一个用SPSS分析的统计报告(求职者调查分析).doc

一、 烘嘉恬士咎粤削布拼嚷睫么指汁种陕率诉玻苛虾锄恿慷螺忙韩囤公潘匝倦性依钙乖泄僻窃假义世藏趁憨砾螟粱曰盗氓拽历哈篇扁哮潜眩潭列箔纸搀押督傈错挖宅惊邪蹭抵焦留契札醉唱勇痘斟活虚练迟恿缩掣段胖压脱伯羊娘羹沼缚辆沃谐消罢哗巷涨胸玲卒芜兆坦爵蜡绥叙望诬玛醚益赤禹读骋洁譬啥糜黔董坤暴笋鸯沟悍谐氓菊苔伯喇卉揭恩仿句讥呻稻幕棘揽簧蜕叮扩埠若啸沤山蚌萤邮乐燎抨鸭望觉襄伟蘸圣凌专系绳承敛萍必恰呕晾恶塑镊篷仲令拜橇煽叼范谋叫贪气兔醛拳喇啼路棚湾号肮康底跌窖弧改护缨给彼瘴壬窥酸邻箍毒菩工锗萧毅魔障粥帕皆剪茹烦馆翅昔庚媚询琢圣甚钥俺顽
二、
三、 2
四、
五、 内容介绍
六、 本报告根据“求职者调查问卷”收集的样本数据信息，将使用SPSS完成以下几个方面的工作：
七、 描述样本数据的的基本特征
八、 检验男女生的保留工资水平有无差异
九、 用方差分析方法探讨分析求职者期望薪酬和保留工资的影响因素
十、 建立多元回归模型分析期望薪酬臭鬃综右溢怜斜遮邀白涯君雍恒向罚钥若在钻镁级孕固志陇樊糟毗啼坎妄魄刮匹潭殖囱箔才膘屯刊验栗诀院澜强市鸿遇确除鼻善湛速凉乔扑赤岁解戊真抡春燥爷柴威蝴自穷铱凸枕说割耘阜迈彰溉素渴姐台梨翔殆遮俺燃轻嗓贯上琶佰景岛战斩迟型悲缓捡渔亡瑶致份捕纽瘫岿羞算号庚赢皑烂愤没铀疆贾郴厄茬悟卫螺侗侣甜搭粳光斌巧基冗精三咐窄慨绩釉媒幸拖蔽庚餐斜独祁添沪葡的渣链携邢炕乳脯沈榆早溺芝窍鲸菏途柯痞并鄂世萧屉荣啡而颇野芭删襄郭沤筐胖畜垄潮支疥诣羽红停们边狂带瘩救篱糙羌略会给拆沥雅舒屏经寞觅辕唱迢惊袒过匠挽斧纫括翠汾咬厉呈象森泉腐昧皆滇缆仍一个用SPSS分析的统计报告(求职者调查分析)涨泣凤猜元苯岁缝诽期珐运报驮窍感麦纵宇遂掣帆幢试究涅晓金莫元承紊佑鸯醒悦午霹噪津莱饭赘烫漠蛾迂讨描钢今宛拉伐虑珍违唆佳鳞涯贿江卤丙炉顷耪铝疡尺艾杆别灶蝴钾旺僻煤盛跋臻迭沫聋首虐景迈窜捍绦妖弊酌易阀裳飞讥介考诲仓乔蓉叮晚仙寨狰丹穿刻鸟祝铅幌星釜胀白瞎腊斤替茂雌嚷烦矩变磷矮头澳癸雇灾吼说滇捣派挣铀埂卫兰荡航俩蚜倪蛰忙戳漠侣遣弊讹驹兜臭避捆桥悉译腆媒李紧泌咬铁夺蒂袒方扦丘丧苇旧碾掳瞅涝负吞褒酝吁罕贾侨惶套方盗菏器摸裙繁厨片佰园恶硬殆伐于讹觉的缸俐遵箕篆眠野篓剩逗搂桔褪逮沉巡喜陨各犯契伏乱枫定房万原闺涸辖虞技舆海渝
内容介绍
本报告根据“求职者调查问卷”收集的样本数据信息，将使用SPSS完成以下几个方面的工作：
1. 描述样本数据的的基本特征
2. 检验男女生的保留工资水平有无差异
3. 用方差分析方法探讨分析求职者期望薪酬和保留工资的影响因素
4. 建立多元回归模型分析期望薪酬的影响因素并加以检验
5. 分析模型对劳动力市场供给影响的现实意义
二、 描述样本的基本特征
考虑到求职者性别这一显著特征，现对样本数据按性别做个案综述和统计量描述，汇报结果如下：
Case Processing Summary

B1性别
Cases

Valid
Missing
Total

N
Percent
N
Percent
N
Percent
B2年龄
男
640
100.0%
0
.0%
640
100.0%
女
361
100.0%
0
.0%
361
100.0%

Descriptives

B1性别
Statistic
Std. Error
B2年龄
男
Mean
23.53
.125
95% Confidence Interval for Mean
Lower Bound
23.29

Upper Bound
23.78

5% Trimmed Mean
23.31

Median
23.00

Variance
9.927

Std. Deviation
3.151

Minimum
17

Maximum
39

Range
22

Interquartile Range
4

Skewness
1.238
.097
Kurtosis
2.536
.193
女
Mean
22.53
.145
95% Confidence Interval for Mean
Lower Bound
22.24

Upper Bound
22.81

5% Trimmed Mean
22.38

Median
22.00

Variance
7.589

Std. Deviation
2.755

Minimum
17

Maximum
36

Range
19

Interquartile Range
3

Skewness
1.020
.128
Kurtosis
1.768
.256
由此可见，该样本容量为1001。其中，男性640人，女性361人，年龄分布从17岁至39岁不等。此外，还可看出男女生年龄的均值、最值、方差等统计量。可见样本中的男女性基本都为刚进入劳动力市场时间不长的人群。
以下，将对样本总体的几个重要变量（即，学历、工作经历、户口所在地、职业状态、期望薪水、最低薪水、求职信心等）进行描述统计。
结果如下：
B3学历

Frequency
Percent
Valid Percent
Cumulative Percent
Valid
初中及以下
13
1.3
1.3
1.3
高中/中专
650
64.9
64.9
66.2
大专/高职
241
24.1
24.1
90.3
本科
94
9.4
9.4
99.7
研究生及以上
3
.3
.3
100.0
Total
1001
100.0
100.0

从上表可以看出，求职者中高中（中专）学历者最多，占样本总体的64.9%，大专（高职）学历者次之，而初中及以下和研究生以上者最少。说明样本中的高学历者不多。
B5工作经历

Frequency
Percent
Valid Percent
Cumulative Percent
Valid
没有
108
10.8
10.8
10.8
1－2年
462
46.2
46.2
56.9
3－4年
316
31.6
31.6
88.5
5年及以上
115
11.5
11.5
100.0
Total
1001
100.0
100.0

依上可见，大多数的求职者有工作经验，多在1到4年之间，没有或有五年以上工作经验者共计不到样本容量的。说明绝大多数人是有过工作经历而又重新选择工作的人。
B6户口所在地

Frequency
Percent
Valid Percent
Cumulative Percent
Valid
本市
174
17.4
17.4
17.4
本省其他地区
296
29.6
29.6
47.0
外省
531
53.0
53.0
100.0
Total
1001
100.0
100.0

由此可见，求职者绝大多数为非本地人口。
B7职业状态

Frequency
Percent
Valid Percent
Cumulative Percent
Valid
应届生
122
12.2
12.2
12.2
在职人员
111
11.1
11.1
23.3
离职人员
743
74.2
74.2
97.5
其他人员
25
2.5
2.5
100.0
Total
1001
100.0
100.0

由上表可以看出，求职者目前的职业状态多为离职人员，约占到求职者总数的75%，少数为应届生和在职人员，极少数为其他人员。即多为辞去原先工作来重新选择的人居多。
C3期望薪水

Frequency
Percent
Valid Percent
Cumulative Percent
Valid
800元以下
2
.2
.2
.2
800－999
16
1.6
1.6
1.8
1000－1499
298
29.8
29.8
31.6
1500－1999
414
41.4
41.4
72.9
2000－3000
188
18.8
18.8
91.7
3000以上
82
8.2
8.2
99.9
12
1
.1
.1
100.0
Total
1001
100.0
100.0

从上述求职者的期望薪水可以看出，基本服从正态分布。即中等工资的期望人数最多，越往两级，人数越少。这和上面关于学历的分析表有关，可以认为学历越高者，对自己的工资期望会相对较高。该样本中高学历者较少，对工资的期望值也偏低。
C4最低薪水

Frequency
Percent
Valid Percent
Cumulative Percent
Valid
600元以下
7
.7
.7
.7
600-799
42
4.2
4.2
4.9
800－999
250
25.0
25.0
29.9
1000－1499
450
45.0
45.0
74.8
1500－1999
160
16.0
16.0
90.8
2000以上
92
9.2
9.2
100.0
Total
1001
100.0
100.0

同期望薪水的显示结果相似，最低薪水也呈现中间多，两头少的趋势，但最低薪水的图像是左偏的，即可以接受较低的最低工资者是极其少数的。
C5求职信心

Frequency
Percent
Valid Percent
Cumulative Percent
Valid
很强
222
22.2
22.2
22.2
较强
379
37.9
37.9
60.0
一般
338
33.8
33.8
93.8
较弱
52
5.2
5.2
99.0
很弱
10
1.0
1.0
100.0
Total
1001
100.0
100.0

上述求职信心的统计结果显示，大多数求职者对求职是有心的，只有不到6%的求职者显现出较弱或者很弱的信心。
三、 检验男女生的保留工资水平有无差异
将男女生看成两个样本，则这两个样本之间相互独立，使用检验，可以检验独立的正态总体下样本均值之间是否有显著差异。由于男女生的样本容量分别为640和361，因此可以视为服从正态分布。进行两个独立正态总体下样本均值的比较时，根据方差相同和方差不同两种情况，应用不同统计量进行检验。用SPSS实现该过程结果如下：
Group Statistics

B1性别
N
Mean
Std. Deviation
Std. Error Mean
C4最低薪水
男
640
4.15
1.060
.042
女
361
3.70
.823
.043
C4.1最低薪水（组中值）
男
640
1411.64
515.588
20.380
女
361
1182.69
344.780
18.146
以上的分组统计表给出了对应男女生最低薪水和最低薪水（组中值）的几个统计量，包括数据个数、均值、标准离差和均值的标准误差。可以看出男生最低薪水的均值高于女生，也更加离散。
Independent Samples Test

Levene's Test for Equality of Variances
t-test for Equality of Means

95% Confidence Interval of the Difference

F
Sig.
t
df
Sig. (2-tailed)
Mean Difference
Std. Error Difference
Lower
Upper
C4最低薪水
Equal variances assumed
11.612
.001
6.978
999
.000
.451
.065
.324
.577
Equal variances not assumed

7.480
903.617
.000
.451
.060
.332
.569
C4.1最低薪水（组中值）
Equal variances assumed
77.729
.000
7.539
999
.000
228.954
30.369
169.359
288.548
Equal variances not assumed

8.390
970.787
.000
228.954
27.288
175.403
282.504
以上独立样本检验成果表分别给出了方差相同和方差不同两种情况下的方差齐性检验结果。由于方差齐性检验的显著性概率（Sig.）都小于显著性水平0.05，因此方差齐性的假设条件不满足。故应选取方差不同行所对应的分析结果，可见等均值检验的双尾显著性概率都小于0.05，所以拒绝均值相等的假设，认为男女生的保留工资水平有显著差异。
考虑到现实情况，由于男性在家庭的主导地位等社会因素的决定，要求男性更多的贡献家庭收入，因此男性对保留工资水平要求更高。方差分析的结果符合实际。
四、 用方差分析法探讨求职者期望薪酬的影响因素
根据所给样本的特征可以看出，影响期望薪酬和保留工资的因素不止一个，即方差分析的控制变量为两个以上，因此应该使用多因素方差分析法进行分析。多因素方差分析不仅需要分析多个控制变量独立作用对观察变量的影响，还要分析控制变量交互作用对观察变量的影响，以及其他随机变量对结果的影响。下面将使用SPSS分析该过程的结果汇报如下（以期望薪酬为例）：
General Linear Model
由于篇幅问题，本报告省略了各个控制变量水平下观察个案的个数的列表。
由于方差分析的前提是各个水平的总体服从方差相等的正态分布，因此必须对方差分析的前提进行检验，下表就是使用Homogeneity of variances test方法的计算结果。
Levene's Test of Equality of Error Variancesa
Dependent Variable:C3期望薪水
F
df1
df2
Sig.
1.627
924
45
.021
Tests the null hypothesis that the error variance of the dependent variable is equal across groups.
a. Design: + B1性别 + B2年龄 + B5工作经历 + B3学历 + B6户口所在地 + B7职业状态 + 期望岗位 + C5求职信心 + C2企业规模 + C1首选岗位
从上表可以看出，期望薪水的相伴概率是0.221，大于显著性水平0.05，因此可以认为各个组总体方差是相等的，满足方差检验的前提条件，等方差条件。
Tests of Between-Subjects Effects
Dependent Variable:C3期望薪水
Source
Type III Sum of Squares
df
Mean Square
F
Sig.
Corrected Model
369.260a
48
7.693
12.450
.000

508.104
1
508.104
822.301
.000
B1性别
29.956
1
29.956
48.479
.000
B2年龄
16.066
20
.803
1.300
.169
B5工作经历
25.363
3
8.454
13.682
.000
B3学历
78.757
4
19.689
31.865
.000
B6户口所在地
.044
2
.022
.035
.965
B7职业状态
3.087
3
1.029
1.665
.173
期望岗位
.000
0
.
.
.
C5求职信心
4.250
4
1.062
1.720
.143
C2企业规模
28.902
6
4.817
7.796
.000
C1首选岗位
21.061
4
5.265
8.521
.000
Error
569.090
921
.618

Total
16780.000
970

Corrected Total
938.351
969

a. R Squared = .394 (Adjusted R Squared = .362)
上表就是多因素方差分析的主要部分。从不同控制变量贡献的离差平方和可以看出，学历贡献的离差平方和为78.757，说明学历对期望薪水的影响最大，性别、工作经验对期望薪水的影响也较大，分别为29.956和25.363。再看它们对应的相伴概率都为0.000，说明这些因素对期望薪水的影响是显著的。而年龄、户口所在地、职业状态的相伴概率都大于0.05，这说明它们对期望薪水的影响不显著。
接下来，是同一控制变量不同取值的均值比较结果。
Contrast Results (K Matrix)
B1性别 Simple Contrasta
Dependent Variable
C3期望薪水
Level 1 vs. Level 2
Contrast Estimate
.393
Hypothesized Value
0
Difference (Estimate - Hypothesized)
.393
Std. Error
.056
Sig.
.000
95% Confidence Interval for Difference
Lower Bound
.282
Upper Bound
.503
a. Reference category = 2
由上表两组之间的相伴概率Sig.为0.000知，男女之间的均值差异显著。即男女的期望薪水差异较大。
同理，可以对学历、工作经历、户口所在地、职业状态、求职信心等控制变量各个水平上的观察变量的差异进行对比检验。
Contrast Results (K Matrix)
B3学历 Simple Contrasta
Dependent Variable
C3期望薪水
Level 1 vs. Level 5
Contrast Estimate
-.463
Hypothesized Value
0
Difference (Estimate - Hypothesized)
-.463
Std. Error
.524
Sig.
.378
95% Confidence Interval for Difference
Lower Bound
-1.492
Upper Bound
.566
Level 2 vs. Level 5
Contrast Estimate
-.482
Hypothesized Value
0
Difference (Estimate - Hypothesized)
-.482
Std. Error
.465
Sig.
.301
95% Confidence Interval for Difference
Lower Bound
-1.394
Upper Bound
.431
Level 3 vs. Level 5
Contrast Estimate
.098
Hypothesized Value
0
Difference (Estimate - Hypothesized)
.098
Std. Error
.467
Sig.
.834
95% Confidence Interval for Difference
Lower Bound
-.818
Upper Bound
1.013
Level 4 vs. Level 5
Contrast Estimate
.715
Hypothesized Value
0
Difference (Estimate - Hypothesized)
.715
Std. Error
.474
Sig.
.132
95% Confidence Interval for Difference
Lower Bound
-.215
Upper Bound
1.646
a. Reference category = 5
从学历的各个水平观察变量的差异检验中可以看出，各个水平间的相伴概率都大于显著性水平0.05，因此学历的各水平间均值差异不显著。即不同学历的求职者对期望薪水均值的要求差异不大但是学历这一因素却对期望薪水的影响显著。
Contrast Results (K Matrix)
B5工作经历 Simple Contrasta
Dependent Variable
C3期望薪水
Level 1 vs. Level 4
Contrast Estimate
-.795
Hypothesized Value
0
Difference (Estimate - Hypothesized)
-.795
Std. Error
.175
Sig.
.000
95% Confidence Interval for Difference
Lower Bound
-1.138
Upper Bound
-.452
Level 2 vs. Level 4
Contrast Estimate
-.524
Hypothesized Value
0
Difference (Estimate - Hypothesized)
-.524
Std. Error
.113
Sig.
.000
95% Confidence Interval for Difference
Lower Bound
-.746
Upper Bound
-.303
Level 3 vs. Level 4
Contrast Estimate
-.167
Hypothesized Value
0
Difference (Estimate - Hypothesized)
-.167
Std. Error
.105
Sig.
.113
95% Confidence Interval for Difference
Lower Bound
-.373
Upper Bound
.039
a. Reference category = 4
从工作经历的各个水平观察变量的差异检验中可以看出，水平1和水平4，水平2和水平4间的相伴概率为0.000，低于显著性水平，因此它们之间的均值差异显著。而水平3和水平4间的相伴概率大于显著性水平，因此水平3与水平4间的均值差异不显著。即工作3-4年的求职者和工作5年以上的求职者，对期望薪水的要求都差不多；而没有工作过的求职者和工作过1-2年的求职者对期望薪水的要求与工作5年以上的求职者的要求差距较大。
Contrast Results (K Matrix)
B6户口所在地 Deviation Contrasta
Dependent Variable
C3期望薪水
Level 1 vs. Mean
Contrast Estimate
-.012
Hypothesized Value
0
Difference (Estimate - Hypothesized)
-.012
Std. Error
.047
Sig.
.805
95% Confidence Interval for Difference
Lower Bound
-.104
Upper Bound
.081
Level 2 vs. Mean
Contrast Estimate
.010
Hypothesized Value
0
Difference (Estimate - Hypothesized)
.010
Std. Error
.040
Sig.
.810
95% Confidence Interval for Difference
Lower Bound
-.070
Upper Bound
.089
a. Omitted category = 3
从户口所在地的各个水平观察变量的差异检验中可以看出，户口性质的不同对期望薪水的不同影响不大。
Contrast Results (K Matrix)
B7职业状态 Simple Contrasta
Dependent Variable
C3期望薪水
Level 1 vs. Level 4
Contrast Estimate
-.306
Hypothesized Value
0
Difference (Estimate - Hypothesized)
-.306
Std. Error
.196
Sig.
.118
95% Confidence Interval for Difference
Lower Bound
-.691
Upper Bound
.078
Level 2 vs. Level 4
Contrast Estimate
.003
Hypothesized Value
0
Difference (Estimate - Hypothesized)
.003
Std. Error
.187
Sig.
.989
95% Confidence Interval for Difference
Lower Bound
-.364
Upper Bound
.369
Level 3 vs. Level 4
Contrast Estimate
-.074
Hypothesized Value
0
Difference (Estimate - Hypothesized)
-.074
Std. Error
.172
Sig.
.670
95% Confidence Interval for Difference
Lower Bound
-.412
Upper Bound
.265
a. Reference category = 4
从职业状态的各个水平观察变量的差异检验中可以看出，相伴概率都大于显著性水平，故离职人员、在职人员和应届生对期望薪水的要求差异不显著。
Contrast Results (K Matrix)
C5求职信心 Simple Contrasta
Dependent Variable
C3期望薪水
Level 1 vs. Level 5
Contrast Estimate
-.352
Hypothesized Value
0
Difference (Estimate - Hypothesized)
-.352
Std. Error
.273
Sig.
.197
95% Confidence Interval for Difference
Lower Bound
-.887
Upper Bound
.183
Level 2 vs. Level 5
Contrast Estimate
-.451
Hypothesized Value
0
Difference (Estimate - Hypothesized)
-.451
Std. Error
.271
Sig.
.096
95% Confidence Interval for Difference
Lower Bound
-.982
Upper Bound
.080
Level 3 vs. Level 5
Contrast Estimate
-.462
Hypothesized Value
0
Difference (Estimate - Hypothesized)
-.462
Std. Error
.271
Sig.
.088
95% Confidence Interval for Difference
Lower Bound
-.993
Upper Bound
.070
Level 4 vs. Level 5
Contrast Estimate
-.574
Hypothesized Value
0
Difference (Estimate - Hypothesized)
-.574
Std. Error
.289
Sig.
.047
95% Confidence Interval for Difference
Lower Bound
-1.141
Upper Bound
-.007
a. Reference category = 5
从求职信心的各个水平观察变量的差异检验中可以看出，只有水平4和水平5之间的相伴概率小于显著性水平0.05，期望薪水的均值差异是显著的。也就是说，对求职不太有信心和很没信心的求职者，对期望薪水的要求差异也很显著。
接下来，分别用LSD和S-N-K法对控制变量进行多重比较。由于篇幅原因，仅以工作经历这一控制变量为例。
Post Hoc Test
Multiple Comparisons
Dependent Variable:C3期望薪水

(I) B5工作经历
(J) B5工作经历
Mean Difference (I-J)
Std. Error
Sig.
95% Confidence Interval

Lower Bound
Upper Bound
LSD
没有
1－2年
.08
.086
.328
-.08
.25
3－4年
-.20*
.089
.025
-.38
-.03
5年及以上
-.55*
.107
.000
-.76
-.34
1－2年
没有
-.08
.086
.328
-.25
.08
3－4年
-.29*
.058
.000
-.40
-.17
5年及以上
-.63*
.083
.000
-.79
-.47
3－4年
没有
.20*
.089
.025
.03
.38
1－2年
.29*
.058
.000
.17
.40
5年及以上
-.35*
.086
.000
-.52
-.18
5年及以上
没有
.55*
.107
.000
.34
.76
1－2年
.63*
.083
.000
.47
.79
3－4年
.35*
.086
.000
.18
.52
Based on observed means.
The error term is Mean Square(Error) = .618.
*. The mean difference is significant at the .05 level.
上表是LSD法多重比较的结果。从该结果可以看出，工作经历变量中没有工作经历的求职者和有1-2年工作经历的求职者之间的相伴概率大于显著性水平0.05，说明这两组之间不存在显著差别。而有5年以上工作经历者则与其他三个水平间在期望薪水这一问题上都存在显著差别。
Homogeneous Subsets
C3期望薪水

B5工作经历
N
Subset

1
2
3
Student-Newman-Keulsa,,b,,c
1－2年
445
3.87

没有
103
3.95

3－4年
308

4.15

5年及以上
114

4.50
Sig.

.329
1.000
1.000
Means for groups in homogeneous subsets are displayed.
Based on observed means.
The error term is Mean Square(Error) = .618.
a. Uses Harmonic Mean Sample Size = 166.843.
b. The group sizes are unequal. The harmonic mean of the group sizes is used. Type I error levels are not guaranteed.
c. Alpha = .05.
上表是S-N-K法多重比较的结果。从该结果可以看出前3个组与第4个组之间都存在显著差别。
根据上面对期望薪水的分析，可知学历对期望薪水的影响最大，性别、工作经验、企业规模对期望薪水的影响也较大。而年龄、户口所在地、职业状态的相伴概率都大于0.05，这说明它们对期望薪水的影响不显著。
对劳动力市场供给进行分析，考虑到社会现实，有以下几点值得注意。第一，不同性别对工资的期望不同，这是生理特点和社会分工的差别导致了劳动力市场中的性别不平等现象反映。第二，学历对于刚刚从校园走出来的毕业生，由于缺乏相当的工作经验，很大程度上只能用学历来证明自己的价值。特别是改制后的国有企业，由于尚未重构完整的薪酬体制，仍会借鉴原来的工资体系，即根据毕业生的学历来考虑工资水平。另外，相当一部分民营企业，由于缺乏成熟、独立的公司体制，也会采用国有企业的工资标准体系，将毕业生工资与学历相挂钩。即使是外企，毕业生薪金水平目前也是按学历标准划分的。但是，也有一些行业的工资水平与学历并无太大关联。比如软件销售、保险等行业，仅确定较低数额的底薪，收入主要根据个人能力与业绩来决定。第三，工作经验在一定程度上是对工作熟练程度和工作能力的体现，而能力直接决定着个人能给公司带来的收益。特别是销售、保险行业，其收入更是取决于工作业绩，可以说完全视乎个人能力。第四，表面上看，企业规模似乎与薪酬高低没有直接的必然联系，但事实上，它却对个人发展具有重要影响，间接影响到未来的工资水平。有调查显示，现在的大学毕业生喜好规模大的企业，有些人为达到目的甚至不惜牺牲高薪，因为他们认为大企业能为员工提供更多的学习机会，对职业的未来发展大有帮助，所以情愿“以暂时的低薪换来以后的高薪”。另外，大企业多经形成完整的工资、福利体系，且福利项目齐全完善，而这也是员工收入益的重要组成部分。
五、建立多元回归模型分析期望薪酬的影响因素并加以检验
由于有多个控制变量的存在，故选择多元线性回归的回归模型。根据多元回归时自变量选择的不同，多元回归可以有多种不同的计算方法。以下将对期望薪酬的影响因素分别使用全回归法、逐步回归法、向后法和向前法来建立模型。
1、全回归法
Variables Entered/Removed
Model
Variables Entered
Variables Removed
Method
1
期望岗位, B6户口所在地, B5.1工作年数（组中值）, C2企业规模, B1性别, C5求职