第四节 统计分析方法
本书在数据处理和统计分析过程中，采用SPSS（Statistical Package for the Social Science，社会科学统计软件包），它是一个适用于自然科学、社会科学各领域的统计分析软件包，是当今世界上最为流行的三大统计分析软件（SPSS、SAS、BDMP）之一，是一个较完善的统计分析和数据管理系统，可进行回归分析、相关分析、均值比较与检验、方差分析以及因子分析等多种分析。我们所采用的版本为SPSS 13.0（卢纹岱、朱一力、沙捷、朱红兵，1999）。
一、正态性检验方法
进行正态性检验是对数据进行诸多统计分析过程的前提，譬如，单因素方差分析（One-Way ANOVA）过程要求因变量属于正态分布总体，如果其分布呈明显的非正态，便不能应用方差分析，而应该使用非参数检验等。
对数据进行正态性检验的方法可采用直方图（Histogram）、P-P正态概率图（P-P Normal Probability Plots）及Q-Q正态概率图（Q-Q Normal Probability Plot）等。直方图是以一组无间隔的直条图表现频数分布特征的统计图，其中的每一条形高度分别代表相应级别的频率；P-P正态概率图是根据变量分布累积比和正态分布累积比生成的图形，如果数据是正态分布，被检验数据基本上成一条直线；Q-Q正态概率图反映了变量分布的分位数对正态分布的分位数，在SPSS软件中，其操作步骤与P-P正态概率图大致相似。本书采用P-P正态概率图对领导者的素质数据进行正态性检验。
二、多元回归分析原理
在研究领导者综合素质对领导绩效的作用以及不同情景下的权变影响时，本书采用多元回归分析方法。多元回归分析是研究两个以上的自变量与因变量之间相关关系的回归分析方法，其原理是，依据最小二乘法使各散点与回归模型之间的离差平方和Q达到最小的原则，在因变量与众多自变量之间建立最合适的回归方程。Q的计算公式如下：
式（3-1）中，Yi为第i次观测值，
为回归方程，即
多元回归分析可以实现对多个变量的同时处理，通过分析自变量在因变量总变异中所占的比例，在一定程度上探讨它们的因果关系。在回归分析结果中，我们根据每个回归系数的T检验结果，考察自变量对因变量是否具有显著的影响；根据回归系数的正负，考察有显著影响的自变量对因变量影响的性质；根据△R2的大小，考察自变量对因变量影响的相对重要性。
本书的研究，在每种情景中都将领导者的素质（21个综合素质项目）作为独立变量（也称自变量），将领导者的绩效作为因变量，进行多元回归分析，辨别出不同情景下与领导者绩效有显著相关性的素质项目。多重线性回归分析的具体过程通过调用SPSS软件中的菜单命令自动完成，从所得到的结果中便可以看出哪些素质对领导者的绩效有显著的解释效果，并确定它们与领导者绩效之间相关性的性质。