Wyniki analizy ✅

🔮Seria analiz dla zmiennej niezależnej Obawy

🧨Seria analiz dla moderatora Płeć

Analiza regresji dla zmiennej Intencja zakupu

Niniejszą analizę i raport opisowy wykonano w Systemie Zautomatyzowanego Tworzenia Opisu Statystycznego - SZTOS (Hryniewicz, Milewska, 2023). Wizualizację wyników przeprowadzono z wykorzystaniem pakietu graficznego “ggplot2” (Wickham, 2016).

W celu analizy wyników wykonano analizę regresji (Fisher, 1922), która wykazała, że na wyjaśnienie zmiennej Intencja zakupu wpływała istotnie zmienna Obawy b = -0.72; p < 0.001, nie wpływała istotnie zmienna PłećMężczyzna b = -0.65; p = 0.153. Natomiast analiza efektów interakcyjnych w testowanym modelu wykazała, że w wyjaśnienie zmiennej Intencja zakupu zmienna Obawy i zmienna PłećMężczyzna nie wchodziła ze sobą istotnie w interakcję b = 0.16; p = 0.311. Analiza współczynnika R² i jego skorygowanej wartości wykazała, że testowany model regresji wyjaśniał około 18.05% (17.23% po skorygowaniu) zmienności wyników zmiennej zależnej Intencja zakupu. Siłę wpływu testowanych zmiennych oceniano pod względem wartości statystyki d Cohena (Cohen, 1988). Wyniki oszacowań przedstawia tabela nr 1.

Tabela nr 1

Oszacowania analizy regresji dla zmiennej Intencja zakupu

Efekt b s.e t p β DPU GPU
(Intercept) 4.88 0.35 14.09 0.000 NA NA NA
Obawy -0.72 0.11 -6.35 0.000 -0.5 -0.65 -0.34
PłećMężczyzna -0.65 0.46 -1.43 0.153 -0.63 -1.5 0.24
Obawy*PłećMężczyzna 0.16 0.16 1.01 0.311 0.16 -0.15 0.46

Nota: b = niestandaryzowane oszacowanie analizy regresji; s.e. = błąd standardowy oszacowania b, t = statystyka t Studenta; p = istotnośc statystyczna;β = Standaryzowany współczynnik regresji; DPU / GPU = 95% przedziały ufności dla β; NA = Brak oszacowań standaryzowanych dla współczynnika stałej modelu regresji. R² i jego skorygowana wartość dla testowanego modelu wyniosła odpowiednio; 0.18 oraz 0.17.

Wpływ zmiennej Płeć na zmienną Intencja zakupu

Analiza wyników testowanego efektu głównego zmiennej Płeć w modelu regresji wykazała, że przyjmowanie kategorii Mężczyzna wiązało się ze spadkiem wyników zmiennej Intencja zakupu o wartość -0.65 w porównaniu do kategorii Kobieta. Uzyskany wynik nie był istotny statystycznie b = -0.65; s.e. = 0.46; t = 0.46; p = 0.153.

Wpływ zmiennej Obawy na zmienną Intencja zakupu

Analiza wyników testowanego efektu głównego w analizie regresji wykazała, że wzrost wyników zmiennej Obawy o jeden punkt pomiarowy wiązał się ze spadkiem wyników zmiennej Intencja zakupu o wartość -0.72. Uzyskany wynik był istotny statystycznie b = -0.72; s.e. = 0.11; t = 0.11; p < 0.001.

Analiza wpływu zmiennej moderującej Płeć na wzorce wpływu zmiennej Obawy na zmienność wyników Intencja zakupu

Analiza porównań nasilenia wpływu zmiennej Obawy na zmienną Intencja zakupu wykazała, że w grupie Kobieta był statystycznie podobny jak w grupie Mężczyzna b = -0.16; t(299) = -1.01; p = 0.311. Efekt siły różnic między tymi grupami był słaby, współczynnik d Cohena wyniósł d = -0.17; 95%PU[-0.51; 0.16]. W grupie Kobieta i grupie Mężczyzna obserwowano statystycznie podobną relację zmiennej Obawy ze zmienną Intencja zakupu, wyniki wynosiły odpowiednio bKobieta = -0.72; t = -6.35; p < 0.001 Vs bMężczyzna = -0.56; t = -5.01; p < 0.001

Wyniki przedstawia rysunek nr 1.

Rysunek nr 1

Analiza moderującej roli zmiennej Płeć na wzorce wpływu zmiennej Obawy na zmienność wyników Intencja zakupu

Nota: Kolorowe cieniowanie w okół linii regresji przedstawia 95% przedziały ufności dla oszacowań regresyjnych.

Podsumowanie wyników

Analiza wykazała, że obawy miały istotny, ujemny wpływ na intencję zakupu — im większe obawy, tym mniejsza była intencja zakupu. Bycie mężczyzną samo w sobie nie wpływało istotnie na intencję zakupu, czyli obecność kategorii mężczyzna nie zmieniała znacząco poziomu intencji. Nie wykryto także istotnego efektu interakcji między obawami a płcią, co oznaczało, że związek między obawami a intencją zakupu był podobny dla kobiet i mężczyzn; w obu grupach relacja była ujemna, a różnica między grupami była słaba. Testowany model wyjaśniał w przybliżeniu jedną piątą zmienności intencji zakupu, więc wpływ zmiennych był zauważalny, ale nie dominujący.

Bibliografia

Cohen, J. (2013). Statistical Power Analysis for the Behavioral Sciences. Routledge. https://doi.org/10.4324/9780203771587

Fisher, R. A. 1922. The goodness of fit of regression formulae, and the distribution of regression coefficients. Journal of the Royal Statistical Society. 85 (4), pp. 597-612. https://doi.org/10.2307/2341124

Hryniewicz, K., Milewska, A. (2023). SZTOS: System Zautomatyzowanego Tworzenia Opisu Statystycznego (Wersja SZTOS) [Oprogramowanie]. https://sztos-it.com/

Wickham, H. (2016). ggplot2: Elegant Graphics for Data Analysis. Springer-Verlag New York. ISBN 978-3-319-24277-4

Masz pytania do raportu🔮⁉️
Kliknij i porozmawiaj z naszą statystyczną asystentką Danką💁‍♀✅

💬
Danka💁‍♀️ - Asystentka AI

Cześć, nazywam się Danka👩 Jestem algorytmem, ale moi Twórcy wierzą, że pomogę Ci zrozumieć ten raport👩‍💻