Model wpływu zmiennej Obawy, Cele na wyniki zmiennej Intencja zakupu.
Niniejszą analizę i raport opisowy wykonano w Systemie Zautomatyzowanego Tworzenia Opisu Statystycznego - SZTOS (Hryniewicz, Milewska, 2023). Wizualizacje wyników przeprowadzono z wykorzystaniem pakietu graficznego “ggplot2” (Wickham, 2016).
W celu wyjaśnienia zmiennej Intencja zakupu przeprowadzono wielozmiennową analizę regresji liniowej (Fisher, 1922). W analizie wzięło udział N = 303 badanych obserwacji. W celu ujednolicenia jednostek pomiaru i ułatwienia interpretacji wyników analizy regresji, wystandaryzowano analizowane zmienne względem średniej wynoszącej 0 i odchylenia standardowego równego 1. Analiza regresji wykazała istotne przewidywanie, F(2, 300) = 116.16; p < 0.001. Uwzględnione predyktory wyjaśniały znaczną część wariancji zmiennej Intencja zakupu, tj. około 44% (43% po skorygowaniu); R² = 0.44, adj.R² = 0.43. Oba predyktory uwzględnione w modelu okazały się istotne statystycznie. Analiza wykazała, że przewidywany przez model regresji średni poziom zmiennej Intencja zakupu wynosił M = 0.00. Analiza oszacowań poszczególnych predyktorów przyniosła następujące wyniki:
Największą siłę przewidywania zmiennej Intencja zakupu uzyskała zmienna Cele, dla której odnotowano bardzo silny dodatni związek (B = 0.57; t = 12.11; p < 0.001; β = 0.57, 95%PU = [0.48; 0.66]). Siła tego predyktora była istotnie większa niż pozostałych istotnych zmiennych w modelu (rozłączne 95% przedziały ufności dla współczynników β). Istotny statystycznie związek ze zmienną Intencja zakupu odnotowano również dla: Obawy (B = -0.18; t = -3.94; p < 0.001; β = -0.18, 95%PU = [-0.28; -0.09]).
Rezultaty oszacowań testowanego modelu przedstawia tabela nr 1. Wizualizacje wyników bazujących na oszacowaniach testowanego modelu przedstawia seria wykresów od nr 1 do nr 3
Tabela nr 1
Wpływ zmiennych Obawy, Cele na poziom wyników zmiennej Intencja zakupu
| Zmienne w modelu | B | s.e. | t | DPU1 | GPU1 | p | β | DPU2 | GPU2 |
|---|---|---|---|---|---|---|---|---|---|
| Stała | 0.00 | 0.04 | 0.00 | -0.09 | 0.09 | 1.000 | NA | NA | NA |
| Obawy | -0.18 | 0.05 | -3.94 | -0.28 | -0.09 | < 0.001 | -0.18 | -0.28 | -0.09 |
| Cele | 0.57 | 0.05 | 12.11 | 0.48 | 0.66 | < 0.001 | 0.57 | 0.48 | 0.66 |
Nota: B = Niestandaryzowany współczynnik regresji; s.e. = błąd standardowy dla B; t = Statystyka t studenta; DPU = Dolny przedział ufności; GPU = Górny przedział ufności; DPU1 / GPU1 = 95% przedziały ufności dla B; p = Istotność statystyczna; β = Standaryzowany współczynnik regresji; DPU2 / GPU2 = 95% przedziały ufności dla β; NA = Brak oszacowań standaryzowanych dla współczynnika stałej modelu regresji.
Rysunek nr 1
Wpływ zmiennej Obawy na zmienną Intencja zakupu
Nota: Ciągła linia - oznacza istotny wpływ predyktora.
Rysunek nr 2
Wpływ zmiennej Cele na zmienną Intencja zakupu
Nota: Ciągła linia - oznacza istotny wpływ predyktora.
Rysunek nr 3
Wpływ zmiennych Obawy, Cele na poziom wyników zmiennej Intencja zakupu
Nota: Wąsy błędów przedstawiają 95% przedziały ufności dla
oszacowania B. Linie zachodzące na siebie przedstawiają w przybliżeniu
brak różnic między predyktorami we wpływie na poziom Intencja zakupu.
Natomiast, linie nie zachodzące na siebie przedstawiają w przybliżeniu
istotne różnice we wpływie predyktorów na poziom zmiennej Intencja
zakupu.
Model wpływu zmiennej Obawy, Cele na wyniki zmiennej Użyteczność.
W celu wyjaśnienia zmiennej Użyteczność przeprowadzono wielozmiennową analizę regresji liniowej (Fisher, 1922). W analizie wzięło udział N = 303 badanych obserwacji. W celu ujednolicenia jednostek pomiaru i ułatwienia interpretacji wyników analizy regresji, wystandaryzowano analizowane zmienne względem średniej wynoszącej 0 i odchylenia standardowego równego 1. Analiza regresji wykazała istotne przewidywanie, F(2, 300) = 104.53; p < 0.001. Podobnie jak w przypadku modelu dla zmiennej Intencja zakupu, uwzględnione predyktory wyjaśniały znaczną część wariancji zmiennej Użyteczność, tj. około 41% (41% po skorygowaniu); R² = 0.41, adj.R² = 0.41. Oba predyktory uwzględnione w modelu okazały się istotne statystycznie. Analiza wykazała, że przewidywany przez model regresji średni poziom zmiennej Użyteczność wynosił M = 0.00. Analiza oszacowań poszczególnych predyktorów przyniosła następujące wyniki:
Największą siłę przewidywania zmiennej Użyteczność uzyskała zmienna Cele, dla której odnotowano bardzo silny dodatni związek (B = 0.51; t = 10.54; p < 0.001; β = 0.51, 95%PU = [0.41; 0.60]). Siła tego predyktora była istotnie większa niż pozostałych istotnych zmiennych w modelu (rozłączne 95% przedziały ufności dla współczynników β). Istotny wpływ na zmienną Użyteczność wykazano także w przypadku: Obawy (B = -0.25; t = -5.13; p < 0.001; β = -0.25, 95%PU = [-0.34; -0.15]).
Rezultaty oszacowań testowanego modelu przedstawia tabela nr 2. Wizualizacje wyników bazujących na oszacowaniach testowanego modelu przedstawia seria wykresów od nr 4 do nr 6
Tabela nr 2
Wpływ zmiennych Obawy, Cele na poziom wyników zmiennej Użyteczność
| Zmienne w modelu | B | s.e. | t | DPU1 | GPU1 | p | β | DPU2 | GPU2 |
|---|---|---|---|---|---|---|---|---|---|
| Stała | 0.00 | 0.04 | 0.00 | -0.09 | 0.09 | 1.000 | NA | NA | NA |
| Obawy | -0.25 | 0.05 | -5.13 | -0.34 | -0.15 | < 0.001 | -0.25 | -0.34 | -0.15 |
| Cele | 0.51 | 0.05 | 10.54 | 0.41 | 0.60 | < 0.001 | 0.51 | 0.41 | 0.60 |
Nota: B = Niestandaryzowany współczynnik regresji; s.e. = błąd standardowy dla B; t = Statystyka t studenta; DPU = Dolny przedział ufności; GPU = Górny przedział ufności; DPU1 / GPU1 = 95% przedziały ufności dla B; p = Istotność statystyczna; β = Standaryzowany współczynnik regresji; DPU2 / GPU2 = 95% przedziały ufności dla β; NA = Brak oszacowań standaryzowanych dla współczynnika stałej modelu regresji.
Rysunek nr 4
Wpływ zmiennej Obawy na zmienną Użyteczność
Nota: Ciągła linia - oznacza istotny wpływ predyktora.
Rysunek nr 5
Wpływ zmiennej Cele na zmienną Użyteczność
Nota: Ciągła linia - oznacza istotny wpływ predyktora.
Rysunek nr 6
Wpływ zmiennych Obawy, Cele na poziom wyników zmiennej Użyteczność
Nota: Wąsy błędów przedstawiają 95% przedziały ufności dla
oszacowania B. Linie zachodzące na siebie przedstawiają w przybliżeniu
brak różnic między predyktorami we wpływie na poziom Użyteczność.
Natomiast, linie nie zachodzące na siebie przedstawiają w przybliżeniu
istotne różnice we wpływie predyktorów na poziom zmiennej
Użyteczność.
Model wpływu zmiennej Obawy, Cele na wyniki zmiennej Łatwość korzystania.
Aby zbadać uwarunkowania zmiennej Łatwość korzystania, zastosowano wielozmiennową analizę regresji liniowej (Fisher, 1922). W analizie wzięło udział N = 303 badanych obserwacji. W celu ujednolicenia jednostek pomiaru i ułatwienia interpretacji wyników analizy regresji, wystandaryzowano analizowane zmienne względem średniej wynoszącej 0 i odchylenia standardowego równego 1. Przeprowadzony test modelu wskazał na istotne przewidywanie, F(2, 300) = 18.78; p < 0.001. W odróżnieniu od modelu dla zmiennej Użyteczność (R² = 0.41), testowany model pozwalał wyjaśnić umiarkowaną część zmienności wyników zmiennej Łatwość korzystania, to jest około 11% (11% po skorygowaniu); R² = 0.11, adj.R² = 0.11. Oba predyktory uwzględnione w modelu okazały się istotne statystycznie. Analiza wykazała, że przewidywany przez model regresji średni poziom zmiennej Łatwość korzystania wynosił M = 0.00. W odniesieniu do poszczególnych predyktorów w modelu uzyskano następujące rezultaty:
Wśród predyktorów zmiennej Łatwość korzystania najsilniejsza okazała się zmienna Obawy, dla której stwierdzono umiarkowany ujemny związek (B = -0.23; t = -3.96; p < 0.001; β = -0.23, 95%PU = [-0.35; -0.12]). Siła tego predyktora nie różniła się jednak istotnie od pozostałych istotnych zmiennych w modelu (nakładające się 95% przedziały ufności dla współczynników β). Istotny wpływ na zmienną Łatwość korzystania wykazano także w przypadku: Cele (B = 0.17; t = 2.81; p = 0.005; β = 0.17, 95%PU = [0.05; 0.28]).
Rezultaty oszacowań testowanego modelu przedstawia tabela nr 3. Wizualizacje wyników bazujących na oszacowaniach testowanego modelu przedstawia seria wykresów od nr 7 do nr 9
Tabela nr 3
Wpływ zmiennych Obawy, Cele na poziom wyników zmiennej Łatwość korzystania
| Zmienne w modelu | B | s.e. | t | DPU1 | GPU1 | p | β | DPU2 | GPU2 |
|---|---|---|---|---|---|---|---|---|---|
| Stała | 0.00 | 0.05 | 0.00 | -0.11 | 0.11 | 1.000 | NA | NA | NA |
| Obawy | -0.23 | 0.06 | -3.96 | -0.35 | -0.12 | < 0.001 | -0.23 | -0.35 | -0.12 |
| Cele | 0.17 | 0.06 | 2.81 | 0.05 | 0.28 | 0.005 | 0.17 | 0.05 | 0.28 |
Nota: B = Niestandaryzowany współczynnik regresji; s.e. = błąd standardowy dla B; t = Statystyka t studenta; DPU = Dolny przedział ufności; GPU = Górny przedział ufności; DPU1 / GPU1 = 95% przedziały ufności dla B; p = Istotność statystyczna; β = Standaryzowany współczynnik regresji; DPU2 / GPU2 = 95% przedziały ufności dla β; NA = Brak oszacowań standaryzowanych dla współczynnika stałej modelu regresji.
Rysunek nr 7
Wpływ zmiennej Obawy na zmienną Łatwość korzystania
Nota: Ciągła linia - oznacza istotny wpływ predyktora.
Rysunek nr 8
Wpływ zmiennej Cele na zmienną Łatwość korzystania
Nota: Ciągła linia - oznacza istotny wpływ predyktora.
Rysunek nr 9
Wpływ zmiennych Obawy, Cele na poziom wyników zmiennej Łatwość korzystania
Nota: Wąsy błędów przedstawiają 95% przedziały ufności dla oszacowania B. Linie zachodzące na siebie przedstawiają w przybliżeniu brak różnic między predyktorami we wpływie na poziom Łatwość korzystania. Natomiast, linie nie zachodzące na siebie przedstawiają w przybliżeniu istotne różnice we wpływie predyktorów na poziom zmiennej Łatwość korzystania.
Porównanie testowanych modeli
Porównanie siły i kierunku wpływu predyktorów pomiędzy testowanymi modelami przedstawia Rysunek nr 10.
Rysunek nr 10
Porównanie testowanych modeli
Nota: Wąsy błędów przedstawiają 95% przedziały ufności dla oszacowania B. Linie zachodzące na siebie przedstawiają w przybliżeniu brak różnic między predyktorami we wpływie na poziom zmiennych zależnych. Natomiast, linie nie zachodzące na siebie przedstawiają w przybliżeniu istotne różnice we wpływie predyktorów na poziom zmiennych zależnych.
Podsumowanie wyników
Przeprowadzono wielozmiennowe analizy regresji liniowej dla trzech zmiennych zależnych, przy próbie obejmującej 303 osoby i po uprzednim wystandaryzowaniu zmiennych. W modelu dla Intencji zakupu uwzględniono dwa predyktory, model wyjaśniał znaczną część zmienności tej zmiennej, około 44 procent, oba predyktory okazały się istotne. Najsilniejszym predyktorem była zmienna Cele, która wykazywała bardzo silny dodatni związek z Intencją zakupu i miała siłę przewidywania istotnie większą niż drugi predyktor. Drugi predyktor, Obawy, wykazywał istotny ujemny związek z Intencją zakupu. W modelu dla Użyteczności uwzględniono te same predyktory, model wyjaśniał około 41 procent wariancji Użyteczności i oba predyktory były istotne. Ponownie zmienna Cele miała bardzo silny dodatni wpływ i była najsilniejsza spośród predyktorów, natomiast Obawy wykazywały istotny ujemny wpływ na Użyteczność. W modelu dla Łatwości korzystania model wyjaśniał umiarkowaną część zmienności, około 11 procent, i oba predyktory były istotne. W tym przypadku najsilniejszym predyktorem były Obawy, które miały umiarkowany ujemny związek z Łatwością korzystania, natomiast Cele wykazywały istotny dodatni, lecz słabszy związek; różnice w sile predyktorów w tym modelu nie były istotne. We wszystkich modelach przewidywany średni poziom zmiennych zależnych wynosił zero ze względu na uprzednie wystandaryzowanie zmiennych.
Bibliografia
Fisher, R. A. 1922. The goodness of fit of regression formulae, and the distribution of regression coefficients. Journal of the Royal Statistical Society. 85 (4), pp. 597-612. https://doi.org/10.2307/2341124
Hryniewicz, K., Milewska, A. (2023). SZTOS: System Zautomatyzowanego Tworzenia Opisu Statystycznego (Wersja SZTOS) [Oprogramowanie]. https://sztos-it.com/
Wickham, H. (2016). ggplot2: Elegant Graphics for Data Analysis. Springer-Verlag New York. ISBN 978-3-319-24277-4
Masz pytania do raportu🔮⁉️
Kliknij i porozmawiaj z naszą statystyczną asystentką Danką💁♀✅