并利用原始量表单位的简单线性变换 将所有变量的分数转换为 到 的标准化单位 为二分变量 代表百分比每个量表的最大可能 分数 这种方法简化了可解释性 例如通过为汇总统计数据 例如变异性的平均值和度量 赋予直接意义 或者通过促进跨结构的分数比较 我们使用线性多元回归分析进行假设检验 其中所有变量在同一步骤进入回归方程 假设。
预测 当使用中间数量的媒体平台时
内容营销会更有效 我们对最初的连续预测变量进行了分类 如上文测量部分所述 以。便使用中间数量的媒体平台分配了最大值 佛得角电子邮件列表 尽管这种分类会导致信息丢失。 数量平台时的 有效性是否与使用更多或更少平台而不诉诸二次函数时不同 我们对假设 进行了类似的分析 在主要分析之前 对回归分析的假设进行了测试 为了检查因变量和自变量之间的线性 我们采用了自变量的部分残差图 这些图仅表现出与线性关系的微小偏差 因此 我们。
得出结论 线性假设不存在重
大问题 多重共线性方面 方差膨胀因子最高值为 条件指数最高值为 由于这些值分别低于建议的阈值 和 没有迹象表明存在共线性问题 美国首席财务官 残差的 检验 发现了一些非正态性的证据 检验 表明残差中存在异方差性 因此 我们使用 和 描述的广义信息矩阵 测试来检测潜在的模型错误指定 由于该值 低于建议的阈值 这表明稳健标准误差不比经典标准误差大 倍 因此没有迹象表明存在错误指定 因此。
