二、 建立模型
对于年龄、性别、民族、受访者户口性质、教育程度、全年总收入因素建立多元回归模型：
yi?????1x1??2x2??3x3??4x4??5x5??6?6??i
yi———工作满意度
x1———受访者年龄；
x2———受访者性别；
x3———受访者民族；
11
x4———受访者户口性质；
x5———受访者教育程度；
χ6———受访者全年总收入；
在这几个自变量中，只有“性别“变是定类变量，在进行分析之前，首先将“性别”变量转化为虚拟变量，虚拟之后的变量取值：0=男，1=女。
三、 对模型进行检验
下面，以工作满意度为因变量，以年龄，性别，民族，户口性质，受教育程度，全年总收入为自变量进行多元线性回归分析。
从下图可以看出，采用stepwise方法分析时，进入分析的6个变量一共建立了5个模型，其中“年龄”变量没有进入模型。第一个模型包括了“全年总收入”变量；第二个模型包括了“性别虚拟”变量，第三个模型包括了“受教育程度”变量，第四个模型包括了“受访者户口性质”变量，第五个模型包括了“受访者民族”变量。进入模型的标准是F值的概论《=0.05，剔除变量的标准是F值的概率》=0.1。
进入或剔除模型的变量：
Variables Entered/Removeda Model Variables Entered Variables Removed Method 12
1 全年总收入 . Stepwise (Criteria: Probability-of-F-to-enter <= .050, Probability-of-F-to-remove >= .100). 2 性别虚拟为男0，1女 . Stepwise (Criteria: Probability-of-F-to-enter <= .050, Probability-of-F-to-remove >= .100). d3 教育程度 . Stepwise (Criteria: Probability-of-F-to-enter <= .050, Probability-of-F-to-remove >= .100). menson0 4 受访者户口性质 . Stepwise (Criteria: Probability-of-F-to-enter <= .050, Probability-of-F-to-remove >= .100). 5 受访者民族 . Stepwise (Criteria: Probability-of-F-to-enter <= .050, Probability-of-F-to-remove >= .100). a. Dependent Variable: 工作满意度 下图说明了五个模型的解释力。包括了全年总收入 变量的第一个模型的调整的
13
决定系数Adjusted R Square 是0.079；包含了全年总收入及性别虚拟变量的第二个模型的调整的决定系数Adjusted R Square是0.090；包含了全年总收入及性别虚拟变量、受教育程度的第三个模型的Adjusted R Square是0.099。包含了全年总收入及性别虚拟变量、受教育程度、受访者户口性质的第四个模型的Adjusted R Square是0.100.包含了全年总收入及性别虚拟变量、受教育程度、受访者户口性质、受访者民族的第五个模型的Adjusted R Square是0.101.
从Change Statistics可以看出，受访者户口性质、受访者民族这两个变量对R Square的变化影响不大，分别只增加了0.002和0.001. 模型概要 Model Summaryf Model Std. Error of R SquarR 1 .281aChange Statistics R Square Change F Change df1 df2 1 5892 1 5891 .000 Sig. F Change .000 Durbin-Watson Adjusted R Square .079 the Estimate 2.599 e .079 .079 504.370 .090 .090 2.583 1.760 2 .301b.012 74.854 .099 .098 2.572 .008 53.305 1 3 dimenson0.314c 5890 .000 4 .317d.101 .100 2.569 .002 13.656 1 5889 .000 .101 .101 2.568 .001 4.785 1 5 .318e5888 .029 a. Predictors: (Constant), 全年总收入 b. Predictors: (Constant), 全年总收入, 性别虚拟为男0，1女 c. Predictors: (Constant), 全年总收入, 性别虚拟为男0，1女, 教育程度 d. Predictors: (Constant), 全年总收入, 性别虚拟为男0，1女, 教育程度, 受访者户口性质 e. Predictors: (Constant), 全年总收入, 性别虚拟为男0，1女, 教育程度, 受访者户口性质, 受访者民族 f. Dependent Variable: 工作满意度 方差分析：
从下图可以看出，每一个模型都达到了0.000的显著性水平，说明回归模型是有意义的。 ANOVAf Model 1 Regression Residual Sum of Squares 3408.037 39812.326 df 1 5892 Mean Square 3408.037 6.757 F 504.370 Sig. .000a 14
Total 2 Regression Residual Total 3 Regression Residual Total 4 Regression Residual Total 5 Regression Residual Total 43220.363 3907.562 39312.801 43220.363 4260.158 38960.205 43220.363 4350.293 38870.070 43220.363 4381.859 38838.504 43220.363 5893 2 5891 5893 3 5890 5893 4 5889 5893 5 5888 5893 1953.781 6.673 292.773 .000b 1420.053 6.615 214.683 .000 c 1087.573 6.600 164.773 .000d 876.372 6.596 132.860 .000e a. Predictors: (Constant), 全年总收入 b. Predictors: (Constant), 全年总收入, 性别虚拟为男0，1女 c. Predictors: (Constant), 全年总收入, 性别虚拟为男0，1女, 教育程度 d. Predictors: (Constant), 全年总收入, 性别虚拟为男0，1女, 教育程度, 受访者户口性质 e. Predictors: (Constant), 全年总收入, 性别虚拟为男0，1女, 教育程度, 受访者户口性质, 受访者民族 f. Dependent Variable: 工作满意度 回归系数：
从下图可以看出，在0.001的显著性水平上，常数和回归系数对总体都是有意义的。这五个变量中，全年总收入对工作满意度的影响最大（Beta=0.238，最大）。共线性诊断的容许度不是很小，方差膨胀因子，数值不大，由此认为它们之间不存在共线性。 同时可以看到，全年总收入，教育程度，对工作满意度有明显的正影响。性别（男0变成女1）是负影响。女性的工作满意度较低。 Coefficientsa Model Unstandardized Coefficients B 1 (Constant) 全年总收入 2 (Constant) 全年总收入 性别虚拟为男0，1女 3 (Constant) 全年总收入 性别虚拟为男0，1女
15
1.312 5.205E-5 -.555 .073 .000 .068 1.305 6.159E-5 1.645 5.778E-5 -.590 Std. Error .041 .000 .057 .000 .068 Standardized Coefficients Beta t 31.633 .281 22.458 Sig. .000 .000 .000 .000 .000 Collinearity Statistics Tolerance VIF -.109 1.000 1.000 28.990 .263 20.929 -8.652 .975 .975 1.026 1.026 -.102 18.079 .237 18.212 -8.159 .000 .000 .000 .901 .970 1.110 1.031