4.3.3 探索分析的结果分析

从表4-4可以看出女员工共216个样本，男员工共258个样本，没有缺失值。

从表4-5可以看出女员工的平均薪水为26031.92，标准误为514.258，平均值的95%置信区间为（25018.29，27045.55），5%截尾平均值是排除掉数据首尾两端5%的变量值后得出的平均值，本例为25248.30，中位数为24300.00，标准差为7558.021，最小值为15750，最大值为58125，范围为42375，四分位距是25%的百分位数与75%的百分位数之间的距离，本例为7013，偏度为1.863，峰度为4.641，男员工的描述统计量同理。

从表4-6可以看出M-估计量中休伯M估计量、Tukey双权估计量、汉佩尔M估计量和安德鲁波估计量，4个估计量的区别就是使用的权重不同，发现女员工和男员工的4个M估计量虽然离中位数较近，但是离平均值较远，说明数据中应该有异常值。

百分位数就是将数值分成两部分，例如百分位数25代表的值就表示有25%的值比该值小，有75%的值比该值大，从表4-7可以得出本例的百分位数。

从表4-8可以看出分组后女员工和男员工薪水的5个极大值和5个极小值。

从表4-9可以看出柯尔莫戈洛夫-斯米诺夫（Kolmogorov-Smirnov）方法和夏皮洛-威尔克（Shapiro-Wilk）方法检验的结果，显著性均小于0.05，说明女员工和男员工的薪水分布均不符合正态分布的假设。其中Shapiro-Wilk方法只有在对样本量小于50时比较精确。

从表4-10可以看出男女员工间薪水不具有齐次性，因为显著性均小于0.05。

从图4-16可以得出女员工和男员工薪水的分布均呈正偏态。

图4-17是茎叶图，图中“Frequency”表示的是变量值的频次，“Stem”表示的是变量值的整数部分，“Leaf”表示的是变量值的小数部分。变量值的具体计算方法是变量值=（茎+叶）*茎宽，如女员工薪水茎叶图第一行的变量值为15000=（1+0.5）×10000，第7行叶部分第13个数字为7，则变量值为27000=（2+0.7）×10000，本例茎宽（Stem Width）为10000。

图4-18中所示的两种正态图，一种是标准的正态概率分布图，一种是离散的正态概率分布图。

标准的正态概率分布图是使用变量的实际观测值作为横坐标，变量的期望值为纵坐标，变量值为落点。图中的斜线表示正态分布的标准线，点表示变量值，变量值越接近于斜线，则变量值的分布越接近正态分布，本例中男女员工的薪水分布不符合正态分布。

离散的正态概率分布图是使用变量的实际观测值作为横坐标，以实际观测值与期望值的差作为纵坐标，如果数据符合正态分布，则图中的点应该分布于图中标准线的附近。在本例中可以男女员工的薪水分布不符合正态分布。

图4-19所示的为箱图，箱子的上边线表示第75百分位数，下边线表示第25百分位数，中间的线表示中位数，箱子上下的两条细横线表示的是除离群值和极值的最大值和最小值。

离群值是指离箱子的上下边线的距离为箱子高度的1.5倍至3倍的变量值，本图中用“Ο”表示。极值是指离箱子的上下边线的距离为箱子高度的3倍以上的变量值，本图中用“☆”表示。

从图4-19可以看出男女员工的薪水都有一些离群值和极值存在，表明有员工的薪水明显高于普通员工。