értekezés - Budapesti Corvinus Egyetem

A kapott 6 db főkomponenssel, mint lineárisan független és értelmezhető tartalommal bíró
változókkal már elvégezhetjük a regresszió analízist.
3. lépés
Ehhez az SPSS-ben feltáró elemzést végzünk, és az 1. lépésben bemutatottakhoz hasonlóan
lépésenként („stepwise”) vonjuk be a modellbe a legerősebb magyarázó változókat. Ennek
eredményéről tanúskodik az alábbi táblázat.
[A15-10. táblázat]
Mind a hat főkomponens regressziós modellünkben történő szerepeltetésével a forintos
működési eredmény varianciájának több, mint 88%-át képesek vagyunk leírni. Ezzel a
lineáris regressziós modell alkalmazhatóságának egyik feltételét, a determinációs
együttható erősségét már teljesíteni tudjuk.
A korrelációs táblázatból (alább) jól látható, hogy a főkomponensek valóban páronként
ortogonálisok egymásra. Továbbá információt kapunk arra vonatkozóan is, hogy mely
főkomponensek szerepeltetése lehet felesleges a modellben, miután az nem áll szoros
kapcsolatban a magyarázni kívánt működési eredménnyel. Ebben a tekintetben a harmadik
főkomponens el is hagyható a modellből, bár a függő változóval való kapcsolatának
gyengesége szignifikánsan nem bizonyított (lásd szignifikancia szintet). Elhagyhatósága
mellett szól az a tény is, hogy a stepwise módszer keretében utoljára lett bevonva a
modellbe, és elhanyagolható mértékben javította csak a modell magyarázó erejét.
[A15-11. táblázat]
Amennyiben az EN590Crack faktort vonjuk be a regressziós modellbe, és kivesszük az
EN590 aggregát árrést megragadó 5. főkomponenst, úgy tovább javítható a modell
determinációs együtthatója, a függetlenség enyhe feloldása mellett. A stepwise
beválasztási módszer legelsőként az EN590Crack faktort veszi be a modellbe, majd őt
követik a 6., 2., 1. és 4. főkomponensek. A kapott öt magyarázó változóval a regressiós
modellünk több mint 94%-ban képes a forintos működési eredmény varianciájának
leírására. Ez igen jó eredmény.
213