原書第 9 章 Average Data Caution：用年薪與工作滿意度示範 aggregation（資料聚合／平均化）會讓相關係數看起來更強。
同一家公司中，原書比較 accountants、earth scientists 與 financial analysts 三類專業人員的 annual salary（年薪）與 job satisfaction（工作滿意度）。先使用個體資料，再把每個職業群組取平均後重新計算相關。
| 分析層級 | 資料處理 | Pearson r |
|---|---|---|
| 個體層級 | 保留每位員工的年薪與滿意度 | 0.71 |
| 群組層級 | 三類職業各自取平均後再相關 | 0.92 |
若有原始個體資料，應先計算個體層級 r，再視研究問題決定是否需要群組平均。不能只因平均後的 r 較高，就把它當成「更真實」的關係。
| 結果 | 原書數值 |
|---|---|
| 個體資料 r | 0.71 |
| 群組平均 r | 0.92 |
| 變化 | 平均化後關聯看起來更強 |
原書指出，將個體資料平均成群組後，群內差異被壓縮，散佈變小，因此線性關聯可能被放大。0.92 不能直接拿來說明「任何一名員工的薪資與滿意度都有極強關係」。分析層級必須與管理問題一致。
請比較個體層級 r=0.71 與職業群組平均後 r=0.92。說明為什麼平均化可能膨脹相關，並提醒不能用群組層級關係直接推論每個個體。
**問題：**若公司只公布各部門平均薪資與平均滿意度，能否據此判斷員工個人薪資越高就越滿意？