## 限縮資料20-40歲 並於模型加入地區Region
#
pacman::p_load(tidyverse, reshape, lm.beta, arm, coefplot, multiplot, data.table)
## 將程式套件安載入 'C:/Users/user/Documents/R/win-library/4.1'
## (因為 'lib' 沒有被指定)
## Warning: package 'multiplot' is not available for this version of R
##
## A version of this package for your version of R might be available elsewhere,
## see the ideas at
## https://cran.r-project.org/doc/manuals/r-patched/R-admin.html#Installing-packages
## Warning: unable to access index for repository http://www.stats.ox.ac.uk/pub/RWin/bin/windows/contrib/4.1:
## 無法開啟網址 'http://www.stats.ox.ac.uk/pub/RWin/bin/windows/contrib/4.1/PACKAGES'
## Warning in p_install(package, character.only = TRUE, ...):
## Warning in library(package, lib.loc = lib.loc, character.only = TRUE,
## logical.return = TRUE, : 不存在叫 'multiplot' 這個名稱的套件
## Warning in pacman::p_load(tidyverse, reshape, lm.beta, arm, coefplot, multiplot, : Failed to install/load:
## multiplot
# model data
dta<- read.csv("D:/EDU MIS/project-research/data0505.csv", encoding="BIG-5", dec=",", stringsAsFactors=TRUE)
options(digits = 3)
dta <- dta %>% mutate( Gender = relevel(Gender, ref = "女"),
Sector = relevel(Sector, ref = "私立"),
Field = relevel(Field, ref = "大眾傳播學群"),
EduLv = factor(EduLv, levels=c("博士","碩士","普通大學","科技大學",
"技術學院","五專","三專",
"二專","高中","高職","國中")),
EduLv = relevel(EduLv, ref = "技術學院"),
Region = factor(Region, levels =c("宜花東離島","北北基","桃竹苗",
"中彰投","雲嘉南","高屏澎")),
Age = as.numeric(Age),
J_year = as.numeric(J_year),
J_total = as.numeric(J_total),
JobZone = as.numeric(JobZone),
EduZone = as.numeric(EduZone),
JobZone_D = as.numeric(EduZone-JobZone),
Salary = as.numeric(Salary),
SubEduOver = relevel(SubEduOver, ref="符合工作要求"),
Core = recode_factor(as.factor(JobCor), "1" = "無關聯",
"2" = "部分關聯",
"3" = "核心關聯"),
SubEduOver = factor(SubEduOver,levels =c("符合工作要求","高於工作要求","低於工作要求")))
# data construction
glimpse(dta)
## Rows: 1,571
## Columns: 26
## $ SID <fct> A1, A10, A100, A102, A103, A104, A105, A106, A107, A108, A~
## $ Gender <fct> 女, 女, 女, 女, 男, 女, 女, 女, 女, 女, 女, 男, 男, 男, 女~
## $ Sector <fct> 國立（公立）, 國立（公立）, 私立, 國立（公立）, 國立（公立~
## $ EduLv <fct> 碩士, 碩士, 普通大學, 普通大學, 高職, 普通大學, 普通大學, ~
## $ SubEduOver <fct> 符合工作要求, 高於工作要求, 符合工作要求, 符合工作要求, 符~
## $ Require <fct> 碩士, 高中/高職, 普通大學, 普通大學, 高中/高職, 普通大學, ~
## $ Field <fct> 教育學群, 資訊學群, 外語學群, 教育學群, 工程學群, 文史哲學~
## $ City <fct> 臺南市, 高雄市, 苗栗縣, 新北市, 高雄市, 南投縣, 嘉義市, 臺~
## $ Category <fct> 受雇於公營機關, 受雇於公營機關, 受雇於公營機關, 受雇於公營~
## $ Staff <fct> 10-29人, 50-99人, 50-99人, 10-29人, 2-9人, 100-199人, 10-2~
## $ Hours <int> 48, 40, 70, 50, 57, 51, 64, 50, 50, 47, 50, 60, 45, 40, 56~
## $ J_year <dbl> 18, 39, 35, 6, 20, 6, 37, 2, 6, 6, 15, 38, 27, 22, 6, 18, ~
## $ J_total <dbl> 18, 45, 39, 6, 30, 6, 43, 2, 18, 18, 27, 44, 30, 25, 6, 8,~
## $ income <fct> 2萬以下, 2-3萬以下, 3-4萬以下, 4-5萬以下, 3-4萬以下, 4-5萬~
## $ SubMismatch <int> 4, 2, 3, 4, 5, 4, 5, 4, 3, 3, 4, 4, 4, 4, 5, 5, 3, 2, 5, 4~
## $ JobSat <int> 6, 4, 3, 5, 5, 6, 7, 5, 3, 6, 3, 5, 4, 7, 3, 4, 4, 4, 6, 5~
## $ EduZone <dbl> 5, 5, 4, 4, 2, 4, 4, 4, 4, 4, 5, 5, 3, 5, 4, 4, 4, 4, 4, 5~
## $ Region <fct> 雲嘉南, 高屏澎, 桃竹苗, 北北基, 高屏澎, 中彰投, 雲嘉南, 北~
## $ Salary <dbl> 20000, 25000, 35000, 45000, 35000, 45000, 20000, 35000, 35~
## $ Age <dbl> 26, 34, 30, 25, 62, 25, 21, 24, 25, 26, 57, 35, 54, 54, 23~
## $ JobZone <dbl> 4, 3, 4, 4, 3, 4, 4, 4, 4, 4, 4, 4, 4, 5, 4, 4, 3, 2, 4, 4~
## $ JobCor <int> 3, 1, 2, 3, 1, 2, 1, 3, 1, 1, 1, 3, 1, 1, 3, 1, 3, 1, 2, 2~
## $ Core <fct> 核心關聯, 無關聯, 部分關聯, 核心關聯, 無關聯, 部分關聯, 無~
## $ ObjOver <fct> over, over, adequate, adequate, under, adequate, adequate,~
## $ X <int> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA~
## $ JobZone_D <dbl> 1, 2, 0, 0, -1, 0, 0, 0, 0, 0, 1, 1, -1, 0, 0, 0, 1, 2, 0,~
# pick out
names(dta)
## [1] "SID" "Gender" "Sector" "EduLv" "SubEduOver"
## [6] "Require" "Field" "City" "Category" "Staff"
## [11] "Hours" "J_year" "J_total" "income" "SubMismatch"
## [16] "JobSat" "EduZone" "Region" "Salary" "Age"
## [21] "JobZone" "JobCor" "Core" "ObjOver" "X"
## [26] "JobZone_D"
po <- dplyr::select(dta, -City, -income, -JobSat, -X)%>%
filter(Age <= 65 & Age >= 20 & Category != "自營者" )
p<- filter(po, Age <= 40)
p <- p[p$EduLv %in% c("博士","碩士", "普通大學", "科技大學", "技術學院"),]
p <- p %>% mutate( EduLv = factor(EduLv, levels=c("博士","碩士","普通大學","科技大學",
"技術學院")),
EduLv = relevel(EduLv, ref = "技術學院"),
Category = factor(Category,levels=c("受雇者於私營企業","受雇於公營機關")),
Region = relevel(Region, ref = "雲嘉南"))
## t(aggregate(Salary ~ Region, p, mean))
## [,1] [,2] [,3] [,4] [,5] [,6]
## Region "宜花東離島" "北北基" "桃竹苗" "中彰投" "雲嘉南" "高屏澎"
## Salary "44490" "44580" "54378" "43495" "41185" "41577"
## 設定雲嘉南為對照組
# check
lapply(dta[,c("Sector", "Field", "City", "Region","EduLv", "SubEduOver", "ObjOver","Region")], levels)
## $Sector
## [1] "私立" "國外學校" "國立（公立）"
##
## $Field
## [1] "大眾傳播學群" "工程學群" "文史哲學群" "外語學群"
## [5] "生命科學學群" "生物資源學群" "地球與環境學群" "法政學群"
## [9] "社會與心理學群" "建築與設計學群" "財經學群" "教育學群"
## [13] "資訊學群" "遊憩與運動學群" "管理學群" "數理化學群"
## [17] "醫藥衛生學群" "藝術學群"
##
## $City
## [1] "宜蘭縣" "花蓮縣" "金門縣" "南投縣" "屏東縣" "苗栗縣" "桃園市" "高雄市"
## [9] "基隆市" "雲林縣" "新北市" "新竹市" "新竹縣" "嘉義市" "嘉義縣" "彰化縣"
## [17] "臺中市" "臺北市" "臺東縣" "臺南市" "澎湖縣"
##
## $Region
## [1] "宜花東離島" "北北基" "桃竹苗" "中彰投" "雲嘉南"
## [6] "高屏澎"
##
## $EduLv
## [1] "技術學院" "博士" "碩士" "普通大學" "科技大學" "五專"
## [7] "三專" "二專" "高中" "高職" "國中"
##
## $SubEduOver
## [1] "符合工作要求" "高於工作要求" "低於工作要求"
##
## $ObjOver
## [1] "adequate" "over" "under"
##
## $Region.1
## [1] "宜花東離島" "北北基" "桃竹苗" "中彰投" "雲嘉南"
## [6] "高屏澎"
apply(apply(p, 1, is.na), 1, sum)
## SID Gender Sector EduLv SubEduOver Require
## 0 0 0 0 0 0
## Field Category Staff Hours J_year J_total
## 0 0 0 0 0 0
## SubMismatch EduZone Region Salary Age JobZone
## 0 0 0 0 0 0
## JobCor Core ObjOver JobZone_D
## 0 0 0 0
#
# Fit the null model
null <- lm(Salary ~ +Gender +Region, data= p)
# 最終模型設定
# 薪資對性別 / 公私立.教育程度.學群
a2 <- update(null,~.+Sector + EduLv+ Field)
summary(a2)
##
## Call:
## lm(formula = Salary ~ Gender + Region + Sector + EduLv + Field,
## data = p)
##
## Residuals:
## Min 1Q Median 3Q Max
## -41714 -10325 -2388 5546 237770
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 26729 4768 5.61 2.5e-08 ***
## Gender男 6587 1275 5.17 2.7e-07 ***
## Region宜花東離島 3500 3132 1.12 0.26412
## Region北北基 4273 1631 2.62 0.00889 **
## Region桃竹苗 7906 1964 4.02 6.0e-05 ***
## Region中彰投 3684 1909 1.93 0.05383 .
## Region高屏澎 414 1866 0.22 0.82451
## Sector國外學校 8928 4745 1.88 0.06012 .
## Sector國立（公立） 3495 1300 2.69 0.00729 **
## EduLv博士 24998 9492 2.63 0.00855 **
## EduLv碩士 14982 3582 4.18 3.1e-05 ***
## EduLv普通大學 2647 3484 0.76 0.44745
## EduLv科技大學 -2604 3577 -0.73 0.46675
## Field工程學群 12235 3483 3.51 0.00046 ***
## Field文史哲學群 -1285 3795 -0.34 0.73503
## Field外語學群 3570 3862 0.92 0.35541
## Field生命科學學群 742 4606 0.16 0.87204
## Field生物資源學群 -828 5226 -0.16 0.87422
## Field地球與環境學群 538 5293 0.10 0.91899
## Field法政學群 1922 3954 0.49 0.62710
## Field社會與心理學群 709 3506 0.20 0.83987
## Field建築與設計學群 6754 4206 1.61 0.10860
## Field財經學群 5056 3617 1.40 0.16237
## Field教育學群 3266 3679 0.89 0.37490
## Field資訊學群 7516 3623 2.07 0.03823 *
## Field遊憩與運動學群 1930 4874 0.40 0.69225
## Field管理學群 -1587 3512 -0.45 0.65151
## Field數理化學群 5597 4058 1.38 0.16808
## Field醫藥衛生學群 12075 3697 3.27 0.00112 **
## Field藝術學群 -4834 4714 -1.03 0.30530
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 19600 on 1313 degrees of freedom
## Multiple R-squared: 0.243, Adjusted R-squared: 0.226
## F-statistic: 14.5 on 29 and 1313 DF, p-value: <2e-16
# 薪資對性別 / 公私立.教育程度.學群 / 總年資.工時
a3 <- update(a2 ,~.+J_total +Hours)
summary(a3)
##
## Call:
## lm(formula = Salary ~ Gender + Region + Sector + EduLv + Field +
## J_total + Hours, data = p)
##
## Residuals:
## Min 1Q Median 3Q Max
## -44445 -10106 -2503 5628 235480
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 16766.4 5451.6 3.08 0.00215 **
## Gender男 6592.6 1269.0 5.20 2.4e-07 ***
## Region宜花東離島 3268.6 3119.6 1.05 0.29494
## Region北北基 4062.8 1624.4 2.50 0.01250 *
## Region桃竹苗 7873.3 1956.6 4.02 6.1e-05 ***
## Region中彰投 3247.4 1906.1 1.70 0.08866 .
## Region高屏澎 259.0 1861.1 0.14 0.88933
## Sector國外學校 8487.4 4725.9 1.80 0.07274 .
## Sector國立（公立） 3376.9 1295.1 2.61 0.00923 **
## EduLv博士 25374.3 9452.1 2.68 0.00736 **
## EduLv碩士 14422.9 3569.7 4.04 5.6e-05 ***
## EduLv普通大學 2470.0 3469.9 0.71 0.47669
## EduLv科技大學 -2722.5 3562.7 -0.76 0.44490
## Field工程學群 11827.4 3476.5 3.40 0.00069 ***
## Field文史哲學群 -1367.1 3779.5 -0.36 0.71763
## Field外語學群 3429.9 3845.6 0.89 0.37261
## Field生命科學學群 1132.4 4586.4 0.25 0.80503
## Field生物資源學群 -496.9 5204.9 -0.10 0.92395
## Field地球與環境學群 771.4 5270.0 0.15 0.88366
## Field法政學群 1737.5 3938.4 0.44 0.65916
## Field社會與心理學群 662.8 3491.6 0.19 0.84948
## Field建築與設計學群 6017.3 4192.3 1.44 0.15144
## Field財經學群 5095.7 3603.8 1.41 0.15761
## Field教育學群 2909.6 3663.8 0.79 0.42725
## Field資訊學群 7688.4 3610.2 2.13 0.03339 *
## Field遊憩與運動學群 1979.8 4854.5 0.41 0.68347
## Field管理學群 -1226.5 3499.5 -0.35 0.72605
## Field數理化學群 5563.8 4041.2 1.38 0.16881
## Field醫藥衛生學群 11622.3 3687.0 3.15 0.00166 **
## Field藝術學群 -4903.5 4692.9 -1.04 0.29627
## J_total 53.9 35.4 1.52 0.12794
## Hours 195.2 57.3 3.41 0.00067 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 19600 on 1311 degrees of freedom
## Multiple R-squared: 0.251, Adjusted R-squared: 0.233
## F-statistic: 14.2 on 31 and 1311 DF, p-value: <2e-16
# 薪資對性別 / 公私立.教育程度.學群 / 總年資.工時 / 自評過量.自評關聯
a42 <- update(a3,~.+ SubEduOver +SubMismatch)
summary(a42)
##
## Call:
## lm(formula = Salary ~ Gender + Region + Sector + EduLv + Field +
## J_total + Hours + SubEduOver + SubMismatch, data = p)
##
## Residuals:
## Min 1Q Median 3Q Max
## -41708 -9751 -2128 6122 229651
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 14720.3 5509.4 2.67 0.00764 **
## Gender男 7317.0 1241.5 5.89 4.8e-09 ***
## Region宜花東離島 4089.5 3042.7 1.34 0.17917
## Region北北基 3624.8 1583.8 2.29 0.02226 *
## Region桃竹苗 7730.8 1907.9 4.05 5.4e-05 ***
## Region中彰投 3037.6 1857.5 1.64 0.10222
## Region高屏澎 724.2 1816.2 0.40 0.69013
## Sector國外學校 12578.5 4631.2 2.72 0.00669 **
## Sector國立（公立） 3069.8 1268.1 2.42 0.01562 *
## EduLv博士 22160.1 9243.1 2.40 0.01665 *
## EduLv碩士 13720.6 3503.0 3.92 9.4e-05 ***
## EduLv普通大學 1979.1 3382.5 0.59 0.55858
## EduLv科技大學 -3176.7 3474.9 -0.91 0.36079
## Field工程學群 11409.4 3401.0 3.35 0.00082 ***
## Field文史哲學群 -1400.1 3690.3 -0.38 0.70446
## Field外語學群 3313.6 3751.0 0.88 0.37719
## Field生命科學學群 3230.4 4484.6 0.72 0.47146
## Field生物資源學群 -71.0 5087.5 -0.01 0.98887
## Field地球與環境學群 1386.8 5153.7 0.27 0.78791
## Field法政學群 2585.1 3844.0 0.67 0.50138
## Field社會與心理學群 -841.4 3410.5 -0.25 0.80517
## Field建築與設計學群 6294.7 4089.3 1.54 0.12397
## Field財經學群 3925.4 3515.3 1.12 0.26434
## Field教育學群 851.9 3590.4 0.24 0.81249
## Field資訊學群 7249.1 3532.5 2.05 0.04036 *
## Field遊憩與運動學群 882.7 4744.3 0.19 0.85243
## Field管理學群 -437.8 3418.7 -0.13 0.89811
## Field數理化學群 5177.9 3946.3 1.31 0.18972
## Field醫藥衛生學群 10250.2 3608.9 2.84 0.00458 **
## Field藝術學群 -4858.4 4579.1 -1.06 0.28889
## J_total 75.2 34.6 2.17 0.02990 *
## Hours 219.2 55.9 3.92 9.3e-05 ***
## SubEduOver高於工作要求 -8517.6 1399.4 -6.09 1.5e-09 ***
## SubEduOver低於工作要求 -7747.0 1795.9 -4.31 1.7e-05 ***
## SubMismatch 1248.8 474.3 2.63 0.00856 **
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 19100 on 1308 degrees of freedom
## Multiple R-squared: 0.291, Adjusted R-squared: 0.272
## F-statistic: 15.8 on 34 and 1308 DF, p-value: <2e-16
# 薪資對性別 / 公私立.教育程度.學群 / 總年資.工時 / 客評過量.客評關聯
a52 <- update(a3,~.+ ObjOver+ Core)
summary(a52)
##
## Call:
## lm(formula = Salary ~ Gender + Region + Sector + EduLv + Field +
## J_total + Hours + ObjOver + Core, data = p)
##
## Residuals:
## Min 1Q Median 3Q Max
## -44730 -10261 -2297 6029 237880
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 19045.0 5447.9 3.50 0.00049 ***
## Gender男 6285.2 1257.4 5.00 6.6e-07 ***
## Region宜花東離島 3496.6 3085.5 1.13 0.25733
## Region北北基 4171.1 1605.1 2.60 0.00947 **
## Region桃竹苗 8274.0 1935.2 4.28 2.0e-05 ***
## Region中彰投 3703.8 1885.0 1.96 0.04964 *
## Region高屏澎 489.3 1838.1 0.27 0.79014
## Sector國外學校 7609.4 4669.6 1.63 0.10344
## Sector國立（公立） 3245.0 1282.8 2.53 0.01153 *
## EduLv博士 24611.7 9341.0 2.63 0.00852 **
## EduLv碩士 15037.9 3547.9 4.24 2.4e-05 ***
## EduLv普通大學 1194.8 3436.0 0.35 0.72811
## EduLv科技大學 -3836.4 3521.4 -1.09 0.27615
## Field工程學群 12119.9 3451.6 3.51 0.00046 ***
## Field文史哲學群 -2440.2 3761.8 -0.65 0.51665
## Field外語學群 3097.5 3836.4 0.81 0.41959
## Field生命科學學群 1882.4 4549.2 0.41 0.67910
## Field生物資源學群 648.7 5161.3 0.13 0.90000
## Field地球與環境學群 -467.3 5238.3 -0.09 0.92894
## Field法政學群 2306.2 3938.4 0.59 0.55827
## Field社會與心理學群 -1487.4 3510.2 -0.42 0.67184
## Field建築與設計學群 5170.8 4147.3 1.25 0.21270
## Field財經學群 5345.9 3577.3 1.49 0.13532
## Field教育學群 1994.0 3642.9 0.55 0.58422
## Field資訊學群 6956.6 3582.9 1.94 0.05240 .
## Field遊憩與運動學群 3090.5 4806.3 0.64 0.52032
## Field管理學群 -909.8 3491.7 -0.26 0.79448
## Field數理化學群 5267.7 3996.1 1.32 0.18766
## Field醫藥衛生學群 10122.1 3731.2 2.71 0.00676 **
## Field藝術學群 -5662.4 4638.4 -1.22 0.22240
## J_total 64.4 35.0 1.84 0.06557 .
## Hours 187.7 56.6 3.32 0.00094 ***
## ObjOverover -4019.7 1347.2 -2.98 0.00290 **
## ObjOverunder 8344.0 2930.0 2.85 0.00447 **
## Core部分關聯 5143.8 1665.9 3.09 0.00206 **
## Core核心關聯 1608.0 1372.7 1.17 0.24163
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 19300 on 1307 degrees of freedom
## Multiple R-squared: 0.273, Adjusted R-squared: 0.253
## F-statistic: 14 on 35 and 1307 DF, p-value: <2e-16
# 薪資對性別 / 公私立.教育程度.學群 / 年資.工時 / 自評過量.客評關聯
a6 <- update(a3,~.+ SubEduOver+ Core)
summary(a6)
##
## Call:
## lm(formula = Salary ~ Gender + Region + Sector + EduLv + Field +
## J_total + Hours + SubEduOver + Core, data = p)
##
## Residuals:
## Min 1Q Median 3Q Max
## -45499 -9870 -2284 5782 232925
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 18188.9 5326.2 3.42 0.00066 ***
## Gender男 7139.4 1240.1 5.76 1.1e-08 ***
## Region宜花東離島 4085.1 3042.8 1.34 0.17965
## Region北北基 3667.9 1583.3 2.32 0.02068 *
## Region桃竹苗 7667.4 1909.1 4.02 6.2e-05 ***
## Region中彰投 3101.1 1858.1 1.67 0.09537 .
## Region高屏澎 595.2 1816.1 0.33 0.74316
## Sector國外學校 11934.9 4630.3 2.58 0.01006 *
## Sector國立（公立） 3089.0 1267.8 2.44 0.01496 *
## EduLv博士 22887.2 9225.4 2.48 0.01323 *
## EduLv碩士 14126.6 3488.2 4.05 5.4e-05 ***
## EduLv普通大學 1983.4 3382.1 0.59 0.55768
## EduLv科技大學 -3067.1 3472.6 -0.88 0.37727
## Field工程學群 11334.7 3402.5 3.33 0.00089 ***
## Field文史哲學群 -2162.0 3715.4 -0.58 0.56072
## Field外語學群 2678.6 3777.3 0.71 0.47838
## Field生命科學學群 2883.1 4482.3 0.64 0.52019
## Field生物資源學群 -918.1 5074.5 -0.18 0.85645
## Field地球與環境學群 448.8 5184.8 0.09 0.93104
## Field法政學群 2547.6 3843.7 0.66 0.50758
## Field社會與心理學群 -742.7 3408.4 -0.22 0.82755
## Field建築與設計學群 5777.1 4095.3 1.41 0.15858
## Field財經學群 3780.9 3517.9 1.07 0.28269
## Field教育學群 667.9 3601.8 0.19 0.85292
## Field資訊學群 6565.6 3543.0 1.85 0.06409 .
## Field遊憩與運動學群 1289.9 4746.5 0.27 0.78585
## Field管理學群 -937.0 3432.9 -0.27 0.78494
## Field數理化學群 5488.6 3946.5 1.39 0.16454
## Field醫藥衛生學群 10069.3 3620.6 2.78 0.00550 **
## Field藝術學群 -5388.1 4581.6 -1.18 0.23979
## J_total 69.8 34.5 2.02 0.04326 *
## Hours 215.6 56.0 3.85 0.00012 ***
## SubEduOver高於工作要求 -8997.6 1353.6 -6.65 4.4e-11 ***
## SubEduOver低於工作要求 -8445.5 1766.1 -4.78 1.9e-06 ***
## Core部分關聯 4396.9 1646.5 2.67 0.00767 **
## Core核心關聯 2146.9 1311.6 1.64 0.10190
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 19100 on 1307 degrees of freedom
## Multiple R-squared: 0.291, Adjusted R-squared: 0.272
## F-statistic: 15.4 on 35 and 1307 DF, p-value: <2e-16
Ba2<-lm.beta::lm.beta(a2)
as.data.frame(coef(Ba2))
## coef(Ba2)
## (Intercept) 0.00000
## Gender男 0.14399
## Region宜花東離島 0.02939
## Region北北基 0.08986
## Region桃竹苗 0.12420
## Region中彰投 0.05945
## Region高屏澎 0.00688
## Sector國外學校 0.04722
## Sector國立（公立） 0.07703
## EduLv博士 0.06818
## EduLv碩士 0.31004
## EduLv普通大學 0.05921
## EduLv科技大學 -0.04525
## Field工程學群 0.20016
## Field文史哲學群 -0.01354
## Field外語學群 0.03530
## Field生命科學學群 0.00514
## Field生物資源學群 -0.00470
## Field地球與環境學群 0.00299
## Field法政學群 0.01778
## Field社會與心理學群 0.00902
## Field建築與設計學群 0.05501
## Field財經學群 0.05861
## Field教育學群 0.03874
## Field資訊學群 0.09036
## Field遊憩與運動學群 0.01213
## Field管理學群 -0.02094
## Field數理化學群 0.05096
## Field醫藥衛生學群 0.13310
## Field藝術學群 -0.03251
Ba3<-lm.beta::lm.beta(a3)
as.data.frame(coef(Ba3))
## coef(Ba3)
## (Intercept) 0.00000
## Gender男 0.14411
## Region宜花東離島 0.02745
## Region北北基 0.08545
## Region桃竹苗 0.12369
## Region中彰投 0.05241
## Region高屏澎 0.00431
## Sector國外學校 0.04489
## Sector國立（公立） 0.07443
## EduLv博士 0.06921
## EduLv碩士 0.29847
## EduLv普通大學 0.05525
## EduLv科技大學 -0.04731
## Field工程學群 0.19349
## Field文史哲學群 -0.01441
## Field外語學群 0.03391
## Field生命科學學群 0.00785
## Field生物資源學群 -0.00282
## Field地球與環境學群 0.00429
## Field法政學群 0.01608
## Field社會與心理學群 0.00843
## Field建築與設計學群 0.04901
## Field財經學群 0.05907
## Field教育學群 0.03452
## Field資訊學群 0.09243
## Field遊憩與運動學群 0.01244
## Field管理學群 -0.01618
## Field數理化學群 0.05065
## Field醫藥衛生學群 0.12811
## Field藝術學群 -0.03298
## J_total 0.03696
## Hours 0.08281
Ba42<-lm.beta::lm.beta(a42)
as.data.frame(coef(Ba42))
## coef(Ba42)
## (Intercept) 0.000000
## Gender男 0.159949
## Region宜花東離島 0.034338
## Region北北基 0.076235
## Region桃竹苗 0.121449
## Region中彰投 0.049022
## Region高屏澎 0.012048
## Sector國外學校 0.066526
## Sector國立（公立） 0.067659
## EduLv博士 0.060441
## EduLv碩士 0.283933
## EduLv普通大學 0.044267
## EduLv科技大學 -0.055201
## Field工程學群 0.186653
## Field文史哲學群 -0.014753
## Field外語學群 0.032761
## Field生命科學學群 0.022397
## Field生物資源學群 -0.000404
## Field地球與環境學群 0.007705
## Field法政學群 0.023917
## Field社會與心理學群 -0.010708
## Field建築與設計學群 0.051271
## Field財經學群 0.045507
## Field教育學群 0.010107
## Field資訊學群 0.087153
## Field遊憩與運動學群 0.005549
## Field管理學群 -0.005778
## Field數理化學群 0.047137
## Field醫藥衛生學群 0.112987
## Field藝術學群 -0.032672
## J_total 0.051595
## Hours 0.092976
## SubEduOver高於工作要求 -0.156562
## SubEduOver低於工作要求 -0.107342
## SubMismatch 0.068670
Ba52<-lm.beta::lm.beta(a52)
as.data.frame(coef(Ba52))
## coef(Ba52)
## (Intercept) 0.00000
## Gender男 0.13739
## Region宜花東離島 0.02936
## Region北北基 0.08772
## Region桃竹苗 0.12998
## Region中彰投 0.05977
## Region高屏澎 0.00814
## Sector國外學校 0.04025
## Sector國立（公立） 0.07152
## EduLv博士 0.06713
## EduLv碩士 0.31119
## EduLv普通大學 0.02672
## EduLv科技大學 -0.06667
## Field工程學群 0.19828
## Field文史哲學群 -0.02571
## Field外語學群 0.03062
## Field生命科學學群 0.01305
## Field生物資源學群 0.00369
## Field地球與環境學群 -0.00260
## Field法政學群 0.02134
## Field社會與心理學群 -0.01893
## Field建築與設計學群 0.04212
## Field財經學群 0.06197
## Field教育學群 0.02366
## Field資訊學群 0.08364
## Field遊憩與運動學群 0.01943
## Field管理學群 -0.01201
## Field數理化學群 0.04795
## Field醫藥衛生學群 0.11158
## Field藝術學群 -0.03808
## J_total 0.04422
## Hours 0.07960
## ObjOverover -0.08590
## ObjOverunder 0.07596
## Core部分關聯 0.07755
## Core核心關聯 0.03161
Ba6<-lm.beta::lm.beta(a6)
as.data.frame(coef(Ba6))
## coef(Ba6)
## (Intercept) 0.00000
## Gender男 0.15607
## Region宜花東離島 0.03430
## Region北北基 0.07714
## Region桃竹苗 0.12045
## Region中彰投 0.05005
## Region高屏澎 0.00990
## Sector國外學校 0.06312
## Sector國立（公立） 0.06808
## EduLv博士 0.06242
## EduLv碩士 0.29233
## EduLv普通大學 0.04436
## EduLv科技大學 -0.05330
## Field工程學群 0.18543
## Field文史哲學群 -0.02278
## Field外語學群 0.02648
## Field生命科學學群 0.01999
## Field生物資源學群 -0.00522
## Field地球與環境學群 0.00249
## Field法政學群 0.02357
## Field社會與心理學群 -0.00945
## Field建築與設計學群 0.04706
## Field財經學群 0.04383
## Field教育學群 0.00792
## Field資訊學群 0.07894
## Field遊憩與運動學群 0.00811
## Field管理學群 -0.01236
## Field數理化學群 0.04997
## Field醫藥衛生學群 0.11099
## Field藝術學群 -0.03624
## J_total 0.04792
## Hours 0.09146
## SubEduOver高於工作要求 -0.16538
## SubEduOver低於工作要求 -0.11702
## Core部分關聯 0.06629
## Core核心關聯 0.04221