1 vorig = omzet voorgaande jaar. Forward (Criterion: Probability-of-F-to-enter <=,050) 2 bezoek = aantal bezoeken vertegenwoordiger

Transcriptie

1 De groothandel Onderwerp: regressieanalyse met SPSS Bij: hoofdstuk 10 Een groothandel heeft onderzoek gedaan onder de klanten en daarbij geprobeerd met regressieanalyse vast te stellen wat de bepalende factoren zijn voor de hoogte van de inkoop over de laatste twaalf maanden. De afhankelijke variabele is omzet en de onafhankelijke variabelen zijn: jaren = aantal jaren klant; bonus = heeft bonus over totale inkoop ; ; huismerk = voert ons huismerk nee/ja; vorig = omzet voorgaande jaar; ; internet = bestelt per internet nee/ja; spaar = doet mee aan spaarprogramma nee/ja. Natuurlijk zijn de nee/ja variabelen gecodeerd als nul en een. Hierachter vind je de output. Variables Entered/Removed a Model Variables Entered Variables Method Removed 1 vorig = omzet voorgaande jaar. Forward (Criterion: 2. Forward (Criterion: 3 internet = bestelt per internet. Forward (Criterion: 4 spaar = doet mee aan spaarprogramma a Dependent Variable: omzet = omzet. Forward (Criterion: Model Summary Adjusted R Std. Error of the Model R R Square Square Estimate 1,747 a,558,557 2,519 2,817 b,667,666 2,187 3,819 c,671,670 2,175 4,821 d,674,672 2,168 a Predictors: (Constant), vorig = omzet voorgaande jaar b Predictors: (Constant), vorig = omzet voorgaande jaar, c Predictors: (Constant), vorig = omzet voorgaande jaar,, internet = bestelt per internet d Predictors: (Constant), vorig = omzet voorgaande jaar,, internet = bestelt per internet, spaar = doet mee aan spaarprogramma De groothandel 1

2 Sum of Model Squares df Mean Square F Sig. 1 Regression 5448, , ,907,000 a Residual 4313, ,344 2 Regression 6514, , ,000,000 b Residual 3247, ,783 3 Regression 6555, , ,919,000 c Residual 3207, ,731 4 Regression 6579, , ,794,000 d Residual 3183, ,702 a Predictors: (Constant), vorig = omzet voorgaande jaar b Predictors: (Constant), vorig = omzet voorgaande jaar, c Predictors: (Constant), vorig = omzet voorgaande jaar,, internet = bestelt per internet d Predictors: (Constant), vorig = omzet voorgaande jaar,, internet = bestelt per internet, spaar = doet mee aan spaarprogramma e Dependent Variable, omzet = omzet Unstandardized Standardized Coefficients Coefficients Model B Std. Error Beta t Sig. 1 (Constant) 1,155,165 6,984,000 vorig = omzet voorgaande jaar,690,024,747 29,307,000 2 (Constant) -,448,179-2,498,013 vorig = omzet voorgaande jaar,611,021,662 28,965,000,272,018,341 14,929,000 3 (Constant) -2,643,771-3,429,001 vorig = omzet voorgaande jaar,617,021,668 29,271,000,289,019,363 15,181,000 internet = bestelt per internet,374,128,069 2,928,004 4 (Constant) -2,166,797-2,718,007 vorig = omzet voorgaande jaar,612,021,663 28,954,000,289,019,363 15,226,000 internet = bestelt per internet,369,127,068 2,901,004 spaar = doet mee aan spaarprogramma -,096,042 -,050-2,254,025 a Dependent Variable, omzet = omzet 2 Marktonderzoek

3 Excluded Variable e Collinearity Partial Statistics Model Beta In t SiQ. Correlation Toleranee 1 jaren = aantal jaren klant,003 a,130,897,005,996,035 a 1,327,185,051,958,057 a 2,243,025,086,997 huismerk = voert ons huismerk ja/nee,034 a 1,321,187,051,998,341 a 14,929,000,497,938 internet = bestelt per internet -,042 a -1,609,108 -,062,973 spaar = doet mee aan spaarprogramma -,049 a -1,917,056 -,073,988 2 jaren = aantal jaren klant,017 b,769,442,030,994,039 b 1,727,085,066,958,029 b 1,326,185,051,990 huismerk = voert ons huismerk ja/nee,019 b,877,381,034,996 internet = bestelt per internet,069 b 2,928,004,112,879 spaar = doet mee aan spaarprogramma -,051 b -2,287,023 -,087,988 3 jaren = aantal jaren klant,015 c,665,506,026,993,028 c 1,227,220,047,927,033 c 1,470,142,056,988 huismerk = voert ons huismerk ja/nee,019 c,870,385,033,996 spaar = doet mee aan spaarprogramma -,050 c -2,254,025 -,086,988 4 jaren = aantal jaren klant -,032 d -1,105,270 -,042,556,022 d,966,334,037,913,035 d 1,595,111,061,985 huismerk = voert ons huismerk ja/nee,017 d,773,440,030,994 a Predictors in the Model: (Constant), vorig = omzet voorgaande jaar b Predictors in the Model: (Constant), vorig = omzet voorgaande jaar, c Predictors in the Model: (Constant), vorig = omzet voorgaande jaar,, internet = bestelt per internet d Predictors in the Model: (Constant), vorig = omzet voorgaande jaar,, internet = bestelt per internet, spaar = doet mee aan spaarprogramma e Dependent Variable: omzet = omzet Vragen 1 Regressieanalyse kun je doen door een voor een de variabelen in te voegen (forward), door ze allemaal tegelijk in te voegen en door variabelen die te weinig opleveren te verwijderen (backward). Welke methode van regressieanalyse is gebruikt? 2 Een R² van 0,9 of hoger is fantastisch, zo mooi dat je je moet afvragen of je niet eigenlijk dezelfde dingen meet. Tussen de 0,8 en 0,9 is goed en tussen 0,65 en 0,8 is voldoende. Onder de 0,65 is het regressiemodel te zwak. Is de analyse geslaagd? 3 Geef de regressieformule van de laatste stap. 4 De groothandel heeft enkele marketinginstrumenten ingezet (bonus, huismerk, bezoek, internet, spaar). Welke daarvan werken wel en welke niet? De groothandel 3

4 5 Zijn oude relaties in de groothandel (mijn vader was al klant) nog bepalend? 6 Waarom komt er in stap twee de variabele bezoek bij en niet een andere variabele? 4 Marktonderzoek

5 Antwoorden 1 Methode forward. 2 Geslaagd? Ja, net aan, vanwege de adjusted R-square van 67,2% 3 Regressieformule van de laatste stap: omzet = vorig bezoek internet spaar. 4 Alleen vorig, bezoek, internet en spaar werken, want die zitten in de regressievergelijking. 5 De variabele aantal jaren klant zit niet in de vergelijking, en dus zijn oude relaties in de groothandel niet significant van belang voor de omzet. 6 In stap 2 komt de variabele bezoek erbij vanwege de grootste t-waarde in stap 1. De groothandel 5