”的方差贡献率而定, 固本事例“因子数为3”。

4.碎石图:系统输出的碎石图见图14:

从上图可知:在4处有一个明显的拐点, 之后是与小因子连接成缓坡折线, 不难看出, 本示例选择成份数为3正较为合理的, 也这与前面总方差初步确定的最终真正成份数的选择一致。

5.成份矩阵:系统输出结果见图15、16、17、18:

成份矩阵 (图15) , 可利用得出的主成份方法提取的3个主因子的载荷值, 为了方便解释因子含义, 需进行因了旋转 (图16:采取Kaiser标准化的正交旋转法) 。成份得分系数矩阵是计算因子得分的依据, 图18是结果是由图16提供的计算得到的, 一般在数据表中以FAC1_1~FAC3_1进行显示。另外由因子得分便可以计算出综合得分, 这也是质量活动所需要的结果。

四、个案得分统计

1.主成份分析得分统计

(1) 将原始变量标准化 (由于本数据差异较大, 需进行标准化转化, 相关则不必标准化) 。点击“分析”|“描述统计”|“描述”选项卡, 弹出如图19“描述性”对话框, 将原始变量点击进入“变量”对话框, 将“将标准化得分另存为变量”选中, 于是系统生成如图20, 标准化变量。

(2) 用成份矩阵计算主成份系数向量:新建“成份矩阵”数据 (图21) , 通过图22主成份系数向量计算变量对话框计算得出“主成份系数向量” (图23) 。说明:SQRT (0.475) 是对特征根的开根。

(3) 在计算变量对话框的目标变量中输入“主成份Fi”, 在数据表达式中输主入各主成份向量系数与对应的标准化后的变量乘积之和, 如图24主成份得分计算, 得各主成份的得分。

(4) 在计算变量对话框中目标变量中输入“主成份F综得分”, 在数据表达式中输入各主成份得分与对应的解释总方差 (图13) 中的“初始特征值”下的“方差的%”的方差贡献率的乘积之和的表达式, 如图25主成份F综得分计算, 得到主成份F综得分 (主成份得分和综合得分见图26) 。

2.因子分析得分统计

(1) 与主成份分析得分统计的第一步相同, 对将原始变量标准化处理。

(2) 各因子得分:在进行因子分析时, 系统自动生成, 如图18中以FAC1_1~FAC3_1。

(3) 因子总得分:在计算变量对话框中的“目标变量”中输入“因子Z综合得分”, 在数字表达式中输入各因子得分与对应的解释总方差 (图13) 中的“旋转平方和载入”下的“方差的%”的方差贡献率的乘积之和的表达式 (注意, 主成份分析与因子分析最大差别是方差贡献率的引用是不同的) , 如图27因子综合得分计算, 便得到因子综合得分, 如图28主成份得分和因子得分。

五、讨论:主成份分析与因子分析在质量活动程序中应用

基于主成份分析与因子分析的特点, 都能对统计活动的变量 (指标) 和个案进行份析, 但各有所侧重。笔者认为, 因子分析, 主要用于活动选择课题。如结合亲和图, 通过它将大量数据进行因子分析整理, 归纳出能代表几个重要方面, 活动小组可根据几个关键方面排序比较, 获得一个关键方面, 这个关键方面也就是可活动确定的课题。

而主成份分析可结合矩阵图采用定量式对问题与因素、因素与因素、现象与因素间相互关系进行分析对比, 找出问题之间或因素之间关键点, 为质量改进中选题、现状调查、原因分析提供有力依据, 也为制定对策及按对策实施阶段后效果检验的有力工具。当结合矩阵图的L、T、Y、X、C五种类型分析时, 其中T、Y、X、C均要将对应分解成两两对应的L型进行主成份分析, 才能得出科学合理的数据推理结果, 比量化打分更加具有说服力。结合过程决策程序图或系统图找出几个决策方案, 并综合比较, 最终获得最佳方案。另外、还可以和质量机能展开等方法联合使用, 用途非常广泛。

六、总结

本文通过一个示例, 按SPSS因子分析方法实际操作进行一步步详尽介绍, 在因子分析的基础上, 也重点对主成份分析方法进行了介绍, 一般刚涉及矩阵数据分析法的人员可以按图示一步步操便会领会。同时对主成份分析与因子分析的降维分析, 对活动变量 (指标) 之间质量分析与评价, 和对个案质量综合评价比较进行了讨论, 也间接地区别了二者之间异同。基于此, 结合主成份分析与因子分析的特点, 阐明了在质量活动中, 因子分析主要结合亲和图用于课题的选择, 而主成份分析主要结合矩阵图、过程决策程序图、系统图、质量机能展开等工具结合, 在选题、现状调查、原因分析、制定对策及对策实施程序中都能得到广泛的使用。

参考文献

spss数据分析报告怎么写 第4篇

今天乔布简历小编就和大家一起来看看spss数据分析报告怎么写。

关键词：spss数据分析报告怎么写

我们用一个例子来分析spss数据分析报告的写法——以某公司474名职工的综合状况为例进行分析。

一、数据介绍

本次分析的数据是某公司474名职工的状况统计表，其中有11个变量，分别是：职工编号、性别、出生日期、受教育水平程度、职务等级、起始工资、现工资、本单位工作经历、以前工作经历、民族类型、年龄。我们通过使用spss统计软件，对变量分别进行频数分析、描述性统计、方差分析，还有相关分析，来了解该公司职工上述方面的综合状况，并分析个别变量的分布特点和相互之间的关系。

二、数据分析

1、频数分析。我们通过频数分析可以了解变量的取值情况，对把握数据的分布特征非常重要。此次分析利用了某公司474名职工基本状况的统计数据表，在性别、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。

首先，对该公司的男女性别分布进行频数分析，其次对原有数据中的受教育程度进行频数分析，并分别以表格的形式呈现出来。

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。

3、Exploratory data analysis。

（1）交叉分析。

在实际分析中，除了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。

（2）单因素方差分析。

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。

4、相关分析。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。

5、参数检验。对现工资的分布做正态性检验。

6、非参数检验。对本数据中的年龄做正态分布检验。

spss数据分析报告怎么写

人力资源管理数据SPSS处理 第5篇

一、导入Excel文件

现有Excel文件：“ex02_数学成绩.xls”（第一行为变量名称）

操作步骤：

【文件（F）】——【打开（O）】——【数据（A）】，弹出“打开数据”窗口：

找到文件位置，文件类型选择Excel(*.xls, *.xlsx, *.xlsm), 选中文件“ex02_数学成绩.xls”，再点击【打开】，弹出“打开Excel数据源”窗口：

勾选“从第一行数据读取变量名”，确定。

可在变量视图窗口，修改变量属性。再【文件（F）】——【保存】，弹出“数据保存”窗口，可修改保存路径和保存文件名，点【保存】，将数据存为*.sav文件。

二、导入txt文件

现有txt文件：“ex02_数学成绩.txt”

操作步骤：

【文件（F）】——【打开（O）】——【数据（A）】，弹出“打开数据”窗口：

找到文件位置，文件类型选择文本格式(*.txt, *.data, *.csv), 选中文件“ex02_数学成绩.txt”，再点击【打开】，弹出“文本导入向导”窗口：

一般文本文件与预定义格式不会匹配，选择“否”，点【下一步】

该文本文件是按固定宽度，csv文件按逗号分隔；变量名是否包含在文件顶部选“否”，点【下一步】

选择开始的行号为1，1行代表一个个案，以及要导入多少个案选全部个案，点【下一步】

点击相应列的位置，或“使用列号、插入终止”设定分割线，点【下一步】

输入变量名称和类型，点【下一步】

选择是否保存该流程，是否粘贴语法，点【完成】即可。

三、保存*.sav文件为Excel文件

操作步骤：

人力资源管理数据SPSS处理 第6篇

SPSS软件在废水排放及处理分析中的应用

摘要：水是人类生产之源,发展之本,是环境构成中最活跃的.因素.但是随着经济,社会的快速发展,工业污水排放量的增加,水质受到不同程度的污染.本文分别从废水治理设施数,工业废水排放总量,工业废水排放达标量,工业废水中化学需氧量排放量,工业废水中氨氮排放量,生活污水排放量,生活污水中化学需氧量排放量,生活污水中氨氮排放量等层面出发,利用SPSS软件中的因子分析法对各个层面的数据进行统计分析,浓缩数据找到主要方面,并对废水的治理提出对策.作 者：韩燕    邹霞    贺彦淇  作者单位：西华师范大学数学与信息学院 期 刊：科技信息   Journal：SCIENCE & TECHNOLOGY INFORMATION 年，卷(期)：, “”(8) 分类号：X7 关键词：因子分析    SPSS软件    废水排放    治理对策   

人力资源管理数据SPSS处理 第7篇

1 数据处理和数据管理的介绍

数据处理是从大量的原始数据中抽取出有价值的信息,即数据转换为信息的过程。主要对所输入的各种形式的数据进行加工整理,其过程包括对数据的收集、存储、加工、分类、归并、计算、排序、转换、检索和传播的播变与推导全过程。数据管理则是指数据的收集整理、组织、存储、维护、检索、传送等操作,是数据处理业务的基本环节,因为数据种类多、数量大,因此,数据管理不仅仅是使用数据,更多的是合理管理数据,使得数据使用更为方便快捷。数据处理和数据管理是相互联系的2部分,数据处理是数据管理的基础,数据管理则直接决定数据处理的效率。因此,需要把资源调查数据处理和信息管理系统结合起来,使得数据更好发挥作用。

2 资源调查数据处理和信息管理系统构建的必要性及原则

数据的处理使得数据更有针对性,符合实际需要,对数据进行分类汇总、计算排序,筛选出更具价值的信息;有利于实现资源共享,信息查找方便、快捷、准确,有效提高管理质量;对资源的保护和再利用具有极大的意义。

2.1 真实性原则

数据的采集过程会由于数据本身特性而很难统计,收集到的数据往往是间接数据,这些数据可能存在加工,对于此类的非原始数据通常需要去验证数据的真实性,只有保证数据真实准确,后续的数据处理工作才有意义。

2.2 简约原则

牛顿的“极简主义”带给了我们深刻启示,正如自然的简答,在对资源调查数据处理的过程中,要遵循简约原则,从大量的数据中选取有用的,优胜劣汰,找到反映本质特性的数据,去除繁琐的无用的数据,把最有效的数据构建成信息管理系统,并进行合理的管理。具体就是运用数据规约,即通过数据立方体集聚、维规约、数据压缩、离散程度等来分析反映数据。

2.3 实用性原则

信息管理系统的构建必须把实用性放在首位,注重资源调查数据处理与信息管理两者的关系,要使数据更具有目的性、针对性,并易于理解,便于管理,进而提高数据处理的工作效率。在信息管理系统的构建上要突破技术的限制性,勇于使用先进的网络技术,并在管理上引入现代化的观念,建立更具有时代性的信息管理系统。

2.4 系统性原则

资源调查数据处理和信息管理系统的构建要遵循系统性原则,运用系统的理论和方法来进行数据处理和数据信息管理。具体包括整体性原则、分解协调原则和目标优化原则。对于信息管理系统的构建要立足于整体,纵观全局,整体把握数据,对数据有个宏观的把握,可以从数据中看出资源的现状,然后分解各个子系统,子系统间相互协调合作,进而实现不同的数据目标,最后再综合实现整体的优化目标。

2.5 用户参与原则

所谓用户参与原则,即要满足各级管理者对信息的需求。因为信息的终端使用者是管理者,所以信息管理系统应该是人机合一的系统,信息管理系统的构建应尽量满足用户需求,实现计算机和人的合理分工、协调合作。最重要的就是要使用户对信息管理系统的功能、运行机制及内在规律熟练掌握,以保证信息管理系统构建的成功。

3 结语

资源调查数据处理和信息管理系统构建对林业资源的发展有着很大的意义。本文在对数据处理和数据管理进行简要介绍的基础上,针对资源调查的特点,结合GIS技术,重点论述资源调查数据处理和信息管理系统构建的原则,希望可以给林业工作者提供一些建议。值得指出的是,信息管理系统的构建是一个极其复杂的过程,具有明显的工程特性,参与构建人员要遵从信息管理系统建设的内在规律,从上述原则出发,建立高效的信息管理系统。

参考文献