Rynek pracy
Uwagi: - postanowiłem analizować tylko istotność trendu - otrzymane zależności nie są silne, ale są spójne - należy oddzielić efekty, które są specyficzne dla trendów, od tych, które powtarzają się w każdym trendzie i wynikają z ogólnej tendencji do bycia dobrze poinformowanym: np D1_4 (pozyskuje najlepszych specjalistów) powtarza się w każdym trendzie - interesowałyby mnie w dalszym kroku: sprawdzenie wpływu wskaźnika istotności wszystkich trendów, sprawdzenie wskaźnika reakcji na wszystkie, sprawdzenie roli informacji
Tradycyjna korelacja wszystkiego ze wszystkim:
Rynek pracy:
B1.1 Komputery i maszyny pozwalają zwiększyć wydajność pracy i zracjonalizować zatrudnienie
B1.6 Nasila się rywalizacja o najlepszych, wykwalifikowanych specjalistów
B1.7 Starsza kadra ma problemy z dostosowaniem się do nowych technologii i warunków
B1.9 Praca zdalna i outsourcing stają się coraz bardziej rozpowszechnione
C1.3 pozwala na elastyczne godziny pracy
C1.4 wykorzystuje pracę zdalną / telepracę
C1.5 rozlicza pracę w systemie zadaniowym, a nie na podstawie czasu pracy
C2.9 Duża rotacja personelu
C2.10 Znaczący wzrost zatrudnienia
C2.11 Znaczący spadek zatrudnienia
D1.4 pozyskuje najlepszych specjalistów w branży
B1.1 Komputery i maszyny pozwalają zwiększyć wydajność pracy i zracjonalizować zatrudnienie
Wnioski: Im bardziej istotny dla firmy jest ten trend, tym częściej:
pozwala na elastyczne godziny pracy
wykorzystuje pracę zdalną
rozliczna pracę w systemie zadaniowym, ale ta zalezność nie dotyczy firm warszawskich, które i tak już częściej stosują to rozwiązanie (patrz wykres), jest to “doganianie”
pozyskuje najlepszych specjalistów w branży, zależność jest silniejsza w branży handlowej (“doganianie”, patrz wykres)
B1.6 Nasila się rywalizacja o najlepszych, wykwalifikowanych specjalistów
Im bardziej jest zauważany ten trend, tym częściej:
firma pozwala na elastyczne godziny pracy, ale tutaj podobnie: firmy spoza Warszawy doganiają te stołeczne
wykorzystuje pracę zdalną
rozliczna w systemie zadaniowym
częściej następuje duża rotacja personelu oraz znaczący wzrost zatrudnienia (uwaga: ale nie spadek)
częściej deklarują, że poszukują najlepszych specjalistów, ale to zależy od branży: zależność nie dotyczy to bowiem produkcji, która deklaruje te poszukiwania na całkiem wysokim poziomie, niezależnie od dostrzegania tego trendu (wykres)
B1.7 Starsza kadra ma problemy z dostosowaniem się do nowych technologii i warunków
To był mało istotny trend, ale jego postrzeganie:
wpływa ujemnie na wprowadzanie elastycznych godzin pracy w małych i średnich firmach, dodatnio w przypadku firm mikro
W firmach spoza sektora B2B, im istotniejszy ten trend, tym rzadziej dochodzi do rotacji personelu oraz wzrostu zatrudnienia
B1.9 Praca zdalna i outsourcing stają się coraz bardziej rozpowszechnione
Im istotniejszy ten trend, tym:
firma chętniej pozwala na elastyczne godziny pracy
bardziej wykorzystuje pracę zdalną, ale tu efekt zależy od branży: najsilniejszy związek w usługach, potem w handlu i administracji, zanika w produkcji (wykres)
częściej rozlicza w systemie zadaniowym
częściej następuje duża rotacja personelu
częściej następuje wzrost zatrudnienia, ale to zależy od branży: dzieje się tak w handlu i administracji, w usługach u produkcji związku nie ma
w firmach Warszawskich powoduje to rzadszy spadek zatrudnienia, a w tych spoza Warszawy odwrotnie: im istotniejszy ten trend, tym częściej dochodzi do spadku zatrudnienia
istotność tego trendu wzmacnia tendencję do poszukiwania najlepszych specjalistów, ale tylko w branży handlowej
Uzupełnienie: wpływ zmiennych demograficznych
C1.3 pozwala na elastyczne godziny pracy
- poziom zależy od wielkości: wyższy poziom w mikro firmach, niższy w średnich/dużych
- branży: niski w administracji, wyższy w usługach
C1.4 wykorzystuje pracę zdalną / telepracę
- zależy od branży: najniżej w produkcji, najwyżej w usługach
- wielkości: wysoki w mikro, najniższy w małych
- położenia w Warszawie: wyższe w Warszawie
C1.5 rozlicza pracę w systemie zadaniowym, a nie na podstawie czasu pracy
- zależne od branży: najwyższe w usługach, najniższe w administracji
C2.9 Duża rotacja personelu
- zależy od branży: wyższa w usługach, niższa w produkcji i administracji
- położenia w Warszawie: wyższa w Warszawie
C2.10 Znaczący wzrost zatrudnienia
- zależy od wielkości: najmniejszy w mikro, najwyższy w średnich/dużych
- branży: niski w administracji, wyższy w produkcji
- przynależności do sektora B2B: lekko wyższy poza B2B
C2.11 Znaczący spadek zatrudnienia
- brak różnic
D1.4 pozyskuje najlepszych specjalistów w branży
- zależy od wielkości: im większa firma, tym bardziej pozyskuje
Z drugiej strony: wpływ trendów na podejmowane działania
W skrócie: powtarzają się zależności, wrzucenie wszystkich trendów na raz nie zmienia wiele. Uwaga: przez wrzucenie wszystkich trendów jednoczesnie, sumują się ilości braków danych.
C1.3 pozwala na elastyczne godziny pracy
- wprost: wpływ 6 (rywalizacja o specjalistów)
- interakcje z wielkością: znika wpływ 6 (rywalizacja o specjalistów), w przypadku trendu 7 (starsza kadra): jest to dodatni związek w firmach mikro, ujemny w dużych/średnich i małych
- interakcje z B2C: ujemny wpływ 7 (starsza kadra) w firmach z B2C
C1.4 wykorzystuje pracę zdalną / telepracę
- wprost: wpływ 1 (komputery i maszyny pozwalają zracjonalizować) i 9 (praca zdalna i outsourcing)
- interakcje z B2B: ujemny wpływ 7 (starsza kadra) w firmach spoza B2B
- interakcje z B2C: dodatni wpływ 7 (starsza kadra) w firmach spoza B2C, w modelu znika wpływ 1 (komputery i maszyny pozwalają zracjonalizować)
C1.5 rozlicza pracę w systemie zadaniowym, a nie na podstawie czasu pracy
- wprost: wpływ 9 (praca zdalna i outsourcing) i tendencja dla 6 (rywalizacja o specjalistów)
- interakcja z B2C: dodatni wpływ 1 (komputery i maszyny pozwalają zracjonalizować) u firm z B2C
C2.9 Duża rotacja personelu
wprost: wpływ 9 (praca zdalna i outsourcing)
interakcja z B2B: ujemny wpływ 7 (starsza kadra) w firmach spoza B2B
C2.10 Znaczący wzrost zatrudnienia
- wprost: wpływ 6 (rywalizacja o specjalistów)
- interkacje z branżą: efekt 6 znika w handlu, 7 (starsza kadra) posiada ujemny efekt w administracji
- interakcja z B2B: ujemny wpływ 7 (starsza kadra) w firmach spoza B2B
- interakcja z B2C: ujemny wpływ 1 (komputery i maszyny pozwalają zracjonalizować) w firmach z B2C
C2.11 Znaczący spadek zatrudnienia
- wprost: brak
- interakcje z branżą: ujemny wpływ 9 (praca zdalna i outsourcing) w handlu
- interakcje z Warszawą: wpływ 9 (praca zdalna i outsourcing) znika w Warszawie
- interakcja z B2C: ujemny wpływ 1 (komputery i maszyny pozwalają zracjonalizować) w firmach z B2C
D1.4 pozyskuje najlepszych specjalistów w branży
wprost: wpływ 1 (komputery i maszyny pozwalają zracjonalizować) , 6 (rywalizacja o specjalistów), tendencja dla 9 (praca zdalna i outsourcing)
interakcje z branżą: wpływ 6 (rywalizacja o specjalistów) istnieje w usługach (i administracji poniekąd), wpływ 9 (praca zdalna i outsourcing) istnieje w handlu, 1 (komputery i maszyny pozwalają zracjonalizować) nie ma wpływu w usługach
- interakcja z B2B: ujemny wpływ 7 (starsza kadra) w firmach spoza B2B
interakcja z B2C: ujemny wpływ 7 (starsza kadra) w firmach spoza B2C
Reakcja
Na reakcje nie da rady, trzeba każdą oddzielnie, dlatego najpierw spóbujemy zrobić wskaźnik z istotności i reakcji, zastępując braki danych w reakcjach przez istotność. Czyli wynik 1,2,3 na wskaźniku oznacza, że określono istotność jako 1,2,3, a wartości wskaźnika 4,5,6,7,8 oznaczają, że reakcję określono odpowiednio jako 1,2,3,4,5
Uwaga: niektóre interakcje pokrywają się, przez opisywaniem wyników warto sprawdzić interakcje potrójne
I tak na nowo utworzonym wskaźniku reakcji:
C1.3 pozwala na elastyczne godziny pracy
- dodatni wpływ 6 (rywalizacja o specjalistów)
- interakcje z wielkością: ujemny efekt 7 (starsza kadra) w średnich/dużych i małych
- interakcja z B2C: ujemny wpływ 7 (starsza kadra) dla firm z B2C
- interakcja z B2A: dodatni wpływ 9 (praca zdalna i outsourcing) dla firm z B2A, po uwzględnieniu zmiennej znika wpływ 6 (rywalizacja o specjalistów)
C1.4 wykorzystuje pracę zdalną / telepracę
- dodatni wpływ 6 (rywalizacja o specjalistów) i 9 (praca zdalna i outsourcing)
- interakcja z B2C: dodatni wpływ 7 (starsza kadra) dla firm spoza B2C
- interakcja z B2A: dodatni wpływ 1 (komputery i maszyny pozwalają zracjonalizować) dla firm z B2A
C1.5 rozlicza pracę w systemie zadaniowym, a nie na podstawie czasu pracy
- dodatni wpływ 9 (praca zdalna i outsourcing)
- interakcja z branżą: dodatni efekt 1 (komputery i maszyny pozwalają zracjonalizować) w administracji, po uwzględnieniu branży znika efekt 9 (praca zdalna i outsourcing)
- interakcja z B2C : dodatni wpływ 1 (komputery i maszyny pozwalają zracjonalizować) w sektorze B2C
C2.9 Duża rotacja personelu
- dodatni wpływ 9 (praca zdalna i outsourcing)
- interakcja z Warszawą: efekt 9 (praca zdalna i outsourcing) nie dotyczy firm z Warszawy, które i tak miały większą rotację personelu
- interakcja z B2B: ujemny wpływ 7 (starsza kadra) dla firm spoza B2B, pojawia się wpływ 1 (komputery i maszyny pozwalają zracjonalizować) dla firm z sektora B2B
C2.10 Znaczący wzrost zatrudnienia
- dodatni wpływ 6 (rywalizacja o specjalistów)
- interakcja z B2B: ujemny wpływ 7 (starsza kadra) dla firm spoza B2C
C2.11 Znaczący spadek zatrudnienia
- efekty główne: nic
- interakcja z branżą: ujemny wpływ 9 (praca zdalna i outsourcing) w handlu
- interakcja z Warszawą: wpływ 6 (rywalizacja o specjalistów) ujawnia się tylko w Warszawie, efekt 9 (praca zdalna i outsourcing) odwraca się w Warszawie
D1.4 pozyskuje najlepszych specjalistów w branży
- dodatni wpływ 1 (komputery i maszyny pozwalają zracjonalizować), 6 (rywalizacja o specjalistów), 9 (praca zdalna i outsourcing)
- interakcje z branżą: efekt 6 (rywalizacja o specjalistów) dotyczy tylko branży usługi, efekt 9 (praca zdalna i outsourcing) istnieje tylko w handlu
Dodatkowy wniosek: trend “starsza kadra ma problemy” nie jest trendem, tylko obiektywną przeszkodą w firmie
Na koniec próba agregacji wniosków:
Reakcja 0-1
Pierwsza analiza: reakcje na trendy na zmienne zależne
Powyższe działania są przewidywane reakcją na następujące trendy:
C1.3 pozwala na elastyczne godziny pracy: nic
C1.4 wykorzystuje pracę zdalną / telepracę: 6 (rywalizacja o specjalistów) i 9 (praca zdalna i outsourcing)
C1.5 rozlicza pracę w systemie zadaniowym, a nie na podstawie czasu pracy: 9 (praca zdalna i outsourcing)
C2.9 Duża rotacja personelu: lekko 9 (praca zdalna i outsourcing)
C2.10 Znaczący wzrost zatrudnienia: 6 (rywalizacja o specjalistów)
C2.11 Znaczący spadek zatrudnienia: nic
D1.4 pozyskuje najlepszych specjalistów w branży: 1 (komputery i maszyny pozwalają zracjonalizować), 6 (rywalizacja o specjalistów), 9 (praca zdalna i outsourcing) - to jest ładny wynik: nie chodzi tylko o to, że pozyskujemy czy podkupujemy specjalistów, ale też jego “nabycie” idzie w parze z myśleniem o racjonalizacji
innych wyników nie ma, interakcje nie wychodzą tak jak np. w marketingu, a jak wychodzą to w losowych miejscach
Ciąg wyników:
## Response C1_3 :
##
## Call:
## lm(formula = C1_3 ~ B1react + B6react + B7react + B9react + branza +
## wielkosc + warszafka + inne_firmy + indyw_kons, data = rynek)
##
## Residuals:
## Min 1Q Median 3Q Max
## -2.1680 -0.7188 0.0013 0.7818 1.8467
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 0.0828 0.2429 0.34 0.7336
## B1reactTRUE -0.0850 0.1191 -0.71 0.4759
## B6reactTRUE 0.1856 0.1202 1.54 0.1236
## B7reactTRUE 0.0239 0.1368 0.17 0.8616
## B9reactTRUE 0.0752 0.1307 0.58 0.5653
## branzahandel 0.1683 0.1702 0.99 0.3237
## branzausługi 0.2256 0.1455 1.55 0.1221
## branzaadm,edu,samo -0.2171 0.1850 -1.17 0.2416
## wielkosc10-49 osób -0.3872 0.1419 -2.73 0.0067 **
## wielkosc50 i więcej osób -0.4229 0.1443 -2.93 0.0037 **
## warszafkaTRUE 0.0954 0.1174 0.81 0.4169
## inne_firmyTRUE 0.0965 0.1793 0.54 0.5909
## indyw_konsTRUE -0.1361 0.1275 -1.07 0.2865
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.957 on 286 degrees of freedom
## (22 observations deleted due to missingness)
## Multiple R-squared: 0.106, Adjusted R-squared: 0.0682
## F-statistic: 2.82 on 12 and 286 DF, p-value: 0.00115
##
##
## Response C1_4 :
##
## Call:
## lm(formula = C1_4 ~ B1react + B6react + B7react + B9react + branza +
## wielkosc + warszafka + inne_firmy + indyw_kons, data = rynek)
##
## Residuals:
## Min 1Q Median 3Q Max
## -1.702 -0.616 -0.227 0.578 2.611
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -0.5377 0.2324 -2.31 0.0214 *
## B1reactTRUE 0.0969 0.1139 0.85 0.3954
## B6reactTRUE 0.3184 0.1149 2.77 0.0060 **
## B7reactTRUE -0.0217 0.1308 -0.17 0.8681
## B9reactTRUE 0.3713 0.1250 2.97 0.0032 **
## branzahandel 0.2052 0.1628 1.26 0.2086
## branzausługi 0.3428 0.1392 2.46 0.0144 *
## branzaadm,edu,samo 0.1213 0.1770 0.69 0.4937
## wielkosc10-49 osób -0.4417 0.1357 -3.25 0.0013 **
## wielkosc50 i więcej osób -0.0728 0.1380 -0.53 0.5984
## warszafkaTRUE 0.3505 0.1123 3.12 0.0020 **
## inne_firmyTRUE 0.0496 0.1715 0.29 0.7729
## indyw_konsTRUE -0.0314 0.1219 -0.26 0.7967
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.916 on 286 degrees of freedom
## (22 observations deleted due to missingness)
## Multiple R-squared: 0.184, Adjusted R-squared: 0.149
## F-statistic: 5.36 on 12 and 286 DF, p-value: 3.46e-08
##
##
## Response C1_5 :
##
## Call:
## lm(formula = C1_5 ~ B1react + B6react + B7react + B9react + branza +
## wielkosc + warszafka + inne_firmy + indyw_kons, data = rynek)
##
## Residuals:
## Min 1Q Median 3Q Max
## -1.753 -0.886 0.030 0.819 2.010
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -0.17327 0.25103 -0.69 0.491
## B1reactTRUE 0.06015 0.12302 0.49 0.625
## B6reactTRUE 0.03527 0.12416 0.28 0.777
## B7reactTRUE -0.04953 0.14134 -0.35 0.726
## B9reactTRUE 0.35527 0.13503 2.63 0.009 **
## branzahandel 0.00298 0.17592 0.02 0.986
## branzausługi 0.11383 0.15035 0.76 0.450
## branzaadm,edu,samo -0.30039 0.19117 -1.57 0.117
## wielkosc10-49 osób -0.04359 0.14659 -0.30 0.766
## wielkosc50 i więcej osób 0.11946 0.14914 0.80 0.424
## warszafkaTRUE 0.23296 0.12128 1.92 0.056 .
## inne_firmyTRUE -0.17541 0.18530 -0.95 0.345
## indyw_konsTRUE 0.04722 0.13174 0.36 0.720
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.989 on 286 degrees of freedom
## (22 observations deleted due to missingness)
## Multiple R-squared: 0.0672, Adjusted R-squared: 0.028
## F-statistic: 1.72 on 12 and 286 DF, p-value: 0.0628
##
##
## Response C2_9 :
##
## Call:
## lm(formula = C2_9 ~ B1react + B6react + B7react + B9react + branza +
## wielkosc + warszafka + inne_firmy + indyw_kons, data = rynek)
##
## Residuals:
## Min 1Q Median 3Q Max
## -1.179 -0.626 -0.419 0.370 3.105
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -0.534146 0.249226 -2.14 0.033 *
## B1reactTRUE 0.000463 0.122135 0.00 0.997
## B6reactTRUE 0.094595 0.123265 0.77 0.443
## B7reactTRUE 0.090962 0.140326 0.65 0.517
## B9reactTRUE 0.255699 0.134054 1.91 0.057 .
## branzahandel 0.092948 0.174656 0.53 0.595
## branzausługi 0.086494 0.149269 0.58 0.563
## branzaadm,edu,samo 0.025110 0.189793 0.13 0.895
## wielkosc10-49 osób 0.231659 0.145537 1.59 0.113
## wielkosc50 i więcej osób 0.402210 0.148065 2.72 0.007 **
## warszafkaTRUE 0.240197 0.120411 1.99 0.047 *
## inne_firmyTRUE 0.050843 0.183971 0.28 0.782
## indyw_konsTRUE -0.077584 0.130794 -0.59 0.554
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.982 on 286 degrees of freedom
## (22 observations deleted due to missingness)
## Multiple R-squared: 0.0648, Adjusted R-squared: 0.0255
## F-statistic: 1.65 on 12 and 286 DF, p-value: 0.0776
##
##
## Response C2_10 :
##
## Call:
## lm(formula = C2_10 ~ B1react + B6react + B7react + B9react +
## branza + wielkosc + warszafka + inne_firmy + indyw_kons,
## data = rynek)
##
## Residuals:
## Min 1Q Median 3Q Max
## -1.308 -0.593 -0.296 0.362 3.249
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -0.0771 0.2427 -0.32 0.7508
## B1reactTRUE 0.0214 0.1189 0.18 0.8571
## B6reactTRUE 0.3376 0.1200 2.81 0.0053 **
## B7reactTRUE 0.0265 0.1367 0.19 0.8461
## B9reactTRUE 0.1777 0.1306 1.36 0.1745
## branzahandel -0.2350 0.1701 -1.38 0.1683
## branzausługi -0.1263 0.1454 -0.87 0.3858
## branzaadm,edu,samo -0.4588 0.1848 -2.48 0.0136 *
## wielkosc10-49 osób 0.1389 0.1417 0.98 0.3280
## wielkosc50 i więcej osób 0.3956 0.1442 2.74 0.0065 **
## warszafkaTRUE 0.1214 0.1173 1.04 0.3014
## inne_firmyTRUE -0.0815 0.1792 -0.46 0.6494
## indyw_konsTRUE -0.2352 0.1274 -1.85 0.0659 .
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.956 on 286 degrees of freedom
## (22 observations deleted due to missingness)
## Multiple R-squared: 0.118, Adjusted R-squared: 0.0805
## F-statistic: 3.17 on 12 and 286 DF, p-value: 0.000282
##
##
## Response C2_11 :
##
## Call:
## lm(formula = C2_11 ~ B1react + B6react + B7react + B9react +
## branza + wielkosc + warszafka + inne_firmy + indyw_kons,
## data = rynek)
##
## Residuals:
## Min 1Q Median 3Q Max
## -1.101 -0.605 -0.417 0.267 3.090
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -0.1760 0.2559 -0.69 0.492
## B1reactTRUE 0.0854 0.1254 0.68 0.496
## B6reactTRUE -0.0685 0.1266 -0.54 0.589
## B7reactTRUE 0.2174 0.1441 1.51 0.133
## B9reactTRUE 0.0229 0.1376 0.17 0.868
## branzahandel 0.1506 0.1793 0.84 0.402
## branzausługi 0.2930 0.1533 1.91 0.057 .
## branzaadm,edu,samo 0.2211 0.1949 1.13 0.257
## wielkosc10-49 osób -0.1156 0.1494 -0.77 0.440
## wielkosc50 i więcej osób -0.1995 0.1520 -1.31 0.190
## warszafkaTRUE 0.0284 0.1236 0.23 0.818
## inne_firmyTRUE 0.1116 0.1889 0.59 0.555
## indyw_konsTRUE -0.0786 0.1343 -0.59 0.559
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 1.01 on 286 degrees of freedom
## (22 observations deleted due to missingness)
## Multiple R-squared: 0.0394, Adjusted R-squared: -0.000907
## F-statistic: 0.977 on 12 and 286 DF, p-value: 0.47
##
##
## Response D1_4 :
##
## Call:
## lm(formula = D1_4 ~ B1react + B6react + B7react + B9react + branza +
## wielkosc + warszafka + inne_firmy + indyw_kons, data = rynek)
##
## Residuals:
## Min 1Q Median 3Q Max
## -1.8932 -0.7807 0.0861 0.5580 2.0889
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -0.3842 0.2355 -1.63 0.1039
## B1reactTRUE 0.3781 0.1154 3.28 0.0012 **
## B6reactTRUE 0.3310 0.1165 2.84 0.0048 **
## B7reactTRUE -0.1073 0.1326 -0.81 0.4193
## B9reactTRUE 0.2622 0.1267 2.07 0.0394 *
## branzahandel 0.0293 0.1650 0.18 0.8592
## branzausługi 0.1468 0.1410 1.04 0.2988
## branzaadm,edu,samo 0.0868 0.1793 0.48 0.6289
## wielkosc10-49 osób 0.1036 0.1375 0.75 0.4518
## wielkosc50 i więcej osób 0.3938 0.1399 2.81 0.0052 **
## warszafkaTRUE 0.0275 0.1138 0.24 0.8091
## inne_firmyTRUE -0.2138 0.1738 -1.23 0.2198
## indyw_konsTRUE -0.1695 0.1236 -1.37 0.1714
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.928 on 286 degrees of freedom
## (22 observations deleted due to missingness)
## Multiple R-squared: 0.163, Adjusted R-squared: 0.128
## F-statistic: 4.65 on 12 and 286 DF, p-value: 6.47e-07