Tải bản đầy đủ - 0 (trang)
Yếu tố “Bưu phẩm đi có cước”

Yếu tố “Bưu phẩm đi có cước”

Tải bản đầy đủ - 0trang

Intercept



-31864.0



4116.35



-7.74084



0.0000



Slope



307.918



18.8445



16.3399



0.0000



Analysis of Variance



Source



Sum

Squares



Model



1.08054E10



1



Residual



6.0706E8



15 4.04707E7



Total (Corr.) 1.14124E10



of Df Mean

Square



F-Ratio P-Value



1.08054E10 266.99 0.0000



16



Correlation Coefficient = 0.97304

R-squared = 94.6807 percent

R-squared (adjusted for d.f.) = 94.3261 percent

Standard Error of Est. = 6361.65

Mean absolute error = 3972.39

Durbin-Watson statistic = 2.40009 (P=0.7247)

Lag 1 residual autocorrelation = -0.231529

y = -31864 + 307.918*x1

Trong đó:

- Correlation Coefficient: Hệ số tương quan

- R-squared: hệ số xác định (bình phương R)

- Standard Error of Est: độ lệch chuẩn

- Mean absolute erro: trung bình lỗi



13



Đánh giá yếu tố “Bưu phẩm đi có cước” với biến phụ thuộc là “Doanh thu”

để xem số lượng bưu phẩm đi có cước ảnh hưởng thế nào đến doanh thu:

 Nhìn vào kết quả phân tích ở trên ta thấy hệ số tương quan của nó là

R=0.97304 điều đó cho thấy “Bưu phẩm đi có cước” rất tương quan với “Doanh

thu”.

 Tiếp theo đến hệ số xác định R2 = 94,6807% điều đó khẳng định được

rằng yếu tố “Bưu phẩm đi có cước” có khả năng giải thích khoảng 94,6807% sự

thay đổi của biến phụ thuộc chính là “Doanh thu”

 Ta so sánh đến giá trị P-value của biến độc lập này.

- Trước hết xin nói rõ ý nghĩa của giá trị P-value trong phân tích thống kê

số liệu: khi nhà nghiên cứu đã nghiên cứu ra một giả thuyết thì ơng cũng pải

định nghĩa giả thuyết đảo cho nó (null hypothesis) tức là một giả thuyết ngược

lại với những gì mình nghiên cứu và tin nó là thật. Ví dụ như theo truyền thống

trong y học nếu giá trị xác suất nhỏ hơn 5% nhà nghiên cứu có thể bác bỏ đi giả

thuyết đảo còn nếu giá trị xác suất mà lớn 5% thì khơng có lý do gì để bác bỏ nó



14



hay chưa có bằng chứng đầy đủ dể bác bỏ nó nhưng cũng khơng có nghĩa là giả

thuyết đảo là đúng là sự thật.

Với yếu tố này Pvalue = 0.0000 điều này có nghĩa là yếu tố mà ta đang xét

gần như bác bỏ giả thuyết đảo của nó, và cũng gần như chấp nhận giả thuyết

đang tin tưởng đó là yếu tố “Bưu phẩm đi có cước” có ảnh hưởng nhiều đến

Doanh thu

 Đánh giá với độ lệch chuẩn: hầu hết ta mong đợi các giá trị quan sát của y

nằm trong khoảng phạm vi 2s của các giá trị y tính tốn theo phương pháp bình

phương cực tiểu của chúng

 Ta sẽ kiểm định giả thuyết với giá trị độ dốc B

- Bác bỏ Ha nếu B = 0 và ngược lại bác bỏ Ho nếu B ≠ 0 (B > 0 hoặc B <

0)

- Giả định độ tin cậy P = 95%

Ta cóttính= 16.3399

So sánhtbảng=

Ta nhậnthấyttính>tbảng

 Ta chấp nhận Ha và bác bỏ Ho. Điều này cho thấy mơ hình mà ta đang xét

với một biến độc lập (Bưu phẩm đi có cước) là khá phù hợp và biến này có khả

năng giải thích cho biến phụ thuộc là Doanh thu.

2. Yếu tố “Bưu kiện đi có cước (nghìn cái)”

Coefficients



Least Squares



Standard



T



Parameter



Estimate



Error



Statistic



P-Value



Intercept



-9231.65



3273.69



-2.81996



0.0129



Slope



32.4815



2.26514



14.3398



0.0000



Analysis of Variance



Source



Sum

Squares



Model



1.06365E10



1



Residual



7.75902E8



15 5.17268E7



Total (Corr.) 1.14124E10



of Df Mean

Square



F-Ratio P-Value



1.06365E10 205.63 0.0000



16

15



Correlation Coefficient = 0.965408

R-squared = 93.2013 percent

R-squared (adjusted for d.f.) = 92.748 percent

Standard Error of Est. = 7192.14

Mean absolute error = 5576.68

Durbin-Watson statistic = 1.16837 (P=0.0163)

Lag 1 residual autocorrelation = 0.369967



Đánh giá yếu tố “Bưu kiện đi có cước” với biến phụ thuộc là “Doanh thu” để

xem số lượng bưu phẩm đi có cước ảnh hưởng thế nào đến doanh thu:

16



Tài liệu bạn tìm kiếm đã sẵn sàng tải về

Yếu tố “Bưu phẩm đi có cước”

Tải bản đầy đủ ngay(0 tr)

×