µ¦¦³»
¤ª·
µµ¦Â¨³Á°¨µª·
´
¥ ¤®µª·
¥µ¨´
¥´
¬·
¦´Ê
¸É
19
¦³Î
µe
2552
8
µ¨µ¦ª·
Á¦µ³®r
n
µ´
¤¦³·
·Í
®´
¤¡´
r
¦³®ªn
µ»
¨´
¬³
°´
ªÂ¦ ¡ªn
µ ´
ªÂ¦Î
µª¨»n
¤
´
ª°¥n
µÂ¨³Î
µª
o
° ¤¸
ªµ¤´
¤¡´
r
´
¼
(r
xy
= .902**) µµ¦Î
µ´
ªÂ¦Á
o
µ¤µ¦°¥¡®»
¼
Åo
¨µ¦
ª·
Á¦µ³®r
´
µ¦µ 3
µ¦µ
3 ¨µ¦ª·
Á¦µ³®r
Weighted Least Squares Regression Results Î
µ®¦´
¡¥µ¦r
´
¤¦³·
·Í
°¨¢µ
°Á¦ºÉ
°¤º
°ª´
´
¬³µ¦·
ª·
µ¦µ¸É
¦´
n
µÂ¨o
ª
Source
df
Sum of Squares
°·
µ¥ªµ¤Â¦¦ª
Regression
4
4.936
43.40%
Residual
901
6.367
Total
905
11.303
´
ªÂ¦
b
SE
Beta
t
p
(Constant)
.434
.017
25.404
.000
Î
µª¨»n
¤´
ª°¥n
µ¸É
Äo
ĵ¦¡´
µÁ¦ºÉ
°¤º
°
.004
.000
.959
17.628
.000
Î
µª
o
°
-.003
.000
-.511
-9.258
.000
ª·
µª·
¥µ«µ¦r
-.061
.006
-.255
-9.713
.000
Î
µª¦´Ê
¸É
¨°Äo
Á¦ºÉ
°¤º
°
.015
.007
.054
2.080
.038
b. Weighted Least Squares Regression - Weighted by w
µµ¦µ 3 ¨µ¦ª·
Á¦µ³®r
µ¦°¥¡®»
¼
Åo
¤µ¦Ä¦¼
³Â·
´
¸Ê
´
¤¦³·
·Í
°¨¢µ
=
0.434 + 0.004Î
µª¨»n
¤´
ª°¥n
µ¸É
Äo
ĵ¦¡´
µÁ¦ºÉ
°¤º
°
- 0.003Î
µª
o
°
- 0.061ª·
µª·
¥µ«µ¦r
+ 0.015Î
µª¦´Ê
¸É
¨°Äo
Á¦ºÉ
°¤º
°
Åo
¤µ¦Ä¦¼
³Â¤µ¦µ ´
¸Ê
´
¤¦³·
·Í
°¨¢µ
=
0.959Î
µª¨»n
¤´
ª°¥n
µ¸É
Äo
ĵ¦¡´
µÁ¦ºÉ
°¤º
° - 0.511Î
µª
o
°
- 0.255ª·
µª·
¥µ«µ¦r
+ 0.054Î
µª¦´Ê
¸É
¨°Äo
Á¦ºÉ
°¤º
°
µ¨µ¦ª·
Á¦µ³®r
°£·
¤µ ´
¤¦³·
·Í
°¨¢µ
°Á¦ºÉ
°¤º
°ª´
´
¬³µ¦·
ª·
µ¦µ ¡ªn
µ ´
ªÂ¦¸É
n
¨n
°´
¤¦³·
·Í
°¨¢µ
°Á¦ºÉ
°¤º
°ª´
´
¬³µ¦·
ª·
µ¦µ¤µ¸É
»
º
° Î
µª¨»n
¤´
ª°¥n
µ¸É
Äo
ĵ¦
¡´
µÁ¦ºÉ
°¤º
° µµ¦µ 2 ³Á®È
ªn
µ Î
µª¨»n
¤´
ª°¥n
µ¸É
Äo
ĵ¦¡´
µÁ¦ºÉ
°¤º
°¤¸
ªµ¤´
¤¡´
r
´
´
¤¦³·
·Í
°¨¢µ
°Á¦ºÉ
°¤º
°ª´
´
¬³µ¦·
ª·
µ¦µ Án
µ´
.081 ¹É
¤¸
n
µn
°
o
µo
°¥¤µ Ân
È
Á}
ÅÄ
·
«µª ¹É
Á}
ŵ¤®¨´
µ¦
°n
µ´
¤¦³·
·Í
ªµ¤ÁºÉ
°¤´É
Á¤ºÉ
°¤¸
¼o
Á
o
µ°¤µ¥n
°¤Î
µÄ®o
¤¸
n
µªµ¤
¦¦ª
°³ÂÁ¡·
É
¤
¹Ê
Á}
¨Ä®o
n
µ´
¤¦³·
·Í
ªµ¤ÁºÉ
°¤´É
°Á¦ºÉ
°¤º
°¼
¹Ê
n
ª´
ªÂ¦ª·
µ