statystyka skrypt48

Jako rezultat obliczeń, otrzymuje się ekran wyników i po wybraniu przycisku [Podsumowani^ [regresji! uzyskuje się wyniki, które przedstawiono w tabeli 4.4.

Tabela 4.4

Wyniki regresji liniowej dla modelu Y**ax?

	Podsumowanie regresji zmiennej zależnej: LN-V2 (ciegna.sta) R*0,98247266 R2-0,96525254 Popraw. R^A2^: 0,96090910 F(l,8)=222,23 p<0,00000 Błąd std estymacji: 0,15085
N=10	BETA	Bind st. BETA	B	Błąd st. B	t(8)	poziom p
W. wolny LN-Yl	0,982473	0,065905	-0,420884 2,164311	0.066546 0,145183	6,32472 14.90747	0,000227 0,000000

Tabela 4.5

Tabela analizy wariancji dla zależności rcgmyjncj

	Analiza wariancji: DV: LN-V2		cicenŁSia)
	Suma kwadrat	df	Średnia kwadrat.	F	poziom p
Regres.	5,057253	1	5,057253	222.2326	0.000000
Rcszlk. Razem	0,182053 5,239306	8	0,022757

Z kolumny B tabeli 4.4 odczytuje się wyraz wolny In a"-0,420884 oraz współczynnik kierunkowy b • 2,164311. Zatem otrzyma się zależność:

lnf = -0,420884 + 2,16431 llnz.

Wartość bezwzględna statystyki |t| ■ 14,90747 dla współczynnika b jest dużo większa od wartości krytycznej to.os/2.8 ■ 2,306 co świadczy o istotności współczynnika ft. Podobnie wartość bezwzględna statystyki |t] = 6,32472 dla współczynnika a jest też dużo większa od wartości krytycznej, a więc wyraz wolny jest istotnie różny od zera. W obu przypadkach poziomy p są dużo niniejsze od przyjętego poziomu istotności a, co potwierdza wnioski powyższe. Do podobnego wniosku dojdzie się, analizując wartość statystyki F = 222,2326, która też znacznie przekracza wartość krytyczną Fo.os.i.s - 5,32. Kwadrat współczynnika korelacji R² ■ 0,9609 jest nieznacznie większy niż dla modelu liniowego, co świadczy o nieco lepszym dopasowaniu zależności do danych. Można zatem stwierdzić, że zależność:

f ■ 0,65647*^ww,ł

jest istotna statystycznie oraz jest dość dobrze dopasowana do danych i może służyć do opisu związku między zmienną Y a zmienną x.

58