Размещено на

Таблица 7. Основные параметры регрессии

Сводка для моделиb
Модель	R	R-квадрат	Скорректированный R-квадрат	Стандартная ошибка оценки	Дурбин-Уотсон
1	0,819a	0,670	0,594	0,7165	,923
a. Предикторы: (константа), Контроль, Время на принятие решений, Удовлетворённость заказчиков
b. Зависимая переменная: Проект был успешно выполнен

Так как выборка исследования не большая, более правильным будет опираться на скорректированный R²= 0,594. Это довольно высокий показатель. Модель статистически значима, о чём говорит анализ ANOVA, значит можно сделать вывод, что модель можно перенести на генеральную совокупность. Таким образом, практически 60% дисперсии генеральной совокупности объясняется представленной моделью.

Коэффициенты модели и их значимость представлены ниже


Таблица 8. Основные коэффициенты регрессионной модели.

Коэффициентыa
Модель		Нестандартизованные коэффициенты		Стандартизованные коэффициенты	т	Знач.
		B	Стандартная Ошибка	Бета
1	(Константа)	-,183	,768		-,239	,815
	Удовлетворённость заказчиков	,554	,193	,592	2,874	,013
	Время на принятие решений	,214	,166	,228	1,290	,220
	Контроль	,156	,173	,170	,901	,384
a. Зависимая переменная: Проект был успешно выполнен

Касательно коэффициентов стоит отметить несколько моментов:

Константа модели не значима, другими словами нет статистически обоснованных причин заявлять, что она отлична от 0. В модель, таким образом, её можно не включать. Переменные «Время на принятие решений» и «Контроль» также не обнаружили статистической значимости. Это говорит о том, что нет оснований полагать, что их уникальный вклад для генеральной совокупности не равен 0.
Причиной в данном случае является наличие автокорреляции: независимые переменные коррелируют между собой, как это отмечалось ранее. Об этом сигнализирует коэффициент Дарбина-Уотсона близкий к 1, а также низкое значение Tolerance.
Ещё одной проблемой модели является тот факт, что остатки не соответствуют кривой нормального распределения. (Смотри приложение 2) Это обусловлено недостаточной выборкой.
Построим уравнение регрессии:
Y = -0.183 + 0.554*(Ind1) + 0.214*(Ind3) + 0.156*(Ind8)

Таким образом, при увеличении значения переменной «Удовлетворённость заказчиков» на 1, переменная «Успешность проекта» увеличивается на 0,554, и так далее.

Уравнение регрессии (нестандартизированные коэффициенты при переменных) и стандартизированные коэффициенты в таблице говорят о том, что наибольший вклад в модель вносит переменная «Удовлетворённость заказчиков», то есть она наиболее сильно связана с успешностью проекта.
Так как 2 из 3 переменных в регрессионной модели не значимы для генеральной совокупности, была построена модель отдельно для каждой переменной: