הקריה האקדמית אונו | סטטיסטיקה למנהל עסקים

סיון ריף ǀ שרבל שוקייר

סטטיסטיקה למנהל עסקים

,22.1% וגם מקדם ההסבר המתוקנן גדל לעומת הרגרסיה הפשוטה ל - 21.3% לעומת

12.5% בתוצאות הרגרסיה הפשוטה. הדבר מעיד על כך שהוספת משתנה נוסף שיפרה את

תוצאות המודל. תוצאות ה - P value של המקדמים קטנות יותר מ 0.05- , לכן אפשר להסיק

שכל המקדמים מובהקים.

המשוואה שקיבלנו , המציגה את הקשר בין המכירות לשיווק , היא כדלקמן:

1 2 ˆ 3,905.19 1.61 2, 759.25 i i i Y X X   

המקדם של הוצאות ה פרסום ברדיו שווה ל- 1.21 , לכן הגדלת הוצאות ה פרסום ב- ₪ 1

ת גרום לגידול של ₪ 1.21 במכירות.

המקדם של משתנה המחיר שווה ל - 2,.55.25 , כלומר העלאת המחיר ב ₪ 1- ת גרור קיטון

של 2,.55.25 במכירות.

לשם ההדגמה נחשב את המכירות הצפויות עבור הוצאות פרסום של ₪ 200 ומחיר של 0.5

: ₪ לחטיף

ˆ 3,905.19 1.61 600 2, 759.25 0.5 3, 491.56 i Y      

במקרה זה המכירות הצפויות שוות ל - 3,451.52 .₪

מולטי- קולינאריות

בעיה אפשרית ברגרסיה מרובה הי א מתאם גבוה בין המשתנים הבלתי תלויים. מתאם גבוה

בין המשתנים הבלתי תלויים עלול ל גרום לבעיות במודל , כגון חוסר מובהקות של מקדמי

הרגרסיה והיפוך סימנים של מקדמי הר גרסיה (קשר חיובי הופך לשלילי ולהפך).

זיהוי בעיית מולטי - קולינאריות באמצעות מטריצת קורלציות

דרך אפשרית לזיהוי בעיית מולטי - קולינאריות היא הצג ה ומציאה של המתאם בין כל זוגות

המשתנים המסבירים במודל באמצעות מטריצת קורלציות .

מדד VIF

מדד VIF הוא מדד לאיתור בעיית מולטי - קולינריות.

1

כאשר 2 R מייצג את מקדם המתאם בריבוע בין שני משתנים מסבירים. אם

VIF



2

R

1



נקבל שמדד זה עבור שני משתנים מסבירים גדול מ 5- , הדבר מעיד על בעיית מולטי -

קולינריות.

אפשר לראות בפלט מעלה, שבמקרה שלנו אין מתאם גבוה באופן חריג בין המשתנים

התלויים ולכן מדד VIF אינו גדול מ 5- באף אחד מן המקרים. כלומר, אין חשש לבעיית מולטי -

קולינריות.

115