The potential variables that affect

The potential variables that affect energy efficiency were first
entered in a stepwise regression to identify those variables that are
statistically significant predictors of EPI and AAhEPI. This analysis
was carried out using the Statistical Analysis Software (SAS v9.0).
Only those variables that were significant and had the expected
sign of the coefficient were retained. The scatter plots of the significant
operational characteristics were plotted against the dependent
variables to determine whether the relationships were linear or
logarithmic. The significant variables that represent the operational
characteristics, linear or logarithmic, were standardised and regression
coefficients were obtained for these from a multiple linear
regression with the dependent variables. This method has been
adopted by Chung et al. [17] to benchmark the Energy Use Intensity
(EUI) of 30 randomly selected supermarkets in Hong Kong. Chung
and Hui [16] have also used this method of normalisation in their
study of energy efficiency of office buildings in Hong Kong. The
normalised EPI and AAhEPI for each of the facilities for a sample of
‘n’ facilities, with ‘k’ significant operational characteristics are thus
given by

ผลลัพธ์ (ไทย) 1:

ตัวแปรเป็นไปได้ที่ส่งผลต่อประสิทธิภาพการใช้พลังงานถูกแรกป้อนในการถดถอยแบบ stepwise ในการระบุตัวแปรเหล่านั้นที่predictors อย่างมีนัยสำคัญทางสถิติของ EPI และ AAhEPI วิเคราะห์นี้ได้ดำเนินการโดยใช้ซอฟต์แวร์วิเคราะห์สถิติ (SAS v9.0)เฉพาะตัวแปรที่สำคัญ และมีการคาดมีสะสมของค่าสัมประสิทธิ์ โครงการกระจายของสำคัญลักษณะการดำเนินงานถูกพล็อตกับผู้อยู่ในอุปการะตัวแปรเพื่อตรวจสอบว่า ได้มีความสัมพันธ์เชิงเส้น หรือลอการิทึม ตัวแปรสำคัญที่แสดงถึงการดำเนินงานลักษณะ เชิง ลอการิทึม ถูกแบบถดถอยและสัมประสิทธิ์ที่ได้จากหลายที่เส้นเหล่านี้ถดถอยที่ มีตัวแปรขึ้นอยู่กับ วิธีนี้ได้นำโดย Chung et al. [17] เพื่อเปรียบความเข้มพลังงานใช้(EUI) ของซูเปอร์มาร์เก็ต 30 สุ่มเลือกที่ Hong Kong ชุและฮุย [16] นอกจากนี้ยังใช้วิธีการ normalisation ในนี้ของพวกเขาการศึกษาประสิทธิภาพการใช้พลังงานของอาคารสำนักงานใน Hong Kong ที่normalised EPI และ AAhEPI สำหรับสิ่งอำนวยความสะดวกสำหรับตัวอย่างของแต่ละแอนสโนว์ชง 'k' ลักษณะการดำเนินงานอย่างมีนัยสำคัญกำหนดโดย

ผลลัพธ์ (ไทย) 2:

ตัวแปรที่มีศักยภาพที่มีผลต่อประสิทธิภาพการใช้พลังงานที่ได้รับครั้งแรกที่เข้ามาในการถดถอยแบบขั้นตอนการระบุตัวแปรเหล่านั้นที่มีการพยากรณ์นัยสำคัญทางสถิติของEPI และ AAhEPI การวิเคราะห์นี้ได้ดำเนินการโดยใช้การวิเคราะห์ทางสถิติซอฟต์แวร์ SAS (v9.0). เฉพาะตัวแปรที่มีนัยสำคัญและคาดว่ามีสัญญาณของค่าสัมประสิทธิ์ถูกเก็บไว้ แปลงกระจายที่สำคัญลักษณะการดำเนินงานที่ถูกพล็อตกับขึ้นอยู่กับตัวแปรเพื่อตรวจสอบว่ามีความสัมพันธ์เชิงเส้นได้หรือลอการิทึม ตัวแปรที่สำคัญที่เป็นตัวแทนของการดำเนินงานลักษณะเชิงเส้นหรือลอการิทึมได้มาตรฐานและการถดถอยค่าสัมประสิทธิ์ที่ได้รับเหล่านี้จากการเชิงเส้นหลายถดถอยที่มีตัวแปรตาม วิธีการนี้ได้รับการรับรองโดย Chung et al, [17] ในการวัดประสิทธิภาพการใช้พลังงานความหนาแน่น(EUI) วันที่ 30 ซูเปอร์มาร์เก็ตสุ่มเลือกในฮ่องกง จุงและฮุย [16] นอกจากนี้ยังมีการใช้วิธีการนี้ในการฟื้นฟูของพวกเขาในการศึกษาประสิทธิภาพการใช้พลังงานของอาคารสำนักงานในฮ่องกง EPI และปกติ AAhEPI สำหรับแต่ละสิ่งอำนวยความสะดวกสำหรับตัวอย่างของ'n' สิ่งอำนวยความสะดวกด้วย 'k' ลักษณะการดำเนินงานอย่างมีนัยสำคัญจึงได้รับจาก

ผลลัพธ์ (ไทย) 3:

ศักยภาพของตัวแปรที่มีผลต่อประสิทธิภาพการใช้พลังงานเป็นคนแรก
ป้อนในขั้นตอนการระบุตัวแปรเหล่านั้นที่
อย่างมีนัยสำคัญทางสถิติทำนาย EPI และ aahepi . โดย
ได้ดําเนินการโดยใช้การวิเคราะห์ทางสถิติซอฟต์แวร์ ( SAS v9.0 ) .
แต่ตัวแปรที่สำคัญและมีคาด
เครื่องหมายของค่าสัมประสิทธิ์ถูกเก็บรักษาไว้กระจายแปลงอย่างมีนัยสำคัญ
ปฏิบัติการลักษณะกำลังวางแผนกับตัวแปร
เพื่อตรวจสอบว่า ความสัมพันธ์เป็นเส้นตรง หรือ
ลอการิทึม โดยตัวแปรที่เป็นตัวแทนของการดำเนินงาน
ลักษณะเชิงเส้นลอการิทึมและมีมาตรฐานการถดถอย
ส่วนเหล่านี้จาก
ถดถอยเชิงเส้นการถดถอยที่มีตัวแปรตาม . วิธีการนี้ได้รับ
รับชอง et al . [ 17 ] มาตรฐานการใช้พลังงานเข้ม
( อุย ) 30 สุ่มซูเปอร์มาร์เก็ตในฮ่องกง ชุงฮี
[ 16 ] และยังใช้วิธีนี้ในการฟื้นฟูการศึกษาของพวกเขา
ประสิทธิภาพการใช้พลังงานของอาคารสำนักงานในฮ่องกง
บันทึก EPI และ aahepi สำหรับของแต่ละเครื่อง สำหรับตัวอย่างของ
' n ' เครื่องกับ ' K ' พบปฏิบัติการลักษณะจึง
ได้รับโดย