Page 89 - Optimizacija poslovnih in tehnoloških procesov

Metode analize podatkov 5.4
R, orodje, ki se uporablja za diskretne podatke, pa se imenuje anali-
za dogovora o atributih (Verband der Automobilindustrie 2011). MSA
vzpostavlja zaupanje v metode zbiranja podatkov za preverjanje celo-
vitosti zajetih podatkov, uporabljenih v drugih raziskavah kakovosti.
Ta proces vključuje ocenjevanje merilnih instrumentov, testnih me-
tod in tehnik zbiranja podatkov. MSA pomaga proizvajalcem pomaga
sprejemati informirane odločitve o njihovih proizvodnih procesih in
izdelkih.

5.4.4 Regresijska analiza
Regresijska analiza je statistična metoda, ki jo pogosto povezujemo z
napovedovanjem (Bartholomew 2010; Sekaran in Bougie 2016; Gree-
ner in Martelli 2018). Njena osnovna enačba je (5.1):
Y i = b0 + b1x1 + b2x2 + … + bnxn + f i . (5.1)

Pri tem je Yi odvisna spremenljivka, x1, x2 …, xn neodvisne spremen-
ljivke, b0 je konstantni člen in b1, b2 …, bn koeficienti neodvisnih spre-
menljivk. Parametra b0 in b1 imenujemo regresijska koeficienta. To sta
presečišče b0 in naklon premice b1, ki povezuje nagnjenost k nakupu (Y)
z zaznano kakovostjo (x1). Naklon je mogoče razlagati kot število enot,
za katere bi se povečala nagnjenost k nakupu, če bi se zaznana kako-
vost povečala za enoto. Izraz napaka označuje napako v napovedi oz.
razliko med stimulirano in dejansko nagnjenostjo k nakupu (Sekaran
in Bougie 2016).
Regresijska analiza je daleč najbolj razširjena in vsestranska tehni-
ka odvisnosti, ki se lahko uporablja v vseh vidikih poslovnega odloča-
nja (Bartholomew 2010; Hair idr. 2014). Predstavlja močno analitično
orodje, ki je zasnovano za raziskovanje vseh vrst odnosov odvisno-
sti (Harmon 2007; Greener in Martelli 2018). Predpostavke multiple
regresije vključujejo linearni odnos med neodvisnimi in odvisnimi
spremenljivkami ter prav tako manjkajočo korelacijo med neodvisni-
mi spremenljivkami oz. manjkajočo multikolinearnost. Toda, kot že
omenjeno, multikolinearnost, če je prisotna, lahko vpliva na veljav-
nost koeficientnih ocen in posledično na napovedi, ki jih lahko izve-
demo z uporabo tega modela. Zato je pomembno, da se pred uporabo
multiple regresije pregledajo in analizirajo korelacije med neodvisnimi
spremenljivkami ter da se uporabijo metode za odpravljanje multikoli-
nearnosti, če je treba. Analiza linearnih odnosov med spremenljivkami
je lahko izvedena z uporabo multiple regresije, ki omogoča določanje
pomembnosti posameznih dejavnikov in napovedovanje vrednosti

89