Przykładowy raport z aplikacji SZTOS: Regresja liniowa wieloraka
Raport sprawdza, które zmienne przewidują intencję zakupu w regresji liniowej wielorakiej: dopasowanie modelu, współczynniki, diagnostyka założeń i współliniowości oraz opis w stylu APA.
Wyjaśnienie metody i przykład krok po kroku: Regresja liniowa – przykład, Regresja liniowa, VIF – współliniowość predyktorów. Ten sam typ analizy w wersji PDF: raport PDF.
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). Wizualizacje wyników przeprowadzono z wykorzystaniem pakietu graficznego “ggplot2” (Wickham, 2016).
W celu wyjaśnienia zmiennej Intencja zakupu przeprowadzono wielozmiennową analizę regresji liniowej (Fisher, 1922). W analizie wzięło udział N = 303 badanych obserwacji. Analiza regresji wykazała istotne przewidywanie, F(4, 298) = 106.68; p < 0.001. Uwzględnione predyktory wyjaśniały znaczną część wariancji zmiennej Intencja zakupu, tj. około 59% (58% po skorygowaniu); R² = 0.59, adj.R² = 0.58. Istotność statystyczną osiągnęły 2 z 4 predyktorów. Analiza wykazała, że przewidywany przez model regresji średni poziom zmiennej Intencja zakupu wynosił M = 0.13. Analiza oszacowań poszczególnych predyktorów przyniosła następujące wyniki:
Największą siłę przewidywania zmiennej Intencja zakupu uzyskała zmienna Użyteczność, dla której odnotowano bardzo silny dodatni związek (B = 0.58; t = 9.48; p < 0.001; β = 0.50, 95%PU = [0.40; 0.60]). Siła tego predyktora nie różniła się jednak istotnie od pozostałych istotnych zmiennych w modelu (nakładające się 95% przedziały ufności dla współczynników β). Istotny statystycznie związek ze zmienną Intencja zakupu odnotowano również dla: Cele (B = 0.43; t = 6.60; p < 0.001; β = 0.31, 95%PU = [0.22; 0.40]). Pozostałe zmienne, tj. Łatwość (B = 0.02; t = 0.36; p = 0.723; β = 0.02, 95%PU = [-0.07; 0.10]) oraz Obawy (B = -0.09; t = -1.45; p = 0.149; β = -0.06, 95%PU = [-0.14; 0.02]), nie wykazały istotnego statystycznie związku ze zmienną Intencja zakupu.
Rezultaty oszacowań testowanego modelu przedstawia tabela nr 1. Wizualizacje wyników bazujących na oszacowaniach testowanego modelu przedstawia seria wykresów od nr 1 do nr 5
Tabela nr 1
Wpływ zmiennych Łatwość, Użyteczność, Obawy, Cele na poziom wyników zmiennej Intencja zakupu
| Zmienne w modelu | B | s.e. | t | DPU1 | GPU1 | p | β | DPU2 | GPU2 |
|---|---|---|---|---|---|---|---|---|---|
| Stała | 0.13 | 0.33 | 0.41 | -0.51 | 0.78 | 0.682 | NA | NA | NA |
| Łatwość | 0.02 | 0.06 | 0.36 | -0.09 | 0.13 | 0.723 | 0.02 | -0.07 | 0.10 |
| Użyteczność | 0.58 | 0.06 | 9.48 | 0.46 | 0.70 | < 0.001 | 0.50 | 0.40 | 0.60 |
| Obawy | -0.09 | 0.06 | -1.45 | -0.21 | 0.03 | 0.149 | -0.06 | -0.14 | 0.02 |
| Cele | 0.43 | 0.07 | 6.60 | 0.30 | 0.56 | < 0.001 | 0.31 | 0.22 | 0.40 |
Nota: B = Niestandaryzowany współczynnik regresji; s.e. = błąd standardowy dla B; t = Statystyka t studenta; DPU = Dolny przedział ufności; GPU = Górny przedział ufności; DPU1 / GPU1 = 95% przedziały ufności dla B; p = Istotność statystyczna; β = Standaryzowany współczynnik regresji; DPU2 / GPU2 = 95% przedziały ufności dla β; NA = Brak oszacowań standaryzowanych dla współczynnika stałej modelu regresji.
Rysunek nr 1
Wpływ zmiennej Łatwość na zmienną Intencja zakupu
Nota: Przerywana linia - - - - oznacza nieistotny wpływ predyktora Łatwość (B = 0.02; t = 0.36; p = 0.723; β = 0.02, 95%PU = [-0.07; 0.10]).
Rysunek nr 2
Wpływ zmiennej Użyteczność na zmienną Intencja zakupu
Nota: Ciągła linia - oznacza istotny wpływ predyktora Użyteczność (B = 0.58; t = 9.48; p < 0.001; β = 0.50, 95%PU = [0.40; 0.60]).
Rysunek nr 3
Wpływ zmiennej Obawy na zmienną Intencja zakupu
Nota: Przerywana linia - - - - oznacza nieistotny wpływ predyktora Obawy (B = -0.09; t = -1.45; p = 0.149; β = -0.06, 95%PU = [-0.14; 0.02]).
Rysunek nr 4
Wpływ zmiennej Cele na zmienną Intencja zakupu
Nota: Ciągła linia - oznacza istotny wpływ predyktora Cele (B = 0.43; t = 6.60; p < 0.001; β = 0.31, 95%PU = [0.22; 0.40]).
Rysunek nr 5
Wpływ zmiennych Łatwość, Użyteczność, Obawy, Cele na poziom wyników zmiennej Intencja zakupu
Nota: Wąsy błędów przedstawiają 95% przedziały ufności dla oszacowania B. Linie zachodzące na siebie przedstawiają w przybliżeniu brak różnic między predyktorami we wpływie na poziom Intencja zakupu. Natomiast, linie nie zachodzące na siebie przedstawiają w przybliżeniu istotne różnice we wpływie predyktorów na poziom zmiennej Intencja zakupu. Pod przedziałami podano wartości oszacowań B wraz z 95% przedziałami ufności (PU); *** p < 0.001; ** p < 0.01; * p < 0.05.
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