Емприрично изследване – Множествена регресия“ Въведение
Изтегляне 163.53 Kb.
|
- Навигация на страницата:
- Ето и резултатите: Multiple R
- Observations
Това е моделът базиран на нашите данни: Той предполага, че оценката по счетоводство е функция на учебните часове, оценката по математика и оценката по статистика. Ето и резултатите: Multiple R: 0,993: Това е множествената корелация между зависимата променлива (оценка по счетоводство) и три независими променливи – учебни часове, оценка по математика и оценка по статистика. R-Square: 0,987: Това е процентът на дисперсията в зависимата променлива, обяснена от независимите променливи. Стойността на R-квадрат от 0,987 показва, че 98,7% от вариацията в счетоводната оценка може да се обясни с трите променливи. Този R-квадрат се нарича още коефициент на детерминация. Adjusted R Square: 0,980. Тази стойност на R-квадрат се коригира за броя на независимите променливи в модела. Тази стойност винаги е по-малка от R-квадрата и ще намалява, когато използваме повече независими променливи. Standard Error: 1,492: Това е разстоянието между линията на регресия и стойностите на наблюдението. В нашия пример наблюдаваните стойности падат средно с 1,492 единици от регресионната линия. Observations: 10. Това е размерът на извадката от набора от данни, използван за изпълнение на регресията. В нашия пример е 10. Intercept:19.490: Коефициентът на прихващане. Стойността 19,49 означава, че очакваната оценка по счетоводство ще бъде 19,49 за ученик, който учи нула часа, има нула по математика и статистика. Coefficients: Коефициентите за всяка независима променлива ни казват очакваната промяна в зависимата променлива, като приемем, че другата независима променлива остава постоянна. Например, за всеки допълнителен час обучение се очаква средната оценка по счетоводство да се увеличи с 1,83, ако приемем, че другите променливи остават постоянни. Изтегляне 163.53 Kb. Сподели с приятели:
|