Przykładowy raport z aplikacji SZTOS: Analiza moderacji w regresji
Raport sprawdza, czy siła związku między użytecznością a intencją zakupu zależy od trzeciej zmiennej (moderatora): interakcja w regresji, efekty warunkowe i wykres interakcji.
Wyjaśnienie metody i przykład krok po kroku: Regresja liniowa – przykład, Regresja liniowa.
Dane: zbiór demonstracyjny CRUIZE (N = 303; ankieta o akceptacji autonomicznego samochodu). Raport wygenerowała automatycznie aktualna wersja aplikacji SZTOS, bez ręcznych poprawek – tak wygląda materiał, który dostajesz do dalszej pracy.
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 Użyteczność b = 1.06; p < 0.001, nie wpływała istotnie zmienna Obawy b = 0.17; p = 0.387. Natomiast analiza efektów interakcyjnych w testowanym modelu wykazała, że w wyjaśnienie zmiennej Intencja zakupu zmienna Użyteczność i zmienna Obawy nie wchodziła ze sobą istotnie w interakcję b = -0.10; p = 0.080. Analiza współczynnika R² i jego skorygowanej wartości wykazała, że testowany model regresji wyjaśniał około 53.35% (52.88% 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) | -0.28 | 0.63 | -0.45 | 0.651 | NA | NA | NA |
| Użyteczność | 1.06 | 0.17 | 6.28 | 0.000 | 0.92 | 0.63 | 1.2 |
| Obawy | 0.17 | 0.20 | 0.87 | 0.387 | 0.12 | -0.15 | 0.39 |
| Użyteczność*Obawy | -0.10 | 0.06 | -1.76 | 0.080 | -0.07 | -0.15 | 0.01 |
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; 0.53 oraz 0.53.
W celu przekształcenia numerycznej zmiennej Obawy wykonano przekształcenie metodą cięcia względem tercyli. Podział ten skutkuje trzema przedziałami wyników: około 33.3% najniższych wyników, 33.3% przeciętnych wyników oraz 33.3% wysokich wyników.
Analiza porównań nasilenia wpływu zmiennej Użyteczność na zmienną Intencja zakupu wykazała, że w grupie Obawy Wyniki niskie był statystycznie podobny jak w grupie Obawy Wyniki przeciętne b = 0.02; t(299) = 1.76; p = 0.080. Efekt siły różnic między tymi grupami był słaby, współczynnik d Cohena wyniósł d = 0.03; 95%PU[ 0.00; 0.06]. W grupie Obawy Wyniki niskie i grupie Obawy Wyniki przeciętne obserwowano statystycznie podobną relację zmiennej Użyteczność ze zmienną Intencja zakupu, wyniki wynosiły odpowiednio bObawy Wyniki niskie = 0.80; t = 15.14; p < 0.001 Vs bObawy Wyniki przeciętne = 0.78; t = 15.24; p < 0.001
Analiza porównań nasilenia wpływu zmiennej Użyteczność na zmienną Intencja zakupu wykazała, że w grupie Obawy Wyniki niskie był statystycznie podobny jak w grupie Obawy Wyniki wysokie b = 0.06; t(299) = 1.76; p = 0.080. Efekt siły różnic między tymi grupami był słaby, współczynnik d Cohena wyniósł d = 0.08; 95%PU[-0.01; 0.18]. W grupie Obawy Wyniki niskie i grupie Obawy Wyniki wysokie obserwowano statystycznie podobną relację zmiennej Użyteczność ze zmienną Intencja zakupu, wyniki wynosiły odpowiednio bObawy Wyniki niskie = 0.80; t = 15.14; p < 0.001 Vs bObawy Wyniki wysokie = 0.74; t = 13.43; p < 0.001
Analiza porównań nasilenia wpływu zmiennej Użyteczność na zmienną Intencja zakupu wykazała, że w grupie Obawy Wyniki przeciętne był statystycznie podobny jak w grupie Obawy Wyniki wysokie b = 0.04; t(299) = 1.76; p = 0.080. Efekt siły różnic między tymi grupami był słaby, współczynnik d Cohena wyniósł d = 0.06; 95%PU[-0.01; 0.12]. W grupie Obawy Wyniki przeciętne i grupie Obawy Wyniki wysokie obserwowano statystycznie podobną relację zmiennej Użyteczność ze zmienną Intencja zakupu, wyniki wynosiły odpowiednio bObawy Wyniki przeciętne = 0.78; t = 15.24; p < 0.001 Vs bObawy Wyniki wysokie = 0.74; t = 13.43; p < 0.001
Wyniki przedstawia rysunek nr 1.
Rysunek nr 1
Analiza moderującej roli zmiennej Obawy na wzorce wpływu zmiennej Użyteczność na zmienność wyników Intencja zakupu
Nota: Kolorowe cieniowanie w okół linii regresji przedstawia 95% przedziały ufności dla oszacowań regresyjnych. Ciągła linia ——— oznacza istotny wpływ predyktora.
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💁♀✅
Chcesz taki raport dla swoich danych?
Policzymy Twoje wyniki i przygotujemy tabele, wykresy oraz opis w standardzie APA, który dopracujesz w pracy dyplomowej, doktoracie lub artykule. Pomagamy jak statystyk i redaktor – autorem pracy zostajesz Ty. Konsultacja i wycena są bezpłatne.
Inne przykładowe raporty
Polityka prywatności · Preferencje prywatności (cookies) · Kontakt
SZTOS IT Sp. z o.o., ul. Wyzwolenia 50,1D/11, 80-537 Gdańsk · NIP 9571170036 · KRS 0001089876 · REGON 527872203