plot of chunk unnamed-chunk-1

B1.5 Firmy mogą samodzielnie wykorzystać internet do budowy wizerunku i komunikacji z klientami

C1.1 dba o widoczność w internecie np. w wyszukiwarkach internetowych, serwisach społecznościowych

C1.2 prowadzi sprzedaż przez internet

C2.7 Zastosowanie nowych form marketingu

uwaga: wrzucam wszystko w jeden model, co ma plusy, ale ma też minusy, jak np. kłopotliwa interpretowalnosć nieistotnych współczynników

model.tables(aov(C2_9~as.factor(warszafka),baza1))

t.test(baza1\(C2_9[baza1\)warszafka==T],baza1\(C2_9[baza1\)warszafka==F],paired=F)

Wyniki regresji dla C1.1: dba o widoczność w internecie np. w wyszukiwarkach internetowych, serwisach społecznościowych, R kwadrat wyniosło 0.2786
Estimate Std. Error t value Pr(>|t|)
(Intercept) -0.57 0.22 -2.65 0.01
scale(B1_5) 0.63 0.20 3.06 0.00
wielkosc10-49 osób 0.19 0.12 1.56 0.12
wielkosc50 i więcej osób 0.28 0.13 2.21 0.03
branzahandel 0.25 0.15 1.62 0.11
branzausługi 0.27 0.13 2.02 0.04
branzaadm,edu,samo 0.03 0.18 0.19 0.85
warszafkaTRUE 0.23 0.11 2.15 0.03
inne_firmyTRUE -0.15 0.15 -0.98 0.33
indyw_konsTRUE 0.33 0.12 2.84 0.00
scale(B1_5):wielkosc10-49 osób -0.14 0.13 -1.09 0.28
scale(B1_5):wielkosc50 i więcej osób -0.08 0.13 -0.61 0.54
scale(B1_5):branzahandel -0.14 0.16 -0.88 0.38
scale(B1_5):branzausługi -0.04 0.12 -0.28 0.78
scale(B1_5):branzaadm,edu,samo -0.12 0.22 -0.54 0.59
scale(B1_5):warszafkaTRUE -0.31 0.12 -2.63 0.01
scale(B1_5):inne_firmyTRUE -0.20 0.17 -1.17 0.24
scale(B1_5):indyw_konsTRUE 0.40 0.12 3.47 0.00

Wnioski:

plot of chunk unnamed-chunk-4plot of chunk unnamed-chunk-4

Wyniki regresji dla C1.2: prowadzi sprzedaż przez internet, R kwadrat wyniosło 0.1901
Estimate Std. Error t value Pr(>|t|)
(Intercept) -0.93 0.23 -4.03 0.00
scale(B1_5) 0.22 0.22 1.01 0.32
wielkosc10-49 osób -0.02 0.13 -0.15 0.88
wielkosc50 i więcej osób 0.12 0.14 0.87 0.38
branzahandel 0.32 0.16 1.92 0.06
branzausługi 0.40 0.14 2.85 0.00
branzaadm,edu,samo -0.24 0.20 -1.25 0.21
warszafkaTRUE 0.39 0.11 3.45 0.00
inne_firmyTRUE 0.26 0.17 1.56 0.12
indyw_konsTRUE 0.41 0.12 3.36 0.00
scale(B1_5):wielkosc10-49 osób -0.21 0.13 -1.59 0.11
scale(B1_5):wielkosc50 i więcej osób -0.32 0.14 -2.26 0.02
scale(B1_5):branzahandel -0.09 0.17 -0.52 0.60
scale(B1_5):branzausługi -0.10 0.13 -0.73 0.47
scale(B1_5):branzaadm,edu,samo 0.15 0.24 0.64 0.52
scale(B1_5):warszafkaTRUE 0.09 0.12 0.74 0.46
scale(B1_5):inne_firmyTRUE 0.03 0.18 0.15 0.88
scale(B1_5):indyw_konsTRUE 0.20 0.12 1.65 0.10

Wnioski:

plot of chunk unnamed-chunk-5plot of chunk unnamed-chunk-5

Wyniki regresji dla C2.7: Zastosowanie nowych form marketingu, R kwadrat wyniosło 0.1674
Estimate Std. Error t value Pr(>|t|)
(Intercept) -0.87 0.23 -3.77 0.00
scale(B1_5) 0.28 0.22 1.28 0.20
wielkosc10-49 osób 0.29 0.13 2.21 0.03
wielkosc50 i więcej osób 0.49 0.14 3.60 0.00
branzahandel 0.20 0.17 1.18 0.24
branzausługi 0.13 0.14 0.89 0.37
branzaadm,edu,samo -0.28 0.19 -1.47 0.14
warszafkaTRUE 0.45 0.11 3.88 0.00
inne_firmyTRUE 0.14 0.17 0.87 0.39
indyw_konsTRUE 0.32 0.12 2.55 0.01
scale(B1_5):wielkosc10-49 osób -0.20 0.14 -1.48 0.14
scale(B1_5):wielkosc50 i więcej osób -0.14 0.14 -1.02 0.31
scale(B1_5):branzahandel -0.26 0.17 -1.51 0.13
scale(B1_5):branzausługi -0.26 0.13 -1.93 0.05
scale(B1_5):branzaadm,edu,samo -0.06 0.24 -0.26 0.80
scale(B1_5):warszafkaTRUE -0.19 0.12 -1.55 0.12
scale(B1_5):inne_firmyTRUE 0.27 0.18 1.47 0.14
scale(B1_5):indyw_konsTRUE 0.11 0.13 0.90 0.37

Wnioski:

Rysnuek lepiej oddaje zawiłość tej zależnosci. Problemem jest to, że w branży administracja wszyscy uznają ten trend za istotny plot of chunk unnamed-chunk-6

Reakcja

Ponownie utworzyłem ten sam kontrowersyjny wskaźnik

plot of chunk unnamed-chunk-7

Wyniki regresji dla C1.1: dba o widoczność w internecie np. w wyszukiwarkach internetowych, serwisach społecznościowych, R kwadrat wyniosło 0.3123
Estimate Std. Error t value Pr(>|t|)
(Intercept) -0.62 0.21 -2.97 0.00
scale(B5) 0.46 0.21 2.20 0.03
wielkosc10-49 osób 0.24 0.12 1.93 0.06
wielkosc50 i więcej osób 0.32 0.13 2.53 0.01
branzahandel 0.29 0.15 1.92 0.06
branzausługi 0.31 0.13 2.40 0.02
branzaadm,edu,samo 0.11 0.17 0.66 0.51
warszafkaTRUE 0.18 0.10 1.76 0.08
inne_firmyTRUE -0.10 0.15 -0.66 0.51
indyw_konsTRUE 0.28 0.11 2.48 0.01
scale(B5):wielkosc10-49 osób -0.08 0.13 -0.62 0.53
scale(B5):wielkosc50 i więcej osób -0.04 0.13 -0.31 0.76
scale(B5):branzahandel -0.27 0.15 -1.76 0.08
scale(B5):branzausługi 0.03 0.12 0.21 0.84
scale(B5):branzaadm,edu,samo 0.00 0.22 0.01 0.99
scale(B5):warszafkaTRUE -0.20 0.11 -1.77 0.08
scale(B5):inne_firmyTRUE -0.13 0.16 -0.80 0.42
scale(B5):indyw_konsTRUE 0.47 0.11 4.10 0.00

Wnioski:

  • istnieje związek reakcja na trend a dbaniem o widoczność w sieci

  • im większa firma, tym silniej dba o widoczność w sieci

  • handel i usługi dbaja o widoczność bardziej niż produkcja i administracja

  • o widoczność trochę lepiej dbają firmy z Warszawy, istotnie lepiej firmy B2C

  • wpływ reakcji na trend jest słabszy w sektorze handlu (ale oni i tak dbają bardziej) i w Warszawie (to samo)

  • sektor B2C jeszcze bardziej wzmacnia ten trend

plot of chunk unnamed-chunk-8

Wyniki regresji dla C1.2: prowadzi sprzedaż przez internet, R kwadrat wyniosło 0.2014
Estimate Std. Error t value Pr(>|t|)
(Intercept) -1.00 0.23 -4.35 0.00
scale(B5) 0.13 0.23 0.54 0.59
wielkosc10-49 osób 0.02 0.13 0.17 0.86
wielkosc50 i więcej osób 0.17 0.14 1.23 0.22
branzahandel 0.33 0.16 2.01 0.05
branzausługi 0.41 0.14 2.98 0.00
branzaadm,edu,samo -0.20 0.19 -1.08 0.28
warszafkaTRUE 0.40 0.11 3.50 0.00
inne_firmyTRUE 0.28 0.17 1.69 0.09
indyw_konsTRUE 0.41 0.12 3.31 0.00
scale(B5):wielkosc10-49 osób -0.21 0.13 -1.52 0.13
scale(B5):wielkosc50 i więcej osób -0.28 0.14 -2.01 0.05
scale(B5):branzahandel -0.06 0.17 -0.34 0.73
scale(B5):branzausługi -0.05 0.13 -0.36 0.72
scale(B5):branzaadm,edu,samo 0.29 0.25 1.15 0.25
scale(B5):warszafkaTRUE 0.07 0.13 0.56 0.57
scale(B5):inne_firmyTRUE 0.12 0.18 0.68 0.50
scale(B5):indyw_konsTRUE 0.21 0.12 1.67 0.10

Wnioski:

  • reakcja na trend nie ma wpływu na sprzedaż w internecie, poza tendencją dodatnią w sektorze B2C. Generalnie jednak, trend ma pewien wpływ, zależny od wielkości firmy (rysunek)

  • sprzedaż w sieci częściej prowadzą: firmy z Warszawy, B2C, B2B, usługowe i handlowe

plot of chunk unnamed-chunk-9

Wyniki regresji dla C2.7: Zastosowanie nowych form marketingu, R kwadrat wyniosło 0.1888
Estimate Std. Error t value Pr(>|t|)
(Intercept) -0.98 0.23 -4.29 0.00
scale(B5) 0.30 0.23 1.35 0.18
wielkosc10-49 osób 0.33 0.13 2.51 0.01
wielkosc50 i więcej osób 0.53 0.14 3.91 0.00
branzahandel 0.20 0.17 1.20 0.23
branzausługi 0.16 0.14 1.14 0.26
branzaadm,edu,samo -0.24 0.18 -1.33 0.18
warszafkaTRUE 0.44 0.11 3.89 0.00
inne_firmyTRUE 0.21 0.16 1.28 0.20
indyw_konsTRUE 0.31 0.12 2.51 0.01
scale(B5):wielkosc10-49 osób -0.17 0.13 -1.24 0.21
scale(B5):wielkosc50 i więcej osób -0.05 0.14 -0.34 0.73
scale(B5):branzahandel -0.16 0.17 -0.97 0.33
scale(B5):branzausługi -0.15 0.13 -1.14 0.25
scale(B5):branzaadm,edu,samo 0.11 0.24 0.46 0.65
scale(B5):warszafkaTRUE -0.22 0.12 -1.77 0.08
scale(B5):inne_firmyTRUE 0.17 0.18 0.94 0.35
scale(B5):indyw_konsTRUE 0.14 0.12 1.14 0.25

Wnioski:

  • rekacja na ten trend nie posiada istotnego wpływu na wprowadzanie nowych form marketingu, poza trendem ujemnym w Warszawie, w której i tak częsciej wprowadza sieę nowe formy marketingu

  • nowe formy częsciej wprowadzają: firmy duże (im większa, tym chętniej), warszawskie, B2C.

plot of chunk unnamed-chunk-10

Nowy dodatek: reakcja jako zmienna 0-1

Uwaga do takiej analizy jest taka, że dokonujemy tu niejako domyślnie predykcji, jak odpowiedzieliby na pytanie o reakcję osoby, które określiły istotność jako 1,2,3.

Wnioski:

## 
## Call:
## lm(formula = scale(C1_1) ~ scale(B5) * B5react + branza + wielkosc + 
##     warszafka + inne_firmy + indyw_kons, data = piar)
## 
## Residuals:
##    Min     1Q Median     3Q    Max 
## -2.365 -0.657  0.181  0.627  1.948 
## 
## Coefficients:
##                          Estimate Std. Error t value Pr(>|t|)    
## (Intercept)               -0.9380     0.2667   -3.52   0.0005 ***
## scale(B5)                  0.1327     0.1089    1.22   0.2242    
## B5reactTRUE                0.1482     0.2308    0.64   0.5212    
## branzahandel               0.2807     0.1530    1.83   0.0676 .  
## branzausługi               0.3456     0.1305    2.65   0.0085 ** 
## branzaadm,edu,samo         0.2507     0.1648    1.52   0.1291    
## wielkosc10-49 osób         0.1663     0.1236    1.35   0.1794    
## wielkosc50 i więcej osób   0.2985     0.1270    2.35   0.0194 *  
## warszafkaTRUE              0.1660     0.1056    1.57   0.1168    
## inne_firmyTRUE            -0.0925     0.1526   -0.61   0.5450    
## indyw_konsTRUE             0.2359     0.1153    2.05   0.0415 *  
## scale(B5):B5reactTRUE      0.7172     0.2843    2.52   0.0121 *  
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.876 on 308 degrees of freedom
##   (1 observation deleted due to missingness)
## Multiple R-squared:  0.259,  Adjusted R-squared:  0.232 
## F-statistic: 9.76 on 11 and 308 DF,  p-value: 3.53e-15

plot of chunk unnamed-chunk-11

## 
## Call:
## lm(formula = scale(C1_2) ~ scale(B5) * B5react + branza + wielkosc + 
##     warszafka + inne_firmy + indyw_kons, data = piar)
## 
## Residuals:
##    Min     1Q Median     3Q    Max 
## -1.627 -0.679 -0.210  0.513  2.430 
## 
## Coefficients:
##                          Estimate Std. Error t value Pr(>|t|)    
## (Intercept)              -1.05611    0.27950   -3.78  0.00019 ***
## scale(B5)                 0.10227    0.11411    0.90  0.37084    
## B5reactTRUE              -0.28275    0.24214   -1.17  0.24383    
## branzahandel              0.30691    0.15990    1.92  0.05586 .  
## branzausługi              0.38291    0.13634    2.81  0.00530 ** 
## branzaadm,edu,samo       -0.07953    0.17469   -0.46  0.64926    
## wielkosc10-49 osób       -0.00514    0.12928   -0.04  0.96833    
## wielkosc50 i więcej osób  0.11075    0.13302    0.83  0.40574    
## warszafkaTRUE             0.35875    0.11079    3.24  0.00134 ** 
## inne_firmyTRUE            0.29310    0.16216    1.81  0.07167 .  
## indyw_konsTRUE            0.37939    0.12100    3.14  0.00188 ** 
## scale(B5):B5reactTRUE     0.80009    0.29856    2.68  0.00777 ** 
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.915 on 304 degrees of freedom
##   (5 observations deleted due to missingness)
## Multiple R-squared:  0.192,  Adjusted R-squared:  0.163 
## F-statistic: 6.56 on 11 and 304 DF,  p-value: 7.86e-10

plot of chunk unnamed-chunk-11

## 
## Call:
## lm(formula = scale(C2_7) ~ scale(B5) * B5react + branza + wielkosc + 
##     warszafka + inne_firmy + indyw_kons, data = piar)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -1.7920 -0.7251 -0.0733  0.6512  2.3584 
## 
## Coefficients:
##                          Estimate Std. Error t value Pr(>|t|)    
## (Intercept)                -1.362      0.281   -4.86  1.9e-06 ***
## scale(B5)                  -0.017      0.115   -0.15  0.88241    
## B5reactTRUE                 0.262      0.243    1.08  0.28189    
## branzahandel                0.234      0.161    1.45  0.14716    
## branzausługi                0.209      0.137    1.53  0.12821    
## branzaadm,edu,samo         -0.108      0.174   -0.62  0.53397    
## wielkosc10-49 osób          0.267      0.130    2.06  0.04037 *  
## wielkosc50 i więcej osób    0.499      0.133    3.75  0.00021 ***
## warszafkaTRUE               0.389      0.111    3.49  0.00055 ***
## inne_firmyTRUE              0.258      0.162    1.60  0.11125    
## indyw_konsTRUE              0.292      0.122    2.40  0.01706 *  
## scale(B5):B5reactTRUE       0.521      0.300    1.74  0.08323 .  
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.923 on 308 degrees of freedom
##   (1 observation deleted due to missingness)
## Multiple R-squared:  0.178,  Adjusted R-squared:  0.149 
## F-statistic: 6.07 on 11 and 308 DF,  p-value: 5.39e-09

plot of chunk unnamed-chunk-11

Analiza na wycentrowanej zmiennej (wycentrowanej po średnich grupowych)

Ta analiza pokazuje, że może jednak w gruncie rzeczy chodzić o addytywny wpływ istotności i reakcji

## 
## Call:
## lm(formula = scale(C1_1) ~ B5sc * B5react, data = hh)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -2.2710 -0.7272  0.0447  0.8167  2.0048 
## 
## Coefficients:
##                  Estimate Std. Error t value Pr(>|t|)    
## (Intercept)       -0.5784     0.0860   -6.72  8.3e-11 ***
## B5sc               0.1631     0.0752    2.17    0.031 *  
## B5reactTRUE        0.8770     0.1059    8.28  3.6e-15 ***
## B5sc:B5reactTRUE   0.1623     0.1502    1.08    0.281    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.898 on 316 degrees of freedom
##   (1 observation deleted due to missingness)
## Multiple R-squared:  0.201,  Adjusted R-squared:  0.193 
## F-statistic: 26.5 on 3 and 316 DF,  p-value: 2.65e-15

plot of chunk unnamed-chunk-13

## 
## Call:
## lm(formula = scale(C1_2) ~ B5sc * B5react, data = hh)
## 
## Residuals:
##    Min     1Q Median     3Q    Max 
## -0.942 -0.610 -0.407  0.492  2.343 
## 
## Coefficients:
##                  Estimate Std. Error t value Pr(>|t|)    
## (Intercept)       -0.2716     0.0944   -2.88  0.00429 ** 
## B5sc               0.0467     0.0819    0.57  0.56929    
## B5reactTRUE        0.4102     0.1161    3.53  0.00047 ***
## B5sc:B5reactTRUE   0.2854     0.1641    1.74  0.08298 .  
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.977 on 312 degrees of freedom
##   (5 observations deleted due to missingness)
## Multiple R-squared:  0.0554, Adjusted R-squared:  0.0463 
## F-statistic:  6.1 on 3 and 312 DF,  p-value: 0.000479

plot of chunk unnamed-chunk-13

## 
## Call:
## lm(formula = scale(C2_7) ~ B5sc * B5react, data = hh)
## 
## Residuals:
##    Min     1Q Median     3Q    Max 
## -1.432 -0.806 -0.040  0.867  2.239 
## 
## Coefficients:
##                  Estimate Std. Error t value Pr(>|t|)    
## (Intercept)       -0.3657     0.0922   -3.97  9.0e-05 ***
## B5sc              -0.0201     0.0809   -0.25     0.80    
## B5reactTRUE        0.5576     0.1138    4.90  1.5e-06 ***
## B5sc:B5reactTRUE   0.1714     0.1618    1.06     0.29    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.967 on 316 degrees of freedom
##   (1 observation deleted due to missingness)
## Multiple R-squared:  0.0739, Adjusted R-squared:  0.0651 
## F-statistic:  8.4 on 3 and 316 DF,  p-value: 2.17e-05

plot of chunk unnamed-chunk-13

Sama reakcja
  • związek reakcji nasilniejszy w przypadku zmiennej: C1.1 dba o widoczność w internecie np. w wyszukiwarkach internetowych, serwisach społecznościowych

  • jest kilka interakcji:

C1.1 dba o widoczność w internecie: silniejszy związek w B2C, słabszy w Warszawie, która i tak silniej dba o widoczność

C1.2 prowadzi sprzedaż przez internet: brak wpływu w dużych/średnich firmach

## 
## Call:
## lm(formula = scale(C1_1) ~ B5react * indyw_kons, data = piar)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -2.3006 -0.6200  0.0151  0.7870  1.8479 
## 
## Coefficients:
##                            Estimate Std. Error t value Pr(>|t|)    
## (Intercept)                  -0.513      0.136   -3.77   0.0002 ***
## B5reactTRUE                   0.437      0.180    2.43   0.0156 *  
## indyw_konsTRUE               -0.107      0.175   -0.61   0.5430    
## B5reactTRUE:indyw_konsTRUE    0.624      0.223    2.80   0.0054 ** 
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.893 on 316 degrees of freedom
##   (1 observation deleted due to missingness)
## Multiple R-squared:  0.209,  Adjusted R-squared:  0.202 
## F-statistic: 27.9 on 3 and 316 DF,  p-value: 5.02e-16
## 
## Call:
## lm(formula = scale(C1_1) ~ B5react * warszafka, data = piar)
## 
## Residuals:
##    Min     1Q Median     3Q    Max 
## -2.164 -0.620  0.151  0.923  2.004 
## 
## Coefficients:
##                           Estimate Std. Error t value Pr(>|t|)    
## (Intercept)                 -0.776      0.126   -6.17  2.1e-09 ***
## B5reactTRUE                  1.069      0.154    6.94  2.2e-11 ***
## warszafkaTRUE                0.379      0.174    2.18    0.030 *  
## B5reactTRUE:warszafkaTRUE   -0.367      0.214   -1.71    0.087 .  
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.907 on 316 degrees of freedom
##   (1 observation deleted due to missingness)
## Multiple R-squared:  0.185,  Adjusted R-squared:  0.178 
## F-statistic:   24 on 3 and 316 DF,  p-value: 5.27e-14
## 
## Call:
## lm(formula = scale(C1_2) ~ B5react * wielkosc, data = piar)
## 
## Residuals:
##    Min     1Q Median     3Q    Max 
## -1.037 -0.714 -0.391  0.638  2.312 
## 
## Coefficients:
##                                      Estimate Std. Error t value Pr(>|t|)
## (Intercept)                            -0.422      0.170   -2.48  0.01365
## B5reactTRUE                             0.771      0.206    3.74  0.00022
## wielkosc10-49 osób                      0.125      0.233    0.54  0.59155
## wielkosc50 i więcej osób                0.316      0.236    1.34  0.18148
## B5reactTRUE:wielkosc10-49 osób         -0.436      0.286   -1.52  0.12848
## B5reactTRUE:wielkosc50 i więcej osób   -0.639      0.287   -2.23  0.02677
##                                         
## (Intercept)                          *  
## B5reactTRUE                          ***
## wielkosc10-49 osób                      
## wielkosc50 i więcej osób                
## B5reactTRUE:wielkosc10-49 osób          
## B5reactTRUE:wielkosc50 i więcej osób *  
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.978 on 310 degrees of freedom
##   (5 observations deleted due to missingness)
## Multiple R-squared:  0.0585, Adjusted R-squared:  0.0433 
## F-statistic: 3.85 on 5 and 310 DF,  p-value: 0.00211
## 
## Call:
## lm(formula = scale(C2_7) ~ B5react, data = piar)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -1.3794 -0.8221 -0.0557  0.9196  2.2433 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept)  -0.3657     0.0921   -3.97  8.8e-05 ***
## B5reactTRUE   0.5573     0.1137    4.90  1.5e-06 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.966 on 318 degrees of freedom
##   (1 observation deleted due to missingness)
## Multiple R-squared:  0.0703, Adjusted R-squared:  0.0674 
## F-statistic:   24 on 1 and 318 DF,  p-value: 1.51e-06