Geschlecht + Anfangsgehalt. T-Test für das Anfangsgehalt Gruppenstatistiken. Der SPSS Output der aktuellen Computerübung zum Aufgabenblatt 3

Transkript

1 Der SPSS Output der aktuellen Computerübung zum Aufgabenblatt 3 Geschlecht + Anfangsgehalt Anfangsgehalt N = Männer Frauen 95% CI Anfangsgehalt N = 193 Männer 210 Frauen Geschlecht Geschlecht T-Test für das Anfangsgehalt Gruppenstatistiken Anfangsgehalt hl Geschlecht N Mittelwert Standardabw eichung er des Mittelwertes Männer Frauen

2 Test bei unabhängigen Stichproben Anfangsgehalt Levene-Test der Varianzgleichheit T-Test für die Mittelwertgleichheit 95% Konfidenzintervall der Differenz F Signifikanz T df Sig. (2-seitig) Mittlere Differenz hler der Differenz Untere Obere Varianzen sind gleich Varianzen sind nicht gleich Regression (Produziert analoge Ergebnisse wie der T-Test bei Varianzgleichheit) Modellzusammenfassung Modell R R-Quadrat Korrigiertes R- Quadrat hler des Schätzers 1.500(a) a Einflußvariablen : (Konstante), Geschlecht Koeffizienten(a) Nicht standardisierte Koeffizienten Standardisiert e Koeffizienten Modell B hler Beta T Signifikanz 1 (Konstante) Geschlecht a Abhängige Variable: Anfangsgehalt

3 Explorative Datenanalyse: Wiederholung für das aktuelle Gehalt Aktuelles Gehalt Aktuelles Gehalt N = 193 Männer 210 Frauen 95% CI Aktuelles Gehalt N = 193 Männer 210 Frauen Geschlecht Geschlecht T-Test Aktuelles Gehalt Gruppenstatistiken hl Geschlecht N Mittelwert Standardabw eichung er des Mittelwertes Männer Frauen

4 Test bei unabhängigen Stichproben Aktuelles Gehalt Levene-Test der Varianzgleichheit T-Test für die Mittelwertgleichheit 95% Konfidenzintervall der Differenz F Signifikanz T df Sig. (2-seitig) Mittlere Differenz hler der Differenz Untere Obere Varianzen sind gleich Varianzen sind nicht gleich Regression Modellzusammenfassung Modell R R-Quadrat Korrigiertes R- Quadrat hler des Schätzers 1.468(a) a Einflußvariablen : (Konstante), Geschlecht Koeffizienten(a) Nicht standardisierte Koeffizienten Standardisiert e Koeffizienten Modell B hler Beta T Signifikanz 1 (Konstante) Geschlecht

5 Korrelationen: Der metrischen Grössen und das dummykodierten Geschlechts: Korrelationen Aktuelles Gehalt Anfangsge halt Geschlecht Dienstalter Alter Berufserfa hrung Aktuelles Gehalt Korrelation nach Pearson 1.743(**) -.468(**).114(*) -.264(**) -.104(*) Signifikanz (2-seitig) N Anfangsgehalt Korrelation nach Pearson.743(**) (**) (*) Signifikanz (2-seitig) N Geschlecht Korrelation nach Pearson -.468(**) -.500(**) (**) Signifikanz (2-seitig) N Dienstalter Korrelation nach Pearson.114(*) Signifikanz (2-seitig) N Alter Korrelation nach Pearson -.264(**) (**) Signifikanz (2-seitig) N Berufserfahrung Korrelation nach Pearson -.104(*).111(*) -.204(**) (**) 1 Signifikanz (2-seitig) N ** Die Korrelation ist auf dem Niveau von 0,01 (2-seitig) signifikant. * Die Korrelation ist auf dem Niveau von 0,05 (2-seitig) signifikant.

6 Streudiagramme: Anfangsgehalt Aktuelles Gehalt Geschlecht Frauen Männer Total Population Dienstalter Aktuelles Gehalt Geschlecht Frauen Männer Total Population Alter Aktuelles Gehalt Geschlecht Frauen Männer Total Population Berufserfahrung Aktuelles Gehalt Geschlecht Frauen Männer Total Population

7 Geschlecht 30 Frauen Männer Alter Total Population Berufserfahrung Explorative Datenanalyse: Boxplots zu den Jobkatekorien -> Gruppenbildung? -> 6. und 7. Kategorie hat keine Ausprägungen! Jobkategorie Verarbeitete Fälle Aktuelles Gehalt Fälle Gültig Fehlend Gesamt Jobkategorie N Prozent N Prozent N Prozent Büroangestellte % 0.0% % Büro-Trainees % 0.0% % Sicherheitsdienst % 0.0% % College-Trainees % 0.0% % Freie Mitarbeiter % 0.0% %

8 Aktuelles Gehalt % C I A k tu e lle s G e h a lt N = Büroangestellte Sicherheitsdienst Freie Mitarbeiter Büro-Trainees College-Trainees Jobkategorie Fazit: Die bestehenden Jopkategorien sind nicht anzuwenden, da es keine Arbeitnehmer im Datensatz gibt, die Techniker oder MBA-Trainiees sind. Neue Kategorisierung muss gefunden werden!

9 Regression: Der metrischen Grössen und das dummykodierten Geschlechts: Aufgenommene/Entfernte Variablen(b) Modell 1 Aufgenommen e Variablen Anfangsgehalt, Alter, Dienstalter, Geschlecht, Berufserfahrun g(a) Entfernte Variablen Methode. Eingeben a Alle gewünschten Variablen wurden aufgenommen. Modellzusammenfassung(b) Modell R R-Quadrat Korrigiertes R- Quadrat hler des Schätzers 1.807(a) a Einflußvariablen : (Konstante), Anfangsgehalt, Alter, Dienstalter, Geschlecht, Berufserfahrung ANOVA(b) Modell Quadratsu mme df Mittel der Quadrate F Signifikanz 1 Regression (a) Residuen Gesamt a Einflußvariablen : (Konstante), Anfangsgehalt, Alter, Dienstalter, Geschlecht, Berufserfahrung

10 Koeffizienten(a) Nicht standardisierte Koeffizienten Standardisiert e Koeffizienten 95%-Konfidenzintervall für B Kollinearitätsstatistik Modell B hler Beta T Signifikanz Untergrenze Obergrenze Toleranz VIF 1 (Konstante) Geschlecht Dienstalter Alter Berufserfahrung Anfangsgehalt Kollinearitätsdiagnose(a) Varianzanteile Modell Dimension Eigenwert Konditionsi ndex (Konstante) Geschlecht Dienstalter Alter Berufserfa hrung Anfangsge halt

11 Fallweise Diagnose(a) Nicht standardisie Fallnummer Standardisiert e Residuen Aktuelles Gehalt rter vorhergesa gter Wert Nicht standardisiert e Residuen Residuenstatistik(a) Minimum Maximum Mittelwert Standardabw eichung N Nicht standardisierter vorhergesagter Wert Nicht standardisierte Residuen Standardisierter vorhergesagter Wert Standardisierte Residuen

12

13 Regression: Jetzt wurden die obigen 4 Ausreisser entfernt! Fälle auswählen, dann Eingabe der zu den Fallnummern gehöhrenden ids in folgender Form: id ~= 1042 and id ~= 653 and id ~= 875 and id ~= 966 and id ~= 978: Aufgenommene/Entfernte Variablen(b) Modell 1 Aufgenommen e Variablen Anfangsgehalt, Alter, Dienstalter, Geschlecht, Berufserfahrun g(a) Entfernte Variablen Methode. Eingeben a Alle gewünschten Variablen wurden aufgenommen. Modellzusammenfassung(b) Modell R R-Quadrat Korrigiertes R- Quadrat hler des Schätzers 1.820(a) a Einflußvariablen : (Konstante), Anfangsgehalt, Alter, Dienstalter, Geschlecht, Berufserfahrung ANOVA(b) Modell Quadratsu mme df Mittel der Quadrate F Signifikanz 1 Regression (a) Residuen Gesamt a Einflußvariablen : (Konstante), Anfangsgehalt, Alter, Dienstalter, Geschlecht, Berufserfahrung

14 Koeffizienten(a) Nicht standardisierte Koeffizienten Standardisiert e Koeffizienten 95%-Konfidenzintervall für B Kollinearitätsstatistik Modell B hler Beta T Signifikanz Untergrenze Obergrenze Toleranz VIF 1 (Konstante) Geschlecht Dienstalter Alter Berufserfahrung Anfangsgehalt Kollinearitätsdiagnose(a) Varianzanteile Modell Dimension Eigenwert Konditionsi ndex (Konstante) Geschlecht Dienstalter Alter Berufserfa hrung Anfangsge halt

15 Fallweise Diagnose(a) Nicht standardisie Fallnummer Standardisiert e Residuen Aktuelles Gehalt rter vorhergesa gter Wert Nicht standardisiert e Residuen In id 402 wird ein neuer Ausreisser entdeckt, der im vorherigen Modell noch im 3-sigma Band der vorhergesagten Werte (ydach) lag! Residuenstatistik(a) Minimum Maximum Mittelwert Standardabw eichung N Nicht standardisierter vorhergesagter Wert Nicht standardisierte Residuen Standardisierter vorhergesagter Wert Standardisierte Residuen

16

17 Regression: Jobkategoriene als Dummyvariable, 1 Büroangestellte + Trainees, 0 sonst! Berufserfahrung wurde entfernt: Aufgenommene/Entfernte Variablen(b) Modell 1 Aufgenommen e Variablen Bürobeschäftigt e, Dienstalter, Alter, Geschlecht, Anfangsgehalt( a) Entfernte Variablen Methode. Eingeben a Alle gewünschten Variablen wurden aufgenommen. Modellzusammenfassung(b) Modell R R-Quadrat Korrigiertes R- Quadrat hler des Schätzers 1.824(a) a Einflußvariablen : (Konstante), Bürobeschäftigte, Dienstalter, Alter, Geschlecht, Anfangsgehalt ANOVA(b) Modell Quadratsu mme df Mittel der Quadrate F Signifikanz 1 Regression (a) Residuen Gesamt a Einflußvariablen : (Konstante), Bürobeschäftigte, Dienstalter, Alter, Geschlecht, Anfangsgehalt

18 Koeffizienten(a) Nicht standardisierte Koeffizienten Standardisiert e Koeffizienten 95%-Konfidenzintervall für B Kollinearitätsstatistik Modell B hler Beta T Signifikanz Untergrenze Obergrenze Toleranz VIF 1 (Konstante) Geschlecht Dienstalter Alter Anfangsgehalt Bürobeschäftigte Kollinearitätsdiagnose(a) Varianzanteile Modell Dimension Eigenwert Konditionsi ndex (Konstante) Geschlecht Dienstalter Alter Anfangsge halt Bürobesch äftigte Kondition verschlimmert sich!

19 Fallweise Diagnose(a) Nicht standardisie Fallnummer Standardisiert e Residuen Aktuelles Gehalt rter vorhergesa gter Wert Nicht standardisiert e Residuen Residuenstatistik(a) Minimum Maximum Mittelwert Standardabw eichung N Nicht standardisierter vorhergesagter Wert Nicht standardisierte Residuen Standardisierter vorhergesagter Wert Standardisierte Residuen

20

21 Regression: Alle Ausreisser entfernt: Aufgenommene/Entfernte Variablen(b) Modell 1 Aufgenommen e Variablen Bürobeschäftigt e, Dienstalter, Alter, Geschlecht, Anfangsgehalt( a) Entfernte Variablen Methode. Eingeben a Alle gewünschten Variablen wurden aufgenommen. Modellzusammenfassung(b) Modell R R-Quadrat Korrigiertes R- Quadrat hler des Schätzers 1.838(a) a Einflußvariablen : (Konstante), Bürobeschäftigte, Dienstalter, Alter, Geschlecht, Anfangsgehalt ANOVA(b) Modell Quadratsu mme df Mittel der Quadrate F Signifikanz 1 Regression (a) Residuen Gesamt a Einflußvariablen : (Konstante), Bürobeschäftigte, Dienstalter, Alter, Geschlecht, Anfangsgehalt

22 Koeffizienten(a) Nicht standardisierte Koeffizienten Standardisiert e Koeffizienten 95%-Konfidenzintervall für B Kollinearitätsstatistik Modell B hler Beta T Signifikanz Untergrenze Obergrenze Toleranz VIF 1 (Konstante) Geschlecht Dienstalter Alter Anfangsgehalt Bürobeschäftigte Kollinearitätsdiagnose(a) Varianzanteile Modell Dimension Eigenwert Konditionsi ndex (Konstante) Geschlecht Dienstalter Alter Anfangsge halt Bürobesch äftigte

23 Fallweise Diagnose(a) Nicht standardisie Fallnummer Standardisiert e Residuen Aktuelles Gehalt rter vorhergesa gter Wert Nicht standardisiert e Residuen SPSS entdeckt 2 neue Ausreisser! Das Entfernen der Ausreisser bringt neue Koeffizientenschätzungen hervor, woraufhin sich natürlich auch die vorhergesagten Werte (y dach) ändern. Dies hat zur Folge, dass das 3-sigma Band um y dach enger wird und neue Werte herausfallen. Man könnte versuchen weiter die Ausreisser zu entfernen bis es keine mehr gibt, allerdings stellt sich dann die Frage, ob man nicht zu viele wertvolle Informationen einfach ignoriert. Residuenstatistik(a) Minimum Maximum Mittelwert Standardabw eichung N Nicht standardisierter vorhergesagter Wert Nicht standardisierte Residuen Standardisierter vorhergesagter Wert Standardisierte Residuen

24

25 Explorative Datenanalyse: Erklärungsversuch des Anstiegs der Konditionszahl nach der Aufnahme des neuen Dummies: Aktuelles Gehalt Kreuztabellen Anzahl Geschlecht * Bürobeschäftigte Kreuztabelle Bürobeschäftigte Büroangest ellte und - sonst trainees Gesamt Geschlecht Männer Frauen Gesamt

26 Chi-Quadrat-Tests Wert df Asymptotische Signifikanz (2- seitig) Chi-Quadrat nach Pearson (b) a Wird nur für eine 2x2-Tabelle berechnet b 0 Zellen (.0%) haben eine erwartete Häufigkeit kleiner 5. Die minimale erwartete Häufigkeit ist Symmetrische Maße Näherungs weise Wert Signifikanz Nominal- bzgl. Phi Nominalmaß Cramer-V Kontingenzkoeffizient Anzahl der gültigen Fälle 403 a Die Null-Hyphothese wird nicht angenommen. b Unter Annahme der Null-Hyphothese wird der asymptotische hler verwendet. Risikoschätzer Quotenverhältnis für Geschlecht (Männer / Frauen) 95%-Konfidenzintervall Wert Untere Obere Anzahl der gültigen Fälle 403 Diese Analyse deutet auf einen starken Zusammenhang zwischen dem Geschlecht und der gewählten Jobkategorisierung hin. Der Grossteil der Frauen der Firma arbeitet im Büro und nur 6 arbeiten in sonstigen Jobs. 40 von 193 Männern haben einen anderen Job als die Bürotätigkeit.

27 Regression: Mal ohne Geschlecht: Aufgenommene/Entfernte Variablen(b) Modell 1 Aufgenommen e Variablen Bürobeschäftigt e, Dienstalter, Alter, Anfangsgehalt( a) Entfernte Variablen Methode. Eingeben a Alle gewünschten Variablen wurden aufgenommen. Modellzusammenfassung(b) Modell R R-Quadrat Korrigiertes R- Quadrat hler des Schätzers 1.822(a) a Einflußvariablen : (Konstante), Bürobeschäftigte, Dienstalter, Alter, Anfangsgehalt ANOVA(b) Modell Quadratsu mme df Mittel der Quadrate F Signifikanz 1 Regression (a) Residuen Gesamt a Einflußvariablen : (Konstante), Bürobeschäftigte, Dienstalter, Alter, Anfangsgehalt

28 Koeffizienten(a) Nicht standardisierte Koeffizienten Standardisiert e Koeffizienten 95%-Konfidenzintervall für B Kollinearitätsstatistik Modell B hler Beta T Signifikanz Untergrenze Obergrenze Toleranz VIF 1 (Konstante) Dienstalter Alter Anfangsgehalt Bürobeschäftigte Kollinearitätsdiagnose(a) Varianzanteile Modell Dimension Eigenwert Konditionsi ndex (Konstante) Dienstalter Alter Anfangsge halt Bürobesch äftigte

29 Fallweise Diagnose(a) Nicht standardisie Fallnummer Standardisiert e Residuen Aktuelles Gehalt rter vorhergesa gter Wert Nicht standardisiert e Residuen Residuenstatistik(a) Minimum Maximum Mittelwert Standardabw eichung N Nicht standardisierter vorhergesagter Wert Nicht standardisierte Residuen Standardisierter vorhergesagter Wert Standardisierte Residuen

30 Regression: Geschlecht rein, Dienstalter raus: Aufgenommene/Entfernte Variablen(b) Modell 1 Aufgenommen e Variablen Geschlecht, Alter, Bürobeschäftigt e, Anfangsgehalt( a) Entfernte Variablen Methode. Eingeben a Alle gewünschten Variablen wurden aufgenommen. Modellzusammenfassung(b) Modell R R-Quadrat Korrigiertes R- Quadrat hler des Schätzers 1.806(a) a Einflußvariablen : (Konstante), Geschlecht, Alter, Bürobeschäftigte, Anfangsgehalt ANOVA(b) Modell Quadratsu mme df Mittel der Quadrate F Signifikanz 1 Regression (a) Residuen Gesamt a Einflußvariablen : (Konstante), Geschlecht, Alter, Bürobeschäftigte, Anfangsgehalt

31 Koeffizienten(a) Nicht standardisierte Koeffizienten Standardisiert e Koeffizienten 95%-Konfidenzintervall für B Kollinearitätsstatistik Modell B hler Beta T Signifikanz Untergrenze Obergrenze Toleranz VIF 1 (Konstante) Alter Anfangsgehalt Bürobeschäftigte Geschlecht Kollinearitätsdiagnose(a) Varianzanteile Modell Dimension Eigenwert Konditionsi ndex (Konstante) Alter Anfangsge halt Bürobesch äftigte Geschlecht

32 Fallweise Diagnose(a) Nicht standardisie Fallnummer Standardisiert e Residuen Aktuelles Gehalt rter vorhergesa gter Wert Nicht standardisiert e Residuen Residuenstatistik(a) Minimum Maximum Mittelwert Standardabw eichung N Nicht standardisierter vorhergesagter Wert Nicht standardisierte Residuen Standardisierter vorhergesagter Wert Standardisierte Residuen

33 Regression: Merkmal Job kann auch durch 3 Gruppen charakterisiert werden, vergleiche Grafiken oben! 1. Gruppe Büro, 2. Gruppe Sicherheit und 3 Gruppe College-Trainees und Freie Mitarbeiter. Hier also zwei Dummies für den Job: Modell 1 Aufgenommene/Entfernte Variablen(b) Aufgenommen e Variablen Sicherheit, Anfangsgehalt, Alter, Geschlecht, Bürobeschäftigt e(a) Entfernte Variablen Methode. Eingeben a Alle gewünschten Variablen wurden aufgenommen. Modellzusammenfassung(b) Modell R R-Quadrat Korrigiertes R- Quadrat hler des Schätzers 1.806(a) a Einflußvariablen : (Konstante), Sicherheit, Anfangsgehalt, Alter, Geschlecht, Bürobeschäftigte ANOVA(b) Modell Quadratsu mme df Mittel der Quadrate F Signifikanz 1 Regression (a) Residuen Gesamt a Einflußvariablen : (Konstante), Sicherheit, Anfangsgehalt, Alter, Geschlecht, Bürobeschäftigte

34 Koeffizienten(a) Nicht standardisierte Koeffizienten Standardisiert e Koeffizienten 95%-Konfidenzintervall für B Kollinearitätsstatistik Modell B hler Beta T Signifikanz Untergrenze Obergrenze Toleranz VIF 1 (Konstante) Alter Anfangsgehalt Bürobeschäftigte Geschlecht Sicherheit Kollinearitätsdiagnose(a) Varianzanteile Modell Dimension Eigenwert Konditionsi ndex (Konstante) Alter Anfangsge halt Bürobesch äftigte Geschlecht Sicherheit

35 Fallweise Diagnose(a) Nicht standardisie Fallnummer Standardisiert e Residuen Aktuelles Gehalt rter vorhergesa gter Wert Nicht standardisiert e Residuen Residuenstatistik(a) Minimum Maximum Mittelwert Standardabw eichung N Nicht standardisierter vorhergesagter Wert Nicht standardisierte Residuen Standardisierter vorhergesagter Wert Standardisierte Residuen