Студопедия

Главная страница Случайная страница

Разделы сайта

АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторикаСоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника






Регрессионный анализ






1. Выполним линейный регрессионный анализ. Меню анализ|регрессия| линейно: зависимость (зависимая переменная): op, независимые: rekl, torgpred, метод: enter, статистика: regression coefficients: estimates; model fit; part and partial correlations. Просмотрите результаты анализа. В таблице model summary множественный коэффициент детерминации R Square = 0, 759 означает, что количество показов рекламы и количество торговых представителей, объясняют около 76% дисперсии объема продаж. 24% дисперсии объема продаж остаются необъясненными моделью. Уровень значимости sig = 0, 014, показанный в таблице ANOVA позволяет сделать вывод о статистической достоверности модели.

В таблице coefficients содержится информация о стандартизованных (Beta) и нестандартизованных (B) угловых коэффициентах переменных rekl и torgpred. В уравнение регрессии, которое можно использовать для прогнозирования, входят нестандартизованные коэффициенты B:

 

y = 181, 5 + 27 * Recl – 6, 1 * TorgPred. (3)

 

Уровни значимости sig = 0, 858 и sig = 0, 1 показывают, что ни одна из независимых переменных не вносит статистически значимого вклада в дисперсию зависимой переменной. Тем не менее, модель в целом является статистически достоверной уровне sig = 0, 014. Причиной такого несоответствия в данном случае является сильная корреляция между независимыми переменными. Обратите внимание на частные (partial) и парные (zero-order) коэффициенты корреляции между переменными rekl, torgpred и переменной op. Большая разница между этими коэффициентами у переменной torgpred (partial = –0, 076; zero-order = 0, 779) говорит о ее сильной корреляции с переменной rekl. Таким образом, хотя модель в целом является статистически значимой, вследствие сильной связи между независимыми переменными, отдельный вклад каждой из них определить невозможно.

2. Теперь по аналогии выполните регрессионный анализ для зависимой переменной op и независимых переменных rekl и effectiv. Обратите внимание на отсутствие сильной корреляции между переменными rekl и effectiv.

В результатах анализа найдите следующую информацию:

– какой процент дисперсии объема продаж объясняет данная модель?

– каков уровень значимости модели?

– запишите уравнение модели, которое можно использовать для прогнозирования объема продаж;

– каков уровень значимости вклада в объяснение дисперсии переменной rekl?

– каков уровень значимости вклада в объяснение дисперсии переменной effectiv?

– какая переменная вносит большой вклад в дисперсию объема продаж?

 






© 2023 :: MyLektsii.ru :: Мои Лекции
Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав.
Копирование текстов разрешено только с указанием индексируемой ссылки на источник.