Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь FAQ Написать работу КАТЕГОРИИ: АрхеологияБиология Генетика География Информатика История Логика Маркетинг Математика Менеджмент Механика Педагогика Религия Социология Технологии Физика Философия Финансы Химия Экология ТОП 10 на сайте Приготовление дезинфицирующих растворов различной концентрацииТехника нижней прямой подачи мяча. Франко-прусская война (причины и последствия) Организация работы процедурного кабинета Смысловое и механическое запоминание, их место и роль в усвоении знаний Коммуникативные барьеры и пути их преодоления Обработка изделий медицинского назначения многократного применения Образцы текста публицистического стиля Четыре типа изменения баланса Задачи с ответами для Всероссийской олимпиады по праву Мы поможем в написании ваших работ! ЗНАЕТЕ ЛИ ВЫ?
Влияние общества на человека
Приготовление дезинфицирующих растворов различной концентрации Практические работы по географии для 6 класса Организация работы процедурного кабинета Изменения в неживой природе осенью Уборка процедурного кабинета Сольфеджио. Все правила по сольфеджио Балочные системы. Определение реакций опор и моментов защемления |
Интерпретация результатов множественного регрессионного анализаСодержание книги
Похожие статьи вашей тематики
Поиск на нашем сайте
В качестве результатов линейного регрессионного анализа SPSS выводит на экран компьютера три таблицы: «Model Summary», «ANOVA» и «Coefficients» (табл. 4.4,4.5 и 4.6). Поскольку при формировании задания на выполнение анализа был выбран пошаговый метод включения независимых переменных в регрессионную модель «Stepwise», то при представлении результатов анализа формируется несколько регрессионных моделей. В рассматриваемом примере таких моделей три (по числу независимых переменных). В соответствии с целями исследования основным результатом анализа является третья регрессионная модель, включающая все три независимые переменные (табл. 4.4). Сводная таблица модели Model Summary4
8 Predictors - влияющие переменные (константа): расходы на покупки. b Predictors - влияющие переменные (константа): расходы на покупки, расходы на проживание. с Predictors - влияющие переменные (константа): расходы на покупки, расходы на проживание, расходы на питание. d Dependent Variable - зависимая переменная: общие расходы на отдых. В сводной таблице модели представлены показатели, характеризующие качество построенных регрессионных моделей. В соответствии с целями исследования основным результатом нашего анааиза является третья регрессионная модель, включающая все три независимые переменные. В нашем примере значение коэффициента детерминации (R) составляет 0,937 (возможные значения от нуля до единицы), что свидетельствует о наличии плотной линейной взаимосвязи между суммой общих расходов на отпуск и суммами, расходуемыми туристами на текущие покупки, проживание и питание. Коэффициент R-квадрат (R Square) составляет 0,879. Это означает, что наша регрессионная модель описывает 87,9% случаев, т.е. ответов респондентов о структуре их расходов на отпуск. Показатели коэффициента детерминации и коэффициента R-квадрат для первых двух моделей ниже, чем для третьей модели (см. табл. 4.4). Также значения стандартной ошибки расчетов для первых двух моделей выше, чем для третьей. Это доказывает целесообразность включения в регрессионную модель всех ipex независимых переменных. Сводная таблица модели представляет также результат теста Дарбина—Уотсона на автокорреляцию, значение которого должно быть приближено к 2, что свидетельствует об отсутствии системных связей между остатками, т.е. между отклонениями эмпирических (наблюдаемых) значений от теоретически ожидаемых (расчетных). В рассматриваемом примере значение этого показателя составляет 1,930, что является очень хорошим результатом. В последнем столбце таблицы «ANOVA» (см. табл. 4.5) значение показателя «Статистическая значимость» (S g.) должно быть меньше или равно 0,05. В нашем примере для всех трех моделей этот показатель составляет 0,000. Это свидетельствует о том, что регрессионные модели, построенные на основе данных респондентов, попавших в выборку, справедливы для всей генеральной совокупности в целом. 8 Predictorr - влияющие переменные (константа): расходы на покупки. b Predictors - влияющие переменные (константа): расходы на покупки, расходы на проживание. с nredictors - влияющие переменные (константа): расходы на покупки, расходы на проживание, расходы на питание. d Dependent Variable - зависимая переменная: общие расходы на отдых. В табл. 4.6 представлены параметры моделей, построенных в результате линейного регрессионного анализа. В рассматриваемом примере результатом анализа является третья регрессионная модель, включающая все независимые переменные. Интерпретация результатов таблицы начинается с рассмотрения статистических показателей, характеризующих коллинеарность (наличие взаимосвязи) между независимыми переменными регрессионной модели (Collinearity Statistics). Значение показателя «Tolerance» должно превышать 0,1, а значение показателя «VIF» должно быть менее 10. В рассматриваемом примере значение «Tolerance» составляет 0,907, а «VIF» — 1,102, что свидетельствует о невозможности возникновения нежелательного эффекта муль- ти кол л и неарн ости. Стандартизированные коэффициенты регрессии (Beta) показывают относительную значимость независимых переменных, включенных в регрессионную модель. Иными словами, они показывают, как сильно влияют исследуемые факторы (независимые переменные) на итоговую величину (зависимую переменную). В рассматриваемом примере наибольшей значимостью обладает первая независимая переменная (Beta = 0,613). Это означает, что расходы на крупные покупки могут почти в два раза увеличить сумму общих расходов на отдых по сравнению с расходами на проживание (Beta = 0,366) и питание (Beta = 0,313). Результаты анализа можно объяснить тем, что расходы на питание и проживание в отеле/пансионе во время отдыха являются запланированными. Изменение этих расходов не ведет к резкому изменению расходов на отдых в целом. Что касается расходов на такие крупные покупки, как одежда, обувь, фотоаппаратура, спортивное снаряжение и т.п., то они, как правило, не являются запланированными. Туристы, отправляясь на отдых в курортную зону «Баварский лес», не планируют крупных покупок, поскольку этот регион не отличается низкими ценами. Именно поэтому совершение крупных покупок способно привести к резкому увеличению расходов на отдых. В табл. 4.6 представлены также нестандартизированные коэффициенты регрессии (В). Они являются наиболее важными показателями результатов анализа, поскольку используются для построения регрессионной модели (регрессионного уравнения). Следует отметить, что постоянный член рефессионного уравнения (Constant) в данном случае имеет достаточно большую величину (44,286). Это свидетельствует о том, что включенные в уравнение независимые переменные не в полной мере описывают зависимую переменную. В нашем примере это означает, что среди расходов на отпуск кроме затрат на покупки, оплаты проживания и расходов на питание существуют другие важные статьи затрат, например затраты на транспорт. Результатом линейного регрессионного анализа является модель линейной регрессии (регрессионное уравнение) где у — общие расходы туристов на проведение отдыха; х1 — расходы на покупки (одежды, обуви, галантерейных товаров, украшений, фотоаппаратуры и т.д.); х2 — расходы на проживание в отеле или пансионе (включая расходы на обслуживание); х3 — расходы на питание (покупки продуктов в магазинах, посещение кафе и ресторанов). Регрессионная модель является универсальной, поскольку описывает 87,9% случаев, т.е. ответов респондентов о структуре их расходов на отпуск. Она может быть использована специалистами по маркетингу при решении вопросов ценообразования в исследуемой курортной зоне. КОНТРОЛЬНЫЕ ВОПРОСЫ Назовите цели проведения и возможности использования результатов регрессионного анализа. Какие требования предъявляются к переменным, участвующим в проведении регрессионного анализа, в отношении типов шкал измерения? Как выглядит математическое описание регрессионной модели для простой и множественной линейной регрессии? Что характеризуют коэффициент детерминации и коэффициент R-квадрат, рассчитываемые при проведении регрессионного анализа? Как можно интерпретировать результаты, если значение коэффициента детерминации составляет 0,708, а коэффициента R-квадрат — 0,623? С какой целью в ходе проведения регрессионного анализа производится тест Дарбина—Уотсона? Как можно интерпретировать результаты, если значение этого показателя составляет 1,487? С какой целью в ходе проведения регрессионного анализа производится тест «ANOVA»? Как следует интерпретировать результаты, если величина «Significance» («Значимость») по результатам этого теста составляет 0,03? Для чего служат стандартизированные (Beta) и нестандартизирован- ные (В) коэффициенты регрессии? Какие команды SPSS используются для построения диаграммы рассеяния и тренда, иллюстрирующего результаты простой линейной регрессии? В чем заключается особенность представления результатов множественного регрессионного анализа при использовании пошаговых методов включения переменных в регрессионную модель? В чем заключается эффект мультиколлинеарности при проведении множественного регрессионного анализа и по каким показателям определяется возможность возникновения этого эффекта? ФАКТОРНЫЙ АНАЛИЗ
|
||||||||||||||||||||||||||||
Последнее изменение этой страницы: 2016-04-08; просмотров: 2902; Нарушение авторского права страницы; Мы поможем в написании вашей работы! infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 3.15.26.184 (0.011 с.) |