۰٫۹۶۶-
۳٫۶۷۰
** ۲٫۲۶۳-
۰٫۰۴۳
FRAUD
۱٫۰۲۶-
۳٫۸۳۰
۰٫۲۶۸-
۰٫۷۸۹
POST * FRAUD
۱٫۰۸۱-
۴٫۰۳۱
** ۲٫۲۶۸-
۰٫۰۳۹
*** معنی‌دار در سطح ۱ درصد، ** معنی‌دار در سطح ۵ درصد، * معنی‌دار در سطح ۱۰ درصد.
منبع : محاسبات تحقیق
تعدیل شده
انحراف استاندارد
دوربین- واتسون
آماره F
۰٫۱۶۷
۰٫۱۲۶
۶٫۱۹۹
۲٫۰۴۷
۰٫۷۸۱
۰٫۶۶۹
منبع : محاسبات تحقیق
طبق جدول بالا مدل رگرسیونی با توجه به آماره F و به دست آمده معنی‌دار نیست که این موضوع بیانگر عدم تأثیر کلی متغیرهای مستقل بر روی متغیر وابسته است که برای تعیین اثر هریک از این متغیرها در ادامه آزمون معنی‌داری ضرایب انجام و اعتبار مدل را نیز از طریق ضریب تعیین مشخص می‌شود.
( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )
از طرف دیگر با توجه به مقدار ضریب تعیین مدل که ۰٫۱۶۷ است می‌توان نتیجه گرفت که در حدود ۱۶٫۷ درصد تغییر در متغیر وابسته توسط متغیرهای مستقل توضیح داده می‌شود. همچنین آماره دوربین- واتسون نیز برابر ۲٫۰۴۷ است که چون عددی نزدیک ۲ است بنابراین خودهمبستگی در مدل وجود ندارد.
۴-۳-۴-۱-۱- بررسی پیش‌فرض‌های مدل
در مرحله بعد برای اطمینان از درستی آزمون، پیش‌فرض‌های مدل رگرسیون که عبارت است از آزمون مستقل بودن خطاها، آزمون ثابت بودن واریانس خطاها ، آزمون نرمال بودن خطاها و متغیر وابسته است و در صورت درست بودن آن نتایج آزمون پذیرفته خواهد شد.
یکی از پیش‌فرض‌های مدل ثابت بودن واریانس خطا است برای بررسی این فرض هم از نمودار استفاده می‌کنیم. نمودار خطاها در مقابل مقادیر برآورد شده برای آزمون ثابت بودن واریانس استفاده می‌شود بدین صورت که اگر شکل کلی (دامنه تغییرات) نمودار بصورت افزایشی یا کاهشی باشد (اصطلاحا نمودار به شکل قیفی به سمت چپ یا راست باشد) واریانس ثابت نیست که با توجه به نمودار زیر فرض ثابت بودن واریانس خطاها پذیرفته می‌شود. همچنین یکی از پیش‌فرض‌های مدل رگرسیونی مستقل بودن خطاها (مانده‌ها یا قدرمطلق مقدار واقعی متغیر وابسته منهای مقدار برآورد شده) است برای بررسی این فرض از نمودار خطاها در مقابل ترتیب زمانی برای فرض مستقل بودن استفاده می‌شود بدین ترتیب که اگر روند این نمودار دارای نظم خاصی باشد (مثلا روند سینوسی و …) خطاها مستقل نیستند. با توجه به نمودار زیر فرض مستقل بودن خطاها پذیرفته می‌شود. از جمله مفروضات در نظر گرفته شده در رگرسیون آن است که خطاها دارای توزیع نرمال با میانگین صفر می‌باشند. نرمال بودن خطاها بدین معنا است که میانگین خطاها صفر و واریانس خطاها ثابت باشد. بدیهی است در صورت عدم برقراری این پیش فرض، نمی‌توان از رگرسیون استفاده کرد. بدین منظور باید مقادیر استاندارد خطاها محاسبه شود و نمودار توزیع داده و نمودار نرمال آن رسم شود و سپس مقایسه‌ای بین دو نمودار صورت گیرد. این فرض با رسم نمودار مستطیلی و نمودار احتمال نرمال انجام می‌شود. در این نمودار همان طور که ملاحظه می‌شود مقادیر احتمال نرمال (محور عمودی) در مقابل مقادیر خطاهای مدل (محور افقی) رسم می‌شود. بطور منطقی محل انطباق ایندو خط نیمساز می‌باشد و نقاط نشانگر مقادیر واقعی است که اگر این نقاط روی این خط یا در اطراف این خط باشند ( البته بطور تقریبی) فرض نرمال بودن پذیرفته می‌شود که با توجه به نمودار زیر فرض نرمال بودن متغیر وابسته پذیرفته می‌شود.
نمودار ۴-۸: نمودار پیش فرض‌های مدل
