SPSS 操作與解釋教學

指導教授：馬瀰嘉 老師

國立成功大學

103 暑 AMBA 統計方法

目錄
一、 基本敘述統計量(連續資料) ..................................................................................................................... 2

二、 基本敘述統計量(類別資料) ..................................................................................................................... 3

三、 檢定資料是否為常態分配(Kolmogorov-Smirnov test) .................................................................. 4

四、 資料圖表化(Histogram) ......................................................................................................................... 5

(一) 直方圖 ................................................................................................................................................. 5

(二) 盒形圖(box plot) .............................................................................................................................. 6

五、 交叉分析表(contingency tables)、卡方檢定(Chi-square test) .................................................... 7

(一) 性別 * 職別....................................................................................................................................... 7

(二) 性別 * 種族區隔 .............................................................................................................................. 8

六、 一組樣本T檢定(One-Sample T Test)、成對樣本T檢定(Paired-Sample T test)........................ 9

(一) 一組樣本T檢定(One-Sample T Test) .......................................................................................... 9

(二) 成對樣本T檢定(Paired-Sample T test)..................................................................................... 10

七、 兩獨立樣本T檢定(Independent-Sample T Test) ........................................................................... 12

八、 一因子變異數分析(One-Way ANOVA)............................................................................................. 13

九、 線性迴歸分析(Linear regression analysis) ...................................................................................... 17

1
一、 目的：基本敘述統計量(連續資料)
 操作路徑：
分析(Analyze)→敘述統計(Descriptive Statistics)→描述性統計量(Descriptives)
 選項：
1. 變數(V)：目前薪資、起薪、在本公司的年資
2. 選項(O)：平均數、標準差、變異數、最小值、最大值、峰度、偏態

描述性統計量

敘述統計

個數 最小值 最大值 平均數 標準差 變異數

統計量 統計量 統計量 統計量 統計量 統計量

目前薪資 474 $15,750 $135,000 $34,419.57 $17,075.661 2.916E8

起薪 474 $9,000 $79,980 $17,016.09 $7,870.638 6.195E7

在本公司的年資(月) 474 63 98 81.11 10.061 101.223

有效的 N (完全排除) 474

 說明：依照平時的認知即可。

敘述統計

偏態 峰度

統計量 標準誤 統計量 標準誤

目前薪資 2.125 .112 5.378 .224

起薪 2.853 .112 12.390 .224

在本公司的年資(月) -.053 .112 -1.153 .224

 說明：由上表可知目前薪資與起薪的偏態統計量大於0，呈現右偏的分配；在本公司的年資(月)
偏態統計量小於0，呈現左偏的分配；而目前薪資與起薪的偏態統計量大於3，呈現高峽峰的分
配，表示資料在平均數附近的次數相對較高；在本公司的年資(月)偏態統計量小於3，呈現低闊
峰的分配，表示資料在平均數附近的次數相對較低。

2
二、 目的：基本敘述統計量(類別資料)
 操作路徑：
分析(Analyze)→敘述統計(Descriptive Statistics)→次數分配表(Frequencies)
 選項：
變數(V)：教育程度、職別

次數分配表

統計量

教育程度(年) 職別

個數 有效的 474 474

遺漏值 0 0

次數分配表

教育程度(年)

次數 百分比 有效百分比 累積百分比 說明：由教育程度的次數分配表可以

有效的 8 53 11.2 11.2 11.2 看出教育程度為12年的人佔了
40.1%，而教育程度為21年的人僅占
12 190 40.1 40.1 51.3
0.2%，由此可知大部分的受訪者有
14 6 1.3 1.3 52.5
40%是高中教育程度，12.4%的受訪
15 116 24.5 24.5 77.0 者可能是大專院校的程度。
16 59 12.4 12.4 89.5

17 11 2.3 2.3 91.8

18 9 1.9 1.9 93.7

19 27 5.7 5.7 99.4

20 2 .4 .4 99.8

21 1 .2 .2 100.0

總和 474 100.0 100.0

職別

次數 百分比 有效百分比 累積百分比

說明：由職別的次數分配表可以看出
有效的 職員 363 76.6 76.6 76.6 職員佔了76.6%，而保全人員占
保全人員 27 5.7 5.7 82.3 5.7%，管理人員占17.7%，由此可知
大部分的受訪者為一般職員。
管理人員 84 17.7 17.7 100.0

總和 474 100.0 100.0

3
三、 目的：檢定資料是否為常態分配(Kolmogorov-Smirnov test)
 操作路徑：
分析(Analyze)→無母數檢定(Nonparametric Tests)→單一樣本K-S檢定(One-sample K-S test)
 *需要Unstandardized Residual Data

NPar 檢定

單一樣本 Kolmogorov-Smirnov 檢定

Unstandardized
Residual

個數 474
a,,b
常態參數 平均數 .0000000

標準差 7.56209147E3

最大差異 絕對 .129

正的 .129

負的 -.118

Kolmogorov-Smirnov Z 檢定 2.803

漸近顯著性 (雙尾) .000

a. 檢定分配為常態。

b. 根據資料計算。

 說明：此筆輸入的變數資料由p-value<0.0001可知，拒絕Ho，表示資料非抽自常態母體。

4
四、 目的：資料圖表化(Histogram)
(一)直方圖
 操作路徑：統計圖(Graphs)→歷史對話記錄→直方圖(Histogram)
 選項：
變數(V)：目前薪資
 顯示常態曲線

圖形

 說明：由直方圖可看出目前薪資呈現右偏且為高峽峰的分配，驗證第一節敘述統計量偏態與峰
態的推論；差別在於由此直方圖可看出目前薪資的數字，例如我們從此圖可看出目前薪資大多
落在25,000元附近，而極端值可大到超過125,000元。

5
(二) 盒形圖(box plot)
 操作路徑：統計圖(Graphs)→歷史對話記錄→盒形圖(Box plot)
 第一視窗直接選擇定義
 選項：
變數(V)：目前薪資
類別軸(C)：職別

職別
觀察值處理摘要

觀察值

有效的 遺漏值 總和

職別 個數 百分比 個數 百分比 個數 百分比

目前薪資 職員 363 100.0% 0 .0% 363 100.0%

保全人員 27 100.0% 0 .0% 27 100.0%

管理人員 84 100.0% 0 .0% 84 100.0%

目前薪資

 說明：由盒形圖可看出管理人員的目前薪資相對較職員與保全人員高；而保全人員的目前薪資
可看出來變動不大，大多落在25,000元附近；職員的中位數薪資與全人員差不多，但變動較
大，最高可超過75,000元。

6
五、 目的：交叉分析表(contingency tables)、卡方檢定(Chi-square test)
 操作路徑：分析(Analyze)→敘述統計(Descriptive Statistics)→交叉表(Crosstabs)
 列(W)：性別
 欄(C)：職別、種族區隔

交叉表
觀察值處理摘要

觀察值

有效的 遺漏值 總和

個數 百分比 個數 百分比 個數 百分比

性別 * 職別 474 100.0% 0 .0% 474 100.0%

性別 * 種族區隔 474 100.0% 0 .0% 474 100.0%

(一) 性別 * 職別

交叉表

個數

職別

職員 保全人員 管理人員 總和 說明：可知受訪者中，女性職員為206

性別 女 206 0 10 216 人，女性保全人員為0人…..以此類推。

男 157 27 74 258

總和 363 27 84 474

卡方檢定

漸近顯著性 (雙
數值 自由度 尾)
說明：此檢定性別與職別是否相關，由p-
a
Pearson卡方 79.277 2 .000
value<0.0001可知，性別與職別是有關的。
概似比 95.463 2 .000

有效觀察值的個數 474

a. 0格 (.0%) 的預期個數少於 5。 最小的預期個數為 12.30。

7
(二) 性別 * 種族區隔

交叉表

個數
說明：可知受訪者中，女性有被種族區隔
種族區隔
為40人，男性沒被種族區隔為194人…..
否 是 總和 以此類推。
性別 女 176 40 216

男 194 64 258

總和 370 104 474

卡方檢定

漸近顯著性 精確顯著性 精確顯著性

數值 自由度 (雙尾) (雙尾) (單尾)

a
Pearson卡方 2.714 1 .099

連續性校正b 2.359 1 .125

概似比 2.738 1 .098

Fisher's精確檢定 .119 .062

有效觀察值的個數 474

a. 0格 (.0%) 的預期個數少於 5。 最小的預期個數為 47.39。

b. 只能計算 2x2 表格

說明：此檢定性別與種族區隔是否相關，由
p-value=0.099>0.05可知，性別與種族區隔
是無關的。

8
六、 目的：一組樣本T檢定(One-Sample T Test)、成對樣本T檢定(Paired-Sample
T test)

(一) 一組樣本T檢定(One-Sample T Test)

 操作路徑：分析(Analyze)→比較平均數法(Compare means)→單一樣本T檢定(One-Sample T
Test)
 檢定變數(T)：目前薪資、起薪
 檢定值(V)：30000

T 檢定

單一樣本統計量

個數 平均數 標準差 平均數的標準誤

目前薪資 474 $34,419.57 $17,075.661 $784.311

起薪 474 $17,016.09 $7,870.638 $361.510

單一樣本檢定

檢定值 = 30000

差異的 95% 信賴區間

t 自由度 顯著性 (雙尾) 平均差異 下界 上界

目前薪資 5.635 473 .000 $4,419.568 $2,878.40 $5,960.73

起薪 -35.916 473 .000 $-12,983.914 $-13,694.28 $-12,273.55

 說明：

i. H0 : 起薪的母體平均 = 30,000 , Ha : 起薪的母體平均 ≠ 30,000

p-value<0.001⇒ Reject H0 ⇒ 在α = 0.05下，有足夠證據顯示目前薪資的母體平均不等於30000元。

ii. H0 : 起薪的母體平均 = 30,000 , Ha : 起薪的母體平均 ≠ 30,000

p-value<0.001⇒ Reject H0 ⇒ 在α = 0.05下，有足夠證據顯示起薪的母體平均不等於30000元。

9
(二) 成對樣本T檢定(Paired-Sample T test)

 操作路徑：
分析(Analyze)→比較平均數法(Compare means)→成對樣本T檢定(Paired-Sample T test)
 配對變數(V)：
1. 起薪、目前薪資
2. 在本公司的年資、以前的資歷

T 檢定
成對樣本統計量

平均數 個數 標準差 平均數的標準誤

說明：一般敘述統計量，根據
成對 1 起薪 $17,016.09 474 $7,870.638 $361.510 自己認知解釋即可。

目前薪資 $34,419.57 474 $17,075.661 $784.311

成對 2 在本公司的年資(月) 81.11 474 10.061 .462

以前的資歷(月) 95.86 474 104.586 4.804

成對樣本相關 說明：此檢定結果為起薪和目前薪
資顯著相關；在本公司的年資(月)
個數 相關 顯著性
和以前的資歷(月)不相關；#但老師
成對 1 起薪 和 目前薪資 474 .880 .000
的意思為只要認為是成對樣本即可
成對 2 在本公司的年資(月) 和 以前 474 .003 .948 做成對t檢定，不一定要檢定相關才
的資歷(月) 能做成對t檢定。

成對樣本檢定

成對變數差異

平均數 標準差 平均數的標準誤

成對 1 起薪 - 目前薪資 $-17,403.481 $10,814.620 $496.732

成對 2 在本公司的年資(月) - 以前 -14.751 105.039 4.825

的資歷(月)

說明：可知x1 −x2 的平均數、標準

差與平均數標準誤。

10
 成對樣本檢定

成對變數差異

差異的 95% 信賴區間 說明：可知𝜇1 −μ2 的95%信賴區間，

若由信賴區間作檢定，可知因為兩個成
下界 上界
對樣本差異的皆不包含0，表示起薪與
成對 1 起薪 - 目前薪資 $-18,379.555 $-16,427.407
目前薪資有差異；在本公司的年資(月)
成對 2 在本公司的年資(月) - 以前 -24.231 -5.271 和以前的資歷(月)有差異。
的資歷(月)

成對樣本檢定

說明：檢定結果為拒絕Ho，表示起薪
t 自由度 顯著性 (雙尾) 與目前薪資母體平均有差異；在本公

成對 1 起薪 - 目前薪資 -35.036 473 .000

司的年資(月)和以前的資歷(月)母體平
均有差異。
成對 2 在本公司的年資(月) - 以前 -3.057 473 .002
的資歷(月)

11
七、 目的：兩獨立樣本T檢定(Independent-Sample T Test)
 操作路徑：
分析(Analyze)→比較平均數法(Compare means)→獨立樣本T檢定(Independent-Sample T Test)
 檢定變數(T)：目前薪資
 分組變數(G)：職別
 定義組別(D)：
組別1：1(職員)；組別2：2(保全人員)
說明：職員與保全人員的目前薪資一般
T 檢定 敘述統計量，根據自己認知解釋即可。

組別統計量

職別 個數 平均數 標準差 平均數的標準誤

目前薪資 職員 363 $27,838.54 $7,567.995 $397.217

保全人員 27 $30,938.89 $2,114.616 $406.958

詳細說明見下面敘述。
獨立樣本檢定

變異數相等的 Levene 檢定 平均數相等的 t 檢定

F 檢定 顯著性 t 自由度 顯著性 (雙尾)

目前薪資 假設變異數相等 16.844 .000 -2.120 388 .035

不假設變異數相等 -5.452 93.072 .000

獨立樣本檢定

平均數相等的 t 檢定

差異的 95% 信賴區間

平均差異 標準誤差異 下界 上界

目前薪資 假設變異數相等 $-3,100.349 $1,462.280 $-5,975.334 $-225.364

不假設變異數相等 $-3,100.349 $568.679 $-4,229.622 $-1,971.076

 說明：
i. 首先，我們必須檢定職員「目前薪資」的變異數和保全人員「目前薪資」所得到之變異數是否相等。若
是變異數檢定之顯著性小於0.05，表示要從『不假設變異數相等』來解讀其資料。
ii. 而在這一次的分析中，變異數相等的Levene檢定得到F值為16.844，顯著性為.000，故應以職員與保全
人員目前薪資的變異數是不相等的那一列來解讀資料。
iii. 如上表所示，而在由『不假設變異數相等』那一列中，由其t值與顯著性判斷資料與分析結果，其t=-
5.452，顯著性<.0001，所以我們可以說保全與職員對目前薪資有差異性的影響，並且達顯著水準。由
信賴區間作檢定，因為不包含0，亦有相同的推論。

12
八、 目的：一因子變異數分析(One-Way ANOVA)
 操作路徑：
分析(Analyze)→比較平均數法(Compare means)→單因子變異數分析(One-Way ANOVA)
 依變數清單(E)：目前薪資、起薪
 因子(F)：職別 ANOVA前提假設：

 Post Hoc檢定(H)：Bonferroni法、Tukey法 1.獨立性：資料來自彼此獨立的隨機樣本

2.常態性：樣本必須取自服從常態分配的母體
 選項(O)：
3.變異數同質性：各組樣本必須取自變異數相等的母體
變異數同質性檢定、Welch、平均數圖

單因子 理論上，沒有滿足上述三個假設，檢定
結果是不成立的。由此表可知檢定結果
變異數同質性檢定
皆為變異數顯著不同，沒有滿足第三個
Levene 統計量 分子自由度 分母自由度 顯著性 假設，因此不能看ANOVA的檢定，要

目前薪資 59.733 2 471 .000 看均等平均數的 Robust 檢定。(若不

拒絕Ho則可以直接看AOVA的檢定結
起薪 74.885 2 471 .000
果)

ANOVA

平方和 自由度 平均平方和 F 顯著性

若變異數同質性
目前薪資 組間 8.944E10 2 4.472E10 434.481 .000

組內 4.848E10 471 1.029E8 檢定不拒絕Ho，

總和 1.379E11 473 才可以看此表

起薪 組間 1.793E10 2 8.963E9 371.106 .000

組內 1.138E10 471 2.415E7

總和 2.930E10 473

均等平均數的 Robust 檢定

a
統計量 分子自由度 分母自由度 顯著性
因為變異數同質性檢定拒
目前薪資 Welch 162.200 2 117.312 .000
絕Ho，故看此表
起薪 Welch 109.605 2 80.233 .000

a. 漸近的 F 分配。

 說明：p-value皆<0.0001
檢定結果為：
i. 在α = 0.05下，有足夠證據顯示 職別會影響 目前薪資 。(在不同職別下的平均目前薪資不同)
ii. 在α = 0.05下，有足夠證據顯示 職別會影響 起薪。(在不同職別下的平均起薪不同)

13
 Post Hoc 檢定-多重比較

平均差異 95% 信賴區間 95% 信賴區間

(I-J) 標準誤 顯著性 下界 上界

目前薪資 Tukey HSD 職員 保全人員 $-3,100.349 $2,023.760 .277 $-7,858.50 $1,657.80

管理人員 $-36,139.258* $1,228.352 .000 $-39,027.29 $-33,251.22

保全人員 職員 $3,100.349 $2,023.760 .277 $-1,657.80 $7,858.50

管理人員 $-33,038.909* $2,244.409 .000 $-38,315.84 $-27,761.98

*
μ >μ =μ 管理人員 職員 $36,139.258 $1,228.352 .000 $33,251.22 $39,027.29
管理人員 保全人員 職員
保全人員 $33,038.909* $2,244.409 .000 $27,761.98 $38,315.84

Bonferroni 法 職員 保全人員 $-3,100.349 $2,023.760 .379 $-7,962.56 $1,761.86

*
管理人員 $-36,139.258 $1,228.352 .000 $-39,090.45 $-33,188.07

保全人員 職員 $3,100.349 $2,023.760 .379 $-1,761.86 $7,962.56

管理人員 $-33,038.909* $2,244.409 .000 $-38,431.24 $-27,646.58

管理人員 職員 $36,139.258* $1,228.352 .000 $33,188.07 $39,090.45

保全人員 $33,038.909* $2,244.409 .000 $27,646.58 $38,431.24

起薪 Tukey HSD 職員 保全人員 $-981.731 $980.323 .576 $-3,286.61 $1,323.15

管理人員 $-16,161.810* $595.022 .000 $-17,560.79 $-14,762.83

保全人員 職員 $981.731 $980.323 .576 $-1,323.15 $3,286.61

管理人員 $-15,180.079* $1,087.207 .000 $-17,736.26 $-12,623.90

*
μ >μ =μ 管理人員 職員 $16,161.810 $595.022 .000 $14,762.83 $17,560.79
管理人員 保全人員 職員
保全人員 $15,180.079* $1,087.207 .000 $12,623.90 $17,736.26

Bonferroni 法 職員 保全人員 $-981.731 $980.323 .951 $-3,337.02 $1,373.56

*
管理人員 $-16,161.810 $595.022 .000 $-17,591.39 $-14,732.23

保全人員 職員 $981.731 $980.323 .951 $-1,373.56 $3,337.02

管理人員 $-15,180.079* $1,087.207 .000 $-17,792.16 $-12,568.00

管理人員 職員 $16,161.810* $595.022 .000 $14,732.23 $17,591.39

*
保全人員 $15,180.079 $1,087.207 .000 $12,568.00 $17,792.16

說明：由前面的ANOVA檢定已知在不同職別下的平均目前薪資和起薪不同，但誰大誰小就需要進一步做事後比較，在
事後比較的部分，主要以『顯著性』做為主要的判斷數值。以目前薪資為例，若用Tukey HSD方法，可知職員和保全人
員比，顯著不相關，可知職員和保全人員的目前薪資沒有差異；職員和管理人員比，顯著相關，且平均差異小於零，可
知職員和管理人員的目前薪資有差異，且管理人員的目前薪資較高，因此用Tukey HSD方法檢定結果結論為在α = 0.05
下，有足夠證據顯示職別中 管理人員與保全人員、職員有差異；保全人員與職員沒有差異 ( μ管理人員 > μ保全人員 = μ職員 )。

14
同質子集

目前薪資 此表為Tukey HSD另一種表示，結果

為職員跟保全人員被分為同一組，管
alpha = 0.05 的子集
理人員為另外一組，數字為目前薪資
職別 個數 1 2
的平均數。結論同上：
a,,b
Tukey HSD 職員 363 $27,838.54
μ >μ =μ
管理人員 保全人員 職員
保全人員 27 $30,938.89

管理人員 84 $63,977.80

顯著性 .227 1.000

顯示的是同質子集中組別的平均數。

a. 使用調和平均數樣本大小 = 58.031。

b. 組別大小不相等。將使用組別大小的調和平均數。不保證型 I 的誤差
水準。

起薪 此表為Tukey HSD另一種表示，結果
alpha = 0.05 的子集 為職員跟保全人員被分為同一組，管
理人員為另外一組，數字為起薪的平
職別 個數 1 2
均數。結論同上：
Tukey HSDa,,b 職員 363 $14,096.05
μ >μ =μ
管理人員 保全人員 職員
保全人員 27 $15,077.78

管理人員 84 $30,257.86

顯著性 .529 1.000

顯示的是同質子集中組別的平均數。

a. 使用調和平均數樣本大小 = 58.031。

b. 組別大小不相等。將使用組別大小的調和平均數。不保證型 I 的誤差
水準。

15
平均數圖

此圖為Mean Plot可驗證上述同質
子集的結論，只是這個沒有經過檢
定，可看出管理人員的平均目前薪
資確實較保全人員與職員多許多

此圖為Mean Plot可驗證上述同質
子集的結論，只是這個沒有經過檢
定，可看出管理人員的平均起薪確
實較保全人員與職員多許多

16
九、 目的：線性迴歸分析(Linear regression analysis)
 操作路徑： 迴歸分析前提假設：
分析(Analyze)→迴歸(Regression)→線性(Linear) 1.獨立性：資料來自彼此獨立的隨機樣本
 依變數(D)：目前薪資 2.常態性：樣本必須取自服從常態分配的母體

 自變數(I)：起薪、在本公司的年資 3.變異數同質性：各組樣本必須取自變異數相等的母體

 統計量(S)：估計值、信賴區間、模式適合度、Durbin-Watson
 圖形(T)：直方圖、常態機率圖、產生所有淨相關圖形、Y:*SRESID、X:*ZPRED

y1 ：目前薪資
x1 ： 起薪

𝑥2 ： 在本公司的年資
Model：𝑦𝑖 = 𝛽0 + 𝛽1 𝑥1i + 𝛽2 𝑥 + 𝜀
2𝑖 𝑖

𝜀𝑖 ~𝑁𝐼𝐷(0, 𝜎𝜀 2 )， H0 : 𝛽1 = 𝛽2 = 0 , Ha : at least one 𝛽𝑖 ≠ 0 , i=1,2

迴歸

選入/刪除的變數

模式 選入的變數 刪除的變數 方法

1 在本公司的年資 . 選入
判定係數(R 平方)為 0.784，此模式的解釋能
a
(月), 起薪
力(預估能力)不算低，達 78.4 %
a. 所有要求的變數已輸入。

模式摘要b

Durbin-Watson
模式 R R 平方 調過後的 R 平方 估計的標準誤 檢定

a
1 .886 .785 .784 $7,936.139 1.919

a. 預測變數:(常數), 在本公司的年資(月), 起薪

b. 依變數: 目前薪資
Durbin-Watson檢定相鄰的兩個誤差項之相關程度。
(1) DW值接近 2 →誤差項相關係數接近0。(表示誤差項之間獨立)
(2) DW 值接近 0 →誤差項相關係數接近 1。
(3) DW 值接近 4 →誤差項相關係數接近-1。

17
 Anovab 整體性檢定
p-value<0.001 RejectHo
模式 平方和 df 平均平方和 F 顯著性
表示迴歸方程式中至少有一個迴
a
1 迴歸 1.083E11 2 5.413E10 859.383 .000
歸係數不為0(亦即，至少有一個
殘差 2.966E10 471 6.298E7 自變項的預測效果達顯著)，至

總數 1.379E11 473
於是那幾個自變項的預測效果達
顯著，則要參考下面「係數」表
a. 預測變數:(常數), 在本公司的年資(月), 起薪

b. 依變數: 目前薪資

係數a

未標準化係數 標準化係數 B 的 95.0% 信賴區間

模式 B 之估計值 標準誤差 Beta 分配 t 顯著性 下界 上界

1 (常數) -12120.813 3082.981 -3.932 .000 -18178.913 -6062.714

起薪 1.914 .046 .882 41.271 .000 1.823 2.005

在本公司的年資(月) 172.297 36.276 .102 4.750 .000 101.014 243.581

a. 依變數: 目前薪資
個別檢定
估計出來的迴歸方程式：
兩個變數的個別檢定
̂𝑖 = 𝛽̂0 + 𝛽̂1 𝑥1i + 𝛽̂2 𝑥2i = −12120 + 1.914𝑥1i +172.297𝑥2i
𝑦 p-value<0.001皆 RejectHo
表示起薪跟在本公司的年資(月)
的效果都是顯著的。
殘差統計量a

最小值 最大值 平均數 標準離差 個數

預測值 $18,771.58 $157,485.48 $34,419.57 $15,128.193 474

標準預測值 -1.034 8.135 .000 1.000 474

預測值的標準誤 366.872 3001.980 589.664 225.889 474

調整預測值 $18,792.52 $161,240.08 $34,429.78 $15,215.161 474

殘差 $-35,904.387 $47,850.074 $.000 $7,919.343 474

標準殘差 -4.524 6.029 .000 .998 474

Studentized 殘差 -4.630 6.036 .000 1.005 474

去除後殘差 $-37,605.809 $47,954.605 $-10.209 $8,029.306 474

Studentized 去除殘差 -4.734 6.277 .001 1.017 474

Mahalanobis 距離 .013 66.682 1.996 3.933 474

Cook's 距離 .000 .521 .005 .031 474

中心迴歸適合度的影響量數 .000 .141 .004 .008 474

a. 依變數: 目前薪資

18
圖表

i. 判斷方式：檢視依變數的「迴歸標準化 i. 判斷方式：檢視依變數的「迴歸標準化殘差」直方圖，可判斷樣
殘差的常態P-P圖」，呈現左下到右上的45 本觀察值的分布是否符合常態性分配的基本假設，鐘形曲線為「完全
度斜直線，因此，樣本觀察值大致符合常 常態分配曲線」，由於樣本來自抽樣，會有抽樣誤差存在，所以實際
態性分配的基本假設。 觀察值的直方圖與「完全常態分配曲線」之間會有差距，分布在平均
ii. 結論：沒有呈現45度斜直線，因此， 數三個標準差範圍內，沒有極端值出現，表示樣本觀察值大致符合常
樣本觀察值不符合常態性分配的基本假 態性分配的基本假設。
設。 ii. 結論：本例的標準化殘差未分布在平均數三個標準差範圍內，有
極端值出現，所以，樣本觀察值不符合常態性分配的基本假設，結論
同左。

標準化殘差對依變數標準化預測值散佈
圖：顯示明顯的圖樣，故此迴歸模式並
不適當。
結論：從基本的迴歸分析，雖然判定係
數不算低，但此迴歸模式的誤差項不符
合常態、等變異的假設，故此模式並不
適當。

總結：因為此模式並不適當，因此估計出來的迴歸模式是不準確的，應做進一步的轉換去做後續的推論。

19