Score:
Week 5 
Correlation and Regression
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
<1 point>
1.    
Create a correlation table for the variables in our data set. (Use analysis ToolPak or StatPlus:mac LE function Correlation.)
 
 
 
 
 
 
a. 
Reviewing the data levels from week 1, what variables can be used in a Pearson's Correlation table (which is what Excel produces)?
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
b. Place table here (C8):
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
c.
Using r = approximately .28 as the signicant r value (at p = 0.05) for a correlation between 50 values, what variables are
 
 
 
 
 
 
 
significantly related to Salary?
 
 
 
 
 
 
 
 
 
 
 
 
 
 
To compa?
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
d.
Looking at the above correlations - both significant or not - are there any surprises -by that I 
 
 
 
 
 
 
 
 
 
mean any relationships you expected to be meaningful and are not and vice-versa?
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
e.
Does this help us answer our equal pay for equal work question?
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
<1 point>
2
 
Below is a regression analysis for salary being predicted/explained by the other variables in our sample  (Midpoint,
 
 
 
 
 
 
 
 
 age, performance rating, service,  gender, and degree variables. (Note: since salary and compa are different ways of
 
 
 
 
 
 
 
 expressing an employee’s salary, we do not want to have both used in the same regression.)
 
 
 
 
 
 
 
 
 
Plase interpret the findings.
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Ho: The regression equation is not significant.
 
 
 
 
 
 
 
 
 
 
 
 
 
Ha: The regression equation is significant.
 
 
 
 
 
 
 
 
 
 
 
 
 
Ho: The regression coefficient for each variable is not significant
  Note: technically we have one for each input variable.
 
 
 
 
 
 
Ha: The regression coefficient for each variable is significant
  Listing it this way to save space.
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Sal
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
SUMMARY OUTPUT
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Regression Statistics
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Multiple R
0.9915591
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
R Square
0.9831894
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Adjusted R Square
0.9808437
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Standard Error
2.6575926
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Observations
50
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
ANOVA
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
df
SS
MS
F
Significance F
 
 
 
 
 
 
 
 
 
 
 
Regression
6
17762.3
2960.38
419.1516
1.812E-36
 
 
 
 
 
 
 
 
 
 
 
Residual
43
303.7003
7.0628
 
 
 
 
 
 
 
 
 
 
 
 
 
Total
49
18066
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Coefficients
Standard Error
t Stat
P-value
Lower 95%
Upper 95%
Lower 95.0%
Upper 95.0%
 
 
 
 
 
 
 
 
Intercept
-1.749621
3.618368
-0.4835
0.631166
-9.046755
5.5475126
-9.04675504
5.54751262
 
 
 
 
 
 
 
 
Midpoint
1.2167011
0.031902
38.1383
8.66E-35
1.1523638
1.2810383
1.152363828
1.28103827
 
 
 
 
 
 
 
 
Age
-0.004628
0.065197
-0.071
0.943739
-0.136111
0.1268547
-0.13611072
0.1268547
 
 
 
 
 
 
 
 
Performace Rating
-0.056596
0.034495
-1.6407
0.108153
-0.126162
0.0129695
-0.12616237
0.01296949
 
 
 
 
 
 
 
 
Service
-0.0425
0.084337
-0.5039
0.616879
-0.212582
0.1275814
-0.21258209
0.12758138
 
 
 
 
 
 
 
 
Gender
2.4203372
0.860844
2.81159
0.007397
0.6842792
4.1563952
0.684279192
4.15639523
 
 
 
 
 
 
 
 
Degree
0.2755334
0.799802
0.3445
0.732148
-1.337422
1.8884885
-1.33742165
1.88848848
 
 
 
 
 
 
 
 
Note: since Gender and Degree are expressed as 0 and 1, they are considered dummy variables and can be used in a multiple regression equation.
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Interpretation:
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
For the Regression as a whole:
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
What is the value of the F statistic: 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
What is the p-value associated with this value: 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Is the p-value <0.05?
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Do you reject or not reject the null hypothesis: 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
What does this decision mean for our equal pay question: 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
For each of the coefficients:
 
Intercept
Midpoint
Age
Perf. Rat.
Service
Gender
Degree
 
 
 
 
 
 
 
 
 
What is the coefficient's p-value for each of the variables: 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Is the p-value < 0.05?
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Do you reject or not reject each null hypothesis: 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
What are the coefficients for the significant variables?
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Using only the significant variables, what is the equation?
Salary =
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Is gender a significant factor in salary:
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
If so, who gets paid more with all other things being equal?
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
How do we know? 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
<1 point>
3
 
Perform a regression analysis using compa as the dependent variable and the same independent
 
 
 
 
 
 
 
 
 
variables as used in question 2.  Show the result, and interpret your findings by answering the same questions.
 
 
 
 
 
 
 
 
Note: be sure to include the appropriate hypothesis statements.
 
 
 
 
 
 
 
 
 
 
 
Regression hypotheses
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Ho:
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Ha:
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Coefficient hyhpotheses (one to stand for all the separate variables)
 
 
 
 
 
 
 
 
 
 
 
Ho:
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Ha:
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Place D94 in output box.
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Interpretation:
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
For the Regression as a whole:
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
What is the value of the F statistic: 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
What is the p-value associated with this value: 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Is the p-value < 0.05?
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Do you reject or not reject the null hypothesis: 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
What does this decision mean for our equal pay question: 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
For each of the coefficients: 
 
Intercept
Midpoint
Age
Perf. Rat.
Service
Gender
Degree
 
 
 
 
 
 
 
 
 
What is the coefficient's p-value for each of the variables: 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Is the p-value < 0.05?
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Do you reject or not reject each null hypothesis: 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
What are the coefficients for the significant variables?
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Using only the significant variables, what is the equation?
Compa = 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Is gender a significant factor in compa:
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
If so, who gets paid more with all other things being equal?
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
How do we know? 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
<1 point>
4
 
Based on all of your results to date, 
 
 
 
 
 
 
 
 
 
 
 
 
 
Do we have an answer to the question of are males and females paid equally for equal work?
 
 
 
 
 
 
 
 
 
 
 
If so, which gender gets paid more? 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 How do we know?
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Which is the best variable to use in analyzing pay practices - salary or compa?  Why?
 
 
 
 
 
 
 
 
 
What is most interesting or surprising about the results we got doing the analysis during the last 5 weeks?
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
<2 points>
5
 
Why did the single factor tests and analysis (such as t and single factor ANOVA tests on salary equality) not provide a complete answer to our salary equality question?
 
 
 
What outcomes in your life or work might benefit from a multiple regression examination rather than a simpler one variable test?
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 














See comments at the right of the data set.
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
ID
Salary
Compa
Midpoint
Age
Performance Rating
Service
Gender
Raise
Degree
Gender1
Grade
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
8
23
1.000
23
32
90
9
1
5.8
0
F
A
 
The ongoing question that the weekly assignments will focus on is:  Are males and females paid the same for equal work (under the Equal Pay Act)?  
 
10
22
0.956
23
30
80
7
1
4.7
0
F
A
 
Note: to simplfy the analysis, we will assume that jobs within each grade comprise equal work.
 
 
 
 
 
 
11
23
1.000
23
41
100
19
1
4.8
0
F
A
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
14
24
1.043
23
32
90
12
1
6
0
F
A
 
The column labels in the  table mean:
 
 
 
 
 
 
 
 
 
 
 
15
24
1.043
23
32
80
8
1
4.9
0
F
A
 
ID – Employee sample number 
Salary – Salary in thousands     
 
 
 
 
 
 
 
23
23
1.000
23
36
65
6
1
3.3
1
F
A
 
Age – Age in years
 
Performance Rating  – Appraisal rating (Employee evaluation score)
 
 
 
 
26
24
1.043
23
22
95
2
1
6.2
1
F
A
 
Service – Years of service (rounded)
Gender:   0 = male, 1 = female  
 
 
 
 
 
 
 
31
24
1.043
23
29
60
4
1
3.9
0
F
A
 
Midpoint – salary grade midpoint    
Raise – percent of last raise
 
 
 
 
 
 
 
 
35
24
1.043
23
23
90
4
1
5.3
1
F
A
 
Grade – job/pay grade
Degree (0= BS\BA 1 = MS)
 
 
 
 
 
 
 
 
36
23
1.000
23
27
75
3
1
4.3
1
F
A
 
Gender1 (Male or Female)
Compa - salary divided by midpoint
 
 
 
 
 
 
 
37
22
0.956
23
22
95
2
1
6.2
1
F
A
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
42
24
1.043
23
32
100
8
1
5.7
0
F
A
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
3
34
1.096
31
30
75
5
1
3.6
0
F
B
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
18
36
1.161
31
31
80
11
1
5.6
1
F
B
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
20
34
1.096
31
44
70
16
1
4.8
1
F
B
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
39
35
1.129
31
27
90
6
1
5.5
1
F
B
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
7
41
1.025
40
32
100
8
1
5.7
0
F
C
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
13
42
1.050
40
30
100
2
1
4.7
1
F
C
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
22
57
1.187
48
48
65
6
1
3.8
0
F
D
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
24
50
1.041
48
30
75
9
1
3.8
1
F
D
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
45
55
1.145
48
36
95
8
1
5.2
0
F
D
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
17
69
1.210
57
27
55
3
1
3
0
F
E
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
48
65
1.140
57
34
90
11
1
5.3
1
F
E
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
28
75
1.119
67
44
95
9
1
4.4
1
F
F
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
43
77
1.149
67
42
95
20
1
5.5
1
F
F
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
19
24
1.043
23
32
85
1
0
4.6
1
M
A
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
25
24
1.043
23
41
70
4
0
4
0
M
A
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
40
25
1.086
23
24
90
2
0
6.3
0
M
A
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
2
27
0.870
31
52
80
7
0
3.9
0
M
B
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
32
28
0.903
31
25
95
4
0
5.6
0
M
B
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
34
28
0.903
31
26
80
2
0
4.9
1
M
B
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
16
47
1.175
40
44
90
4
0
5.7
0
M
C
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
27
40
1.000
40
35
80
7
0
3.9
1
M
C
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
41
43
1.075
40
25
80
5
0
4.3
0
M
C
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
5
47
0.979
48
36
90
16
0
5.7
1
M
D
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
30
49
1.020
48
45
90
18
0
4.3
0
M
D
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
58
1.017
57
34
85
8
0
5.7
0
M
E
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
4
66
1.157
57
42
100
16
0
5.5
1
M
E
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
12
60
1.052
57
52
95
22
0
4.5
0
M
E
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
33
64
1.122
57
35
90
9
0
5.5
1
M
E
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
38
56
0.982
57
45
95
11
0
4.5
0
M
E
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
44
60
1.052
57
45
90
16
0
5.2
1
M
E
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
46
65
1.140
57
39
75
20
0
3.9
1
M
E
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
47
62
1.087
57
37
95
5
0
5.5
1
M
E
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
49
60
1.052
57
41
95
21
0
6.6
0
M
E
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
50
66
1.157
57
38
80
12
0
4.6
0
M
E
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
6
76
1.134
67
36
70
12
0
4.5
1
M
F
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
9
77
1.149
67
49
100
10
0
4
1
M
F
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
21
76
1.134
67
43
95
13
0
6.3
1
M
F
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
29
72
1.074
67
52
95
5
0
5.4
0
M
F