- Дипломы
- Курсовые
- Рефераты
- Отчеты по практике
- Диссертации
Итерпретация результатов
В качестве результатов линейного регрессионного анализа SPSS выводит на экран компьютера три таблицы: «Model Summary», «ANOVA» и «Coefficients» (табл. 4.1,4.2 и 4.3). Таблица 4.1 Model Summary13 Adjusted R Std. Error of Model R R Square Square the Estimate Durbin-Watson 1 ,605е .366 ,366 587,685 1,874 а Predictors - влияющие переменные (константа): расходы на проживание. b Dependent Variable - зависимая переменная: общие расходы на отдых. В табл. 4.1 представлены основные показатели, оценивающие качество линейной модели, построенной в результате проведения регрессионного анализа. В рассматриваемом примере значение коэффициента детерминации R составляет 0,605 (>0,5), что свидетельствует о наличии тесной линейной взаимосвязи между суммой общих расходов на проведения отпуска и суммой, уплачиваемой туристами за проживание в гостинице или пансионе. Коэффициент R-квадрат (R Square) в рассматриваемом примере составляет всего 0,366. Это означает, что построенная регрессионная модель описывает только 36,6% случаев, когда увеличение суммы оплаты за проживание в гостинице или пансионе влечет за собой увеличение общих расходов на проведение отпуска. Это необходимо учитывать при применении результатов анализа в прогнозировании расходов туристов. Значение теста Дарбина—Уотсона на автокорреляцию в рассматриваемом примере составляет 1,874 (см. табл. 4.1), т.е. близко к 2. Это говорит об отсутствии систематических связей между остатками, т.е. между отклонениями наблюдаемых (эмпирических) значений от теоретически ожидаемых (расчетных). Таблица 4.2 ANOVAb Model Sum of Squares df Mean Square F Sig. 1 Регрессия 190625404,593 1 193625404,6 560,625 ,000a Остатки 335012199,316 970 345373,401 Всего 528637603,910 971 а Predictors - влияющие переменные (константа): расходы на проживание. b Dependent Variable - зависимая переменная: общие расходы на отдых. В последнем столбце таблицы «ANOVA» (см. табл. 4.2) значение показателя «Статистическая значимость» (Sig.) должно быть меньше или равно 0,5. В рассматриваемом примере этот показатель составляет ноль. Это свидетельствует о том, что регрессионная модель, построенная на основе данных респондентов, попавших в выборку, справедлива для всей генеральной совокупности в целом. Результаты регрессионного анализа, описывающие построенную регрессионную модель, представлены в табл. 4.3. Таблица 4.3 Coefficients8 Model Unstandardized Coefficients Standarc zed Coeffic Hits t Sig. B Std. Error Beta 1 (Constant) 642,273 31,526 20,373 ,000 Расходы на проживание 1,596 ,067 ,065 23,678 ,000 а Dependent Variable - зависимая переменная: общие расходы на отдых. В столбце «В» таблицы «Коэффициенты» представлены параметры построенной регрессионной модели. В рассматриваемом примере уравнение регрессии имеет вид у = 642,273 + 1,596х. Величина «Constant» показывает значение зависимой переменной при нулевом значении независимой переменной. Построенная регрессионная модель в рассматриваемом примере показывает, что если турист не тратит никаких денег за проживание в отеле или пансионе (например, если он остановился у друзей или живет в палатке), то его общие расходы на проведение отпуска в среднем составят 642,273 евро. В следующем столбце табл. 4.3 представлены стандартные ошибки (Std. Error). При доверительном интервале 95% каждый коэффициент может отклоняться от средней величины на ±2 х xStd.Error. Например, сумма общих расходов на проведение отпуска при нулевых затратах на проживание в гостинице или пансионе может отклоняться от среднего значения (642,273 евро) на ± 2 • 31,526, т.е. на ± 63,052 евро. Значение коэффициента регрессии независимой переменной «Затраты на проживание в гостинице или пансноне» в построенной модели составпяет 1,596. Это означает, что увеличение затрат на проживание в отеле или пансионе на 1 евро влечет за собой увеличение суммы общих затрат на проведение отпуска на 1,596 евро.
| Каталог работ |
