Рисунок 4 – Гистограмма распределения стандартизированных остатков в регрессионной модели

Результаты множественного регрессионного анализа представлены в таблице 9.

Таблица 9 – Результаты множественного регрессионного анализа для прогноза мотивации саморазвития на основе перфекционизма

Зависимая переменная: мотивация саморазвития

Примечание: R² = 0,198; F = 17,804, p<0,001

Все предикторы, включенные в модель, оказались статистически значимыми. Анализ регрессионных коэффициентов предикторов в модели позволяет сделать вывод, что высокие стандарты и притязания (β = -0,345) вносит больший вклад в изменчивость зависимой переменной мотивация саморазвития, чем предиктор постоянное сравнение себя с другими при ориентации на самых успешных (β = -0,197). По результатам осуществляемого анализа стало возможным построение регрессионного уравнения:

Мотивация саморазвития = 11,974 + 0,345*(высокие стандарты и притязания) – 0,197*(постоянное сравнивание себя с другими при ориентации на самых успешных).

При увеличении значения переменной высокие стандарты и притязания на 1 балл значение переменой мотивация саморазвития увеличится на 0,345 балла, а при увеличении значения переменной постоянное сравнивание себя с другими при ориентации на самых успешных на 1 балл значение переменой мотивация саморазвития уменьшится на 0,197.

Для прогноза значения зависимой переменной мотивация самоуважения в качестве предикторов выступили переменные: высокие стандарты и притязания, критическое отношение к себе и сомнение в собственных силах, постоянное сравнение себя с другими при ориентации на самых успешных.

Модель оказалась статистически значимой – F (3,143) =4,407; p < 0,005. Она позволяет объяснить 8,5 % дисперсии зависимой переменной, что является приемлемым значением для психологических исследований. Однако два предиктора оказались статистически незначимыми, а именно критическое отношение к себе и сомнение в собственных сила (t = -0,272; p = 0,786 > 0,05) и постоянное сравнивание себя с другими при ориентации на самых успешных (t = -0,429; p = 0,668 > 0,05).

На следующем этапе построим регрессионную модель, исключив из независимых переменных переменные критическое отношение к себе и сомнение в собственных силах и постоянное сравнивание себя с другими при ориентации на самых успешных.

Модель оказалась статистически значимой – F (1,145) = 12,53; p<0,001. Она позволяет объяснить 8% дисперсии зависимой переменной, что является приемлемым значением для психологических исследований. Распределение стандартизированных остатков соответствует нормальному (As = -0,359; Kur = -0,387), что свидетельствует об отсутствии автокорреляции остатков (d=1,947 в пределах [1,5; 2,5]).