Analysis strategyWe use several typ

Analysis strategyWe use several types of regression to assess the relationship between the dependent and independentvariables. First, we report linear regression estimates for the model that treats fear of online financial crimeas a function of background characteristics that indicate vulnerability, device possession and onlinevictimization experiences. Results were checked for normal distribution of residuals and homoscedasticity –two assumptions in linear regression modelling – and both were found to be in order. Secondly, the analysesthat treat online activities (purchasing and banking) as dependent variables employ two types of regressionmodelling: logistic (on whether or not respondents perform this activity) and negative binomial (on howmany hours per week, on average, respondents devote to it). Considering the highly skewed nature of thelatter variables (counts, with many respondents reporting few or an intermediate amount of hours, and asmall group devoting a considerable amount of time to it), negative binomial models are the most suitableoption (Osgood, 2000). Finally, the last set of regression analyses treat (dichotomous) PC security measurestaken as dependent variables; logistic regression is used here. All models were checked for multicollinearity,which was found to be not an issue considering that VIF values nowhere exceeded 1.5.

ผลลัพธ์ (ไทย) 1:

กลยุทธ์การวิเคราะห์เราใช้การถดถอยหลายประเภทเพื่อประเมินความสัมพันธ์ระหว่างตัวแปรตามและตัวแปรอิสระ อันดับแรก เราจะรายงานการประมาณการการถดถอยเชิงเส้นสำหรับแบบจำลองที่ถือว่าความกลัวอาชญากรรมทางการเงินออนไลน์เป็นฟังก์ชันของลักษณะพื้นหลังที่บ่งบอกถึงช่องโหว่ การครอบครองอุปกรณ์ และประสบการณ์การตกเป็นเหยื่อทางออนไลน์ ผลลัพธ์ได้รับการตรวจสอบสำหรับการกระจายตัวของสารตกค้างและความเป็นโฮโมสซิดาสติกแบบปกติ ซึ่งเป็นสมมติฐานสองข้อในการสร้างแบบจำลองการถดถอยเชิงเส้น และพบว่าทั้งสองเป็นไปตามลำดับ ประการที่สอง การวิเคราะห์ที่ถือว่ากิจกรรมออนไลน์ (การซื้อและการธนาคาร) เป็นตัวแปรตามใช้แบบจำลองการถดถอยสองประเภท: ลอจิสติก (ขึ้นอยู่กับว่าผู้ตอบแบบสอบถามทำกิจกรรมนี้หรือไม่) และทวินามลบ (โดยเฉลี่ยผู้ตอบแบบสอบถามอุทิศให้กับกิจกรรมนี้กี่ชั่วโมงต่อสัปดาห์) . เมื่อพิจารณาถึงลักษณะที่เบี่ยงเบนอย่างมากของตัวแปรตัวหลัง (การนับ โดยผู้ตอบแบบสอบถามจำนวนมากรายงานจำนวนชั่วโมงเพียงเล็กน้อยหรือปานกลาง และกลุ่มเล็กๆ ที่อุทิศเวลาเป็นจำนวนมาก) แบบจำลองทวินามเชิงลบเป็นตัวเลือกที่เหมาะสมที่สุด (Osgood, 2000 ) ในที่สุด ชุดสุดท้ายของการวิเคราะห์การถดถอยจะถือว่ามาตรการรักษาความปลอดภัยพีซี (แบบแบ่งขั้ว) ถือเป็นตัวแปรตาม ที่นี่ใช้การถดถอยโลจิสติก ทุกรุ่นได้รับการตรวจสอบความเป็นหลายคอลลิเนียริตี้ ซึ่งพบว่าไม่ใช่ปัญหาเมื่อพิจารณาว่าค่า VIF ไม่มีค่าใดเกิน 1.5

ผลลัพธ์ (ไทย) 2:

กลยุทธ์การวิเคราะห์
เราใช้การถดถอยหลายแบบ เพื่อประเมินความสัมพันธ์ระหว่างตัวแปรขึ้นอยู่กับตัวแปรอิสระ ประการแรกเรารายงานการประมาณการถดถอยเชิงเส้นของแบบจำลองนี้ซึ่งมองว่าความกลัวต่ออาชญากรรมทางการเงินทางไซเบอร์เป็นฟังก์ชันของลักษณะพื้นหลังที่บ่งบอกถึงความเปราะบางการครอบครองอุปกรณ์และประสบการณ์การตกเป็นเหยื่อทางไซเบอร์ ผลของการกระจายตัวแบบปกติและความแปรปรวนเดียวกันของความแตกต่าง (สองสมมติฐานในแบบจำลองการถดถอยเชิงเส้น) ถูกตรวจสอบและพบว่าทั้งสองอย่างเป็นระเบียบ ประการที่สองการวิเคราะห์กิจกรรมออนไลน์ (การซื้อและการธนาคาร) เป็นตัวแปรเนื่องจากใช้รูปแบบการถดถอยสองประเภท: ตรรกะ (เกี่ยวกับว่าผู้ตอบแบบสอบถามมีส่วนร่วมในกิจกรรมนี้หรือไม่) และรายการลบ (เกี่ยวกับจำนวนชั่วโมงที่ผู้ตอบแบบสอบถามลงทุนโดยเฉลี่ยต่อสัปดาห์) เมื่อพิจารณาจากตัวแปรที่ต่ำกว่า (จำนวนผู้ตอบแบบสอบถามจำนวนมากรายงานจำนวนชั่วโมงที่น้อยหรือปานกลางในขณะที่ทุกกลุ่มลงทุนค่อนข้างมาก

ผลลัพธ์ (ไทย) 3:

กลยุทธ์การวิเคราะห์
เราใช้การถดถอยหลายประเภทเพื่อประเมินความสัมพันธ์ระหว่างตัวแปรและตัวแปรอิสระ ประการแรกเราได้รายงานการประมาณการถดถอยเชิงเส้นของแบบจําลองซึ่งถือว่าความกลัวของวิกฤตการณ์ทางการเงินออนไลน์เป็นหน้าที่ที่บ่งชี้ถึงความอ่อนแอการเป็นเจ้าของอุปกรณ์และลักษณะพื้นหลังของประสบการณ์การตกเป็นเหยื่อออนไลน์ ผลของการแจกแจงแบบปกติของสารตกค้างและข้อผิดพลาดเฉลี่ย(สมมติฐานสองข้อในรูปแบบการถดถอยเชิงเส้น)ได้รับการตรวจสอบและพบว่าทั้งสองมีความสมเหตุสมผล ประการที่สองการวิเคราะห์กิจกรรมออนไลน์(การช็อปปิ้งและการธนาคาร)เป็นตัวแปรโดยใช้แบบจําลองการถดถอยสองแบบคือแบบจําลองเชิงตรรกะ(เกี่ยวกับว่าผู้ตอบแบบสอบถามทํากิจกรรมนี้หรือไม่)และแบบจําลองเชิงลบ(เกี่ยวกับจํานวนชั่วโมงโดยเฉลี่ยต่อสัปดาห์ของผู้ตอบแบบสอบถามใช้กิจกรรมนี้) เมื่อพิจารณาถึงลักษณะการเบี่ยงเบนสูงของตัวแปรหลัง(จํานวนผู้ตอบแบบสอบถามจํานวนมากรายงานจํานวนน้อยหรือปานกลางของชั่วโมงและจํานวนคนจํานวนเล็กๆที่ใช้เวลามาก)รูปแบบไบนารีเชิงลบเป็นตัวเลือกที่เหมาะสมที่สุด(
ออสกู๊ด ปี 2000
สุดท้ายชุดสุดท้ายของการวิเคราะห์การถดถอยถือว่าเมตริกความปลอดภัยของพีซี( dicotomy )เป็นตัวแปรที่ได้รับ ใช้การถดถอยเชิงตรรกะที่นี่ โมเดลทั้งหมดได้รับการตรวจสอบแบบcollinearityและพบว่าcollinearityหลายไม่เป็นปัญหาโดยคํานึงถึงค่าVIFไม่เกิน1.5