Fallbeispiel SPSS

Werbung
1/2
Lukas Dorner, Julia Jäger, Andreas Cvilak, Sandra Frischmann, Michael Gundrum
Fallbeispiel SPSS / Lineare Mehrfachregression
Margarineabsatz in Abhängigkeit von Preis, Ausgaben und Zahl der Vertreterbesuche
Methode: Einschluss
„Analysieren“ > „Regression“ > „Linear“
Abhängige Variable: MENGE
Unabhängige Variable: PREIS, AUSGABEN, BESUCHE
Methode: Einschluss
Ergebnisinterpretation
1.) Regressionsfunktion
Regressionskoeffizienten bj für die unabhängigen Variablen BESUCHE, PREIS,
AUSGABEN
 Tabelle Koeffizienten; Spalte B
 Regressionsfunktion lautet damit:
MENGE = 652,01 – 33,74 * Preis + 10,17 * Besuche + 0,508 Ausgaben
Koeffizienten(a)
Nicht standardisierte
Koeffizienten
Modell
1
Standardfe
hler
B
(Konstante)
652,099
243,995
Preis
-33,744
16,569
10,172
1,839
,508
,054
Vertreterbesuche
Werbeausgaben
Standardisiert
e
Koeffizienten
Beta
T
Signifikanz
2,673
,012
-,143
-2,037
,050
,407
5,532
,000
,695
9,458
,000
a Abhängige Variable: Absatzmenge
2.) Globale Gütemaße
 Tabelle Modellzusammenfassung
R² - dieser Wert besagt, dass 84 % der Variation der Absatzmenge durch die drei
Regressoren erklärt wird - abhängig von Problemstellung, ob dies ein guter Wert ist –
desto höher desto besser, Gütemaß für die Anpassung der Regressionsfunktion;
Verhältnis aus erklärter und nicht erklärter Streuung
Korrigiertes Bestimmtheitsmaß: berücksichtigt auch die Aufnahme von irrelevanten
Regressoren, wodurch das Bestimmtheitsmaß abnehmen kann (durch Korrekturgröße,
die umso größer ist, je größer die Zahl der Regressoren und je kleiner die Zahl der
Freiheitsgrade ist)
2/2
Standardfehler des Schätzers: ist ein Gütemaß für die Regressionsfunktion: vergleicht
die Beobachtungswerte mit den Schätzwerten: je größer der Standardfehler, desto
größer die Residuen (nicht erklärte Streuung)
Modellzusammenfassung
Modell
1
R
,915(a)
R-Quadrat
,837
Korrigiertes RQuadrat
,822
Standardfe
hler des
Schätzers
160,03567
a Einflußvariablen : (Konstante), Werbeausgaben, Preis, Vertreterbesuche
3.) Prüfung der Regressionsfunktion
F-Test
 Tabelle ANOVA
Regression: = die erklärte Streuung
Residuen: = nicht erklärte Streuung
F-Wert: Misst die Gültigkeit des Modells über die Stichprobe hinaus. Der erzielte FWert hoch signifikant. Folglich kann die Nullhypothese abgelehnt werden  es
besteht ein Zusammenhang
Geht auf den Stichprobenumfang ein und berücksichtigt eine Zufallsgröße
(Störgröße).
Nullhypothese: Es besteht kein systematischer Zusammenhang zwischen der
abhängigen und den unabhängigen Variablen.
ANOVA(b)
Quadratsu
Mittel der
mme
df
Quadrate
F
Regression
4345986,2
1448662,07
3
56,563
10
0
Residuen
845176,76
33
25611,417
3
Gesamt
5191162,9
36
73
a Einflußvariablen : (Konstante), Werbeausgaben, Preis, Vertreterbesuche
b Abhängige Variable: Absatzmenge
Modell
1
Signifikanz
,000(a)
4.) Prüfung der Regressionskoeffizienten
 Tabelle Koeffizienten
Standardfehler: werden für die Ermittlung der t-Werte benötigt.
Beta-Wert: Wir erkennen, dass die Ausgaben den höchsten Beta-Wert annehmen.
Daraus können wir schließen, dass diese den stärksten Einfluss auf die Absatzmenge
haben. Dieser B-Wert ergibt sich durch die Standardisierung der Messdimension, da
z.B. Preis und Vertreterbesuche nicht miteinander verglichen werden können.
t-Werte: Entsprechend der B-Werte ist auch der t-Wert für die Ausgaben am höchsten.
Der Einfluss aller drei Regressoren kann als signifikant angesehen werden.
Herunterladen