,572
(Sig. = 0,000)
В
0,103
0,133
0,153
0,156
Значимість моделі ( Sig.)
0,000
0,000
0,000
0,000
Третій варіант індексу найкращим чином підходить для моделювання (див. табл. нижче). Але й тут 3-тя модель пояснює лише 18,7% колеблемости індексу. Число джерел доходу тут включати було зайво і SPSS не включив. p> Регресійні моделі споживання ТДП (третій варіант)
Модель №
1
2
3
Константа
2,966
(Sig. = 0,000)
2,412
(Sig. = 0,000)
2,418
(Sig. = 0,000)
Кількість членів сім'ї
0,407
(Sig. = 0,000)
0,422
(Sig. = 0,000)
0,394
(Sig. = 0,000)
Міська місцевість проживання
-
0,735
(Sig. = 0,000)
0,683
(Sig. = 0,000)
Сумарний дохід домогосподарства за останні 30 днів
-
-
1,09 Е-005
(Sig. = 0,000)
В
0,124
0,1166
0,187
Значимість моделі ( Sig.)
0,000
0,000
0,000
Отже, поставлена ​​мета була досягнута. Регресійні моделі побудовані. Вони не дуже добре пояснюють всі три варіанти індексу, мабуть, тому, що все-таки наличи в домогосподарстві ТДП пояснюється, в основному, що не цими змінними, а тими, що я не врахувала у аналізі.
У наступному розділі обговорюються деякі висновки, які можна із усього цього.
5. Висновки
У ході роботи було проведено аналіз даних опитування RLMS хвилі 2004 року. Основний метою роботи було дослідження залежності наявності у домогосподарств товарів тривалого користування від доходів і різних соціально-економічних чинників (числа членів домогосподарства, числа джерел доходів, місцевості проживання).
Для обліку наявності в домогосподарстві товарів тривалого користування було збудовано 3 варіанти індикатора. Перший варіант, найбільш складний, враховував наявність ТДП по 13 позиціях, ваги різних ТДП (наприклад, комп'ютер має значно менший вага, ніж автомобіль), а також - кількість років, скільки даний товар вже використовується у домогосподарстві. Логіка даного індикатора така, що чим більше дорогих товарів тривалого користування є в домогосподарстві і чим ці товари В«молодшеВ» (тобто куплені відносно недавно), тим більше величина індикатора. Другий варіант спрощує логіку першого індикатора, виключаючи з нього ваги ТДП. Тобто тепер, наприклад, додаткова квартира і пральна машинка мають один і той же вагу. Але строк давності цих речей і раніше враховувався. Цим я ніби перевіряю обгрунтованість призначення ваг товарах тривалого користування. Третій варіант індикатора ще простіше. Він є простим перерахуванням різних ТДП, без урахування їх віку і ваг. Це найпростіший варіант. p> Залежності всіх цих 3 індикаторів послідовно вивчалися в 3 блоках регресійних моделей. Спочатку вивчався вплив незалежний змінних на 1-й індикатор, потім - на 2-й, потім - на 3-й. При цьому в кожному блоці будувалася не одна, а кілька моделей, тобто спочатку включалася одна незалежна змінна, потім до неї додавалася друга і т.д. Для цього був використаний метод аналізу Stepwise пакета SPSS. Цей метод сам вирішує, чи потрібно включити змінну в аналіз, чи ні. У результаті в 1 і 2 блоках були включені всі незалежні змінні, а в 3 блоці - все за винятком числа джерел доходу. З додаванням кожної з незалежних змінних в модель, що пояснює здатність моделі зростала, при цьому побудована в підсумку модель множинної лінійної регресії була значущою (Значення Sig. У таблиці ANOVA були малі). p> На жаль, ні в одному блоці не вдалося домогтися високого показника якості регресійної моделі R2. Він був далекий від одиниці під всіх випадках. Найгірше піддавався моделюванню 1-й показник (самий складний). Включенням в модель всіх 4 незалежних змінних вдалося домогтися В«ПоясненняВ» показника лише на R2 = 0,073 (тобто на 7%). Це, звичайно, мало. Другий показник показав себе краще. Він пояснювався максимум на 15,6%, що, хоча, теж небагато. Третій п...
