View
316
Download
17
Category
Preview:
Citation preview
7/30/2019 Tugas 4 Analisis Manova
1/13
Resume Manova
Analisis multivariat varians (MANOVA) merupakan perluasan dari
analisis varians (ANOVA) untuk menampung lebih dari satu variabel dependen.
Ini adalah teknik ketergantungan yang mengukur perbedaan untuk dua atau lebih
variabel dependen metrik berdasarkan satu nonmetric variabel bertindak sebagai
variabel independen.
Model persamaan Multivariate Analysis of Variance (MANOVA)
y1 + y2 + y3 + ... +yn =Xx +X2 + X3 + ... + Xn(metric) (nonmetric)
Seperti ANOVA, MANOVA berkaitan dengan perbedaan antara kelompok
(atau perlakuan percobaan). ANOVA disebut prosedur univariat karena kita
menggunakannya untuk menilai perbedaan kelompok pada variabel dependen satu
metrik. MANOVA disebut prosedur multivariate karena kita menggunakannya
untuk menilai perbedaan kelompok di beberapa variabel dependen metrik secara
bersamaan. Pada MANOVA, masing-masing kelompok perlakuan yang diamati
pada dua atau lebih variabel dependen.
Konsep analisis multivariat varians diperkenalkan lebih dari 70 tahun yang
lalu oleh Wilks. Namun, itu tidak sampai pengembangan statistik uji yang tepat
dengan tabel distribusi dan ketersediaan program komputer untuk menghitung
statistik ini bahwa MANOVA menjadi alat praktis bagi para peneliti.
Baik ANOVA maupun MANOVA sangat berguna bila digunakan pada
desain eksperimental, yaitu, desain penelitian di mana peneliti dapat secara
langsung mengontrol atau memanipulasi satu atau lebih variabel independen
untuk menentukan efek pada variabel dependen. ANOVA dan MANOVA
menyediakan alat yang diperlukan untuk menilai efek yang diamati. Namun,
MANOVA memiliki peran dalam desain yang bukan percobaan (misalnya,
penelitian survei) di mana kelompok-kelompok kepentingan (misalnya, jenis
kelamin, pembeli) didefinisikan dan kemudian perbedaan pada sejumlah variabel
7/30/2019 Tugas 4 Analisis Manova
2/13
metrik (misalnya, sikap, kepuasan, tingkat pembelian) yang dinilai untuk
signifikansi statistik.
MANOVA: MEMPERLUAS UNI METODE variate UNTUK
MENILAI PERBEDAAN GROUP
Kebanyakan teknik multivriate adalah pengembangan dari teknik
univariat. Untuk Anova dan Manova istilah ini digunakan untuk penggunaan satu
atau lebih variabel dependen. Kedua teknik ini telah lama dihubungkan dengan
analisa experimental design. Hubungan antara prosedur univariate dan multvariate
adalah sebagai berikut :
Multivariat Prosedur untuk Menilai Perbedaan Grup
Sebagai prosedur inferensi statistik, baik teknik univariat (t test dan
ANOVA) dan teknik multivariat (Hotelling T2 ini dan MANOVA) digunakan
untuk menilai signifikan perbedaan statistik antara kelompok. Dalam uji t dan
ANOVA, hipotesis nol tes adalah kesetaraan sarana tunggal variabel dependen
seluruh kelompok. Perbedaan antara hipotesis yang diuji dalam ANOVA dan
MANOVA diilustrasikan pada Gambar 1. Dalam kasus univariat, tergantung
ukuran tunggal diuji untuk kesetaraan seluruh kelompok. Dalam kasus
multivariat, sebuah variate diuji untuk kesetaraan. Konseps varian sangat
membantu dalam diskusi tentang teknik multivariat.
Number of
Dependent Variables
Number of Groups in
Independent Variable
One
(Univaria
te)
Two or More
(Multivariate)
Two Groups (Specialized
Case)
ttest Hotelling's
T2
Two or More Groups Analysis Multivaria
(Generalized Case) variance of variance
7/30/2019 Tugas 4 Analisis Manova
3/13
Pada MANOVA, peneliti sebenarnya memiliki dua variates, salah satu
sifat variabel dependen dan satu lagi untuk variabel independen. Aspek unik dari
MANOVA adalah bahwa variate optimal menggabungkan tindakan tergantung
beberapa menjadi nilai tunggal yang dapat memaksimalkan perbedaan antar
kelompok.
A DECISION PROCESS FOR MANOVA
PROSES PENGAMBILAN KEPUTUSAN DALAM MANOVA
Proses dari penggunaan MANOVA mirip dengan kebanyakan teknik
multivariate lainnya., jadi bisa dijelaskan melaui Model proses pembangunan
enam tahap. Berikut adalah langkah - langkah tersebut
1. Tujuan dari MANOVAKapan seharusnya menggunakan MANOVA?
Karena kemampuannya untuk menganalisis beberapa pengukuran
dependen secara simultan, MANOVA memiliki keunggulan:
Menyediakan Kontrol tingkat kesalahan eksperimen ketika terjadibeberapa derajat inter-korelasi diantara variabel dependen.
Menyediakan statistik yang lebih kuat dari ANOVA ketika jumlahvariabel dependen 5 atau kurang
Tiga jenis pertanyaan yang cocok diajukan untuk MANOVA:
Multiple Univariate Questions.Peneliti yang mempelajari pertanyaan-pertanyaan multiple univariate
mengidentifikasi sejumlah variabel dependen secara terpisah yang akan
dianalisis secara terpisah tetapi memerlukan beberapa kontrol terhadap
kesalahan eksperimen dalam kejadian ini, MANOVA digunakan untuk
menguji apakah perbedaan menyeluruh ditemukan di antara kelompok,
dan kemudian pengujian univariate yang terpisah dilakukan untuk
mendapatkan setiap isu untuk masing-masing variable dependen
Structured Multivariate Questions.Peneliti berurusan dengan pertanyaan multivariate terstruktur
mengumpulkan dua atau lebih ukuran dependen yang memiliki hubungan
khusus diantaranya. Situasi yang umum dalam kategori ini adalah ukuran
7/30/2019 Tugas 4 Analisis Manova
4/13
yang berulang dimana ada multiple respon dari setiap subjek yang
mungkin selama atau setelah pretest-posttest memberikan stimulus seperti
iklan. Disini MANOVA menyediakan metode terstruktur untuk
menspesifikasi perbandingan perbedaan antar kelompok terhadap
seperangkat ukuran dependen dalam menjaga efisiensi secara statistic.
Intrinsically Multivariate Questions.Pertanyaan ini meliputi sejumlah ukuran dependen dimana
mempertimbangkan prinsip bagaimana mereka berbeda sebagai
keseluruhan lintas kelompok. Perbedaan ukuran dependen secara
individual kurang menarik dibandingkan pengaruh kolektif. Keunggulan
MANOVA tidak hanya dapat menguji perbedaan keseluruhan tetapi juga
perbedaan antara kombinasi dari ukuran dependen yang tidak dapat
muncul. Jenis pertanyaan ini bisa diselesaikan oleh MANOVA karena
kemampuannya mendeteksi perbedaan multivariate walaupun pengujian
univariate tunggal tidak menunjukkan perbedaan.
1. Disain Riset MANOVAMANOVA Membutuhkan ukuran sample yang lebih besar dibandingkan
univariate ANOVA dan harus melebihi batasan khusus pada setiap sel (kelompok)
analisis yang direkomendasikan adalah minimal ukuran sel 20 observasi. Sample
pada setiap sel harus lebih besar dari jumlah variable dependen.
Disain Faktorial Analisis dengan dua treatmen atau lebih.
Pemilihan Treatments, penggunaan yang umum dari disain faktorial
meliputi pertanyaan riset yang berhubungan dengan dua atau lebih variable
independent nonmetrik terhadap seperangkat variable dependen. Dalam masalah
ini variabel independen dispesifikasikan dalam disain eksperimen atau termasuk
dalam disain eksperimen lapangan atau survey menggunakan kuesioner. Namun
beberapa hal treatmen ditambahkan setelah disain analisis. Treatment tambahan
yang sering digunakan adalah blocking factor dimana karakteristik nonmetrik
digunakanpost hoc untuk segmentasi responden untuk mendapatkan homogenitas
kelompok yang lebih besar dan mengurangi sumber variance MSW.
Dengan demikian kemampuan uji statistik untuk mengidentifikasi
perbedaan dapat ditingkatkan. Sebagai contoh misalnya pada contoh iklan
sebelumnya laki-laki dianggap akan mempunyai reaksi yang berbeda dengan
perempuan terhadap tampilan iklan dan jika gender ditambahkan sebagai blocking
7/30/2019 Tugas 4 Analisis Manova
5/13
factor, perbedaan setiap pesan menjad lebih jelas, sedangkan perbedaan akan
menjadi samar jika laki-laki dan perempuan di asumsikan akan bereaksi dengan
berbeda dan tidak terpisah. Pengaruh jenis pesan dan genderkemudian di evaluasi
secara terpisah, menyediakan lebih pengujian tepat terhadap pengaruh individual.
Menggunakan covariate-ANCOVA dan MANCOVA
ANCOVA. Covariate metrik umumnya dimasukkan dalam disaineksperimental untuk menghilangkan pengaruh extraneous dari variable
dependen sehingga dapat meningkatkan varian dalam kelompok (MSW). Hal
ini sama dengan mengunakan blocking factor hanya saja variablenya metrik.
Prosedurnya sama dengan regresi linier yang digunakan untuk menghilangkan
variasi dalam variable dependen yang berhubungan dengan satu atau lebih
covariate kemudian ANOVA konvensional dilakukan pada variable dipenden
yang disesuaikan.
MANCOVA merupakan perluasan dari prinsip ANCOVA untuk multivariate(multipel variable dipenden) analisis yaitu MANCOVA dipandang sebagai
MANOVA terhadap regresi residual atau varian dalam variabel dependen
tidak dapat dijelaskan oleh covariate
2. Asumsi Dalam MANOVAAsumsi dalam MANOVA
1. Adanya Independensi antar anggota grup.2. Kesamaan matrik kovarians antar grup pada variabel dependen.3. Variabel Dependen-variabel Dependen seharusnya berdistribusi normal
(normalitas pada dependen variabel).
4. Antar variabel Dependen seharusnya tidak terjadi korelasi yang kuat,atau dikatakan terjadi Multikolinieritas.
5. MANOVA cukup sensitif terhadap keberadaan data yang bernilaisangat ekstrim (outlier). Karena itu, data terlebih perlu dideteksi apakah
mengandung outlier ataukah tidak.
7/30/2019 Tugas 4 Analisis Manova
6/13
3. Estimasi Mode dan Pengujian Secara KeseluruhanSaat analisis MANOVA telah diformulasikan dan uji asumsi telah
terpenuhi, pengujian terhadap signifikansi perbedaan antar kelompok yang
dibentuk dengan treatment dapat dilakukan. Dalam melakukan pengujian ini
peneliti harus memilih pengujian statistic yang tepat untuk tujuan penelitiannya.
Namun dalam situasi tertentu khususnya jika analisis menjadi lebih kompleks,
peneliti harus mengevaluasi kekuatan dari pengujian statistic untuk menyediakan
perspektif yang lebih informatif dan memperoleh hasil yang diharapkan.
Empat pengukuran yang banyak digunakan untuk menguji signifikansi
secara statistic antar kelompok terhadap variable independent adalah:
Roys Greatest Characteristic Root Wilks Lambda Pillais Criterion Hotellings Trace
Dalam beberapa situasi hasil/kesimpulan bisa sama antar keempat
pengukuran, namun dalam situasi yang unik hasil dapat berbeda diantara keempat
pengukuran.
4. Interpretasi Hasil ManovaJika covariates termasuk dalam model GLM, maka lakukan analisis model
baik dengan maupun tanpa covariates. Jika covariates tidak meningkatkan
kekuatan statistic atau tidak mempengaruhi secara signifikan terhadap pengaruh
treatment, maka dapat didrop dari analisis final.
Jika dua atau lebih variable independent (treatments) termasuk dalam analisis,interaksi harus diuji sebelum mengambil kesimpulan mengenai pengaruh
utama dari variable independent
Jika interaksi tidak signifikan secara statistik, maka pengaruh utama dapatdiinterpretasi langsung karena perbedaan antar treatments dipertimbangkan
konstan antar level kombinasi.
Jika interaksi signifikan secara statistik, dan perbedaan tidak konstan antarlevel kombinasi, maka interaksi harus ditentukan apakah ordinal atau
disordinal
7/30/2019 Tugas 4 Analisis Manova
7/13
Jika variable independent memiliki dua atau lebih kelompok, dua jenisprosedur dapat digunakan untuk mengisolasi sumber perbedaan:
Post-hoc tests menguji perbedaan potensial secara statistic antar seluruh meankombinasi yang mungkin. Post-hoc tests memiliki kekuatan yang terbatas dan
sangat cocok untuk mengidentifikasi pengaruh yang besar.
Post Hoc Methods Scheffe Tukeys honestly significant difference (HSD) Tukeys extension of the Fisher least significant difference (LSD) Duncans multiple-range test Newman-Kuels test
Planned comparisons adalah cocok jika a priori theoretical reasons
menyatakan bahwa kelompok tertentu akan berbeda dari satu kelompok dengan
kelompok lainnya. Kesalahan Type I akan bertambah sebagaimana jumlah
planned comparisons meningkat.
5. Validitasi Terhadap hasilTeknik analisis varian (ANOVA dan MANOVA) dikembangkan untuk
situasi eksperimen, dengan replikasi sebagai pengertian utama terhadap validasi.
Ketegasan perlakuan treatment eksperimen memungkinkan penggunaan yang
luas dari eksperimen yang sama pada multiple populasi untuk menguji
generalizability dari hasil. Dalam penelitian ilmu pengetahuan sosial dan bisnis,
bagaimanapun, eksperimen kerap kali digantikan dengan uji statistik dengan
keadaan nonexperimental seperti survei penelitian. Kemampuan untuk
memvalidasi hasil dalam keadaan ini adalah berdasarkan kemampuan replikasi
dari treatment.
Dalam beberapa hal karakteristik demografi seperti umur, gender, income
dan sejenisnya di gunakan sebagai treatment. Treatment ini harus memenuhi
kriteria comparability, namun peneliti harus memastikan bahwa penambahan
elemen terhadap pengujian random terhadap sel juga harus terpenuhi namun
kadang kadang dalam riset survey hal ini tidak terpenuhi. Misalnya umur dan
7/30/2019 Tugas 4 Analisis Manova
8/13
gender sebagai variable independen merupakan contoh umum penggunaan
ANOVA atau MNOVA didalam riset survey. Dalam validasi peneliti harus
berhati hati menganalisis multiple populasi dan membandingkan hasil sebagai
pembuktian validitas tunggal karena responden dipilih secara sederhana treatment
dalam kasus ini tidak dapat diuji oleh peneliti karena tidak random, sehingga
peneliti mempertimbangkan penggunakan covariate untuk mengontrol fitur lain
yang menjadi karakteristik umur atau genderyang dapat mempengaruhi variable
dependen tetapi tidak termasuk dalam analisis.
Contoh Kasus Running Data HBAT 200:
1. Variabel independen X5Distribution system;2. Variabel dependen X19 satisfaction, X20 likely to recommenddan X21 likely
to purchase.
3. Langkah-langkah Buka SPSS, pilih Analyze/General linear model/multivariate. Masukkan variabel X5 ke dalam kotak Fixed factors dan variabel X19,
X20, dan X21 ke dalam kotakdependen variable.
Klok option, pada display means for masukkan X5. Pada Display pilihDescriptive statistic, estimates of effect size, parameter estimates,
residual SSCP matrix dan homogeneity test.
Kemudian tekan OK. Maka akan muncul tampilan seperti di bawah ini:
7/30/2019 Tugas 4 Analisis Manova
9/13
Tampilan 1
Pada tampilan 1 menyajikan kriteria Distribution System dan jumlah
sample.Distribution System dibagi menjadi dua kelompok, yaituIndirect through
brokerdiberi angka 0 danDirect costumerdiberi angka 1. Sementara jumlah dari
Distribution System pada masing-masing indirect through broken dan direct
customer berjumlah 108 dan 92.
Tampilan 2
Pada tampilan 2 menyajikan rata-rata dan standar deviasi untuk setiap
variabel dependen. Secara sekilas terlihat bahwa rata-rata dan standar deviasi
variabel X19, X20, dan X21 untuk indirect through broker dan direct to customer
berbeda. Sehingga kita bisa menyimpulkan sementara bahwa Distribution System
mempengaruhi X19, X20, dan X21.
Between-Subjects Factors
Indirect
through
broker
108
Direct to
customer92
0
1
X5 - Distribution
System
Value Label N
Descriptive Statistics
6.325 1.0328 108
7.688 1.0488 926.952 1.2411 200
6.488 .9859 108
7.498 .9300 92
6.953 1.0829 200
7.336 .8802 108
8.051 .7449 92
7.665 .8932 200
X5 - Distribution System
Indirect through broker
Direct to customerTotal
Indirect through broker
Direct to customer
Total
Indirect through broker
Direct to customer
Total
X19 - Satisfaction
X20 - Likely to
Recommend
X21 - Likely to Purchase
Mean Std. Deviation N
Menunjukkan jumlah
kelompok sampel yang
Menunjukkan rata-rata
standar deviasi variabel X19
berbeda antara indirect
through brokerdan direct tocustomersehinnga dapat
disimpulkan variabel X5
distribution system
mempengaruhi variabel X19
satisfaction
7/30/2019 Tugas 4 Analisis Manova
10/13
Tampilan 3
Tampilan 3 pada Boxs test merupakan uji normalitas multivariate dengan
uji Boxs M. uji tersebut menunjukkan nilai tidak signifikansi sehingga
mengindikasikan matriks kovarian variabel dependen adalah sama pada indirect
through brokerdan direct to customer. Hal ini berarti bahwa asumsi normalitas
multivariate terpenuhi. Namun perlu dicatat bahwa uji Boxs M sangat sensitif
dalam pelanggaran uji normalitas.
Tampilan 4
Tampilan 4 Bartletts Test of Sphericity menggambarkan uji korelasiantara variabel independen. Uji Bartletts ini signifikan sehingga menunjukkan
adanya korelasi yang cukup antara variabel independen yang ada.
Box's Test of Equality of Covariance Matricesa
4.597
.753
6
265275.8
.607
Box's M
F
df1
df2
Sig.
Tests the nul l hypothesis that the observed covariance
matrices of the dependent va ria bles are equal across groups.
Design: Intercept+x5a.
Bartlett's Test of Sphericitya
.000
260.055
5
.000
Likelihood Ratio
Approx. Chi-Square
df
Sig.
Tests the null hypothesis that the residual covariance
matrix is proportional to an identity matrix.
Design: Intercept+x5a.
Tidak signifikan, menunjukkan
asumsi normalitas multivariate
Signifikan, menunjukkan
adanya korelasi antara variabel
independen yang ada
7/30/2019 Tugas 4 Analisis Manova
11/13
Tampilan 5
Tampilan 5 menunjukkan uji signifikan multivariat. Ada empat uji statistik
untuk mengetahui perbedaan centroid dua kelompok, yaitu Pillais trace, wilks
lambda, hotellings trace, dan roys largest root. Nilai masing-masing uji tersebut
kemudian ditransformasi ke dalam uji statistic F. ada dua tampilan, yaitu intercept
dan X5 Distribution system . Uji intercept ini digunakan untuk mengevaluasi
apakah rata-rata variabel independen tidak sama dengan nol. Berdasarkan uji F ini
signifikan pada = 5% (lihat kolom sig) sehingga dapat disimpulkan bahwa
variabel independen tidak sama dengan nol dan berbeda antara variabel
independen (Indirect through brokerdan direct to customer).
Uji signifikan yang penting dalam ANOVA adalah pada variabel
independen X5 distribution system yang diklasifikasikan Indirect through broker
dan direct to customer. Berdasarkan uji F juga signifikan pada = 5% (lihat
kolom sig) dengan menggunakan keempat uji yang ada. Berarti kita bisa
menyimpulkan bahwa variabel X5 distribution system mempengaruhi variabel
X19 satisfaction, X20 likely to recommenddan X21 likely to purchase. Uji Partial
Eta Squared(PES) sebesar 0,307. Distribution system menjelaskan 30,7% varian
Multiv ariate Testsb
.989 6094.102a 3.000 196.000 .000 .989
.011 6094.102a 3.000 196.000 .000 .989
93.277 6094.102a 3.000 196.000 .000 .989
93.277 6094.102a 3.000 196.000 .000 .989
.307 28.923a 3.000 196.000 .000 .307
.693 28.923a 3.000 196.000 .000 .307
.443 28.923a 3.000 196.000 .000 .307
.443 28.923a 3.000 196.000 .000 .307
Pillai's Trace
Wilks' Lambda
Hotelli ng's Trace
Roy's Largest Root
Pillai's Trace
Wilks' Lambda
Hotelli ng's Trace
Roy's Largest Root
Effect
Intercept
x5
Value F Hypothesis df Error df Sig.
Partial Eta
Squared
Exact statistica.
Design: Intercept+x5b.
7/30/2019 Tugas 4 Analisis Manova
12/13
total, yang artinya X5 direct distribution mempengaruhi X19 satisfaction, X20
likely to recommenddan X21 likely to purchas sebanyak 30,7%.
Tampilan 6
Tampilan 7
Pada tampilan 7 Test of between subject effects menampilkan uji signifikan
univariat dengan uji statistika F. Pada kolom source ada beberapa informasi untuk
uji univariat ini. Uji MANOVA terletak pada apakah variabel independen
mempengaruhi variabel dependen. Informasi ini terdapat pada corrected model
dan X5. Keduanya menghasilkan informasi nilai F yang sama karena keduanya
merupakan uji apakah variabel independen mempengaruhi variabel dependen. Uji
Levene's Test of Equality of Error Variancesa
.001 1 198 .978
.643 1 198 .424
2.832 1 198 .094
X19 - Satisfaction
X20 - Likely to
Recommend
X21 - Likely to Purchase
F df1 df2 Sig.
Tests the null hypothesis that the error variance of the dependent variable i
equal across groups.
Design: Intercept+x5a.
Tests of Between-Subjects Effects
92.300a 1 92.300 85.304 .000 .301
50.665b
1 50.665 54.910 .000 .217
25.396c 1 25.396 37.700 .000 .160
9755.432 1 9755.432 9015.970 .000 .979
9717.522 1 9717.522 10531.655 .000 .982
11762.528 1 11762.528 17461.366 .000 .989
92.300 1 92.300 85.304 .000 .301
50.665 1 50.665 54.910 .000 .217
25.396 1 25.396 37.700 .000 .160
214.239 198 1.082
182.694 198 .923
133.379 198 .674
9972.600 200
9900.810 200
11909.220 200
306.539 199
233.359 199
158.775 199
Dependent Variable
X19 - Satisfaction
X20 - Likely to
Recommend
X21 - Likely to Purchase
X19 - Satisfaction
X20 - Likely to
Recommend
X21 - Likely to Purchase
X19 - Satisfaction
X20 - Likely to
Recommend
X21 - Likely to Purchase
X19 - Satisfaction
X20 - Likely to
Recommend
X21 - Likely to Purchase
X19 - Satisfaction
X20 - Likely to
Recommend
X21 - Likely to Purchase
X19 - Satisfaction
X20 - Likely to
Recommend
X21 - Likely to Purchase
Source
Corrected Model
Intercept
x5
Error
Total
Corrected Total
Type III Sum
of Squares df Mean Square F Sig.
Partial Eta
Squared
R Squared = .301 (Adjusted R Squared = .298)a.
R Squared = .217 (Adjusted R Squared = .213)b.
R Squared = .160 (Adjusted R Squared = .156)c.
7/30/2019 Tugas 4 Analisis Manova
13/13
univariat F pada X5 menunjukkan signifikan = 5% (lihat kolom sig). dengan
demikian X5 Distribution system mempengaruhi X19 satisfaction, X20 likely to
recommenddan X21 likely to purchase. Nilai PES masing-masing bernilai 0.301,
0.217, dan 0.160 untuk masing-masing variabel dependen. Itu berarti X5
Distribution system mempengaruhi X19 satisfaction, X20 likely to recommend
dan X21 likely to purchase dengan varian total X19 sebesar 3,01%, X20 sebesar
21,7%, dan X21 sebesar 16,0%.
Tampilan 8
Parameter Estimates
7.688 .108 70.891 .000 7.474 7.902 .962
-1.363 .148 -9.236 .000 -1.654 -1.072 .301
0a . . . . . .
7.498 .100 74.869 .000 7.300 7.695 .966
-1.010 .136 -7.410 .000 -1.279 -.741 .217
0a . . . . . .
8.051 .086 94.089 .000 7.882 8.220 .978
-.715 .116 -6.140 .000 -.945 -.485 .160
0a . . . . . .
Parameter
Intercept
[x5=0]
[x5=1]
Intercept
[x5=0]
[x5=1]
Intercept
[x5=0]
[x5=1]
Dependent Variable
X19 - Satisfaction
X20 - Likely to
Recommend
X21 - Likely to Purchase
B Std. Error t Sig. Lower Bound Upper Bound
95% Confidence Interval Partial Eta
Squared
This parameter is set to zero because it is redundant.a.
Residual SSCP Matrix
214.239 135.310 111.699
135.310 182.694 91.337
111.699 91.337 133.379
1.082 .683 .564
.683 .923 .461
.564 .461 .674
1.000 .684 .661
.684 1.000 .585
.661 .585 1.000
X19 - Satisfaction
X20 - Likely to
Recommend
X21 - Likely to Purchase
X19 - Satisfaction
X20 - Likely to
Recommend
X21 - Likely to Purchase
X19 - Satisfaction
X20 - Likely to
Recommend
X21 - Likely to Purchase
Sum-of-Squares
and Cross-Products
Covariance
Correlation
X19 -
Satisfaction
X20 - Likely to
Recommend
X21 - Likely
to Purchase
Based on Type III Sum of Squares
Recommended