Размещено на

Таблица 9. Дополнительные регрессионные модели

Модель	Уравнение регрессии	Скорректированный R2	Значимость регрессии (ANOVA)
Ind 1	Y = 0.429+0.732*(Ind1)	0.585	0.000
Ind 3	Y = 1.714 + 0.482*(Ind3)	0.216	0.035
Ind 8	Y = 1.788 + 0.485*(Ind8)	0.233	0.029

Где Ind 1 - Ориентация на удовлетворённость заказчиков , Ind 3 - Время на принятие решений , Ind 8 - Контроль

Для переменной «Удовлетворённость заказчиков». Уравнение регрессии: . Скорректированный R²для этой модели равен …, что незначительно меньше показателя для модели с 3 переменными, таким образом можно сделать вывод, что добавление 2 других переменных практически не вносит улучшения в модель.

При этом для 2 других отдельно регрессия тоже значима, а в совместной модели нет. Это говорит о мультиколлинеарности.
Для проверки гипотезы о влиянии опыта работы с agile практиками, был проведён регрессионный анализ с использованием фиктивных переменных. Данный способ позволяет проверить силу связи, когда независимая переменная представлена порядковой или номинальной шкалой. В данном случае опыт измерялся не в единицах времени, а порядковой шкалой. Результаты анализа представлены в таблице.
Статистически значимой корреляции между успешностью проекта и опытом респондента не обнаружено. Скорее всего, данный результат вызван ограниченностью выборки.