บทนำ
การวิเคราะห์ Linear Regression เป็นเครื่องมือทางสถิติที่สำคัญในการศึกษาความสัมพันธ์ระหว่างตัวแปรอิสระ (Independent Variables) กับตัวแปรตาม (Dependent Variable) ในบทความนี้ เราจะใช้ข้อมูลตัวอย่างเพื่อวิเคราะห์ปัจจัยที่มีอิทธิพลต่อยอดขาย ดาวน์โหลดข้อมูลตัวอย่างที่จะใช้จากด้านล่างนี้
ข้อมูลที่ใช้ในการศึกษา
ข้อมูลประกอบด้วย 10 รายการ มีตัวแปรดังนี้:
- ตัวแปรตาม (Y): ยอดขาย (ล้านบาท)
- ตัวแปรอิสระ (X):
- X₁: ราคาต่อหน่วย (บาท)
- X₂: พนักงานขาย (คน)
- X₃: พื้นที่ร้าน (ตร.ม.)
การวิเคราะห์ผลลัพธ์จาก SPSS
นำเข้าข้อมูลแล้วจะได้ดังตาราง
ไปที่ Analyze > Regression > Linear
1. Model Summary
จากตาราง Model Summary ได้ผลดังนี้:
| ตัวชี้วัด | ค่า | การตีความ |
|---|---|---|
| R | 0.949 | ความสัมพันธ์ระหว่างตัวแปรอิสระทั้ง 3 ตัว กับยอดขายมีความแข็งแกร่งมาก (ใกล้ 1) |
| R Square | 0.900 | ตัวแปรอิสระทั้ง 3 ตัว สามารถอธิบายความแปรปรวนของยอดขายได้ 90% |
| Adjusted R Square | 0.850 | ค่า R² ที่ปรับแล้วตามจำนวนตัวแปร ยังคงสูงที่ 85% |
| Std. Error | 3.42893 | ความคลาดเคลื่อนมาตรฐานในการพยากรณ์ |
การแปลผล: โมเดลนี้มีประสิทธิภาพสูงมาก เนื่องจาก R² = 0.900 หมายความว่าตัวแปรอิสระทั้ง 3 ตัว (ราคาต่อหน่วย, พนักงานขาย, พื้นที่ร้าน) สามารถอธิบายการเปลี่ยนแปลงของยอดขายได้ถึง 90%
2. ANOVA (Analysis of Variance)
| แหล่งความแปรปรวน | Sum of Squares | df | Mean Square | F | Sig. |
|---|---|---|---|---|---|
| Regression | 635.955 | 3 | 211.985 | 18.030 | 0.002 |
| Residual | 70.545 | 6 | 11.758 | ||
| Total | 706.500 | 9 |
การแปลผล:
- F-statistic = 18.030 และ p-value = 0.002 < 0.05
- นี่แสดงว่าโมเดลมีนัยสำคัญทางสถิติ หมายความว่าตัวแปรอิสระอย่างน้อย 1 ตัวมีอิทธิพลอย่างมีนัยสำคัญต่อยอดขาย
3. Coefficients (สัมประสิทธิ์การถดถอย)
| ตัวแปร | B (Unstandardized) | Std. Error | Beta (Standardized) | t | Sig. | การตีความ |
|---|---|---|---|---|---|---|
| (Constant) | -10.002 | 16.066 | -0.623 | 0.556 | ค่าคงที่ไม่มีนัยสำคัญ | |
| ราคาต่อหน่วย | 0.142 | 0.226 | 0.142 | 0.631 | 0.551 | ไม่มีนัยสำคัญ |
| พนักงานขาย | 1.584 | 0.537 | 0.687 | 2.950 | 0.026 | มีนัยสำคัญ |
| พื้นที่ร้าน | 0.095 | 0.096 | 0.206 | 0.990 | 0.360 | ไม่มีนัยสำคัญ |
สมการการถดถอย
จากผลการวิเคราะห์ สมการการพยากรณ์ยอดขายคือ:
ยอดขาย = -10.002 + 0.142(ราคาต่อหน่วย) + 1.584(พนักงานขาย) + 0.095(พื้นที่ร้าน)
การแปลผลและข้อสรุป
ตัวแปรที่มีอิทธิพลอย่างมีนัยสำคัญ
- พนักงานขาย เป็นตัวแปรเดียวที่มีนัยสำคัญทางสถิติ (p = 0.026 < 0.05)
- สัมประสิทธิ์ = 1.584 หมายความว่า เมื่อเพิ่มพนักงานขาย 1 คน ยอดขายจะเพิ่มขึ้น 1.584 ล้านบาท
- มี Beta = 0.687 แสดงว่าเป็นตัวแปรที่มีอิทธิพลมากที่สุดต่อยอดขาย
ตัวแปรที่ไม่มีนัยสำคัญ
- ราคาต่อหน่วย (p = 0.551 > 0.05) – ไม่มีอิทธิพลอย่างมีนัยสำคัญ
- พื้นที่ร้าน (p = 0.360 > 0.05) – ไม่มีอิทธิพลอย่างมีนัยสำคัญ
ข้อเสนอแนะสำหรับการใช้งาน
ความน่าเชื่อถือของโมเดล
- โมเดลมีค่า R² สูง (90%) แสดงว่าสามารถพยากรณ์ได้ดี
- F-test มีนัยสำคัญ แสดงว่าโมเดลโดยรวมมีประสิทธิภาพ
การปรับปรุงโมเดล
- อาจพิจารณาลดตัวแปรที่ไม่มีนัยสำคัญออก (ราคาต่อหน่วย, พื้นที่ร้าน)
- เพิ่มข้อมูลเพื่อให้การวิเคราะห์แม่นยำยิ่งขึ้น (ปัจจุบันมีเพียง 10 รายการ)
การประยุกต์ใช้
- บริษัทสามารถใช้จำนวนพนักงานขายเป็นตัวพยากรณ์ยอดขายหลัก
- การเพิ่มพนักงานขาย 1 คน คาดว่าจะเพิ่มยอดขายได้ประมาณ 1.58 ล้านบาท
- ควรมีการศึกษาเพิ่มเติมเกี่ยวกับตัวแปรอื่นที่อาจมีอิทธิพล เช่น งบประมาณการตลาด, ทำเลที่ตั้ง, ฤดูกาล
บทสรุป
การวิเคราะห์ Linear Regression แสดงให้เห็นว่า:
- โมเดลมีประสิทธิภาพสูง – อธิบายความแปรปรวนได้ 90%
- พนักงานขายเป็นปัจจัยสำคัญที่สุด ที่มีอิทธิพลต่อยอดขาย
- สามารถใช้พยากรณ์ได้ แต่ควรระวังข้อจำกัดของข้อมูล
- ควรพิจารณาปัจจัยอื่น ที่อาจมีอิทธิพลต่อยอดขายเพิ่มเติม
การศึกษานี้เป็นพื้นฐานสำคัญสำหรับการวางแผนกลยุทธ์การขายและการจัดสรรทรัพยากรขององค์กร
รับคำนวณ Linear Regression จาก SPSS ในราคากันเอง แอดไลน์มาสอบถามข้อมูล @krujakkrapong
Discover more from KruJakkrapong 's Blog
Subscribe to get the latest posts sent to your email.
